CodeBoarding - Interactive Diagrams for Code
https://github.com/CodeBoarding/CodeBoarding
https://github.com/CodeBoarding/CodeBoarding
pyparsing - 3.2.4
https://pypi.org/project/pyparsing/3.2.4/
Python модуль для синтаксического анализа. Скачать можно по ссылке: https://pypi.python.org/pypi/pyparsing/
https://pypi.org/project/pyparsing/3.2.4/
Python модуль для синтаксического анализа. Скачать можно по ссылке: https://pypi.python.org/pypi/pyparsing/
Memento - Fine-tuning LLM Agents without Fine-tuning LLMs
https://github.com/Agent-on-the-Fly/Memento
https://github.com/Agent-on-the-Fly/Memento
Собираем «идеального душнилу»: как создать ИИ-агента, который завалит вашего чат-бота
https://habr.com/ru/articles/946140/
Выкатили новую фичу в чат-боте и надеетесь, что она переживет встречу с реальными пользователями? Хватит надеяться — пора доказывать. В этой статье мы покажем как собрать стенд для стресс-тестирования, где один ИИ будет методично ломать другого.
https://habr.com/ru/articles/946140/
Выкатили новую фичу в чат-боте и надеетесь, что она переживет встречу с реальными пользователями? Хватит надеяться — пора доказывать. В этой статье мы покажем как собрать стенд для стресс-тестирования, где один ИИ будет методично ломать другого.
Визуализация управления памятью в Python: что творится внутри?
https://habr.com/ru/companies/ntechlab/articles/946098/
Python щедро раздаёт нам удобные абстракции. Создаёшь список, словарь или строку — и не думаешь, где под это выделилась память и как она потом освободится. Но внутри интерпретатора работает довольно сложный механизм, и он устроен не так, как в C или других языках. Идея сделать приложение-визуализатор пришла после чтения книги CPython Internals.
https://habr.com/ru/companies/ntechlab/articles/946098/
Python щедро раздаёт нам удобные абстракции. Создаёшь список, словарь или строку — и не думаешь, где под это выделилась память и как она потом освободится. Но внутри интерпретатора работает довольно сложный механизм, и он устроен не так, как в C или других языках. Идея сделать приложение-визуализатор пришла после чтения книги CPython Internals.
Какой Python-фреймворк выбрать: Django, Flask или FastAPI?
https://habr.com/ru/articles/944708/
Какой фреймворк выбрать для веб-разработки на Python: Django, Flask или FastAPI. Django берёт надёжностью и готовой функциональностью, Flask — гибкостью и минимализмом, FastAPI — скоростью и современными возможностями. А какой из них ближе вам?
https://habr.com/ru/articles/944708/
Какой фреймворк выбрать для веб-разработки на Python: Django, Flask или FastAPI. Django берёт надёжностью и готовой функциональностью, Flask — гибкостью и минимализмом, FastAPI — скоростью и современными возможностями. А какой из них ближе вам?
💩2
Почему HH не автоматизирует поиск работы и как мы построили на этом стартап
(снято с публикации)
Почему HH не автоматизирует поиск работы и как мы построили на этом стартапПоиск работы в IT до сих пор напоминает ручной труд на конвейере: сотни однотипных действий, копипаст, бесконечные отклики. При этом в 2025 году уже очевидно, что часть задач можно автоматизировать. Но крупнейший игрок на рынке - HeadHunter - до сих пор этого не сделал. Из этой “проблемы” мы решили сделать стартап.
(снято с публикации)
Почему HH не автоматизирует поиск работы и как мы построили на этом стартапПоиск работы в IT до сих пор напоминает ручной труд на конвейере: сотни однотипных действий, копипаст, бесконечные отклики. При этом в 2025 году уже очевидно, что часть задач можно автоматизировать. Но крупнейший игрок на рынке - HeadHunter - до сих пор этого не сделал. Из этой “проблемы” мы решили сделать стартап.
🤔5
Обработка результатов моделирования Fire Dynamics Simulator на Python (часть 2)
https://habr.com/ru/articles/946594/
В основном моделирование развития пожара провожу в специализированном программном обеспечении Fire Dynamics Simulator (FDS), оно используется от Японии до США при обосновании отступлений требований пожарной безопасности. При моделировании развития пожара очень много времени занимает обработка результатов моделирования.
https://habr.com/ru/articles/946594/
В основном моделирование развития пожара провожу в специализированном программном обеспечении Fire Dynamics Simulator (FDS), оно используется от Японии до США при обосновании отступлений требований пожарной безопасности. При моделировании развития пожара очень много времени занимает обработка результатов моделирования.
