🧩 Примеры приложений для Apps SDK от OpenAI
Этот репозиторий демонстрирует примеры UI-компонентов и MCP-серверов для создания приложений на базе ChatGPT. Он служит отправной точкой для разработки собственных приложений, используя Model Context Protocol для интеграции инструментов и интерфейсов.
🚀 Основные моменты:
- Примеры компонентов для Apps SDK.
- Демонстрация работы MCP-серверов.
- Поддержка различных языков программирования (Node.js, Python).
- Возможность создания и кастомизации собственных виджетов.
- Легкая интеграция с ChatGPT.
📌 GitHub: https://github.com/openai/openai-apps-sdk-examples
Этот репозиторий демонстрирует примеры UI-компонентов и MCP-серверов для создания приложений на базе ChatGPT. Он служит отправной точкой для разработки собственных приложений, используя Model Context Protocol для интеграции инструментов и интерфейсов.
🚀 Основные моменты:
- Примеры компонентов для Apps SDK.
- Демонстрация работы MCP-серверов.
- Поддержка различных языков программирования (Node.js, Python).
- Возможность создания и кастомизации собственных виджетов.
- Легкая интеграция с ChatGPT.
📌 GitHub: https://github.com/openai/openai-apps-sdk-examples
❤2👍1🔥1
PostgreSQL – одна из самых мощных СУБД с открытым исходным кодом. Этот гайд подробно охватывает ключевые аспекты PostgreSQL: от внутренней архитектуры до приёмов оптимизации. Мы рассмотрим администрирование, производительность, расширения, инструменты, а также сравним популярные ORM для Python и Go. В конце приведён список продвинутых вопросов, часто встречающихся на собеседованиях.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3🔥1
🔍 Исследования Python: эксперименты и оптимизация
Репозиторий предлагает практические эксперименты с современными возможностями Python и их производительностью. Здесь вы найдете бенчмарки, сравнения потоков и процессов, а также изучение новых технологий в экосистеме Python.
🚀 Основные моменты:
- Эксперименты с производительностью Python 3.14 без GIL
- Сравнение потоков и процессов
- Оптимизация использования памяти
- Практические примеры и выводы
📌 GitHub: https://github.com/koenvo/python-experiments
#python
Репозиторий предлагает практические эксперименты с современными возможностями Python и их производительностью. Здесь вы найдете бенчмарки, сравнения потоков и процессов, а также изучение новых технологий в экосистеме Python.
🚀 Основные моменты:
- Эксперименты с производительностью Python 3.14 без GIL
- Сравнение потоков и процессов
- Оптимизация использования памяти
- Практические примеры и выводы
📌 GitHub: https://github.com/koenvo/python-experiments
#python
❤2🔥1
Beam — открытая альтернатива Modal, которая позволяет деплоить любые AI-задачи в serverless-режиме без инфраструктурной боли. Всё, что нужно — декоратор в Python.
Работает очень просто:
1. uv add beam
2. Пишете свой AI-воркфлоу
3. Оборачиваете вызов в метод
4. Добавляете декоратор @endpoint с конфигом сервера
👉 Результат — готовый serverless endpoint.
Ключевые фичи:
→ Запуск контейнеров < 1 секунды
→ Поддержка распределённого хранилища
→ Авто-масштабирование от 0 до сотен контейнеров
→ GPU: 4090, H100 или свои
→ Деплой inference endpoint'ов через декораторы
→ Изолированные песочницы для кода от LLM
→ И главное — 100% open-source + приватность.
https://github.com/beam-cloud/beta9
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1👍1
Карьерный буст, робот в подарок и призовой фонд 7 500 000 рублей 🤖
Успей зарегистрироваться до 20 октября.
Все это ждет участников трека «Программирование роботов» на всероссийском ИТ-чемпионате МТС True Tech Champ 2025. Присоединяйся, если пишешь на С++, Go, Python, JS, Java, C# или другом языке.
Соревнования пройдут в командах от 2 до 4 человек в несколько этапов:
— Квалификация. Тебе предстоит запрограммировать робота на прохождение виртуального лабиринта.
— Полуфинал. Ты будешь дистанционно управлять роботом на офлайн-полигоне и наблюдать за его перемещениями в трансляции.
