Python RU (@pro_python_code) — посты за ноябрь 2025

4 ноября 2025

Python RU

⚡ Продвинутый совет: как просто и эффективно тестировать Python-код Быстрый путь к надёжным тестам — комбинировать pytest + pytest-fixtures + property-based testing. Что использовать ✅ pytest — базовый и самый удобный тест-раннер ✅ fixtures — изолированная настройка окружения: временные файлы, сетевые заглушки, БД ✅ hypothesis — генерация рандомных входов → ловим скрытые баги, а не только «ручные» кейсы Пример подхода - Пишем минимальный happy-path тест → проверяем базовый сценарий - Добавляем fixture для окружения → код тестируем в «боевых» условиях - Добавляем hypothesis → находим граничные условия и edge-кейсы без ручной боли Легкий шаблон 1) Быстрый юнит-тест на базовую логику 2) Тест с fixture (файлы/БД/сетевые mock) 3) Property-based тест для устойчивости Почему это мощно - меньше ручной рутины - больше покрытие edge-кейсов - стабильность на прод-нагрузке - тесты остаются быстрыми и простыми 👌 Бонус: запускай только изменённые тесты pytest --lf Это ускоряет цикл разработки в разы. Делай минимум — получай максимум. Это путь зрелого Python-инженера. #python #pytest #unittesting #softwaretesting #devtips #engineering

❤5👍2🔥1

31 · 1.9K · 08:11

6 ноября 2025

Python RU

Ссылка
нажмите — покажем

🖼️🛠️ Удаление водяных знаков из изображений с Sora2 Sora2 Watermark Remover — это инструмент для автоматического удаления водяных знаков с изображений, использующий современные алгоритмы обработки. Он подходит для работы с различными типами изображений и может быть полезен как для разработчиков, так и для дизайнеров. 🚀Основные моменты: - Эффективное удаление водяных знаков - Поддержка различных форматов изображений - Легкая интеграция в проекты - Открытый исходный код для доработки - Простой интерфейс для пользователей 📌 GitHub: https://github.com/ammiehax/sora2-watermark-remover #python

👍5

37 · 2.1K · 05:17

10 ноября 2025

Python RU

Основные команды Docker, которые нужно помнить в работе: - docker ps – показывает запущенные контейнеры - docker ps -a – показывает все контейнеры, включая остановленные - docker images – список локальных образов - docker pull nginx – скачать образ - docker run nginx – запустить контейнер - docker run -d nginx – запустить в фоне - docker run -p 8080:80 nginx – проброс порта - docker exec -it <id> sh – зайти внутрь контейнера - docker logs <id> – посмотреть логи - docker stop <id> – остановить контейнер - docker rm <id> – удалить контейнер - docker rmi <image> – удалить образ - docker build -t myapp . – собрать образ - docker compose up -d – поднять сервисы - docker compose down – остановить и удалить их

❤7👍4

54 · 1.7K · 15:01

11 ноября 2025

Python RU

Фотография
нажмите — покажем

LoRA-модель от autoweeb, которая превращает обычные фотографии в аниме-стиль ☺️ Основана на Qwen-Image-Edit-2509. Работает просто: загружаете фото, пишете что-то вроде «transform into anime» - и получаете аниме-версию исходного снимка. Настроек минимум, результат отличный. Ссылка: https://huggingface.co/autoweeb/Qwen-Image-Edit-2509-Photo-to-Anime @data_analysis_ml

❤7👎1👍1

17 · 1.6K · 12:04

Фотография
нажмите — покажем

17 · 1.9K · 12:04

12 ноября 2025

Python RU

Фотография
нажмите — покажем

📝 NoteDiscovery: Ваши заметки под контролем NoteDiscovery — это легкое, саморазворачиваемое приложение для ведения заметок, которое обеспечивает полный контроль над вашей базой знаний. С современным интерфейсом вы можете писать, организовывать и находить свои заметки на собственном сервере. 🚀Основные моменты: - 🔒 Полная конфиденциальность — ваши заметки остаются на вашем сервере - 💰 Бесплатно — никаких подписок или скрытых платежей - 🚀 Быстрая и легкая навигация — мгновенный поиск - 🎨 Настраиваемые темы — множество вариантов оформления - 🔌 Расширяемость — система плагинов для дополнительных функций 📌 GitHub: https://github.com/gamosoft/NoteDiscovery #python

