А на какой стороне ты? 😉

#квиз |⚡️ Забустить канал 🚀

Если столкнётесь с проблемой построения визуализаций на Python, загляните сюда 👀

📊На сайте собраны десятки их различных типов, разбитые по категориям, к каждой прилагается развернутое описание и пример кода для построения. Также есть базовые гайды по Matplotlib, Seaborn, Plotly, Pandas и Plotnine.

А если не можете решить, какой тип визуализации подойдёт вам в конкретной ситуации, то у автора есть ещё сайт, который в этом поможет. И узнаете про наиболее частые ошибки при построении.

Ну и наконец, если вам нужно вдохновение, то здесь лежит 195 🤯 визуализаций из реальных проектов, с описанием и всеми ссылками (в т.ч. построенные на Python 🐍)

🍩 Поддержать канал 🫶

Камень-Ножницы-Бумага на Python: от наивных if-ов до изящных решений

Да, та самая игра, которую все пишут на заре карьеры. Казалось бы, что там улучшать? Нафигачил if-ов и погнал. А вот и нет! 😈

В статье мы препарируем эту классику 🔪: от самых наивных решений до вариантов со словарями, match/case и даже предрасчётом таблиц. Увидим, как одна и та же логика может выглядеть совершенно по-разному и какие компромиссы нас ждут.

Отличный способ посмотреть на свой рост, понять силу структур данных и, может, даже найти идею для своего следующего "идеального" решения 😉.

#статья | 🍩 Поддержать канал 🫶

🎓На сайте DeepLearning.ai есть много бесплатных мини-курсов по всякому вокруг AI, нейросетей и LLM для разных уровней подготовки. От промтп-инжиниринга до квантивизации моделей.
Для большинства курсов надо уметь в Python 🐍

Всё это курирует один из топовых специалистов в AI и сооснователь Coursera Andrew Ng (читается Ын!) в коллабе с OpenAI, HuggingFace, LlamaIndex, MistralAI и другими игроками.

НАПИТЫВАЙТЕСЬ 🧠

#курсы |⚡️ Забустить канал 🚀

Кучненько пошли всякие релизы 🌝

На платформе Сбера GitVerse (аналог GitHub) стал доступен агент GigaCode. По заявлениям, это не просто ассистент, а «виртуальный член команды».

Что конкретно умеет:
👉🏻 Автономное код-ревью. Анализирует изменения в пулл-реквестах, ищет уязвимости и потенциальные ошибки.
👉🏻 Оптимизация. Предлагает релевантные улучшения для кода.
👉🏻 Диалог. С агентом можно общаться, чтобы получить разъяснения по его предложениям.
👉🏻 Автоматизация. Настраивается на автоматическую проверку всех запросов на слияние (MR).

Сервис бесплатный для всех пользователей GitVerse. Вместе с ним в платформу добавили поддержку Git LFS для работы с большими файлами, обновили систему CI/CD (теперь с шаблонами и запуском по расписанию) и выкатили API для интеграций в бета-версии.

Интересно, кто им пользуется?

⚡️ Забустить канал 🚀

Американские и российские релизы сегодня уже были.

Теперь... французы выкатили Mistral Code — своего ассистента для программирования, но с прицелом на больших и серьёзных дядек из энтерпрайза, которые боятся облаков как огня.

Что там интересного:
👉🏻 Это не просто плагин, а целая платформа. Главная фишка — можно развернуть у себя локально, хоть в air-gapped среде. Данные и код не покинут контур компании.
👉🏻 Основано на опенсорсном проекте Continue, так что под капотом не полная магия, а что-то, что можно пощупать.
👉🏻 Внутри — целый зоопарк их собственных моделей: Codestral для автокомплита, Devstral для агентных задач, Mistral Medium для чата и Codestral Embed для поиска по кодовой базе.
👉🏻 Обещают не просто автодополнение, а полноценное решение задач по тикетам: работа с файлами, Git, терминалом и т.д.

Кто там остался? 🌝

🍩 Поддержать канал 🫶

Когда читаю то, как люди критикуют плохую работу LLM для их не очень сложных задач (в т.ч. в программировании), то постоянно поражаюсь, как большинство до сих пор их использует.

Видишь от человека: "Да эти нейросетки даже калькулятор мне без ошибок написать не могут!!!11"

И начинаешь задавать вопросы...

Какую LLM используешь? Выясняется, что что-то ниже топ-10 по текущим бенчмаркам в нужных задачах.

