TopicPythonAugust 2026

Python — August 2026

What Telegram channels wrote about Python in August 2026: 1003 posts from 372 channels, collected automatically from public Telegram channels.

1,003 posts·372 channels

More posts — page 23

1,003 posts total

Learn AI-assisted Python Programming: With GitHub Copilot and ChatGPT / Изучайте программирование на Python с помощью искусственного интеллекта: с помощью GitHub Copilot и ChatGPT 2024

Язык: Английский

Писать компьютерные программы на Python стало намного проще! Используйте инструменты кодирования с поддержкой искусственного интеллекта, такие как GitHub Copilot и ChatGPT, чтобы воплощать свои идеи в приложения быстрее, чем когда-либо. Искусственный интеллект изменил способ написания компьютерных программ. С помощью таких инструментов, как Copilot и ChatGPT, вы можете описать то, что хотите, простым английским языком и наблюдать, как ваш искусственный интеллект-ассистент генерирует код прямо у вас на глазах. Это идеально подходит для новичков или тех, кто сталкивается с трудностями в обучении традиционному программированию. В "Изучение программирования на Python с поддержкой искусственного интеллекта: с помощью GitHub Copilot и ChatGPT" вы узнаете, как: Писать интересные и полезные приложения на Python—опыт программирования не требуется! Использовать Copilot AI coding assistant для создания программ на Python Писать подсказки, которые точно подскажут Copilot, что делать Прочитать код на Python и понять, что он делает Протестировать свои программы, чтобы убедиться, что они работают так, как вы хотите Исправлять код с помощью быстрых инженерных или человеческих настроек Творчески применять Python, чтобы помочь в работе Изучайте программирование на Python с помощью искусственного интеллекта: с помощью GitHub Copilot и ChatGPT - это практическое руководство для начинающих, написанное двумя уважаемыми профессорами университета компьютерных наук. Оно научит вас всему, что вам нужно, чтобы начать программировать на Python в мире, ориентированном на искусственный интеллект. Вы начнете с нуля, написав подсказки, которые подскажут вашему ИИ-ассистенту, что именно вы хотите, чтобы делали ваши программы. Попутно вы освоите основы программирования на Python и попрактикуетесь в мышлении более высокого уровня, которое вам понадобится для создания работающих приложений для анализа данных, автоматизации утомительных задач и даже видеоигр.

Скачать ТУТ 💾💾💾

Aug 15, 07:43 AMMore from @club_arduino

📱 Большой roadmap по backend-разработке

В репозитории собран пошаговый план: 🫡 Python, Java или JavaScript для старта; 🫡 Linux и работа с сервером; 🫡 Сети и HTTP; 🫡 Базы данных; 🫡 REST API; 🫡 Docker и DevOps; 🫡 Архитектура приложений; 🫡 Материалы от junior до middle+.

⛓ Ссылка на GitHub

tags: #полезное

➡ Python Developer | 📲 MAX

Aug 15, 07:00 AMMore from @python_tg

Локальный агент Atomic Agent обогнал Hermes в тесте GAIA L1

Тут новых харнессов подвезли.

📋 AtomicBot-ai выкатили Atomic Agent (локального AI-агента на TypeScript под лицензией MIT) с фокусом на работу с локальными моделями и сразу с громкой заявкой: в тесте GAIA L1 он обошёл Hermes с точностью 69,8% против 58,5%.

Сравнение: одна и та же локальная модель qwen-3.6-35b-a3b через llama.cpp, одинаковый бюджет шагов и таймаут, разница только в самом цикле агента.

На задачу Atomic Agent тратил 217 секунд против 351 у Гермеса, а в очных сравнениях 15 задач решил только он, тогда как у Hermes только 9.

💡 Главный ход — оптимизация самого агентского цикла. Собственный форк llama.cpp под названием TurboQuant сжимает KV-кэш примерно в 6,4 раза и добавляет спекулятивное декодирование, что даёт прирост пропускной способности на 30–50 процентов на небольших моделях.

