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

🖼️🛠️ 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

⚡ 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

Python: Как просто загрузить файл по SSH

Хочешь загрузить файл на удалённый сервер по SSH прямо из Python-скрипта? Это легко сделать с помощью библиотеки paramiko - она предоставляет чистую и надёжную реализацию SSH-протокола.

Просто установи paramiko (pip install paramiko), укажи данные подключения и используй SFTP-сессию для отправки файла.

Убедись, что у пользователя есть права на запись в целевую директорию на сервере. Подписывайся, больше фишек каждый день!

import paramiko 

Настройки подключения 
hostname = "your-server.com"
port = 22
username = "your_username"
password = "your_password"  # или используй ключ вместо пароля 

Локальный и удалённый пути 
local_file = "local_file.txt"
remote_file = "/remote/path/local_file.txt" 

Создаём SSH-клиент 
ssh = paramiko.SSHClient()
ssh.set_missing_host_key_policy(paramiko.AutoAddPolicy()) 

try:
    ssh.connect(hostname, port=port, username=username, password=password) 

# Открываем SFTP-сессию и загружаем файл
sftp = ssh.open_sftp()
sftp.put(local_file, remote_file)
sftp.close()

print("Файл успешно загружен!")
except Exception as e:
    print(f"Ошибка: {e}")
finally:
    ssh.close()

⚡️ Быстрый Linux-совет

Хочешь узнать, как давно работает процесс?
Используй колонку etime в команде ps - она показывает, сколько времени прошло с момента запуска процесса.

Это удобно, чтобы понять, какие процессы висят слишком долго или застряли.

1. Посмотреть, сколько памяти ест процесс:  
   Узнаешь, какие процессы расходуют больше всего RAM.  

   ps aux --sort=-%mem | head  


2. Показать загрузку CPU по процессам:
   Помогает найти самые прожорливые по вычислениям задачи.  

   ps -eo pid,comm,%cpu --sort=-%cpu | head  


3. Показать аптайм всех процессов с временем запуска:

   ps -eo pid,comm,etime,lstart --sort=etime  


4. Посмотреть дерево процессов (кто кого запустил):

   ps --forest -eo pid,ppid,cmd  


5. Найти процессы по ключевому слову: 

   ps -ef | grep python  


6. Следить за процессом в реальном времени:

   top -p <PID>

https://www.youtube.com/shorts/Q5CBNWVtUFs

А у нас весь ИТ-отдел квантовый

🎥 Ditto: Инновации в редактировании видео с помощью ИИ

Ditto — это передовая платформа для генерации высококачественных данных для редактирования видео на основе инструкций. Она объединяет мощь генераторов изображений и видео, создавая уникальный набор данных Ditto-1M с миллионом примеров, что позволяет обучать модели, такие как Editto, с выдающимися результатами.

🚀Основные моменты:
- Инновационная генерация данных для видео редактирования.
- Уникальный набор данных Ditto-1M с миллионом примеров.
- Эффективная архитектура модели для снижения затрат и повышения качества.
- Применение интеллектуального агента для фильтрации и контроля качества.

📌 GitHub: https://github.com/EzioBy/Ditto

🧠 Новая работа показывает, что даже небольшая open-source модель может решать сложные математические задачи — если заставить её "думать дольше" с помощью циклов саморазвития рассуждений.

Исследователи взяли 8B-модель на базе DeepSeek и заставили её проходить долгие итеративные reasoning-loops, где каждая итерация — это маленький шаг к более точному решению.
Если модель находит улучшение хоть чуть-чуть лучше предыдущего ответа, цикл продолжается.

Результат: модель решила 5 задач AIME, которые раньше не могла, и даже превзошла точность своего «учителя» — 600B-модели, если брать голосование по итоговым ответам из множества параллельных циклов.

Метод прост:
1️⃣ Проверить текущий ответ
2️⃣ Исправить ошибки
3️⃣ Повторять несколько десятков итераций

Такой подход увеличивает время вычислений на тесте, но даёт гораздо более надёжные решения, фактически расширяя пределы возможностей малых моделей.

📄 Paper: arxiv.org/abs/2510.17498

🔥На Stepik вышел курс: Linux: полный апгрейд твоих скиллов

Хочешь реально понимать, что происходит под капотом твоей системы, а не просто кликать по GUI?

Без глубокого знания базы ты не инженер - ты просто пользователь.

