Наши подписчики вспомнили, как у них началось знакомство с Python.
Иногда — это лёгкий старт, но чаще — забавные (и немного болезненные) истории.
Вот три из них
Я учил Python… прямо во время написания C++ модуля.
Задача — сделать часть C++ кода вызываемой из Python. До того, как я вообще знал Python.
SWIG помог, но ощущения были как при операции на открытом сердце человеку, с которым ты только что пошёл на первое свидание.
Мой первый Python-скрипт назывался python.py. Он не работал, и я несколько часов ломал голову, пока не написал свой первый вопрос на Stack Overflow.
Там спросили: «А вы точно не назвали его python?» — и помогли.
Теперь понимаю, насколько это было глупо… но для новичка это казалось отличным названием.
Я пришёл из R и был в бешенстве, что скобки и фигурные, и квадратные в Python значат совсем разные вещи.
А ещё меня бесило, что нет функции grep.
💬 А как у вас началось знакомство с Python?
#междусобойчик
Please open Telegram to view this post
VIEW IN TELEGRAM
😁4❤1
В Python всё чаще приходится выбирать между sync и async реализациями (а иногда ещё и писать обе).
Если вам надоело дублировать код или разбираться в тёмных углах
asyncio
, вот две очень лёгкие и практичные альтернативы.С помощью шаблона вы пишете *один* фрагмент кода, а библиотека генерирует:
— обычную функцию (
func()
)— async-версию (
await func()
)— генератор (
for _ in func():
)Пример:
@transfunction
def template():
print('so, ', end='')
with sync_context:
print("it's just usual function!")
with async_context:
print("it's an async function!")
with generator_context:
print("it's a generator function!")
yield
Хотите всё автоматически — используйте
@superfunction
, и функция сама поймёт, как её вызвали:~my_superfunction() # обычный вызов
await my_superfunction() # async-исполнение
for x in my_superfunction(): # генератор
Если вы когда-нибудь думали «asyncio слишком сложный для такой простой задачи» — эта библиотека для вас.
tinyio — микроскопический event loop с безопасной обработкой ошибок и простейшим API:
def slow_add_one(x):
yield tinyio.sleep(1)
return x + 1
def foo():
a, b = yield [slow_add_one(3), slow_add_one(4)]
return a, b
loop = tinyio.Loop()
print(loop.run(foo())) # → (4, 5)
— вместо
await
используется yield
— если ошибка случается в одной корутине — автоматически отменяются все, чтобы не было скрытого «зомби»-кода
— нет
Task
, Future
, TaskGroup
— только Loop
, sleep
, run_in_thread
pip install transfunctions
pip install tinyio
#буст
Please open Telegram to view this post
VIEW IN TELEGRAM
❤15👍6🌚1
🔥 metap — новый слой для метапрограммирования в Python
Вышел metap, простой и мощный инструмент для метапрограммирования, давно востребованный Python-разработчиками.
Что умеет metap:
✅ Автоматизация повторяющихся шаблонов кода
✅ Генерация функций и структур «на лету»
✅ Глубокая инспекция и модификация объектов программы
С помощью metap можно писать меньше повторяющегося кода и больше сосредотачиваться на логике.
👉 Полное руководство, примеры и документация уже доступны: https://clc.to/ZOYW7g
🐸 Библиотека питониста
#буст
Вышел metap, простой и мощный инструмент для метапрограммирования, давно востребованный Python-разработчиками.
Что умеет metap:
С помощью metap можно писать меньше повторяющегося кода и больше сосредотачиваться на логике.
👉 Полное руководство, примеры и документация уже доступны: https://clc.to/ZOYW7g
#буст
Please open Telegram to view this post
VIEW IN TELEGRAM
❤5👍4
🧠 Выбор первого ML-проекта: чеклист против выгорания
Классика плохих решений в ML — выбрать слишком сложный проект: неделя ковыряния в коде, десятки крашей и никакого результата. Хотите дойти до финиша — начните с простого проекта, который реально можно довести до конца.
Мини-чеклист первого проекта:
1. Понятные данные — без «я нашёл датасет в даркнете, но он на суахили».
2. Измеримая метрика — «точность 92%», а не «ну вроде работает».
3. Объяснимый результат — чтобы не-техлид понял, почему модель ругается на спам.
Наш курс «ML для старта в Data Science» — старт от простого к сложному: теория → практика → проверка → проект в портфолио.
👉 Начать свой путь в Data Science
Оплатите курс по ML до 17 августа — курс по Python в подарок.
📅 Бесплатный вебинар с Марией Жаровой — 21 августа: как выбирать проекты, которые доводят до оффера, а не до психотерапевта.
💾 Сохрани, чтобы не потерять, когда будешь готов(а) начать
Классика плохих решений в ML — выбрать слишком сложный проект: неделя ковыряния в коде, десятки крашей и никакого результата. Хотите дойти до финиша — начните с простого проекта, который реально можно довести до конца.
Мини-чеклист первого проекта:
1. Понятные данные — без «я нашёл датасет в даркнете, но он на суахили».
2. Измеримая метрика — «точность 92%», а не «ну вроде работает».
3. Объяснимый результат — чтобы не-техлид понял, почему модель ругается на спам.
Наш курс «ML для старта в Data Science» — старт от простого к сложному: теория → практика → проверка → проект в портфолио.
👉 Начать свой путь в Data Science
Оплатите курс по ML до 17 августа — курс по Python в подарок.
📅 Бесплатный вебинар с Марией Жаровой — 21 августа: как выбирать проекты, которые доводят до оффера, а не до психотерапевта.
💾 Сохрани, чтобы не потерять, когда будешь готов(а) начать
❤2
Please open Telegram to view this post
VIEW IN TELEGRAM
😁24💯7👍3
В честь чего язык Python получил своё название?
Anonymous Quiz
78%
В честь комедийного шоу Летающий цирк Монти Пайтона
13%
В честь любимого питомца его создателя — королевского питона
4%
В честь древнегреческого мифологического змея Пифона
4%
В честь одноимённого астрономического созвездия
❤4
😎 Вы просили — мы сделали. Самый долгожданный анонс этого лета!
Мы открываем набор на второй поток курса «AI-агенты для DS-специалистов»!
На курсе мы учим главному навыку 2025 года: не просто «болтать» с LLM, а строить из них рабочие системы с помощью Ollama, RAG, LangChain и crew.ai.
📆 Старт потока — 15 сентября.
💸 Цена 49 000 ₽ действует только в эти выходные — до 17 августа. С понедельника будет дороже.
👉 Занять место
Мы открываем набор на второй поток курса «AI-агенты для DS-специалистов»!
На курсе мы учим главному навыку 2025 года: не просто «болтать» с LLM, а строить из них рабочие системы с помощью Ollama, RAG, LangChain и crew.ai.
📆 Старт потока — 15 сентября.
💸 Цена 49 000 ₽ действует только в эти выходные — до 17 августа. С понедельника будет дороже.
👉 Занять место
👍1