— Финал. За две недели до финала организаторы отправят тебе настоящего робота для кастомизации. Ты сможешь модифицировать его, чтобы он оказался быстрее других в многоуровневом офлайн-лабиринте и смог выбить соперников с платформы в шоу-битве.
Команды финалистов получат по одному роботу Waveshare Cobra Flex в подарок и сразятся за крупные денежные призы: 4 000 000 ₽ за первое место, 2 500 000 ₽ за второе и 1 000 000 ₽ за третье.
Еще ты сможешь:
— Получить практический опыт работы с инструментами, с помощью которых создают домашних и промышленных роботов.
— Прокачать компетенции, которые помогут развиваться в ИТ.
— Заявить о себе на всю Россию и ускорить свой профессиональный рост.
📍 Финал состоится 21 ноября в МТС Live Холл в Москве.
👉🏻 Регистрируйся на сайте до 20 октября.
Успей зарегистрироваться до 20 октября.
Все это ждет участников трека «Программирование роботов» на всероссийском ИТ-чемпионате МТС True Tech Champ 2025. Присоединяйся, если пишешь на С++, Go, Python, JS, Java, C# или другом языке.
Соревнования пройдут в командах от 2 до 4 человек в несколько этапов:
— Квалификация. Тебе предстоит запрограммировать робота на прохождение виртуального лабиринта.
— Полуфинал. Ты будешь дистанционно управлять роботом на офлайн-полигоне и наблюдать за его перемещениями в трансляции.
— Финал. За две недели до финала организаторы отправят тебе настоящего робота для кастомизации. Ты сможешь модифицировать его, чтобы он оказался быстрее других в многоуровневом офлайн-лабиринте и смог выбить соперников с платформы в шоу-битве.
Команды финалистов получат по одному роботу Waveshare Cobra Flex в подарок и сразятся за крупные денежные призы: 4 000 000 ₽ за первое место, 2 500 000 ₽ за второе и 1 000 000 ₽ за третье.
Еще ты сможешь:
— Получить практический опыт работы с инструментами, с помощью которых создают домашних и промышленных роботов.
— Прокачать компетенции, которые помогут развиваться в ИТ.
— Заявить о себе на всю Россию и ускорить свой профессиональный рост.
📍 Финал состоится 21 ноября в МТС Live Холл в Москве.
👉🏻 Регистрируйся на сайте до 20 октября.
This media is not supported in your browser
VIEW IN TELEGRAM
Забудь про грядки и полив — теперь ферма работает на Python. Ты управляешь роботами, автоматизируешь процессы и наблюдаешь, как код превращается в урожай.
Вместо мотыги - код, вместо удобрений - алгоритмы.
Это не симулятор фермера, а тренажёр программиста с юмором и логикой.
- Всё управление через код - роботы выполняют твои Python-команды;
- Обучение встроено в геймплей — осваиваешь основы без нудных туториалов;
- Без уровней и доната - ферма растёт вместе с твоими навыками;
- Есть русский язык и IntelliSense, можно писать даже из VS Code;
У игры уже 95% положительных отзывов в Steam.
Игра превращает обучение Python в чистое удовольствие - просто запускаешь и начинаешь “программировать урожай”.
👉 Играть
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8
This media is not supported in your browser
VIEW IN TELEGRAM
Сделай это за пару минут: просто установи библиотеку python-telegram-bot, добавь свой OpenAI API-ключ и токен бота, и бот начнёт отвечать на все сообщения с помощью ChatGPT.
from telegram import Update
from telegram.ext import ApplicationBuilder, MessageHandler, filters, ContextTypes
from openai import OpenAI
Укажи свои ключи
OPENAI_API_KEY = "sk-..."
