Кто-то выложил в открытый доступ Python-скрапер для Google Flights.

Он собирает цены на билеты, расписания и данные для бронирования по более чем 180 странам, используя строготипизированные схемы и Protobuf, закодированный в Base64.

GitHub:
https://github.com/AWeirdDev/flights

✈️ Python Ninja

Хотите узнать, сколько ядер у вашего процессора с помощью Python? Для этого можно использовать модуль multiprocessing.

👉 @PythonPortal

Не нарушайте принцип единственной ответственности SRP.

Функция должна делать одну вещь, делать её хорошо и заниматься только ей.

Здесь функция делает слишком много:

def calculate_final_total(
    price: float,
    quantity: int,
    discount_rate: float,
    tax_rate: float
) -> float:
    subtotal = price * quantity

    discounted_amount = subtotal * (1 - discount_rate)

    final_total = discounted_amount * (1 + tax_rate)

    return final_total

Проблема в том, что расчёт суммы, скидки и налога объединён в одном месте. Любое изменение одного из этапов может затронуть всю функцию.

Лучше разделить логику на небольшие функции:

def calculate_subtotal(price: float, quantity: int) -> float:
    return price * quantity

def apply_discount(subtotal: float, discount: float) -> float:
    return subtotal * (1 - discount)

def calculate_tax(amount: float, tax_rate: float) -> float:
    return amount * (1 + tax_rate)

Так намного лучше.

Небольшие функции с одной конкретной задачей проще покрывать юнит-тестами: у них меньше зависимостей и реже нужны моки.

Плюс такие компоненты проще переиспользовать в других частях приложения или пайплайна, не подтягивая лишнюю логику.

Поэтому держите функции простыми и сфокусированными. Одна функция — одна ответственность.

✈️ Python Ninja

Коварный аргумент по умолчанию

Что выведет код 😎

✈️ Python Ninja

Откопал полезное руководство для изучения кластеризации на Python

Наткнулся на суперполезный гайд по кластеризации — и если ты ещё не пробовал группировать данные в Python, то пора. Там всё объяснено максимально понятно: от подготовки датасета до того, как K-Means находит свои центроиды и зачем DBSCAN шарахается от шумных точек

Короче, инфа, которую реально можно применить уже сегодня — особенно если у тебя есть данные, которые давно просят “разложи нас по смыслу” 👍

☝️ Ссылка источник

✈️ Python Ninja

Программирование c нуля «От новичка к уверенности в коде на Python»

На Stepik запустили курс для новичков, которым важно не зубрить команды, а понимать логику. Наглядные схемы и визуальные разборы показывают, что происходит внутри программы и как она работает

Много практики, понятные объяснения решений не дадут застрять на теории. Материал предлагает вам не иллюзию знаний, а ощущение контроля: вы ясно видите как из нескольких строк кода рождается работающая программа

Программа курса:

✅переменные и типы данных
✅условия и логика программ
✅циклы и рекурсия
✅функции и работа с вводом данных
✅списки, словари и множества
✅базовое ООП
✅работа с библиотеками Python
✅десятки задач и упражнений

Эти знания фундамент для написания простых ботов и автоматизации задач

🔗Скидка 25% действует 48 часов

Awesome Math — огромная подборка материалов по математике в одном репозитории.

Там собраны Khan Academy, MIT OpenCourseWare, конспекты лекций, учебники и другие бесплатные материалы по разным разделам математики.

Проект живой и довольно популярный: сейчас у него больше 16 тысяч звёзд на GitHub.

https://github.com/rossant/awesome-math

👉 @PythonPortal

Замыкания в Python: Динамика переменных

Что выведет код? 🪑

✈️ Python Ninja

«Transformer с полной пропускной способностью»

Обычно Transformer передаёт на следующий шаг только выбранный токен, хотя сама модель только что вычислила гораздо более богатое скрытое состояние.

В этой работе скрытое состояние тоже подаётся обратно в модель. За счёт этого она может продолжать внутренне развивать идею, не расписывая всё токен за токеном.

На масштабе 1 млрд параметров подход улучшает результаты в математике, программировании и тестах языковых моделей, добавляя менее 1% к стоимости декодирования.

При этом модель может показывать результаты на уровне моделей, обученных примерно на вдвое большем объёме данных.

https://alphaxiv.org/abs/2608.08888

✈️ Python Ninja

Кто-то сделал детектор, который ловит характерные паттерны ИИ-текста ещё до публикации.

Работает полностью локально: без модели и без подключения к сети. Он проверяет текстовые файлы, отмечает подозрительные шаблоны и просит агента переписать проблемные места. Репозиторий написан на Python и использует только стандартную библиотеку.

GitHub: https://github.com/seyedehsanhadi/sloptrim

✈️ Python Ninja

Как в Python развернуть строку и список одним и тем же кодом.

✈️ Python Ninja

Строки и replace()

Что выведет код 🧠

✈️ Python Ninja

Competitive Programmer’s Handbook — руководство по спортивному программированию.

Книга рассчитана на студентов, которые хотят изучить алгоритмы и, возможно, готовиться к Международной олимпиаде по информатике IOI или Международному студенческому чемпионату по программированию ICPC.

PDF доступен бесплатно.

https://cses.fi/book/book.pdf

✈️ Python Ninja

DeepSeek открыла исходный код полноценного агентного фреймворка для программирования, который бесплатно может заменить тариф Claude Code за $200 в месяц.

→ Здесь всё построено на плагинах: адаптеры моделей, инструменты, журналы сессий и сам цикл агента можно менять через конфигурацию.

→ В основе лежит Cordis — собственная среда плагинов DeepSeek.

→ Локальный веб-интерфейс запускается одной командой:

npx @deepseek-ai/dsh web

→ В репозитории есть полноценная документация по архитектуре и AGENTS.md, написанный специально для того, чтобы агенты сами могли разбираться в кодовой базе.

→ TypeScript, лицензия MIT, пока статус developer preview — ожидаются несовместимые изменения.

https://github.com/deepseek-ai/deepseek-harness

✈️ 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

За один час между прочим 📖

✈️ Python Ninja

«Natural Language Processing and Large Language Models» — новая книга в открытом доступе от Springer, написанная Chengqing Zong, Yang Zhao и Yanjun Ma.

Почти 400 страниц с введением в современную обработку естественного языка и большие языковые модели.

Внутри: нейросети, распределённые представления, языковые модели, Transformers, BERT, GPT, токенизация, классификация тональности, извлечение информации, суммаризация текста, машинное понимание текста, машинный перевод, ответы на вопросы и RLHF.

На мой взгляд, это хороший справочник для тех, кто хочет разобраться в этих темах без слишком высокого порога входа. Я бы сохранил.

https://link.springer.com/book/10.1007/978-981-92-0682-7

✈️ Python Ninja