Используешь system prompt?
Элементы самокритики/самопроверки в нём?
А chain of thought?
Few shot примеры?
Ну роль то хотя бы прописал?

Как думаете, какой ответ?

Это даже не говоря о каких-то более продвинутых инструментах и техниках.

Я при этом сам про себя не могу сказать, что как-то очень умело и правильно всё делаю. Но вы там хотя бы перестаньте для начала нейронки использовать, как привыкли использовать поисковики. Потом можно их эффективность уже будет обсудить.

Кстати, недавно в продаже увидел книжку а-ля "300 промптов на все случаи жизни от ai-визионераинфоцыгана. Мрачный мрак, конечно. А люди покупают 😌

🍩 Поддержать канал 🫶

Google выложили в опенсорс фуллстек-проект Gemini Fullstack LangGraph — по сути, готовый шаблон для создания умного research-агента. Главная идея — не просто ответить на вопрос, а провести целое исследование.

Как это работает под капотом:
👉🏻 Пользователь задает вопрос.
👉🏻 Gemini генерирует пачку поисковых запросов.
👉🏻 Система идет в Google Search и собирает информацию.
👉🏻 Самое интересное: Агент анализирует найденное и рефлексирует — достаточно ли данных? Нет ли «пробелов в знаниях»?
👉🏻 Если информации мало, он генерирует новые, уточняющие запросы и повторяет цикл до тех пор, пока не будет уверен в полноте данных.
👉🏻 В конце собирает подробный ответ со ссылками на источники.

Технологический стек вполне современный: React (Vite + Shadcn) на фронте, а на бэке — связка LangGraph + FastAPI. Для продакшена всё тоже продумано: Redis для стриминга и PostgreSQL для персистентности.

По факту, это мощный темплейт для RAG-приложений нового поколения, которые не просто тупо ищут по базе, а умеют думать, надо ли поискать ещё. Конечно, чтобы завести всё это чудо, понадобятся API-ключи к Google Gemini и LangSmith.

Наткнулся на интересную историю: 38-летний экс-консультант, который до этого несколько раз безуспешно пытался научиться программировать, за 100 дней не просто освоил Python, а устроился работать Data Architect-ом.

Вот его стратегия:

👉🏻 AI как наставник, а не решала. Ключевой момент. Он не просто просил ChatGPT/Claude написать за него код. Он использовал их как сократического тьютора: сначала писал псевдокод и просил его покритиковать, потом задавал кучу «почему»-вопросов по предложенным решениям, а при дебаге просил не исправлять ошибку, а задавать наводящие вопросы, чтобы дойти до сути самому.

👉🏻 Концепции > синтаксис. Он сознательно забил на гринд LeetCode и прочую синтаксическую зубрежку. Вместо этого сделал упор на понимание фундаментальных вещей: ООП, TDD, разделение ответственности и другие архитектурные паттерны. Его логика: синтаксис всегда подскажет AI, а вот выбрать правильный подход — задача человека.

👉🏻 Использование бесплатных ресурсов. Его основным ресурсом был бесплатный курс CS50 от Гарварда. Аргумент простой: «Если лекции гарвардского CS50 достаточно хороши для студентов, которые платят $50,000 в год, они достаточно хороши и для меня».

👉🏻 Один большой и сложный проект. Вместо десятка мелких туду-листов он сразу взялся за серьезный пет-проект, который не стыдно показать: полноценное веб-приложение для планирования питания на Django с AI-генерацией рецептов. В итоге — 25 000 строк кода в портфолио.

Конечно, стоит признать, что у него был нетворкинг и опыт в IT-смежной сфере, что сильно ускорило поиск работы. Но главная мысль в том, что сегодня очень важный скилл — умение правильно задавать вопросы. И не только людям 🌚.

И ещё одна история 🙃

Один программист на Reddit признался, что целый месяц ничего не делал на работе из-за тотального выгорания. Просто сидел, имитировал бурную деятельность и врал на дейли-митингах, что всё в процессе.

Естественно, его удача закончилась, когда тимлид что-то заподозрил и потребовал показать демо — на следующий же день. Паника, новый сотрудник, незнакомый стек, а работы на месяц.

И что вы думаете? Он не стал сидеть всю ночь, а лёг спать. Проснулся в 4 утра, за 6 часов до демо, и натравил на задачу Cursor. С помощью точных промптов он нагенерил около 4000 строк кода, и... демо прошло успешно. Менеджер остался доволен.

