Тщательно продумывайте роль ассистента (например, "Будь забавным", "Рассказывай нейтрально").

---

### Перспективы использования

OpenAI GPT отлично подходит для самых разных приложений: виртуальные ассистенты, автогенерация контента, анализ данных, персонализация пользовательского опыта. И главное — с его помощью можно создавать уникальные продукты, используя лишь простые библиотеки Python.

Попробуйте интегрировать GPT в свои идеи, и вы, возможно, будете удивлены, как быстро это вытянет ваш проект на новый уровень!

Разработка приложений реального времени на Python с использованием WebSocket.

---
# Разработка приложений реального времени на Python с использованием WebSocket

Когда дело доходит до разработки приложений реального времени, Python становится настоящим спасителем. Чат-боты, онлайн-игры, биржевые терминалы, системы уведомлений и многое другое — все это требует мгновенного обмена данными между клиентом и сервером. И вот тут в дело вступает WebSocket — мощный протокол, позволяющий передавать данные в режиме реального времени.

Сегодня я расскажу, как настроить и использовать WebSocket в Python, объясняя все на живых примерах. Также познакомлю вас с замечательной библиотекой — websockets, которая делает работу с этим протоколом не только легкой, но и по-настоящему приятной.

---

### Что такое WebSocket и зачем он нужен?

По умолчанию, для передачи данных между клиентом и сервером HTTP использует парадигму "запрос-ответ". Клиент отправляет запрос — сервер отвечает. Однако для приложений реального времени такой подход неэффективен: наличие задержки между запросом клиента и ответом сервера, постоянное создание новых подключений — все это создает избыточную нагрузку.

WebSocket решает эту проблему, устанавливая одно соединение, которое остается открытым на протяжении всей сессии. Клиент и сервер могут свободно общаться друг с другом "на равных", что позволяет мгновенно отправлять данные.

---

### Основы работы с WebSocket на Python

Для начала, давайте настроим простой сервер на websockets. Эта библиотека позволяет создавать легковесные серверы, идеально подходящие для приложений реального времени.

1. Установка библиотеки
Для начала установим модуль:

  
pip install websockets  

2. Пример сервера WebSocket
Вот простой сервер, который отвечает клиенту "Hello, Client!" на каждое принимаемое сообщение:

  
import asyncio
import websockets

async def echo_server(websocket, path):
    async for message in websocket:
        print(f"Received: {message}")
        await websocket.send("Hello, Client!")

start_server = websockets.serve(echo_server, "localhost", 12345)

asyncio.get_event_loop().run_until_complete(start_server)
asyncio.get_event_loop().run_forever()

Этот код делает следующее:
- Создает сервер по адресу localhost:12345.
- Обрабатывает входящие сообщения, отправляя ответ обратно клиенту.
- Сервер всегда находится в состоянии ожидания новых подключений.

3. Пример клиента WebSocket
Теперь напишем клиент, который соединяется с сервером и отправляет сообщение:

  
import asyncio
import websockets

async def echo_client():
    uri = "ws://localhost:12345"
    async with websockets.connect(uri) as websocket:
        await websocket.send("Hello, Server!")
        response = await websocket.recv()
        print(f"Server says: {response}")

asyncio.run(echo_client())

Этот код подключается к серверу, отправляет сообщение и выводит его ответ.

---

### Расширяем функциональность

Теперь давайте немного усложним пример и создадим приложение чата. Сервер будет пересылать сообщения между всеми подключенными клиентами.

1. Сервер чата
На стороне сервера нам нужно хранить всех подключенных пользователей и передавать сообщения каждому из них:

  
connected_clients = set()

async def chat_server(websocket, path):
    connected_clients.add(websocket)
    try:
        async for message in websocket:
            for client in connected_clients:
                if client != websocket:
                    await client.send(message)
    finally:
        connected_clients.remove(websocket)

Этот сервер:
- Хранит активные подключения в connected_clients.
- Отправляет сообщение всем клиентам, кроме отправителя.

2.

