What Telegram channels wrote about Python in August 2026: 186 posts from 99 channels, collected automatically from public Telegram channels.
📂 Шпора по функциям и конструкциям в Python
На одной картинке собраны самые полезные функции, методы и конструкции Python: работа со строками, списками и словарями, встроенные функции, преобразование типов, циклы, исключения и многое другое.
Сохраняем в избранное.
tags: #полезное
➡ Python Developer | 📲 MAX
🔥 Мини-приложения с иконкой в трее — на Python? Легко!
Pystray — библиотека, которая превращает твой скрипт в настоящее десктоп-приложение с иконкой рядом с часами.
👨💻 Что умеет Pystray:
🟢Создаёт фоновое приложение без окон и GUI 🟢Добавляет иконку в системный трей — как у VPN, антивирусов и Telegram. 🟢Работает на Windows, macOS и Linux. 🟢Идеально для трекеров, бэкапов, Telegram-ботов, утилит и напоминалок. 🟢Простой API — минимум кода, максимум пользы.
⚙️ Простая установка:
pip install pystray
📚 Документация/Примеры кода
Используй Pystray, чтобы твои скрипты выглядели как настоящие нативные приложения.
И никаких окон. Только стиль и функциональность.
#python #soft #code #github
Steps to become a data analyst
Learn the Basics of Data Analysis: Familiarize yourself with foundational concepts in data analysis, statistics, and data visualization. Online courses and textbooks can help. Free books & other useful data analysis resources - https://t.me/learndataanalysis
Develop Technical Skills: Gain proficiency in essential tools and technologies such as:
SQL: Learn how to query and manipulate data in relational databases. Free Resources- @sqlanalyst
Excel: Master data manipulation, basic analysis, and visualization. Free Resources- @excel_analyst
Data Visualization Tools: Become skilled in tools like Tableau, Power BI, or Python libraries like Matplotlib and Seaborn. Free Resources- @PowerBI_analyst
Programming: Learn a programming language like Python or R for data analysis and manipulation. Free Resources- @pythonanalyst
Statistical Packages: Familiarize yourself with packages like Pandas, NumPy, and SciPy (for Python) or ggplot2 (for R).
Hands-On Practice: Apply your knowledge to real datasets. You can find publicly available datasets on platforms like Kaggle or create your datasets for analysis.
Build a Portfolio: Create data analysis projects to showcase your skills. Share them on platforms like GitHub, where potential employers can see your work.
Networking: Attend data-related meetups, conferences, and online communities. Networking can lead to job opportunities and valuable insights.
Data Analysis Projects: Work on personal or freelance data analysis projects to gain experience and demonstrate your abilities.
Job Search: Start applying for entry-level data analyst positions or internships. Look for job listings on company websites, job boards, and LinkedIn. Jobs & Internship opportunities: @getjobss
Prepare for Interviews: Practice common data analyst interview questions and be ready to discuss your past projects and experiences.
Continual Learning: The field of data analysis is constantly evolving. Stay updated with new tools, techniques, and industry trends.
Soft Skills: Develop soft skills like critical thinking, problem-solving, communication, and attention to detail, as they are crucial for data analysts.
Never ever give up: The journey to becoming a data analyst can be challenging, with complex concepts and technical skills to learn. There may be moments of frustration and self-doubt, but remember that these are normal parts of the learning process. Keep pushing through setbacks, keep learning, and stay committed to your goal.
ENJOY LEARNING 👍👍
Complete 3-months roadmap to learn Artificial Intelligence (AI) 👇👇
### Month 1: Fundamentals of AI and Python
Week 1: Introduction to AI - Key Concepts: What is AI? Categories (Narrow AI, General AI, Super AI), Applications of AI. - Reading: Research papers and articles on AI. - Task: Watch introductory AI videos (e.g., Andrew Ng's "What is AI?" on Coursera).
