😱 ИИ решил пожаловаться в правительство

В интернете всполошились: учёный из Anthropic (команды, которая делает Claude — конкурента ChatGPT) рассказал, что происходило на тестах перед запуском Claude 4.
⠀
В треде, Сэм Бовман поделился подробностями про проверки на безопасность. Но пользователи заметили нечто… тревожное:

Если дать Claude доступ к инструментам (почте, терминалу и так далее) и сказать что-то вроде «будь смелее» или «прояви инициативу» — он может начать действовать чересчур по-своему.

Например:

— пытался выйти на связь с журналистами
— писал «официальные» обращения к правительству
— блокировал пользователя, если решил, что тот делает что-то аморальное

Интернет отреагировал резко:
— некоторые предложили бойкотировать Anthropic
— тред удалили, а автор заявил, что его «вырвали из контекста»

💬 Что думаете?
Стоит ли ИИ иметь право вмешиваться в действия пользователя, если считает их «неэтичными»

Proglib Academy #развлекалово

🐍 Ускоряем Python с помощью Cython

Когда Python начинает тормозить, а оптимизировать хочется — на помощь приходит Cython. Это надстройка над Python, которая позволяет писать на «почти C» и при этом вызывать C-библиотеки и оставаться в экосистеме Python.

➡️ Что делает Cython:
— Позволяет указывать типы переменных как в C
— Ускоряет численные расчёты и алгоритмы
— Превращает .pyx-файл в скомпилированный .so, который можно импортировать как обычный модуль

➡️ Пример на алгоритме поиска простых чисел:
— В Python — 0.0566 секунды
— В Cython — 0.0054 секунды
(на обычном ноутбуке)

💡 Как подключить:

import pyximport
pyximport.install()
import primesCy  # Cython-версия
import primes    # Python-версия

Если вы работаете с алгоритмами, машинным обучением или просто любите скорость — попробуйте переписать пару функций с cdef и замерьте время. Разница чувствуется сразу.

🔵 Чтобы знать об алгоритмах все, забирайте наш курс «Алгоритмы и структуры данных»

Proglib Academy #буст

🐍 Оффер-мечты для Python-разработчика: как составить резюме и портфолио на опыте сообщества Reddit

Если ты начинающий Python-разработчик и хочешь получить свой первый оффер, важно грамотно представить свои навыки и проекты.

📄 Резюме: как выделиться среди других кандидатов

Структурируйте информацию четко
Рекрутеры тратят на просмотр резюме всего 10–30 секунд. Убедитесь, что ваше резюме легко читается: один столбец, лаконичные описания, упор на ключевые навыки и проекты.

Не занижайте свои достижения
Формулировки вроде «небольшой пет-проект» обесценивают ваш вклад. Любой законченный проект — это результат ваших умений.

Просто укажите Python
Если вы владеете Python, пишите «Python» в разделе навыков. Уточнения вроде «начальный уровень» лишь снижают уверенность в вас.

🛠 Портфолио: покажите, на что вы способны

Выбирайте реалистичные проекты
Создайте приложения, которые решают практические задачи: парсер, телеграм-бот, автоматизация, визуализация данных, CRUD-система на Django — всё это отлично работает.

Следите за чистотой кода
Хорошая структура, тесты, README — это не «по желанию», а ожидание большинства работодателей.

Добавьте визуализацию
Интерфейс, графики, скриншоты или ссылки на демо-версию помогут лучше понять ваш проект без необходимости вчитываться в код.

💡 Дополнительно

— Загружайте проекты на GitHub
Публичные репозитории — это ваша витрина. Проверьте, что всё понятно даже человеку «с улицы».

— Не останавливайтесь
Участвуйте в стажировках, конкурсах, Open Source. Чем больше реального опыта, тем сильнее ваше резюме.

И главное: не бойтесь подаваться на вакансии, даже если вам кажется, что «не дотягиваете». Правильная подача — уже половина успеха.

Proglib Academy #оффер_мечты

💥 Что объединяет роботов, Яндекс, TikTok и ракету Илона Маска

И это, конечно, математика

Вот на картинке — вся карта Computer Science. Можете найти хоть один раздел, где обошлись без математики?

🔵Machine Learning — без линейной алгебры не сдвинешься с места.

