IT-новости про Python, которые стоит знать

Собрали в одном месте самые важные ссылки
читайте нас в Twitter

     17.02.2025       Статьи

Автомодерация изображений: как исправлять нарушения, сохраняя количество и качество контента

Раньше мы блокировали объявления, которые нарушают правила публикации, а теперь исправляем — с помощью ML-системы. Так мы сохраняем количество контента, сокращаем стоимость модерации и улучшаем пользовательский опыт. В статье подробно расскажу обо всех этапах внедрения новой ML-механики: от идеи и исследования подходов до оптимизации нейронок и вывода в продакшен.

     17.02.2025       Статьи

Простыми словами о методе максимального правдоподобия и информации Фишера

Сегодня я хотел бы рассказать про метод максимального правдоподобия и информацию Фишера и еще несколько смежных тем, которые активно используются в машинном обучении и анализе данных. Расскажу я об этом просто, понятно и без воды, но с практическими примерами, в том числе на Python.

     16.02.2025       Выпуск 583 (10.02.2025 - 16.02.2025)       Статьи

Как создать скрипт-beautifier в Ghidra на Python?

Приветствую, дорогой читатель. Хочу представить вашему вниманию пример, как можно упростить себе жизнь при исследовании кода программ, используя скриптинг в Ghidra.Если вы уже имели опыт работы с дизассемблером, то заметили, что читать его вывод не так легко, если целью является понять более высокие абстракции, заложенные в нём.

     15.02.2025       Выпуск 583 (10.02.2025 - 16.02.2025)       Статьи

Порядок работы с устареванием ML моделей. Шаг 2: Создание надежных и долговечных моделей

Еще на этапе создания модели следует проделать работу направленную на замедление ее устаревания.Реализацию процесса работы с устареванием моделей в ML можно разделить на 4 шага.В этой части мы с вами узнаем как создать надежную и долговечную модель, а также получить много полезной информации, которая поможет нам бороться с устареванием в будущем.Мы пройдем полный путь создания модели и работы над замедлением ее устаревания.

     15.02.2025       Выпуск 583 (10.02.2025 - 16.02.2025)       Статьи

Моделирование управления AC двигателя — Field oriented control of PMSM с помощью opensource решений

В этой статье я хочу поделиться результатом своих исследований в области моделирования систем управления двигателями переменного тока.

     14.02.2025       Выпуск 583 (10.02.2025 - 16.02.2025)       Статьи

Обучить модель RoBERTa расстановке запятых на балконе для продакшена

RoBERTa — улучшенная версия модели BERT, разработанная Facebook AI. Она показывает отличные результаты в задачах обработки естественного языка, таких как классификация текстов и генерация ответов.Построим конкурентоспособный сайт расстановки пунктуации, обучив свою нейронную сеть.

     13.02.2025       Выпуск 583 (10.02.2025 - 16.02.2025)       Статьи

Экосистема для разработки и применения Computer Vision (CV) в промышленности

В этой статье мы хотим поделиться опытом разработки экосистемы (если есть слово поудачнее, то обязательно поделитесь в комментариях) сервисов для упрощения процесса разработки моделей и решений по CV. 

     13.02.2025       Выпуск 583 (10.02.2025 - 16.02.2025)       Статьи

Русские тексты. Работа с текстами. Предварительная обработка русских текстовых данных

Предварительная обработка текстовых данных: ключевые этапы и методыТекстовые данные — один из самых сложных типов данных для анализа из-за их неструктурированной природы и высокой вариативности. Чтобы превратить "сырой" текст в информацию, пригодную для машинного обучения или лингвистического анализа, требуется предварительная обработка.

     17.02.2025       Статьи

Смогу ли я уложить оптимизирующий компилятор в тысячу строк питона? Прогон первый: mem2reg

Год назад мне пришлось взять на себя курс лекций по теории компиляторов. Вы встречались некомпетентными преподавателями? Это я, здравствуйте! Прежде чем учить других, я всё-таки решил заглянуть в учебник сам, и это вылилось в серию статей "компилятор за выходные" (да, я помню, что за мной должок с описанием лексера/парсера). В итоге я уложил компилятор со мной придуманного си-подобного языка на GNU ассемблер в шестьсот строк кода, причём без внешних зависимостей, включая парсинг.

