PythonTalk

Python сместили с трона 🐍

GitHub выкатил свой ежегодный отчёт Octoverse 2025, и там есть интересная новость: TypeScript впервые обогнал и Python, и JavaScript, став языком №1 по числу контрибьюторов на платформе.

За год комьюнити TS выросло на 66% (+1 млн человек), и теперь это официально самый используемый язык на GitHub.

Почему это вообще произошло? 🧐

Причина одна, и имя ей — искусственный интеллект. Отчёт прямо говорит, что взлёт TS и массовое внедрение AI-инструментов типа Copilot — это связанные вещи.

▫️ Надёжность AI-кода: Когда нейронка генерирует за тебя тонны кода, статическая типизация из приятной фичи превращается в суровую необходимость. Типы помогают отлавливать ошибки LLM ещё до того, как они попадут в прод.
▫️ Фреймворки по умолчанию: Почти все мейнстримные фронтенд-фреймворки (Next.js, Astro, SvelteKit и т.д.) теперь создают проекты на TypeScript по умолчанию. Новое поколение разрабов просто не видит другого пути.

Так что, всё? Заворачиваемся в саван и ползём на кладбище? 💀

Нет, Python тоже растёт как на дрожжах: +850,000 контрибьюторов за год (+48%). Он остаётся абсолютным и безальтернативным королём в мире AI и Data Science. Почти половина всех новых AI-репозиториев на GitHub — это Python.
Использование Jupyter Notebooks вообще взлетело на 75% за год. Это язык для самой хайповой и дорогой сферы.

Итого: TypeScript — главная рабочая лошадка для веба и общего продакшена. Python — главный инструмент для исследований, прототипирования и всего, что связано с AI/ML.

Пара других интересных фактов из отчёта:
📈 80% новых разработчиков на GitHub используют Copilot в первую же неделю.
🇮🇳 Индия добавила 5 млн разрабов за год и к 2030 обгонит США по общему числу. Центр IT-мира смещается на Восток.
🛡 Самая частая уязвимость в Python-проектах теперь не Injection, а Broken Access Control (неправильная настройка доступов). Это прямой результат того, что всё больше AI-генерируемого кода и пайплайнов попадает в прод. Нейронки пока не очень хорошо думают про авторизацию.

Please open Telegram to view this post

VIEW IN TELEGRAM

Please open Telegram to view this post

VIEW IN TELEGRAM

👍7❤32🔥1🙏1

793 views15:32

PythonTalk

This media is not supported in your browser

VIEW IN TELEGRAM

🔥 Глобальное обновление Cursor

Вышло большое обновление, которое по сути превращает Cursor в нативную среду для работы с кодом через агентов. И самое главное — они выкатили собственную модель — Composer.
Под капотом — MoE-архитектура, дообученная с помощью RL на реальных инженерных задачах. Ключевые моменты:
- Скорость: Заявляют, что она в 4 раза быстрее аналогов по "интеллекту" (уровень Haiku 4.5, Gemini Flash 2.5).
- Специализация: Заточена под длинный контекст и работу с инструментами — семантический поиск, терминал, редактирование файлов.
- Качество: По бенчмаркам уступает топовым моделям вроде GPT-5 и Sonnet 4.5, но для интерактивной работы скорость решает.

Ценник на уровне GPT-5.

Что еще нового в самом редакторе:

🤖

Мульти-агенты: Теперь это ядро интерфейса. Можно запускать до 8 агентов параллельно над одной задачей, каждый в своей изолированной копии кода. Удобно, чтобы стравить разные модели и выбрать лучший результат.

🌐

Встроенный браузер: Агент теперь может сам открыть веб-приложение, покликать по элементам, проверить результат своей работы и итеративно вносить правки.

🎤

Голосовое управление: Можно диктовать команды агенту.

🛡

Изолированный терминал: Команды агентов по умолчанию запускаются в безопасной песочнице без доступа в интернет. Плюс к безопасности.

⚡️

Производительность: Заявляют о серьезном ускорении LSP для Python и TypeScript в больших проектах и общем снижении потребления памяти.

