Похоже, я придумал свой алгоритм поиска кратчайшего пути

📖 Читать: ссылка

👉 @PythonPortal | #статья

Самый быстрый способ создания мультимодальных ИИ-агентов на Python.

Agno позволяет создавать агентов в 5000 раз быстрее и использовать в 50 раз меньше памяти по сравнению с LangGraph. 🔥

Он имеет 100+ готовых инструментов, а также платформу мониторинга агентов для отслеживания сессий и производительности.

100% открытый исходный код.

🔜 https://github.com/Shubhamsaboo/awesome-llm-apps

👉 @PythonPortal | #ресурсы

Пишем торгового робота для фьючерсов Bybit на Python 🙁

Это видео посвящено созданию торгового робота для биржи Bybit, использующего фьючерсные контракты. Автор показывает, как написать код для автоматической торговли, используя Python и библиотеки для работы с API Bybit, такие как pybit и talib.

📲 Источник: тык

👉 @PythonPortal | #видео

Scrapling — это инструмент для веб-скрапинга, написанный на Python. Он упрощает процесс сбора данных с веб-сайтов.

🟢Удобный синтаксис для написания парсеров.
🟢Возможность извлекать данные с использованием CSS-селекторов или XPath.
🟢Поддержка асинхронного скрапинга (для повышения скорости при работе с большим количеством запросов).
🟢Простая настройка для автоматического обхода нескольких страниц.

Если вы работаете с веб-скрапингом на Python, Scrapling может стать альтернативой популярным инструментам вроде Scrapy или BeautifulSoup, особенно если требуется асинхронность и высокая скорость. 😏

🔜 https://github.com/D4Vinci/Scrapling

👉 @PythonPortal | #ресурсы

"Интерактивная линейная алгебра"

477-страничная книга на эту тему.

⏩ Издание Университета Британской Колумбии

Для понимания систем линейных уравнений как алгебраически (записывая уравнения их решений), так и геометрически (рисуя и визуализируя).

📐 Ознакомиться

👉 @PythonPortal | #ресурсы | дать буст

Методы строк в Python

👉 @PythonPortal | #ресурсы

Лучший вариант для обучения в 2025 году: ML И DL

И это лучшее место, чтобы научиться этому.

- 100 дней ML
- 100 дней DL

❯ 100 дней ML
https://youtube.com/playlist?list=PLKnIA16_Rmvbr7zKYQuBfsVkjoLcJgxHH

❯ Математика для ML
https://youtube.com/playlist?list=PLKnIA16_RmvbYFaaeLY28cWeqV-3vADST

❯ 100 дней DL
https://youtube.com/playlist?list=PLKnIA16_RmvYuZauWaPlRTC54KxSNLtNn

👉 @PythonPortal | #видео

uv – это потрясающе! 😮

Вы можете запускать Python-скрипты без необходимости беспокоиться о виртуальном окружении, установке зависимостей или версиях Python!

Вот всё, что нужно:

🟢Укажите зависимости в начале файла
🟢Запустите команду: uv run your_script.py

И всё готово!

👉 @PythonPortal | #ресурсы

Панель потоковых данных GitHub — это произведение искусства. 🐈

👉 @PythonPortal | #видео

Скрипт парсер

Скрипт простой, мощный и универсальный Telegram бот для парсинга, разработанный для упрощения процесса извлечения данных с веб-сайтов.

Он имеет удобный интерфейс с меню и поддерживает широкий спектр опций извлечения данных, включая необработанный HTML, элементы HTML, абзацы, ссылки, аудио и видео.

🤖 ЯП: Python 3.11+
📂 Модули: pyrogram, bs4, requests, html5lib
🖥 База данных: -

👉 @PythonPortal | #ресурсы

20 БЕСПЛАТНЫХ ресурсов для изучения Python:

🟢 Веб-сайты:

- Python.org
- Официальный учебник Python: docs.python.org/3/tutorial/
- Документация Python: docs.python.org/3/
- Codecademy:
- Курс "Learn Python 3": codecademy.com/learn/learn-python-3
- freeCodeCamp:
- Курс "Python for Everybody": freecodecamp.org/learn/scientific-computing-with-python/
-тЗадачи Python: freecodecamp.org/learn/python-challenges
- W3Schools:
- Учебник Python: w3schools.com/python/
- Real Python:
- Уроки: realpython.com/tutorials/python/
- GeeksforGeeks:
- Учебник Python: geeksforgeeks.org/python-programming-language/

🟢Интерактивные платформы:
- Академия Хана:
Intro to Programming: http://khanacademy.org/computing/computer-programming
- MIT OpenCourseWare:
Введение в информатику и программирование на Python: http://ocw.mit.edu/courses/6-0001-introduction-to-computer-science-and-programming-in-python-fall-2016/.