Клиент для чата
Клиенты будут отправлять сообщения на сервер и отображать сообщения других пользователей:

  
async def chat_client():
    uri = "ws://localhost:12345"
    async with websockets.connect(uri) as websocket:
        while True:
            user_input = input("You: ")
            await websocket.send(user_input)
            response = await websocket.recv()
            print(f"Friend: {response}")

asyncio.run(chat_client())

Теперь у нас есть полноценное приложение для общения в реальном времени!

---

### Преимущества и ограничения

Почему стоит использовать WebSocket?
- Постоянное соединение.
- Двусторонняя передача данных.
- Низкая задержка.

Однако, несмотря на преимущества, стоит помнить о некоторых ограничениях:
- WebSocket может быть избыточным для приложений, где нет строгих требований к мгновенной передаче данных.
- Управление соединениями требует ресурсов сервера.

---

WebSocket — это невероятный инструмент для создания интерактивных приложений. С помощью Python и библиотеки websockets вы можете буквально за несколько строк кода создавать мощные приложения реального времени. Хотите онлайн-игры, уведомления или системы мониторинга? Все это всего в нескольких строчках кода. Главное — начать экспериментировать!

Создание приложений виртуальной реальности с использованием Python и Unity.

### Создание приложений виртуальной реальности с использованием Python и Unity

Привет, друзья! Виртуальная реальность (VR) уже давно перестала быть чем-то далеким и фантастическим — сегодня создание своих VR-приложений доступно каждому, кто готов немного углубиться в программирование. Сегодня я расскажу, как Python, любимый многими, удивительно гармонично сочетается с Unity, одним из самых популярных инструментов для разработки игр и VR, несмотря на то, что Unity изначально работает с C#. Готовы? Тогда погружаемся в этот технологический мир!

#### Python и Unity: как они работают вместе?

Unity базируется на своем встроенном языке — C#. Python вроде не из их компании, но благодаря специальным библиотекам и подходам они могут подружиться. Одним из самых частых способов интеграции Python и Unity является использование пакета Pythonnet, который позволяет запускать код Python внутри приложений на .NET.

Еще один популярный инструмент — Unity-Python Integration (например, с использованием IronPython или внешних скриптов Python для дополнительной логики). Это помогает Python выступать в роли "мозга" для вашего VR-приложения: он может обрабатывать данные, управлять взаимодействиями и даже использовать мощные библиотеки вроде NumPy для расчётов или OpenCV для обработки изображений.

#### Что может Python в VR?

Python замечательно справляется с такими задачами, как:
- Прототипирование приложений. Хотите быстро обработать данные пользовательского взаимодействия в своей VR-среде? Python спасет.
- Анализ данных: извлечь данные отслеживания движения, распознавание жестов или сбор статистики о взаимодействиях пользователя.
- Генерация контента: например, использовать алгоритмическую генерацию ландшафтов на основе математических моделей в Python.
- Построение систем искусственного интеллекта (AI): подключите машинное обучение с помощью TensorFlow или PyTorch.

#### Как все это воплотить?

Рассмотрим пример интеграции Python и Unity на практике. Пусть мы хотим создать простой VR-прототип, где Python обрабатывает ввод данных, а Unity отображает их в трехмерной среде.

##### 1. Установка Pythonnet
Сначала поставим Pythonnet:

pip install pythonnet

##### 2. Настройка проекта Unity
В Unity создайте проект с 3D-шаблоном и добавьте базовые объекты: например, VR-камеру и пару UI-объектов для отображения данных.

##### 3. Интеграция Python кода
Здесь небольшой скрипт на Python для обработки событий:

import random

def generate_random_coordinates():
    x = random.uniform(-5, 5)
    y = random.uniform(-5, 5)
    z = random.uniform(-5, 5)
    return x, y, z

##### 4. Использование Python-классов в Unity
Далее потребуется написать скрипт C# в Unity для работы с Python-кодом через Pythonnet:

using Python.Runtime;
using UnityEngine;

public class PythonIntegration : MonoBehaviour
{
    void Start()
    {
        using (Py.GIL())
        {
            dynamic pyScript = Py.Import("your_python_script_name");
            var coords = pyScript.generate_random_coordinates();
            Debug.Log($"Coordinates generated by Python: {coords}");
        }
    }
}

Не забудьте сохранить свой Python-скрипт рядом с исполняемым файлом Unity (`your_python_script_name.py`).

