django-keel - production-ready Django project template
https://github.com/CuriousLearner/django-keel

Собираем ANPR-систему на Python: от YOLOv8 и кастомного OCR до INT8-квантизации
https://habr.com/ru/articles/960048/

Распознавание автомобильных номеров (ANPR) — задача не новая. Существует множество коммерческих решений и open-source библиотек. Но что, если стандартные инструменты не не подходят? А что, если нам нужна система, которая будет молниеносно работать на обычном CPU, без дорогих видеокарт? Недавно я столкнулся именно с такой задачей.

Разработка автономного речевого тренажёра для обучения иностранным языкам на основе больших языковых моделей
https://habr.com/ru/articles/960136/

В статье рассматриваются технические аспекты разработки речевого тренажёра GolosAI, основанного на технологиях генеративного искусственного интеллекта и использовании больших языковых моделей (Large language models).

Оживляем ESP8266 и ESP32 за 15 минут без программистских заморочек с помощью MicroPython
https://habr.com/ru/articles/960102/

Что, если я скажу, что для прошивки ESP8266/ESP32 не нужна Arduino IDE? Покажу, как с помощью портативных программ за 15 минут вдохнуть жизнь в ваш модуль: прошить MicroPython, помигать светодиодом и даже подключиться к Wi-Fi. Без установки гигабайтных программ и лишних телодвижений. Прошить и оживить

Сравнение алгоритмов сортировки на Python с Pygame-визуализацией
https://habr.com/ru/articles/960178/

Когда объясняешь школьникам или студентам, как работает сортировка, графика говорит громче слов. Наверняка, в интернете полно обзоров и сравнительных анализов различных алгоритмов сортировки, но я не нашел ничего что объединяло бы самые популярные алгоритмы в одном сравнительном экстазе. Поэтому я написал визуализатор, который показывает в реальном времени, как разные алгоритмы сортируют один и тот же массив — одновременно.

Путь к Computer Vision: Чему меня научил простой NLP-классификатор на 5 МБ
https://habr.com/ru/articles/960198/

Ретроспектива pet-проекта, который стал полигоном для отладки, архитектуры и оптимизации перед более сложными задачами в CV.

aiohttp - 3.13.2
https://pypi.org/project/aiohttp/3.13.2/

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

virtualenv - 20.35.4
https://pypi.org/project/virtualenv/20.35.4/

Инструмент создания виртуального рабочего окружения. Скачать можно по ссылке: https://pypi.python.org/pypi/virtualenv

django-debug-toolbar - 6.1.0
https://pypi.org/project/django-debug-toolbar/6.1.0/

Панель отладки и профилирования Django приложений. Скачать можно по ссылке: https://pypi.python.org/pypi/django-debug-toolbar/

Долгая дорога к DiT (часть 2)
https://habr.com/ru/articles/960324/

Первая треть пути преодолена и совсем скоро мы создадим генератор картинок на целиком на архитектуре трансформеров. Но перед тем как совершить финальный скачок к Diffusion Transformers (DiT) нам сначала надо научиться работать с готовыми датасетами и освоить генерацию изображений "простым" способом - через MLP-ResNet.

The State of Django 2025
https://blog.jetbrains.com/pycharm/2025/10/the-state-of-django-2025/

Отчет по использовани Django фреймворка

Talk Python to Me: #525: NiceGUI Goes 3.0
https://talkpython.fm/episodes/show/525/nicegui-goes-3.0

Audio. NiceGUI - UI фреймворк

Построение E2E-решения для прогнозирования временных рядов на примере метеоданных
https://habr.com/ru/articles/960598/

Эта статья — история такого "рефакторинга длиною в 4 года". Это рассказ о том, как простой академический проект был переосмыслен и превращен в полноценное End-to-End (E2E) решение. Цель — не просто снова предсказать погоду, а на практическом примере продемонстрировать системный подход к построению ML-пайплайна с нуля.

Ловим «взрослые» сцены на видео: как ИИ помогает редакторам
https://habr.com/ru/articles/960952/

Поводом для написания этой заметки стало обсуждение на недавнем отраслевом мероприятии задач мультимодерации контента: как быстро и надёжно находить «взрослые» сцены в длинных видео и автоматически подсвечивать фрагменты для ручной проверки. Похожие кейсы регулярно встречаются и в открытых соревнованиях по ИИ.

Ансамблирование BERT для анализа логов и почему вам может быть достаточно solo-модели
https://habr.com/ru/companies/sberbank/articles/959580/

1 августа 2012 года торговая фирма Knight Capital развернула новую версию торгового ПО SMARS. Из-за ошибки при развёртывании на одном из восьми серверов осталась старая тестовая версия кода, из-за чего торговый робот начал неконтролируемо рассылать миллионы ошибочных заявок на покупку и продажу акций. Этот процесс длился около 45 минут и привел к убыткам в размере примерно 440 миллионов долларов — почти весь капитал компании.

pytest Fixtures: How to Use & Organize Them
https://patrickm.de/pytest-fixtures-how-to-use-organize-them-in-your-test-architecture/

Fixtures make your life as a developer easier when using Pytest. Learn how to use them in different ways to organize your test suite more effectively, and get a glimpse on how Streamlit and Pydantic uses them.

RustPython: A Python Interpreter Written in Rust
https://github.com/RustPython/RustPython/

Cronboard: TUI Dashboard for Managing Cron Jobs
https://github.com/antoniorodr/Cronboard

Как мы перестали хранить Pydantic в JSON и в 7 раз сократили расход памяти в Redis
https://habr.com/ru/articles/961082/

У нас был большой продакшен-сервис с ~10M MAU, где Redis использовался как основное хранилище состояния пользователей. Все данные лежали в нём в виде JSON-сериализованных Pydantic-моделей. Это выглядело удобно, пока не стало больно.

«Манускрипт. Распознать нельзя забыть: как мы научили нейросеть читать рукописи XIX века»
https://habr.com/ru/articles/961062/

Manuscript OCR — открытая нейросеть для чтения рукописей XIX века. Мы обучили свою OCR-модель распознавать дореформенную кириллицу, нестандартные почерки и сложные сканы. Всё — на собственных данных, с нуля. В статье — как мы это сделали и ссылки на репозиторий с кодом.