📝 Подборка вакансий для джунов

Младший аналитик
• Python, SQL, Microsoft Excel, Анализ данных, Машинное обучение, Нейронные сети
• от 130 000 ₽ на руки | 1–3 года

Product&Marketing Analyst
• SQL, Python, ClickHouse, Amplitude, A/B тестирование
• от 750 до 1 500 $ на руки | 1–3 года

Разработчик платформы данных (DWH)
• Python, Scala, ETL, Linux, CI/CD, DWH
• Уровень дохода не указан | 1–3 года

👩‍💻 Создаем своё приложение на Python(Tk)

Основы работы с Tkinter: изучаем популярную библиотеку для создания GUI-приложений на Python. В статье пошагово разберем, как разработать простое графическое приложение.

Читать...

⚙️ Что такое dataclasses в Python и зачем они нужны?

dataclasses — это модуль, добавленный в Python 3.7, который упрощает создание классов для хранения данных. Он автоматически генерирует методы, такие как __init__, __repr__, и __eq__, на основе аннотаций типов.

➡️ Пример:

from dataclasses import dataclass

@dataclass
class Point:
    x: int
    y: int

point = Point(10, 20)
print(point)  # Point(x=10, y=20)
print(point == Point(10, 20))  # True

🗣️ В этом примере класс Point автоматически получает методы для удобной работы с объектами, что экономит время и делает код чище.

🖥 Подробнее тут

📝 Подборка вакансий для мидлов

Python Developer
• Python, React, PostgreSQL, pandas, sklearn, NumPy, matplotlib, Git, Casandra
• Уровень дохода не указан | 1–3 года

QA Engineer (Python, SQL)
• Python, SQL, PostgreSQL, REST API, Kafka, TeamCity, Docker, JSON, Git
• Уровень дохода не указан | 1–3 года

Python Developer
• Python, Django, PostgreSQL, Redis, Pandas, NumPy, Celery
• до 250 000 ₽ на руки | 3–6 лет

👩‍💻 Проверка стиля комментариев Python с помощью pre-commit

Инструмент для автоматизации проверки стиля комментариев в коде. Рассматривает форматы PEP 257 и Sphinx, фокусируясь на наиболее распространенных случаях. Ускоряет код-ревью и улучшает качество кода.

Читать...

📝 Подборка вакансий для сеньоров

Python Developer
• Python, Django, SQL, Redis, RabbitMQ, Linux, HTTP, Git
• от 150 000 ₽ на руки | 1–3 года

Senior Python Dev (AI, Big Data, LLM)
• Python, ClickHouse, Time Series, Big Data, AI, LLM, Go
• от 3 000 $ на руки | Более 6 лет

Python Developer/Data Scientist
• Python, Pandas, NumPy, NLP, TensorFlow, Keras, SQL Databases, Docker, REST API
• от 5 500 $ на руки | 3–6 лет

📈 Подборка статей для вашей карьеры

• Мои Red-Flags при устройстве в IT-компании: Как не стать гребцом. Часть 2

• Как строить карьеру в корпорации

• История: работа в чешском Red Hat

• Циничные заметки о карьере в IT от «гейткипера»

• Моя петиция EB-1A на грин-карту талантов, одобренная с первой попытки

👩‍💻 Python + Pygame = Amazing Frogs: создаем крутую головоломку

Готов создать игру, от которой не оторвешься? Давай вместе сделаем Amazing Frogs – убийцу Тетриса на Python! Тут тебе и падающие блоки, и взрывающиеся цвета, и хитрая механика. Запасайся кофе, открывай IDE, и поехали превращать код в игровое безумие!

Читать...

⚙️ Что такое генераторы в Python и зачем они нужны?

Генераторы — это функции в Python, которые возвращают значения по одному с помощью ключевого слова yield, вместо полного возврата всех значений сразу. Они полезны для работы с большими объемами данных, так как сохраняют память, генерируя значения на лету.

➡️ Пример:

# Генератор для получения первых N чисел Фибоначчи
def fibonacci(n):
    a, b = 0, 1
    for _ in range(n):
        yield a
        a, b = b, a + b

# Используем генератор
for num in fibonacci(5):
    print(num)

# Вывод: 0, 1, 1, 2, 3

🗣️ В этом примере генератор fibonacci вычисляет числа по запросу, вместо сохранения всех значений в памяти. Это делает генераторы особенно удобными для работы с потоками данных или бесконечными последовательностями.

🖥 Подробнее тут

⚙️ Разбей и властвуй: как создать кастомный токенизатор в SpaCy

Статья показывает, как создавать кастомные токенизаторы в SpaCy для специфических задач: от разбивки текста по уникальным правилам до обработки экзотических языков программирования. Практические примеры включены.

Читать...

