💣 Ваш requirements.txt — мусор?

И почти всегда корень зла один — команда pip freeze > requirements.txt.

Этот дедовский способ создаёт не файл зависимостей, а настоящую свалку из того, что вы ставили осознанно, и всех зависимостей этих зависимостей 😏.

В итоге всё это непонятно, как обновлять и страшно трогать, если нужно, что-то удалить.

Но есть инструменты, которые всё это исправят.

Вот вам статейка, где рассмотрены три способа — от базового pip freeze (чтобы вы поняли, почему он плох) до pip-tools и джедайского уровня с Poetry и PDM:
👉 requirements.txt: полное руководство по управлению зависимостями в Python

Признавайтесь в комментах, кто до сих пор генерит зависимости через pip freeze? ✍️

#это_база

🤯 Легенда AI Андрей Карпаты снова в деле. Он выложил nanochat — проект, который позволяет собрать клон ChatGPT с нуля.

Бюджет? $100.
Время? ~4 часа на облачном сервере с 8xH100.

Это полный конвейер: 8000 строк чистого, минималистичного кода, который демистифицирует весь процесс — от обучения токенизатора и предобучения модели до файнтюнинга и RL.

Адаптировал и перевёл руководство по этой крутоте.
Внутри разбираем всё по шагам:
- ⚙️ Подготовка окружения: зачем тут uv и Rust.
- 📚 Обучение токенизатора: создаем собственный словарь для LLM.
- 🧠 Pretraining: рождение интеллекта и самый дорогой этап.
- 🎓 Midtraining & SFT: учим модель диалогу и полируем до блеска.
- 🎯 RL: опциональный этап для «натаскивания» на конкретные задачи.
- 💰 Итог: что мы реально получаем за $100?

Читаем здесь:
🧠 Собираем свой ChatGPT за $100: Полное руководство по nanochat Андрея Карпаты ◀️

#годный_опенсорс

Задачка про анаграммы в строке 🐍

👨‍💻 У нас есть две строки, s1 и s2. Нужно написать функцию, которая определит, содержит ли строка s2 в себе любую из перестановок строки s1 в качестве непрерывной подстроки.

Проще говоря, является ли какая-либо анаграмма s1 подстрокой в s2.

Для ясности, пара примеров 👇🏻

# Пример 1
s1 = "abc"
s2 = "lecabee"
# Вывод: True, потому что в s2 есть подстрока "cab",
# а это перестановка "abc".

# Пример 2
s1 = "abc"
s2 = "lecaabee"
# Вывод: False, потому что ни "abc", ни "acb", ни "bac" и т.д.
# не встречаются в s2 как единая подстрока.

Простое решение "в лоб" тут, конечно, есть, но оно не впечатлит 🌝 Хочется увидеть что-то изящное и эффективное.

Как решать будем? 🧠

#алгособес

🤥 Врут и не краснеют

По данным свежего исследования от hh.ru, 54% работодателей сталкивались с откровенной липой в резюме кандидатов. Почти каждый второй!

И речь не просто приукрашивание. Речь о фиктивных проектах, выдуманных должностях и накрученном опыте. Иллюзия экспертизы вместо реальных скиллов.

Кто у нас в лидерах этого маскарада?
🥇 Разработчики (20%)
🥈 Тестировщики и руководители проектов (по 15%)
🥉 Менеджеры продуктов (12%)

Самыми честными оказались сетевые инженеры и техподдержка. Видимо, им некогда выдумывать, надо чтобы всё работало.

Причина этого вранья банальна — дикая конкуренция и желание хоть как-то пробиться через HR-фильтры, которые сами часто требуют от джуна опыт тимлида.

При этом 71% компаний, как утверждается, выкупают ложь уже на собеседовании. Звонки на прошлые места работы, сверка с трудовой, проверка соцсетей — проверяют всё.

И что в итоге?
Для 43% работодателей такая ложь — это мгновенный отказ. Не из-за некомпетентности, а из-за вранья.

Надеюсь, в таком цирке надолго не застрянем 😩

#денюжки

🐍 Разбор задачи: анаграмма в строке

🧠 Настало время разобрать нашу задачку про поиск анаграммы одной строки в качестве подстроки в другой.

Давайте посмотрим на два основных подхода 👇


🐢 Решение "в лоб"

Был предложен самый прямолинейный подход: сгенерировать все возможные перестановки (анаграммы) строки s1 и проверить, есть ли хоть одна из них в строке s2.