Week 2: Python for AI - Skills: Basics of Python programming (variables, loops, conditionals, functions, OOP). - Resources: Python tutorials (W3Schools, Real Python). - Task: Write simple Python scripts.
Week 3: Libraries for AI - Key Libraries: NumPy, Pandas, Matplotlib, Scikit-learn. - Task: Install libraries and practice data manipulation and visualization. - Resources: Documentation and tutorials on these libraries.
Week 4: Linear Algebra and Probability - Key Topics: Matrices, Vectors, Eigenvalues, Probability theory. - Resources: Khan Academy (Linear Algebra), MIT OCW. - Task: Solve basic linear algebra problems and write Python functions to implement them.
---
### Month 2: Core AI Techniques & Machine Learning
Week 5: Machine Learning Basics - Key Concepts: Supervised, Unsupervised learning, Model evaluation metrics. - Algorithms: Linear Regression, Logistic Regression. - Task: Build basic models using Scikit-learn. - Resources: Coursera’s Machine Learning by Andrew Ng, Kaggle datasets.
Week 6: Decision Trees, Random Forests, and KNN - Key Concepts: Decision Trees, Random Forests, K-Nearest Neighbors (KNN). - Task: Implement these algorithms and analyze their performance. - Resources: Hands-on Machine Learning with Scikit-learn.
Week 7: Neural Networks & Deep Learning - Key Concepts: Artificial Neurons, Forward and Backpropagation, Activation Functions. - Framework: TensorFlow, Keras. - Task: Build a simple neural network for a classification problem. - Resources: Fast.ai, Coursera Deep Learning Specialization by Andrew Ng.
Week 8: Convolutional Neural Networks (CNN) - Key Concepts: Image classification, Convolution, Pooling. - Task: Build a CNN using Keras/TensorFlow to classify images (e.g., CIFAR-10 dataset). - Resources: CS231n Stanford Course, Fast.ai Computer Vision.
---
### Month 3: Advanced AI Techniques & Projects
Week 9: Natural Language Processing (NLP) - Key Concepts: Tokenization, Embeddings, Sentiment Analysis. - Task: Implement text classification using NLTK/Spacy or transformers. - Resources: Hugging Face, Coursera NLP courses.
Week 10: Reinforcement Learning - Key Concepts: Q-learning, Markov Decision Processes (MDP), Policy Gradients. - Task: Solve a simple RL problem (e.g., OpenAI Gym). - Resources: Sutton and Barto’s book on Reinforcement Learning, OpenAI Gym.
Week 11: AI Model Deployment - Key Concepts: Model deployment using Flask/Streamlit, Model Serving. - Task: Deploy a trained model using Flask API or Streamlit. - Resources: Heroku deployment guides, Streamlit documentation.
Week 12: AI Capstone Project - Task: Create a full-fledged AI project (e.g., Image recognition app, Sentiment analysis, or Chatbot). - Presentation: Prepare and document your project. - Goal: Deploy your AI model and share it on GitHub/Portfolio.
### Tools and Platforms: - Python IDE: Jupyter, PyCharm, or VSCode. - Datasets: Kaggle, UCI Machine Learning Repository. - Version Control: GitHub or GitLab for managing code.
Free Books and Courses to Learn Artificial Intelligence👇👇
Introduction to AI for Business Free Course
Top Platforms for Building Data Science Portfolio
Artificial Intelligence: Foundations of Computational Agents Free Book
Learn Basics about AI Free Udemy Course
Amazing AI Reverse Image Search
By following this roadmap, you’ll gain a strong understanding of AI concepts and practical skills in Python, machine learning, and neural networks.
Join @free4unow_backup for more free courses
ENJOY LEARNING 👍👍
Как распаковать кортеж, список и объект range с помощью одной звёздочки в Python.
