🤲 OpenHands: Code Less, Make More

Платформ для ИИ-агентов для разработки программного обеспечения на базе искусственного интеллекта.

Агенты OpenHands могут делать все, что под силу разработчику—человеку: изменять код, запускать команды, просматривать веб-страницы, вызывать API-интерфейсы и даже копировать фрагменты кода из StackOverflow.

▪Инструкция по быстрому запуску (https://github.com/All-Hands-AI/OpenHands#-quick-start)
▪Документация (https://docs.all-hands.dev/)

▪ Github (https://github.com/All-Hands-AI/OpenHands)
@pythonl (https://t.me/pythonl)
@python_be1

‍🔥 AlphaFold 3 — новейшая версия модели искусственного интеллекта на Python от DeepMind и Isomorphic Labs, предназначенная для предсказания структуры и взаимодействий биомолекул, таких как белки, ДНК, РНК и лекарственные вещества.

💡 AlphaFold 3 построена на усовершенствованной архитектуре предыдущей версии (AlphaFold 2) и показывает значительное улучшение точности — до 50% в предсказании взаимодействий различных типов молекул. Это открытие позволяет ученым моделировать сложные молекулярные комплексы для биологических исследований, разработки лекарств и новых методов лечения заболеваний.

Пакет AlphaFold 3 включает в себя все необходимое для теоретического моделирования структуры белка. Для запуска системы необходимо сконфигурировать входной файл JSON (https://github.com/google-deepmind/alphafold3?tab=readme-ov-file#installation-and-running-your-first-prediction), содержащий информацию о белке, например, его идентификатор и аминокислотную последовательность.

Вместе с программным конвейером инференса доступна подробная документация по входным (https://github.com/google-deepmind/alphafold3/blob/main/docs/input.md) и выходным (https://github.com/google-deepmind/alphafold3/blob/main/docs/output.md) данным системы, решению известных проблем (https://github.com/google-deepmind/alphafold3/blob/main/docs/known_issues.md), настройкам производительности (https://github.com/google-deepmind/alphafold3/blob/main/docs/performance.md) и установке с последующим запуском с помощью Docker (https://github.com/google-deepmind/alphafold3/blob/main/docs/installation.md).

Для локального использования понадобится ОС Linux (AlphaFold 3 не поддерживает другие операционные системы) примерно 1 ТB дискового пространства для хранения генетических баз данных (рекомендуется SSD), 64 GB RAM, GPU NVIDIA с Compute Capability 8.0 или выше.
Исходные данные, содержащие 5120 токенов, могут поместиться на одном NVIDIA A100 80 ГБ или одном NVIDIA H100 80 ГБ.

⚠️ Получение параметров модели возможно через подачу заявки (https://forms.gle/svvpY4u2jsHEwWYS6) в Google DeepMind, доступ предоставляется в течении 2-3 дней по итогам рассмотрения обращения.

⚠️ Любая публикация, основанная на результатах, полученных с использованием AlphaFold 3, должна ссылаться на статью «Accurate structure prediction of biomolecular interactions with AlphaFold 3» (https://doi.org/10.1038/s41586-024-07487-w).

⚠️ AlphaFold 3 не является официально поддерживаемым продуктом Google и ее результаты не предназначены, не проверены и не одобрены для клинического использования.

📌Лицензирование: CC-BY-NC-SA 4.0

🟡Техотчет (https://www.nature.com/articles/s41586-024-07487-w)
🟡Demo (https://alphafoldserver.com/welcome)
🖥GitHub (https://github.com/google-deepmind/alphafold3)

@pythonl
@python_be1

👩‍💻 pytorch_sparse (https://github.com/rusty1s/pytorch_sparse) — расширения для PyTorch, предназначенные для эффективной обработки разреженных тензоров, что актуально для графовых нейронных сетей и других задач с редкими данными.

🌟 Библиотека включает оптимизированные операции над разреженными тензорами, такие как умножение матриц и индексирование. Она широко используется в задачах, требующих обработки графов и сетевых данных, и поддерживает CUDA для ускорения на GPU.

🔐 Лицензия: MIT

🖥 Github (https://github.com/rusty1s/pytorch_sparse)

@pythonl
@python_be1

100 команд Linux. Это база! Дарим 3 лучшие книги по Linux подписчикам!
https://youtu.be/FP8UwvEe3Cs
@python_be1
https://youtu.be/FP8UwvEe3Cs

📞 Небольшой курс (https://linuxhandbook.com/nano/#what-will-you-learn) по работе с редактором Nano!