Предиктивная аналитика в нефтедобыче или как я проходил практику
https://habr.com/ru/articles/946242/
В первые дни, проведённые в офисе, я ощутил всю прелесть онбординга в нефтянку. Тогда для меня каждое второе слово от коллег являлось новым и приходилось жёстко гуглить. УЭЦН, ПЭД, МРП, КВЧ, загрузка, НГДП, кусты, ВНР... Мне казалось, я попал в параллельную вселенную, где говорят на странном техническом диалекте. Мой наставник, видя мои широко открытые глаза только улыбался и говорил: «Ничего, через неделю всё поймёшь. Главное выучи, что такое VLP и IPR».
https://habr.com/ru/articles/946242/
В первые дни, проведённые в офисе, я ощутил всю прелесть онбординга в нефтянку. Тогда для меня каждое второе слово от коллег являлось новым и приходилось жёстко гуглить. УЭЦН, ПЭД, МРП, КВЧ, загрузка, НГДП, кусты, ВНР... Мне казалось, я попал в параллельную вселенную, где говорят на странном техническом диалекте. Мой наставник, видя мои широко открытые глаза только улыбался и говорил: «Ничего, через неделю всё поймёшь. Главное выучи, что такое VLP и IPR».
[Видео] Оптимизация сервиса АБ тестирования.
https://www.youtube.com/watch?v=kR-nHQoo894
Оптимизация сервиса АБ тестирования или как уйти от Django ORM к Fastapi query builder. Как мы ускорили время ответа с помощью ухода от монолита с ORM к микросервисам с query builder. Оптимизация работы с базой данных и перенос тяжелой логики фильтрации из python на базу данных.
https://www.youtube.com/watch?v=kR-nHQoo894
Оптимизация сервиса АБ тестирования или как уйти от Django ORM к Fastapi query builder. Как мы ускорили время ответа с помощью ухода от монолита с ORM к микросервисам с query builder. Оптимизация работы с базой данных и перенос тяжелой логики фильтрации из python на базу данных.
[Видео] CI/CD Pytest для тестирования качества данных здравоохр. в Великобритании
https://www.youtube.com/watch?v=S3w2knxT-A0
Какая была проблема в интеграции Pytest для проверки качества кода и медицинских данных в университете. Почему мы решили автоматизировать такой процесс, решая проблему конфиденциальности. Практический пример работы этой системы
https://www.youtube.com/watch?v=S3w2knxT-A0
Какая была проблема в интеграции Pytest для проверки качества кода и медицинских данных в университете. Почему мы решили автоматизировать такой процесс, решая проблему конфиденциальности. Практический пример работы этой системы
[Видео] Как научить Алису рецептам дореволюционной кухни
https://www.youtube.com/watch?v=ydBHuPIl3gw
Как с нуля создать навык голосового помощника Алиса с написанием кода обработчика запросов пользователя на Питоне,
https://www.youtube.com/watch?v=ydBHuPIl3gw
Как с нуля создать навык голосового помощника Алиса с написанием кода обработчика запросов пользователя на Питоне,
#python #pydigest
IT-новости про Python перед вами.
Часть материалов из выпуска Python Дайджест:
- Контейнерная стеганография: Прячем гигабайты в DOCX, PDF и еще десятке форматов
- Как мы научили LLM отвечать на вопросы абитуриентов в крупнейшем вузе страны
- [Видео] CI/CD Pytest для тестирования качества данных здравоохр. в Великобритании
- Какой Python-фреймворк выбрать: Django, Flask или FastAPI?
- Визуализация управления памятью в Python: что творится внутри?
- Comparison of New Python Type Checkers: Ty, Pyrefly, and Zuban
- Случайный ИИ успех: Как мы встроили нейросеть в приложение для автосервисов и сорвали куш
- Memento - Fine-tuning LLM Agents without Fine-tuning LLMs
- prek - Better pre-commit, re-engineered in Rust
Заходите в гости - https://pythondigest.ru/issue/613/
IT-новости про Python перед вами.
Часть материалов из выпуска Python Дайджест:
- Контейнерная стеганография: Прячем гигабайты в DOCX, PDF и еще десятке форматов
- Как мы научили LLM отвечать на вопросы абитуриентов в крупнейшем вузе страны
- [Видео] CI/CD Pytest для тестирования качества данных здравоохр. в Великобритании
- Какой Python-фреймворк выбрать: Django, Flask или FastAPI?
