Этот GitHub-репозиторий — не свалка туториалов.
Внутри 28 продакшен-готовых AI-проектов, которые можно использовать.
Что там есть:
Проекты по машинному обучению
→ Прогноз цен на Airbnb
→ Калькулятор стоимости авиабилетов
→ Трекер успеваемости студентов
AI для медицины
→ Детекция заболеваний грудной клетки
→ Предсказание сердечных заболеваний
→ Анализ риска диабета
Генеративные AI-приложения
→ Живой чат-бот на Gemini
→ Рабочий медицинский ассистент
→ Инструмент анализа документов
Проекты по компьютерному зрению
→ Система трекинга рук
→ Приложение для распознавания лекарств
→ Реализации на OpenCV
Дашборды для анализа данных
→ Аналитика e-commerce
→ Аналитика ресторанов
→ Трекер статистики по крикету
И ещё 10 продвинутых проектов скоро:
→ Детекция дипфейков
→ Классификация опухолей мозга
→ Система оповещения о сонливости водителя
Это не просто набор файлов с кодом.
Это end-to-end рабочие приложения.
Посмотреть репозиторий😲
👉 @PythonPortal
Внутри 28 продакшен-готовых AI-проектов, которые можно использовать.
Что там есть:
Проекты по машинному обучению
→ Прогноз цен на Airbnb
→ Калькулятор стоимости авиабилетов
→ Трекер успеваемости студентов
AI для медицины
→ Детекция заболеваний грудной клетки
→ Предсказание сердечных заболеваний
→ Анализ риска диабета
Генеративные AI-приложения
→ Живой чат-бот на Gemini
→ Рабочий медицинский ассистент
→ Инструмент анализа документов
Проекты по компьютерному зрению
→ Система трекинга рук
→ Приложение для распознавания лекарств
→ Реализации на OpenCV
Дашборды для анализа данных
→ Аналитика e-commerce
→ Аналитика ресторанов
→ Трекер статистики по крикету
И ещё 10 продвинутых проектов скоро:
→ Детекция дипфейков
→ Классификация опухолей мозга
→ Система оповещения о сонливости водителя
Это не просто набор файлов с кодом.
Это end-to-end рабочие приложения.
Посмотреть репозиторий
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥12❤10👍2
Please open Telegram to view this post
VIEW IN TELEGRAM
🤣80🔥23❤9👍5
Forwarded from Backend VK Hub
This media is not supported in your browser
VIEW IN TELEGRAM
❗ Пора отвлечься от хотфиксов на приятные хлопоты ❗
Время забирать подарки — годовые подписки на Облако Mail и VK Музыку.
Чтобы посоревноваться за подарки:
🔹 подпишитесь на наш канал @backendhubvk
🔹 нажмите кнопку «Участвовать»
🔹 почитайте по ссылке информацию об организаторе, правилах и призах
🔹 дождитесь 30 декабря — в этом посте мы выберем случайным образом 6 победителей
Время забирать подарки — годовые подписки на Облако Mail и VK Музыку.
Чтобы посоревноваться за подарки:
🔹 подпишитесь на наш канал @backendhubvk
🔹 нажмите кнопку «Участвовать»
🔹 почитайте по ссылке информацию об организаторе, правилах и призах
🔹 дождитесь 30 декабря — в этом посте мы выберем случайным образом 6 победителей
🤣6❤2👍1🤔1
Преобразуй сложные регэкспы в нормальный читаемый Python-код с Pregex
Шаблоны вроде [a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,} выглядят пугающе и плохо читаются. Команде без опыта в регулярках сложно понять и править такие валидации.
Pregex разворачивает regex в понятный питоновский код из описательных компонентов.