По сути, Cursor смещает фокус с файлов и текста на агентов и задачи.

Полный чейнджлог тут.

Уже настало время, когда норм работать нельзя, не оплачивая кучу подписок? 😩

Please open Telegram to view this post

VIEW IN TELEGRAM

🔥8👍4❤2⚡1🙏1

796 views03:29

PythonTalk

📦 Разбор задачи: инвентаризация на складе

Было предложено использовать множества, и это хорошая идея с точки зрения чистоты и читаемости кода.
Идея такая: создать эталонное множество всех номеров от 1 до N, затем вычесть из него множество номеров из нашего списка.

def find_disappeared_set(nums):
    n = len(nums)
    all_cells = set(range(1, n + 1))
    present_cells = set(nums)
    return list(all_cells - present_cells)

Как это работает?
- set(range(1, n + 1)) создает множество всех возможных номеров ячеек.
- set(nums) создает множество только тех номеров, что нам дали, попутно убирая дубликаты.
- Операция вычитания - оставляет в all_cells только те элементы, которых не было в present_cells.

Это лаконично и понятно, но главное условие задачи нарушено. Создание двух множеств съедает дополнительную память, пропорциональную размеру ввода. Сложность по памяти здесь — O(N), а не O(1).

Как же быть?
Можно использовать сам входной список nums как "карту" для отметок. Мы будем менять знак числа по определенному индексу, чтобы пометить, что число, соответствующее этому индексу, нам встретилось.

def find_disappeared_numbers(nums):
    for n in nums:
        a = abs(n) - 1
        if nums[a] > 0: nums[a] *= -1
    return [i+1 for i in range(len(nums)) if nums[i] > 0]

Как это работает? ✨

1️⃣

Фаза разметки:
- Мы проходим по списку nums один раз.
- Для каждого числа n мы берем его модуль abs(n) (на случай, если его уже сделали отрицательным) и вычисляем индекс index = abs(n) - 1.
- Этот index как раз соответствует "месту" числа n в отсортированном списке. Например, для числа 4 это будет индекс 3.
- Мы "помечаем" ячейку nums[index], делая ее отрицательной. Если она уже отрицательная, ничего не трогаем.

Пример: Встретили 4. Идем в nums[3] и меняем знак у числа, которое там лежит.

2️⃣

Фаза сбора:
- После первого прохода в списке nums все числа на тех позициях, которые нам встречались, стали отрицательными.
- А вот если по какому-то индексу i число осталось положительным — это значит, что число i + 1 нам ни разу не встретилось в исходном списке!
- Мы при помощи list comprehension собираем все i + 1 для положительных nums[i].

Временная сложность: O(N) (два прохода по списку, но не вложенных).
Пространственная сложность: O(1) (модифицируем исходный список).

#алгособес

Please open Telegram to view this post

VIEW IN TELEGRAM

👍9🔥4🙏1

736 views12:38

PythonTalk

Сегодня #квиз для расслабления 🤤

👍73🔥2

676 views07:32

PythonTalk

Что получим при запуске кода?

Anonymous Quiz

{0: 0, 1: 1, 2: 2, 3: 3}

17%

{range(0, 4)}

{1, 2, 3, 4}

{1: 1, 2: 2, 3: 3, 4: 4}

😭14👍63🔥1

241 voters717 views07:32

PythonTalk

📊

Что на самом деле должен уметь Аналитик данных?

Cпрос на аналитиков держится на одной простой вещи: бизнес хочет принимать решения на основе данных, а не догадок. Аналитик — это переводчик с языка цифр на язык бизнес-решений.

