👩‍💻 Парсер на Python для сбора данных с сайта партнерки, которая продает аренду автомобилей по всему миру

Решал задачу подключения к автопартнёрке, но столкнулся с типичной болью: либо слишком сложно, либо слишком пусто. В статье покажу, как искал адекватную базу точек аренды с координатами.

Читать...

📈 Подборка статей для вашей карьеры

• Больше чем книга

• Как поставить цель на обучение, чтобы дойти до конца

• Движение вверх: как стать CTO — на примере пяти историй ИТ-директоров

• Какие айтишники будут востребованы в 2035г, а какие – нет?

• Как мы помогаем развиваться web3 front-end разработчикам благодаря нашей Карте развития в 2024 году

👩‍💻 Что такое NER, зачем он нужен и когда не поможет

Я год ковырялся с NER-моделями для этикеток продуктов — в статье покажу, когда это работает, а когда нет. И что делать, если NER всё же не вытягивает задачу. От аннотации до продакшена.

Читать...

👩‍💻 AutoCraft Bot — Telegram-автоматизация Windows без монитора, глазами незрячего разработчика

Я собрал AutoCraft Bot — десктопное Python-приложение и Telegram-бот в одном. Он управляет ПК, говорит, скринит, ловит команды и живёт в одном .exe.

Читать...

⚙️ Что такое logging в Python?

logging — это встроенный модуль Python для создания логов, которые помогают отлаживать и мониторить работу приложений.

➡️ Пример:

import logging

# Настройка базового уровня логирования
logging.basicConfig(level=logging.INFO)

# Создание лога
logging.info("Приложение запущено")
logging.warning("Это предупреждение!")
logging.error("Произошла ошибка")

🗣️ В этом примере модуль logging создаёт сообщения разного уровня важности. Логирование позволяет отслеживать работу приложений и находить проблемы в коде.

🖥 Подробнее тут

👩‍💻 Собственный контент-фильтр на базе LLM: от эксперимента до стабильной системы

Покажу, как мы в red_mad_robot придумали фильтр нежелательного контента на основе LLM, почему готовые решения не подошли, и какие грабли встретили, пока создавали свой кастомный подход.

Читать...

🧱 Стабильность начинается с предсказуемости

Если каждый компонент системы ведёт себя по-разному — ты получаешь не систему, а набор сюрпризов.

👉 Совет: стандартизируй: форматы ошибок, логов, API-ответов, структуру кода. Даже простая единообразие снижает порог входа, упрощает отладку и делает проект «человечнее».

🧠 Самые интересные статьи за последние дни:

• PyMyFlySpy: отслеживание полёта по бортовым данным

• FastAPI и Dependency Injection: правда или вымысел?

• Мир за пределами Pandas: достойные альтернативы для работы с данными

• Укрощение строптивого прибора или python в помощь инженеру

• Всё про конфиги

👩‍💻 Разворачиваем нейросеть на бесплатном VPS: FastAPI + Hugging Face за 15 минут

В статье показывают, как запустить нейросеть с Hugging Face на бесплатном VPS: Docker, FastAPI и немного магии — получить AI-сервис за 15 минут без лишних затрат.

Читать...

👩‍💻 Генетический алгоритм в помощь Adam — супер, но есть нюанс

В статье объясняют, как генетический алгоритм может помочь оптимизировать обучение нейросетей с Adam: гибридный подход, библиотека Deap и немного экспериментов без лишней математики.

Читать...

👩‍💻 Qt for Python: PySide6

Статья для новичков про использование Qt на языке Python используя официальную библиотеку-привязку PySide6. Ознакомление с созданием графических приложений на языке Python.

Читать...

🌎 Google не разрешает сотрудникам использовать свою же недавно выпущенную IDE Antigravity

И, видимо, не зря — реддитор рассказал, что ИИ-агент Antigravity случайно удалил весь его диск, пока пытался исправить баг:

«Я просматриваю журналы с предыдущего шага и с ужасом вижу, что команда, которую я выполнил для очистки кэша проекта (rmdir), по всей видимости, ошибочно указала на корень вашего диска D:, а не на конкретную папку проекта.
Мне очень, очень жаль.»

✖️ xCode Journal

👩‍💻 Создаем интерактивную симуляцию лесного пожара на Python с использованием клеточных автоматов

В статье рассказывают, как моделировать лесные пожары на компьютере: понять хаос огня, предсказать его путь и даже экспериментировать с распространением — без реального риска.

Читать...

⚙️ Что такое any и all в Python и зачем они используются?

any и all — это встроенные функции в Python, которые проверяют значения в итерируемом объекте.

• any возвращает True, если хотя бы одно значение истинное.
• all возвращает True, если все значения истинные.

➡️ Пример:

numbers = [0, 2, 4, 6]

# Проверка: есть ли хотя бы одно ненулевое число
print(any(numbers))  # True

# Проверка: все ли числа ненулевые
print(all(numbers))  # False

🗣️ В этом примере any возвращает True, так как есть ненулевые значения, а all — False, так как присутствует 0. Эти функции полезны для упрощения проверки условий в списках и других коллекциях.

🖥 Подробнее тут

👩‍💻 Моделирование работы гидроциклона для очистки воды от нефти с помощью ML

В статье рассказывают, как с помощью ML моделировали работу гидроциклонов для очистки воды от нефти: почему отказались от физмат-моделей, ключевые этапы и результаты.

Читать...

👩‍💻 Сравнение Bash и Python при написании скпритов в Linux

Командный интерпретатор Bash и язык программирования Python — два ключевых инструмента в работе с Linux-системами. В статье сравниваются их возможности для скриптов и системных задач.

Читать...

📈 Подборка статей для вашей карьеры

• Продуктивность и почему «сделать много всего» — это не про неё

• Куда выйти из айти?

• Как я боролся с выгоранием в ИТ: лайфхаки и личный опыт

• ИТ-пенсионеры и где они обитают

• Почему мне нужно, чтобы ты вкатился в айти