Python

Знания кода недостаточно: как сохранить и поднять свою ценность в IT О волне сокращений заговорили ещё в прошлом году: IBM, Microsoft, Amazon и другие гиганты стали постепенно заменять сотрудников нейросетями. Сейчас можем оценить первые результаты - по данным консалтинговой компании Challenger, Gray & Christmas, ИИ стал причиной почти 55 000 увольнений в США в 2025 году. И это касается не только сотрудников поддержки: компании всё чаще делегируют нейросетям простой код. Сейчас до 30% внутренней разработки в Microsoft и Google лежит на ИИ, а та же Claude уже превосходит программистов в техсобесах. Пока ИИ берёт на себя рутину, ценность человека смещается в сторону интерпретации, приоритизации и влияния на решения - того, что по-прежнему нельзя автоматизировать полностью.  А это значит, что сейчас самое время дополнять стек не новыми языками программирования, а умением связывать технологии с потребностями бизнеса. Если хотите выделиться на рынке и не пасть жертвой ИИ-сокращений, усильте свои компетенции на курсе "Аналитик данных" от Академии Eduson. Что внутри: - 419 коротких уроков по всему необходимому: от Excel, SQL, BI до презентации результатов. - Модуль по профильным нейросетям для аналитики. - 10+ практических кейсов для портфолио. - Онлайн-формат без дедлайнов и бессрочный доступ к обновлениям. - Личный куратор на 365 дней. - Лекции от экспертов-практиков из "Яндекса", Datalatte, Softline, "Работа.ру". - Диплом о профпереподготовке и гарантия содействия трудоустройству: если не найдёте работу - вернут деньги, это прописано в договоре. Курс также подойдёт самоучкам, которые хотят систематизировать знания основ Python и войти в IT с востребованной специализацией. Оставить заявку можно здесь. По промокоду PYTHON получите скидку 55% и второй курс на выбор в подарок: сможете прокачать ещё больше навыков или порадовать кого-то из близких. Реклама. ООО "Эдюсон", ИНН 7729779476, 2W5zFFvJXcc

Теперь даже HRы на питоне пишут!

✔ NVIDIA показала новый разговорный ИИ - PersonaPlex Суть фичи в том, что модель старается звучать максимально “живым” собеседником, а не просто отвечать по очереди. Что умеет PersonaPlex: · Переключать стиль общения (persona) - например строгий учитель, дружелюбный консультант, бармен и т.д. · Говорить и слушать одновременно - меньше задержек и пауз в диалоге · Поддакивать на фоне (“угу”, “ок”, “понятно”), пока человек говорит - чтобы разговор был ближе к реальному · Проект открыт - исходники доступны, можно брать и пробовать самому ▪GitHub ▪Hugging Face

🖥 Большинство “парсеров” умирают через 2 дня. Ты научишься делать те, которые живут в проде. Это не про BeautifulSoup ради галочки. Это про системы сбора данных, которые: • не падают от мелких правок на сайте • собирают данные в разы быстрее • обновляют всё сами по расписанию • обходят ограничения и баны • выглядят как сервис, а не хаос из файлов Ты начнёшь видеть сайты не как страницы, а как источники данных, к которым можно подключиться. В итоге ты сможешь: • забирать данные для своих проектов • автоматизировать чужую рутину • делать инструменты для аналитики • брать коммерческие заказы на сбор данных Это навык, который напрямую превращается в деньги. Не “знаю Python”, а умею добывать данные из интернета профессионально. 🎁 48 часов скидка 50% на Stepik: https://stepik.org/a/269942/

🎨 Генерация изображений с GLM-Image GLM-Image — это мощная модель генерации изображений, использующая гибридную архитектуру автогрессивного и диффузионного декодера. Она превосходно справляется с задачами текстового рендеринга и генерации сложной информации, обеспечивая высокое качество изображений и детальную проработку. 🚀 Основные моменты: - Поддержка генерации изображений из текста и редактирования изображений. - Высокая точность рендеринга текста и семантического понимания. - Модуль обратной связи для улучшения эстетики и детализации. - Подходит для задач с высокой информационной плотностью. 📌 GitHub: https://github.com/zai-org/GLM-Image

Как все представляют завтрак разработчика в 2026 году 🤩 На самом деле утро начинается с мысли: «Как кодить еще лучше?» Если вы уже освоили базу по Python и ищете зону роста, пройдите бесплатный мини-курс в Академии Selectel. В программе: 🔸 набор Python-инструментов и расширений, которые ускоряют кодинг; 🔸 гайд по работе с библиотекой Tkinter, чтобы создавать приложения с графическим интерфейсом; 🔸 инструкция по основам парсинга данных с веб-сайтов и многое другое. Закрепить полученные знания вы сможете тут же — эксперты собрали базу задач с готовыми ответами. Все материалы бесплатные. До роскошного IT-завтрака осталось пройти курс в удобное время: https://slc.tl/leedt?2W5zFGhkak8

