🎓 Бесплатный интенсив по AI-агентам от Google
Google анонсировал 5-дневный интенсив по AI-агентам, который пройдёт с 10 по 14 ноября. Обещают провести от основ до развертывания в прод.
Как всё устроено?
Каждый день капает пачка материалов:
📚 Задания: вайтпейперы, подкаст и кодлабы для самостоятельной работы.
🎥 Лайвы: ежедневные стримы на YouTube с разбором тем и ответами на вопросы.
🏆 Итоговый проект: по желанию. Можно собрать реального агента, положить в портфолио и побороться за призы (мерч от Google).
Что по программе?
День 1: Введение в агентов и их архитектуры.
День 2: Инструменты агентов и их взаимодействие.
День 3: Управление контекстом и памятью.
День 4: Оценка качества: метрики, логирование, трассировка.
День 5: От прототипа к продакшену и мульти-агентные системы.
Кому зайдет?
Рекомендуют знать Python, иметь базовое понимание GenAI и LLM, и опыт работы с Kaggle Notebooks.
В Точке Сборки договорились вместе проходить курс, я буду стараться выкладывать обзоры и саммари материалов. Вступайте, если еще не: @TScompiler_bot◀️ ◀️
#левел_ап
Google анонсировал 5-дневный интенсив по AI-агентам, который пройдёт с 10 по 14 ноября. Обещают провести от основ до развертывания в прод.
Как всё устроено?
Каждый день капает пачка материалов:
📚 Задания: вайтпейперы, подкаст и кодлабы для самостоятельной работы.
🎥 Лайвы: ежедневные стримы на YouTube с разбором тем и ответами на вопросы.
🏆 Итоговый проект: по желанию. Можно собрать реального агента, положить в портфолио и побороться за призы (мерч от Google).
Что по программе?
День 1: Введение в агентов и их архитектуры.
День 2: Инструменты агентов и их взаимодействие.
День 3: Управление контекстом и памятью.
День 4: Оценка качества: метрики, логирование, трассировка.
День 5: От прототипа к продакшену и мульти-агентные системы.
Кому зайдет?
Рекомендуют знать Python, иметь базовое понимание GenAI и LLM, и опыт работы с Kaggle Notebooks.
В Точке Сборки договорились вместе проходить курс, я буду стараться выкладывать обзоры и саммари материалов. Вступайте, если еще не: @TScompiler_bot
#левел_ап
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4❤2🔥2⚡1👏1🎉1🙏1
Софт-скиллы — это хорошо. Но как на счёт хард-фейс? 💪
The Wall Street Journal пишет, что айтишники в Долине массово пошли под нож хирурга. Спрос на фейслифтинг, подтяжку шеи и век среди технарей за последние 5 лет вырос в пять раз. Ценник — до $150,000.
Причина — дикий эйджизм в индустрии. Инвестор Питер Тиль как-то советовал: «Нельзя нанимать никого старше 30». И вот тебе 40, у тебя мешки под глазами — и ты уже «нерелевантный». Твои достижения и коммиты в GitHub никого не волнуют, если твое лицо выглядит «уставшим». А если выглядишь старым — значит, ты уже не в игре. Раньше надо было просто учить новый фреймворк, а теперь ещё и колоть ботокс, который, к слову, там уже считается «прошлым веком».
Катализаторами стали удалёнка, давшая время на восстановление, и повальное увлечение препаратами для похудения типа Ozempic, от которых обвисает кожа на лице.
Мы докатились до реальности, где твоя карьера зависит не только от коммитов в GitHub, а ещё и от чёткости линии подбородка, а достижения и опыт могут перечеркнуть мешки под глазами? 🤡
Все западные тренды до нас доходя с опоздаем, поэтому ждём через пару лет в требованиях к вакансии Senior Python Developer «опыт от 10 лет, уверенное знание FastAPI и отсутствие птоза».
#хих
The Wall Street Journal пишет, что айтишники в Долине массово пошли под нож хирурга. Спрос на фейслифтинг, подтяжку шеи и век среди технарей за последние 5 лет вырос в пять раз. Ценник — до $150,000.
