От «обезьяньей» работы к Smart-анализу: как выполнить предобработку данных для моделей
https://habr.com/ru/articles/975082/
От «обезьяньей» работы к Smart-анализу: как правильно готовить данные для моделей.Что такое Exploratory Data Analysis и как избежать основных ошибок при его выполнении.
https://habr.com/ru/articles/975082/
От «обезьяньей» работы к Smart-анализу: как правильно готовить данные для моделей.Что такое Exploratory Data Analysis и как избежать основных ошибок при его выполнении.
Multi-API Ensemble: 95% точности транскрипции региональных топонимов
https://habr.com/ru/articles/974978/
В статье полный разбор архитектуры, алгоритмы scoring, примеры кода и расчёт экономики.Один STT-сервис дал 60-70% точности на специфической лексике (топонимы, названия улиц, профессиональные термины). Два сервиса параллельно + взвешенное голосование + AI-fusion для спорных случаев дали 95%+ точности. Время обработки 5-8 секунд.
https://habr.com/ru/articles/974978/
В статье полный разбор архитектуры, алгоритмы scoring, примеры кода и расчёт экономики.Один STT-сервис дал 60-70% точности на специфической лексике (топонимы, названия улиц, профессиональные термины). Два сервиса параллельно + взвешенное голосование + AI-fusion для спорных случаев дали 95%+ точности. Время обработки 5-8 секунд.
Python Bytes: #461 This episdoe has a typo
https://pythonbytes.fm/episodes/show/461/this-episdoe-has-a-typo
Очередной выпуск англоязычного подкаста Python Bytes
https://pythonbytes.fm/episodes/show/461/this-episdoe-has-a-typo
Очередной выпуск англоязычного подкаста Python Bytes
Python + Fortran: Когда numpy уже мало, а C++ ещё страшно. Ускоряем код в 150 раз
https://habr.com/ru/articles/975052/
В прошлой статье я рассуждал о том, почему Fortran в 2025 году всё ещё жив и даже растет в рейтингах. В комментариях справедливо заметили: «Философия — это хорошо, но как это применить современному разработчику? Зачем мне Fortran, если я пишу на Python?».
https://habr.com/ru/articles/975052/
В прошлой статье я рассуждал о том, почему Fortran в 2025 году всё ещё жив и даже растет в рейтингах. В комментариях справедливо заметили: «Философия — это хорошо, но как это применить современному разработчику? Зачем мне Fortran, если я пишу на Python?».
Как квантовать LLM. Практическое руководство для начинающих
https://habr.com/ru/articles/975468/
Рост числа параметров в LLM и других нейронных сетях создает проблему того, что запускать их может все меньшее количество людей. Это связано с тем, что запуск больших моделей требует наличие мощного оборудования, недоступное всем. Для решения этой проблемы разрабатываются различные виды оптимизации, позволяющие запускать крупные нейронные сети (в частности LLM) на менее мощном оборудовании. Одним из наиболее популярных подходов оптимизации LLM является квантизация.
https://habr.com/ru/articles/975468/
Рост числа параметров в LLM и других нейронных сетях создает проблему того, что запускать их может все меньшее количество людей. Это связано с тем, что запуск больших моделей требует наличие мощного оборудования, недоступное всем. Для решения этой проблемы разрабатываются различные виды оптимизации, позволяющие запускать крупные нейронные сети (в частности LLM) на менее мощном оборудовании. Одним из наиболее популярных подходов оптимизации LLM является квантизация.
Руководство по PyTorch для новичков: создаём модель множественной регрессии с нуля
https://habr.com/ru/companies/otus/articles/975328/
После взрывного роста интереса к ИИ я всё чаще вижу, что PyTorch заметно опережает TensorFlow по популярности. Оба фреймворка очень мощные и позволяют дата-сайентистам решать самые разные задачи, включая обработку естественного языка, что вновь подогрело интерес к глубокому обучению.
https://habr.com/ru/companies/otus/articles/975328/
После взрывного роста интереса к ИИ я всё чаще вижу, что PyTorch заметно опережает TensorFlow по популярности. Оба фреймворка очень мощные и позволяют дата-сайентистам решать самые разные задачи, включая обработку естественного языка, что вновь подогрело интерес к глубокому обучению.
