django-filter - 25.2
https://pypi.org/project/django-filter/25.2/

Django-приложение для гибкой фильтрации объектов модели (querysets). Скачать можно по ссылке: https://pypi.python.org/pypi/django-filter/

reddit-ai-trends - Daily rankings highlight hot topics
https://github.com/liyedanpdx/reddit-ai-trends

pylint - 3.3.9
https://pypi.org/project/pylint/3.3.9/

Статический анализатор Python-кода. Скачать можно по ссылке: https://pypi.python.org/pypi/pylint/

OM1 - Modular AI runtime for robots
https://github.com/OpenMind/OM1

The Real Python Podcast – Episode #268: Advice on Beginning to Learn Python
https://realpython.com/podcasts/rpp/268/

What's changed about learning Python over the last few years? What new techniques and updated advice should beginners have as they start their journey? This week on the show, Stephen Gruppetta and Martin Breuss return to discuss beginning to learn Python.

#python #pydigest
IT-новости про Python перед вами.

Часть материалов из выпуска Python Дайджест:

- Как разрабатывал llm-translate для перевода с помощью нейросетей
- Нейросеть на службе бизнеса: от отзыва до инсайтов
- Создание пользовательских обработчиков для логов в Python
- Pytest. Гайд для тех, кто ни разу про него не слышал
- [Видео] Новости мира Python за сентябрь 2025
- snakeviz: An in-Browser Python Profile Viewer
- tdom: HTML templating with t‑strings
- django-markdown-html-field - Django Markdown to HTML Field
- Django security releases

Заходите в гости - https://pythondigest.ru/issue/616/

drf-auth-kit - Modern Django REST Framework authentication toolkit
https://github.com/forthecraft/drf-auth-kit

Using pyinstrument to profile Air apps
https://daniel.feldroy.com/posts/2025-10-using-pyinstrument-to-profile-air-apps

Борьба с дисбалансом классов. Стандартные методы
https://habr.com/ru/companies/kozhindev/articles/953158/

Этой статьей я начну цикл публикаций по теме борьбы с дисбалансом классов. В первую очередь этот гайд предназначен для ml-разработчиков уровня junior/midle. Мы ознакомимся с различными подходами к решению проблемы дисбаланса классов и проведем их сравнительный анализ на сгенерированной выборке: коснемся метрик качества, встроенных в классификаторы методы борьбы с дисбалансом классов, методы модификации выборки, а также комбинированные техники.

django-markdown-html-field - Django Markdown to HTML Field
https://evileg.com/ru/post/1025/

Я уже писал статьи о том, как написать MarkdownField для Django с функционалом auto populate. Но теперь я оформил это в самостоятельный пакет для использоавния в Django, которым делюсь с сообществом Django.

Сводка от pythonz 28.09.2025 — 05.10.2025
https://pythonz.net/articles/611/

А теперь о том, что происходило в последнее время на других ресурсах.

Байесовский анализ и временные ряды в прогнозировании отказов оборудования на примере нефтегазовых компаний
https://habr.com/ru/articles/953298/

Предсказание отказов оборудования в нефтегазовой отрасли задача, которая напрямую связана с деньгами и безопасностью. Простои установки стоят миллионы, а аварии могут привести к еще большим потерям.

django-phonenumber-field - 8.3.0
https://pypi.org/project/django-phonenumber-field/8.3.0/

Добавляет в модели Django дополнительное поле PhoneNumberField которое будет автоматически валидировать телефонный номер.. Скачать можно по ссылке: https://pypi.python.org/pypi/django-phonenumber-field/

aiohttp - 3.13.0
https://pypi.org/project/aiohttp/3.13.0/

http клиент/сервер для asyncio. Скачать можно по ссылке: https://pypi.python.org/pypi/aiohttp

Создание пользовательских обработчиков для логов в Python
https://habr.com/ru/articles/953366/

Представьте ситуацию: ваше приложение работает в продакшене, как вдруг происходит критическая ошибка. Вы узнаете о ней только через несколько часов, когда пользователи начинают массово жаловаться. Идёте проверять консоль, а тут всего лишь трассировка стека, которая мало что говорит о проблеме. Из-за кого и когда возникла это ошибка?

Подсчёт количества запросов к БД в автотестах Django
https://habr.com/ru/articles/953604/

Не так чтобы часто, но с той самой неприятной регулярностью когда уже забыл как это делал в прошлый раз бывает нужно посчитать сколько запросов к БД гененрирует тот или иной блок кода для django. При этом, мало что лучше закрепляется в памяти, чем очередная неудачная статья на хабре собственного сочиненя. Штош, попробуем совместить полезное с неприятным.

NeuTTS Air: открытая модель синтеза речи, которая работает прямо на вашем устройстве
https://habr.com/ru/articles/953916/

2 октября 2025 года компания Neuphonic представила NeuTTS Air - открытую модель преобразования текста в речь, которая кардинально меняет подход к синтезу голоса. Главная особенность в том, что она работает полностью локально на обычных устройствах без необходимости подключения к интернету или облачным сервисам.

Асинхронность vs. многопоточность: что выживет в эпоху No GIL?
https://habr.com/ru/companies/k2tech/articles/953080/

Тестируем реальные сценарии, измеряем RPS, смотрим на потребление памяти и разбираемся, когда самая разумная стратегия — это просто подождать и обновить Python на free-threading версию. 

Учебник под микроскопом. Часть 2. Предобработка текста: регулярки, токенизация и лемматизация на практике
https://habr.com/ru/articles/953582/

В статье рассмотрен процесс предобработки текстов учебников для последующего анализа и обучения моделей машинного обучения. Показано, как из "сырого" текста, извлечённого из PDF, получить очищенный, структурированный и готовый к обработке набор данных. Основное внимание уделено этапам очистки текста от лишних символов, нормализации регистра, токенизации, лемматизации и удалению стоп-слов, а также POS-теггингу.

GGUF: квантизация с калибровкой (imatrix)
https://habr.com/ru/articles/953682/

Признаюсь, я не большой любитель vLLM, Triton Inference Server и всяких там NeMo, вместо них я предпочитаю ollama вообще и llama.cpp в частности, поскольку придерживаюсь мнения, что 1-2% потери в точности и отсутствие некоторых плюшек - не так важно, по сравнению с удобством деплоя, спекулятивным декодингом, многократным приростом скорости, динамическим оффлодом в память системы и возможностью запускать модели на любом "ведре", навроде древних зионов, андройдофонов, малинок или, скажем, макбуков.