##### 5. Запуск в VR
После интеграции вышеописанного кода, добавьте генерацию объектов в Unity на основе координат и запустите всё в VR-среде. Например, можно привязать появление объектов к результатам из функции generate_random_coordinates.

#### Пару советов напоследок

1. Если ваш проект сложный или использует Python для интенсивных расчетов, рассмотрите создание отдельного Python-сервера, который будет взаимодействовать с Unity через API (например, через WebSocket или REST).
2. Unity уже включает в себя плагины для VR, такие как Oculus Integration или SteamVR Plugin, так что смело добавляйте их в проект.

#### Заключение

Python и Unity вместе открывают огромные возможности для творчества.

Используя Python для обработки данных, логики и автоматизации, можно сэкономить время и сосредоточиться на создании увлекательных опытов для пользователей VR. Конечно, потребуется немного усилий для интеграции языков, но результат стоит того. Экспериментируйте, пробуйте новое и заходите в мир VR с Python!

Основы создания чат-ботов на платформах Viber и Messenger.

Основы создания чат-ботов на платформах Viber и Messenger

Сегодня мир все больше переходит в формат общения через мессенджеры, и это открывает огромные возможности для разработчиков. Чат-боты стала неотъемлемой частью клиентского взаимодействия: они консультируют, принимают заказы, развлекают и экономят ресурсы компаний. В этом посте мы разберем ключевые этапы создания чат-ботов для двух популярных платформ — Viber и Messenger — с использованием языка Python. Вас ждут простые примеры и полезные инструменты, которые помогут начать буквально через несколько минут.

### Как это работает?

Чат-бот ведет общение с пользователем через платформу мессенджера. Вы предоставляете ему некий интеллект (например, через заранее заданные сценарии или даже через интеграцию с AI), подключаете его к API мессенджера, и — вуаля! — он готов отвечать на запросы пользователей.

Платформы Messenger и Viber предоставляют официальные API (и SDK), которые позволяют создавать таких ботов. Для работы с ними нужно зарегистрировать своего бота на платформе, получить ключи API и настроить взаимодействие через вебхуки.

---

### Шаг 1. Устанавливаем инструменты

Первое, что вам понадобится для начала разработки, — это Python и несколько популярных библиотек:

1. Flask для создания веб-сервера (хендлеров запросов от платформ).
2. requests для взаимодействия с API.
3. pyngrok для быстрого туннелирования запросов с платформы к вашему локальному серверу.

Установите их с помощью pip:

pip install flask requests pyngrok

Чтобы взаимодействовать с мессенджерами, вам также нужно зарегистрироваться на их платформах (Viber Developers или Facebook Developers), создать приложение и получить токен вашего бота.

---

### Шаг 2. Настройка вебхуков

Оба мессенджера используют вебхуки — это механизмы, которые позволяют платформе отправлять запросы на ваш сервер (например, когда пользователь отправляет сообщение, мессенджер уведомляет ваш сервер через вебхук).

Пример настройки вебхука для Viber:

import requests

viber_token = "YOUR_VIBER_TOKEN"
webhook_url = "https://your-ngrok-url/viber-webhook"

response = requests.post(
    "https://chatapi.viber.com/pa/set_webhook",
    json={"url": webhook_url},
    headers={"X-Viber-Auth-Token": viber_token}
)
print(response.json())

---

### Шаг 3. Создаем бота

Теперь перейдем к коду.

Допустим, мы пишем простого бота, который отвечает на входящие текстовые сообщения "Hello" приветствием.