Что получаем:
• Код сам объясняет намерение, даже без комментариев
• Можно править без знаний регэкспов
• Компонуешь паттерны для сложной валидации
• При необходимости обратно экспортируешь в обычный regex
Инструмент open source. Установка:
Полная статья: https://bit.ly/3IWAE5O
Запустите этот код: https://bit.ly/4hdQjKM
👉 @PythonPortal
Шаблоны вроде [a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,} выглядят пугающе и плохо читаются. Команде без опыта в регулярках сложно понять и править такие валидации.
Pregex разворачивает regex в понятный питоновский код из описательных компонентов.
Что получаем:
• Код сам объясняет намерение, даже без комментариев
• Можно править без знаний регэкспов
• Компонуешь паттерны для сложной валидации
• При необходимости обратно экспортируешь в обычный regex
Инструмент open source. Установка:
pip install pregexПолная статья: https://bit.ly/3IWAE5O
Запустите этот код: https://bit.ly/4hdQjKM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥29👍9🤔5❤2
FastPython
Это официальный репозиторий FastPython на GitHub. FastPython — проект про повышение производительности Python за счет практичных, drop-in паттернов и техник оптимизации. Локальные переменные, меньше обращений к атрибутам, микротюнинг горячих функций
Обещает ускорить код без переписывания всего приложения😋
👉 @PythonPortal
Это официальный репозиторий FastPython на GitHub. FastPython — проект про повышение производительности Python за счет практичных, drop-in паттернов и техник оптимизации. Локальные переменные, меньше обращений к атрибутам, микротюнинг горячих функций
Обещает ускорить код без переписывания всего приложения
Please open Telegram to view this post
VIEW IN TELEGRAM
❤19🤔7👍3
С 35-летием, WorldWideWeb, первый браузер!
25 декабря 1990 года в CERN британский физик и интернет-первопроходец Тим Бернерс-Ли сделал первый в мире веб-браузер под названием WorldWideWeb.
Потыкать эмулятор браузер👌
👉 @PythonPortal
25 декабря 1990 года в CERN британский физик и интернет-первопроходец Тим Бернерс-Ли сделал первый в мире веб-браузер под названием WorldWideWeb.
Потыкать эмулятор браузер
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥42👍7❤3💊2😁1
This media is not supported in your browser
VIEW IN TELEGRAM
Какие фичи C++ реально стоят того, чтобы ими пользоваться каждый день — а какие живут только в докладах и спорах на форумах?
Во втором выпуске «АйТир Листа» встретились два практикующих разработчика —
Данил Черепанов (МойОфис) и Антон Полухин (Яндекс) — и разобрали любимые и спорные возможности C++. Где-то всё было однозначно, а местами мнения разошлись кардинально 🙂
👉 Выпуск ЗДЕСЬ
Реклама
ООО "НОВЫЕ ОБЛАЧНЫЕ ТЕХНОЛОГИИ"
ИНН: 7703807270
erid: 2W5zFHaafsW
Во втором выпуске «АйТир Листа» встретились два практикующих разработчика —
Данил Черепанов (МойОфис) и Антон Полухин (Яндекс) — и разобрали любимые и спорные возможности C++. Где-то всё было однозначно, а местами мнения разошлись кардинально 🙂
👉 Выпуск ЗДЕСЬ
Реклама
ООО "НОВЫЕ ОБЛАЧНЫЕ ТЕХНОЛОГИИ"
ИНН: 7703807270
erid: 2W5zFHaafsW
❤5👍3💊2
Создавай Python-пакеты за пару секунд с
Python-пакеты позволяют вынести код в переиспользуемые модули и шарить их между проектами.
Обычно это возня с
UV, быстрый установщик и резолвер зависимостей для Python, упрощает всё до двух команд:
•
•
Полная статья: https://bit.ly/3Jyqtok
👉 @PythonPortal
uv init --package Python-пакеты позволяют вынести код в переиспользуемые модули и шарить их между проектами.
