Когда-то Линус Торвальдс отказался от возможности, о которой сегодня мечтали бы очень многие.

Примерно в 2000 году Стив Джобс пригласил Линуса в кампус Apple в Купертино и попытался переманить его к себе.

Предложение было простым: Unix для огромной аудитории Apple.

Но была одна проблема. Джобс хотел, чтобы Линус прекратил работать над Linux.

Линуса это не заинтересовало. Он хотел продолжать развивать ядро, которое начал писать ещё студентом, а подход Apple к OS X на основе Mach его не впечатлял.

В итоге он дал Джобсу простой ответ:

Нет.

В то время Apple всё ещё перестраивала свою операционную систему вокруг технологий, полученных после покупки NeXT. OS X тогда ещё даже не была выпущена публично.

Apple в итоге создала OS X, затем iOS и целую экосистему вокруг миллиардов устройств.

Linux пошёл совсем другим путём. Он стал основой Android, фундаментом огромной части интернета и стандартной операционной системой для суперкомпьютеров по всему миру.

Линус мог провести карьеру, помогая Apple строить её Unix-будущее.

Но вместо этого он выбрал Linux.

И где-то в альтернативной реальности Линус Торвальдс — сотрудник Apple.

Очень рад, что мы живём не в этой реальности.

👉 @PythonPortal

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

👉 @PythonPortal

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.

👉 @PythonPortal

Инструмент для извлечения структурированных данных из фотографий чеков с помощью языковых моделей или Tesseract OCR.

https://github.com/bhimrazy/receipt-ocr

Он распознаёт содержимое чека и преобразует его в данные, с которыми уже можно нормально работать в приложении.

👉 @PythonPortal

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

👉 @PythonPortal

Джордан Нанос из SemiAnalysis рассказал, что инженеры OpenAI, которые вместе с ними пролистывали код собственного ядра, сами не понимали построчно, что именно он делает. И это не имело значения, потому что ИИ понимал.

«Это не мусорный код, потому что он работает. Но по сути это буквально сгенерированный ИИ ассемблер, который просто вывален в Gluon — низкоуровневый язык программирования ядер, который они построили поверх Triton и который использует очень интересную модель программирования».

«Суть в том, что парни, которые вместе с нами пролистывали этот код, явно очень хорошо разбирались в железе, очень хорошо понимали концепции всей системы, но при этом вообще не представляли, что конкретно делает это MLA-ядро для DeepSeek, которое они нам показывали».

«Можно идти по коду строка за строкой, и там буквально: нет, не знаю, не знаю».

«Но это не имеет значения. ИИ его понимает, ИИ его тестирует, и результат виден. Он генерирует корректные ядра, которые работают действительно очень хорошо».

«И я думаю, это просто ещё один признак того, что нас ждёт дальше».

«Сам по себе код уже не обязательно должен быть чем-то, что человек обязан глубоко понимать и разбирать, если ИИ знает, как управлять перемещением данных и вычислительными элементами на том железе, которое вы ему дали».

👉 @PythonPortal

🔍Тестовое собеседование на Middle Python с разработчиком из Авито завтра вечером

Уже завтра вечером в 19:00 по мск приходи онлайн на открытое собеседование, чтобы посмотреть на настоящее интервью на Middle Python-разработчика.

Как это будет:
📂 Даня, старший разработчик в Авито, будет задавать реальные вопросы и задачи разработчику-добровольцу
📂 Даня будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью
📂 В конце можно будет задать любой вопрос Дане

Это бесплатно. Эфир проходит в рамках менторской программы от ШОРТКАТ для Python-разработчиков, которые хотят повысить свой грейд, ЗП и прокачать скиллы.

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

Реклама.
О рекламодателе.

Офигеть. Hyper3D выпустила свою модель генерации миров WorldGen, и выглядит это очень мощно.

В отличие от других интерактивных моделей мира, WorldGen может взять всего одно 2D-изображение и на его основе построить полноценную 3D-сцену со встроенными физическими правилами.

И дальше ещё интереснее.

Каждый объект независим. Столы, стулья и небольшие предметы в сцене можно отдельно извлекать, разбивать на самостоятельные 3D-модели, перемещать, заменять или дорабатывать.

Физика встроена прямо в сцену. Модель понимает пространственное расположение объектов и автоматически определяет такие свойства, как столкновения, масса, трение и другие параметры.

Плюс всё это напрямую встраивается в рабочий процесс. Сгенерированные ассеты можно импортировать в Blender, Unity или Unreal Engine и сразу использовать для создания игровых уровней, кинопроизводства, XR-контента и симуляций для обучения роботов и роботизированных манипуляторов.

https://hyper3d.ai/

👉 @PythonPortal

Chrome DevTools обновили для агентов.

Теперь агенты могут сами устанавливать расширения Chrome и тестировать их.

Достаточно установить chrome-devtools-mcp. Внутри уже есть 5 встроенных инструментов для работы с расширениями Chrome.

Дальше агент может использовать скриншоты и клики, сам проходить интерфейс и запускать полностью автоматические UI-тесты.

https://github.com/ChromeDevTools/chrome-devtools-mcp

👉 @PythonPortal

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.

👉 @PythonPortal

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

👉 @PythonPortal

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

👉 @PythonPortal

Дорожная карта для тех, кто хочет стать инженером-робототехником:

• программирование → Python, C++
• математика → линейная алгебра, математический анализ, теория вероятностей
• электроника → датчики, двигатели, системы питания
• встраиваемые системы → микроконтроллеры, операционные системы реального времени, взаимодействие с оборудованием
• теория управления → ПИД-регуляторы, моделирование, устойчивость
• механика → кинематика, динамика, системы автоматизированного проектирования
• Linux → терминал, сети, отладка
• программное обеспечение для роботов → ROS 2
• симуляция → Gazebo, Isaac Sim
• восприятие окружающей среды → компьютерное зрение, лидары, объединение данных с датчиков
• локализация → фильтры Калмана, SLAM
• планирование движения → A*, RRT, построение траекторий
• управление манипуляторами → обратная кинематика, захват объектов
• ИИ для робототехники → обучение с подкреплением
• создание собственных роботов → дроны, роверы, роботизированные руки
• автономность → восприятие → планирование → управление
• запуск на реальном устройстве → периферийные вычисления, ИИ непосредственно на борту
• промышленная робототехника → ПЛК, автоматизация производства

👉 @PythonPortal