jupyterlab-git: A Git Extension for JupyterLab
https://github.com/jupyterlab/jupyterlab-git

Django ORM: как QuerySet ленится, цепляется и генерирует SQL
https://habr.com/ru/companies/otus/articles/988886/

Django ORM прячет SQL за красивым Python-интерфейсом. Пишешь User.objects.filter(active=True).order_by('name')[:10] — получаешь список пользователей. Круто. Но когда запросы тормозят или N+1 пожирает базу, приходится понимать, что вообще происходит.Разберём внутренности QuerySet: почему он ленивый, как работает chaining, когда запрос реально выполняется, и чем select_related отличается от prefetch_related на уровне SQL.

Ускорение вычислений в алгоритме DRS-виртуализации через векторизацию
https://habr.com/ru/companies/oleg-bunin/articles/980710/

Переписать решение с Python на Go и получить ускорение в 35 раз — звучит приятно. Но можно ведь пойти дальше, вспомнить о возможностях современных процессоров и увеличить отрыв Go до 200 раз!

pip - 26.0
https://pypi.org/project/pip/26.0/

Утилита для управления модулями в Python. Скачать можно по ссылке: https://pypi.python.org/pypi/pip/

Работа с несбалансированными данными: SMOTE мёртв, что работает
https://habr.com/ru/companies/otus/articles/989652/

Бывали у вас датасеты, где класс «1» встречается в 100 раз реже класса «0»? У меня — постоянно. Модель радуется высокой точности, а на деле совершенно промахивается по редкому классу. Давайте обсудим, почему старый добрый SMOTE уже не торт, и что помогает в таких случаях.

Улучшаем Backend-разработку в Cline на примерах
https://habr.com/ru/companies/domclick/articles/988374/

Сейчас я расскажу, как использую агенты, чтобы упростить себе backend-разработку и не тратить на рефакторинг больше, чем на написание кода.Какие задачи идеально подходят для оптимизации с помощью ИИ, а какие не стоит отдавать агенту.

Дескрипторы Python: механизм, на котором держится половина крутости языка
https://habr.com/ru/companies/otus/articles/988864/

Дескрипторы — одна из тех фич Python, о которых многие слышали, но мало кто использует напрямую. При этом они лежат в основе @property, @classmethod, @staticmethod, слотов и даже обычного доступа к методам. Разберём, что такое дескрипторы, как их писать и когда они реально полезны

Как я ML-ку делал
https://habr.com/ru/articles/990760/

На работе одним из постоянных и важных процессов является проверка чеков на подлинность. Их поток достаточно большой (порядка нескольких сотен каждый день) и при этом каждый документ разбирается вручную - это может занимать до нескольких минут на один файл. На дистанции получается достаточно много. К тому же ручная проверка это медленно, дорого, и зачастую с ошибками из-за усталости аналитиков.

numpy - 2.4.2
https://pypi.org/project/numpy/2.4.2/

Модуль для работы с многомерными массивами. Скачать можно по ссылке: https://pypi.python.org/pypi/numpy/

Django: profile memory usage with Memray
https://cur.at/K0ZX71M?m=web

Use Memray to profile Django startup, identify heavy imports like numpy, and reduce memory by deferring, lazy importing, or replacing dependencies.

Чистим аудиокниги от шума нейросетями
https://habr.com/ru/articles/986738/

Фоновая музыка, гул, шипение — классические фильтры с этим не справляются. Нейросети справляются, но падают на длинных файлах. Решение: чанкование + сохранение прогресса. Делюсь инструментом.

gunicorn - 25.0.0
https://pypi.org/project/gunicorn/25.0.0/

WSGI HTTP-сервер для UNIX. Скачать можно по ссылке: https://pypi.python.org/pypi/gunicorn/

From Python 3.3 to today: ending 15 years of subprocess polling
https://gmpy.dev/blog/2026/event-driven-process-waiting

Django: profile memory usage with Memray
https://adamj.eu/tech/2026/01/29/django-profile-memray/

ㅤ

#python #pydigest
IT-новости про Python перед вами.

Часть материалов из выпуска Python Дайджест:

- Чистим аудиокниги от шума нейросетями
- Параллелизация pytest: от xdist до Kubernetes
- Django ORM: как QuerySet ленится, цепляется и генерирует SQL
- Линейная регрессия, встряска рейтинга и первое место. Часть 1: Ёлочка, живи
- Улучшаем Backend-разработку в Cline на примерах
- Как Питолис мир создавал
- Генетический алгоритм: практический кейс раскроя полотен
- pip - 26.0
- jupyterlab-git: A Git Extension for JupyterLab

Заходите в гости - https://pythondigest.ru/issue/633/

Сводка от pythonz 25.01.2026 — 01.02.2026
https://pythonz.net/articles/630/

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

Как я создал свой сканер и пришёл к выплатам на багбаунти
https://habr.com/ru/articles/991392/

Сегодня хочу поделиться историей о том, как желание автоматизировать рутинную работу привело меня к созданию собственного инструмента FullMute и, как следствие, к первым серьезным выплатам на платформах bug bounty.Как многие начинающие исследователи, я начал с хаотичного ручного поиска уязвимостей: проверял заголовки, искал известные пути к админкам, пытался угадать версии CMS. Это было неэффективно, медленно и сильно зависело от везения. Мне нужен был «компас», который бы проводил первоначальную разведку за меня и давал четкие цели для атаки. Так родилась идея FullMute.

gunicorn - 25.0.1
https://pypi.org/project/gunicorn/25.0.1/

WSGI HTTP-сервер для UNIX. Скачать можно по ссылке: https://pypi.python.org/pypi/gunicorn/

Cложные запросы через паттерн Repository. Large Repository
https://habr.com/ru/articles/991494/

После негодования по поводу реализации паттерна Repository в обучающих материалах, а именно скудность функционала, я решил, что нужно расширяться и это привело к тому, что появился ORM Query Builder, о котором подробно расскажет вам эта статья.

Разбор threading vs multiprocessing vs asyncio в Python
https://habr.com/ru/articles/991478/

threading, multiprocessing и asyncio. На первый взгляд – механизмы схожие. Но при детальном разборе ясно, что они решают принципиально разные задачи, опираются на разные модели исполнения и обладают своими ограничениями. В статье расскажу об особенностях каждого метода – будет интересно и познавательно.