Python 24/7

Многие постоянно путаются в этом:

В чём на самом деле разница между 100 МБ/с и 100 Мбит/с?

@edpython_tg

Этот бесплатный сайт научит ускорять SQL-запросы

Use The Index, Luke — бесплатная книга по индексам и оптимизации SQL, написанная специально для разработчиков.

Что внутри:
▪️Как устроены B-tree индексы
▪️Почему база игнорирует созданный индекс
▪️Как ускорять WHERE, JOIN и ORDER BY
▪️Ошибки при работе с составными индексами
▪️Оптимизация пагинации и больших таблиц

Материал подходит для PostgreSQL, MySQL, Oracle, SQL Server и Db2.

Без воды про администрирование — только то, что помогает ускорять реальные запросы.

Сохраняте себе в закладки.

@edpython_tg

Нашел бесплатную лекцию Стэнфорда по GPU И CUDA

Стэнфорд открыл доступ к материалам CS149 — курса по параллельным вычислениям.

Особенно интересна седьмая лекция, посвящённая архитектуре видеокарт и программированию на CUDA.

Что внутри:

— Как устроены современные GPU
— Чем вычисления на GPU отличаются от CPU
— Принципы параллельного выполнения задач
— Программирование на CUDA
— Как видеокарты превратились в мощные вычислительные ускорители

В доступе 74 слайда с подробными схемами, объяснениями и примерами.

Полезный материал для тех, кто изучает машинное обучение, низкоуровневое программирование и хочет лучше понимать, как ИИ работает на уровне железа.

@edpython_tg

Появилась open-source альтернатива Jev — Kev

Модель доступна в трёх размерах и полностью работает локально, поэтому ваши данные хранятся у вас на компьютере.

Kev умеет:

— Отвечать «да» или «нет»;
— Выбирать один вариант из нескольких;
— Добавлять короткие пояснения.

Подойдёт для классификации, фильтрации и других задач, где нужен быстрый локальный ответ модели.

@edpython_tg

Ловите 10 репозиториев на GitHub, которые помогут освоить Python, а также разобраться в больших языковых моделях, ИИ-агентах и производственных системах

1. Python-100-Days — Python, анализ данных + веб-разработка.
2. Generative AI for Beginners — Большие языковые модели, промптинг, RAG, агенты + тонкая настройка.
3. LLMs from Scratch — Создание LLM от токенизации до обучения.
4. ML for Beginners — 26 уроков по машинному обучению.
5. OpenAI Cookbook — Практические примеры создания ИИ-приложений.
6. Stable Diffusion — Оригинальная реализация + исследовательский код.
7. AI Agents for Beginners — Инструменты, RAG, фреймворки для агентов + многоагентные системы.
8. AI for Beginners — Нейронные сети, компьютерное зрение + обработка естественного языка.
9. LLM App — RAG, корпоративный поиск + конвейеры данных в реальном времени.
10. Segment Anything — Базовая модель Meta для сегментации изображений.

Сохраняем пост и ставим реакцию, если подборка была полезной.

@edprogramming

Забирайте 10 книг по Python бесплатно

1. Думай как Python (O'Reilly)
→ greenteapress.com/wp/think-python-2e
2. Большая книга маленьких проектов на Python
→ inventwithpython.com/bigbookpython
3. Структуры данных
→ opendatastructures.org
4. Справочник по Data Science
→ jakevdp.github.io/PythonDataScienceHandbook
5. Анализ данных
→ wesmckinney.com/book
6. Наука о данных
→ greenteapress.com/wp/elements-of-data-science
7. Машинное обучение
→ python-course.eu/books/bernd_klein_python_and_machine_learning
8. Статистика
→ greenteapress.com/wp/think-stats-2e
9. Думай как Байес
→ allendowney.github.io/ThinkBayes2
10. Чистый код на Python (Packt)
→ packtpub.com/free-ebook/clean-code-in-python-second-edition

Сохраняйте подборку в закладки.

@edpython_tg

Нашёл программу для тех, кто хочет разобраться, как создаются современные Agentic AI-системы

В программе:

— Создание AI-агентов
— RAG и работа с внешними данными
— MCP и MCP-серверы
— Векторные базы данных и embeddings
— tool calling
— Архитектура backend для AI-приложений
— Работа с LLM и построение production-ready систем

Подойдёт разработчикам, которые хотят перейти от обычных запросов к LLM к созданию полноценных AI-приложений и агентов.

→ https://www.coursera.org/specializations/agentic-ai

@edpython_tg

Hugging Face завершила серию Training Agents — шесть практических воркшопов про оценку и обучение ИИ-агентов.

За полгода команда разобрала весь путь: от бенчмарков и SFT на трассах агентов до дистилляции, GRPO и обучения внутри реальных сред.