Базовый стек, без которого сегодня никуда, выглядит так:

🔵 Excel / Google Sheets. Да, всё ещё основа основ. Сводные таблицы, формулы, фильтры — это гигиенический минимум, с которого всё начинается.
🔵 SQL. Язык для общения с базами данных. Нужно уметь не просто писать SELECT, а уверенно соединять таблицы (JOIN), группировать и агрегировать данные. Без этого вы просто не добудете сырьё для анализа.
🔵 Python. Главный инструмент для серьёзной работы. Библиотека pandas для обработки и анализа данных, matplotlib и seaborn для визуализации — это стандарт индустрии.
🔵 BI-системы. Чтобы превратить сухие таблицы в наглядные дашборды, которые поймёт даже топ-менеджер, далёкий от кода.
🔵 Понимание статистики и бизнес-метрик. Инструменты — это полдела. Нужно уметь формулировать гипотезы, проводить A/B-тесты и понимать, что такое LTV или Retention.

Собрать всё это в систему самостоятельно — задача нетривиальная. Для тех, кто ценит время и структурированный подход, есть готовые решения.

Например, курс «Аналитик данных» от Skypro построен как раз вокруг этого стека.

Что там предлагают?
🟢 Гарантия трудоустройства — прописана в договоре. Если за 6 месяцев после курса не найдёте работу, вернут деньги. Это сильный аргумент.
🟢 Практика на реальных задачах. Обещают, что к концу обучения будет готовое портфолио, а не просто набор домашних заданий.
🟢 Полный набор инструментов: от Excel и SQL до Python и Power BI. Плюс отдельный блок по A/B-тестам.
🟢 Карьерный центр. Помогают с резюме, портфолио и готовят к собеседованиям.

Можно бесплатно посмотреть первые уроки по каждой теме, чтобы оценить подачу и понять, подходит ли вам такой формат.

⏩

Получить доступ и узнать подробности можно тут

⏪

Реклама. АНО ОБРАЗОВАТЕЛЬНАЯ АНО ДОПОЛНИТЕЛЬНОГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ СКАЕНГ, ИНН 9709022748, erid: LdtCKGzko

Please open Telegram to view this post

VIEW IN TELEGRAM

sky.pro

Онлайн-курс Аналитик данных: обучение с нуля с трудоустройством — цены на курсы в Skypro

Онлайн-курс по анализу данных с нуля от Skypro. Обучение аналитике данных с гарантией трудоустройства. Узнайте стоимость и получите доступ к первым урокам бесплатно!

❤3👎2⚡1👍1🔥1🙏1

601 viewsedited 13:03

PythonTalk

GUI-комбайн для данных, который дружит с Python

Все, кто работает с данными, знают matplotlib/seaborn/plotly/etc, но иногда хочется просто взять данные и интерактивно покрутить их в удобном GUI. Особенно, когда нужно быстро что-то проанализировать, не написав 100500 строк кода для настройки графиков.

Так вот, встречайте — LabPlot.

Если коротко: это бесплатный, опенсорсный и кроссплатформенный комбайн для визуализации и анализа данных.

«Фу, очередной GUI, зачем он нам, кодерам?» — спросите вы. А вот зачем:

1️⃣

Встроенные Computational Notebooks. Прямо внутри LabPlot можно работать с ноутбуками, которые поддерживают Python, R, Julia, Octave и др.

2️⃣

Прямая интеграция с Python-объектами. И это главная фишка. Вы можете прямо из ноутбука внутри LabPlot использовать свои NumPy массивы, pandas DataFrame'ы, списки и кортежи как источник данных для интерактивных графиков.

То есть, посчитали что-то сложное на Python — и тут же, без экспорта в CSV и прочих костылей, интерактивно повертели результат в удобном GUI.

Что ещё умеет:
- Кучу видов 2D-графиков (от гистограмм до Q-Q плотов).
- Регрессионный анализ, фиттинг кривых, сглаживание, Фурье.
- Импорт из десятков форматов (включая SAS, SPSS, MATLAB).
- Даже есть "цифровизатор графиков" для извлечения данных из картинок.

Понятно, что это не замена библиотекам, а скорее инструмент для интерактивного исследования.

#тулбокс

Please open Telegram to view this post

VIEW IN TELEGRAM

👍7❤33🔥2⚡1

620 views15:32

PythonTalk

🗓

Итоги месяца (октябрь 2025)

Топ по просмотрам 👀
1️⃣ Новое интервью Гвидо ван Россума.