Один вызов модели возвращает один JSON-массив вызовов инструментов, а результаты шага сжимаются и попадают в контекст уже в краткой форме.

Дальше идёт лестница разрешений из пяти уровней, от параноидального L1 до полного доверия L5, плюс автоматическое переключение провайдеров при сбоях и живой каталог моделей.

Свежий релиз v0.2.1 добавил поддержку Gemini и Qwen 3.8 27B в первый же день после публикации весов. Репозиторий набрал 1,7 тысячи звёзд и 195 форков.

💼 Для тех, кто сидит на Hermes или OpenClaw, есть команда /import для разовой миграции сессий, задач и ключей. Стоит держать в уме, что тест опубликован самими разработчиками и собран всего на 53 задачах, так что выборка скромная, хотя сырые матрицы и журналы выполнения выложены для воспроизведения.

📎 Методика теста GAIA L1 · Релизы · Форк TurboQuant

С учётом объёма функционала Гермеса, странно именно в программировании с ним соревноваться, наверное стоило бы с claudecode, zcode или opencode сравниться, но уж как есть.

И еще парочка новых интересных на оценку:

waku-agent (https://github.com/shenseanchen/waku-agent) разработчик: ShenSeanChen (Sean Chen, seanchen.io). Local-first harness для персонального агента на Python. Структура: цикл агента (~95 строк), память (semantic/episodic/procedural) поверх одного SQLite-файла, retrieval-гейты, встроенные eval (детерминированные + LLM-as-judge), локальный web-дашборд. Модели подключаются через адаптер провайдеров (Anthropic, OpenAI, Gemini, DeepSeek, MiniMax и др.). MIT. Подходит для изучения устройства агентов и запуска локального ассистента без тяжёлого фреймворка. Интересный ролик от разраба про устройство Гермеса: https://youtu.be/LqG1q5NpOBE

prime-agent (https://github.com/PrimeIntellect-ai/prime-agent) разработчик: Prime Intellect (PRIME-RL). Агент для кодинга и исследований на TypeScript/Python, поверх персистентного IPython-рантайма. Ключевые механизмы: RLM — контекст как переменные, субагенты как вызовы функций (rlm(...)); Continual Harness — сохраняемое состояние (промпты, память, скиллы, спеки субагентов), уточняемое командой /refine; daemon-сессии с reattach, heartbeats, расписания, автономный режим с бюджетами. MIT. Подходит для долгих автономных задач.

Обвязок все больше и больше. Я их все потихоньку собираю тут: https://github.com/mb-mal/awesome-ai-agents-frameworks

#AtomicAgent #агенты ------ @tsingular

Aug 15, 05:24 AMMore from @tsingular

Seeking or Hiring: 🔥SEEKING🔥

My Website + Twitter + LinkedIn profile : https://ashish-techfolio.vercel.app/ , https://x.com/eyetil1 , https://www.linkedin.com/in/ashishkumar200/

My Experience (in bullets) : • Product Analyst at Paytm — working with Product, Backend, Frontend, Design and QA teams on requirements, delivery coordination and issue resolution. • Python Apprentice – R&D at Velocis — worked on Python automation, backend-related initiatives, testing and documentation. • Built REST APIs using Python, FastAPI and PostgreSQL, including authentication, validation and CRUD operations. • Built AskDocs AI, a RAG-based PDF Q&A system using FastAPI, ChromaDB, Ollama and Sentence Transformers. • Experience with Jira, Confluence, Agile workflows, stakeholder collaboration and product documentation. • Exposure to AI/ML through Google for Developers, cybersecurity through Palo Alto Networks, and NASA Space Apps Challenge.

