Как мы решали вопрос многоязычности в боте

Ранее в статье Как мы запускали серьезный проект в Telegram я рассказал общую информацию о моем телеграм-бот проекте World for Life Bot

В этой статье я поделюсь опытом реализации многоязычности, расскажу о принципах выбора языков, которыми я руководствовался, технических аспектах реализации и принятых решениях.

https://habr.com/ru/articles/785582/

#python

👉 @python_real

Возможности для молодых людей в «Алабуге»

В особой экономической зоне «Алабуга» активно развивается лидерская программа «100 Лидеров». В ней могут поучаствовать молодые специалисты от 19 до 29 лет.

У участников есть возможность познакомиться с топ-менеджерами компании, поиграть в бизнес-игры, пройти собеседования с реальным шансом трудоустройства в компанию «Алабуга».

Питание и проживание за счет компании.

Работа в «Алабуге» - это зарплата от 78 до 200 тысяч рублей и участие в реализации проектов мирового уровня.

Следующий поток - с 28 по 31 октября!
Заявку можно подать на сайте.

Параллелизм, конкурентность и AsyncIO в Python — на примерах

Эта статья рассматривает, как ускорить операции, ограниченные процессором (CPU-bound) и вводом-выводом (IO-bound), с помощью многопроцессорности, многопоточности и AsyncIO.

# tasks.py

import os
from multiprocessing import current_process
from threading import current_thread

import requests


def make_request(num):
    # io-bound

    pid = os.getpid()
    thread_name = current_thread().name
    process_name = current_process().name
    print(f"{pid} - {process_name} - {thread_name}")

    requests.get("https://httpbin.org/ip")


async def make_request_async(num, client):
    # io-bound

    pid = os.getpid()
    thread_name = current_thread().name
    process_name = current_process().name
    print(f"{pid} - {process_name} - {thread_name}")

    await client.get("https://httpbin.org/ip")


def get_prime_numbers(num):
    # cpu-bound

    pid = os.getpid()
    thread_name = current_thread().name
    process_name = current_process().name
    print(f"{pid} - {process_name} - {thread_name}")

    numbers = []

    prime = [True for i in range(num + 1)]
    p = 2

    while p * p <= num:
        if prime[p]:
            for i in range(p * 2, num + 1, p):
                prime[i] = False
        p += 1

    prime[0] = False
    prime[1] = False

    for p in range(num + 1):
        if prime[p]:
            numbers.append(p)

    return numbers

https://testdriven.io/blog/python-concurrency-parallelism/

#python

👉 @python_real

Ваши генераторные выражения сломаны: чиним и разбираемся

Всем привет! Меня зовут Ефимов Михаил, я профессиональный разработчик с 2010 года и начинающий contributor в CPython.

Итак, название статьи говорит, что генераторные выражения сломаны. О чем вообще речь? Посмотрим на такой код, не содержащий никаких import:

g = (x for x in range(10))
g.gi_frame.f_locals['.0'] = range(20)
list(g)

https://habr.com/ru/articles/853864/


#python

👉 @python_real

Ускоряем анализ данных в 170 000 раз с помощью Python

В статье «Ускоряем анализ данных в 180 000 раз с помощью Rust» показано, как неоптимизированный код на Python, после переписывания и оптимизации на Rust, ускоряется в 180 000 раз. Автор отмечает: «есть множество способов сделать код на Python быстрее, но смысл этого поста не в том, чтобы сравнить высокооптимизированный Python с высокооптимизированным Rust. Смысл в том, чтобы сравнить "стандартный-Jupyter-notebook" Python с высокооптимизированным Rust».

Возникает вопрос: какого ускорения мы могли бы достичь, если бы остановились на Python?

https://sidsite.com/posts/python-corrset-optimization/

#python

👉 @python_real

Python Debugging Handbook - Как отлаживать код на Python

В этом уроке мы углубимся в основы отладки кода на Python. Мы рассмотрим типичные сообщения об ошибках, привлечем сообщество и используем оператор print для поиска и исправления проблем. Основная цель — найти и устранить ошибки в вашем коде, а ключ к успешной отладке заключается в системном подходе.

https://www.freecodecamp.org/news/python-debugging-handbook/

#python

👉 @python_real

Основы работы с декораторами Python

В этом уроке по декораторам Python вы узнаете, что они собой представляют, как их создавать и использовать. Декораторы предоставляют простой синтаксис для вызова функций более высокого порядка.
По определению, декоратор - это функция, которая принимает другую функцию и расширяет поведение последней, не изменяя ее в явном виде. Звучит запутанно, но все станет понятнее после того, как вы увидите несколько примеров работы декораторов.

https://realpython.com/primer-on-python-decorators/

#python

👉 @python_real

В поиске собственных значений (матриц)

Как найти собственные числа и собственные значения матрицы? Методы, излагаемые в курсе линейной алгебры, основанные на определении — применимы ли они к реальным данным? Существует ли простой алгоритм поиска этих величин, который можно понять, а не просто поверить?

https://habr.com/ru/companies/ruvds/articles/845652/

#python

👉 @python_real

Лучшие практики структурирования проекта Django

В этой статье я расскажу вам о шаблоне, который я создал для своих Django-проектов. Он использует лучшие практики и позволит вам создавать Django-проекты по промышленным стандартам.
Вместо того чтобы бороться со структурами своих Django-проектов. Вместо этого потратьте свою энергию на создание интересных функций.

https://itnext.io/best-practices-for-structuring-a-django-project-23b8c1181e3f

#python

👉 @python_real

Сборщик мусора CPython и его влияние на производительность приложения

В прошлом я уже публиковал детальный разбор кода сборщика мусора CPython, однако стоит также дать более высокоуровневое объяснение механизмов управления памятью в CPython, не затрагивая сам код. Этому и будет посвящена данная статья. Статья в основном будет посвящена циклическому сборщику мусора (GC), как и когда он запускается и его влиянию на производительность приложений.

https://habr.com/ru/companies/beget/articles/860406/

#python

👉 @python_real

YAML: The Missing Battery in Python

https://realpython.com/python-yaml/

#python

👉 @python_real

Python больше не король Data Science

Если вы читаете это, то, скорее всего, Python — ваш основной язык, когда речь заходит о Data Science. И, честно говоря, с этим трудно спорить. Python долгое время оставался королем в мире Data Science благодаря своим отличным библиотекам, таким как Numpy, Pandas и scikit-learn.