👩‍💻 Разрабатываем первое AI приложение

Статья анализирует роль языка и цифровизации в накоплении и передаче знаний. Обсуждаются вызовы структурирования данных, которые, несмотря на успехи машинного обучения и реляционных баз, всё ещё затрудняют полное понимание накопленной информации.

Читать...

🎲 Играй с параметрами в тестах

Пишешь тесты, но они проверяют только стандартные кейсы? Тогда реальная ошибка однажды проскользнёт мимо.

👉 Совет: добавь случайные значения в тесты. Пусть они генерируют неожиданные данные, граничные значения или даже заведомо неверные вводы. Это помогает находить уязвимости и повышает надёжность кода.

🔎 Подборка зарубежных вакансий

Python-разработчик/AI-Developer
🟢Python, LLM, PPO, RLHF
🟢от 1 000 $ на руки | 1–3 года

Product Analyst
🟢SQL, Python, Tableau, Grafana, A/B Testing
🟢Уровень дохода не указан | 3–6 лет

Senior Data Test Engineer
🟢Python, SQL, ETL, PySpark, Databricks, Selenium, JMeter, Postman
🟢Уровень дохода не указан | Более 6 лет

👩‍💻 Python REST API: Flask, Connexion и SQLAlchemy (часть 1)

Статья из серии посвящена созданию REST API на Flask. Рассматриваются настройка проекта, обработка запросов с Connexion, определение конечных точек через OpenAPI и аннотация API с помощью Swagger UI.

Читать...

👩‍💻 Подсчёт количества слов в строке

Напишите функцию, которая принимает строку и возвращает словарь, где ключами являются слова из строки, а значениями — количество их вхождений. Игнорируйте регистр и знаки препинания.

Пример:

text = "Hello, world! Hello Python world."
result = count_words(text)
print(result)  
# Ожидаемый результат: {'hello': 2, 'world': 2, 'python': 1}

Решение задачи🔽

import re
from collections import Counter

def count_words(text):
# Убираем знаки препинания и приводим к нижнему регистру
words = re.findall(r'\b\w+\b', text.lower())
# Подсчитываем количество вхождений каждого слова
return Counter(words)

# Пример использования:
text = "Hello, world! Hello Python world."
result = count_words(text)
print(result)
# Ожидаемый результат: {'hello': 2, 'world': 2, 'python': 1}

👩‍💻 Создание RESTful API с помощью Django и Django REST Framework

Наша сегодняшняя цель - подробно разобраться в процессе создания REST API с использованием Django и Django REST Framework, разбираясь в каждом шаге и его значение. Мы также рассмотрим, почему создание API важно и как это может быть полезно в ваших будущих проектах.

Читать...

👩‍💻 Оптимизация запросов в DjangoORM: когда и как использовать Raw SQL

В рамках данной темы будут рассмотрены способы оптимизации запросов в DjangoORM. Основное внимание будет уделено использованию сырых SQL запросов, существующих для этого инструментов, преимуществам и недостаткам.

Читать...

👩‍💻 Обратный индекс слов в тексте

Напишите функцию, которая принимает текст и возвращает словарь, где ключами являются слова из текста, а значениями — список индексов строк, в которых эти слова встречаются.

Пример:

text = """Python is great.
           JavaScript is also great.
           Python is popular."""
result = word_index(text)
print(result)
# Ожидаемый результат:
# {
#   'python': [0, 2],
#   'is': [0, 1, 2],
#   'great': [0, 1],
#   'javascript': [1],
#   'also': [1],
#   'popular': [2]
# }

Решение задачи🔽

def word_index(text):
from collections import defaultdict
import re

index = defaultdict(list)
lines = text.splitlines()

for i, line in enumerate(lines):
words = re.findall(r'\b\w+\b', line.lower())
for word in words:
if i not in index[word]:
index[word].append(i)

return dict(index)

# Пример использования:
text = """Python is great.
JavaScript is also great.
Python is popular."""
result = word_index(text)
print(result)

🔎 Подборка вакансий для джунов

Разработчик операций AI, Python/React (удаленно)
🟢Python, React, PostgreSQL, Aiogram, GPT, CRM, Digital Marketing
🟢от 800 до 1 300 $ до вычета налогов | 1–3 года опыта

Python-разработчик
🟢Python, Django, Git, Docker, REST API, PostgreSQL, MySQL, ORM, Linux
🟢от 40 000 до 80 000 ₽ на руки | 1–3 года опыта

Junior/Middle Python Developer
🟢Python, FastAPI, MySQL, Docker, REST API, Celery, Redis, RabbitMQ, Linux, Git
🟢до 800 $ на руки | 1–3 года опыта

👩‍💻 Используем языковые модели в AI-агентах. Часть 1. Введение в LangChain

В статье объясняется, что такое LangChain — фреймворк для работы с большими языковыми моделями (LLM), их интеграцией в приложения и созданием AI-агентов. Рассмотрены базовые компоненты и их применение.

Читать...