👉 @PythonPortal
Python And Flask Framework Complete Course
Python-Powered Proficiency: Depth Introduction To Python Programming And Python Web Framework Flask.…
🏷 Category: it-and-software 🌍 Language: English (US) 👥 Students: 292,248 students ⭐️ Rating: 4.5/5.0 (2,187 reviews) 🏃♂️ Enrollments Left: N/A ⏳ Expires In: N/A 💰 Price: $34.79 ⟹ FREE 🆔 Coupon: 25BBPMXNVD35
⚡ Opens instantly — your free link unlocks on its own in seconds, no ad required.
💎 By: https://t.me/Udemy26 #Python #DataScience #Automation #FreeCourse #Udemy #OnlineLearning
Разработчик на Python в команду Warden #гибрид #офис Компания: Яндекс
☑️Какие задачи вас ждут -Построить надёжный распределённый сервис, который может пережить падение двух ДЦ Вам предстоит развивать систему, которой пользуются сервисы Яндекса с миллионами инстансов. У нас есть десятки тысяч realtime-графов для обработки каждого инцидентного сценария. -Работать с алгоритмами консенсуса Ядро нашей распределённой системы использует алгоритм Raft. У нас есть задачи на повышение надёжности наших сервисов. -Работать не только над инфраструктурными задачами Мы предоставляем единый инструмент работы над стабильностью для абсолютно разных классов сервисов: Поиска, Музыки, Такси. Мы помогаем всем сервисам быть доступными 99.9999% времени, а разработчикам — узнавать о проблеме в течение 30 секунд с момента её появления. Помогаем следить как за доступностью сервисов в целом, так и за работой отдельных пользовательских сценариев: например, что в Музыке работает радио.
☑️Мы ждём, что вы -Разрабатывали на Python более трёх лет -Имеете опыт классической веб-разработки (кеш, очереди, асинхронные задачи) -Работали с PostgreSQL -Тестируете свой код -Умеете работать и самостоятельно, и в команде
Откликнуться
Python Job в Telegram | в VK | в Max
📊 Data Science Roadmap 🚀
📂 Start Here ∟📂 What is Data Science & Why It Matters? ∟📂 Roles (Data Analyst, Data Scientist, ML Engineer) ∟📂 Setting Up Environment (Python, Jupyter Notebook)
📂 Python for Data Science ∟📂 Python Basics (Variables, Loops, Functions) ∟📂 NumPy for Numerical Computing ∟📂 Pandas for Data Analysis
📂 Data Cleaning & Preparation ∟📂 Handling Missing Values ∟📂 Data Transformation ∟📂 Feature Engineering
📂 Exploratory Data Analysis (EDA) ∟📂 Descriptive Statistics ∟📂 Data Visualization (Matplotlib, Seaborn) ∟📂 Finding Patterns & Insights
📂 Statistics & Probability ∟📂 Mean, Median, Mode, Variance ∟📂 Probability Basics ∟📂 Hypothesis Testing
📂 Machine Learning Basics ∟📂 Supervised Learning (Regression, Classification) ∟📂 Unsupervised Learning (Clustering) ∟📂 Model Evaluation (Accuracy, Precision, Recall)
📂 Machine Learning Algorithms ∟📂 Linear Regression ∟📂 Decision Trees & Random Forest ∟📂 K-Means Clustering
📂 Model Building & Deployment ∟📂 Train-Test Split ∟📂 Cross Validation ∟📂 Deploy Models (Flask / FastAPI)
📂 Big Data & Tools ∟📂 SQL for Data Handling ∟📂 Introduction to Big Data (Hadoop, Spark) ∟📂 Version Control (Git & GitHub)
📂 Practice Projects ∟📌 House Price Prediction ∟📌 Customer Segmentation ∟📌 Sales Forecasting Model
📂 ✅ Move to Next Level ∟📂 Deep Learning (Neural Networks, TensorFlow, PyTorch) ∟📂 NLP (Text Analysis, Chatbots) ∟📂 MLOps & Model Optimization
Data Science Resources: https://whatsapp.com/channel/0029VaxbzNFCxoAmYgiGTL3Z
React "❤️" for more! 🚀📊
⚠️ 100% Free for Limited Time ⚽️ Python: Zero to Professional
✅ JOIN HERE : https://www.udemy.com/course/python-zero-to-professional/?couponCode=KEEPLEARNING
---------------------------------------------------------------
💸WORK FROM HOME JOB (EARN FIXED 2K TO 5K PER MONTH) : https://careers.abhyasmitra.in/
🤑 EARN 501₹ MONEY (DOWNLOAD AND COMPLETE 1 UPI TRANSACTION) https://r.navi.com/QyaorB
✅ NEW WHATSAPP CHANNEL : https://whatsapp.com/channel/0029VbCqdnmIyPtVjKk6gQ0m
Python: Zero to Professional
FREE - 11 Enrolls Left
Welcome to Python: Zero to Professional. I’m excited to have you here.Whether you are completely new to programming or someone with basic exposure looking to build real-world Python skills, this course is designed specifically for you. In this course, we will start from absolute basics—things like w...
