Бесплатный вебинар Python: Как стать востребованным backend разработчиком.

⏰ Когда: уже сегодня - 27 сентября в 19:00 мск

Что узнаете за 2 часа:

✔️Что нужно, чтобы найти первую работу разработчиком.

✔️Какие знания нужны для входа в профессию.

✔️Что нужно, чтобы найти первую работу разработчиком.

✔️Какому бизнесу нужны Python-разработчики и почему Python хорош именно для веб-разработки.

А еще вас ждет Q&A сессия и увлекательный квиз!

🎁 Всем, кто зарегистрировался - Гайд «Как заговорить на сленге IT-специалистов», а каждому участнику - Карта компетенций Python-разработчика.

Реклама. ООО "ХЕКСЛЕТ РУС". ИНН 7325174845. erid: LjN8KQ7qB

live.hexlet.io

Беспрепятственная интеграция LLM как функций Python

Легко интегрируйте большие языковые модели в свой код Python. Просто используйте @promptдекоратор для создания функций, возвращающих структурированный вывод из LLM. Комбинируйте запросы LLM и вызов функций с обычным кодом Python для создания сложной логики. https://github.com/jackmpcollins/magentic

Vizro — это набор инструментов для создания модульных приложений визуализации данных.

Быстрая самостоятельная сборка настраиваемых информационных панелей за считанные минуты — без необходимости передового программирования или опыта проектирования — для создания гибких и масштабируемых приложений визуализации данных с поддержкой Python. https://github.com/mckinsey/vizro

Многопоточность в Python: очевидное и невероятное.

В данной статье я покажу на практическом примере как устроена многопоточность в Python, расскажу про потоки, примитивы синхронизации и о том зачем они нужны.

Изначально я планировал что это будет простая и короткая заметка, но пока готовил и тестировал код нашел интересный неочевидный момент связанных с внутренностями CPython, так что не спешите закрывать вкладку, даже если вы уверены что вы знаете о потоках в Python всё :)

Читать далее https://habr.com/ru/articles/764420

Выпущена версия Flask 3.0.0

https://pypi.org/project/Flask/#history

Python 3.12.

После года разработки опубликован значительный выпуск языка программирования Python 3.12. Новая ветка будет поддерживаться в течение полутора лет, после чего ещё три с половиной года для неё будут формироваться исправления с устранением уязвимостей.

Одновременно началось альфа-тестирование ветки Python 3.13, в которой появился режим сборки CPython без глобальной блокировки интерпретатора (GIL, Global Interpreter Lock). Ветка Python 3.13 будет находиться на стадии альфа-выпусков в течение семи месяцев, во время которых будут добавляться новые возможности и производиться исправление ошибок (в соответствии с новым графиком разработки работа над новой веткой начинается за пять месяцев до релиза предыдущей ветки и к моменту очередного релиза достигает стадии альфа-тестирования). После этого в течение трёх месяцев будет проводиться тестирование бета-версий, во время которого добавление новых возможностей будет запрещено и всё внимание будет уделяться исправлению ошибок. Последние два месяца перед релизом ветка будет находиться на стадии кандидата в релизы, на которой будет выполнена финальная стабилизация.

https://www.python.org/downloads/release/python-3120/

Записывайтесь на курс от Хекслета, пройдите 5 бесплатных уроков профессии и получите скидку 10% на курс!

На профессии «Python-разработчик» вы за 10 месяцев: научитесь работать с сетевыми запросами и овладеете навыком проектирования архитектуры приложений, решите более 310 задач в браузере, создадите 4 проекта для портфолио на GitHub и выполните 150 тестовых заданий от наших партнёров, научитесь работать с чужим кодом и оформлять пул-реквесты в Open Source проектах.

Готовы попробовать прямо сейчас? Оставьте заявку и мы расскажем, как пройти бесплатные курсы профессии!

Реклама. ООО "ХЕКСЛЕТ РУС". ИНН 7325174845. erid: LjN8KRUft

Питон — это сила! 🔥

Теперь вы можете расшифровать любой видео/аудиофайл всего за несколько строк кода! Современное преобразование речи в текст с использованием Conformer от AssemblyAI! 🚀

Питон 3.12: Что не попало в заголовки

_______________

https://www.bitecode.dev/p/python-312-what-didnt-make-the-headlines

[Перевод] Извлечение текста из файлов PDF при помощи Python.

▍ Введение

В эпоху больших языковых моделей (Large Language Model, LLM) и постоянно расширяющейся сферы их применений непрерывно растёт и важность текстовых данных.

Существует множество типов документов, содержащих подобные виды неструктурированной информации, от веб-статей и постов в блогах до рукописных писем и стихов. Однако существенная часть этих данных хранится и передаётся в формате PDF. В частности, выяснилось, что за каждый год в Outlook открывают более двух миллиардов PDF, а в Google Drive и электронной почте ежедневно сохраняют 73 миллионов новых файлов PDF (2).

Поэтому разработка более систематического способа обработки этих документов и извлечения из них информации позволит нам автоматизировать процесс и лучше понять этот обширный объём текстовых данных. И в выполнении этой задачи, разумеется, нашим лучшим другом будет Python.

Читать дальше →https://habr.com/ru/companies/ruvds/articles/765246

🐍5 способов измерения времени выполнения в Python
Вы можете оценить выполнение кода Python, используя модуль «time» в стандартной библиотеке. В этом уроке вы узнаете, как рассчитать время выполнения кода Python, используя набор различных методов. https://superfastpython.com/benchmark-execution-time/

🐍Освоение интеграционного тестирования с помощью FastAPI.
Интеграционное тестирование FastAPI: использование возможностей ложных серверных служб с помощью MongoMock, MockS3 и других. https://alex-jacobs.com/posts/fastapitests/

🐍Ускоренный курс LangChain для начинающих
LangChain — это фреймворк, предназначенный для упрощения создания приложений с использованием больших языковых моделей. Это позволяет легко соединить модели ИИ с множеством различных источников данных, чтобы вы могли создавать собственные приложения НЛП. https://www.youtube.com/watch?v=lG7Uxts9SXs

Тестовые серверы Telegram: инструкция по эксплуатации.

