Domain Driven Design и модульный монолит в Python
Сложность: ★★★ | Время чтения: 22 мин
В статье продемонстрирована тактическая реализация DDD идей на языке Python.
📎 Читать статью
💙Бизнес-анализ | ИТ | ИИ 💬Бизнес-анализ | ИТ | ИИ
What Telegram channels wrote about Python in August 2026: 1003 posts from 372 channels, collected automatically from public Telegram channels.
Domain Driven Design и модульный монолит в Python
Сложность: ★★★ | Время чтения: 22 мин
В статье продемонстрирована тактическая реализация DDD идей на языке Python.
📎 Читать статью
💙Бизнес-анализ | ИТ | ИИ 💬Бизнес-анализ | ИТ | ИИ
Company Name: Citi Post Name: Business Analyst Python SQL Salary: up to ₹8 LPA* Job Location: Bengaluru (Hybrid) Experience: 1-2 Years
✅Apply Link: https://job4freshers.co.in/citi-business-analyst-python/
Join our WhatsApp Private Community for Experienced Jobs👇 https://whatsapp.com/channel/0029Va8olDhKrWQwQhwxwI0R
Telegram Link: https://t.me/job4experince
Join us on LinkedIn 👇🏻 https://www.linkedin.com/company/108115637/
Share with someone who needs this❤️
Иногда вам может понадобиться проверить синтаксис Python-файла без его запуска. Такая простая проверка может быть полезна, например, в качестве хука перед коммитом или быстрой проверки в рамках непрерывной интеграции (CI).
Прямого способа сделать это нет. Вы можете запустить файл с помощью команды python -m module.py, что предотвратит выполнение блока if __name__ == '__main__'. Однако все импорты всё равно будут выполнены, и это может привести к ошибкам, если вы хотите проверить синтаксис в среде, где модуль не может и не должен быть запущен.
Тем не менее, стандартная библиотека Python содержит модуль py_compile, который генерирует байт-код из исходного файла Python без его выполнения. Это именно то, что нам нужно:
$ python -m py_compile test.c File "test.c", line 1 int main() { ^ SyntaxError: invalid syntax
📲 Мы в MAX
👉@BookPython
📁 STEP 16 — Build a Portfolio
Project 1 — Sales Analytics: Excel + SQL + Power BI → Revenue, Profit, Products, Regions, Customers, Trends
Project 2 — Customer Churn: SQL + Python + Power BI → Churn rate, Segments, Retention, Revenue at risk
Project 3 — Financial Analysis: Excel + Power BI → P&L, Budget vs Actual, Variance, Trends
Project 4 — E-commerce Analytics: SQL + Python + Power BI → Orders, Conversion, AOV, CLV
Project 5 — HR Analytics: Excel + SQL + Power BI → Headcount, Attrition, Salary, Tenure
🧠 STEP 17 — Explain Your Projects
Business Problem → Data → Cleaning → Transformation → Analysis → Visualization → Insights → Recommendations → Impact
💼 STEP 18 — Build Your Resume
🔎 STEP 19 — LinkedIn & GitHub
LinkedIn: Headline, About, Skills, Projects, Certifications, Posts on SQL, Power BI, Excel, Projects, Insights
GitHub: SQL projects, Python notebooks, Docs, Screenshots, Data dictionaries, README
🎤 STEP 20 — Interview Preparation
Excel: XLOOKUP, INDEX/MATCH, SUMIFS, COUNTIFS, PivotTables, Power Query
SQL: Joins, Aggregations, CTEs, Subqueries, Window functions, Ranking, Running totals
Power BI: DAX, CALCULATE, Data modeling, Relationships, Time intelligence
Python: Pandas, GroupBy, Merge, EDA
Business Cases: Sales drop, Churn increase, Revenue up but profit down, KPI anomaly
🗓️ Double Tap ❤️ For Detailed Explanation
Level 1 — Power BI Fundamentals
Desktop, Service, Reports, Dashboards, Workspaces, Data sources, Import mode, DirectQuery, Semantic models
Level 2 — Power Query
Data cleaning, transformations, merge, append, group, pivot/unpivot, conditional/custom columns, data types
🧮 STEP 8 — DAX
SUM, COUNT, COUNTROWS, DISTINCTCOUNT, AVERAGE, MIN, MAX
CALCULATE, FILTER, ALL, ALLSELECTED, REMOVEFILTERS, VALUES, SELECTEDVALUE
SUMX, AVERAGEX, COUNTX, MINX, MAXX
Time Intelligence: TOTALYTD, TOTALMTD, TOTALQTD, SAMEPERIODLASTYEAR, DATEADD, DATESYTD, DATESMTD
Measures: YTD, MTD, QTD, Previous Year, YoY %, Running Total, Rolling 12M, Market Share, Contribution %
🏗️ STEP 9 — Data Modeling
Fact tables, Dimension tables, Star schema, Snowflake schema, Relationships, Cardinality, Cross-filter direction, Active/Inactive relationships, Role-playing dimensions, Date tables
🎨 STEP 10 — Power BI Visualization
Cards, Tables, Matrix, Bar, Column, Line, Area, Scatter, Map, Treemap, Waterfall, KPI, Decomposition Tree, Drill-through, Tooltips, Bookmarks, Buttons, Slicers
Data storytelling: What happened? Why? Where? Who/What? What next?