🐋 DeepSeek выпустили DeepSeek-OCR 2 - новое поколение OCR с SOTA качеством DeepSeek представили DeepSeek-OCR 2 - 3B модель для продвинутого понимания изображений, документов и OCR, которая выходит на уровень SOTA. Ключевая новинка - DeepEncoder V2. В отличие от классических vision LLM, которые «читают» картинку как сетку (слева-направо, сверху-вниз), DeepEncoder V2 работает ближе к тому, как читает человек: - Сначала формируется глобальное понимание изображения - Затем модель определяет логический порядок чтения — что важно первым, что дальше Что это даёт на практике 📄 Лучше работает со сложными макетами документов 📊 Корректно читает таблицы 🧾 Связывает подписи и значения 📰 Понимает колонки и структурированный текст 🔀 Надёжнее обрабатывает смесь текста и визуальной структуры По качеству - Обходит Gemini 3 Pro на ряде бенчмарков - Даёт >4% прироста по сравнению с прошлой версией DeepSeek-OCR И это при размере модели всего 3B параметров. Можно запускать и дообучать Теперь DeepSeek-OCR 2 можно удобно запускать и fine-tune через Unsloth по готовому гайду. 🔗 Guide: https://unsloth.ai/docs/models/deepseek-ocr-2 🔗 Model: https://huggingface.co/deepseek-ai/DeepSeek-OCR-2 @ai_machinelearning_big_data #DeepSeek #ocr #opensource

🧠 Продвинутые советы по работе с Regex в Python Всегда компилируй регулярные выражения. Это ускоряет работу при многократном использовании, делает код чище и упрощает тестирование.

    
        
import re
RE_EMAIL = re.compile(r"\b[A-Z0-9._%+-]+@[A-Z0-9.-]+\.[A-Z]{2,}\b", re.I)
emails = RE_EMAIL.findall(text)
{}
    

Используй raw-строки и re.VERBOSE, чтобы regex был читаемым, а не выглядел как случайный набор символов.

    
        

RE_DATE = re.compile(r"""
    \b
    (?P<year>\d{4})-(?P<month>0[1-9]|1[0-2])-(?P<day>0[1-9]|[12]\d|3[01])
    \b
""", re.VERBOSE)
{}
    

Если группа не нужна в выводе - делай её non-capturing (?:...). Это уменьшает расходы памяти и путаницу с индексами групп.

    
        

re.findall(r"(?:https?://)?(?:www\.)?example\.com/\S+", text)
{}
    

Используй правильные якоря. \A и \Z безопаснее для валидации, чем ^ и $, которые зависят от флага MULTILINE.

    
        

re.match(r"\A\d+\Z", "123\n")
{}
    

Контролируй код и ставь ограничения. Бесконтрольный .* — частая причина зависаний и ReDoS.

    
        

re.search(r"<[^>]{0,2000}>", html)
{}
    

Lookahead и lookbehind позволяют искать текст без захвата. Это мощный инструмент для точных выборок.

    
        
m = re.search(r"(?<=token=)[^\s]+", s)
{}
    

Различай search, match и fullmatch. Для валидации почти всегда нужен fullmatch.

    
        
re.fullmatch(r"[a-z0-9_-]{3,32}", username)
{}
    

Если замена содержит логику - используй функцию.

    
        
RE_NUM = re.compile(r"\d+")

masked = RE_NUM.sub(lambda m: "*" * len(m.group(0)), s)
{}
    

Тестируй regex на “враждебных” данных: длинные строки, повторения. Это помогает избежать ошибок. Если стандартного re не хватает, используй библиотеку regex - она поддерживает таймауты и более мощные конструкции.

    
        
pip install regex
{}
    

Regex в продакшене - это не магия. Это контроль, ограничения, читаемость и тестирование. @pythonl

🎙️ NVIDIA выпустила PersonaPlex-7B - open-source голосовая диалоговая модель, которая умеет то, что обычно недоступно классическим пайплайнам: **слушать и говорить одновременно**. Модель: - 🔓 бесплатная и полностью открытая (MIT) - 🤗 веса доступны на Hugging Face - 🧠 full-duplex conversational model (двусторонний “живой” диалог) Обычно Voice AI устроен так: ASR → LLM → TTS Сначала распознаём речь, потом думаем, потом озвучиваем. Работает эффективно, но диалог получается “роботным”: говоришь по очереди, без перебиваний, без живой реакции. PersonaPlex-7B меняет подход. Она работает на непрерывных аудио-токенах и использует dual-stream transformer, который генерирует текст и аудио параллельно, а не переключает управление между модулями. Это даёт: - мгновенные “угу / да / понял” реакции (back-channel) - естественные перебивания и уточнения - нормальный ритм разговора, как у человека Ещё один плюс: управление “персоной” работает zero-shot, без дополнительного дообучения. Если ты делаешь голосового ассистента или саппорт-агента с низкой задержкой - это очень сильный шаг вперёд. https://github.com/NVIDIA/personaplex @pythonl