Вот как это выглядит:

from itertools import permutations

def check_inclusion_bruteforce(s1: str, s2: str) -> bool:
    all_permutations = permutations(s1)
    for p in all_permutations:
        if "".join(p) in s2:
            return True
    return False

Как это работает?
Просто, как валенок: берём s1 = "abc", получаем "abc", "acb", "bac", "bca", "cab", "cba" и по очереди ищем каждую из них в s2.

В чём проблема?
В производительности! Сложность генерации всех перестановок — O(k!), где k — длина s1. Для строки из 10 символов это уже 3,628,800 операций, а для 13 — больше 6 миллиардов 😬


🚀 Скользящее окно

А теперь — элегантный и максимально эффективный способ. Вместо перебора всех анаграмм, мы будем проверять "отпечатки" подстрок в s2. Для этого идеально подходит техника скользящего окна и счётчики (collections.Counter).

Это лучшее решение по сочетанию эффективности и идиоматичности Python.

from collections import Counter

def check_inclusion_optimal(s1: str, s2: str) -> bool:
    len1, len2 = len(s1), len(s2)
    if len1 > len2:
        return False

    s1_counter = Counter(s1)
    window_counter = Counter()

    for i in range(len2):
        # Добавляем правый символ в окно
        window_counter[s2[i]] += 1

        # Если окно стало слишком большим, убираем левый символ
        if i >= len1:
            left_char = s2[i - len1]
            if window_counter[left_char] == 1:
                del window_counter[left_char]
            else:
                window_counter[left_char] -= 1
        
        # Сравниваем счётчики, как только окно достигло нужного размера
        if window_counter == s1_counter:
            return True
            
    return False

Как это работает?
1️⃣ Создаём "эталонный" счётчик символов для строки s1. Например, для "abc" это будет {'a': 1, 'b': 1, 'c': 1}.
2️⃣ Запускаем "окно" размером с s1 по строке s2.
3️⃣ На каждом шаге сдвигаем окно на один символ вправо: добавляем новый символ в наш счётчик окна и убираем самый левый (старый).
4️⃣ После каждого сдвига сравниваем счётчик символов в окне с "эталонным" счётчиком s1. Если они совпали — ура, мы нашли анаграмму! 🎉

Чего по сложности?
Время: O(N), где N — длина s2. Мы проходим по s2 всего один раз. Линейное время, быстрее некуда!
Память: O(1), так как размер счётчиков не превышает размер алфавита (например, 26 для английских букв).

#алгособес

Помните, обсуждали инструменты для автоматизации составления резюме?

На нашем рынке, оказывается, тоже такое есть — вот ИИ-ассистент, который полностью автоматизирует процесс поиска работы:

⭐️ Она сама составляет резюме, на основании опыта работы и публикует его на хх.ру.

⭐️ Делает до 20 откликов в день.

⭐️ Пишет индивидуальное сопроводительное под каждую вакансию (можно выбрать стиль сообщения).

⭐️ Переписывается с рекрутером и отвечает на его вопросы. А еще помогает в подготовке к собесам - внутри приложения есть отдельный тренажер, где можно пройти тестовый собес к любой вакансии.

Пользователи отмечают, что с Софи поиск работы занимает 10-15 минут в день, что очень разгружает время.

Ребята работают всего пару месяцев и открывают доступ партиями. Следующий доступ откроется 21 октября в 19:00 по мск, будет 3 дня бесплатного теста.

Анонс будет в этом канале ◀️

Интересно будет потестить 😏

👨‍💻 Мистер Мисикс на Python: эталонный пет-проект

Подписчик @nkerios написал, что ему пришла в голову идея сделать мистера Мисикса из "Рика и Морти" — чтобы он появлялся, отвечал на вопрос через локальную LLM и... исчезал. Прям как в мультике.

И ведь сделал же! Ссылка на GitHub, если хотите сразу заценить: Meeseeks Box .

Получился отличный шаблон для создания своих десктопных AI-утилиток на Python.

Что под капотом:
- Легковесная связка Flask + Pywebview.
- Приложение само находит активную модель в LM Studio. Не надо ничего ковырять руками.
- Чистая и управляемая покадровая SVG-анимация.

Разобрал всю техническую начинку по косточкам: Meeseeks Box: Как превратить Python-скрипт в десктопное приложение ◀️

Будьте как @nkerios👍

#щупаем_сорцы