TELEGRAM_TOKEN = "123456789:ABC..."
client = OpenAI(api_key=OPENAI_API_KEY)
async def handle_message(update: Update, context: ContextTypes.DEFAULT_TYPE):
user_text = update.message.text
response = client.chat.completions.create(
model="gpt-4o-mini",
messages=[{"role": "user", "content": user_text}]
)
await update.message.reply_text(response.choices[0].message.content)
app = ApplicationBuilder().token(TELEGRAM_TOKEN).build()
app.add_handler(MessageHandler(filters.TEXT & ~filters.COMMAND, handle_message))
app.run_polling()
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7👍3
📄 PaddleOCR: Мощный инструмент для распознавания текста
PaddleOCR — это передовой движок OCR и AI для документов, обеспечивающий высокую точность извлечения текста и понимания документов. Поддерживает множество языков и интегрируется в различные приложения, от стартапов до крупных предприятий.
🚀 Основные моменты:
- Поддержка более 80 языков и сложных элементов документа.
- Высокая точность распознавания текста в различных условиях.
- Легкая интеграция с другими AI-приложениями.
- Поддержка работы на разных аппаратных платформах (CPU, GPU, NPU).
- Широкое сообщество и активное использование в более чем 5,9 тыс. репозиториев.
📌 GitHub: https://github.com/PaddlePaddle/PaddleOCR
#python
PaddleOCR — это передовой движок OCR и AI для документов, обеспечивающий высокую точность извлечения текста и понимания документов. Поддерживает множество языков и интегрируется в различные приложения, от стартапов до крупных предприятий.
🚀 Основные моменты:
- Поддержка более 80 языков и сложных элементов документа.
- Высокая точность распознавания текста в различных условиях.
- Легкая интеграция с другими AI-приложениями.
- Поддержка работы на разных аппаратных платформах (CPU, GPU, NPU).
- Широкое сообщество и активное использование в более чем 5,9 тыс. репозиториев.
📌 GitHub: https://github.com/PaddlePaddle/PaddleOCR
#python
GitHub
GitHub - PaddlePaddle/PaddleOCR: Turn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit…
Turn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100+ languages. - PaddlePaddle/Paddl...
❤4
Forwarded from Machinelearning
📄 DeepSeek-OCR - модель для распознавания текста 🔍
DeepSeek выпустили мощную OCR-модель, способную преобразовывать изображения документов прямо в Markdown или текст.
Что умеет:
- Распознаёт текст на изображениях и в PDF
- Работает с документами, таблицами и сложными макетами
- Поддерживает разные режимы: Tiny, Small, Base, Large
- Оптимизирована под GPU (PyTorch + CUDA 11.8)
- MIT-лицензия — можно свободно использовать и модифицировать
DeepSeek-OCR достигает высокой точности и эффективности за счёт компрессии визуальных токенов. На Omnidocbench - лучшая точность при минимуме визуальных токенов, превосходит другие OCR-модели по эффективности и скорости.
🟠 HF: https://huggingface.co/deepseek-ai/DeepSeek-OCR
🟠 Github: https://github.com/deepseek-ai/DeepSeek-OCR
🟠 Paper: https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek_OCR_paper.pdf
@ai_machinelearning_big_data
#ocr #DeepSeek
DeepSeek выпустили мощную OCR-модель, способную преобразовывать изображения документов прямо в Markdown или текст.
Что умеет:
- Распознаёт текст на изображениях и в PDF
- Работает с документами, таблицами и сложными макетами
- Поддерживает разные режимы: Tiny, Small, Base, Large
- Оптимизирована под GPU (PyTorch + CUDA 11.8)
- MIT-лицензия — можно свободно использовать и модифицировать
DeepSeek-OCR достигает высокой точности и эффективности за счёт компрессии визуальных токенов. На Omnidocbench - лучшая точность при минимуме визуальных токенов, превосходит другие OCR-модели по эффективности и скорости.
@ai_machinelearning_big_data
#ocr #DeepSeek
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4👍2
This media is not supported in your browser
VIEW IN TELEGRAM
Python митап от Авито 27 октября в Москве! ☄
Вечером 27 октября вас ждут в офисе на Лесной, чтобы обсудить:
➡ кейс оптимизации GC в Python от Саши Федосеева, backend-инженера из команды Main Page Tech Авито;
➡ как mypy укрощает Python в большой компании вместе с Сергеем Яхницким из Яндекса.
После докладов, как и сказали выше, вместе с участниками спикеры обсудят, подходит ли Python для запуска больших нагруженных решений в формате круглого стола.