Coupon Code:- PROMOAUG2026 Enrolls: 11/100
🔗 https://freecourse.io/courses/python-zero-to-professional
Пишем асинхронный парсер и скрапер картинок на Python с графическим интерфейсом
В этой статье автор разберет процесс создания desktop-приложения, которое по запросу будет сохранять на нашем диске заданное количество картинок. Так как картинок будет много, он воспользуется асинхронностью Python для конкурентной реализации операций ввода-вывода.
Python Hacks
⚠️ 100% Free for Limited Time ⚽️ Full Stack Python Developer Bootcamp: For Absolute Beginners
✅ JOIN HERE : https://www.udemy.com/course/complete-full-stack-python-developer-bootcamp-masterclass/?couponCode=FPYAUG26
---------------------------------------------------------------
💸WORK FROM HOME JOB (EARN FIXED 2K TO 5K PER MONTH) : https://careers.abhyasmitra.in/
🤑 EARN 501₹ MONEY (DOWNLOAD AND COMPLETE 1 UPI TRANSACTION) https://r.navi.com/QyaorB
✅ NEW WHATSAPP CHANNEL : https://whatsapp.com/channel/0029VbCqdnmIyPtVjKk6gQ0m
🖥 Репозиторий: Helium — библиотека для упрощенной автоматизации веб-браузеров на Python
Helium — это высокоуровневая библиотека на языке Python для автоматизации действий в браузере и веб-скрейпинга, построенная поверх Selenium.
— Инструмент предоставляет человекочитаемый и интуитивно понятный API (позволяя взаимодействовать с элементами прямо по их видимому тексту, например, click("Войти")), автоматически обрабатывая ожидания загрузки элементов и избавляя от необходимости писать сложные CSS- или XPath-селекторы.
⏺ Ссылка на GitHub
#Python #Browser #Automation #Selenium #Web #Scraping #Testing #Automation | Лаборатория хакера
ℹ️ Как проверить все Python‑окружения на опасные пакеты без запуска Python
В марте такие атаки затронули npm‑пакет Axios, сканер уязвимостей Trivy и Python‑пакет LiteLLM.
Пока меня это не коснулось: во всех этих случаях атаки затрагивали библиотеки и пакеты, которыми я не пользуюсь. Но было бы наивно думать, что так будет всегда. У меня много локальных Python‑проектов, и я задумался, что буду делать, если скомпрометируют пакет, который использую я.
Первый шаг – обнаружение. Допустим, я уже знаю, что конкретная версия пакета вредоносна. Как понять, устанавливал ли я её? Из‑за того, что я использую виртуальные окружения, ответить на этот вопрос не так‑то просто.
🖥 Читать подробнее
Python Lead #офис #lead Москва Компания: Сбер
☑️Обязанности -проектирование и согласование архитектуры приложений и интеграций -развитие и разработка расчетных модулей системы, общих библиотек, реализация интеграционных взаимодействий -формирование требований для построения CI/CD, мониторинга, логирования -проведение ревью кода, поддержка код стандарта, командные коммуникации -распределение нагрузки между членами команды -контроль сроков выполнения задач -организация внутренних процессов в команде -контроль релизных циклов и выполнения выставляемых требований.