💡 Nano — простой редактор для работы в терминале Linux. В этом курсе объясняются основные команды для открытия файлов, редактирования текста, сохранения и выхода из редактора, а также представлены горячие клавиши для таких действий, как поиск и замена текста. Редактор удобен для новичков благодаря простоте использования и подсказкам на экране

🔗 Ссылка: *клик* (https://linuxhandbook.com/nano/#what-will-you-learn)

@linuxacademiya
@python_be1

Анатомия скама. Исследование онлайн-мошенничества
@python_be1
https://uproger.com/anatomiya-skama-issledovanie-onlajn-moshennichestva/

🔍 Наглядное сравнение производительности нескольких языков программирования при выполнении 1 млрд итераций в цикле!

<i>Разработчики на C: Не волнуйтесь. Если вы включите оптимизатор, все пойдет как по маслу.</i>
@python_be1

🤖 CrewAI: платформа для управления ролевыми играми автономных агентов с искусственным интеллектом. Развивая совместный интеллект, CrewAI позволяет агентам слаженно работать вместе, решая сложные задачи.

🖥 GIthub (https://github.com/crewAIInc/crewAI)
⭐️ Docs (https://docs.crewai.com/)
@pythonl (https://t.me/pythonl)
@python_be1

Крутая шпаргалка по Machine Learning

На одной картинке - самое важное из мира машинного обучения.

На ней ключевые направления:

⭐ Регрессия (OLS, SVM, Random Forest)
⭐ Классификация (Naive Bayes, Decision Tree, нейронки)
⭐ Кластеризация (K-Means, DBSCAN)
⭐ Компьютерное зрение (CNN, YOLO, GANs)
⭐ NLP/LLM (GPT, BERT, Word2Vec)
⭐ Рекомендательные системы, Прогнозирование
@python_be1

👩‍💻 pandas-datareader (https://github.com/pydata/pandas-datareader?tab=readme-ov-file) — библиотека для получения финансовых и экономических данных из различных удалённых источников и API, таких как Yahoo Finance, FRED, и World Bank! Это расширение для библиотеки pandas, которое упрощает доступ к данным для анализа.

💡 Основные функции — чтение данных из множества Интернет-источников и кэширование запросов для оптимизации производительности. Библиотека поддерживает Python версии 3.6 и выше и регулярно используется в исследовательской и аналитической среде для работы с временными рядами и финансовыми данными

🔐 Лицензия: BSD-3-Clause

🖥 Github (https://github.com/pydata/pandas-datareader)

@pythonl
@python_be1

👩‍💻 Odoo (https://github.com/odoo/odoo?tab=readme-ov-file) — большая платформа на Python с открытым исходным кодом для управления бизнес-процессами, включающую множество модулей для управления продажами, складом, бухгалтерией, проектами, CRM и другими аспектами! Odoo разработан как ERP-система, которую можно расширять и адаптировать под различные бизнес-потребности.

🔐 Лицензия: LGPLv3

🖥 Github (https://github.com/odoo/odoo?tab=readme-ov-file)

@pythonl
@python_be1

👩‍💻 mongoengine (https://github.com/MongoEngine/mongoengine) — Python-библиотека для работы с базами данных MongoDB, предоставляющая объектно-документный маппинг (ODM)!

🌟 Она позволяет разработчикам описывать документы в виде Python-классов с типизированными полями, делая работу с MongoDB удобной и похожей на использование ORM в реляционных базах.

🌟 Библиотека поддерживает валидацию данных, вложенные документы, связи между документами и удобные запросы через Python-методы. MongoEngine часто используется в проектах, где требуется сочетание гибкости MongoDB и строгой структуры данных.

🔐 Лицензия: MIT

🖥 Github (https://github.com/MongoEngine/mongoengine)

@data_analysis_ml
@python_be1

🔥 Это — модель компьютера, на которой был разработан UNIX Кеном Томпсоном и Деннисом Ритчи! Сможете ли вы угадать, что это за компьютер?