🐍 STEP 11 — Python for Data Analysis
⏱️ Time: 3–4 weeks
Basics: Variables, Data Types, Lists, Tuples, Sets, Dicts, If/Else, Loops, Functions, Lambda, Exception Handling
NumPy: Arrays, Indexing, Vectorization, Math operations
Pandas: DataFrame, Series, read_csv(), read_excel(), head(), info(), describe(), loc[], iloc[], groupby(), merge(), concat(), pivot_table(), sort_values(), drop_duplicates(), fillna(), dropna(), apply()
Visualization: Matplotlib, Seaborn: Bar, Line, Histogram, Scatter, Box, Heatmap
🎯 Python Project
Customer Sales & Churn Analysis: Cleaning, EDA, Segmentation, Revenue analysis, Churn patterns, Visuals, Recommendations
🧹 STEP 12 — Data Cleaning
Missing values, duplicates, wrong data types, outliers, inconsistent categories, invalid dates, bad formats, negative values, duplicate transactions, data integrity
Practice in: Excel → Power Query → SQL → Python
🏢 STEP 13 — Business & Domain Knowledge
Sales: Revenue, AOV, Conversion Rate, Growth, Gross Margin
Marketing: CAC, CTR, CPC, ROAS, Retention
Product: DAU, MAU, Retention, Churn, Activation, Engagement
Finance: Revenue, Profit, EBITDA, Cost, Margin, Budget vs Actual, Forecast
Operations: SLA, Productivity, Turnaround Time, Error Rate, Capacity, Utilization
🤖 STEP 14 — AI for Data Analysts in 2026
Use AI for: SQL help, DAX help, Excel formulas, Python debugging, Data cleaning, Documentation, Storytelling, Root-cause analysis, Hypotheses, Analysis plans
Limitations: Hallucinations, Incorrect SQL, Wrong assumptions, Data privacy, Poor context
Mindset: AI augments analysts, doesn't replace thinking
☁️ STEP 15 — Cloud & Data Platforms
Azure, AWS, Google Cloud, Databricks, Snowflake
Concepts: Data warehouse, Data lake, Lakehouse, ETL, ELT, Pipelines, Batch processing, APIs
تابستون امسال برنامهنویسی رو اصولی شروع کن! 🚀
بوتکمپ پروژهمحور برای یادگیری Python از صفر تا ساختن یک پایهی حرفهای برای ورود به دنیای تکنولوژی.
📚 سرفصلهای کلی
• Algorithms & Flowcharts • Variables & Data Types • Conditional Statements • Loops & Iterations • Functions & Modular Programming • Error Handling (Try / Except) • Data Structures • File Handling • Regular Expressions (Regex) • Object-Oriented Programming (OOP) • Git & GitHub • Python Projects & Practical Exercises • LinkedIn & Resume Building
🎓 گواهینامهها
علاوه بر گواهی AIM، مسیر Certificate از Harvard University – CS50P نیز برای شما فراهم خواهد بود.
🚀 بعد از بوتکمپ
یک مسیر مشخص برای ادامهی یادگیری و ورود به حوزههای مختلف از جمله:
🤖 Artificial Intelligence 📊 Data Science 💻 Software/Web Development 🌐 Networking 🔐 Cybersecurity 🎮 Game Development
در اختیارتان قرار میگیرد تا بدانید بعد از Python دقیقاً چه مسیری را ادامه دهید و ما در ادامه این مسیر نیز همراه شما خواهیم بود.
