5 уникальных идей проектов искусственного интеллекта на Python и КАК их реализовать

https://www.youtube.com/watch?v=HIvQWdqvl7o

Как сканировать бесконечно прокручиваемые веб-страницы с помощью Python

https://crawlee.dev/blog/infinite-scroll-using-python

Как обрабатывать выбросы в наборе данных с помощью Pandas

https://www.kdnuggets.com/how-to-handle-outliers-in-dataset-with-pandas

График акций с использованием Python

10 библиотек Python для машинного обучения, которые нужно знать в 2024 году

https://machinelearningmastery.com/10-must-know-python-libraries-for-machine-learning-in-2024

Взлом сетей с помощью Python

https://www.youtube.com/watch?v=pYHerqoa41Q

Вызовы функций в Python по прежнему медленные? Анализ последних оптимизаций в CPython

https://habr.com/ru/companies/beget/articles/839348/

CPython против Cython: как ускорить собственные программы Python

https://blog.dailydoseofds.com/p/cpython-vs-cython-how-to-speed-up

Как перемещаться по файловой системе с помощью Pathlib Python
Узнайте, как перемещаться по файловой системе и управлять ею с помощью встроенного модуля Python pathlib.
https://www.kdnuggets.com/how-to-navigate-the-filesystem-with-pythons-pathlib

Создание LLM с нуля

Это руководство знакомит кодеров с основами больших языковых моделей (LLM), объясняет, как они работают и как создавать их с нуля в PyTorch. Оно охватывает кодирование небольшой модели, похожей на GPT, ее конвейер данных, архитектуру, предварительную подготовку и тонкую настройку с использованием библиотек с открытым исходным кодом.
https://www.youtube.com/watch?v=quh7z1q7-uc

Почему я все еще использую виртуальные среды Python в Docker

В статье приводятся доводы в пользу использования виртуальных сред Python в контейнерах Docker, приводя такие преимущества, как предсказуемость, стандартизация и более простая отладка. Автор утверждает, что виртуальные среды обеспечивают согласованную, хорошо понятную структуру для приложений Python, делая коммуникацию и развертывание между https://hynek.me/articles/docker-virtualenv/ командами более простыми, а также упрощая поведение импорта Python.

Mini-Omni
Mini-Omni — это многомодельная большая языковая модель с открытым исходным кодом, которая может слышать, говорить и думать. Включает в себя сквозной речевой ввод в реальном времени и возможности потокового аудиовывода для разговора. https://github.com/gpt-omni/mini-omni

Списки против кортежей в Python

https://realpython.com/python-lists-tuples

Python 3.13.0RC2, 3.12.6, 3.11.10, 3.10.15, 3.9.20 и 3.8.20 уже доступны!

Большой совместный релиз. В основном исправления безопасности, но у нас также есть финальный релиз-кандидат 3.13, так что начнем с него! https://pythoninsider.blogspot.com/2024/09/python-3130rc2-3126-31110-31015-3920.html

5 хороших практик Python

В сегодняшнем видео мы рассмотрим пять хороших практик Python, которые улучшат качество вашего кода и, скорее всего, качество жизни других людей, которые также читают ваш код. https://www.youtube.com/watch?v=plXuoYYFS-Y

Что нового в Python 3.13
В этой статье объясняются новые функции Python 3.13 по сравнению с 3.12. Python 3.13 выйдет 1 октября 2024 года.
https://docs.python.org/3.13/whatsnew/3.13.html

Избегайте этих 7 распространенных ошибок ООП в Python
В видео обсуждаются распространенные плохие практики в объектно-ориентированном программировании Python и способы их предотвращения. В нем рассматриваются такие проблемы, как ненужное использование классов вместо функций, чрезмерное использование миксинов и чрезмерная инкапсуляция, а также приводятся практические примеры и альтернативы для улучшения структуры кода и читаемости. https://www.youtube.com/watch?v=yFLY0SVutgM

Python.jl — бесшовное смешивание Python и Julia
В докладе представлен Python.jl, пакет Julia, который бесшовно смешивает синтаксис Python и Julia, позволяя пользователям писать код, который смешивает элементы из обоих языков в одной среде. Хотя проект представлен как беззаботный эксперимент, он демонстрирует гибкость Julia в создании доменно-ориентированных языков и подчеркивает проблемы интеграции двух разных языков программирования. https://www.youtube.com/watch?v=t5rYZqiKOL0

Давайте создадим и оптимизируем расширение Rust для Python
Код Python слишком медленный? Вы можете быстро создать расширение Rust, чтобы ускорить его. https://pythonspeed.com/articles/intro-rust-python-extensions/

Автоматическое преобразование асинхронного кода в синхронный
В статье описывается, как Psycopg 3 реализовал автоматическую систему преобразования для генерации синхронного кода Python из асинхронного кода, сокращая дублирование кода и усилия по обслуживанию. Процесс включает использование абстрактных синтаксических деревьев (AST) для преобразования асинхронного кода в эквивалентный синхронный код с пользовательскими преобразованиями и вспомогательными функциями для обработки сложных случаев. https://www.psycopg.org/articles/2024/09/23/async-to-sync/