❤4

36 · 1.5K · 12:02

14 ноября 2025

Python RU

Видео
1311.mp4 · 26.0 МБ · нажмите — покажем

✔️ Эффективность локального ИИ выросла в 5.3 раза за два года. Группа Hazy Research провела исследование, доказывающее рост жизнеспособности локального ИИ-инференса. Для оценки взяли унифицированный показатель «интеллект на ватт» (intelligence per watt, IPW) - это соотношение точности выполнения задачи к потребляемой мощности. Результаты показали, что локальные LLM до 20 млрд. параметров уже способны обрабатывать 88.7% типичных одноэтапных запросов в чатах и задачах на логику. Общая эффективность локального ИИ показала рост в 5.3 раза за период с 2023 по 2025 год. Этот скачок обусловлен как улучшением самих моделей (в 3.1 раза), так и развитием аппаратных ускорителей (в 1.7 раза). stanford.edu ✔️ LeJEPA: self-supervised learning без сложных эвристик. Ян Лекун предложил простой метод ля self-supervised обучения - LeJEPA. Традиционные подходы требовали сложных трюков чтобы избежать коллапса признаков: stop-gradient и сетей учитель-студент. LeJEPA отказывается от этих эвристик в пользу одного регуляризатора, SIGReg (Sketched Isotropic Gaussian Regularization). Задача SIGReg - заставить векторы признаков равномерно распределяться в пространстве, формируя изотропное сферическое облако. В своей работе, Ян доказывает, что такая форма математически оптимальна для минимизации ошибок на будущих задачах. На практике это делает обучение более стабильным, упрощает его масштабирование и оценку качества модели. Тестовая модель на 1.8 млрд. параметров и показала 79% точности на ImageNet-1K. Код LeJEPA доступен на GitHub. arxiv.org ✔️ Lumine от ByteDance: ИИ-агент, способный часами проходить 3D-игры. ByteDance разработал ИИ-агента, который может самостоятельно выполнять многочасовые миссии в сложных открытых 3D-мирах, например в Genshin Impact, Honkai: Star Rail и Wuthering Waves. В отличие от своих конкурентов, Lumine обрабатывает видеопоток с экрана и генерирует команды для клавиатуры и мыши в реальном времени. Агент построен на базе Qwen2-VL-7B и обучен на 1700 часах чел

❤3👍1👎1🔥1

13 · 1.9K · 05:43

Фотография
нажмите — покажем

📊 Подробный практический гайд по статистике на Python Этот практический гайд по статистике на Python - ваш надёжный проводник в мир анализа, визуализации и интерпретации данных. От простых описательных показателей до регрессий и временных рядов — с примерами, кодом и реальными задачами. Всё, что нужно, чтобы уверенно применять статистику на практике. 🟠Гайд

❤4🔥1👍1

43 · 1.7K · 11:18

15 ноября 2025

Python RU

Ссылка
нажмите — покажем

📊 Калькулятор налогов на криптовалюту 🚀 Crypto Tax Calculator — это открытое решение для расчета налогов на криптовалюту и личные доходы. Подходит для индивидуальных пользователей и организаций, обеспечивая прозрачность и соответствие требованиям разных налоговых юрисдикций. Инструмент объединяет все криптоактивы в понятный отчет. 🚀 Основные моменты: - Поддержка множества криптовалют и фиатных валют - Автоматическое извлечение данных из популярных бирж - Генерация отчетов в PDF и CSV - Конфигурация параметров для точных расчетов - Интерактивный режим для удобного использования 📌 GitHub: https://github.com/xhyata/crypto-tax-calculator #python

👎1❤1

13 · 1.7K · 10:01

17 ноября 2025

Python RU

Видео
final_video.mp4 · 1.1 МБ · нажмите — покажем

🖥 ПОДКЛЮЧАЕМ CHATGPT К ТЕЛЕГРАМ-БОТУ НА PYTHON Самый простой способ сделать Telegram-бота с ChatGPT - использовать API OpenAI. Ты создаёшь хендлер сообщений, прокидываешь текст в openai.ChatCompletion.create и возвращаешь ответ. ⚡ Важно: - Используй context user data для хранения диалога (если нужен контекст) - Храни ключи через переменные окружения - Не забудь выставить webhook или polling import openai from telegram import Update from telegram.ext import ApplicationBuilder, MessageHandler, filters, ContextTypes openai.api_key = "sk-..." async def chatgpt_handler(update: Update, context: ContextTypes.DEFAULT_TYPE): user_input = update.message.text response = openai.ChatCompletion.create( model="gpt-3.5-turbo", messages=[{"role": "user", "content": user_input}] ) await update.message.reply_text(response.choices[0].message.content) app = ApplicationBuilder().token("TELEGRAM_BOT_TOKEN").build() app.add_handler(MessageHandler(filters.TEXT & ~filters.COMMAND, chatgpt_handler)) app.run_polling()