В финальной части они собрали среду на OpenEnv, подключили её к TRL и обучили реального агента для программирования OpenCode через Harbor в песочницах Hugging Face.

Все шесть записей уже доступны бесплатно, весь код открыт. Серия набрала более 300 тысяч просмотров.

→ https://youtube.com/playlist?list=PLo2EIpI_JMQvQZm-kVlz4wY1vWF0LBcf5

@edpython_tg

Бесплатный парсинг веб-страниц с помощью Python

→ https://www.youtube.com/playlist?list=PLeLGx0BaYD6a82KAsIetU8Z61pCF6EWQ9

@edpython_tg

Одна из лучших технических книг о том, как большие языковые модели обучают в огромных масштабах:

> память GPU и профилирование
> разбиение вычислений на блоки, объединение ядер и FlashAttention
> параллелизм по данным, тензорам, конвейеру и контексту

Я уже прочитал бесплатную онлайн-версию, но всё равно пришлось купить бумажную копию для своей библиотеки.

Бесплатно прочитать можно по ссылке.

@edpython_tg

Большая подборка для изучения Python

На Coddy собрано всё, что пригодится для изучения Python: полноценные курсы, практические задачи, проекты и различные челленджи.

Подойдёт как новичкам, которые начинают с нуля, так и тем, кто уже знаком с Python и хочет прокачать отдельные темы.

Много практики и примеров, на которых можно сразу закреплять полученные знания.

→ https://coddy.tech/landing/python/courses

@edpython_tg

Продержался целых 7 минут 😂

@edpython_tg

Подборка бесплатных онлайн-курсов «PanXProject»

Настоящий клад бесплатных возможностей для прокачки! Сотни курсов по разным темам бери, учись, прокачивайся и добавляй в резюме, а если найдёшь что-то новое можно закинуть в репозиторий и поделиться с другими 🕵️‍♂️

→ https://github.com/PanXProject/awesome-certificates

@edpython_tg

Этот сайт поможет вам хорошо освоить Docker

Он даст вам намного больше, чем плейлисты по Docker с YouTube.

И всё это полностью бесплатно — больше 11 часов практики и упражнений.

→ https://learndocker.online

@edpython_tg

Utopia — опенсорс система для хранения корпоративных знаний с историей изменений

Её главная фишка — информация здесь не перезаписывается при каждом обновлении. Каждый факт имеет свой период действия: когда данные меняются, предыдущая версия остаётся в системе, а новая становится актуальной с заданной даты.

Благодаря этому можно восстановить состояние базы знаний на любой момент времени и узнать, кто тогда отвечал за определённые задачи, какие правила действовали и какая информация считалась актуальной. При этом каждый факт привязан к конкретному фрагменту исходного документа, поэтому всегда можно проверить, откуда появились данные.

Архитектура максимально простая: один исполняемый файл + PostgreSQL. Без Elasticsearch, отдельной векторной базы и очередей сообщений.

Можно развернуть локально или в изолированной сети, а для работы с ИИ — подключить собственную модель.

→ https://github.com/deeplethe/utopia

@edpython_tg

Отличный репозиторий для старта в Python и машинном обучении с нуля

В нём собрана большая база материалов по Python: от базового синтаксиса до анализа данных и ML-проектов. Тут есть всё: объяснения основ, куча примеров, задачки и даже мини-проекты по машинному обучению.

Отличный вариант самостоятельного обучения, прокачки навыков и первого знакомства с ML-инструментами.

Изучаем по ссылке.

@edpython_tg

Курс по структурам данных в Python

За час разберётесь, как правильно работать со стеками, очередями и priority queue — и, что важнее, поймёте, какую структуру выбирать под конкретную задачу.

Внутри:
▪️13 уроков
▪️Практика
▪️Примеры кода
▪️Материалы для скачивания
▪️Сертификат

→ https://realpython.com/courses/stacks-queues-ideal-data-structure/

@edpython_tg

От машинного обучения и визуализации данных до временных рядов и финансовых данных

В одном репозитории собрано 920 открытых проектов на Python, разбитых на 34 категории.

Хорошая подборка, если хочется быстро находить проверенные библиотеки и инструменты для ML, анализа данных и смежных задач, а не искать всё по GitHub вручную.

→ https://github.com/lukasmasuch/best-of-ml-python

@edpython_tg

Нужно быстро удалить фон с изображения?

rembg — инструмент с открытым исходным кодом для удаления фона. Его можно использовать через командную строку, как Python-библиотеку, HTTP-сервер или запускать в Docker.

Подходит как для обработки отдельных изображений, так и для больших пакетов.

→ https://github.com/danielgatis/rembg

@edpython_tg