#### Пример для Viber:

from flask import Flask, request, jsonify

app = Flask(__name__)

@app.route('/viber-webhook', methods=['POST'])
def viber_webhook():
    data = request.json
    message = data.get("message", {}).get("text", "").lower()
    
    if message == "hello":
        reply = {
            "receiver": data["sender"]["id"],
            "min_api_version": 1,
            "sender": {"name": "YourBot"},
            "tracking_data": "tracking_data",
            "type": "text",
            "text": "Hello, human!"
        }
        return jsonify(reply)
    return 'ok', 200

if __name__ == '__main__':
    app.run()

#### Пример для Messenger:
Для Messenger конфигурация чуть сложнее: вам нужно обработать сообщения через Messenger Graph API.

@app.route('/messenger-webhook', methods=['POST'])
def messenger_webhook():
    data = request.json
    for entry in data["entry"]:
        for event in entry["messaging"]:
            if "message" in event:
                sender_id = event["sender"]["id"]
                message_text = event["message"]["text"]
                
                if message_text.lower() == "hello":
                    send_message(sender_id, "Hello, human!")
    return 'ok', 200

def send_message(sender_id, text):
    url = f"https://graph.facebook.com/v15.0/me/messages?access_token=YOUR_PAGE_TOKEN"
    headers = {"Content-Type": "application/json"}
    payload = {
        "recipient": {"id": sender_id},
        "message": {"text": text}
    }
    requests.post(url, json=payload, headers=headers)

---

### Шаг 4. Тестирование

Чтобы быстро протестировать вашего бота, можно использовать Ngrok — он позволяет запустить локальный сервер и предоставить ему публичный HTTPS-URL.

Установите Ngrok и запустите его:

ngrok http 5000

В ответ вы получите ссылку вида https://12345.ngrok.io. Используйте ее, чтобы настроить вебхуки на платформе мессенджера.

---

### Шаг 5. Расширение функционала

Ваш бот может не только отправлять текст. Вы можете добавлять кнопки, изображения, геолокации, карусели и многое другое. Различные платформы в своей документации описывают, как это сделать.

Например, на платформе Viber для создания кнопок достаточно модифицировать JSON-объект ответа:

reply = {
    "receiver": data["sender"]["id"],
    "type": "rich_media",
    "rich_media": {
        "ButtonsGroupColumns": 6,
        "ButtonsGroupRows": 1,
        "Buttons": [
            {
                "ActionType": "reply",
                "ActionBody": "Yes",
                "Columns": 3,
                "Rows": 1,
                "Text": "Yes"
            },
            {
                "ActionType": "reply",
                "ActionBody": "No",
                "Columns": 3,
                "Rows": 1,
                "Text": "No"
            },
        ]
    }
}

---

На основе этих примеров вы можете создавать своих помощников, автоматизировать рутинные процессы и строить масштабные системы. Всё, что вам нужно, — это идея, настройка окружения и немного кода. Удачной разработки!

Как упаковать Python приложение в Docker-контейнер.

Как упаковать Python-приложение в Docker-контейнер

Привет, друзья! Сегодня мы с вами поговорим о том, как упаковать Python-приложение в Docker-контейнер. Что это даст? Конечную версию вашего приложения можно будет запускать на любом сервере (или компьютере) без необходимости устанавливать зависимости и настраивать окружение. Меньше проблем для вас, меньше головной боли для тех, кто будет это приложение деплоить. В общем, звучит прекрасно, правда?

Если вы новичок в Docker — не переживайте, все будет понятно. А самое главное — никакой магии, только четкие шаги и практический пример.

---

### Что такое Docker?

Docker — это инструмент для создания изолированных контейнеров, которые работают как миниатюрные виртуальные машины. В каждом контейнере можно упаковать свое приложение со всеми необходимыми зависимостями. Вы собираете контейнер, отправляете его куда угодно, и он гарантированно будет работать одинаково.

Теперь разберемся, как это применить на практике для Python-приложения.