📩 برای ثبتنام، به ما پیام دهید.
🆔@aim_techworld
🐍 Python-разработчики часто тестируют код с зависимостью от времени. Но обычный mock для дат — это намного сложнее, чем кажется.
Библиотека time-machine решает эту проблему: она позволяет буквально «перемещать время» внутри тестов.
Например:
import datetime as dt import time_machine
@time_machine.travel("2030-01-01") def test_future(): assert dt.date.today() == dt.date(2030, 1, 1)
В отличие от популярных подходов вроде freezegun, библиотека не ищет и не заменяет все импорты в проекте.
Она работает на уровне C API CPython, перехватывая функции даты и времени напрямую. Поэтому скорость не зависит от количества загруженных модулей. В бенчмарках time-machine оказался более чем в 100 раз быстрее freezegun на простых сценариях.
Полезно для тестирования:
• подписок и платежей • истечения токенов • календарных функций • планировщиков задач • логики с дедлайнами
Проект: https://github.com/adamchainz/time-machine
https://adamj.eu/tech/2026/08/03/python-time-machine-o1-freezegun-on/
@Python_Community_ru
Лень разбираться в Python?
Для вас уже всё сделали. 📌 Канал Python Hacks рассказывает обо всех возможностях, приёмах и лайфхаках по обучению python.
Подписывайтесь и прокачивайте свои навыки: @python_secrets
🐍 Python-разработчики часто тестируют код с зависимостью от времени. Но обычный mock для дат — это намного сложнее, чем кажется.
Библиотека time-machine решает эту проблему: она позволяет буквально «перемещать время» внутри тестов.
Например:
import datetime as dt import time_machine
@time_machine.travel("2030-01-01") def test_future(): assert dt.date.today() == dt.date(2030, 1, 1)
В отличие от популярных подходов вроде freezegun, библиотека не ищет и не заменяет все импорты в проекте.
Она работает на уровне C API CPython, перехватывая функции даты и времени напрямую. Поэтому скорость не зависит от количества загруженных модулей. В бенчмарках time-machine оказался более чем в 100 раз быстрее freezegun на простых сценариях.
Полезно для тестирования:
• подписок и платежей • истечения токенов • календарных функций • планировщиков задач • логики с дедлайнами
Проект: https://github.com/adamchainz/time-machine
https://adamj.eu/tech/2026/08/03/python-time-machine-o1-freezegun-on/
Стажер QAA (Python) / МТС 🗺 Москва.
Обязанности: - Писать и поддерживать автотесты на Python - Участвовать в регрессионном тестировании
Требования: - Студенты 3-6 курсов бакалавриата, специалитета или магистратуры - Базовый уровень языка Python
➡ Откликнуться
Вакансии │ Стажировки │ За рубежом │ Удалёнка │ БИГТЕХ │ Мероприятия │ По всему миру │ IT и DIGITAL
🐣 Софи - первый ai ассистент для автооткликов и поиска работы.
Объектно-ориентированное программирование на Python с нуля 2026
Данное руководство предлагает системный подход к освоению принципов объектно-ориентированного программирования (ООП) с использованием языка Python, широко применяемого в промышленной разработке и научных исследованиях. В книге представлена комплексная теоретическая и практическая база, адаптированная под современные версии Python. Обучение строится по принципу последовательного усложнения материала: от базовых элементов языка (переменных, функций, коллекций) к проектированию и реализации собственных классов и объектов. Подробно рассматриваются ключевые парадигмы ООП: инкапсуляция, наследование и полиморфизм, а также работа с магическими методами, модулями, пакетами и организация тестирования. Особое внимание уделяется практическому применению знаний. На примере создания ряда приложений, включая графический интерфейс на основе tkinter, демонстрируется использование ООП для решения реальных задач. Все примеры логически взаимосвязаны, что способствует глубокому и последовательному усвоению материала.
Скачать ТУТ 💾💾💾
🐍 Тонны Python-скриптов буквально под любые задачи
Принёс вам репозиторий, в котором собрано огромное количество Python-скриптов, разработанных с целью снижения нагрузки на кодера.
👉 Скрипты можно использовать для автоматизации процессов, упрощения задач, а также для их изучения и разбора. ⛓ Ссылка: Клик!