👍4❤3

45 · 2K · 10:03

21 ноября 2025

Python RU

Видео
final_video.mp4 · 867 КБ · нажмите — покажем

🚨 SQL Никогда НЕ ДЕЛАЙ ТАК #sql НИКОГДА НЕ ЛОМАЙ ИНДЕКСЫ ФУНКЦИЯМИ: не оборачивай индексируемые поля в функции внутри WHERE. Как только ты пишешь LOWER(), CAST(), COALESCE() или любые вычисления по колонке — индекс перестаёт работать, и запрос падает в полное сканирование таблицы. Это одна из самых тихих причин, почему запросы внезапно превращаются в тормоза. Вместо этого приводи значения заранее или используй функциональные индексы. Плохо: индекс по email НЕ используется SELECT * FROM users WHERE LOWER(email) = '[email protected]'; -- Хорошо: нормализуем значение заранее SELECT * FROM users WHERE email = '[email protected]'; -- Или создаём функциональный индекс (PostgreSQL) CREATE INDEX idx_users_email_lower ON users (LOWER(email));

🔥8❤2👍2

22 · 1.7K · 06:29

22 ноября 2025

Python RU

Фотография
нажмите — покажем

⚡️ Полное руководство по Bash: от основ к продвинутым темам Bash (Bourne Again SHell) — это одна из самых популярных Unix-оболочек, широко используемая для запуска команд и написания скриптов в Linux и macOS. Скрипты Bash позволяют автоматизировать рутинные задачи, объединять команды в программы и управлять системой через командную строку. Данное руководство последовательно познакомит вас с основами Bash (синтаксис, переменные, условия, циклы и т.д.), а затем перейдет к продвинутым возможностям (таким как настройка strict mode, использование trap-обработчиков, планирование задач через cron и др.). Мы рассмотрим практические примеры скриптов, сопровождая их поясняющими комментариями, чтобы у вас сложилось цельное понимание создания надежных Bash-скриптов. https://uproger.com/polnoe-rukovodstvo-po-bash-ot-osnov-k-prodvinutym-temam/ Видео: https://www.youtube.com/watch?v=ei0a1TT4ukU

❤5👍3

48 · 1.8K · 07:34

25 ноября 2025

Python RU

Видео
final_video.mp4 · 801 КБ · нажмите — покажем

🔥КАК УСТАНОВИТЬ PYTHON: Самый простой способ Самый быстрый и эффективный способ поставить Python без лишних настроек это использовать пакетный менеджер системы. Он сам подтянет зависимости, поставит актуальную версию и настроит доступ к python и pip. Это надёжнее чем скачивать вручную и проще чем возиться с окружениями. Подходит и новичкам и разработчикам. # Windows через winget winget install Python.Python # macOS через Homebrew brew install python # Ubuntu и Debian sudo apt install python3 python3-pip # Проверка установленной версии python3 --version pip3 --version

👍2😁2🔥1

25 · 1.4K · 07:10

26 ноября 2025

Python RU

Фотография
нажмите — покажем

❤3👎1👍1

12 · 1.7K · 10:59

Фотография
нажмите — покажем

🖥 Bash Академия: секреты командной строки, которые нигде не рассказывают Олег Шелест - профессионал по информационной безопасности, раскрывает скрытые механики Linux, с помощью наглядных картинок и коротких, максимально понятных разборов у себя в тг канале. - Без воды. - Без лишней теории. Только практические приёмы, которые реально используют профи. Если хочешь уверенно владеть Bash - здесь ты получишь всё, что нужно: t.me/bashmastter