🔹 В курсе ты:

- Освоишь bash, grep, sed, awk - инструменты, которыми живут админы.
- Разберёшь права, процессы, сеть, файловую систему и научишься чинить всё, что падает.
- Настроишь SSH, firewall, systemd, crontab, демоны и автозапуск.
- Научишься анализировать логи, следить за нагрузкой, и не паниковать при 100% CPU.

💡 Формат: пошаговое объяснение базы и разбор важных практик по работе с Linux.

🎯 После курса ты: будешь чувствовать Linux как родную среду и забудешь, что такое “permission denied”.

🚀 24 часа действует скидка 30%

👉 Учиться со скидкой

👩‍💻 Copier — это утилита командной строки и библиотека Python для создания и управления проектами на основе шаблонов!

🌟 С её помощью разработчики могут быстро генерировать новые проекты, используя предопределённые шаблоны, или обновлять существующие проекты в соответствии с изменениями шаблона. Copier поддерживает как локальные директории, так и удалённые Git-репозитории в качестве источников шаблонов, что делает инструмент гибким и удобным для совместной работы. Основное преимущество Copier — его способность безопасно обновлять файлы без перезаписи данных, что снижает риск потерь.

🌟 Copier предлагает мощные функции, такие как динамическая подстановка значений в файлы шаблонов, адаптация шаблонов под требования пользователя, а также возможность использования как через командную строку, так и внутри Python-приложений. Для установки требуется Python версии 3.9 или новее, а сам инструмент можно установить через pip.

🔐 Лицензия: MIT

🖥 Github

📄 DeepSeek-OCR - модель для распознавания текста 🔍

DeepSeek выпустили мощную OCR-модель, способную преобразовывать изображения документов прямо в Markdown или текст.

Что умеет:
- Распознаёт текст на изображениях и в PDF
- Работает с документами, таблицами и сложными макетами
- Поддерживает разные режимы: Tiny, Small, Base, Large
- Оптимизирована под GPU (PyTorch + CUDA 11.8)
- MIT-лицензия — можно свободно использовать и модифицировать

DeepSeek-OCR достигает высокой точности и эффективности за счёт компрессии визуальных токенов. На Omnidocbench - лучшая точность при минимуме визуальных токенов, превосходит другие OCR-модели по эффективности и скорости.

🟠HF: https://huggingface.co/deepseek-ai/DeepSeek-OCR
🟠Github: https://github.com/deepseek-ai/DeepSeek-OCR
🟠Paper: https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek_OCR_paper.pdf

@ai_machinelearning_big_data

#ocr #DeepSeek

📄 PaddleOCR: Мощный инструмент для распознавания текста

PaddleOCR — это передовой движок OCR и AI для документов, обеспечивающий высокую точность извлечения текста и понимания документов. Поддерживает множество языков и интегрируется в различные приложения, от стартапов до крупных предприятий.

🚀 Основные моменты:
- Поддержка более 80 языков и сложных элементов документа.
- Высокая точность распознавания текста в различных условиях.
- Легкая интеграция с другими AI-приложениями.
- Поддержка работы на разных аппаратных платформах (CPU, GPU, NPU).
- Широкое сообщество и активное использование в более чем 5,9 тыс. репозиториев.

📌 GitHub: https://github.com/PaddlePaddle/PaddleOCR

#python

🖥 Хочешь, чтобы твой Telegram-бот отвечал с помощью ChatGPT?

Сделай это за пару минут: просто установи библиотеку python-telegram-bot, добавь свой OpenAI API-ключ и токен бота, и бот начнёт отвечать на все сообщения с помощью ChatGPT.

from telegram import Update
from telegram.ext import ApplicationBuilder, MessageHandler, filters, ContextTypes
from openai import OpenAI


Укажи свои ключи
OPENAI_API_KEY = "sk-..."  
TELEGRAM_TOKEN = "123456789:ABC..."

client = OpenAI(api_key=OPENAI_API_KEY)

async def handle_message(update: Update, context: ContextTypes.DEFAULT_TYPE):
    user_text = update.message.text

    response = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[{"role": "user", "content": user_text}]
    )

    await update.message.reply_text(response.choices[0].message.content)

app = ApplicationBuilder().token(TELEGRAM_TOKEN).build()
app.add_handler(MessageHandler(filters.TEXT & ~filters.COMMAND, handle_message))
app.run_polling()

🖥 Учим Python на ферме - вышла новая игра, где вместо фарминга ты пишешь код

Забудь про грядки и полив — теперь ферма работает на Python. Ты управляешь роботами, автоматизируешь процессы и наблюдаешь, как код превращается в урожай.

