#полезное
🛞 Компьютер прямо в браузере

Да, сервис Puter — это открытая операционная система, работающая прямо в браузере.

Полноценный десктоп, терминал, файлы, приложения — всё, не выходя из вкладки

Это не эмулятор, а полноценный интернет-ОС с открытым кодом

Идеально для быстрого прототипирования, запуска скриптов без установки среды

👉Новости 👉База вопросов

#полезное
😎 Удаляем ярлык с рабочего стола через Python

Когда хочется навести порядок программно — вот тебе мини-скрипт, который удалит .lnk файл с десктопа.

Используется библиотека winshell

Заменяешь "имя_ярлыка.lnk" на нужный файл — и готово

👉Новости 👉База вопросов

#полезное
🛞 Django-Tastypie — это библиотека для создания REST API в Django, которая упрощает процесс работы с данными, сериализацией и аутентификацией!

Она поддерживает различные форматы данных (JSON, XML, YAML), позволяет работать как с SQL, так и NoSQL базами и предоставляет встроенные инструменты для фильтрации, сортировки и пагинации запросов. Tastypie минимизирует необходимость написания повторяющегося кода, позволяя разработчикам быстро создавать мощные API.
Гитхаб

👉Новости 👉База вопросов

#полезное
😇 Начиная с Python 3.10, можно использовать оператор | (pipe) для объединения типов — это создаёт объединение типов (type union).

Это удобно, например, когда нужно проверить, принадлежит ли значение одному из нескольких типов с помощью isinstance

👉Новости 👉База вопросов

#полезное
👍 Мини-GPT на PyTorch

Если тебе всегда было интересно, как работает GPT под капотом — в этом проекте автор реализует минималистичную версию GPT на PyTorch всего в ~300 строк.

Он показывает:

🟠 архитектуру трансформера, обучение с нуля и генерацию текста.

Также рекомендую глянуть этот проект, если хочешь разобраться в работе LLM

👉Новости 👉База вопросов

#полезное
👋 DeepMesh – это исследовательский проект, направленный на создание высококачественных 3D-мешей с помощью методов глубокого обучения.

🟠Глубокое обучение для 3D-реконструкции: Проект использует нейросетевые методы для обучения неявных представлений объектов, что позволяет реконструировать гладкие и точные поверхности даже из разрежённых данных (например, облаков точек).

🟠Алгоритмы извлечения мешей: После получения неявной функции, описывающей форму объекта, применяются алгоритмы, такие как Marching Cubes, для извлечения явной 3D-сетки.

🟠Инструменты для визуализации и экспериментов: Репозиторий включает код для обучения моделей, проведения экспериментов и визуализации результатов, что облегчает воспроизведение исследований и применение метода в различных задачах компьютерного зрения и графики.

🟠Потенциал применения: Такой подход может быть полезен для задач реконструкции объектов, симуляции, компьютерной графики и дополненной реальности, где требуется точное представление сложных форм.
Гитхаб

👉Новости 👉База вопросов

#полезное
🫡 Бесплатный Python-код от Anthropic, чтобы выжать максимум из Claude

Anthropic выложили бесплатный интерактивный курс по prompt engineering:

🟠 Jupyter-ноутбуки с готовыми примерами и упражнениями
🟠 Всё на Python
🟠 9 тем: от основ до продвинутых техник и антипаттернов
🟠 Интеграция с Claude 3 Haiku / Sonnet / Opus
🟠 Можно запускать в Colab или локально

Вот все ноутбуки на GitHub: click

Подходит и для новичков, и для разработчиков, кто хочет выжать максимум из LLM

👉Новости 👉База вопросов

#полезное
😇 Fastrtc — это библиотека, которая превращает функции Python в решения для потоковой передачи аудио и видео в режиме реального времени с использованием WebRTC или WebSockets.

Библиотека содержит множество примеров, демонстрирующих её применение: от интеграции с голосовыми API (например, Google Gemini и OpenAI) до транскрипции речи при помощи Whisper и обработки видеопотока с помощью модели YOLO v10.

Документация включает краткое руководство и примеры кода, что облегчает внедрение Fastrtc в ваши проекты.

pip install fastrtc

Github
Документация

👉Новости 👉База вопросов

#полезное
😱 Использование декоратора dataclass в Python

Декоратор dataclass упрощает создание классов, которые в основном хранят данные. Он автоматически генерирует специальные методы, такие как __init__, repr и другие. Это снижает многословность кода, сохраняя при этом его ясность и функциональность.

На фото приведены два примера. В первом мы используем декоратор dataclass, поэтому явно не добавляем методыnit__, __r repr и eq. Они автоматически добавляются декоратором.

Во втором примере показано, как выглядел бы тот же код без использования декоратора dataclass. Видно, что такой код гораздо длиннее

👉Новости 👉База вопросов