2️⃣

Прогноз сенатора США Берни Сандерса, как ИИ будет уничтожать рынок труда.

3️⃣

Исследование hh.ru, в котором айтишники потеряли первенство в звании престижной профессии.

Топ по репостам 📥
1️⃣ Бесплатный курс по Deep Learning от Стэнфорда.

2️⃣

Статистика по рынку труда в IT по итогам третьего квартала.
3️⃣ Проект nanochat Андрея Карпаты — сборка клона GPT за 100$.

Топ по реакциям 👍
1️⃣ И тут интервью Гвидо!
2️⃣ История о том, как Python победил язык R.
3️⃣ Как морж сверг создателя Python.

#итоги_месяца

Please open Telegram to view this post

VIEW IN TELEGRAM

❤7👍2🔥1

627 viewsedited 05:56

PythonTalk

❗️

Анонс первой онлайн-встречи «Точки Сборки»

Я уже ранее писал, но напомню, что темой нашей первой встречи будет «Сравнение бесплатных чат-ботов в задачах программирования».

Что будет?

🤓

🔵Кратко поговорим о том, как сравнить модели.
🔵Поделюсь своим универсальным системным промптом, которым пользуюсь для разных задач, когда лень писать специфичные.
🔵Сравним 4 бесплатных чат-бота, которыми я сам пользуюсь, по их особенностям и доступному функционалу.
🔵Устроим битву между ними по нескольким задачам.
🔵Поделюсь парочкой дополнительных сервисов, которые упрощают взаимодействие с ботами при работе с кодом.

Чего не будет? ❌
Мы на этой встрече не будем говорить про платные или условно-платные чат-боты, про code-ассистентов, AI-based IDE и их использование по API. Именно бесплатные чат-боты.

Кому будет интересно?

✋

Тем, кто ещё вообще не использует нейронки, либо использует для своих задач по наитию в стиле "Слышал что-то про DeepSeek, буду задавать в него свои вопросы". Конечно, помощь нейронок в программировании совершенно не сводится к формату чат-ботов (это только первый простой шаг), но и это нужно уметь делать осознанно, особенно для не очень сложных задач, в которых этого инструмента может быть достаточно. Ну и всем, кто хочет обменяться опытом в этом 👍

Когда и где?
🗓 7 ноября
⏰ 20:00 по Москве
📍 В закрытом канале «Точка Сборки»

💵 Если хотите послушать — присоединяйтесь, до сих пор действуют акционные условия! Запись будет. ⏺

Если есть вопросы, пишите 👇

Please open Telegram to view this post

VIEW IN TELEGRAM

⚡2👍1🔥1🙏1🆒1

629 viewsedited 10:51

PythonTalk

🏛 Невидимое правительство Python

За каждым pip install стоит мощный фонд (PSF), корпоративные деньги и юристы.

❓Вы знали, что:

▫️до PSF была провальная попытка №1, и язык чуть не погиб вместе с лопнувшим стартапом

▫️у фонда есть программа Developer-in-Residence — по сути, наём топовых core-разработчиков на фултайм, чтобы они разгребали завалы в CPython

▫️специальный совет Steering Council решает, какая фича попадёт в язык.

Листайте карточки и читайте небольшую статью: Невидимое правительство Python: кто платит за ваш pip install и владеет языком на самом деле

◀️

#так_сложилось

Please open Telegram to view this post

VIEW IN TELEGRAM

Please open Telegram to view this post

VIEW IN TELEGRAM

🔥8👍22

662 views15:02

PythonTalk

На этой недели мы узнали, что в Долине айтишники всё чаше кладут себя под нож, чтобы выглядеть моложе.
А как дела с этим обстоят у нас?
🧐 Приходилось ли вам сталкиваться с эйджизмом при поиске работы или в команде?

Anonymous Poll

Да, в открытую намекали на возраст.

Скорее да, между строк читалось «ищем помоложе».