🟢Книги и электронные книги:
- Think Python:
Книга онлайн: http://greenteapress.com/wp/think-python-2e/
- Автоматизируйте скучные вещи с помощью Python:
Читать бесплатно онлайн: http://automatetheboringstuff.com

🟢Видеоуроки:
YouTube:
- CS Dojo (Youtube-канал YK Sugi): http://youtube.com/c/CSDojo.
- Corey Schafer: http://youtube.com/user/schafer5
- edX:
Введение в Python: http://edx.org/learn/python

🟢Практические платформы:
- LeetCode:
Python Coding Challenges: http://leetcode.com/problemset/all/?search=python
- HackerRank:
Практика Python: http://hackerrank.com/domains/python

👉 @PythonPortal | #ресурсы

Смотрите, как курсор управляет моим браузером. Он может видеть, что происходит, включая логи сети и консоли.🐈

Теперь мой курсор может отлаживать и исправлять проблемы на сайте без необходимости копировать и вставлять.

ОГРОМНОЕ ускорение для веб-разработки — с этим курсор может конкурировать с v0 и Replit в автономной разработке веб-приложений.

🔜 https://github.com/eastlondoner/cursor-tools

👉 @PythonPortal | #ресурсы

"Машинное обучение с помощью Python"

Этот 366-страничный учебник для студентов инженерных специальностей теперь БЕСПЛАТНЫЙ.

📝Цель этой книги — обсудить разработку моделей машинного обучения с использованием Python. Искусственный интеллект (AI) и машинное обучение (ML) являются важными навыками, которые необходимы каждому выпускнику инженерных и управленческих специальностей для успешного карьерного роста

Получите свой экземпляр:
⏩ https://ggnindia.dronacharya.info/Downloads/Sub-info/RelatedBook/4thSem/Fundamentals-of-AIML-text-book-4.pdf

👉 @PythonPortal | #книги

Альтернатива Pandas, работающая в 100 раз быстрее!

(Она даже может обойти GPU-библиотеки для работы с DataFrame)

Хотя Pandas — самая популярная библиотека для работы с DataFrame, у нее есть серьезные ограничения:

🟢Pandas использует только одно ядро CPU.
🟢Часто создает громоздкие DataFrame.
🟢Жадное (немедленное) выполнение мешает глобальной оптимизации.

Представляем FireDucksDev — высокооптимизированную замену Pandas, которую можно использовать без изменений кода.

Просто замените одну строку:

import fireducks.pandas as pd

☑ И все готово!

В видео ниже FireDucks сравнивается с cuDF (библиотека DataFrame для GPU).
В этом тесте FireDucks оказался даже быстрее, чем cuDF.

⏩ ссылка на Google Colab с тестами

👉 @PythonPortal | #ресурсы

5 декораторов Python, которые должен знать каждый разработчик 😜

➖Статья знакомит разработчиков с мощным инструментом Python, который позволяет изменять поведение функций и методов без изменения их исходного кода.

В ней рассматриваются техники, способные улучшить читаемость, повторное использование и производительность кода, а также упрощают работу с кэшированием, доступом к данным и логированием

📝Читать:
https://www.clcoding.com/2025/02/5-python-decorators-every-developer.html

👉 @PythonPortal | #статья

Ускорьте Python в 50 раз за 4 простых шага

По умолчанию интерпретатор Python, CPython, работает медленно, в основном из-за своей динамичности.

После определения переменной с определённым типом её можно изменить на другой. Эти динамические манипуляции приводят к дополнительным затратам на выполнение и память.

Чтобы ускорить работу, используйте модуль Cython. Он превращает код Python в C, делая его быстрым и эффективным.

Вот как использовать модуль Cython:

1) Загрузите модуль Cython: %load_ext Cython
2) Добавьте магическую команду Cython
3) Указывайте типы данных параметров при использовании функций
4) Определяйте каждую переменную с помощью ключевого слова cdef и указывайте её тип данных

Вот и всё!

Теперь ваш код будет работать с ускорением до скорости нативного машинного кода, как показано на картинке.

👉 @PythonPortal | #tips

enumerate и zip в Python 🖥

👉 @PythonPortal | #ресурсы

Глубокое обучение

- Всего видео: 30

Этот плейлист содержит всё, что нужно знать о нейросетях: от основ до передовых технологий с трансформерами, которые являются основой ChatGPT.

⏩Источник:
https://www.youtube.com/playlist?list=PLblh5JKOoLUIxGDQs4LFFD--41Vzf-ME1

👉 @PythonPortal | #видео

Книга "Machine Learning Yearning" (Автор: Эндрю Нг)

🟢Как правильно выбирать стратегию для ML-проектов
🟢Постановка задач и выбор метрик оценки
🟢Работа с тренировочными и тестовыми наборами данных
🟢Анализ ошибок и определение ключевых проблем модели
🟢Баланс между предвзятостью (bias) и разбросом (variance)
🟢Улучшение качества моделей с помощью регуляризации, архитектуры нейросетей и других методов
🟢Работа с распределением данных и генерализация моделей

Книга не углубляется в математические детали, а делает упор на практическое руководство по улучшению ML-систем.

📝Читать:
https://home-wordpress.deeplearning.ai/wp-content/uploads/2022/03/andrew-ng-machine-learning-yearning.pdf

👉 @PythonPortal | #книги