---

### 1. Открываем проект

Допустим, у вас есть простой скрипт на Python. Создайте новый проект (или используйте существующий). Пусть структура выглядит примерно так:

my_app/
├── app.py
├── requirements.txt

В файле app.py напишем что-то совсем простое, например:

from flask import Flask

app = Flask(__name__)

@app.route('/')
def home():
    return "Hello, Docker!"

А в requirements.txt добавим все зависимости. В нашем случае это только Flask:

Flask==2.2.5

---

### 2. Создаем Dockerfile

Dockerfile — это файл-инструкция для Docker, который говорит, как создать ваш контейнер. В корне проекта создайте файл Dockerfile и добавьте в него следующее:

# Берем базовый образ с Python 3.10
FROM python:3.10-slim

# Указываем рабочую директорию в контейнере
WORKDIR /app

# Копируем файлы проекта в контейнер
COPY requirements.txt requirements.txt
COPY app.py app.py

# Устанавливаем зависимости
RUN pip install --no-cache-dir -r requirements.txt

# Указываем команду для запуска приложения
CMD ["python", "app.py"]

Разберем, что тут происходит:
1. FROM — берем базовый образ с Python (облегченную версию slim).
2. WORKDIR — указываем директорию внутри контейнера, где будет жить наш код.
3. COPY — копируем наши файлы (requirements.txt и app.py) в контейнер.
4. RUN — устанавливаем зависимости.
5. CMD — определяем команду, которая запустит приложение при старте контейнера.

---

### 3. Сборка Docker-образа

Теперь мы готовы собрать Docker-образ (по сути, "шаблон" для контейнера). Откройте терминал, перейдите в папку с проектом и выполните:

docker build -t my_app:latest .

Здесь:
- -t my_app:latest — задаем имя и тег для нашего образа.
- . — указывает на то, что Dockerfile находится в текущей директории.

---

### 4. Запуск Docker-контейнера

Собрали образ? Отлично! Теперь запустим контейнер из него:

docker run -p 5000:5000 my_app:latest

- -p 5000:5000 — связывает порт 5000 на вашей машине с портом 5000 внутри контейнера (а Flask по умолчанию слушает именно 5000-й порт).

Теперь откройте браузер и зайдите на http://localhost:5000. Видите "Hello, Docker!"? Здорово, контейнер работает как часы.

---

### 5. Что дальше?

Упаковав приложение в Docker-контейнер, вы получаете универсальный способ его запуска. Хотите развернуть это на сервере? Просто скопируйте образ, запустите там контейнер — и готово. Установка Python и настройка окружения больше не проблема.

Вот и все, ваш первый контейнер готов! Поздравляю, теперь можете упаковывать даже сложные Python-приложения и не бояться, что у кого-то что-то "не заработает". Просто контейнеризация и никаких проблем.

---

Надеюсь, статья была полезной! До встречи в следующем посте, где мы разберем еще больше крутых возможностей Python и инструментов вокруг него! ;)

Использование библиотеки Pydantic для валидации данных в приложениях.

Pydantic для валидации данных: спасение для вашего кода

В мире программирования есть одна извечная проблема — данные. Нет, правда! Данные поступают из внешних API, пользовательских форм, файлов или куда хуже — от самих пользователей. А что мы, программисты, чаще всего получаем в итоге? Нет, не чистые и структурированные данные, а хаос. Тут-то на сцену и выходит библиотека Pydantic, вооруженная строгостью и элегантностью.

Если вы разрабатываете какие-либо приложения — от микросервисов до обычных скриптов — Pydantic станет вашим верным помощником в валидации и сериализации данных. Давайте разбираться, как это работает.

---

### Что такое Pydantic?

Pydantic — это библиотека для работы с данными на основе Python. Она позволяет описывать структуру данных с помощью аннотаций типов и автоматически проверяет их корректность при создании объектов. Но это далеко не все: с помощью Pydantic можно преобразовывать, валидировать и даже документировать данные с минимальными усилиями. И все это благодаря мощи Python type hints.