Про разработку ботов в Telegram написано много текстов, а про «тестовый дата-центр» практически ничего. Ранее Pavelgram освещал этот вопрос: он кратко рассказал, что такое тестовые серверы и как с ними работать. Я продолжу это начинание.

Эта статья — сборник разбросанной документации и результатов экспериментов. Под катом расскажу о технических особенностях тестового окружения для разработки, покажу примеры ботов и юзерботов. В качестве бонуса — история «о жизни в тестовом контуре». Читать дальше →https://habr.com/ru/companies/selectel/articles/763286

Обнаружено, что сотни вредоносных пакетов Python крадут конфиденциальные данные

Вредоносная кампания, которая, по наблюдениям исследователей, усложнялась за последние полгода, заключалась в внедрении на платформы с открытым исходным кодом сотен пакетов для кражи информации

За кампанией с начала апреля следят аналитики отдела безопасности цепочки поставок Checkmarx, которые обнаружили 272 пакета с кодом для кражи конфиденциальных данных из целевых систем.

Атака значительно изменилась с момента ее первого обнаружения: авторы пакетов реализуют все более сложные уровни запутывания и методы уклонения от обнаружения. https://www.bleepingcomputer.com/news/security/hundreds-of-malicious-python-packages-found-stealing-sensitive-data/

9 фреймворков Python для фронтенд-разработки: альтернативы JavaScript

В этой статье вы узнаете, какие платформы можно использовать, если вы хотите реализовать крутую идею приложения, просто написав код Python.

Эта статья для тех, кто не готов к новому этапу обучения фронтенд-разработке. https://medium.com/python-in-plain-english/8-python-frameworks-for-frontend-development-javascript-alternatives-2370e0cf6ae9

Более 320 публикаций о Python и Data Science — о Pandas, NumPy, основах машинного обучения, Sklearn, Jupyter и многом другом.

Самостоятельная коллекция советов по Python и Data Science, которые помогут повысить уровень вашей игры с данными. https://towardsdev.com/320-python-and-data-science-tips-covering-pandas-numpy-ml-basics-sklearn-jupyter-and-more-83e870b5f0e4

Извлечение цвета изображения с помощью Python

Почему код Python в функции выполняется быстрее?

В этой статье мы увидим, почему код Python выполняется быстрее в функции и как работает выполнение кода Python. https://stackabuse.com/why-does-python-code-run-faster-in-a-function/

Вот забавный проект: вы можете создать свой собственный язык программирования, используя Python . И этот курс покажет вам, как это сделать. Вы узнаете о лексическом анализе, объектно-ориентированном программировании, структурах данных, синтаксическом анализе, создании интерпретатора и многом другом. https://www.freecodecamp.org/news/create-your-own-programming-language-using-python/

[Перевод] От теории к практике: создаём веб-приложение для решения задачи коммивояжёра.

В таких сферах, как исследование операций (Operations Research) и наука о данных (Data Science) чрезвычайно актуально сближение теории и её практического применения в виде программных проектов. Теоретические выкладки формируют базу программ для оптимизации чего‑либо, так как теория даёт средства для решения разнообразных задач. Но очень важно помнить и о том, что подобные программы должны быть доступны конечному пользователю, что с ними должно быть удобно работать.

Задача коммивояжёра (Traveling Salesman Problem, TSP) — это, без сомнения, та самая задача комбинаторной оптимизации, которая изучена лучше всего (Rego, C., Gamboa, D., Glover, F., & Osterman, C., 2011. Traveling salesman problem heuristics: Leading methods, implementations and latest advances. European Journal of Operational Research, 211(3), 427–441). Её легко описать (по крайней мере — на словах), её можно использовать для того чтобы продемонстрировать некоторые из возможных компонентов API современной программы по построению маршрутов. В результате я просто не мог подобрать ничего лучше этой задачи в качестве основы для примера, который разобран в этой статье.

Здесь вы узнаете о том, как использовать Python‑библиотеку Streamlit для создания веб‑приложения, которое позволяет решать задачу коммивояжёра с использованием входных данных, предоставленных пользователем. Так как нас интересует создание приложения, пригодного для решения реальных задач, мы, анализируя пути перемещения между некими географическими точками, будем интересоваться не только евклидовым расстоянием между ними, но и другими характеристиками путей. В частности, наша программа, используя координаты точек, должна уметь получать данные о том, какое расстояние по автомобильным дорогам нужно преодолеть для перемещения между ними. Эти данные должны учитываться при выполнении оптимизации. Для этого мы воспользуемся API OpenStreetMap.

Если вы хотите лучше разобраться в теоретических аспектах числовой оптимизации — вам, возможно, интересно будет почитать мои статьи о линейном программировании и о задаче маршрутизации транспорта (это — обобщение задачи коммивояжёра).

Готовы поработать? Взгляните на то, что у нас должно в итоге получиться…

Читать далееhttps://habr.com/ru/companies/wunderfund/articles/767618

Как Dockerize и развертывать приложения Django

В этой статье я подробно расскажу вам об этапах докеризации и развертывания приложения Django. Я также дам несколько советов и рекомендаций по развертыванию приложений Django в рабочей среде. https://hackernoon.com/how-to-dockerize-and-deploy-django-applications