🐸 Библиотека задач по Data Science

🐍

🐸 Библиотека питониста

#развлекалово

⚡️ 10 умных хаков для более быстрого Python-кода

Python — простой, читаемый и универсальный язык. Но когда речь идёт о больших данных, ML-моделях или высоконагруженных системах, даже красивый код может начать тормозить.

В статье разберём:
✔️ как использовать встроенные функции и структуры данных для максимальной скорости
✔️ какие low-level техники дают мгновенный буст
✔️ где чаще всего возникают узкие места и как их устранить
✔️ реальные бенчмарки, показывающие прирост производительности
✔️ приёмы, которые превращают «просто Python» в высокопроизводительный Python

➡️ Ссылка на статью

🐸 Библиотека питониста

#буст

🛡 Python Code Audit — безопасность вашего кода под контролем

Python Code Audit — локальный, open-source SAST-инструмент, который делает проверку безопасности доступной для всех. Найдите уязвимости до того, как это сделают злоумышленники.

Что нужно для старта:

pip install -U codeaudit

Всё готово к использованию — никаких лишних настроек.

Почему Python Code Audit:
🈁 Мгновенный анализ — без сложной настройки
🈁 Проверка безопасности Python-кода по лучшим практикам OWASP и MITRE CWE
🈁 Генерация HTML-отчётов, удобных для просмотра в браузере
🈁 Выявление уязвимостей в импортированных модулях
🈁 Минимизация ложных срабатываний
🈁 Лёгкая интеграция в CI/CD процессы
🈁 Настраиваемые дашборды и отчёты через API

Особенности:
✅ Быстрая и точная статическая проверка безопасности
✅ Подсчёт цикломатической сложности файлов и пакетов
✅ 100% Open Source (GPLv3) — прозрачность и независимость от вендоров

🔗 Подробнее

🐸 Библиотека питониста

#буст

🔥 Выучи математику за 60 дней!

Чем важна математика расскажет Мария Тихонова - кандидат компьютерных наук, руководитель исследовательского направления SberAI, доцент факультета компьютерных наук и преподаватель НИУ ВШЭ на курсе «Математика для Data Science» от Proglib Academy.

👀 Мария - человек, который реально работает с LLM и делает так, чтобы модели понимали человеческую речь, а не делали вид.

Что еще внутри курса:

- живые вебинары, на которых можно задать вопросы спикерам
- доступ к материалам в записи, если не успели на лекцию и чат
- 3 задания с практикой на Python и финальный проект с подробной обратной связью от экспертов курса
- актуальные знания: программа разработана в ноябре 2025г.
- программа без воды - 2 месяца только самого нужного для старта
- для старта нужны всего лишь знания школьной математики и основы Python
- скидка 40% до 30 ноября
- если оплатить до конца ноября, получите курс «Базовая математика» в подарок

👇👇👇
Записаться на курс

🔥 Почему стоит написать собственного AI-агента

Наткнулись на классную статью — и обязаны поделиться.

Автор объясняет простую вещь: есть технологии, которые понятны в теории…
и есть такие, которые понимаешь только когда попробуешь.

AI-агенты — из второй категории.

И главное открытие автора:
👉 написать агента удивительно легко
👉 и это полностью меняет понимание возможностей LLM

🔗 Статья — must read

🐸 Библиотека питониста

#буст

🔛 Как Python хранит атрибуты класса и зачем нужны `__slots__`

По умолчанию каждый объект в Python хранит свои атрибуты в словаре __dict__.
Это удобно — но не всегда эффективно.

p = Point(1, 2, 3)
p.__dict__
# {'x': 1, 'y': 2, 'z': 3}

Любой новый атрибут добавляется прямо в этот словарь:

p.w = 4

Но что если вам нужно экономить память или ускорить доступ к атрибутам?

🌠 Используем __slots__

Добавим в класс:

class Point:
    __slots__ = ('x', 'y', 'z')

Теперь:
✔️ можно создавать только перечисленные атрибуты
❌ нельзя добавлять новые (p.w = 4 → AttributeError)
❌ у объекта нет __dict__
✔️ память тратится значительно меньше
✔️ доступ к атрибутам быстрее

Используйте __slots__, если:
• создаёте тысячи или миллионы объектов
• у вас tight loops с частыми обращениями к атрибутам
• важно уменьшить память (например, при обработке больших файлов)

Во всех остальных случаях проще оставить обычный __dict__.

