Китайский брат выложил в открытый доступ замену для NumPy, которая выполняет вычисления на GPU.
Называется CuPy. Во многих случаях достаточно заменить одну строку:

import numpy as np

на

import cupy as cp

и тот же код может работать на CUDA до 100 раз быстрее.

Что умеет:
→ Совместим с существующим кодом на NumPy и SciPy.
→ Не требует переписывать программу или изучать новый синтаксис.
→ Поддерживает не только CUDA, но и AMD ROCm.

Проект полностью с открытым исходным кодом.

👉 @PythonPortal

Вышел Chunkr. Проект с открытым исходным кодом для интеллектуальной обработки документов. Он преобразует PDF, презентации PowerPoint, документы Word и изображения в структурированные блоки, готовые для RAG-систем и конвейеров на базе LLM.

Возможности:
» анализ структуры документа с OCR и координатами элементов;
» экспорт в структурированный HTML и Markdown;
» обработка с помощью визуально-языковых моделей;
» возможность развернуть локально через Docker Compose с поддержкой различных LLM-провайдеров.

👉 @PythonPortal

Недавно наткнулся на Open Lovable — open source-проект команды Firecrawl, который уже набрал более 24 тысяч звёзд на GitHub.

Порог входа практически отсутствует: просто вставьте ссылку на сайт, который хотите «клонировать», и через несколько секунд получите очень точную React-версию. Макет, стили и взаимодействия максимально повторяют оригинал, поэтому её удобно использовать как основу для дальнейшей разработки.

GitHub: http://github.com/mendableai/open-lovable

Кратко о возможностях:

- В один клик «клонирует» любой сайт в React-приложение, справляясь даже со сложными страницами.
- Поддерживает работу с несколькими моделями, включая OpenAI, Anthropic, Gemini, Grok и другие, позволяя легко переключаться между ними.
- Построен на базе Firecrawl для извлечения структуры страниц, что делает воссоздание сайтов более стабильным и точным.
- Поддерживает локальную отладку и развёртывание, а также показывает результат в режиме реального времени во время генерации — сразу видно, что получается.
- Интегрируется с песочницей E2B для более безопасного запуска и тестирования.

Проект распространяется по лицензии MIT и полностью открыт: достаточно скачать его локально, указать необходимые API-ключи — и можно начинать работу.

👉 @PythonPortal

Появился почти «божественный» инструмент. Думаю, после него количество доработок у людей, которые делают PowerPoint-презентации, заметно снизится.

hugohe3/ppt-master — 33 093★ на GitHub, +589 за сегодня. Хотя он работает на ИИ, он не просто генерирует «слайды с вставленными картинками» — он собирает полноценные редактируемые .pptx-файлы с нативными фигурами и анимациями. Сильная штука.

Самая больная часть генерации документов через ИИ — потом это нельзя нормально править. ppt-master умеет конвертировать любой документ в .pptx, поддерживает кастомные шаблоны и даже добавляет аудионарацию для заметок докладчика.

В веб-версии ChatGPT и Claude это уже есть, поэтому хорошо, что появился и CLI-вариант. В реальной практике обычно работает простая схема: «ИИ делает черновик, человек доводит руками». Похоже, такие пайплайны будут дальше только развиваться.

https://github.com/hugohe3/ppt-master

👉 @PythonPortal

Трансформеры становятся понятнее, когда можно «потыкать» модель напрямую.

Transformer Explainer — это интерактивный инструмент визуализации для изучения того, как работают текстогенерирующие модели на основе трансформеров, такие как GPT.

Он помогает связать архитектуру с реальным поведением, запуская живую GPT-2 прямо в браузере, позволяя вводить свой текст и показывая, как внутренние компоненты работают вместе для предсказания следующих токенов.

Ключевые возможности:

- Живая GPT-2 в браузере — экспериментируйте без настройки отдельного сервера модели
- Свой текст — пробуйте собственные промпты и смотрите, как модель их обрабатывает
- Внутренние компоненты — наблюдайте за операциями, работающими внутри трансформера
- Фокус на предсказании следующего токена — связывайте каждый визуальный шаг с предсказаниями модели
- Локальная разработка — клонируйте репозиторий, установите зависимости и запустите через npm для глубокого изучения

Это open-source (лицензия MIT).

https://github.com/poloclub/transformer-explainer

👉 @PythonPortal

Не учите ML, прыгая по случайным туториалам.