☑️Требования -опыт командной работы с применением гибких подходов (be Agile!) -понимание принципов жизненного цикла разработки и практический опыт создания python приложений enterprise экосистемы -опыт проектирования API и интеграционных взаимодействий (HTTP, REST, GraphQL) -понимание принципов ООП, SOLID, паттернов проектирования (GoF) -понимание базовых принципов многопоточного и асинхронного программирования (GIL, asyncio) -уверенные знания Python и опыт разработки с использованием Django, FastAPI, Streamlit -опыт работы с python data (Pandas/Numpy/SciPy) -практические знания и навыки работы с LLM (большими языковыми моделями) и DataScience -опыт работы с инструментами контейнеризации приложений (Docker) -уверенный Linux пользователь -понимание принципов CI/CD -умение работать в команде и эффективно распределять задачи -понимание принципов и инструментов Scrum.
Откликнуться
Python Job в Telegram | в VK | в Max
Интерпретируемое машинное обучение на Python
Автор: Серг Масис Год издания: 2023
#python #ru
Скачать книгу
Подборка вакансий для разработчиков:
🏢 Фронтенд разработчик в Яндекс Senior, Москва
🏢 Разработчик PL/SQL (Парус) в Цемрос Middle, Москва
🏢 Golang Architect/Developer в Сбер Senior, Москва
🏢 Java разработчик в Сбер Middle, Санкт-Петербург
🏢 Fullstack разработчик в Альфа-Банк Middle, Москва
🏢 Frontend разработчик в YADRO Junior, Санкт-Петербург
🏢 Программист 1С в Т-Банк Middle, Санкт-Петербург
🏢 DevOps в Сбер Middle, Москва
🏢 DevOps-инженер (МТС Веб Сервисы) в МТС Senior, Москва
🏢 Backend разработчик в Wrike Senior, Удалённо, Литва
🏢 Бэкенд разработчик в Яндекс Образование Senior, Санкт-Петербург
🏢 Backend разработчик (GigaChat API) в Сбер Middle, г Москва
🏢 Инженер-программист (C/C++, DSP) в YADRO Senior, Москва
🏢 Java-разработчик (трайб POS) в АО «ОТП Банк» (JSC «OTP Bank») Middle, Москва
🏢 Go-разработчик (Корзина) в Ozon Senior, Москва
🏢 Python-разработчик в Т-Банк Intern, Омск
🏢 Go-разработчик в Т-Банк Intern, Саратов
🏢 Frontend разработчик в Т-Банк Middle, Краснодар
🏢 React Native разработчик в Ozon Senior, Москва
🏢 Python разработчик мобильного приложения в Вкусно — и точка Senior, Москва
🏢 Программист 1С в Ростелеком Senior, Челябинск
🏢 Ведущий разработчик Backend в Альфа-Банк Lead, Москва
🏢 AI Tech Lead в МТС Lead, Москва
🏢 Главный разработчик 1С:Документооборот в Ростелеком Senior, Москва
🏢 Engineering Manager в TradingView C-level, Cyprus, Tbilisi, Paphos
🏢 Backend разработчик в TradingView Senior, Tbilisi
🏢 Frontend разработчик в TradingView Senior, Tbilisi, Cyprus, Paphos
🏢 Senior Frontend Developer в TradingView Senior, Tbilisi, Cyprus, Paphos
🏢 Python разработчик (CFR) в Касперский Middle, Москва
🚶♂️ PHP-разработчик (Bitrix) в СКБ Приморья Примсоцбанк Middle, Владивосток
______________________
⚡ Сервисы Эйч:
Найти ментора Готовое резюме Сопровождение до оффера Все вакансии (39115) Трекер откликов Конструктор резюме Вопросы с собеседований Задачи с собеседований AI-Проверятор резюме Генератор сопроводительных
🍫 CV-инженер (техлид) в службу AI-сервисов Лавки
Привет! Меня зовут Алена, и я руковожу AI в Яндекс Лавке. Лавка, с одной стороны, очень операционный, а с другой — очень технологичный сервис, и мы работаем на стыке этих направлений.