🐍 Мега-шпаргалка по Python: вся база в одном месте
Держите крутую шпору по Python с удобной навигацией — при помощи гиперссылок, разделённым на категории, можно прыгнуть в любое место и быстро узнать информацию.
👉 Её регулярно обновляют, чтобы информация всегда соответствовала действительности. Приложены примеры кода и краткие пояснения там, где это необходимо.
⛓ Ссылка: Клик!
📱 Брутфорс веб-форм на Python: разбор механики
Разбор Python-скрипта для автоматизированной проверки авторизации через POST-запросы: работа с ответами сервера, заголовками и ошибками.
Хороший материал для изучения веб-безопасности в тестовой среде.
⛓ Читать статью здесь, а ссылка на GiyHub тут.
tags: #статья
➡ Python Developer | 📲 MAX
Как в Python развернуть строку и список одним и тем же кодом.
👉 @PythonPortal
Многопроцессность, многопоточность, асинхронность в Python и не только. Что это и как работает? // #Видео
Сегодняшний выпуск — о том, как заставить наше приложение летать! Поговорим о процессорах, о том, как они работают, о многоядерных CPU и Hyper-Threading, о процессах, потоках и многопоточности, а также об асинхронности или кооперативной многозадачности. Будет насыщенно!
▪️Перейти к просмотру [16:02]
Python Expert | Программирование
Кто-то сделал детектор, который ловит характерные паттерны ИИ-текста ещё до публикации.
Работает полностью локально: без модели и без подключения к сети. Он проверяет текстовые файлы, отмечает подозрительные шаблоны и просит агента переписать проблемные места. Репозиторий написан на Python и использует только стандартную библиотеку.
GitHub: https://github.com/seyedehsanhadi/sloptrim
👉 @PythonPortal
🐍 Опытный Python-разработчик рассказал, для каких проектов в 2026 году он уже не выбирает Python первым.
Автор десятилетиями использовал Python практически для всего, но со временем пришёл к простой мысли: хороший универсальный язык не обязан быть лучшим инструментом для каждой задачи.
В презентации разбирается, где ограничения Python начинают перевешивать его удобство и почему для некоторых проектов сегодня разумнее посмотреть на другие языки и экосистемы.
При этом это не очередное «Python умер».
Наоборот, автор по-прежнему активно использует Python и отдельно показывает области, где язык остаётся одним из лучших вариантов.
Получился полезный взгляд без фанатизма: выбирать язык не по привычке, а под конкретную задачу.
#/
#Python #Programming #SoftwareEngineering #Development
@Python_Community_ru
https://menno.io/presentations/not-python-2026/index.html
QA Automation Engineer (HR-платформа) Заработная плата по договоренности
Обязанности: • тестирование приложений: Web-приложение (включая PWA), Backend-тестирование, API-тестирование, мобильные приложения (Android, iOS, iPad) • работа с Jira (управление задачами, багами, релизами) • анализ и ревью документации в Confluence • ведение тестовой модели в Zephyr • запуск автоматизированных тестов в Jenkins.
Требования: • опыт разработки автотестов от 1,5 лет (Python 3 + Pytest) • опыт работы с модулями Python: requests, psycopg2, json, kafka, SqlAlchemy • опыт работы с Selenium, плейрайт • опыт работы с Jenkins или с любым другим инструментом CI/CD • опыт работы с GIT на уровне выше среднего, понимание gitflow • понимание как устроены REST запросы, заголовки, параметры, тела запросов, виды аутентификации • знание принципов ООП, паттернов разработки, умение писать масштабируемый код для дальнейшей разработки, знание клиент-серверной архитектуры • опыт работы с базами данных Postgres, Mongo, знание SQL на уровне простых запросов.
Мы предлагаем: • гибридный формат работы • ежегодный пересмотр зарплаты и годовая премия • более 400 образовательных программ СберУниверситета для профессионального и карьерного развития • расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа • ипотека для всех сотрудников • скидки на продукты компаний-партнеров • вознаграждение за рекомендацию друзей в команду Сбера.
Контакты: [email protected]
🐍 Опытный Python-разработчик рассказал, для каких проектов в 2026 году он уже не выбирает Python первым.
Автор десятилетиями использовал Python практически для всего, но со временем пришёл к простой мысли: хороший универсальный язык не обязан быть лучшим инструментом для каждой задачи.
В презентации разбирается, где ограничения Python начинают перевешивать его удобство и почему для некоторых проектов сегодня разумнее посмотреть на другие языки и экосистемы.
