Python/ django
58.9K subscribers
2.07K photos
61 videos
47 files
2.79K links
по всем вопросам @haarrp

@itchannels_telegram - 🔥 все ит-каналы

@ai_machinelearning_big_data -ML

@ArtificialIntelligencedl -AI

@datascienceiot - 📚

@pythonlbooks

РКН: clck.ru/3FmxmM
加入频道
🔥 Ditto — это простой инструмент для автоматической генерации кода. Он позволяет пользователю описать приложение на языке, близком к естественному, а затем создает полноценное многокомпонентное приложение Flask. Ditto использует языковую модель для построения маршрутов, шаблонов и статических файлов без необходимости вручную писать код

🌟 Основная цель проекта — упростить процесс разработки веб-приложений, автоматизируя создание структуры кода на основе текстового описания

🔐 Лицензия: MIT

▪️Github

@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
👩‍💻 Streamlit — бесплатный пакет Python для науки о данных и визуализации данных . В этом видео вы познаете базовые навыки запуска проекта Streamlit с интеграцией с MySQL!

💡 Вы узнаете, как создать панель инструментов веб-сайта аналитики с помощью Python и библиотеки Streamlit. В качестве примера будет использована база данных Excel для хранения данных и Streamlit для создания интерактивной панели, которая позволит визуализировать и исследовать данные!

🕞 Продолжительность: 1:29:42

🔗 Ссылка: *клик*

@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
👩‍💻 Урок по созданию современного настольного GUI- приложения с использованием Python и PySide6!

🔍 Что вы изучите:

🌟 Настройка среды разработки
🌟 Создание главного окна приложения
🌟 Проектирование и реализация современных компонентов пользовательского интерфейса
🌟 Обработка взаимодействий и событий пользователя
🌟 Настройка внешнего вида с помощью таблиц стилей
🌟 Создание темных и светлых тем приложения

🕞 Продолжительность: 2:06:51

🔗 Ссылка: *клик*

@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
👩‍💻 LLMCompiler — фреймворк на Python для оптимизации параллельных вызовов функций с использованием больших языковых моделей (LLM), таких как GPT и LLaMA

🌟 Этот фреймворк позволяет автоматически идентифицировать задачи, которые можно выполнять параллельно, снижая задержки и затраты. Этот инструмент полезен для ускорения и улучшения точности выполнения сложных задач с LLM

▪️Github

@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
🖥 py2many: Python to many CLike languages transpiler

Инструмент py2many помогает переводить код на Python в код на различных языках, включая Rust.

Он поддерживает множество языков, таких как Rust, C++, Julia, Kotlin и другие, а также способен генерировать код Python с аннотациями типов.

Для трансляции кода используется команда в терминале, после чего сгенерированный код компилируется.

На сайте проекта доступна документация с инструкциями по установке необходимых библиотек и форматировщиков.

🔗 GitHub

@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
🖥 Python 3.12 против Python 3.13 – сравнение производительности

В этой статье описываются результаты тестирования производительности Python 3.13 по сравнению с Python 3.12.

В общей сложности было проведено 100 различных тестов на компьютерах с процессорами AMD Ryzen серии 7000 и Intel Core 13-го поколения для настольных компьютеров, ноутбуков и мини-ПК.

Все тесты были выполнены на компьютерах с Windows 11 с использованием библиотеки pay performance 1.11.0 на Python 3.12.7 и Python 3.13.0 (обе 64-разрядные версии).

Результат показывает, что Python 3.13 имеет лучшие показатели по производительности по сравнению с Python 3.12 в следующих тестах: asyncio_tcp_ssl (в 1,51 раза быстрее), async_tree_io_tg (в 1,43 раза быстрее), async_tree_eager_io (в 1,40 раза быстрее). Однако вы можете заметить снижение производительности в некоторых тестах, особенно в покрытие кода (в 3,85 раза медленнее), regex_v8 (в 1,26 раза медленнее), telco (в 1,19 раза медленнее).

🔗 Подробные тесты

@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🖥 Справочник FastAPI – Как разрабатывать, тестировать и развертывать API!

🌟 После прочтения этого краткого руководства вы сможете разработать API администрирования курса с использованием FastAPI и MongoDB. Вы не только будете писать API, но и тестировать и контейнеризировать приложение

🌟 В этом пошаговом проекте вы создадите бэкэнд-систему Python с использованием FastAPI, быстрого веб-фреймворка и базы данных MongoDB для хранения и поиска информации о курсе

🌟 Система позволит пользователям получать доступ к сведениям о курсе, просматривать главы, оценивать отдельные главы и составлять общие рейтинги

💡 Проект предназначен для разработчиков Python с базовыми знаниями программирования и некоторыми знаниями NoSQL. Знакомство с MongoDB, Docker и PyTest не требуется

🔗 Ссылка: *клик*

@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
🖥 Hallo2:Long-Duration and High-Resolution Audio-driven Portrait Image Animation

Python-проект для портретной анимации с длительной продолжительностью и высоким разрешением.

GitHub: https://github.com/fudan-generative-vision/hallo2
Проект: https://fudan-generative-vision.github.io/hallo2/#/

@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
👩‍💻 Простая шпаргалка по работе с функциями Pandas для Data Science!

🌟 Сохрани в избранное, чтобы не потерять!

@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
🖥 Создание интерфейсов приложений на Python с помощью Tkinter Designer!

🌟 Узнайте, как без усилий создавать потрясающие приложения с графическим интерфейсом, не написав ни единой строчки кода!

🕞 Продолжительность: 14:08

🔗 Ссылка: *клик*

@pythonl
Please open Telegram to view this post
VIEW IN TELEGRAM
⚡️Легкий способ получать свежие обновления и следить за трендами в разработке на вашем языке. Находите свой стек и подписывайтесь:

МАШИННОЕ ОБУЧЕНИЕ: t.me/ai_machinelearning_big_data
C++ t.me/cpluspluc
Python: t.me/python_job_interview
Хакинг: t.me/linuxkalii
Devops: t.me/DevOPSitsec
АНАЛИЗ Данных: t.me/data_analysis_ml
Javascript: t.me/javascriptv
C#: t.me/csharp_ci
Java: t.me/javatg
Базы данных: t.me/sqlhub
Linux: t.me/linuxacademiya
Python собеседования: t.me/python_job_interview
Мобильная разработка: t.me/mobdevelop
Docker: t.me/DevopsDocker
Golang: t.me/Golang_google
React: t.me/react_tg
Rust: t.me/rust_code
ИИ: t.me/vistehno
PHP: t.me/phpshka
Android: t.me/android_its
Frontend: t.me/front
Big Data: t.me/bigdatai
Собеседования МЛ: t.me/machinelearning_interview
МАТЕМАТИКА: t.me/data_math
Kubernets: t.me/kubernetc


💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://yangx.top/addlist/2Ls-snqEeytkMDgy
Папка FRONTEND: https://yangx.top/addlist/mzMMG3RPZhY2M2Iy

😆ИТ-Мемы: t.me/memes_prog
🇬🇧Английский: t.me/english_forprogrammers
🧠ИИ: t.me/vistehno

🎓954ГБ ОПЕНСОРС КУРСОВ: @courses
📕Ит-книги бесплатно: https://yangx.top/addlist/BkskQciUW_FhNjEy