📝 Подборка вакансий для сеньоров

Разработчик Python (Senior)
• Python, SQL, Git, Linux, PyQT6, Qpid, Docker, Vault, SQLAlchemy, Pydantic, lxml, pytest, Jinja, Atlassian
• Уровень дохода не указан | от 5 лет

Senior Python/Openstack developer
• OpenStack, Python, PostgreSQL, Linux, KVM, Kubernetes, Django, Celery, Ansible
• Уровень дохода не указан | от 3 лет

Разработчик Python
• Python, FastAPI, Flask, PostgreSQL, MySQL, Kafka, Cassandra, ClickHouse, Redis, Elasticsearch, Kubernetes
• Уровень дохода не указан | от 3 лет

Senior Python разработчик
• Python, Flask, FastAPI, Aiohttp, Kafka, Artemis MQ, RabbitMQ, Git, Redis, PostgreSQL
• Уровень дохода не указан | от 3 лет

📈 Подборка статей для вашей карьеры

• Рецензия на книгу «MySQL. Сборник рецептов. 4-е издание»

• Чек-лист тестировщика в финансовой компании

• Чем Cloud-инженер отличается от DevOps-инженера и что между ними общего

• Базовое программирование, или Почему джуны не могут пройти к нам собеседование

• Я стал аналитиком, потому что не смог быть программистом

⚙️ Давайте писать удобное локальное окружение…

Разворачивание нового проекта — боль, но её можно минимизировать. В статье делюсь выстраданной структурой Django-проекта с PDM, которая избавляет от большинства проблем и подходит не только для Python.

Читать...

⚙️ Что такое functools.partial в Python и зачем он используется?

functools.partial позволяет создавать новые функции с фиксированными аргументами на основе существующих функций. Это удобно для сокращения вызовов функций или создания функций-обёрток с предопределёнными параметрами.

➡️ Пример:

from functools import partial

def power(base, exponent):
    return base ** exponent

# Фиксируем аргумент exponent = 2
square = partial(power, exponent=2)

print(square(5))  # 25
print(square(10)) # 100

🗣️ В этом примере partial создаёт новую функцию square, которая всегда возводит число в квадрат. Это упрощает вызовы функций и улучшает читаемость кода.

🖥 Подробнее тут

👩‍💻 Мэтчинг персонажей. Level Hard

Как находить персонажей на гравюрах без ручной разметки данных? В статье рассказывается, как сегментация изображений и контрастивное обучение помогают справиться с датасетом из 25 тысяч гравюр Британского музея.

Читать...

👩‍💻 Массовая асинхронная обработка запросов с последующей синхронной CPU-bound логикой

Как обработать миллион запросов к API, совмещая асинхронный ввод-вывод с тяжелыми вычислениями? В статье разбираются подходы с использованием asyncio и ProcessPoolExecutor для масштабируемости и высокой производительности.

Читать...

🛑 Не спеши рефакторить «чужой хаос»

Зашёл в старый код и захотел всё переделать? Осторожно, это ловушка.

👉 Совет: сначала разберись, почему код написан именно так. Иногда в нём есть скрытая логика, о которой ты не знаешь. Если рефакторить, то только с пониманием контекста, иначе можно сломать больше, чем починить.

🔎 Подборка зарубежных вакансий

Python Developer
🟢Python, FastAPI, MongoDB, Redis, LLM integration, Docker, GitLab CI/CD, message queues
🟢Уровень дохода не указан | 3–6 лет опыта

Game Data Analyst
🟢R/Python, SQL, статистический анализ, A/B тестирование, анализ данных
🟢Уровень дохода не указан | 1–3 года опыта

Lead BI Analytics
🟢Power BI, SQL, Python, Agile, Scrum, управление проектами, анализ данных
🟢до 250 000 ₽ | 1–3 года опыта

👩‍💻 Хороший Плохой Злой ИИ Open Source: как мы в Axolotl пушили

Всем привет! Меня зовут Шубин Вадим, я Data Scientist в компании Raft Digital Solutions. В этой статье я хотел бы рассказать о нашем опыте с фейл-сабмитом в существующий опенсорс-проект Axolotl и о том, какие уроки из него мы извлекли. Но обо всём по порядку. Давайте начнем!

Читать...

🧠 Самые интересные статьи за последние дни:

• Обвиваем YouTube змеем, или как смотреть и скачивать видео с YouTube без VPN на чистом Python-е. Часть 1

• Python: неочевидное и вероятное

• Пишем свой PyTorch на NumPy. Часть 1

• Polars vs Pandas: битва титанов. Кто кого?

• Telegram-бот-магазин на Python: пошаговый гайд с оплатой, каталогом и админкой (Aiogram 3 + SQLAlchemy 2)

👩‍💻 Почему A/B тесты — это не всегда хорошая идея?

В статье рассматриваются недостатки A/B тестирования, включая его временные и ресурсные затраты, а также случаи, когда тесты оказываются неэффективными. Обсуждается, как рационально подходить к выбору этого метода.

Читать...