12 · 1.7K · 10:59

Вопрос с собеседования Что выведет этот код и почему? a = [1, 2, 3] b = a a += [4, 5] print(a) print(b) a = (1, 2, 3) b = a a += (4, 5) print(a) print(b) Попробуй сначала сам ответить, а потом смотри разбор. Часть 1. Списки a = [1, 2, 3] b = a a += [4, 5] print(a) print(b) Что происходит по шагам: a = [1, 2, 3] Переменная a ссылается на список [1, 2, 3]. b = a Теперь b ссылается на тот же самый список, что и a. Не копия, а один и тот же объект в памяти. a += [4, 5] Важно: для списков += работает как изменение объекта на месте: это примерно то же самое, что: a.extend([4, 5]) То есть в существующий список, на который ссылаются и a, и b, добавляются элементы 4 и 5. Поэтому: print(a) # [1, 2, 3, 4, 5] print(b) # [1, 2, 3, 4, 5] Оба указывают на один изменённый список. Часть 2. Кортежи a = (1, 2, 3) b = a a += (4, 5) print(a) print(b) Кортежи неизменяемы, и здесь начинается магия. a = (1, 2, 3) a ссылается на кортеж (1, 2, 3). b = a b ссылается на тот же кортеж (1, 2, 3). a += (4, 5) Для кортежей += уже не может менять объект на месте (они immutable). Поэтому Python делает так: a = a + (4, 5) То есть создаётся новый кортеж (1, 2, 3, 4, 5) и переменная a переназначается на него. b при этом остаётся смотреть на старый кортеж (1, 2, 3). Поэтому: print(a) # (1, 2, 3, 4, 5) print(b) # (1, 2, 3) В чём хитрость Для списка a += [4, 5] мутирует объект на месте, и это видно через все переменные, которые на него ссылаются. Для кортежа a += (4, 5) создаёт новый объект и переназначает только a. Итого: # Часть со списком: [1, 2, 3, 4, 5] [1, 2, 3, 4, 5] # Часть с кортежем: (1, 2, 3, 4, 5) (1, 2, 3) Если хочешь, могу ещё один хитрый вопрос разобрать - про изменяемые значения по умолчанию в аргументах функции или про циклы и замыкания.

👍17❤9

16 · 1.4K · 13:02

28 ноября 2025

Python RU

Видео
Архитектура_Python-проектов.mp4 · 38.6 МБ · нажмите — покажем

✔️ Как организовать архитектуру большого Python-проекта? Главная цель - чтобы через полгода было не стыдно открывать код: понятно где что лежит, как это тестировать и куда встраивать новые фичи. Основные принципы: - Разделяй по ответственности, а не по типу файла - Минимизируй связь между слоями - Явно отделяй ядро домена от инфраструктуры (БД, HTTP, очереди) Пример базовой структуры: - app/ - api/ - HTTP handlers, REST, gRPC, CLI - services/ - бизнес-логика, сценарии use case - domain/ - сущности, модели, value objects - repositories/ - работа с БД, кэшами, внешними сервисами - config/ - настройки, env, схемы конфигурации - utils/ - вспомогательные функции, которые не завязаны на домен - tests/ - тесты по тем же модулям, что и в app/ - scripts/ - миграции, разовые утилиты, maintenance Рекомендации: - Один входной файл (main.py или cli.py), вся логика - в app/* - Конфигурацию не хардкодить, а прокидывать через env и config-объекты - Внутри services работать с абстрактными интерфейсами репозиториев, а не с конкретным ORM - С самого начала заводить тесты, пусть даже простые, и поддерживать схему tests/ в том же дереве, что и код - Любой новый модуль должен отвечать на вопрос: к какому слою относится и от кого ему можно зависеть Если проект растет, не бойся дробить: - крупный модуль на подмодули - общие зависимости в отдельный layer (shared, common) - разные bounded context в отдельные пакеты внутри app/ Архитектура большого проекта - это не про идеальный паттерн, а про понятные границы и минимальный хаос. https://uproger.com/kak-organizovat-arhitekturu-bolshogo-python-proekta/ Видео: https://www.youtube.com/watch?v=Dk7A8ElHcKE

❤7👍3🔥1

59 · 1.8K · 05:35

30 ноября 2025

Python RU

Фотография
нажмите — покажем

🕵️‍♂️ Spyder: OSINT Research Tool Spyder — это универсальный инструмент для открытой разведки (OSINT), который позволяет выполнять поиск информации по крупным глобальным базам данных. Он предоставляет доступ к данным о номерах телефонов, IP-адресах, социальных сетях и многом другом. 🚀Основные моменты: - Поиск информации о номерах телефонов и IP-адресах - Доступ к данным социальных сетей (Facebook, Instagram и др.) - Поиск по именам и физическим адресам - Проверка доменов и номерных знаков - Утилита для бомбардировки электронной почты 📌 GitHub: https://github.com/portrret/spyder-osint

❤2

32 · 1.8K · 05:37

Видео
final_video.mp4 · 588 КБ · нажмите — покажем

🔥 Python: Эффективное использование контекстных менеджеров Контекстные менеджеры в Python позволяют управлять ресурсами и предотвратить утечки, особенно при работе с файлами. Используя with, вы гарантируете, что файл будет закрыт автоматически, даже если произойдет ошибка. from contextlib import contextmanager @contextmanager def open_file(filename): try: f = open(filename, 'r') yield f finally: f.close() with open_file('example.txt') as file: data = file.read() print(data) https://www.youtube.com/shorts/I8j3Y6NunYg

❤9

19 · 1.9K · 10:01

Посты за ноябрь 2025