Roles I'm Looking For (in bullets) : • Generative AI / AI Engineer • Backend Engineer – Python / FastAPI • AI Product / Technical Product roles • Product Analyst / Associate Product roles • RAG / LLM application development roles • UI/UX Designer Any job which requires Brain Storming

Your Telegram: eyetil

Email (Optional): [email protected]

🌟 Bonus Features

Upgrade the project with:

🤖 Natural-language BI

📊 Automated executive summaries

🔮 Advanced forecasting

🚨 Real-time anomaly detection

📧 Automated financial reports

🔐 Row-level security

🌍 Multi-currency support

📅 Scheduled reports

💬 AI data analyst chatbot

🔄 Automated data pipelines

💻 Skills You'll Learn

• React

• Node.js

• Express.js

• PostgreSQL

• Python

• Pandas

• NumPy

• Scikit-learn

• FastAPI

• REST APIs

• Data Visualization

• AI/LLM Integration

• Anomaly Detection

• Forecasting

• Dashboard Development

📚 Challenges

1. Handle large financial datasets.

2. Validate uploaded files.

3. Prevent incorrect calculations.

4. Build dynamic dashboards.

5. Generate reliable AI insights.

6. Prevent AI hallucinations when answering data questions.

7. Implement anomaly detection.

8. Build accurate forecasting.

9. Secure sensitive financial data.

10. Optimize dashboard performance.

🎯 Learning Outcome

After completing this project, you'll understand how to:

• Build data-driven web applications.

• Integrate Python analytics into web platforms.

• Create interactive business dashboards.

• Apply machine learning to real-world data.

• Build AI-powered data analysis features.

• Design scalable analytics architectures.

• Generate automated business reports.

🚀 Project Enhancement Ideas

Once the core version is complete, add:

• Natural-language-to-SQL analytics.

• Automated data quality checks.

• AI-generated KPI explanations.

• What-if scenario analysis.

• Customer segmentation.

• Automated forecasting model selection.

• Role-based dashboard personalization.

• Data lineage tracking.

• Audit logs.

• CI/CD and automated testing.

📁 Portfolio Value

This project demonstrates:

• Full-stack development

• Data analytics

• Python integration

• Machine learning

• AI/LLM integration

• Business intelligence

• Data visualization

• Forecasting

• Anomaly detection

• REST API development

• Production deployment

An AI-Powered Financial Analytics Dashboard is an especially strong portfolio project because it combines web development, data analytics, machine learning, and AI into a single business-focused application. It demonstrates that you can build systems that don't just display data, but actually analyze it and turn it into actionable insights.

Double Tap ❤️ For More

In the previous post, we learned what Python is and why it is the most popular programming language for AI. Before writing our first program, we need to set up our development environment.

📖 Phase 1: Programming Fundamentals

📌 Topic 3: Installing Python & VS Code

To start coding in Python, you need two things:

• Python – The programming language that will run your code.

• Visual Studio Code (VS Code) – A lightweight and powerful code editor where you'll write and manage your programs.

Step 1: Install Python

1. Visit the official Python website.

2. Download the latest stable version for your operating system.

3. Run the installer.

4. Make sure to check "Add Python to PATH" before clicking Install Now.

5. Complete the installation.

Step 2: Verify the Installation

Open Command Prompt (Windows) or Terminal (macOS/Linux) and type:

python --version

or

python3 --version

If Python is installed successfully, you'll see something like:

Python 3.x

Step 3: Install VS Code

1. Download and install Visual Studio Code.

2. Open VS Code after installation.

3. Go to the Extensions tab.

4. Search for Python.

5. Install the official Python extension by Microsoft.

Step 4: Create Your First Python File

• Open VS Code.

• Create a new folder for your project.

• Create a new file named: hello.py

Step 5: Write Your First Python Program

print("Hello, World!")

Step 6: Run the Program

Click the Run button in VS Code or open the terminal and run:

python hello.py

Output:

Hello, World!

Why Use VS Code?