- Визуализация управления памятью в Python: что творится внутри?
- Comparison of New Python Type Checkers: Ty, Pyrefly, and Zuban
- Случайный ИИ успех: Как мы встроили нейросеть в приложение для автосервисов и сорвали куш
- Memento - Fine-tuning LLM Agents without Fine-tuning LLMs
- prek - Better pre-commit, re-engineered in Rust
Заходите в гости - https://pythondigest.ru/issue/613/
Python Дайджест
Выпуск 613
Выпуск еженедельного Python Дайджеста. Самые актуальные новости про Python за 2025-09-08 - 2025-09-14 на одной странице
Polars — «убийца Pandas» на максималках
https://habr.com/ru/articles/946788/
В своей статье я последовательно пройдусь от истории библиотеки Polars до примеров кода, технических аспектов ее производительности и в конце дам ссылки на все бенчмарки, обучающие материалы и дополнительные статьи, которые использовались для написания данного обзора-туториала по этой замечательной библиотеке.
https://habr.com/ru/articles/946788/
В своей статье я последовательно пройдусь от истории библиотеки Polars до примеров кода, технических аспектов ее производительности и в конце дам ссылки на все бенчмарки, обучающие материалы и дополнительные статьи, которые использовались для написания данного обзора-туториала по этой замечательной библиотеке.
❤1
Разбираем «под капотом» кастомную фитнес-метрику: от идеи до реализации на Python
https://habr.com/ru/articles/946632/
Я обожаю копаться в данных своих тренировок из Strava: анализировать мощность, пульсовые зоны, темп. Но мне всегда не хватало одной вещи — единой, понятной и, главное, прозрачной метрики, которая бы отвечала на простой вопрос: "А насколько я сейчас в хорошей форме?".В этой статье я расскажу, как устроен этот механизм "под капотом".
https://habr.com/ru/articles/946632/
Я обожаю копаться в данных своих тренировок из Strava: анализировать мощность, пульсовые зоны, темп. Но мне всегда не хватало одной вещи — единой, понятной и, главное, прозрачной метрики, которая бы отвечала на простой вопрос: "А насколько я сейчас в хорошей форме?".В этой статье я расскажу, как устроен этот механизм "под капотом".
httpx - 1.0.dev3
https://pypi.org/project/httpx/1.0.dev3/
HTTP-клиент нового поколения. Поддерживает HTTP/1.1 и HTTP/2 и имеет синхронный + асинхронный API. Скачать можно по ссылке: https://pypi.python.org/pypi/httpx/
https://pypi.org/project/httpx/1.0.dev3/
HTTP-клиент нового поколения. Поддерживает HTTP/1.1 и HTTP/2 и имеет синхронный + асинхронный API. Скачать можно по ссылке: https://pypi.python.org/pypi/httpx/
😐1
Claude Code: субагенты
https://habr.com/ru/articles/946748/
Субагенты в Claude Code — обзор вопроса и немного деталей.Расскажу про одну из самых примечательных фич Claude Code — инструмент Суб‑Агентов (Sub‑Agents), чем он отличается от обычного Task, и как его можно использовать для создания своих систем на базе ИИ агентов.
https://habr.com/ru/articles/946748/
Субагенты в Claude Code — обзор вопроса и немного деталей.Расскажу про одну из самых примечательных фич Claude Code — инструмент Суб‑Агентов (Sub‑Agents), чем он отличается от обычного Task, и как его можно использовать для создания своих систем на базе ИИ агентов.
Прокачиваем RAG: тестируем техники и считаем их эффективность. Часть 1
https://habr.com/ru/articles/946888/
При проектировании RAG-системы инженер каждый раз сталкивается со множеством вопросов: какую базу данных использовать, как организовать получение релевантной информации, да даже выбор эмбеддера может занять приличное время, а это лишь вершина айсберга. Что хорошо работает в одной сфере, например в техподдержке, может полностью провалиться в другой — например, при анализе юридических документов.
https://habr.com/ru/articles/946888/
При проектировании RAG-системы инженер каждый раз сталкивается со множеством вопросов: какую базу данных использовать, как организовать получение релевантной информации, да даже выбор эмбеддера может занять приличное время, а это лишь вершина айсберга. Что хорошо работает в одной сфере, например в техподдержке, может полностью провалиться в другой — например, при анализе юридических документов.