Алена Зайцева Руководитель службы AI Лавки
Яндекс Лавка — сервис быстрой доставки товаров из дарксторов. Мы ищем на техлидскую IC-роль сильного CV-инженера, который целиком возьмёт на себя техническую ответственность за создание и развитие CV-решений для операционных процессов.
Какие задачи вас ждут:
• Ведение CV-решений end-to-end Вам предстоит вести весь технический контур от выбора подхода и архитектуры до продакшна: определять, где достаточно анализа изображений, а где нужен видеоанализ, решать, когда подходят готовые модели, а когда требуется дообучение.
• Детекция нарушений по камерам в дарксторах Вы будете разрабатывать решения, которые автоматически выявляют отклонения в корректности хранения товара, соблюдении норм гигиены, правил пожарной безопасности и других операционных требований.
• Написание кода и сборка пайплайнов Вам нужно будет писать продакшн-код, собирать пайплайны обработки и инференса, доводить решения до стабильной работы в продакшне.
• Баланс качества, стоимости и надёжности Важно уметь смотреть на задачу с точки зрения не только качества модели, но и стоимости инфраструктуры, надёжности и сложности внедрения.
Мы ждём, что вы: • Работали с видеоаналитикой или готовы в неё погружаться • Имеете сильный опыт в computer vision • Умеете самостоятельно вести CV-проекты от идеи до продакшна • Разрабатываете на Python, владеете фреймворками • Понимаете, как устроены MLOps-пайплайны и деплой моделей
Будет плюсом, если вы: • Работали с real-time-видеоаналитикой • Оптимизировали модели • Разворачивали CV-решения в промышленных или операционных средах
Наши бонусы: В Яндексе корпоративная подписка на хорошую жизнь — чекапы, спорт, терапия, образовательные курсы и многое другое. Это не все бонусы — полный список тут.
📩 Откликайтесь на вакансию на нашем сайте
#ML #CV #AI #python #лавка
🚀 Neo4j без сервера: GraphForge запускает полноценный Cypher прямо внутри Python-скрипта
GraphForge занимает редкую нишу между NetworkX и серверными графовыми БД. Вы получаете встроенный графовый движок на Rust, полный openCypher и хранение проекта в обычной директории.
Что внутри:
- четыре независимых слоя на Rust: parser → IR → planning → execution; - результаты сразу возвращаются как Apache Arrow Table; - данные легко передаются в Pandas и Polars; - постоянное хранение построено на Parquet; - встроены PageRank, Louvain и гибридный текстово-векторный поиск; - Python- и Node.js-биндинги работают поверх одного движка.
from graphforge import GraphForge
graph = GraphForge("research/")
result = graph.execute(""" MATCH (a)-[:CITES]->(b) RETURN a.title, b.title """)
print(result.to_pandas())
При этом GraphForge честно позиционируется как инструмент исследовательского и notebook-масштаба. Для миллиардных графов, высокой нагрузки и многопользовательского доступа по-прежнему нужна серверная БД.
Python и Node.js доступны сейчас, Swift и Kotlin находятся в планах. Лицензия — Apache 2.0.
https://github.com/CurateLabs/graphforge
#RustLang #Python #OpenSource #GraphDatabase #DataScience #KnowledgeGraph
AI-разработчик (Python/Go) — автоматизация в AdTech
Локация: Удалённо Компания: NDA ЗП: от 1200-1500$ в месяц (по результатам собеседования) Занятость: Полная
Мы строим инструменты для digital-маркетинга и автоматизации. Код в команде пишем через AI-агенты — Claude Code, Codex и другие. Не в браузерном чате, а в терминале: агент читает кодовую базу, вносит изменения, запускает тесты. Это рабочий процесс, который ускоряет опытного разработчика, а не заменяет его. Ищем программиста с крепким бэкграундом, который уже встроил AI-агенты в свой рабочий процесс и делает за день то, на что раньше уходила неделя.