Однако если что-то всегда было на вершине, это не значит, что оно будет в безопасности там вечно. Вы слышите шепот, замечаете появление новых языков — и, возможно, начинаете задумываться:

https://blog.stackademic.com/is-python-still-the-king-of-data-science-476f1e3191b3

#python

👉 @python_real

Мое путешествие в мир машинного обучения: идеальная дорожная карта для начинающих

Мое путешествие в мире машинного обучения было далеко не традиционным. Я начал с проектного подхода, сосредоточив внимание на проектах, а не на теории. Этот метод «сначала код, потом теория» помог мне изучать машинное обучение на практике.

Я лучше всего учусь из необходимости. Когда я сталкиваюсь с задачей, я нахожу ресурсы, изучаю их и сразу приступаю к действию. Такой подход «учись по ходу» позволяет мне оставаться практичным и сосредоточенным на своих карьерных целях.

https://medium.com/@ashujha44/my-machine-learning-journey-perfect-roadmap-for-beginners-78208c47fb92

#python

👉 @python_real

Excel никуда не денется, давайте автоматизируем его парсинг

В этом руководстве я поделюсь тем, как я создал простую функцию, которая находит и извлекает таблицы из неаккуратных файлов Excel с использованием Python и Pandas. И что самое лучшее, вы можете адаптировать этот метод для работы с Polars или любой другой библиотекой для работы с DataFrame.

https://blog.det.life/excel-isnt-going-anywhere-so-let-s-automate-parsing-it-e60273335a0c

#python

👉 @python_real

Python 3.13: классные новые функции, которые стоит попробовать

Python 3.13 был выпущен 7 октября 2024 года. Эта новая версия является значительным шагом вперёд для языка, хотя многие из самых крупных изменений происходят "под капотом" и не будут сразу видны вам.

В каком-то смысле, Python 3.13 закладывает основу для будущих улучшений, особенно в области производительности языка. По мере того, как вы продолжите читать, вы узнаете больше о контексте этих изменений и познакомитесь с некоторыми новыми функциями, которые уже доступны.

https://realpython.com/python313-new-features

#python

👉 @python_real

Очистка и предварительная обработка текстовых данных в Pandas для задач обработки естественного языка (NLP)

Очистка и предварительная обработка данных — это сложный, но важный этап при создании решений в области ИИ и машинного обучения. Текстовые данные не являются исключением. Этот учебник предлагает подходы к подготовке текстов для задач NLP, таких как решения языковых моделей (LMs). Используя pandas DataFrame, вы сможете эффективно подготавливать текст для последующей обработки моделями и алгоритмами NLP.

https://www.kdnuggets.com/cleaning-and-preprocessing-text-data-in-pandas-for-nlp-tasks

#python

👉 @python_real

Тестовое собеседование на Middle Python-разработчика в четверг

5 декабря(в четверг) в 19:00 по мск приходи онлайн на открытое собеседование, чтобы посмотреть на настоящее интервью на Middle Python-разработчика.

Как это будет:
1. Карим, Team lead в Чойс, ex-Kaspersky будет задавать реальные вопросы и задачи разработчику-добровольцу
2. Карим будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью
3. В конце можно будет задать любой вопрос Кариму

Что узнаешь на прямом эфире от ШОРТКАТ:
• Чего ждут от кандидатов на Middle позиции в Python-разработке
• Какие вопросы задают на интервью и зачем
• Как подготовиться к собесу, чтобы получить оффер

Переходи в нашего бота, чтобы получить ссылку на эфир → @shortcut_python_bot

Реклама. ООО "ШОРТКАТ", ИНН: 9731139396, erid: 2VtzqvTesKW

Как читать пользовательский ввод с клавиатуры в Python

Это новый подробный туториал от Real Python. Статья объясняет, как считывать ввод пользователя с клавиатуры при помощи функции input(). Она рассматривает такие темы, как:
▪️считывание различных типов данных,
▪️обработка ошибок,
▪️ чтение нескольких вводов от пользователя.

Также обсуждается защита чувствительных данных с использованием модуля getpass и автоматизация проверки ввода с помощью PyInputPlus.

https://realpython.com/python-keyboard-input/

#python

👉 @python_real

15 репозиториев Python на GitHub, которые должен знать каждый разработчик 2024

https://favtutor.com/articles/github-repositories-python/

👉 @python_real

8 лучших инструментов Python для работы с изображениями

Хотите извлечь базовые данные из изображений? В этой статье перечислены некоторые из лучших инструментов Python для работы с изображениями, которые помогают преобразовывать изображения.

https://www.kdnuggets.com/2022/11/8-best-python-image-manipulation-tools.html

👉 @python_real

Writing Robust Tests for Data & Machine Learning Pipelines

https://eugeneyan.com/writing/testing-pipelines/

👉 @python_real