Вместо того чтобы писать километры условий для проверки входных данных, вам достаточно описать модель, а Pydantic позаботится о проверке их соответствия.

---

### Работа с Pydantic на практике

Давайте разберем простые примеры, чтобы вы могли оценить, насколько это полезный инструмент.

#### 1. Определение моделей

С помощью Pydantic можно описать данные, которые вы ожидаете. Например, информация о пользователе:

from pydantic import BaseModel
from datetime import date

class User(BaseModel):
    username: str
    email: str
    birthdate: date
    is_active: bool = True

Модель User содержит четыре поля с различными типами данных. Заметьте, что is_active имеет значение по умолчанию — валидация таких полей не требует дополнительных усилий.

#### 2. Проверка данных

Теперь попробуем создать объект User и посмотрим, как Pydantic работает с входными данными:

input_data = {
    "username": "john_doe",
    "email": "john@example.com",
    "birthdate": "1990-05-15",
    "is_active": "yes"
}

try:
    user = User(**input_data)
    print(user)
except Exception as e:
    print(f"Validation error: {e}")

Что произойдет? Ну, предсказуемо — в поле is_active указана строка "yes", а не логическое значение. Pydantic тут же поднимет ошибку и объяснит, что ожидается значение типа bool.

#### 3. Конвертация данных

Но что, если данные верны, но указаны в "неудобном" формате? Pydantic умеет преобразовывать их автоматически:

input_data = {
    "username": "jane_doe",
    "email": "jane@example.com",
    "birthdate": "1992-07-22",
    "is_active": 1  # Да, это int, но Pydantic поймет!
}

user = User(**input_data)
print(user)

Результат? Поле is_active, несмотря на числовой вход, будет успешно приведено к типу bool. Это избавляет вас от лишней работы с привидениями (ну, в смысле, с преобразованием типов).

---

### Дополнительные возможности

Pydantic — это не просто инструмент для валидации. Вот еще несколько классных фич:

- Дефолтные значения: Установка стандартных значений для полей.
- Кастомная валидация: Если вам мало стандартных проверок, можно писать свои, используя декоратор @validator.
- Модели данных вложенного уровня: Pydantic поддерживает вложенность, что удобно для работы со сложными объектами.
- Работа с JSON: Легкая сериализация и десериализация данных.

Пример кастомной валидации:

from pydantic import BaseModel, validator

class Product(BaseModel):
    name: str
    price: float

    @validator("price")
    def validate_price(cls, value):
        if value <= 0:
            raise ValueError("Price must be greater than zero")
        return value

product = Product(name="Laptop", price=999.99)
print(product)

Теперь, если кто-то попытается указать отрицательную или нулевую цену, он сразу же встретится с исключением.

Удобно, правда?

---

### Зачем это нужно?

Можно возразить: "Зачем Pydantic, если я и так могу проверять данные вручную?". Ответ прост: Pydantic экономит ваше время, код становится чище, а ошибки легче отлавливать. Вместо изобретения велосипеда вы получаете готовое решение — тестированное и надежное.

Библиотека удобна как для начинающих, так и для опытных разработчиков. И, что немаловажно, она идеально сочетается с популярными фреймворками вроде FastAPI.

---

### Заключение

Pydantic — это тот инструмент, которому вы не забудете сказать "спасибо". С его помощью вы можете забыть о головной боли, связанной с валидацией данных, и сосредоточиться на разработке функциональности. Попробуйте Pydantic в своем следующем проекте, и вы заметите, насколько проще станет жизнь.

Как создавать графические анимации с помощью Manim.

Создаем графические анимации с помощью Manim

Привет! Сегодня я хочу рассказать вам о потрясающей библиотеке Python, которая позволяет создавать захватывающие графические анимации. Это Manim — инструмент, который изначально разработал Грант Сандерсон, автор популярного YouTube-канала 3Blue1Brown. Если вы когда-либо видели его образовательные видео с красивыми анимациями, то вам точно стоит узнать, как можно создать нечто подобное самостоятельно.