Сфера: Арбитраж трафика
Что будете делать:
— Разрабатывать backend-сервисы, используя Claude Code, Codex или другие AI-агенты для ускорения работы — Проектировать и реализовывать интеграции с внешними API (рекламные сети, трекеры, аналитика, платёжные системы) — Автоматизировать бизнес-процессы — сбор данных, отчётность, мониторинг — Прототипировать решения: от идеи до рабочего MVP за часы — Ревьюить и рефакторить код — как свой, так и сгенерированный агентом — Настраивать окружение для AI-агентов: инструкции, правила, контекст проекта
Хард-требования:
— Python: коммерческий опыт от 2 лет. Уверенное владение asyncio, FastAPI или Flask, SQLAlchemy или аналоги. Понимание GIL, менеджеров контекста, декораторов, генераторов — не на уровне “знаю что это”, а используете в работе — Go (будет серьёзным плюсом): goroutines, channels, стандартная библиотека, понимание concurrency-модели — Базы данных: PostgreSQL или MySQL на уровне написания сложных запросов, понимание индексов, миграций, оптимизации. — Опыт с Redis — API: проектирование и реализация REST API, работа с вебхуками, OAuth, rate limiting. Опыт интеграции с внешними сервисами в продакшене — Git: ветвление, ребейз, черри-пик, решение конфликтов — не гуглите каждый раз — Инфраструктура: Docker на уровне написания и отладки Dockerfile и docker-compose. Базовое понимание CI/CD — Linux: уверенная работа в терминале, дебаг на удалённом сервере, чтение логов
Требования по AI-инструментам:
— Реальный опыт работы с Claude Code, Codex, Cursor, Aider или другими AI-агентами — именно как инструмент в ежедневной разработке — Умение декомпозировать задачу для агента, управлять контекстом, задавать ограничения — Понимание, где агент силён, а где стабильно ошибается — и привычка проверять результат
Не подойдёт, если:
— Вы пришли в программирование через AI и не писали код самостоятельно до появления ChatGPT — Ваш коммерческий опыт меньше 1.5 лет — Вы не можете без подсказки объяснить, чем отличается процесс от потока, зачем нужен индекс в БД или как работает HTTP-запрос на уровне TCP — Ваш опыт с AI — только браузерный чат, без терминальных или IDE-агентов
Условия:
— Удалённо, ПН–ПТ, 10:00–19:00 МСК — Выплаты: от 1200-1500$ в месяц (по результатам собеседования, в дальнейшем возможен рост) — Оплачиваемая стажировка до 2 недель (полная ставка) — Выплаты 1 и 16 числа (USDT BEP-20) — Все расходы на AI-инструменты покрывает компания — Подписание договора NDA (по паспортным данным и видеоверификации)
Чтобы откликнуться, ответьте на вопросы:
1. Кратко опишите свой коммерческий опыт: сколько лет, какой стек, какие проекты в продакшене. 2. Какие AI-агенты используете для разработки — Claude Code, Codex, Cursor, Aider или что-то другое? Какой основной? Как давно? 3. Опишите конкретный проект, который делали с помощью AI-агента. Стек, задача, результат. Что агент сделал хорошо, где пришлось переделывать руками и почему. 4. Приведите пример, когда агент сгенерировал код, который выглядел рабочим, но содержал серьёзную ошибку. Как нашли, что было не так, как исправили. 5. Python или Go — что ближе? Что из перечисленных хард-требований знаете уверенно, что слабее?
