В этом репозитории собрана коллекция лучших материалов по PyTorch: https://github.com/ritchieng/the-incredible-pytorch

✈️ Python Ninja

Создавай Python-пакеты за пару секунд с uv init --package

Python-пакеты позволяют вынести код в переиспользуемые модули и шарить их между проектами.

Обычно это возня с setuptools, настройка билд-системы и разбор всей этой кухни с дистрибуцией.

UV, быстрый установщик и резолвер зависимостей для Python, упрощает всё до двух команд:
• uv init --package сразу поднимает структуру пакета
• uv build и uv publish собирают и отправляют пакет на PyPI

Полная статья: https://bit.ly/3Jyqtok

✈️ Python Ninja

Чувак заменил Datadog одним бинарником и за одну ночь сократил расходы на инфраструктуру на 98%.

Он называется OpenObserve. Логи, метрики, трейсы и мониторинг фронтенда в одном инструменте с самостоятельным развертыванием. Он создан специально для того, чтобы остановить рост счетов при добавлении каждого нового хоста, пользователя или пользовательской метрики.

→ Один бинарник, запуск менее чем за 2 минуты. Никакого кластера и отдельных компонентов для логов, метрик и трейсов

→ Написан на Rust и использует движок запросов DataFusion, поэтому сохраняет высокую производительность даже при работе с петабайтами данных

→ Использует колоночный формат Parquet и S3-совместимое объектное хранилище вместо проприетарного формата — именно это и обеспечивает основную экономию

→ Запросы выполняются через SQL или PromQL, а не через проприетарный синтаксис вендора, поэтому вашей команде не придётся изучать новый язык запросов только ради просмотра дашбордов

→ Полная совместимость с OpenTelemetry: для подключения уже существующей инструментации не требуются проприетарные агенты

→ Библиотека дашбордов от сообщества на GitHub для Kubernetes, Docker, Postgres, AWS и наблюдаемости LLM — можно сразу подключить вместо того, чтобы создавать всё с нуля

Согласно опубликованному самим OpenObserve бенчмарку, одна и та же нагрузка из 16 сервисов обходилась в $174 в день в Datadog и в $3 в день при самостоятельном развертывании — сокращение на 98%, ещё до учёта платы за каждый хост или пользовательскую лицензию.

Более 18 000 звёзд на GitHub. Один бинарник. Самостоятельное развертывание без платы за каждый хост или пользователя.

Снижение затрат на 98% — серьёзная цифра. Её нужно чем-то подтвердить. 🚬

✈️ Python Ninja

Google представила Open Knowledge Format.

Это открытый стандарт для обмена знаниями между людьми и ИИ-агентами с использованием Markdown.

Идея в том, чтобы он стал живой вики-базой знаний вашей компании, которую ИИ сможет постоянно читать и обновлять.

Именно «живая вики-база знаний»: Google описывает OKF как открытый, переносимый и совместимый формат для хранения контекста, метаданных и курируемых знаний, понятный как людям, так и ИИ-агентам.

По сути, они стандартизировали Obsidian. 😂

✈️ Python Ninja

Это всё нам: серия блокнотов Jupyter, которые последовательно знакомят с основами машинного обучения и глубокого обучения на Python с использованием Scikit-Learn и TensorFlow. 🚬

https://github.com/ageron/handson-ml3

✈️ Python Ninja

Агенты не дают сбой из-за одного сообщения.

Сбои возникают в ходе нескольких диалогов, вызовов инструментов и изменений контекста.

Giskard — это Python-библиотека с открытым исходным кодом, созданная специально для тестирования подобных сценариев.

✈️ Python Ninja

Целостное руководство по проектированию ML-систем

Практическое руководство по созданию поддерживаемых систем машинного обучения, охватывающее всё — от зависимостей в данных до инструментов MLOps.

Книга Чип Хуен посвящена ключевым архитектурным решениям, необходимым для разработки готовых к промышленной эксплуатации ML-систем, способных работать и масштабироваться под реальной нагрузкой.

✈️ Python Ninja

На Stepik запустили мощный курс по «Troubleshooting Docker и Kubernetes: поиск и устранение проблем»

В программе только важные аспекты:

— troubleshooting Docker и образов
— диагностика сетевых проблем
— настройка readiness/liveness probes
— отладка pod’ов, деплоев и ingress
— анализ логов контейнеров и кластера
— разбор ошибок CrashLoopBackOff, OOMKilled, ImagePullBackOff и других

Собеседования на DevOps/SRE сейчас всё чаще строятся вокруг реальных инцидентов. Данный курс фокусируется именно на таких сценариях и помогает в подготовке к практическим вопросам

48 часов доступен со скидкой 25%

↗️ Пройти курс на Stepik

Открытый-фреймворк для создания голосовых ИИ-агентов, работающих в реальном времени

Pipecat — это Python-фреймворк для оркестрации аудио, видео, ИИ-сервисов, транспортов и диалоговых пайплайнов. Архитектура построена по принципу voice-first и поддерживает подключаемые компоненты.