Manim (Mathematical Animation Engine) — это мощный инструмент для создания визуализаций, особенно полезный для объяснения математических или научных концепций. Несмотря на его сложность на первый взгляд, начать с ним работать совсем несложно. Самый большой плюс этой библиотеки заключается в том, что весь процесс состоит из написания кода. Хотите создать вращающийся куб? Пару строк в Python — и вы на коне!

---

### Установка Manim

Для начала нужно установить библиотеку. Manim активно развивается, поэтому используйте последнюю версию из PyPI. Просто выполните команду:

pip install manim

После установки вы готовы к созданию своей первой анимации.

---

### Простая анимация с квадратом

Чтобы понять, как работает Manim, давайте создадим базовую анимацию, где квадрат появляется на экране и плавно передвигается вправо. Вот минимальный пример:

from manim import *

class MovingSquare(Scene):
    def construct(self):
        square = Square()  # Создаем квадрат
        self.play(Create(square))  # Анимация появления квадрата
        self.play(square.animate.shift(RIGHT * 2))  # Перемещаем квадрат вправо

В этом коде:

- Мы импортируем manim и создаем класс MovingSquare, который наследуется от Scene.
- Метод construct, который мы переопределяем, определяет, что будет происходить в анимации.
- Функция Create отвечает за постепенное появление объекта на экране.
- Мы используем метод animate и функцию shift для перемещения объекта.

Чтобы создать итоговое видео, выполните команду в терминале:

manim -pql your_script.py MovingSquare

Опции -pql означают предварительный просмотр (p), высокую скорость рендеринга (q), анимацию с низким качеством (l).

---

### Добавляем стиль

Давайте немного украсим нашу анимацию. Например, добавим цветной текст, круг и вращения:

from manim import *

class StyledAnimation(Scene):
    def construct(self):
        text = Text("Hello, Manim!", color=BLUE)
        circle = Circle(color=RED).shift(UP)
        self.play(Write(text))  # Анимация написания текста
        self.play(DrawBorderThenFill(circle))  # Рисуем круг
        self.play(Rotate(circle, angle=PI))  # Вращаем круг на 180 градусов
        self.wait(1)

Manim предоставляет гибкие возможности для стилизации объектов. Вы можете изменять их цвет, размер, прозрачность и даже анимировать весь процесс.

---

### Используем математику!

Если вы хотите визуализировать функции, Manim — идеальный инструмент. Например, вот как вы можете построить график синуса:

from manim import *

class PlotSin(Scene):
    def construct(self):
        axes = Axes(
            x_range=[-PI, PI, PI/4],
            y_range=[-1.5, 1.5, 0.5],
            axis_config={"color": WHITE}
        )
        sin_graph = axes.plot(
            lambda x: np.sin(x),
            color=YELLOW,
            stroke_width=4
        )
        self.play(Create(axes), Create(sin_graph))
        self.wait(1)

Этот код создает координатные оси и рисует на них график функции синуса. Вы можете менять функцию в lambda x: np.sin(x) на любую другую — например, np.cos(x) или сложные уравнения.

---

### Особенности Manim, которые вдохновляют

Manim — это не только инструмент для создания красивых визуализаций, но и мощное средство обучения, которое учит вас мыслить структурно. Оно идеально укладывается в мировосприятие программистов, ведь каждое действие здесь — это код.

Что делает Manim уникальным:
- Гибкость. Все строится программно, нет неудобных графических интерфейсов.
- Четкость. Ваши визуализации будут выглядеть профессионально прямо "из коробки".
- Сообщество. Существует множество примеров, документации и готовых анимаций от других пользователей.

---

### Подводя итог

Manim отлично подходит не только для образовательных роликов, но и для творческого выражения. Если вы мечтали изучать математику или программирование через визуализацию, этот инструмент станет вашим лучшим другом. Возьмите пару примеров, поиграйте с параметрами, и через несколько часов вы сможете создавать свои первые серьезные работы. Только оштрафуйте себя за банальные квадратные примеры. 😉

Основы использования технологий машинного зрения с библиотекой OpenCV.