Причина — дикий эйджизм в индустрии. Инвестор Питер Тиль как-то советовал: «Нельзя нанимать никого старше 30». И вот тебе 40, у тебя мешки под глазами — и ты уже «нерелевантный». Твои достижения и коммиты в GitHub никого не волнуют, если твое лицо выглядит «уставшим». А если выглядишь старым — значит, ты уже не в игре. Раньше надо было просто учить новый фреймворк, а теперь ещё и колоть ботокс, который, к слову, там уже считается «прошлым веком».
Катализаторами стали удалёнка, давшая время на восстановление, и повальное увлечение препаратами для похудения типа Ozempic, от которых обвисает кожа на лице.
Мы докатились до реальности, где твоя карьера зависит не только от коммитов в GitHub, а ещё и от чёткости линии подбородка, а достижения и опыт могут перечеркнуть мешки под глазами? 🤡
Все западные тренды до нас доходя с опоздаем, поэтому ждём через пару лет в требованиях к вакансии Senior Python Developer «опыт от 10 лет, уверенное знание FastAPI и отсутствие птоза».
#хих
Please open Telegram to view this post
VIEW IN TELEGRAM
😁11
В потоке новостей про AI легко утонуть. Чтобы сэкономить ваше время, коллеги подготовили тематическую папку каналов, где агрегируют информацию по теме.
Внутри — обзоры инструментов, практические кейсы и готовые решения, которые могут быть полезны в работе.
Что можно найти в подборке:
- Кейсы применения нейросетей в разработке и бизнесе.
- Обзоры новых моделей, инструментов и API.
- Готовые промпты для кодогенерации, текста и изображений.
- Аналитика и инсайты из мира AI.
👉🏻Добавить папку 👈🏻
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4⚡3🔥1
💻 Новый мини-король в программировании?
Пока все меряются триллионами параметров, ребята из MiniMaxAI выкатили новую версию своей опенсорсной модели, которая при 10B активных параметров заставляет нервничать больших дядь типа Claude и Gemini.
MiniMax-M2 — это MoE-модель (смесь экспертов) на 230B параметров, но в каждый момент времени активны всего 10B. На практике это означает производительность топов, но со скоростью и стоимостью развертывания гораздо более легковесных решений.
Главный фокус — программирование и агентные задачи.
- На Terminal-Bench (эмуляция работы в терминале) она обходит Claude Sonnet 4 и Gemini 2.5 Pro.
- На Multi-SWE-Bench (решение реальных проблем из GitHub-репозиториев) тоже показывает себя не хуже многих.
Малый размер активных параметров (10B) значит:
▫️ Быстрые фидбек-циклы в привычных задачах (код-запуск-тест).
▫️ Меньше жрёт памяти и железа.
▫️ Проще развернуть у себя локально или на своих серверах.
❗️ Есть важный нюанс: модель думает "вслух", оборачивая свои размышления в теги <think>...</think>. Разрабы настоятельно рекомендуют не вырезать эти куски из истории диалога при использовании API, иначе перформанс резко падает.
Модель уже лежит в открытом доступе на Hugging Face◀️
Пока все меряются триллионами параметров, ребята из MiniMaxAI выкатили новую версию своей опенсорсной модели, которая при 10B активных параметров заставляет нервничать больших дядь типа Claude и Gemini.
MiniMax-M2 — это MoE-модель (смесь экспертов) на 230B параметров, но в каждый момент времени активны всего 10B. На практике это означает производительность топов, но со скоростью и стоимостью развертывания гораздо более легковесных решений.
Главный фокус — программирование и агентные задачи.
- На Terminal-Bench (эмуляция работы в терминале) она обходит Claude Sonnet 4 и Gemini 2.5 Pro.
- На Multi-SWE-Bench (решение реальных проблем из GitHub-репозиториев) тоже показывает себя не хуже многих.
Малый размер активных параметров (10B) значит:
▫️ Быстрые фидбек-циклы в привычных задачах (код-запуск-тест).
▫️ Меньше жрёт памяти и железа.
▫️ Проще развернуть у себя локально или на своих серверах.