Обычно это возня с
setuptools, настройка билд-системы и разбор всей этой кухни с дистрибуцией.UV, быстрый установщик и резолвер зависимостей для Python, упрощает всё до двух команд:
•
uv init --package сразу поднимает структуру пакета•
uv build и uv publish собирают и отправляют пакет на PyPIПолная статья: https://bit.ly/3Jyqtok
Please open Telegram to view this post
VIEW IN TELEGRAM
👍15❤6
This media is not supported in your browser
VIEW IN TELEGRAM
Дрон, который стартует прыжком, как птица 🐦⬛️
Исследователи из EPFL собрали RAVEN: дрон по мотивам птиц, который умеет ходить, подпрыгивать и прыгать в момент взлета без полосы, катапульты и без помощи человека.
Вместо того чтобы считать ноги балластом, команда спроектировала легкие птичьи ноги, которые реально участвуют и в передвижении, и во взлете.
Дрон использует пружинно-моторные ноги, вдохновленные воронами, за счет чего он может проходить по неровной местности, запрыгивать на возвышения и эффективно “выстреливать” себя в воздух.
Энергия накапливается и высвобождается за счет гибких пальцев и пружин, работающих как сухожилия, на ногах. При размахе крыльев 1 метр дрон может пройти метр за четыре секунды, прыгнуть на 26 см и перепрыгивать щели шириной 12 см.
По сравнению со статическим запуском, взлет с использованием ног подбрасывает его почти на 50 см при скорости вперед 2,2 м/с, и это дает примерно в 10 раз лучшую энергоэффективность.
👉 @PythonPortal
Исследователи из EPFL собрали RAVEN: дрон по мотивам птиц, который умеет ходить, подпрыгивать и прыгать в момент взлета без полосы, катапульты и без помощи человека.
Вместо того чтобы считать ноги балластом, команда спроектировала легкие птичьи ноги, которые реально участвуют и в передвижении, и во взлете.
Дрон использует пружинно-моторные ноги, вдохновленные воронами, за счет чего он может проходить по неровной местности, запрыгивать на возвышения и эффективно “выстреливать” себя в воздух.
Энергия накапливается и высвобождается за счет гибких пальцев и пружин, работающих как сухожилия, на ногах. При размахе крыльев 1 метр дрон может пройти метр за четыре секунды, прыгнуть на 26 см и перепрыгивать щели шириной 12 см.
По сравнению со статическим запуском, взлет с использованием ног подбрасывает его почти на 50 см при скорости вперед 2,2 м/с, и это дает примерно в 10 раз лучшую энергоэффективность.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍40❤13🔥6
Я люблю таких вайб-кодеров
спасибо за все халявные API-ключи
чел получил четыре предупреждения «не пушить в паблик»
и все равно выкатил туда 💀😂
👉 @PythonPortal
спасибо за все халявные API-ключи
чел получил четыре предупреждения «не пушить в паблик»
и все равно выкатил туда 💀
Please open Telegram to view this post
VIEW IN TELEGRAM
😁64❤12👍5
Генерируй сортируемые ID экспериментов с UUID v7 из Python 3.14
UUID4 выдаёт чисто рандомные идентификаторы без хронологического порядка.
Без встроенного таймстемпа тебе приходится заводить отдельное поле с временем и городить свою сортировку по времени создания записей.
В Python 3.14 появился UUID версии 7 со встроенной упорядоченностью по времени.
Ключевые моменты:
• Порядок создания можно определить просто сравнивая два UUID напрямую
• Точное время создания можно вытащить из встроенного в UUID таймстемпа
👉 @PythonPortal
UUID4 выдаёт чисто рандомные идентификаторы без хронологического порядка.
Без встроенного таймстемпа тебе приходится заводить отдельное поле с временем и городить свою сортировку по времени создания записей.
В Python 3.14 появился UUID версии 7 со встроенной упорядоченностью по времени.