VS Code is one of the most popular code editors because it offers:

✅ Intelligent code suggestions (IntelliSense)

✅ Built-in debugging

✅ Integrated terminal

✅ Git & GitHub support

✅ Extensions for almost every programming language

✅ Lightweight and fast

Common Beginner Mistakes

❌ Forgetting to check "Add Python to PATH" during installation.

❌ Installing Python but not verifying it using the terminal.

❌ Saving the file without the ".py" extension.

❌ Running the wrong Python version when multiple versions are installed.

Key Takeaways

• Install Python before writing any code.

• VS Code is an excellent editor for Python development.

• Always verify your Python installation.

• Your first Python program is traditionally "Hello, World!"

• A proper setup makes learning Python much easier.

➡️ Double Tap ❤️ For More

Senior Python разработчик (GigaChat)

Грейд: Senior Стек: Python, распределённые системы, высоконагруженные сервисы, алгоритмы поиска, структуры данных, Linux, контейнеры, Kubernetes

Сбер Банк — крупнейший российский финансовый конгломерат, предоставляющий широкий спектр банковских услуг для частных лиц, малого бизнеса и корпоративных клиентов.

Откликнуться через Runello-бот ↓

#python #senior

ℹ️ Анализ вредоносного ПО на Python: разбор стилера от распаковки до C2-адреса

В даркнет ежедневно сливается больше 6000 свежих наборов учётных данных. Растущая доля этого потока – Python-based стилеры, упакованные через PyInstaller: BlankGrabber, XillenStealer и десятки их форков расходятся через Discord-каналы, поддельные GitHub-репозитории и «крякнутый» софт.

Русскоязычные гайды по анализу малвари заканчиваются на strings и VirusTotal – без разбора PyInstaller, без восстановления байткода, без извлечения C2 из обфусцированных строк.

Здесь – полный цикл анализа вредоносного ПО на Python, от бинаря до IoC. Вскрываем, препарируем, достаём адреса.

🖥 Читать подробнее

Aug 14, 07:20 PMMore from @osint_pythons

TechLead-python разработчик (GigaData)

Грейд: Tech Lead Стек: Python, TCP, UDP, HTTP, TLS, DNS, QUIC, Kafka

Сбер Банк — крупнейший российский финансовый конгломерат, предоставляющий широкий спектр банковских услуг для частных лиц, малого бизнеса и корпоративных клиентов.

Откликнуться через Runello-бот ↓

#python #lead #hybrid

📖 Python Data Science Handbook: Essential Tools for Working with Data, 2nd Edition

Python является первоклассным инструментом для многих исследователей, в первую очередь благодаря своим библиотекам для хранения, манипулирования и получения информации из данных. Существует несколько ресурсов по отдельным частям этого стека науки о данных, но только в новом издании этой книги вы получите их все - IPython, NumPy, pandas, Matplotlib, scikit-learn и другие связанные инструменты.

➡️ Скачать бесплатно

IT библиотека || #ENG #Python

Aug 14, 04:59 PMMore from @books_learn

#odoo

Prosight Dev is looking for an experienced Odoo Developer to join their team. ⚡️

Salary: $2,200–$3,000 per month Location: Tashkent | Hybrid Employment: Full-time Payments: Monthly Experience: 3–6 years

Responsibilities: • Work with a live Odoo system (v18–v19): maintenance, customization, and optimization • Write and refactor Python code with knowledge of the old API and ORM • Work with SQL: query optimization, performance bottlenecks, and advanced PostgreSQL • Build integrations with external services via REST / SOAP APIs

Who we’re looking for: • Several years of commercial Odoo experience • Experience with Odoo v18–v19 is required • Deep understanding of Odoo architecture (v18–v19) • Strong Python skills • PostgreSQL: complex queries and optimization • Experience with legacy systems, refactoring, and maintenance • Experience with API integrations • Linux server experience • Strong understanding of ERP/CRM systems • English B2+ — conversational level is required

What we offer: • Official employment under the Labor Code of Uzbekistan • Paid overtime and vacation

If you’re interested or know someone who is, get in touch with the Prosight Dev team.