@linuxacademiya
@python_be1

⚡Легкий способ получать свежие обновления и следить за трендами в разработке на вашем языке. Находите свой стек и подписывайтесь:

Машинное обучение: https://t.me/+J4AzVdLQGbEwOWQy
Python: t.me/pythonl
ИИ/технологии t.me/vistehno
Базы данных: t.me/sqlhub
Data Science: t.me/data_analysis_ml
C#: t.me/csharp_ci
Go: t.me/Golang_google
Хакинг: t.me/linuxkalii
Java: t.me/javatg
Javascript: t.me/javascriptv
React: t.me/react_tg
C++/ t.me/cpluspluc
Devops: t.me/devOPSitsec
Linux: t.me/linuxacademiya
Docker: t.me/DevopsDocker
Rust: t.me/rust_code
PHP: t.me/phpshka
Android: t.me/android_its
Big Data: t.me/bigdatai
Тестирование:https://t.me/+F9jPLmMFqq1kNTMy
Аналитика данных: https://t.me/+mAXY9ppJwitkMDBi
Kubernets: t.me/+vE7jzitan5QzZjVi
1900 разобранных вопросов с собеседований мл t.me/machinelearning_interview
Frontend https://t.me/+U3U3HoZzEglkNDdi
2310 вопросов с python собеседований t.me/python_job_interview
Мобильная разработка: t.me/mobdevelop
Разработка игр: https://t.me/+UQidyqnWfY82NGIy

😆ИТ-Мемы: t.me/memes_prog

🇬🇧Английский: t.me/english_forprogrammers

📕Ит-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy

ИИ: t.me/vistehno

Книги по искусственному интеллекту https://t.me/+2rl907ptiWliYmYy

💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy
Папка Java разработчика: https://t.me/addlist/ZM3J6oFNAnRlNWU6
Папка С# https://t.me/addlist/u15AMycxRMowZmRi
Папка frontend https://t.me/addlist/mzMMG3RPZhY2M2Iy
Бесплатный Chatgpt бот: t.me/Chatgpturbobot
🔥 1935 ГБ ОПЕНСОРС курсов: https://t.me/+1cPKgIcza4Y5NGFi
@python_be1
http://t.me/ai_machinelearning_big_data

👩‍💻 ZIM — инструмент на Python для матирования изображений (image matting), особенно полезный для задач по удалению фонов с изображений, где требуется выделить конкретный объект. Этот процесс включает сегментацию объектов и фона с высокими деталями, что часто используется для редактирования изображений и улучшения контента.

🌟 На практике ZIM использует машинное обучение для точного различения границ объектов, обеспечивая четкость и правильность выделения даже на сложных фонах.

🔐 Лицензия: CC BY-NC 4.0

🖥 Github (https://github.com/naver-ai/ZIM)

@pythonl
@python_be1

🖥 Paramiko (https://github.com/paramiko/paramiko) — библиотека, реализующая протокол SSHv2 на языке Python!

🌟 Эта библиотека предоставляет функциональность как для SSH-клиентов, так и для серверов, включая такие возможности, как удаленное выполнение команд и безопасная передача файлов. Она используется как основа для более высокоуровневых инструментов, таких как Fabric, которые предназначены для автоматизации задач администрирования серверов.

🔐 Лицензия: LGPL-2.1

🖥 Github (https://github.com/paramiko/paramiko)
@pythonl (https://t.me/pythonl)
@python_be1

👩‍💻 Pexpect (https://github.com/pexpect/pexpect) — это библиотека для Python, предназначенная для автоматизации взаимодействия с приложениями через терминал!

🌟 Она предоставляет инструменты для управления дочерними процессами, отправки команд и ожидания определённых ответов, используя концепцию "ожидания" (expect). Это особенно полезно для скриптов, которые должны взаимодействовать с утилитами командной строки, такими как ssh, ftp, scp, telnet, или для автоматизации тестирования в терминале.

🔍 Основные возможности:

🌟 Поддержка регулярных выражений для поиска ожидаемых выходных данных.

🌟 Асинхронная работа (в Python 3.4+).

🌟 Управление вводом-выводом и создание псевдотерминалов (pty), что позволяет эмулировать пользовательский ввод!

🔐 Лицензия: ISC

🖥 Github (https://github.com/pexpect/pexpect)

@python_job_interview
@python_be1

Что выведет код ?
@python_be1

Что выведет код ?
@python_be1