Ключевые моменты:
• Порядок создания можно определить просто сравнивая два UUID напрямую
• Точное время создания можно вытащить из встроенного в UUID таймстемпа
import uuid
from datetime import datetime
# UUID v7 вшивает таймстемп для сортируемых ID
id1 = uuid.uuid7()
id2 = uuid.uuid7()
# Получить UUID
print(id1)
# '019a0da1-c3be-744e-9062-9cfa43dbfe41'
# Извлечь таймстемп в миллисекундах
print(id1.time)
# '1761165168875'
# Автоматическая сортировка по времени создания
id1 < id2
# True
Please open Telegram to view this post
VIEW IN TELEGRAM
👍13❤4
Давай соберем динамическую память для AI-агентов на графах знаний и RAG всего в 6 строк кода, шаг за шагом (100% локально).
Когда ты шлёшь в агента большие объёмы данных, это часто приводит к раздутию контекста и галлюцинациям.
Чтобы агенты были надежными, нужен способ связать данные между собой и зафиксировать базовые «ground truth», которые повышают точность в многошаговых диалогах.
Именно это и делает Cognee.
Он помогает строить динамическую память для AI-агентов, заменяя RAG на масштабируемые модульные ECL-пайплайны (Extract, Cognify, Load).
Давай пройдемся по настройке по шагам:
Шаг 1: Data ingestion
В этом примере мы просто прокинем строку текста в Cognee и превратим её в память для ИИ.
Но ты не ограничен только текстом: можно кормить документы, файлы или любые другие источники данных, чтобы собрать knowledge graph.
Дальше можно дергать search() и ходить в него с обычными текстовыми запросами.
Шаг 2: Memify
Теперь добавляем функции памяти. Они работают поверх семантического слоя (knowledge graph), связывают точки и улучшают поиск.
Memify полностью кастомизируется и может использовать любые преобразования, которые ты напишешь.
Шаг 3: Наконец, добавляем Feedback Loops
Cognee поддерживает непрерывное улучшение за счёт механизма обратной связи: он фиксирует, насколько полезны и релевантны результаты поиска по реальным сообщениям пользователей.
Со временем получается обучающаяся система, которая адаптируется под твои задачи и предпочтения.
Cognee сделан под память агентов. Он превращает документы, чаты и файлы в knowledge graph, по которому любая LLM может рассуждать.
Можно запускать локально, в том числе через интерактивные ноутбуки.
Он на 100% опенсорс.😱
👉 @PythonPortal
Когда ты шлёшь в агента большие объёмы данных, это часто приводит к раздутию контекста и галлюцинациям.
Чтобы агенты были надежными, нужен способ связать данные между собой и зафиксировать базовые «ground truth», которые повышают точность в многошаговых диалогах.
Именно это и делает Cognee.
Он помогает строить динамическую память для AI-агентов, заменяя RAG на масштабируемые модульные ECL-пайплайны (Extract, Cognify, Load).
Давай пройдемся по настройке по шагам:
Шаг 1: Data ingestion
В этом примере мы просто прокинем строку текста в Cognee и превратим её в память для ИИ.
Но ты не ограничен только текстом: можно кормить документы, файлы или любые другие источники данных, чтобы собрать knowledge graph.
Дальше можно дергать search() и ходить в него с обычными текстовыми запросами.
Шаг 2: Memify
Теперь добавляем функции памяти. Они работают поверх семантического слоя (knowledge graph), связывают точки и улучшают поиск.
Memify полностью кастомизируется и может использовать любые преобразования, которые ты напишешь.
Шаг 3: Наконец, добавляем Feedback Loops
Cognee поддерживает непрерывное улучшение за счёт механизма обратной связи: он фиксирует, насколько полезны и релевантны результаты поиска по реальным сообщениям пользователей.
Со временем получается обучающаяся система, которая адаптируется под твои задачи и предпочтения.
Cognee сделан под память агентов. Он превращает документы, чаты и файлы в knowledge graph, по которому любая LLM может рассуждать.
Можно запускать локально, в том числе через интерактивные ноутбуки.
Он на 100% опенсорс.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍8❤3