Для тех, кто не успевает вырваться из офиса или дома, будет онлайн-трансляция.
Так что не откладывайте, регистрируйтесь и зовите коллег — все подробности по ссылке
Вечером 27 октября вас ждут в офисе на Лесной, чтобы обсудить:
После докладов, как и сказали выше, вместе с участниками спикеры обсудят, подходит ли Python для запуска больших нагруженных решений в формате круглого стола.
Для тех, кто не успевает вырваться из офиса или дома, будет онлайн-трансляция.
Так что не откладывайте, регистрируйтесь и зовите коллег — все подробности по ссылке
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1
🔥На Stepik вышел курс: Linux: полный апгрейд твоих скиллов
Хочешь реально понимать, что происходит под капотом твоей системы, а не просто кликать по GUI?
Без глубокого знания базы ты не инженер - ты просто пользователь.
🔹 В курсе ты:
- Освоишь bash, grep, sed, awk - инструменты, которыми живут админы.
- Разберёшь права, процессы, сеть, файловую систему и научишься чинить всё, что падает.
- Настроишь SSH, firewall, systemd, crontab, демоны и автозапуск.
- Научишься анализировать логи, следить за нагрузкой, и не паниковать при 100% CPU.
💡 Формат: пошаговое объяснение базы и разбор важных практик по работе с Linux.
🎯 После курса ты: будешь чувствовать Linux как родную среду и забудешь, что такое “permission denied”.
🚀 24 часа действует скидка 30%
👉 Учиться со скидкой
Хочешь реально понимать, что происходит под капотом твоей системы, а не просто кликать по GUI?
Без глубокого знания базы ты не инженер - ты просто пользователь.
🔹 В курсе ты:
- Освоишь bash, grep, sed, awk - инструменты, которыми живут админы.
- Разберёшь права, процессы, сеть, файловую систему и научишься чинить всё, что падает.
- Настроишь SSH, firewall, systemd, crontab, демоны и автозапуск.
- Научишься анализировать логи, следить за нагрузкой, и не паниковать при 100% CPU.
💡 Формат: пошаговое объяснение базы и разбор важных практик по работе с Linux.
🎯 После курса ты: будешь чувствовать Linux как родную среду и забудешь, что такое “permission denied”.
🚀 24 часа действует скидка 30%
👉 Учиться со скидкой
❤1🤯1
🧠 Новая работа показывает, что даже небольшая open-source модель может решать сложные математические задачи — если заставить её "думать дольше" с помощью циклов саморазвития рассуждений.
Исследователи взяли 8B-модель на базе DeepSeek и заставили её проходить долгие итеративные reasoning-loops, где каждая итерация — это маленький шаг к более точному решению.
Если модель находит улучшение хоть чуть-чуть лучше предыдущего ответа, цикл продолжается.
Результат: модель решила 5 задач AIME, которые раньше не могла, и даже превзошла точность своего «учителя» — 600B-модели, если брать голосование по итоговым ответам из множества параллельных циклов.
Метод прост:
1️⃣ Проверить текущий ответ
2️⃣ Исправить ошибки
3️⃣ Повторять несколько десятков итераций
Такой подход увеличивает время вычислений на тесте, но даёт гораздо более надёжные решения, фактически расширяя пределы возможностей малых моделей.
📄 Paper: arxiv.org/abs/2510.17498
Исследователи взяли 8B-модель на базе DeepSeek и заставили её проходить долгие итеративные reasoning-loops, где каждая итерация — это маленький шаг к более точному решению.
Если модель находит улучшение хоть чуть-чуть лучше предыдущего ответа, цикл продолжается.
Результат: модель решила 5 задач AIME, которые раньше не могла, и даже превзошла точность своего «учителя» — 600B-модели, если брать голосование по итоговым ответам из множества параллельных циклов.
Метод прост:
1️⃣ Проверить текущий ответ
2️⃣ Исправить ошибки
3️⃣ Повторять несколько десятков итераций
Такой подход увеличивает время вычислений на тесте, но даёт гораздо более надёжные решения, фактически расширяя пределы возможностей малых моделей.
📄 Paper: arxiv.org/abs/2510.17498
👍3