DS-ML Bootcamp — это публичный репозиторий курса по Data Science и машинному обучению для начинающих, которые хотят структурированный путь от нуля до практических проектов.

Он помогает перейти от установки и концепций к практической ML-работе, организуя уроки, задания, примеры кода, датасеты и решения вокруг основного воркфлоу машинного обучения.

Ключевые возможности:

- Сквозной воркфлоу — охватывает сбор данных, предобработку, разбиение на train/test, выбор модели, обучение, оценку и развёртывание
- Структура по урокам — начинается с инструментов/настройки, Data Science, ML, основ данных и регрессии
- Практические материалы — задания дают учащимся структурированные задачи, а не только чтение конспектов
- Код + датасеты — примеры на Python и сырые CSV-датасеты включены для упражнений
- Настройка для повторения — в README сказано, что можно клонировать репозиторий и использовать Jupyter или VS Code, параллельно просматривая уроки

Бесплатный публичный репозиторий на GitHub.

👉 @PythonPortal

HTTP/1.1 ≠ HTTP/2 ≠ HTTP/3

Все они передают веб-страницы…
Но каждое поколение решило главное узкое место производительности.

Самый простой способ их запомнить:

HTTP/1.1
→ Один запрос за раз на одно соединение. Просто, но медленнее для современных сайтов.

HTTP/2
→ Множество запросов могут использовать одно TCP-соединение благодаря мультиплексированию.

HTTP/3
→ Работает поверх QUIC (на базе UDP), снижая задержку и устраняя головную блокировку на транспортном уровне.

Быстрый приём для запоминания:
- HTTP/1.1 = Последовательно
- HTTP/2 = Мультиплексировано
- HTTP/3 = Мультиплексировано + Быстрое восстановление

Почему развивались версии?

🔹 HTTP/1.1
- Множество TCP-соединений для загрузки многих ресурсов
- Текстовый протокол
- Головная блокировка на прикладном уровне

🔹 HTTP/2
- Мультиплексирование по одному TCP-соединению
- Бинарный протокол
- Сжатие заголовков (HPACK)
- Меньше соединений, лучше производительность

🔹 HTTP/3
- Построен на QUIC вместо TCP
- Быстрое установление соединения
- Лучшая производительность на нестабильных и мобильных сетях
- Улучшенная устойчивость к потере пакетов

Частый вопрос на собеседованиях:
Если HTTP/2 уже поддерживает мультиплексирование, зачем понадобился HTTP/3?

Потому что HTTP/2 всё ещё работает поверх TCP. Если пакет потерян, TCP может задержать другие потоки на этом соединении. HTTP/3 использует QUIC поверх UDP, позволяя потокам восстанавливаться более независимо и снижая задержку на ненадёжных сетях.

Одна фраза навсегда:
HTTP/1.1 = Один за другим
HTTP/2 = Много сразу
HTTP/3 = Много сразу, даже на плохих сетях

Сохранил эту шпаргалку для всех, кто учит сети, бэкенд-разработку или готовится к собеседованиям по системному дизайну.

👉 @PythonPortal

😜😜😜

👉 @PythonPortal

Инженер Anthropic:

«Fable — одна из тех моделей, которые запоминаются. Как когда-то Sonnet 3.5, Opus 4 и Opus 4.5.
Мы сократили системный промпт Claude Code на 80%. Новому поколению моделей нужен более компактный промпт».

В этом 20-минутном выступлении один из ведущих инженеров Anthropic рассказывает о возможностях Fable.

Посмотрите видео, а затем прочитайте статью ниже о том, как эффективно использовать эту передовую модель.

👉 @PythonPortal

Вашему второму мозгу нужно больше, чем демо-чатбот

second-brain-ai-assistant-course — это open-source репозиторий курса от Decoding AI для разработчиков, которые хотят создать ассистента для личной базы знаний с LLM, агентами, RAG и LLMOps.

Он помогает перейти от разрозненных заметок к полноценному ассистенту через шесть модулей: пайплайны данных, генерация датасета, тонкая настройка, развёртывание, продвинутый RAG и агентный инференс/наблюдаемость.