@unilance - the best for you

Aug 14, 03:45 PMMore from @unilance

Руководитель команды разработки Python (Team Lead Python)

Грейд: Team Lead Стек: Python, MySQL, PostgreSQL, RabbitMQ, Redis, Gitlab, Docker, Linux

AVsoft — динамично развивающаяся IT-компания, специализирующаяся на разработке инновационных программных решений в сфере информационной безопасности и анализа данных. Мы ищем технического лидера для р…

Откликнуться через Runello-бот ↓

#python #lead #office

💡 Вариант решения тестового задания для выпускников курса «Data-аналитик: Python и SQL в анализе данных».

🎯 Разбор тестового задания: решение

🗄 1. SQL Нам нужны топ-3 категории по выручке, количество заказов и средний чек. sql SELECT product_category, COUNT(order_id) AS orders_count, SUM(revenue) AS total_revenue, ROUND(AVG(revenue), 2) AS avg_check FROM orders GROUP BY product_category ORDER BY total_revenue DESC LIMIT 3; 📌 Логика Группируем по категории, считаем число заказов, сумму и средний чек. Сортируем по убыванию выручки и берем три строки.

🐍 2. Python Создаем данные о клиентах, объединяем с заказами и строим график. python import pandas as pd import matplotlib.pyplot as plt

# 1. Данные о клиентах customers = pd.DataFrame({ 'customer_id': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10], 'age': [25, 34, 45, 23, 38, 52, 29, 41, 33, 48], 'city': ['Москва', 'Санкт-Петербург', 'Москва', 'Казань', 'Москва', 'Казань', 'Санкт-Петербург', 'Москва', 'Казань', 'Санкт-Петербург'] })

# 2. Пример выгрузки заказов orders = pd.DataFrame({ 'order_id': range(101, 121), 'customer_id': [1, 1, 2, 3, 3, 3, 4, 5, 5, 6, 7, 7, 8, 8, 8, 9, 9, 10, 10, 10], 'revenue': [1200, 3400, 2100, 5500, 1500, 800, 4300, 2600, 3100, 1900, 2700, 1400, 5200, 1300, 900, 2200, 2800, 3600, 1700, 4100] })

# 3. Объединение merged = orders.merge(customers, on='customer_id', how='left')

# 4. Средняя выручка на клиента по городам city_revenue = merged.groupby('city')['revenue'].mean().sort_values(ascending=False)

# 5. График plt.figure(figsize=(8, 5)) city_revenue.plot(kind='bar', color=['#4C72B0', '#55A868', '#C44E52']) plt.title('Средняя выручка на клиента по городам') plt.xlabel('Город') plt.ylabel('Средняя выручка, руб.') plt.xticks(rotation=0) plt.tight_layout() plt.show()

📊 3. Вывод Самый перспективный город — Москва, потому что там самая высокая средняя выручка на клиента. Это значит, что каждый привлеченный пользователь из Москвы в среднем приносит магазину больше денег, чем клиенты из других городов. 📈

Сохраняйте себе, пробуйте повторить и добавляйте в папку с проектами! 🚀

➖➖➖➖➖➖➖➖➖ Бот Центра Карьеры — полезные рекомендации, шаблоны, резюме

Мы в Telegram | Max

Aug 14, 03:00 PMMore from @community_sz

Подборка вакансий из бигтеха

Стажёр: - Стажер Frontend developer в МТС - Стажер Frontend developer [MWS Octapi] в МТС - Стажер QAA (Python) в МТС

Junior: - Аналитик данных ML/DS, Группа аналитики по рискам B2B, Ozon Bank в Ozon Банк - QA Automation Engineer в Сбер2B - QA инженер (Друг) в Сбер. IT

Middle: - Product Manager VK Игры в VK - Python Developer в VK

Вакансии │ Стажировки │ За рубежом │ Удалёнка │ БИГТЕХ │ Мероприятия │ По всему миру │ IT и DIGITAL

🐣 Софи - первый ai ассистент для автооткликов и поиска работы.