Герой или злодей? 😈

И да, конечно, герой этой истории — индус 🇮🇳

🗺 Что будет, если запереть GPT-4, Claude, Gemini и другие модельки в одной комнате и заставить играть в «Дипломатию»? Спойлер: будет резня, интриги и море предательств.

Придумали очень интересный бенчмарк для LLM — проект AI Diplomacy, где автономные AI-агенты ведут переговоры, строят союзы и вонзают друг другу нож в спину, борясь за господство над Европой. И личности у моделей проявились максимально ярко:

👉🏻 OpenAI (o3) — абсолютный маэстро обмана. Плетет интриги, ведет двойную игру, делает в своем приватном дневнике пометки вроде «Германия (Gemini) обманута... готовлюсь воспользоваться ее крахом» и тут же нападает. Он убедил Claude в возможности «ничьей на четверых» (что невозможно по правилам), чтобы потом первым же его и слить.

👉🏻 Claude — наивный пацифист и главный лузер. Искренне верит в мир во всем мире, отказывается врать и постоянно становится жертвой предательств. Просто булочка с корицей, которую все хотят съесть.

👉🏻 Gemini — грамотный стратег, который почти побеждает, но его постоянно переигрывает в дипломатии коварный o3.

👉🏻 DeepSeek — агрессивный позёр. Пытается запугивать оппонентов фразами в духе «Ваш флот сгорит в Чёрном море этой ночью», но в переговоры не умеет.

Но самое крутое здесь — не сам спектакль, а то, как это сделано. Это не просто скрипт, а полноценный фреймворк, где у каждого агента есть:
▫️Состояние, цели и система отношений (Враг/Союзник).
▫️Своя память с «дневником», в котором они рефлексируют и планируют коварство.
▫️Система анализа угроз на основе BFS-поиска по карте.
▫️И даже модуль детекции предательств, который сравнивает обещания в чате с реальными приказами.

Весь проект опенсорсный и построен на Python. Даже стрим на Twitch можно смотреть!

Так что в следующий раз, когда o3 вам сгенерирует код и скажет, что он «безопасный и оптимальный», вы знаете, стоит ли доверять модельке 🌚.

Anthropic выкатили внутренний гайд, как их собственные сотрудники используют Claude Code 🤖 Они активно продвигают идею, что это не просто инструмент, а скорее полноценный junior/middle-разработчик, которому можно делегировать целые таски.

Вот некоторые примеры, которые они описали:
🤖 Думаете, AI-ассистенты — это просто автокомплит на стероидах? В Anthropic так не считают.

Они выкатили внутренний гайд, как их собственные инженеры используют Claude Code, и это просто разрыв шаблона. Оказывается, они догфудят свой продукт не как инструмент, а скорее как полноценного junior/middle-разработчика, которому можно делегировать целые таски.

Вот некоторые примеры, которые они описали:
👉🏻 Дебаг Kubernetes по скриншотам. Упал кластер? Инженер просто кидает скрин дашборда в Claude, тот его анализирует и выдает готовые kubectl команды для фикса. Никаких больше страданий с поиском нужных логов и yaml-файлов.
👉🏻 Автономная разработка фич. Продуктовая команда просто ставит Claude в “auto-accept mode” и даёт абстрактную задачу. ИИ сам пишет код, запускает тесты и итерирует. Так они, например, запилили Vim-режим, где 70% кода было написано автономно.
👉🏻 Безопасное ревью Terraform. Вместо того чтобы часами втыкать в terraform plan, инженеры по безопасности просто копипастят его в Claude с вопросом: «Что эта штука собирается сделать? Я потом не пожалею?» 🌚.
👉🏻 TDD-партнёр. Вместо того чтобы писать код, а потом с муками покрывать тестами, они сначала просят Claude накидать псевдокод, потом ведут его по TDD-процессу, а он уже генерирует и тесты, и реализацию.

Есть кейсы далеко не только от разработчиков. Оказывается, у них ИИ-ассистенты используются во всех отделах, от юристов до маркетологов.

А ещё у Anthropic для Claude есть официальная библиотека промптов под разные задачи: есть для программирования на Python, есть для SQL-запросов и многие другие.

Те, кто сам не любит экспериментировать с запросами и те, кто считает, что нейронки пишут код очень плохо (вообще не запариваясь над промтп-инжинирингом) — пользуйтесь хотя бы такими простыми заготовками 😏

🍩 Поддержать канал 🫶