PythonTalk

? 😱 Мы привыкли гуглить ошибки (или спрашивать у нейронки), но 90% ответов Python дает сам, прямым текстом. Проблема в том, что кто-то не умеет читать этот текст. На картинке — алгоритм по типовым ошибкам, который должен быть прошит в подкорке у любого джуна...

🔥 Прирост заявляют мощный по сравнению с пятой версией, почти Opus 😍 Я каждый день пользуюсь 👍

🔭 Сейчас вы пишете import numpy as np на автомате, даже не задумываясь, что за этой строчкой стоит опенсорс-драма, которая могла похоронить Питон как язык для Data Science еще в зародыше. Если бы в начале нулевых всё пошло по другому сценарию, сегодня мы бы грустно ворочали тензоры в R или мучились с плюсами. В 1995 году Джим Хагунин написал Numeric — первый вменяемый C-экстеншн для работы с многомерными массивами. До него Python в математике был просто медленным скриптовым языком. Но Numeric отвратительно справлялся с большими файлами...

интернете. На практике модель не становится умнее. Она просто начинает вежливее галлюцинировать. Проблема почти никогда не в модели. Проблема в архитектуре промпта: нет изоляции контекста, нет структуры вывода, нет защиты от инъекций, нет механизма верификации ответа. Написал строку текста — получи непредсказуемый результат. 🗓 1 апреля в 18:00 по мск в «Точке Сборки» разбираем техники, которые переводят промптинг из «попробуем так» в воспроизводимый инженерный процесс...

🛑 Наверняка вы все используете одно из базовых правил промпт-инжиниринга: начинайте запрос с фразы типа «Представь, что ты Senior Python Developer сд 100 годами опыта в Google». Да, я тоже так делаю. Так вот, выкатили свежее исследование от USC, которое доказывает, что такие фразы делают модель тупее в написании кода. Почему так? 🧐 Сырые знания (факты, алгоритмы, логика) закладываются в модель на этапе pretraining. А вот умение отыгрывать роль, следовать формату и быть безопасной — это результат instruction-tuning (SFT/RLHF)...

Или уже нет? Делать десктопные (и уж тем более кроссплатформенные) приложения на Python всегда было тем ещё удовольствием. Tkinter передает привет из 90-х, а другие фреймворки часто требуют долгого погружения. Но решение есть — Flet. Это, по сути, Python-обертка над Flutter от Google. Вы...

Университет Хельсинки запустил версию 2026 года своего легендарного открытого курса по Python. Что внутри: 🟢 Две части (Introduction и Advanced), разбитые на 14 логических блоков . От самых основ до ООП и рекурсии. 🟢 Огромное количество практики с автоматической проверкой через плагин в VS Code. 🟢 В финале — самостоятельный проект, а не просто копипаст за лектором. 🟢 Для любителей...

📉 Аналитики из CitriniResearch выкатили макроэкономическую модель-прогноз, где расписали, как именно AI-агенты сломают текущий рынок IT. Он написан в формате макроэкономической ретроспективы из 2028 года, оглядывающейся на события 2026–2027 годов. 1️⃣ Агентное программирование и смерть SaaS По прогнозу, компетентный разработчик с условным Claude Code сможет клонировать ядро мидл-маркет SaaS-продукта за пару недель. Когда CIO видят счета на продление корпоративных подписок по $500k, они логично спрашивают: «А почему бы нам не собрать это инхаус силами пары инженеров?»...

Зачем создателям ChatGPT понадобились ruff и uv OpenAI с потрохами забирает команду Чарли Марша — создателей uv и ruff. Тех самых ребят, которые переписали на Rust половину питонячьего тулинга. Официальный пресс-релиз обильно полит корпоративным сиропом про "расширение возможностей Codex" и "синергию с опенсорсом". Перевожу на человеческий язык 🥸 LLM уже давно умеют сносно генерить сниппеты. Но OpenAI нужны не умные автодополнения, а полноценные автономные AI-агенты (читай: цифровые мидлы). Агенту мало выплюнуть текст — ему нужно поднять виртуальное окружение, разрулить зависимости, прогнать линтеры, отловить баги и исправить их в цикле...

В чём разница? В карточках читайте о разнице между равенством и идентичностью и как интернирование может вас обмануть 🧠 #два_стула

🤖 Андрей Карпаты выкатил очередной занятный пет-проект — US Job Market Visualizer. Это интерактивная карта рынка труда США (143 млн рабочих мест, 342 профессии), где каждая специальность оценивается по уровню «AI Exposure» (уязвимости перед ИИ). Что там по программистам? У Software Developers оценка 9/10. Мы в глубокой красной зоне. Значит ли это, что пора учиться класть плитку? Ни разу. Карпаты указывает, что высокая уязвимость не равна исчезновению профессии. Написание кода, дебаг и автоматизация тестов — идеальный юзкейс для LLM...

В открытом доступе есть занятный курс по DL от MIT. Помимо стандартного джентльменского набора, там нормально разбирают трансформеры, Graph Neural Networks, Out-of-Distribution Generalization и Scaling Laws. 24 лекции, практические задания, материалы для чтения. С нуля туда лезть бессмысленно. На входе от вас ожидают знания теорвера, матстатистики и пройденной базы по классическому ML. 👍 Мне особо понравился их подход к использованию ИИ в обучении. Официальная...