Вместо мотыги - код, вместо удобрений - алгоритмы.
Это не симулятор фермера, а тренажёр программиста с юмором и логикой.

- Всё управление через код - роботы выполняют твои Python-команды;

- Обучение встроено в геймплей — осваиваешь основы без нудных туториалов;

- Без уровней и доната - ферма растёт вместе с твоими навыками;

- Есть русский язык и IntelliSense, можно писать даже из VS Code;

У игры уже 95% положительных отзывов в Steam.

Игра превращает обучение Python в чистое удовольствие - просто запускаешь и начинаешь “программировать урожай”.

👉 Играть

🖥 Python-декоратор - AI-сервис готов

Beam — открытая альтернатива Modal, которая позволяет деплоить любые AI-задачи в serverless-режиме без инфраструктурной боли. Всё, что нужно — декоратор в Python.

Работает очень просто:
1. uv add beam
2. Пишете свой AI-воркфлоу
3. Оборачиваете вызов в метод
4. Добавляете декоратор @endpoint с конфигом сервера

👉 Результат — готовый serverless endpoint.

Ключевые фичи:
→ Запуск контейнеров < 1 секунды
→ Поддержка распределённого хранилища
→ Авто-масштабирование от 0 до сотен контейнеров
→ GPU: 4090, H100 или свои
→ Деплой inference endpoint'ов через декораторы
→ Изолированные песочницы для кода от LLM
→ И главное — 100% open-source + приватность.

https://github.com/beam-cloud/beta9

🔍 Исследования Python: эксперименты и оптимизация

Репозиторий предлагает практические эксперименты с современными возможностями Python и их производительностью. Здесь вы найдете бенчмарки, сравнения потоков и процессов, а также изучение новых технологий в экосистеме Python.

🚀 Основные моменты:
- Эксперименты с производительностью Python 3.14 без GIL
- Сравнение потоков и процессов
- Оптимизация использования памяти
- Практические примеры и выводы

📌 GitHub: https://github.com/koenvo/python-experiments

#python

🖥 Гайд по PostgreSQL для продвинутых разработчиков

PostgreSQL – одна из самых мощных СУБД с открытым исходным кодом. Этот гайд подробно охватывает ключевые аспекты PostgreSQL: от внутренней архитектуры до приёмов оптимизации. Мы рассмотрим администрирование, производительность, расширения, инструменты, а также сравним популярные ORM для Python и Go. В конце приведён список продвинутых вопросов, часто встречающихся на собеседованиях.

🟠Гайд

🧩 Примеры приложений для Apps SDK от OpenAI

Этот репозиторий демонстрирует примеры UI-компонентов и MCP-серверов для создания приложений на базе ChatGPT. Он служит отправной точкой для разработки собственных приложений, используя Model Context Protocol для интеграции инструментов и интерфейсов.

🚀 Основные моменты:
- Примеры компонентов для Apps SDK.
- Демонстрация работы MCP-серверов.
- Поддержка различных языков программирования (Node.js, Python).
- Возможность создания и кастомизации собственных виджетов.
- Легкая интеграция с ChatGPT.

📌 GitHub: https://github.com/openai/openai-apps-sdk-examples

🖥 Свежий курс на Stepik: PostgreSQL для разработчиков: от основ к созданию API

Курс научит создавать надёжные REST API-сервисы на базе PostgreSQL, используя FastAPI на Python.

Пошаговое объяснение материала - от установки среды и основ SQL до полноценного API-приложения с безопасностью, связями и масштабируемостью.

На практике разбирается:

•работу с таблицами, типами данных, фильтрацией и агрегатами

• группировки, подзапросы и оптимизацию SQL-запросов

• взаимодействие Python с базой данных

• создание REST API с FastAPI и подключением PostgreSQL

• проектирование структуры БД и нормализацию

• реализацию CRUD-операций и валидацию данных

• postgres для профессионалов

• разбор вопросов с реальных собеседований технические вопросы, SQL-задачи, разбор хитрых приемов.

⚡️ После прохождения вы создадите готовый API-проект и уверенные навыки работы с PostgreSQL в продакшене.

Сегодня дарим промокод на скидку - 30%, действует

🚀 Начать учиться