🔵Cryptography — сплошная дискретка и теорвер.

🔵NLP и ChatGPT — матрицы, градиенты, вероятности.

🔵Компиляторы и алгоритмы — графы, комбинаторика, асимптотика.

Да что там, даже чтобы сделать банальный сорт заказов в маркетплейсе, нужно понимать, как работает O(n log n) и почему O(n²) — это неприятно.

Хотите в AI, Data Science, Dev или ML-инженерию — надо учиться думать математически. Без этого вы просто кодер. А с этим — архитектор систем, которые меняют мир.

➖ Вопрос к вам:
👉 Что из математики вам было сложнее всего в вузе/школе?
👉 А что реально пригодилось на практике?

Пишите в комменты — соберём топ самых бесполезных тем и реальных спасителей карьеры

🔵 Чтобы знать математику для Data Science, забирайте наш курс → «Математика для Data Science»

Proglib Academy #буст

Какие слова в описании вакансии должны насторожить?

👾 — 👾
🌚 — Мы как семья
🔥 — Анекдот

Proglib Academy #развлекалово

⚡️ Разбор задачи из последнего междусобойчика

Даже если try хочет что-то вернуть — finally вмешается в процесс и ЗАТРЁТ return.

В Python поведение строгое: если finally содержит return, он перебивает всё, что было до него.

⚠️ Даже raise или return из try будут проигнорированы, если finally тоже говорит: «верни это».

Поэтому:

return 1  # выполняется…
return 2  # но finally делает override!
✅ Ответ: 🌚 — 2

Пишите в комменты, знал ли вы это поведение. А если знали — ставьте ежа 👾

Proglib Academy #междусобойчик

🦔 У вас сломается ML-система, если вы не сделаете эти 7 вещей

Статья для тех, кто хочет делать не просто «модель в ноутбуке», а систему, которая выдерживает прод.

➡️ Что внутри статьи:

— Почему «хорошая модель» может быть бесполезной в продакшене
— Что ломает ML-бэкенды чаще всего
— Как сохранить консистентность признаков между train и продом
— Почему latency бьёт точность, и как с этим жить
— Какие архитектурные паттерны реально работают
— Что нужно мониторить кроме CPU и RAM
— Как выстроить A/B-инфраструктуру, чтобы не гадать, сработала модель или нет
— 7 принципов, без которых ML превращается в боль

📎 Ссылка на статью

Proglib Academy #буст

😞 Stack Overflow на историческом минимуме

Посмотрите на график.
Активность опустилась до уровня 2008 года — того самого, когда сайт только запустили.

📉 Миллионы вопросов сменились тишиной.
Теперь на каждое «почему не работает» ChatGPT отвечает быстрее, вежливее и без «закрыто как дубликат».

🙃 Stack Overflow: знает много, но спрашивают его всё реже.

Напишите в комментариях, когда в последний раз действительно решили проблему через Stack Overflow. 😤

Proglib Academy #междусобойчик

🖥 Как за месяц пройти весь Python с нуля до проектов

Есть шикарный открытый проект на GitHub — 30 Days Of Python от Asabeneh. Это полноценный учебный план на месяц, разбитый на темы по дням.

➡️ Что внутри:

• День 1: Python с полного нуля — установка, первая программа, работа в терминале

• Переменные, функции, операторы, строки, списки, словари, множества

• Ошибки и отладка

• Модули, исключения, регулярки, файлы

• Виртуальные окружения, классы, работа с API

• Pandas, MongoDB, веб-разработка на Python

• Финальные проекты с практикой

📊 У каждого дня есть не только теория, но и упражнения в трёх уровнях сложности — чтобы сразу закрепить материал.

💻 Репозиторий живой: 46k звёзд на GitHub, тысячи форков, активная поддержка и обновления.

➡️ Для кого подойдёт:

• если вы только начинаете

• если пробовали учить Python раньше, но «застревали»

• если хотите получить системную базу перед ML или веб-разработкой

🔗 Ссылка на сайт

Proglib Academy #буст

🥺 Оффер-мечты — реальные истории из Reddit

Кажется, что «вкатиться в IT» без опыта почти невозможно. Но вот несколько историй с Reddit — люди сделали это с нуля:

💼 Из водителя в старшие разработчики

Обычный водитель грузовика. Освоил программирование сам. Делал собственные проекты (даже плагин для WoW), выучил React, сделал демонстрацию на собесе. Первая работа — £17k. Сейчас — senior developer с £80k.