👩‍💻 Генератор случайных паролей с настройками

Напишите функцию, которая генерирует случайный пароль заданной длины. Пароль должен быть сформирован на основе пользовательских требований:

• Использовать ли цифры.
• Использовать ли буквы верхнего и/или нижнего регистра.
• Использовать ли специальные символы.

➡️ Пример:

password = generate_password(length=12, use_digits=True, use_uppercase=True, use_lowercase=True, use_specials=False)
print(password)
# Пример вывода: A1b2C3d4E5f6

Решение задачи🔽

import random
import string

def generate_password(length, use_digits=True, use_uppercase=True, use_lowercase=True, use_specials=True):
if length < 1:
raise ValueError("Длина пароля должна быть больше 0")

# Формируем набор символов
character_pool = ""
if use_digits:
character_pool += string.digits
if use_uppercase:
character_pool += string.ascii_uppercase
if use_lowercase:
character_pool += string.ascii_lowercase
if use_specials:
character_pool += "!@#$%^&*()-_=+[]{}|;:,.<>?/"

if not character_pool:
raise ValueError("Нужно выбрать хотя бы один тип символов")

# Генерация пароля
return ''.join(random.choice(character_pool) for _ in range(length))

# Пример использования
password = generate_password(length=12, use_digits=True, use_uppercase=True, use_lowercase=True, use_specials=True)
print(password)

👩‍💻 UV как альтернатива Poetry

UV — новый пакетный менеджер на Rust для Python. Быстрее Poetry, удобнее Pipenv, с контролем версий Python и современным CLI. Узнайте, как UV меняет подход к управлению зависимостями.

Читать...

👩‍💻 Опыт Звука: как реализовать рекомендательную систему аудиокниг с использованием больших языковых моделей (LLM)

В статье рассказывается, как в HiFi-стриминге «Звук» создали систему рекомендаций для аудиокниг. Разбираем подходы, алгоритмы и логику, лежащие в основе подбора похожих книг.

Читать...

⚙️ Что такое dataclasses в Python и зачем они нужны?

dataclasses — это модуль, добавленный в Python 3.7, который упрощает создание классов для хранения данных. Он автоматически генерирует методы, такие как __init__, __repr__, и __eq__, на основе аннотаций типов.

➡️ Пример:

from dataclasses import dataclass

@dataclass
class Point:
    x: int
    y: int

point = Point(10, 20)
print(point)  # Point(x=10, y=20)
print(point == Point(10, 20))  # True

🗣️ В этом примере класс Point автоматически получает методы для удобной работы с объектами, что экономит время и делает код чище.

🖥 Подробнее тут

📝 Подборка вакансий для мидлов

Python разработчик AI/ML сервисов
• Python, JavaScript, Docker, PostgreSQL
• от 275 000 ₽ | Средний (Middle)

Python-разработчик (Middle)
• Python, REST, Django, FastAPI, PostgreSQL, RabbitMQ, Celery, ClickHouse
• от 150 000 ₽ | от 3 лет опыта

Middle+ Fullstack developer (React/TS, Python/Django)
• Git, Python, TypeScript, React, Django
• от 800 до 1200 $ | от 2 лет опыта

👩‍💻 Проверка стиля комментариев Python с помощью pre-commit

В статье представлен инструмент для автоматизации проверки стиля комментариев в коде, что помогает сократить время на код-ревью. Разбираются примеры, принципы работы и случаи, охваченные линтером.

Читать...

👩‍💻 Следим за Telegram по-деловому

Полгода с бизнес-режимом в Telegram: 300 000 использований. Разбираем, как эффективно применять функцию и избежать блокировки аккаунта, сохранив доступ к миллионам сообщений.

Читать...

👩‍💻 Создаем своё приложение на Python(Tk)

Основы работы с Tkinter: изучаем популярную библиотеку для создания GUI-приложений на Python. В статье пошагово разберем, как разработать простое графическое приложение.

Читать...

📝 Подборка вакансий для сеньоров

Python Developer
• Python, Django, SQL, Redis, RabbitMQ, Linux, HTTP, Git
• от 150 000 ₽ на руки | 1–3 года

Senior Python Dev (AI, Big Data, LLM)
• Python, ClickHouse, Time Series, Big Data, AI, LLM, Go
• от 3 000 $ на руки | Более 6 лет

Python Developer/Data Scientist
• Python, Pandas, NumPy, NLP, TensorFlow, Keras, SQL Databases, Docker, REST API
• от 5 500 $ на руки | 3–6 лет

📈 Подборка статей для вашей карьеры

• Вся правда о еженедельных созвонах, или Зачем переливать из пустого в порожнее?

• Тяжела и неказиста жизнь простого RnD. Часть первая: как работают с новыми технологиями в крупных компаниях

• Прийти на внедренный проект на этапе развития системы: как аналитику быстро погрузиться в процессы

• Как 97 лет назад хитрый менеджер-заяц заставил грозного лентяя сделать то, что тот очень не хотел. Смогли бы так?

• 10 лучших приёмов логирования для разработчиков