Как я тв-шоу переводил с помощью ML-моделей без подписок и СМС
https://habr.com/ru/articles/971644/
Сейчас мы переживаем бум ИИ-сервисов, которые за небольшую плату могут реализовать любые ваши творческие фантазии без необходимости глубокого понимания технических принципов их работы. Но я из тех, кто любит «ковыряться под капотом», поэтому в качестве проекта «выходного дня» я решил реализовать сервис машинного закадрового перевода видео с помощью общедоступных моделей с локальным запуском. А что из этого вышло – читайте далее.
https://habr.com/ru/articles/971644/
Сейчас мы переживаем бум ИИ-сервисов, которые за небольшую плату могут реализовать любые ваши творческие фантазии без необходимости глубокого понимания технических принципов их работы. Но я из тех, кто любит «ковыряться под капотом», поэтому в качестве проекта «выходного дня» я решил реализовать сервис машинного закадрового перевода видео с помощью общедоступных моделей с локальным запуском. А что из этого вышло – читайте далее.
💩1
Django 6.0: эволюция фреймворка в деталях
https://habr.com/ru/articles/975472/
В свежем релизе фреймворк усиливает совместимость между СУБД, упрощает работу с email, улучшает ORM, добавляет удобства в шаблонах и снижает риск «выгорания» первичных ключей.
https://habr.com/ru/articles/975472/
В свежем релизе фреймворк усиливает совместимость между СУБД, упрощает работу с email, улучшает ORM, добавляет удобства в шаблонах и снижает риск «выгорания» первичных ключей.
A “frozen” dictionary for Python
https://lwn.net/SubscriberLink/1047238/25c270b077849dc0/
https://lwn.net/SubscriberLink/1047238/25c270b077849dc0/
Latency Profiling in Python: From Code Bottlenecks to Observability
https://quant.engineering/latency-profiling-in-python.html
https://quant.engineering/latency-profiling-in-python.html
agentic-context-engine - обучение агентов на основе их опыта
https://github.com/kayba-ai/agentic-context-engine
https://github.com/kayba-ai/agentic-context-engine
Анализ данных с сайта Pet911
https://habr.com/ru/articles/976420/
По данным Информационного телеграфного агентства России (ТАСС), в 2024 году в России было потеряно и найдено более 168 тысяч домашних животных, что на 17% больше, чем годом ранее. Для повышения шансов найти питомца живым и невредимым, помимо самостоятельных поисков, можно обратиться к волонтёрским сообществам и специализированным сервисам – именно волонтеры помогают найти более 90% пропавших животных. Одним из ключевых онлайн‑ресурсов, аккумулирующих информацию о пропаже и находке животных, является Pet911.
https://habr.com/ru/articles/976420/
По данным Информационного телеграфного агентства России (ТАСС), в 2024 году в России было потеряно и найдено более 168 тысяч домашних животных, что на 17% больше, чем годом ранее. Для повышения шансов найти питомца живым и невредимым, помимо самостоятельных поисков, можно обратиться к волонтёрским сообществам и специализированным сервисам – именно волонтеры помогают найти более 90% пропавших животных. Одним из ключевых онлайн‑ресурсов, аккумулирующих информацию о пропаже и находке животных, является Pet911.
Talk Python to Me: #530: anywidget: Jupyter Widgets made easy
https://talkpython.fm/episodes/show/530/anywidget-jupyter-widgets-made-easy
Audio
https://talkpython.fm/episodes/show/530/anywidget-jupyter-widgets-made-easy
Audio
#python #pydigest
IT-новости про Python перед вами.
Часть материалов из выпуска Python Дайджест:
- Возможное использование Rust в CPython
- От «обезьяньей» работы к Smart-анализу: как выполнить предобработку данных для моделей
- Как квантовать LLM. Практическое руководство для начинающих
- Python + Fortran: Когда numpy уже мало, а C++ ещё страшно. Ускоряем код в 150 раз
- Как я тв-шоу переводил с помощью ML-моделей без подписок и СМС
- Реализуем компьютерное зрение на практике
- Python Bytes: #461 This episdoe has a typo
Заходите в гости - https://pythondigest.ru/issue/626/
IT-новости про Python перед вами.
