Что нужно уметь, чтобы устроиться на middle+/senior позицию (не хард-скиллы)

⭐️ Уметь разбираться в чужом коде. Ты вряд ли попадешь на новый проект, где написано буквально несколько сотен строк кода. С большой вероятностью это будут десятки и сотни тысяч строк, с которыми нужно уметь работать

⭐️ Принимать решения в условиях неопределенности (недостаточно информации, скоро релиз, требования написаны недостаточно понятно или постоянно меняются). Твоя задача — двигать фичу дальше, а не пытаться спихнуть всю ответственность на других коллег

⭐️Понимать последствия своих решений. Ты должен подумать о текущей/будущей нагрузке, поддержке кода, сроках и тд. Пытайся думать на 2-3 шага вперед

⭐️ Уметь быстро закрывать пробелы в знаниях и находить нужную информацию (один из важнейших навыков). Если ты претендуешь на позиции выше — ты обязан быть максимально гибким и уметь обучаться в короткие сроки. Зачастую тебя могут взять на проект, даже если ты не работал с конкретной технологией. Но от тебя будут ожидать, что ты за короткий срок с ней разберешься

⭐️ Пост Guru Python:
Сергей Филичкин

Отправляем уведомления в Telegram на Python

В современной backend-разработке Telegram остается стандартом для мгновенных алертов, мониторинга состояния ИИ-агентов и уведомлений о критических событиях инфраструктуры

1. Установка библиотеки
Одним из хороший вариантов является httpx благодаря поддержке HTTP/2 и возможности легкого перехода на асинхронность

pip install httpx

2. Импорт и конфигурация
Импортируем клиент и используем переменные окружения для защиты учетных данных

import httpx
import os

TOKEN = os.getenv("TG_BOT_TOKEN")
CHAT_ID = os.getenv("TG_CHAT_ID")

3. Отправка сообщения с валидацией
Формируем запрос

def send_telegram_notification(text: str):
    url = f"https://api.telegram.org/bot{TOKEN}/sendMessage"
    payload = {"chat_id": CHAT_ID, "text": text}
    
    with httpx.Client(http2=True, timeout=10.0) as client:
        r = client.post(url, json=payload)
        r.raise_for_status()
        
        resp = r.json()
        # Важно учесть: Telegram возвращает HTTP 200 даже при ошибках логики бота
        if not resp.get("ok"):
            raise RuntimeError(f"Telegram API Error: {resp}")
        return resp

send_telegram_notification("Система мониторинга: все в норме :)")

⭐️ Пост Guru Python:
Сергей Филичкин

🚀 В январе перед нами стояли три ключевые задачи.

1. Миграция на Next.js
Мы перевели публичную часть проекта на Next.js, а дашборд оставили на React.js. Основные работы почти завершены — сейчас занимаемся тестированием и финальными правками.
В процессе столкнулись с рядом инфраструктурных вызовов: текущих ресурсов сервера оказалось недостаточно под новые проекты, поэтому пришлось масштабироваться. Впереди также большая работа по настройке SEO.

2. Сервис для лайвкодинга
Мы разрабатываем сервис лайвкодинга — аналог LeetCode с задачами российских компаний с реальных собеседований. У проекта большие планы:

— проведение контестов,
— обучающие модули,
— курс по алгоритмам,
— ИИ-помощник с построчным разбором решений,
— челленджи и соревнования между пользователями (пока держим в секрете).

Базовая версия сервиса уже готова и проходит тестирование. Совсем скоро — релиз.

3. Сервис уведомлений
Мы начали разработку сервиса уведомлений, который объединит всю нашу экосистему: платформу, Telegram-каналы и бота.

В Telegram будут публиковаться:

— новые собеседования,
— вопросы и задачи,
— статьи и подборки,
— анонсы,
— вакансии,
— статистика с HH.

Наша цель — сделать каналы максимально полезными, чтобы вы всегда были в курсе обновлений и нового контента.

Дополнительно
В работе также находится сервис тестов с вариантами ответов и системой разделения вопросов по темам — для будущего роадмапа. Пока эти направления развиваются в «лайт»-режиме.

Параллельно мы готовимся к запуску нового крупного сервиса, связанного с поиском работы. Он откроет для нас новые возможности и направления развития. Сейчас активно прорабатываем концепцию и архитектуру — идей очень много.

P.S. Новогодние скидки продолжают действовать до запуска сервиса лайвкодинга. После релиза цены увеличатся в 2 раза — сейчас самое выгодное время подключиться и поддержать нас.

👉 Членство YeaHub

Впереди много интересного. Спасибо, что вы с нами.✊🏻🚀💪

Потоковая обработка данных. Как еще можно применять генераторы в Python

Генераторы стали основой для работы с непрерывными потоками информации: live-метрики, события IoT, стримы логов и real-time аналитика

Например генератор потока данных от сенсора

import time
import random

def sensor_stream(sensor_id):
    """Поток показаний сенсора"""
    value = 50.0
    while True:
        value += 1  # Новое показание
        yield {
            'sensor': sensor_id,
            'value': value,
            'timestamp': time.time()
        }
        time.sleep(1)  # Задержка между измерениями

Фильтрация + агрегация на лету

def process_stream(stream, max_value=100):
    """Фильтрует аномалии и считает среднее за последние 5 значений"""
    buffer = []
    for point in stream:
        if 0 < point['value'] < max_value:  # Фильтрация
            buffer.append(point['value'])
            buffer = buffer[-5:]  # Последние 5 значений
            
            point['avg'] = sum(buffer) / len(buffer)
            yield point

Применение в мониторинге систем

# Создаём поток данных
stream = sensor_stream('server_temp')
processed = process_stream(stream)

# Мониторим
for point in processed:
    print(f"{point['sensor']}: {point['value']}°C (avg: {point['avg']:.1f})")
    
    if point['avg'] > 30:
        print("⚠️ Внимание")

Ключевые преимущества такого подхода:
1. Композируемость — генераторы легко объединяются в цепочки
2. Ресурсная эффективность — не храним полные массивы данных
3. Раннее обнаружение проблем — многие проблемы видно сразу, а не после обработки всего массива

⚡️ Генераторы позволяют обрабатывать данные в момент их появления, что критично для систем, в которых нужно отслеживать данные в реальном времени

⭐️ Пост Guru Python:
Сергей Филичкин