При этом это не очередное «Python умер».
Наоборот, автор по-прежнему активно использует Python и отдельно показывает области, где язык остаётся одним из лучших вариантов.
Получился полезный взгляд без фанатизма: выбирать язык не по привычке, а под конкретную задачу.
https://menno.io/presentations/not-python-2026/index.html#/
#Python #Programming #SoftwareEngineering #Development
QA Automation Engineer (HR-платформа) Заработная плата по договоренности
Обязанности: • тестирование приложений: Web-приложение (включая PWA), Backend-тестирование, API-тестирование, мобильные приложения (Android, iOS, iPad) • работа с Jira (управление задачами, багами, релизами) • анализ и ревью документации в Confluence • ведение тестовой модели в Zephyr • запуск автоматизированных тестов в Jenkins.
Требования: • опыт разработки автотестов от 1,5 лет (Python 3 + Pytest) • опыт работы с модулями Python: requests, psycopg2, json, kafka, SqlAlchemy • опыт работы с Selenium, плейрайт • опыт работы с Jenkins или с любым другим инструментом CI/CD • опыт работы с GIT на уровне выше среднего, понимание gitflow • понимание как устроены REST запросы, заголовки, параметры, тела запросов, виды аутентификации • знание принципов ООП, паттернов разработки, умение писать масштабируемый код для дальнейшей разработки, знание клиент-серверной архитектуры • опыт работы с базами данных Postgres, Mongo, знание SQL на уровне простых запросов.
Мы предлагаем: • гибридный формат работы • ежегодный пересмотр зарплаты и годовая премия • более 400 образовательных программ СберУниверситета для профессионального и карьерного развития • расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа • ипотека для всех сотрудников • скидки на продукты компаний-партнеров • вознаграждение за рекомендацию друзей в команду Сбера.
Контакты: [email protected]
#python #cli #consumer_gpu #dpo #fine_tuning #gguf #huggingface #llm #llmops #local_ai #local_llm #lora #low_vram #machine_learning #ollama #peft #python #pytorch #qlora #sft #transformers
Soup is a tool that helps you fine-tune and post-train large language models with one command, using one config file and little setup. It can work on a local GPU, even a 4 GB laptop GPU for an 8B model with layer streaming, so you can train without SSH or cloud hassle. This saves time, reduces setup pain, and makes model training easier to start and manage.
https://github.com/MakazhanAlpamys/Soup
Безопасность Python. Почему статический анализ — ваша первая линия защиты. Нелли Камалян // #Видео
Статический анализ кода помогает найти уязвимости ещё на этапе разработки. В докладе я расскажу, как использовать Semgrep и другие инструменты для проверки Python-приложений. Покажу на примерах, какие ошибки чаще всего встречаются и как их исправить. Также обсудим, как легко интегрировать эти инструменты в ваши рабочие процессы.
▪️Перейти к просмотру [46:50]
Python Expert | Программирование
QA Automation Engineer (HR-платформа) Заработная плата по договоренности
Обязанности: • тестирование приложений: Web-приложение (включая PWA), Backend-тестирование, API-тестирование, мобильные приложения (Android, iOS, iPad) • работа с Jira (управление задачами, багами, релизами) • анализ и ревью документации в Confluence • ведение тестовой модели в Zephyr • запуск автоматизированных тестов в Jenkins.
Требования: • опыт разработки автотестов от 1,5 лет (Python 3 + Pytest) • опыт работы с модулями Python: requests, psycopg2, json, kafka, SqlAlchemy • опыт работы с Selenium, плейрайт • опыт работы с Jenkins или с любым другим инструментом CI/CD • опыт работы с GIT на уровне выше среднего, понимание gitflow • понимание как устроены REST запросы, заголовки, параметры, тела запросов, виды аутентификации • знание принципов ООП, паттернов разработки, умение писать масштабируемый код для дальнейшей разработки, знание клиент-серверной архитектуры • опыт работы с базами данных Postgres, Mongo, знание SQL на уровне простых запросов.
Мы предлагаем: • гибридный формат работы • ежегодный пересмотр зарплаты и годовая премия • более 400 образовательных программ СберУниверситета для профессионального и карьерного развития • расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа • ипотека для всех сотрудников • скидки на продукты компаний-партнеров • вознаграждение за рекомендацию друзей в команду Сбера.
Контакты: [email protected]