Ключевые особенности:

• Шесть модулей — охватывает архитектуру, ETL, тонкую настройку, развёртывание, RAG и LLMOps
• Офлайн + онлайн приложения — разделяет ML/пайплайны данных и пайплайн инференса ассистента
• Поддержка Notion — использует базу знаний Second Brain, доступен публичный снимок, так что аккаунт Notion не обязателен
• Настоящие LLMOps-инструменты — включает ZenML, Opik, Comet, Unsloth, MongoDB, Hugging Face и OpenAI
• Ориентация на разработчика — документация модулей, готовый код, uv/ruff и Docker-инфраструктура

Открытый исходный код (лицензия MIT).

🐸🐸🐸

👉 @PythonPortal

Изучайте глубокое обучение по структурированному курсу от Stanford.

Что вас ждет:
• работа с последовательностями (sequences)
• обработка текста
• задачи языкового моделирования (language modeling)

Ссылка — вот 🐸

👉 @PythonPortal

Классные бесплатные приложения для разработчиков.

- http://tracedr.com — Бесплатный трекер рейтинга доменов
- http://trackdomains.com — Бесплатный мониторинг WHOIS доменов
- http://replacements.fyi — Поиск замены для npm-пакетов
- http://quarkdown.com — Open-source система вёрстки на основе Markdown
- http://animate-ui.com — Анимация UI с помощью React-компонентов

👉 @PythonPortal

Добавьте в свое приложение совместный редактор .docx с поддержкой многопользовательской работы: SuperDoc

✦ Полная совместимость с Microsoft Word.
✦ Совместное редактирование в реальном времени и отображение присутствия участников.
✦ Возможность оставлять предложения для других пользователей.

Доки: https://docs.superdoc.dev/getting-started/ai

исходники

🐈🐈🐈

👉 @PythonPortal

Современная коммуникация не щадит никого

👉 @PythonPortal

Токены простыми словами

Представьте токен как цифровое удостоверение, которое доказывает, кто вы есть, после входа в приложение.

Когда вы вводите логин и пароль, сервер проверяет учётные данные и генерирует токен. После этого ваше приложение отправляет токен с каждым запросом вместо того, чтобы каждый раз передавать пароль.

Как работает токен:

✅ Пользователь входит в систему
✅ Сервер проверяет учётные данные
✅ Сервер создаёт токен
✅ Клиент сохраняет токен
✅ Токен отправляется с API-запросами
✅ Сервер проверяет токен и предоставляет доступ

Почему токены важны:

- Более быстрая аутентификация
- Лучшая безопасность, чем многократная отправка пароля
- Идеально подходит для веб, мобильных приложений и микросервисов
- Обеспечивает stateless-аутентификацию
- Легко масштабируется для больших систем

Основные типы токенов:

🔹 Access Token — предоставляет доступ к защищённым ресурсам
🔹 Refresh Token — создаёт новый access token после истечения старого
🔹 JWT (JSON Web Token) — широко используемый формат токена, содержащий информацию о пользователе и цифровую подпись

Структура JWT:

Header + Payload + Signature

- Header: алгоритм и тип токена
- Payload: данные пользователя и claims
- Signature: подтверждает подлинность токена

Реальный пример:

Когда вы заходите в соцсеть, вам не нужно вводить пароль каждый раз при обновлении страницы. Приложение использует токен в фоне, чтобы безопасно поддерживать сессию.

Понимание токенов — обязательный навык для каждого frontend, backend и full-stack разработчика, создающего безопасные современные приложения.

#JWT #Authentication

👉 @PythonPortal

Знакомьтесь: Dory — бесплатная, open-source альтернатива Docker Desktop и OrbStack для Mac.

Одна общая ВМ для всех контейнеров (~в 4.7 раза меньше RAM в простое), настоящий docker-сокет, Kubernetes в один клик, полноценные Linux-машины для любой разработки. ~6 МБ, без Electron, без аккаунтов, GPL-3.0.

https://augani.github.io/dory

👉 @PythonPortal

Это довольно круто — просто замени «github» на «gitfut», и можно превратить статистику твоего GitHub-профиля в карточку игрока FIFA. Любой, кто её увидит, захочет на неё нажать

https://github.com/Younesfdj/gitfut

👉 @PythonPortal