Aug 14, 03:00 PMMore from @bigtechjobs

Какие уникальные фичи есть в django-modern-rest?

Иногда, когда я добавляю какие-то фичи в мой https://github.com/wemake-services/django-modern-rest ⭐, то я думаю про себя: почему таких фичей больше нет нигде?

Давайте сегодня посмотрим на них. А вы мне расскажите свое мнение в комментах.

Семантическая схема

Допустим, вы навесили на какой-то свой endpoint auth:

class UserController(Controller[MsgspecSerializer]): @modify(auth=[JWTAsyncAuth()]) async def get(self) -> User: ...

В OpenAPI автоматически появятся все коды ошибок, которые могут случиться в auth (401). Ничего не надо допом писать. И так происходит со всеми частями фреймворка: добавил throttling=[SyncThrottle(1, Rate.minute)]? Теперь у тебя в ответах автоматом 429. Если нужно, можно отключить любые семантические статусы.

Не должно ли такое быть дефолтом везде?

Умные типы ошибок

Не уходя далеко: как кастомизировать формат ошибки, например, в FastAPI? Через боль. Как поменять в спеке формат? Руками.

В DMR мы просто добавили везде error_model как параметр. Можно заменять любые ошибки, все автоматом сконвертится и покажет правильную схему. Зачем? Хочешь Problem Details - используешь. Хочешь свой формат - реализуешь. Можно даже content negotiation на ошибки навесить.

Почему никто о таком не думает в других фреймворках?

Нормальный throttling

Фича, которая принесла мне больше всех боли. Я прочитал throttling реализации во всех фреймворках. В Litestar даже фиксы присылал.

1. Почти нигде из коробки нет поддержки разных алгоритмов, бекендов, иногда даже cache-keys. Очень жаль, есть только обычный counter с бекендом в памяти 2. Нигде (пришлите в комменты контр-пример) нет разделения на throttling до auth и после. Почему такое вообще важно? Чтобы не заддосить auth. И чтобы иметь возможность выдавать per-user правила. Нужны и важны оба варианта 3. Кастомизация заголовков ответа? Ха!

Что? Почему?

Простое переиспользование кода

Когда я смотрю на АПИ разных DRF проектов или FastAPI, мне становится больно. FastAPI строит все на view функциях, которые нельзя нормально кастомизировать. А DRF строит все на импортах строк внутри настроек. А как на счет классов и наследования?

У нас подобное сделано как абстрактные generic классы. Например: получить JWT. Можно выбрать любой сериализатор, можно выбрать любые модели для запроса и ответа:

class RequestPayload(pydantic.BaseModel): username: str password: str

class ResponsePayload(pydantic.BaseModel): access: str refresh: str

class ObtainAccessAndRefreshSyncController( ObtainTokensSyncController[ PydanticSerializer, RequestPayload, ResponsePayload, ], ): ... # надо еще переопределить 2 метода

Все типизировано, документировано, очевидно. Как вы думаете, почему так больше никто не делает?

Внешние вьюхи

Интегрировать один фреймворк в другой - крайне сложно. Вот мы недавно даже стрим проводили, потому что не могли использовать dj-rest-auth из DRF. Так быть не должно.

Теперь в DMR можно использовать любые внешние Django View. Хоть DRF, хоть django-ninja, хоть ванильные вьюхи. И отображать любой внешний OpenAPI. Вот настолько просто:

raw_schema = read_openapi_yaml('openapi.yml') router = Router( urls=[ external_path( 'number/', number, name='number', openapi=load_schema(raw_schema['paths']['/api/number'], PathItem), ), ], )

Почему другие фреймворки не стараются вписать существующие решения?