# Основы использования технологий машинного зрения с библиотекой OpenCV

Когда дело доходит до машинного зрения, библиотека OpenCV — это настоящий швейцарский нож. Она давно завоевала популярность в мире Python-разработки и используется как новичками, так и профессионалами. Давайте посмотрим, как начать знакомство с этой мощной библиотекой и решить несколько простых задач, которые откроют перед вами дверь в мир компьютерного зрения.

### Установка OpenCV

Для начала необходимо установить OpenCV. Сделать это можно с помощью Python Package Index:

pip install opencv-python
pip install opencv-python-headless  # Если не нужен графический интерфейс

Элементарно, не так ли? Теперь мы готовы к тому, чтобы изучить основные функции библиотеки.

---

## Чтение и отображение изображений

Первое, чему нас учит OpenCV — это работа с изображениями. Рассмотрим простой пример, как загрузить картинку, вывести её на экран и сохранить в другом формате.

import cv2

# Загружаем изображение
image = cv2.imread('example.jpg')

# Отображаем изображение в новом окне
cv2.imshow('Displayed Image', image)

# Ждем нажатия любой клавиши
cv2.waitKey(0)

# Закрываем все окна
cv2.destroyAllWindows()

# Сохраняем изображение в новом формате
cv2.imwrite('example_copy.png', image)

Здесь cv2.imread считывает изображение, а cv2.imshow отображает его в отдельном окне. После нажатия клавиши срабатывает cv2.destroyAllWindows, который убирает все открытые окна. Конструкция проста и наглядна.

---

## Работа с фильтрами и преобразованиями

Мир машинного зрения часто требует предобработки изображений. Например, преобразования изображения в серый формат или размытие. Давайте попробуем это сделать.

# Преобразуем изображение в оттенки серого
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv2.imwrite('gray_example.jpg', gray_image)

# Применяем размытие
blurred_image = cv2.GaussianBlur(image, (15, 15), 0)
cv2.imwrite('blurred_example.jpg', blurred_image)

Здесь используется метод cv2.cvtColor для перевода изображения в оттенки серого, а функция cv2.GaussianBlur помогает создать эффект размытия, который часто используется для устранения шумов перед обработкой изображения.

---

## Обнаружение контуров

Одна из наиболее интересных и часто используемых возможностей OpenCV — это выявление контуров объектов на изображении. Давайте попробуем выделить контуры.

# Преобразуем изображение в градации серого
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# Применяем метод обнаружения границ
edges = cv2.Canny(gray, 100, 200)
cv2.imwrite('edges_example.jpg', edges)

Функция cv2.Canny обнаруживает границы на изображении, используя алгоритм Канни. Параметры 100 и 200 определяют пороги градиентов, ниже и выше которых границы не обнаруживаются.

---

## Начало работы с видео

OpenCV позволяет работать не только с изображениями, но и с видео. Рассмотрим пример, где мы откроем поток с веб-камеры, а также будем отображать его в реальном времени.

# Открываем поток с камеры
video = cv2.VideoCapture(0)

while True:
    # Читаем кадр
    ret, frame = video.read()

    # Если кадр успешно получен
    if not ret:
        break

    # Отображаем его
    cv2.imshow('Webcam Feed', frame)

    # Выход из цикла по нажатию клавиши 'q'
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

# Закрываем поток и окна
video.release()
cv2.destroyAllWindows()

Этот пример позволяет понять, как легко можно захватить видео, обработать его в режиме реального времени или сохранить кадры для последующего анализа.

---

## Почему OpenCV так популярен?

OpenCV — это не просто инструмент, это настоящий клад для разработчиков. С его помощью можно решать задачи распознавания лиц, трекинга объектов, обработки потокового видео, анализировать движения и многое другое. Ключевое преимущество библиотеки — её богатая функциональность и активная поддержка сообществом.

Эта статья показала лишь верхушку айсберга возможностей OpenCV.