🐸 Библиотека питониста

#буст

🎛 KubeForge — визуальный конструктор для Kubernetes

KubeForge упрощает создание, проверку и управление конфигурациями Kubernetes. Даже если вы новичок или поддерживаете крупные кластеры, KubeForge поможет быстро собрать валидные YAML-деплойменты с интуитивным интерфейсом и живыми ссылками на схемы.

Особенности:
— Drag-and-drop интерфейс для объектов Kubernetes
— Подсказки по схемам на основе JSON Schema Kubernetes
— Модульный редактор с шаблонами и повторно используемыми компонентами
— Мгновенное визуальное обновление и связи между ресурсами
— Экспорт готовых к применению YAML-файлов

Цели:
• Снизить порог входа для Kubernetes
• Исключить ошибки синтаксиса и схем
• Визуально прототипировать деплойменты
• В будущем — поддержка совместной работы и обмена конфигурациями

KubeForge — для тех, кто хочет управлять Kubernetes легко и наглядно.

📱 Github

🔸 Курс «Программирование на языке Python»
🔸 Получить консультацию менеджера
🔸 Сайт Академии 🔸 Сайт Proglib

🐸 Библиотека питониста

#буст

🎉 20 лет Django

16 ноября 2005 года вышел первый релиз Django 0.90. Двадцать лет спустя команда представляет первый релиз-кандидат Django 6.0.

Статистика за 20 лет:
👆 447 релизов (в среднем 22 в год), в 2025 уже 38
👆 131 устранённая уязвимость безопасности
👆 262 203 релиза связанных пакетов Django (в среднем 35 в день, сегодня уже 52)

➡️ Полный блог-пост

🔸 Курс «Программирование на языке Python»
🔸 Получить консультацию менеджера
🔸 Сайт Академии 🔸 Сайт Proglib

🐸 Библиотека питониста

#свежак

😎

🐸 Библиотека питониста

#развлекалово

👆 Zensical Spark — современный статический генератор сайтов

Новый инструмент для тех, кто пишет документацию и хочет быстро получать профессиональный, быстрый и красивый сайт — без лишней сложности.

С Zensical Spark вы можете:
— писать документацию в обычном Markdown
— собирать статический сайт за минуты
— получить встроенный поиск
— настраивать внешний вид под свой бренд
— использовать более 60 языков
— автоматически адаптироваться под любые устройства

Подходит для Open Source и коммерческих проектов — лёгкий, гибкий, современный.

📱 Github

🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🐸 Библиотека питониста

#буст

🚀 PINA теперь в экосистеме PyTorch

PINA — открытая Python-библиотека для Scientific Machine Learning (SciML), созданная для быстрого, интуитивного и масштабируемого моделирования сложных физических и научных систем.

Особенности:
✔️ Построена на PyTorch и PyTorch Lightning, полностью совместима с PyTorch Geometric
✔️ Поддержка обучения решений PDE, создания ML force fields, симуляции динамики и моделирования деформаций объектов
✔️ Унифицированная платформа для разных научных задач
✔️ Позволяет исследователям и инженерам разрабатывать, тестировать и деплоить нейросети быстрее и эффективнее

PINA объединяет мощь PyTorch с инструментами SciML, открывая новые возможности для научных исследований и инженерных решений.

🔗 Подробнее о проекте и PyTorch Ecosystem

🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🐸 Библиотека питониста

#свежак

🧩 Dataclass и NamedTuple: почему атрибуты выглядят странно

Если вы впервые видите такой код:

@dataclass
class Person:
    name: str
    age: int

или

class Person(NamedTuple):
    name: str
    age: int

— возникает логичный вопрос: почему строки внутри класса выглядят как class attributes, но становятся instance attributes?

✔️ Ответ прост: это не атрибуты — это type annotations.

Они не создают переменные, а просто записываются в __annotations__.

А дальше:
– dataclass генерирует атрибуты и превращает эти поля в атрибуты экземпляра;
– NamedTuple делает то же самое, создавая неизменяемые объекты.

Даже если вы пишете:

profession: str = "Python Programmer"

— это выглядит как class attribute, но в dataclass это всего лишь default значение для instance attribute.

➡️ Магии нет — есть автогенерация кода на основе аннотаций.

🔗 Подробнее

🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib

🐸 Библиотека питониста

#буст