Модель уже лежит в открытом доступе на Hugging Face
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥8👍3🙏1
📦 Инвентаризация на складе
Представь, что ты работаешь в большой компании, и тебе поручили провести инвентаризацию на складе.
На складе есть
Проблема в том, что сканер мог сработать на одну ячейку несколько раз (создав дубликаты), а какие-то ячейки и вовсе пропустить. Твоя задача — найти все номера ячеек, которые оказались пустыми.
Условие:
Дан список
Формат ввода:
-
Формат вывода:
- Список целых чисел, которых не было в
Пример:
Допустим, на складе 8 ячеек, и сканер выдал такой список:
Это значит, что ячейки 5 и 6 пусты.
Решаем👇🏻
#алгособес
Представь, что ты работаешь в большой компании, и тебе поручили провести инвентаризацию на складе.
На складе есть
n ячеек, пронумерованных от 1 до n. После сканирования всех товаров у тебя есть список nums, где каждый элемент — это номер ячейки, в которой что-то лежит. Длина списка тоже n.Проблема в том, что сканер мог сработать на одну ячейку несколько раз (создав дубликаты), а какие-то ячейки и вовсе пропустить. Твоя задача — найти все номера ячеек, которые оказались пустыми.
Условие:
Дан список
nums из n целых чисел, где каждое число находится в диапазоне [1, n]. Нужно найти все числа из диапазона [1, n], которых нет в списке nums.Формат ввода:
-
nums — список целых чисел.Формат вывода:
- Список целых чисел, которых не было в
nums.Пример:
Допустим, на складе 8 ячеек, и сканер выдал такой список:
nums = [4,3,2,7,8,2,3,1]Это значит, что ячейки 5 и 6 пусты.
Вывод: [5, 6]Задачу нужно решить за линейное время O(n) и, что самое важное, с константной дополнительной памятью O(1). Список для ответа не в счёт.
Решаем👇🏻
#алгособес
🔥3❤1⚡1
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.
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:
🇮🇳 Индия добавила 5 млн разрабов за год и к 2030 обгонит США по общему числу. Центр IT-мира смещается на Восток.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍7❤3
This media is not supported in your browser
VIEW IN TELEGRAM
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:
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
📦 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.
Как это работает?
-
-
- Операция вычитания
Это лаконично и понятно, но главное условие задачи нарушено. Создание двух множеств съедает дополнительную память, пропорциональную размеру ввода. Сложность по памяти здесь —
Как же быть?
Можно использовать сам входной список
Как это работает? ✨
1️⃣ Фаза разметки:
- Мы проходим по списку
- Для каждого числа
- Этот
- Мы "помечаем" ячейку
Пример: Встретили 4. Идем в nums[3] и меняем знак у числа, которое там лежит.
2️⃣ Фаза сбора:
- После первого прохода в списке
- А вот если по какому-то индексу
- Мы при помощи list comprehension собираем все
Временная сложность:
Пространственная сложность:
#алгособес
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? ✨
- 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.
- 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
Что получим при запуске кода?
Anonymous Quiz
46%
{0, 1, 2, 3}
6%
None
19%
{0: 0, 1: 1, 2: 2, 3: 3}
18%
{range(0, 4)}
7%
{1, 2, 3, 4}
3%
{1: 1, 2: 2, 3: 3, 4: 4}
😭16👍6
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.
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!
❤4👎2⚡1👍1🔥1🙏1
GUI-комбайн для данных, который дружит с Python
Все, кто работает с данными, знают
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
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
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:
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
👍8❤3🔥3
Топ по просмотрам
Топ по репостам 📥
Топ по реакциям
#итоги_месяца
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7👍2🔥1
🏛 Невидимое правительство Python
За каждым
❓ Вы знали, что:
▫️до PSF была провальная попытка №1, и язык чуть не погиб вместе с лопнувшим стартапом
▫️у фонда есть программа
▫️специальный совет
Листайте карточки и читайте небольшую статью: Невидимое правительство Python: кто платит за ваш pip install и владеет языком на самом деле◀️ ◀️
#так_сложилось
За каждым
pip install стоит мощный фонд (PSF), корпоративные деньги и юристы. ▫️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
🔥10👍2