Одной строкой

- У нас есть еще куча других крутых фичей! Заглядывайте в наш чатик по DMR @django_modern_rest - Релизнули [email protected] с поддержкой [email protected] - Сделали папку с крутыми каналами ребят из нашего Python сообщества. Смело можно закидывать коллегам как базовую папку "на кого подписаться в тг по питону". Внутри все мои друзья и коллеги, советую!

Поддержать мою работу над опенсорсом и данным каналом можно на бусти и github sponsors. Знание, что люди тебя поддерживают, мотивирует работать дальше!

Senior Automation QA Engineer Заработная плата по договоренности

Обязанности: • участвовать в тестировании новой бизнес-функциональности • разрабатывать и поддерживать тестовую модель • проводить функциональное, интеграционное тестирование • готовить отчёты по результатам тестирования • участвовать в анализе требований • диагностировать ошибки, сбои и искать их корневые причины • разрабатывать и поддерживать автоматизированные back-end и интеграционные тесты на Java.

Требования: • имеешь опыт работы в QA 5+ лет (ручное + автоматизированное тестирование) • обладаешь опытом работы 2+ года на позиции QA Lead/Senior Automation QA Engineer (будет плюсом) • свободно владеешь языками программирования Java и/или Python • умеешь писать сложные автотесты с использованием ООП, паттернов проектирования • разбираешься в разработке и поддержке внутренних тестовых фреймворков (Python + pytest + Playwright, Java + JUnit 5) • знаком с работой с брокерами сообщений • способен спроектировать масштабируемую архитектуру автотестов, выбрать и адаптировать фреймворки, управлять тестовыми данными • уверенно владеешь Git (pull request, code review, стратегии ветвления) • интегрировал автотесты в CI/CD-пайплайны (Jenkins) • имел опыт с контейнеризацией (Docker) • успешно строил процессы автотестирования либо трансформировал текущие • сокращал time-to-market • повышал уровень покрытия регрессионных сценариев автотестами и надежность релизов • готов строить и поддерживать автоматизацию на разных языках и фреймворках • применял AI-агенты в повседневной работе QA, понимаешь их возможности и ограничения, умеешь выбирать подходящие сценарии для их применения.

Мы предлагаем: • работу в современном офисе в Москве • гибридный график: 2 дня в офисе, 3 – удалённо (обсуждаемо), после испытательного периода. На испытательном периоде - офис • ежегодный пересмотр зарплаты, годовую премию • более 400 образовательных программ СберУниверситета для профессионального и карьерного развития • расширенный ДМС, льготное страхование для семьи и корпоративную пенсионную программу • гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ • подписку Прайм с возможностью совместного использования на троих членов семьи • возможность получить вознаграждение за рекомендации друзей в команду Сбера.

Контакты: [email protected]

Senior Automation QA Engineer Заработная плата по договоренности

Обязанности: • участвовать в тестировании новой бизнес-функциональности • разрабатывать и поддерживать тестовую модель • проводить функциональное, интеграционное тестирование • готовить отчёты по результатам тестирования • участвовать в анализе требований • диагностировать ошибки, сбои и искать их корневые причины • разрабатывать и поддерживать автоматизированные back-end и интеграционные тесты на Java.

Требования: • имеешь опыт работы в QA 5+ лет (ручное + автоматизированное тестирование) • обладаешь опытом работы 2+ года на позиции QA Lead/Senior Automation QA Engineer (будет плюсом) • свободно владеешь языками программирования Java и/или Python • умеешь писать сложные автотесты с использованием ООП, паттернов проектирования • разбираешься в разработке и поддержке внутренних тестовых фреймворков (Python + pytest + Playwright, Java + JUnit 5) • знаком с работой с брокерами сообщений • способен спроектировать масштабируемую архитектуру автотестов, выбрать и адаптировать фреймворки, управлять тестовыми данными • уверенно владеешь Git (pull request, code review, стратегии ветвления) • интегрировал автотесты в CI/CD-пайплайны (Jenkins) • имел опыт с контейнеризацией (Docker) • успешно строил процессы автотестирования либо трансформировал текущие • сокращал time-to-market • повышал уровень покрытия регрессионных сценариев автотестами и надежность релизов • готов строить и поддерживать автоматизацию на разных языках и фреймворках • применял AI-агенты в повседневной работе QA, понимаешь их возможности и ограничения, умеешь выбирать подходящие сценарии для их применения.