     16.02.2025       Выпуск 583 (10.02.2025 - 16.02.2025)       Статьи

Сводка pythonz 09.02.2025 — 16.02.2025

А теперь о том, что происходило в последнее время на других ресурсах.

     13.02.2025       Выпуск 583 (10.02.2025 - 16.02.2025)       Статьи

Давайте писать удобное локальное окружение…

СМОТРИТЕ КОММЕНТАРИИ!

В данной статье я хочу представить выстраданную годами структуру проекта и организацию его окружения, которые помогают избежать большей части проблем, связанных с локальным разворачиванием проекта.Пример будет представлен для Django проекта и PDM в качестве менеджера зависимостей, но концептуально должен подходить для любого проекта на любом языке и с любым набором сервисов.

     13.02.2025       Выпуск 583 (10.02.2025 - 16.02.2025)       Статьи

Нативный non-blocking I/O через Linux Epoll: создание C-расширений для Python

Если вам приходилось писать высоконагруженные сетевые приложения на Python, то вы, скорее всего, сталкивались с тем, что стандартные механизмы работы с вводом‑выводом — select(), poll() и даже asyncio — не справляются с большой нагрузкой.

     12.02.2025       Выпуск 583 (10.02.2025 - 16.02.2025)       Статьи

Msgspec vs DataClasses: битва инструментов в мире Python-сериализации

Сегодня разберем два популярных инструмента — Msgspec и DataClasses. Оба помогают структурировать данные, добавить энтерпрайзности в проект, но подходы у них разные. Какой из них быстрее и удобнее, где их лучше применять?

     12.02.2025       Выпуск 583 (10.02.2025 - 16.02.2025)       Статьи

Алгоритм Краскала для генерации идеальных лабиринтов

Алгоритм Краскала — это жадный алгоритм, который используется для нахождения минимального остовного дерева (MST) в связном, взвешенном и неориентированном графе. В контексте генерации лабиринтов он применяется для создания структуры, где каждая ячейка соединена с другими без циклов и недостижимых областей. В результате получается так называемый "идеальный лабиринт", в котором из любой точки можно попасть в любую другую по единственному пути.

     11.02.2025       Выпуск 583 (10.02.2025 - 16.02.2025)       Статьи

Как LangChain и LangGraph упрощают жизнь разработчика ИИ-Агентов

При разработке приложений на основе больших языковых моделей (LLM, Large Language Model) встает вопрос: вызывать ли модель напрямую через API (например, OpenAI) или использовать специализированные фреймворки вроде LangChain или LangGraph.

     11.02.2025       Выпуск 583 (10.02.2025 - 16.02.2025)       Статьи

Автоматизация разведочного анализа данных (EDA) с помощью Python

Если вы когда-нибудь занимались машинным обучением, то знаете — перед тем как строить модель, нужно как следует изучить свои данные. Этот этап называется EDA (Exploratory Data Analysis), или разведочный анализ данных (РАД). Он критически важен — именно здесь мы находим скрытые закономерности, выдвигаем первые гипотезы и понимаем, как лучше обработать данные для будущей модели.

     11.02.2025       Выпуск 583 (10.02.2025 - 16.02.2025)       Статьи

Твой ИИ тебя понимает? Разбираем тайны внутреннего мира языковых моделей

Современные крупные языковые модели, такие как ChatGPT, Claude или Gemini, поражают своими возможностями. Но главный вопрос остаётся открытым: как именно они думают?

     12.02.2025       Выпуск 583 (10.02.2025 - 16.02.2025)       Релизы

coverage - 7.6.12

Утилита позволяющая измерить процент покрытия тестами. Скачать можно по ссылке: https://pypi.python.org/pypi/coverage/

     09.02.2025       Выпуск 582 (03.02.2025 - 09.02.2025)       Статьи

Сводка от pythonz 02.02.2025 — 09.02.2025

А теперь о том, что происходило в последнее время на других ресурсах.

     11.02.2025       Выпуск 583 (10.02.2025 - 16.02.2025)       Статьи

Учебник — всё, что вам нужно

Немного вызывающее название статьи отсылает к известной работе Внимание - всё, что вам нужно. На этот раз речь пойдет о качестве данных, на которых обучают LLM. Оказывается, качественный учебник (как концентрат знаний в любой сфере) в разы сокращает потребность и в памяти, и в мощности GPU, и в деньгах инвесторов...