Создание кортежа из одного элемента в Python

my_tuple = 'single_item'

Здесь my_tuple — это просто строка, а не кортеж. Чтобы создать кортеж из одного элемента, нужно поставить запятую:

my_tuple = 'single_item',

Да, именно так. Без этой «висячей» запятой кортеж не получится. И вот тут синтаксис Python может показаться немного… странным 😑

✈️ Python Ninja

Нашёл настоящую золотую жилу для тех, кто готовится к собеседованиям в FAANG

Complete FAANG Preparation, уже больше 12 тысяч , включает

→ DSA — 450 задач от Love Babbar, лист Striver и лист Apna College
→ Основы Computer Science — ОС, СУБД, SQL, компьютерные сети, ООП
→ Проектирование систем — LLD и HLD
→ Задачи на логику, тесты и головоломки на C++, Python, Java и JavaScript

Один репозиторий, и в нём практически всё, что нужно

https://github.com/AkashSingh3031/The-Complete-FAANG-Preparation

✈️ Python Ninja

Учим Git как игру: настольное приложение «Git It»

Удобный способ перестать бояться терминала настольное приложение «Git It» на Electron обучает Git и GitHub через серию интерактивных миссий. Никаких лекций: коммиты, ветки и репозитории осваиваются прямо на твоём компьютере шаг за шагом

Локальная версия популярного курса Git It, поэтому всё работает офлайн и без лишних настроек. Отличный вариант для новичков и тех, кто хочет быстро освежить базу в формате «сделал и увидел результат» 💪

☝️ Ссылка источник

✈️ Python Ninja

Логика условий: кто ты по параметрам

Что выведет код 😪

✈️ Python Ninja

Нужно быстро удалить фон с изображения?

rembg — инструмент с открытым исходным кодом для удаления фона. Его можно использовать через командную строку, как Python-библиотеку, HTTP-сервер или запускать в Docker.

Подходит как для обработки отдельных изображений, так и для больших пакетов.

https://github.com/danielgatis/rembg

✈️ Python Ninja

Откопал полезный репо «Сборник ресурсов для специалистов по кибербезопасности и пентестинга»

Эта коллекция — кладезь инструментов, тактик и знаний. Здесь собраны скрипты утилиты, техники атаки и защиты а также актуальные шпаргалки и гайды для проведения тестов на проникновение и анализа уязвимостей

Ставь лайк и хватай этот клад ❤️

☝️ Ссылка источник

✈️ Python Ninja

Недавние изменения в подходе CMU к преподаванию с учётом ИИ выглядят довольно показательно.

Преподаватели университетов начали принимать новую реальность: студенты всё равно будут использовать ИИ, поэтому сами курсы приходится перестраивать под это.

На курсах по программированию постепенно снижается акцент на том, чтобы писать большие объёмы кода полностью с нуля. Вместо этого больше внимания уделяют планированию, проектированию систем, тестированию и ревью кода.

Ассистенты преподавателей даже проводят прямые собеседования со студентами, где нужно объяснить, как именно был сделан проект и почему были выбраны именно такие решения.

Выводы из курса «Effective Coding With AI» тоже довольно интересные.

Постепенно проверять работу, валидировать результаты и осознанно сравнивать разные модели.

В итоге преподаватель заметил, что больше всего научились те студенты, которые «не позволяли ИИ думать за них».

Возможно, это одно из самых очевидных изменений после прихода ИИ в образование.

Раньше в заданиях в основном смотрели на то, «получил ли ты правильный результат».

В будущем гораздо важнее будет то, можешь ли ты объяснить процесс, оценить результат работы ИИ, заметить ошибки, а затем самостоятельно принять решение.

Разумеется, понимать код всё ещё необходимо. Но то, «сколько строк ты написал вручную», постепенно теряет тот вес, который имело раньше.