Мы предлагаем: • работу в современном офисе в Москве • гибридный график: 2 дня в офисе, 3 – удалённо (обсуждаемо), после испытательного периода. На испытательном периоде - офис • ежегодный пересмотр зарплаты, годовую премию • более 400 образовательных программ СберУниверситета для профессионального и карьерного развития • расширенный ДМС, льготное страхование для семьи и корпоративную пенсионную программу • гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ • подписку Прайм с возможностью совместного использования на троих членов семьи • возможность получить вознаграждение за рекомендации друзей в команду Сбера.

Контакты: [email protected]

Сегодняшний дайджест под флагом DS ✌🏻

▫️ Старший Data Scientist в команде Авито Путешествий будет строить ML-системы для ценообразования, промоаллокации и прогнозирования спроса, декомпозировать бизнес-задачи, встраивать модели в продукт.

#datascience #недвижимость #python #docker #SQL #senior

▫️ Data Engineer в команде Spark предстоит разрабатывать новые и поддерживать существующие продукты, развивать Big Data-платформу, создавать сервисы на Python, внедрять инженерные практики.

#разработка #аналитическаяплатформа #python #linux #backend_career

Aug 14, 12:01 PMMore from @avito_career

Быстрое объединение словарей

В Python 3.9 и новее появился оператор |, который позволяет сливать два словаря в один одной строчкой. Если ключи повторяются, то значение из правого словаря перезапишет левое. Это намного чище и читаемее, чем использование старого метода .update().

Гайды по Python & Max

🔥 Python + AI без игрушечных демок. Курс для тех, кто хочет собирать рабочие системы.

Stepik: «Python современный AI для разработчика и автоматизации задач»

63 урока, 382 шага, практика с кодом и автопроверкой.

Внутри: RAG, tool calling, агенты, evals, MCP, Ollama, vLLM, pgvector + HNSW, безопасный text-to-SQL, prompt injection, кэш, очереди и sandbox для агентного кода.

Плюс реальные автоматизации: почта, отчёты, боты, вебхуки и браузерные сценарии.

Для тех, кто уже знает Python и хочет перейти к production AI.

⏳ 72 часа скидка 55%

https://stepik.org/a/295921

Aug 14, 11:05 AMMore from @bigdatai

🐍 В Python у while есть else. И многие разработчики узнают об этом спустя годы

Выглядит непривычно:

number = 0

while number < 5: print(number) number += 1 else: print("Цикл завершился")

Блок else выполнится, если цикл закончился естественно, то есть условие while стало ложным.

Но есть важный нюанс. Если внутри сработает break, else уже не выполнится.

number = 0

while number < 5: if number == 3: break

number += 1 else: print("Сюда не попадём")

Из-за этого while...else удобно использовать там, где нужно отличить нормальное завершение поиска от досрочного выхода.

Например, цикл пытается найти нужное значение. Если нашёл, делает break. Если дошёл до конца без успеха, срабатывает else.

Синтаксис существует в Python давно, но до сих пор выглядит как маленькая пасхалка языка.

#Python #Programming #Backend #PythonTips

Aug 14, 11:04 AMMore from @pythonl

Разработчик python (junior +)

Грейд: Junior+ Стек: Python, PostgreSQL, Elasticsearch, MySQL, REST API, Git, GitLab CI, SQL

Разработка и поддержка backend-сервисов на Python для систем биллинга, ведения логов и событий. Работа с государственными службами, финансовым сектором, ритейлом и интернет-платформами.

Откликнуться через Runello-бот ↓

#python #junior #hybrid