Что можно создавать:

• голосовых ассистентов;
• ИИ-компаньонов;
• мультимодальные интерфейсы;
• интерактивные истории;
• бизнес-агентов для поддержки клиентов и первичного сбора данных;
• сложные диалоговые системы.

Фреймворк берёт на себя распознавание речи, синтез речи, логику диалога и взаимодействие в реальном времени. Поддержка транспортов WebRTC и WebSocket встроена. Сверхнизкая задержка позволяет вести естественные разговоры.

Почему Pipecat:

• Voice-first: объединяет STT, TTS и обработку диалога в одном фреймворке
• Подключаемая архитектура: поддерживает нескольких поставщиков ИИ-сервисов для каждой возможности
• Компонуемые пайплайны: позволяют собирать сложное поведение из модульных компонентов
• Работа в реальном времени: взаимодействие с низкой задержкой и потоковой передачей аудио и видео

Поддерживаемые сервисы:

• Speech-to-Text: Deepgram, AssemblyAI, OpenAI Whisper, Groq, Azure, AWS, Google и другие
• LLM: OpenAI, Anthropic, Gemini, Groq, Mistral, Ollama, AWS, Azure и другие
• Text-to-Speech: OpenAI, ElevenLabs, Deepgram, Cartesia, Azure, AWS, Google и другие
• Speech-to-Speech: OpenAI Realtime, Gemini Multimodal Live, AWS Nova Sonic, Ultravox, Grok Voice Agent

Недавно автор написал подробный туториал по созданию продакшен-агента голосовой поддержки клиентов. В нём разобраны определение момента передачи реплики, обработка перебиваний, телефонные кодеки и добавление актуального бизнес-контекста в каждый звонок.

Ссылка на статью 😳

✈️ Python Ninja

Чувак заменил Datadog одним бинарником и за одну ночь сократил расходы на инфраструктуру на 98%.

Он называется OpenObserve. Логи, метрики, трейсы и мониторинг фронтенда в одном инструменте с самостоятельным развертыванием. Он создан специально для того, чтобы остановить рост счетов при добавлении каждого нового хоста, пользователя или пользовательской метрики.

→ Один бинарник, запуск менее чем за 2 минуты. Никакого кластера и отдельных компонентов для логов, метрик и трейсов

→ Написан на Rust и использует движок запросов DataFusion, поэтому сохраняет высокую производительность даже при работе с петабайтами данных

→ Использует колоночный формат Parquet и S3-совместимое объектное хранилище вместо проприетарного формата — именно это и обеспечивает основную экономию

→ Запросы выполняются через SQL или PromQL, а не через проприетарный синтаксис вендора, поэтому вашей команде не придётся изучать новый язык запросов только ради просмотра дашбордов

→ Полная совместимость с OpenTelemetry: для подключения уже существующей инструментации не требуются проприетарные агенты

→ Библиотека дашбордов от сообщества на GitHub для Kubernetes, Docker, Postgres, AWS и наблюдаемости LLM — можно сразу подключить вместо того, чтобы создавать всё с нуля

Согласно опубликованному самим OpenObserve бенчмарку, одна и та же нагрузка из 16 сервисов обходилась в $174 в день в Datadog и в $3 в день при самостоятельном развертывании — сокращение на 98%, ещё до учёта платы за каждый хост или пользовательскую лицензию.

Более 18 000 звёзд на GitHub. Один бинарник. Самостоятельное развертывание без платы за каждый хост или пользователя.

Снижение затрат на 98% — серьёзная цифра. Её нужно чем-то подтвердить. 🚬

✈️ Python Ninja

Гении воссоздали интерфейсы Claude Code, Codex и Grok в виде переиспользуемых компонентов ShadCN. 🤯

Эта open-source-библиотека позволяет просто добавить красиво воссозданные компоненты AI-интерфейсов прямо в свои приложения или CLI-проекты.

Внутри есть компоненты для:
→ промптов и сообщений чата
→ вызовов инструментов
→ diff’ов кода
→ диалогов запроса разрешений
→ списков задач
→ slash-команд
→ и многого другого...

Отлично подойдёт тем, кто разрабатывает AI-приложения, терминальные интерфейсы (TUI) или CLI-инструменты для разработчиков и не хочет собирать всё с нуля :)

github.com/theswerd/brainless

✈️ Python Ninja

Unlimited-OCR — это модель на 3 млрд параметров, которая может распарсить целый PDF на 100 страниц за один проход — без разбиения по страницам и без потери контекста.

* контекстное окно 32K, читает весь документ за один проход
+ 93% на стандартных бенчмарках парсинга, на 6 пунктов выше baseline
* уровень ошибок ниже 0,11 после 40-й страницы — там, где все остальные OCR-инструменты начинают разваливаться
* мультиязычность из коробки, локальный запуск через Transformers, Ollama, llama.cpp или Docker
* Textract, Google Vision и Azure Document Intelligence берут от $1,50 до $15 за 1 000 страниц

1,9 млн скачиваний на Hugging Face, и при этом большинство людей о ней даже не слышали.

Она работает прямо на вашем компьютере. Бесплатно. Навсегда.