Часть материалов из выпуска Python Дайджест:
- Возможное использование Rust в CPython
- От «обезьяньей» работы к Smart-анализу: как выполнить предобработку данных для моделей
- Как квантовать LLM. Практическое руководство для начинающих
- Python + Fortran: Когда numpy уже мало, а C++ ещё страшно. Ускоряем код в 150 раз
- Как я тв-шоу переводил с помощью ML-моделей без подписок и СМС
- Реализуем компьютерное зрение на практике
- Python Bytes: #461 This episdoe has a typo
Заходите в гости - https://pythondigest.ru/issue/626/
Python Дайджест
Выпуск 626
Выпуск еженедельного Python Дайджеста. Самые актуальные новости про Python за 2025-12-08 - 2025-12-14 на одной странице
Автоэнкодер: как нейросеть учится понимать норму
https://habr.com/ru/articles/976480/
В реальной повседневной работе от нейронной сети мне нужна одна простая и приземлённая вещь — поиск аномалий в данных.
И вот с этим нейросети действительно справляются. Более того, для этого у них есть специальный инструмент — автоэнкодер.
https://habr.com/ru/articles/976480/
В реальной повседневной работе от нейронной сети мне нужна одна простая и приземлённая вещь — поиск аномалий в данных.
И вот с этим нейросети действительно справляются. Более того, для этого у них есть специальный инструмент — автоэнкодер.
tornado - 6.5.4
https://pypi.org/project/tornado/6.5.4/
Масштабируемый, не блокирующий web-сервер. Скачать можно по ссылке: https://pypi.python.org/pypi/tornado/
https://pypi.org/project/tornado/6.5.4/
Масштабируемый, не блокирующий web-сервер. Скачать можно по ссылке: https://pypi.python.org/pypi/tornado/
Как реализовать выборочную долговременную память в LLM-боте на Python
https://habr.com/ru/articles/976466/
LLM-модели хорошо решают задачи диалога, но имеют одно ключевое ограничение: отсутствие встроенной долговременной памяти. Модель опирается только на текущий контекст.
https://habr.com/ru/articles/976466/
LLM-модели хорошо решают задачи диалога, но имеют одно ключевое ограничение: отсутствие встроенной долговременной памяти. Модель опирается только на текущий контекст.
Ночь, телескоп, ИИ, комета: анализ спектра 3I/ATLAS с собственным Python-pipeline
https://habr.com/ru/articles/976568/
У вас когда-нибудь была мечта, которая поднимает посреди ночи, и вы на цыпочках идете через спящий дом к компьютеру — посмотреть, что показывает ваш телескоп? Поймал ли он 3I/ATLAS, с джетами или без, как слабую точку или как большой объект с необычно яркой комой? Эти ночи — мои будни уже 3 месяца. И сегодня я расскажу, как любитель-астроном исследует самый необычный межзвездный объект за всю историю человечества:
https://habr.com/ru/articles/976568/
У вас когда-нибудь была мечта, которая поднимает посреди ночи, и вы на цыпочках идете через спящий дом к компьютеру — посмотреть, что показывает ваш телескоп? Поймал ли он 3I/ATLAS, с джетами или без, как слабую точку или как большой объект с необычно яркой комой? Эти ночи — мои будни уже 3 месяца. И сегодня я расскажу, как любитель-астроном исследует самый необычный межзвездный объект за всю историю человечества:
Floodfill Algorithm in Python
https://pycoders.com/link/15603/web
The floodfill algorithm is used to fill a color in a bounded area. Learn how it works and how to implement it in Python.
https://pycoders.com/link/15603/web
The floodfill algorithm is used to fill a color in a bounded area. Learn how it works and how to implement it in Python.
Как я уже 5 лет создаю свою макрос-клавиатуру. И почему не бросил этот проект
https://habr.com/ru/articles/976662/
Последние пять лет я веду, пожалуй, самый длинный и упорный личный проект в своей жизни создаю собственную макрос-клавиатуру с нуля: от логотипа до электроники и ПО.
https://habr.com/ru/articles/976662/
Последние пять лет я веду, пожалуй, самый длинный и упорный личный проект в своей жизни создаю собственную макрос-клавиатуру с нуля: от логотипа до электроники и ПО.