TTE | вычурные эффекты для CLI

Забавная библиотека, которая точно сделает вывод вашего Py-скрипта веселее. Поддерживает цветовую схему RGB, градиенты, кривые, сглаживание эффектов и многое другое.

https://github.com/ChrisBuilds/terminaltexteffects
@python_be1
https://github.com/ChrisBuilds/terminaltexteffects

Taipy | Веб-приложения для ML

Неплохой аналог Streamlit, если вам надо красиво показать результаты машинного / статистического обучения. В англоязычном гайде разобрали, как визуализировать результаты моделей scikit-learn, как завязать визуализацию на той или иной модели.

https://taipy.io/blog/build-interactive-data-apps-of-scikit-learn-models-using-taipy
@python_be1
https://taipy.io/blog/build-interactive-data-apps-of-scikit-learn-models-using-taipy

🖥 Дроиды и питоны: как работать с ADB быстрее и проще

У нас вышла новая статья, в которой рассматривается как работать с ADB через python.

Если вы — разработчик или тестировщик приложений для Android, просто обычный программист или юзер — то вы попали по адресу.

Перед тем как начать, стоит понять, почему именно Python.

Python — один из моих любимых языков программирования. Простой и читаемый синтаксис, в последних версиях наблюдается увеличение оптимизации и производительности, а также добавления разных фич — например в Python 3.10 была добавления конструкция match-case.

https://habr.com/ru/articles/821781/
@python_be1
https://habr.com/ru/articles/821781/

Более 100 вопросов с собеседования Python. Разбор реальных вопросов.
@python_be1
https://uproger.com/bolee-100-voprosov-s-sobesedovaniya-python-razbor-realnyh-voprosov/

Discovering Preference Optimization Algorithms with and for Large Language Models

Нейросети теперь обучают сами себя — исследователи попросили большие языковые модели (LLM) найти лучшие способы оптимизации своей работы.

В результате ИИ разработал новый подход под названием DiscoPOP.

Этот метод повышает производительность нейросети в суммировании, генерации и выполнении задач. Команда опубликовала код подхода, а также процесс, который позволяет LLM самообучаться.

Полностью автономные ИИ-исследователи, которые могут улучшать свои способности самостоятельно, уже не за горами.

https://github.com/SakanaAI/DiscoPOP
@python_be1
https://github.com/SakanaAI/DiscoPOP

Вышел NumPy 2.0.0. Самые значительные обновления с 2006 года для Python разработчиков
@python_be1
https://uproger.com/vyshel-numpy-2-0-0-samye-znachitelnye-obnovleniya-s-2006-goda-dlya-python-razrabotchikov/

🐍✍ Сборник задач LeetCode с решениями на Python

На Java тоже есть, если вдруг нужно

Внутри репозитория лежат решения задач из различных категорий LeetCode, включая массивы, строки, деревья, графы и др. Всё структурировано по номерам задач, что облегчает навигацию и поиск нужного решения.

https://github.com/qiyuangong/leetcode
@python_be1
https://github.com/qiyuangong/leetcode

Определяем тип изображения с помощью Python

Предположим, вам предоставлен файл типа изображения, и вам нужно определить тип этого файла. Проще говоря, вам нужно получить расширение этого файла типа изображения. Это можно использовать в проекте, чтобы проверить, действительно ли запрошенное вами изображение является изображением и с каким расширением оно поставляется.

https://www.geeksforgeeks.org/determine-type-image-python-using-imghdr/
@python_be1
https://www.geeksforgeeks.org/determine-type-image-python-using-imghdr/

⚡ BM25 библиотека быстрого лексического поиска!

BM25 —семейство функций ранжирования документов, которые оценивают число ключевых запросов в каждом из документов.

🏎 В 500 раз быстрее, чем самая популярная библиотека Python lib, соответствует.

🤗 Первая библиотека BM25, напрямую интегрированная с
huggingface.

pip install bm25s

https://github.com/xhluca/bm25s
@python_be1
https://github.com/xhluca/bm25s

​​WeasyPrint | скриншоты веб-страниц

Если вам тоже надоело, что нашпигованные сайты не дают сделать нормальные скриншоты длинных страниц браузерными расширениями, эта библиотека поможет. Она работает не на рендеринг движках вроде WebKit или Gecko, а на нескольких инструментах.

https://github.com/Kozea/WeasyPrint
@python_be1
https://github.com/Kozea/WeasyPrint

​​Python в Excel: обзор от разработчика

https://www.xlwings.org/blog/my-thoughts-on-python-in-excel
@python_be1
https://www.xlwings.org/blog/my-thoughts-on-python-in-excel

Что выведет код ?
@python_be1

Добрый день .Можно питоном сделать выбор в ячейке? Нужно заполнить и сохранить.
@python_be1

Выпущен Python 3.12.4!
Я рад объявить о выпуске Python 3.12.4:

Скачать: https://www.python.org/downloads/release/python-3124

🔥 Python 3.12 – это новейшая основная версия языка, содержащая множество новых функций и оптимизаций, содержащая более 250 исправлений ошибок, улучшений сборки и изменений в документации.

Основные новые возможности серии 3.12 по сравнению с версией 3.11

Новые возможности
– Более гибкий синтаксический анализ f-строк, позволяющий выполнять многие функции, которые ранее были запрещены (PEP 701).
– Поддержка протокола buffer в коде Python (PEP 688).
– Новый API для отладки/профилирования (PEP 669).
– Поддержка изолированных подинтерпретаторов с отдельными глобальными блокировками интерпретатора (PEP 684).
– Улучшены сообщения об ошибках. Добавлено больше исключений, которые могут быть вызваны опечатками, теперь предоставляют пользователю рекомендации.
Поддержка Linux perf profiler для отображения имен функций Python в трассировках.
Множество крупных и мелких улучшений производительности (например, PEP 709 и поддержка бинарного оптимизатора BOLT), что позволило повысить общую производительность примерно на 5%.

https://uproger.com/vypushhena-novaya-versiya-python-3-12-4/
@python_be1
https://uproger.com/vypushhena-novaya-versiya-python-3-12-4/

‍🌟 Эти 94 строки кода — всё, что нужно для обучения нейросети

Всё остальное — просто для повышения эффективности и т.д.

Это код engine.py из проекта Micrograd.
Micrograd – это небольшая реализация нейронной сети от Карпати, написанная на чистом Python без библиотек, в которой вычислительными единицами выступают не векторы и матрицы, а скалярные величины.

Micrograd представляет из себя комбинацию нескольких взаимодополняющих частей:
— небольшого построителя и оценивателя выражений на основе графа;
— автоматической дифференциации в обратном режиме для того же самого графа вычислений;
— строительных блоков нейронной сети для многослойного перцептрона

🖥 Код со скрина из micrograd: https://github.com/karpathy/micrograd/blob/master/micrograd/engine.py
🟡 Пошаговое создание micrograd: https://www.youtube.com/watch?v=VMj-3S1tku0
🟡 Пост Андрея Карпати в X: https://x.com/karpathy/status/1803963383018066272
@python_be1
https://youtu.be/VMj-3S1tku0
https://github.com/karpathy/micrograd/blob/master/micrograd/engine.py