Python/ django
Channel @pythonl
по всем вопросам @workakkk @itchannels_telegram - 🔥 все ит каналы @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - 📚 @pythonlbooks РКН: clck.ru/3FmxmM
Rating out of 10 5.8 Rating out of 10 5.8 /10 System score · How ratings work
- Subscribers
- 58,070
- Last post
- 2d ago
Collected on 2026-11-21 · not real-time
Introduction
по всем вопросам @workakkk @itchannels_telegram - 🔥 все ит каналы @ai_machinelearning_big_data -ML @ArtificialIntelligencedl -AI @datascienceiot - 📚 @pythonlbooks РКН: clck.ru/3FmxmM
Show the original Telegram description
по всем вопросам @workakkk
@itchannels_telegram - 🔥 все ит каналы
@ai_machinelearning_big_data -ML
@ArtificialIntelligencedl -AI
@datascienceiot - 📚
@pythonlbooks
РКН: clck.ru/3FmxmM
Rating breakdown
Algorithm v1 · How ratings workSystem score 5.8 (1 + contributions 4.81) · final 5.8
Dimension Input Value Weight Contribution
Content quality Not reviewed yet (counted as neutral 0.5) · 40% 0.50 40% +1.80
Safety Not reviewed yet (counted as neutral 0.5) · 30% 0.50 30% +1.35
Audience 58,070 subscribers · 12% 0.70 12% +0.76
Recent activity Last post 2d ago · 10% 1.00 10% +0.90
Telegram verified Not verified · 4% 0.00 4% —
Official backlink No linked tools · 4% 0.00 4% —
Recent posts
View all on Telegram5 проектов для создания собственного ИИ-мозга:
1. GBrain - Garry Tan
Память для ИИ-агентов с поиском, связями между знаниями и возможностью использовать общий контекст в разных агентах.
https://github.com/garrytan/gbrain
2. LLM Wiki - Andrej Karpathy
Концепция базы знаний, которую ИИ самостоятельно пополняет, структурирует и поддерживает в актуальном состоянии. Работает на Markdown.
https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
3. AI-Memory - Akitaonrails
Долговременная память для Claude Code, Codex и других агентов. Сохраняет историю работы, решения и контекст между сес…
2.3K views
🐍 Python: задача для Senior-разработчиков
Что выведет код в Python 3.15?
def inner():
try:
yield 1
finally:
return 2
def outer():
try:
x = yield from inner()
yield x
finally:
return 3
g = outer()
print(next(g))
print(g.close())
print(next(g, 0))
Варианты ответа:
A) 1, None, 0
B ) 1, 2, 0
C ) 1, 3, 0
D ) 1, RuntimeError
E ) 1, 2, 3
Попробуйте решить без интерпретатора и объяснить, что происходит внутри yield from при закрытии генератора.
Правильный ответ: C) 1, 3, 0.
1. next(g) запускает внешний генератор, который через yield from передаёт управление внутреннему. Получаем 1.
2. g.cl…
2.2K views
Python-разработчики, есть повод выбраться на митап!
🔥 X5 Tech совместно с MoscowPython проводит Moscow Python Meetup №114 — встречаемся, чтобы обсудить инженерные практики, поспорить о технологиях и обменяться опытом с коллегами.
В программе два доклада и большая дискуссия с экспертами X5 Tech, AgentPoint и Ozon Tech.
Что обсудим:
➡️ «Свой шаблон сервиса: как перестать копировать прошлый проект и начать масштабироваться» — Даниил Попков, X5 Tech. Узнаем, как избавиться от копипасты при запуске новых сервисов и выстроить масштабируемый подход.
➡️ «Где живёт ваше намерение? Как заставить не…
2.1K views Media
Обучаем собственную LLM с нуля: бесплатный гайд на русском
Как устроены языковые модели внутри? Предлагаю разобраться на практике с помощью MiniMind и PyTorch.
В репозитории собран пошаговый курс: от токенизации и архитектуры Transformer до предобучения модели, SFT, подготовки собственного датасета и локального инференса.
Можно начать с небольшого эксперимента на CPU, а затем обучить модель на 64 млн параметров на GPU.
Внутри объяснения архитектуры, примеры кода, схемы, команды для запуска и практические задания.
🔗 https://github.com/justxor/minimind-llm-from-scratch-ru/
2.2K views Media
RAG без векторной базы: PageIndex набрал 40 тысяч звёзд на GitHub
PageIndex предлагает другой подход к поиску информации в документах. Вместо embeddings, разбиения текста на чанки и векторного поиска используется иерархический индекс и рассуждения LLM.
Система строит дерево разделов документа, а затем модель последовательно выбирает нужные ветки и находит ответ с указанием источника.
Такой подход особенно полезен для больших PDF, финансовых отчётов, юридических документов и технической документации, где одного семантического сходства недостаточно.
Результаты разработчиков:
98,7% точности …
2.9K views Media
Similar Telegram resources
Profile
Type Channel
Username t.me/pythonl
Category Development
Telegram verified No
Collected 2026-11-21
About the data
Counts, verification and recent posts come from periodic snapshots of Telegram's public pages and are not real-time. Descriptions are edited; the original text is available under the original description.