13%

Нет, я пока молод и свеж (но коплю на ботокс 🤖).

13%

Нет, это всё байки, оценивают только скиллы.

10%

Сталкивался с обратным — «слишком молодой / неопытный»

Я сам нанимаю, стараюсь брать помоложе.

53%

Просто жду срач в комментах 👀

👀4🤔2🐳1

143 voters604 views11:02

PythonTalk

Этот смешной ролик вышел уже давненько, но не теряет актуальности. Насколько за год мы приблизились к такой реальности? 🌚

К дедушке (бывшему программисту) приходит внучка с парнем. Но it's a trap, парень не совсем парень.

- Знаешь, я работал над распознаванием изображений, может быть в тебе есть часть моего кода.
- Возможно, но сейчас большая часть кода пишется ИИ, она непонятна людям. Хотя ваш код наверное тоже был непонятен людям.

Будущее, которое мы заслужили.

#хих

YouTube

AI Boyfriend

can't teach an old dev to love computer

// part of our live show: HOW TO SURVIVE THE AI APOCALYPSE

// featuring Alexis Gay: https://instagram.com/yayalexisgay

// more krazam scenes: https://www.patreon.com/KRAZAM

// https://instagram.com/krazam.tv…

👍3🔥22❤1

580 views15:32

PythonTalk

Воу, там в чат Qwen наконец-то завезли режим ризонинга в Qwen-3 Max. И без этого моделька держится в топе, не сильно уступая самым сильным игрокам.

Сейчас уже опенсорс, можно сказать, не проигрывает проприетарным моделям по паритету цены/качества.

Придётся немного менять план для стрима по сравнению чат-ботов 🌝

👍6🔥2🙏1

477 viewsedited 05:49

PythonTalk

🤑 ChatGPT-трейдер: от +25% к полному провалу за 3 месяца.

Помните эксперимент с GitHub, о котором я писал 3 месяца назад? Энтузиаст дал GPT-4o сотку баксов и сказал: "Удиви меня, торгуя акциями".

И он удивил. За первый месяц уделал рынок в 12 раз.

А вот апдейт 🤭

📈 Было (конец июля):
• Портфель ChatGPT: +25.3%
• Рынок (S&P 500): +2.1%

📉 Стало (конец октября):
• Портфель ChatGPT: -26.9% (осталось $73.14 от $100)
• Рынок (S&P 500): ~+7% за тот же период

Нейросеть не просто растеряла всё преимущество, а ушла в глубокий минус, пока рынок спокойно рос.

Что пошло не так?
Краткий ответ: жадность и биотехи. ИИ сделал ставку на сверхрисковые акции биотехнологических компаний в ожидании "катализаторов" (новостей об одобрении лекарств). Одна из таких ставок, на компанию ATYR, обвалилась почти на 80% за день, уничтожив большую часть прибыли.

Несмотря на провал, репозиторий проекта превратился в шикарный учебный полигон. Что там ценного сейчас:

1️⃣

Код: Проект оброс новыми скриптами. Появился simple_automation.py для автоматизации торговли через API OpenAI. Отличный пример для тех, кто хочет прикрутить LLM к своим задачам.

2️⃣

Промпты: Автор кардинально переработал промпты. Вместо простых инструкций — теперь детальные системные сообщения с ролями, правилами и жёсткой структурой ответа (JSON).

3️⃣

Данные: Весь путь — от взлёта до падения — задокументирован в CSV. Можно скачать и поковырять в pandas, анализируя, в какой момент стратегия "свернула не туда".

Для тех, кто пропустил начало истории, все детали, первый код и промпты я разбирал в статье:
ChatGPT-трейдер: Как нейросеть за месяц превратила $100 в $125, обогнав рынок. Полный разбор с кодом и промптами.

◀️

Продолжаем следить или уже всё ясно? 😏

#годный_опенсорс

Please open Telegram to view this post

VIEW IN TELEGRAM

🔥9👍2⚡1👏1🤔1🆒1

314 views13:32

About

Blog

Apps

Platform