Отклики без ответов на вопросы рассматриваться не будут
📩 Отклик - @Darinn_HR
❣️ Аналитик-разработчик в core-команду Независимого Екома
Привет! Я Влад, руковожу B2C-аналитикой еком-сценариев в Поиске. Наша цель — помочь пользователям быстро найти и выбрать то, что нужно, и сделать этот опыт приятным. В работе много исследований, тестирования и анализа. Мы изучаем, как пользователи взаимодействуют с продуктом, проверяем гипотезы, внедряем новые алгоритмы и технологии.
Владислав Харитонов, группа аналитики пользовательского опыта и B2C-продукта Екома
Еком-сценарии в Поиске — новый подход к выбору товаров в интернете. С помощью технологий и данных мы делаем покупки простыми и удобными. Команда B2C-аналитики строит продукт на основе данных.
Какие задачи вас ждут:
• Методология оценки B2C-показателей Предстоит создавать систему оценки основных продуктовых и бизнес-метрик: выстраивать инструменты для отслеживания динамики, объяснения изменений и поиска причинно-следственных связей.
• Оценка пользовательских сценариев Нужно будет разрабатывать подходы к систематической оценке сценариев использования продукта: методологии, классификаторы, модели сегментации.
• Разработка аналитических инструментов Вы будете разрабатывать и развивать общекомандные аналитические инструменты, которые помогут стандартизировать подходы к анализу данных и ускорить решение бизнес-задач.
Мы ждём, что вы: • Проектировали метрики и строили системы их мониторинга • Уверенно владеете Python и SQL • Умеете работать с большими объёмами данных, владеете методами моделирования и декомпозиции • Знаете, как создавать витрины и хранилища данных
Будет плюсом, если вы: • Применяли ML в продуктовой аналитике • Работали с распределёнными системами и инструментами для обработки больших данных • Строили сложные аналитические пайплайны
Почему у нас классно: ДМС Яндекса действует с первого месяца работы. Причём получить плановую или неотложную помощь можно и за рубежом — так что можно не бояться путешествовать. Это не все бонусы — полный список тут.
📩 Откликайтесь на вакансию на нашем сайте
#независимый_ecom #B2C #SQL #python #аналитика
Django 5 для начинающих & Продвинутый Django 5 для продолжающих
Чему вы научитесь: - Всему процессу разработки профессиональных веб-приложений с помощью Django и Django REST Framework. - Механизмам работы веб-фреймворка Django путем написания нескольких проектов на Python с нуля и последующим их деплоем на сервер.
💾СКАЧАТЬ
#python | Porscode & Max
One Day Offer для Python-разработчиков!💚
15 августа открываем двери в команду Agent Execution Framework ⚡️
Коллеги создают платформу для GenAI‑агентов в банке — делают так, чтобы ИИ реально работал в серьёзных финпроцессах: с безопасностью, нагрузкой и пользой.
Чем предстоит заниматься:
✔️ развивать backend на Python ✔️ подключать LLM, инструменты, базы знаний и RAG ✔️ строить пайплайны оценки качества агентов ✔️ участвовать в архитектуре и ревью кода
Встречаемся 15 августа онлайн.
Регистрируйся по ссылке
Бэкенд с нуля в 2026: учим Flask, Docker, Redis и ещё 7 технологий
Прочитать полный гайд от «Кода» с разбором пути Python-бэкендера: https://v.thecode.media/fphzm Пять лет назад бэкенд-разработчик писал код и передавал его девопсу, который разворачивал в прод. Сегодня от бэкендера ждут полного цикла: написал, протестировал, задеплоил сам. Разбираем, что конкретно входит в этот цикл в 2026 году, в каком порядке учить — и где вовремя остановиться.
Пройти курс от Практикума «Python-разработчик»: https://v.thecode.media/8xeqe Здесь вы освоите профессию с нуля за 10 месяцев, получите реальный опыт и навыки, которые нужны работодателям.
Журнал «Код» | Промокод Практикума | Новости мира IT и технологий