Ссылка на модель: http://huggingface.co/baidu/Unlimited-OCR

✈️ Python Ninja

Foundations of Applied Mathematics — это бесплатная серия из четырёх учебников, созданная для программы по прикладной и вычислительной математике в Университете Бригама Янга.

В неё входят четыре тома:
Математический анализ
Алгоритмы, аппроксимация и оптимизация
Неопределённость и данные
Динамика и управление

Серия подходит студентам старших курсов бакалавриата и начальных курсов магистратуры. К ней также прилагаются лабораторные работы на Python и практические задания, поэтому математическая теория связана с численными вычислениями, алгоритмами, анализом данных и научными приложениями.

Особенно мне нравится, что это не только теоретические учебники. Сопутствующие материалы на Python помогают увидеть, как эти концепции применяются к реальным вычислительным задачам.

https://foundations-of-applied-mathematics.github.io

✈️ Python Ninja

На этой неделе я нашёл, пожалуй, лучший оркестратор для ИИ-агентов. Он называется Herdr и по сути представляет собой tmux, который понимает, что делают агенты. 👍

Вы запускаете Claude Code, Codex или OpenCode в отдельных панелях, а боковая панель в реальном времени показывает, какой агент сейчас работает, какой уже закончил и какой заблокирован в ожидании вашего ввода.

Кроме того, терминал можно закрыть, а агенты продолжат работать. То есть поддерживается detach-режим.
Затем можно подключиться обратно по SSH откуда угодно, даже с телефона.

Всё это упаковано в один бинарник на Rust: быстрый, лёгкий, кроссплатформенный и с открытым исходным кодом. Работает в любом терминале, поддерживает настройку и плагины для расширения возможностей

https://herdr.dev/

✈️ Python Ninja

Совет по Python

Если нужно создать поле, которое не должно попадать в сгенерированный __init__ используй
field(init=False)

Это особенно удобно для вычисляемых атрибутов

from dataclasses import dataclass, field

@dataclass
class Rectangle:
    width: int
    height: int
    area: int = field(init=False)

    def __post_init__(self):
        self.area = self.width * self.height

Поле area не передаётся при создании объекта и всегда вычисляется автоматически

✈️ Python Ninja

Чтобы превратить вызовы LLM в понятные и компонуемые workflows, не нужен огромный фреймворк.

PocketFlow — минималистичный Python-фреймворк для разработчиков, которые создают агентов, RAG-пайплайны и другие LLM-приложения.

Он позволяет проектировать логику приложения в виде графа, соединяя небольшие узлы, которые используют общее состояние и направляют выполнение через именованные действия.

Ключевые возможности:

• Графовые flows — можно объединять узлы в цепочки, создавать ветвления по действиям, циклы и вложенные flows.
• Узлы из трёх этапов — подготовка, выполнение и постобработка разделены и работают с общим состоянием.
• Настройка повторных попыток — можно задать количество ретраев, задержки между ними и fallback-поведение при ошибках выполнения.
• Batch- и async-режимы — обработка списков элементов, повторный запуск flows с параметрами и параллельное выполнение асинхронных batch-задач.
• Практический cookbook — примеры агентов, RAG, workflows, стриминга и приложений с human-in-the-loop.

Проект с открытым исходным кодом и распространяется по лицензии MIT.

✈️ Python Ninja

Этот проект представляет собой полный курс по Python — от нулевого уровня до backend-разработки, который создавался в прямом эфире на Twitch.

Покрывает основы Python, продвинутые темы и разработку backend-приложений.
Включает создание REST API с аутентификацией и интеграцией с базой данных.
Весь код организован по директориям: Basic, Intermediate и Backend.
Видео-уроки содержат таймкоды для каждой темы.

✈️ Python Ninja

Готовимся к собеседованию позиции Middle и Senior

Отличный комплект для подготовки к техническим интервью по Python.

Первый материал - большой обзор на Хабре с вопросами, которые реально задаются на собеседованиях: Python, алгоритмы, HTTP, Git, SQL, Django, Flask, многопоточность, тестирование и др.

Второй ресурс: GitHub-репозиторий с подробными ответами и объяснениями по большинству этих тем. Вместе они станут отличной базой для подготовки к интервью уровня Middle и Senior.

✈ Python Ninja

Бесплатный гайд по GitHub новичкам

Освоить GitHub - один из первых шагов в карьере разработчика. В официальном руководстве собраны ключевые темы: от создания репозитория до командной работы через Pull Request.

Хороший старт для студентов, джунов и всех, кто хочет программировать ❤️❤️

☝️ Ссылка источник

✈ Python Ninja

Бесплатная книга «Python for Data Analysis третье издание»

Современный и практичный гид по работе с данными на Python, идеально подходящий для аналитиков, которые только начинают свой путь, и разработчиков, стремящихся освоить науку о данных через код

Книга включает живые примеры, реальные кейсы и достаточное внимание к практическим нюансам работы с данными. Материалы и примеры доступны на GitHub

Ставь лайкос и сохраняй в закладки ❤️

☝️ Ссылка источник

✈️ Python Ninja

Изменяемые аргументы и метод extend

Что выведет код? ☕️

✈️ Python Ninja