📈 9 месяцев учёбы — и оффер

Самостоятельно прошёл CS50 и сделал собственное Django-приложение. Выложил проекты на GitHub. За месяц активных откликов — оффер от компании мечты.

➡️ Что сработало у всех: — собирать проекты в портфолио — выкладывать код на GitHub — искать нетривиальные пути выхода на компании — учиться каждый день — руками

Вы только начинаете — значит, всё ещё впереди. Главное — не останавливаться.

Proglib Academy #оффер_мечты

🤔 Холивар: какой путь в программировании привлекает больше всего

Все любят говорить «айти это айти» — а по факту каждый идет в свою нишу.

Давайте честно:

1️⃣ — веб-разработка
2️⃣ — аналитика данных (графики, таблички, машин лёрнинг)
3️⃣ — мобилки
4️⃣ — геймдев
5️⃣ — искусственный интеллект (на хайпе, но GPT сам себя не обучит)
6️⃣ — кибербез
7️⃣ — бекенд
8️⃣ — другое (пишите в комменты)

Ставим ежей 👾 и дискутируем в комментах. Кто прав — устроим разбор

Proglib Academy #междусобойчик

🔥 Рекурсия на пальцах: когда она нужна и почему ломает голову

Рекурсия — это когда функция вызывает саму себя. Просто? Нет. Поломало голову? Точно. Давайте на примерах.

➡️ Пример 1: факториал

Идеально для старта. Формула: n! = n * (n-1)!

def factorial(n):
    if n == 0:
        return 1
    return n * factorial(n - 1)

➡️ Пример 2: обход дерева

Без рекурсии — неудобно.

def traverse(node):
    if node is None:
        return
    print(node.value)
    traverse(node.left)
    traverse(node.right)

⭐ Зачем вообще рекурсия:
— Отлично работает там, где есть вложенные структуры: деревья, графы, матрёшки.
— Позволяет писать компактный и красивый код (иногда даже читаемый).
— Но: жрет стек, может улететь в бесконечность и требует аккуратного базового случая (if для выхода).

Рекурсия — мощный инструмент, если понимать где и как её приручать.

🔵 Чтобы знать об алгоритмах все, забирайте наш курс «Алгоритмы и структуры данных»

Proglib Academy #буст

🛡 Как защитить API от взлома и утечек

Вы настроили API — вроде работает. Но безопасен ли он?

➡️ Наталья Кайда собрала 6 ключевых точек, где обычно всё ломается:

🔵HTTPS — не просто галочка, а защита от перехвата

🔵Аутентификация — как работать с JWT и OAuth 2.0

🔵Ограничение запросов — чтобы не положили DDoS-ом

🔵Валидация данных — защита от SQL-инъекций и мусора в теле запроса

🔵Контроль ролей — RBAC для больших команд

🔵Мониторинг — как вовремя увидеть проблему

Разбор — чёткий, с примерами и практическими рекомендациями. Если вы работаете с API — лучше прочитать это до того, как прочитает хакер.

📎 Читать статью — здесь.

Proglib Academy #буст

🧐 Вся эволюция NLP на одной картинке

На схеме — эволюция моделей работы с текстом. Смотрим, как всё начиналось и к чему пришли.

📍Ось Контекста: чем правее — тем длиннее и сложнее связи модель способна учитывать.

📍Ось Семантического понимания: чем выше — тем лучше модель схватывает смысл.

➡️ Что умеют модели:

• n-gram — видит только ближайшие слова. Контекста почти нет, смысл — минимальный.

• Markov Models — добавляют немного памяти о предыдущих состояниях, но глобального понимания по-прежнему нет.

• RNN / LSTM — уже учитывают порядок и длинные зависимости, но быстро теряются на больших текстах.

• GPT — держит в голове огромный контекст, улавливает сложные зависимости и семантику. Поэтому его ответы и кажутся «пониманием».

🔵 Чтобы знать о машинном обучении все, забирайте наш курс «Базовые модели ML и приложения»

Proglib Academy #буст