✈️ Python Ninja

Переопределение методов и ошибка сигнатуры в наследовании

Что выведет код? 🤤

✈️ Python Ninja

Наткнулся на полезный гайд на Хабре — «Парсинг на Python: варианты обхода антибот защиты»

Коротко: автор объясняет, как уменьшать вероятность блокировок (ротация прокси, управление сессиями и заголовками, имитация «человеческого» поведения) и когда стоит подключать антикапча-сервисы

Полезный чек-лист при проектировании устойчивых парсеров 👍

☝️ Ссылка источник

✈️ Python Ninja

От машинного обучения и визуализации данных до временных рядов и финансовых данных.

В одном репозитории собрано 920 открытых проектов на Python, разбитых на 34 категории.

Хорошая подборка, если хочется быстро находить проверенные библиотеки и инструменты для ML, анализа данных и смежных задач, а не искать всё по GitHub вручную.

https://github.com/lukasmasuch/best-of-ml-python

✈️ Python Ninja

Шпаргалка по очистке данных с Pandas

Быстрый гид по работе с данными: загрузка, обработка пропусков, удаление дублей, фильтрация, группировка и сохранение результата

Всё самое нужное для чистки датасета в одном месте ❤️

✈️ Python Ninja

Бесплатный инструмент для круглосуточного наблюдения за пожилыми пациентами в больницах.

Называется Real-Time Elderly Fall Detection System.

Система продолжает отслеживать человека, даже если часть тела скрыта мебелью.

→ Определяет положение важных суставов вроде коленей и лодыжек, даже когда их не видно
→ Отличает настоящее падение от похожих движений
→ Работает на обычном процессоре, достаточно Python и run.py

Но есть важный нюанс: это проект одного разработчика с одним коммитом и без лицензии. Пока это ранний прототип, а не проверенная система безопасности.

Полностью открытый исходный код.

✈️ Python Ninja

Ловушка изменяемого аргумента по умолчанию

Что выведет код 😎

✈️ Python Ninja

NVIDIA выложила в открытый доступ модель, которая восстанавливает размытые и неполные 3D-сканы, даже если нужные ракурсы вообще не были сняты.

По сути, это автоматический «ремонт» 3D-сцены.

ArtiFixer использует видеодиффузию, чтобы сгенерировать недостающие ракурсы камеры, а затем заново реконструирует сцену по полученным кадрам.

— работает до 70 раз быстрее
— восстановление занимает всего 1–4 шага
— превосходит предыдущие лучшие методы примерно на 3 дБ
— можно управлять результатом обычными текстовыми запросами

Модель доступна здесь:

https://huggingface.co/nvidia/ArtiFixer

✈️ Python Ninja

Вайбкодим «Полный путь разработки AI-агентов: от MCP до Agentic RAG»

Образовательная программа на Stepik по разработке современных AI-агентов.

Начинаем с Model Context Protocol: создаём MCP-серверы, подключаем инструменты и внешние API, а затем переходим к разработке Agentic RAG-систем с памятью, рассуждением, поиском знаний и оценкой качества.

• Model Context Protocol и MCP-серверы
• LangChain, LangGraph, LlamaIndex
• API, инструменты, ресурсы и промпты
• Классический RAG → Agentic RAG
• ReAct, память и планирование
• Графы знаний и свои инструменты
• Трассировка и подготовка к production

Успей, скидка 20% действует 48 часов

↗️ Начать обучение на Stepik

Utopia — открытая система для хранения корпоративных знаний с учётом времени.

Главная особенность в том, что факты в ней не просто перезаписываются. У каждой записи есть период действия. Когда информация меняется, старая версия сохраняется, а новая начинает действовать с указанной даты.

За счёт этого можно посмотреть состояние базы знаний на любой момент времени: кто за что отвечал, какие правила действовали, какие данные считались актуальными.

Каждый факт также связан с конкретным фрагментом исходного документа, из которого он был получен.

По архитектуре всё довольно просто: один исполняемый файл и PostgreSQL. Без Elasticsearch, отдельной векторной базы и очереди сообщений.

Можно разворачивать локально, в том числе в изолированной сети, и подключать свою модель.

https://github.com/deeplethe/utopia

✈️ Python Ninja