🗣 А что если смотреть статьи не для нас

Я подсел на статьи для HR-ов. Не потому что хочу стать рекрутером. А потому что там по факту рассказывают, как именно ищут таких, как мы — по каким ключам, где гуглят, что хотят увидеть в резюме и GitHub. По постам это стало заметно, поэтому хочу спросить:

Как вам идея смотреть статьи для HR, чтобы понять, как самим попасть в поле зрения? 😤

Proglib Academy #междусобойчик

🎬 Все декораторы в Python — за 9 минут

Краткий, но ёмкий видео-гид, в котором вы узнаете, как работают декораторы, зачем они нужны и как применять их для написания более чистого и эффективного кода.

💡 Что вы узнаете:
— Что такое декораторы в Python
— Как использовать @staticmethod, @classmethod и @property
— Как создавать собственные декораторы, чтобы упростить архитектуру кода

📌 Основные моменты:
0:00 — Введение и понятие декораторов
3:11 — Все встроенные декораторы Python

🔗 Ссылка на видео

🔵 А еще больше базы в нашем курсе по пайтон: «Основы программирования на Python» 💃

Proglib Academy #буст

⚡️How to: тестировать с фейковым сервером в Python

Подключили внешний API, всё работает — но тесты ведут себя как капризный кот: то проходят, то «Connection error». Если это про тебя, пора узнать, как создать фейковый сервер и навести порядок.

Используем библиотеку responses — она перехватывает запросы requests и возвращает фейковые ответы.

1️⃣ Установим библиотеку

pip install responses

2️⃣ Подключаем в тестах

import requests
import responses
import unittest

3️⃣ Пишем тест с фейковым сервером

@responses.activate
def test_get_message():
    responses.add(
        responses.GET,
        "https://api.example.com/message",
        json={"message": "hello from test"},
        status=200
    )

    resp = requests.get("https://api.example.com/message")
    assert resp.status_code == 200
    assert resp.json()["message"] == "hello from test"

responses.activate — включает перехват запросов

Теперь ваш HTTP-клиент можно тестировать локально, оффлайн. Забудьте про случайные флаки-тесты и неожиданные «502».

Proglib Academy #буст

ℹ️ «Портфолио на максималках» для Python-джуна

Ты можешь годами учить Python, но без понятных и прикладных проектов HR пройдёт мимо.

➡️ Что включить в портфолио

🔹 Работа с реальными данными

Проекты на pandas, numpy, matplotlib. Возьми датасет — сделай анализ, визуализацию, вывод.
Пример: «Исследование цен на недвижимость в Москве».

🔹 Парсинг и автоматизация

Скрипт, который собирает вакансии с hh и отправляет тебе в Telegram? Отлично.
Используй requests, BeautifulSoup, Selenium.

🔹 API и Telegram-боты

Покажи, что можешь работать с внешними сервисами. Flask/Django + FastAPI — must have.
Пример: Бот, который даёт рекомендации по фильмам через API КиноПоиска.

🧠 Как подать:
— Сделай лендинг на GitHub Pages: описание, скриншоты, ссылки на код.
— В README объясни: что это, зачем, как запускать.
— Покажи развитие: от первой версии до улучшений, что ты доработал.

Ты уже собираешь портфолио?
Задавайте вопросы и присылайте свои портфолио на разбор👇

Proglib Academy #оффер_мечты

📘 Математика для Data Science: разложили по полочкам

Если вы давно откладывали математику «на потом» — это знак вернуться к базе.

➡️ Статья открывает большую серию, где разбирают всю нужную математику для дата-сайентиста:
— как читать математические обозначения: ℝ, ℕ, ℂ и другие,
— что такое комплексные числа и зачем они нужны в ML,
— как записывать векторы и матрицы,
— что такое сигма-нотация (∑) и пи-нотация (∏),
— зачем в Data Science нужен логарифм и как он упрощает работу с функциями.

Понятно объясняют, как работает каждый символ и зачем он в алгоритмах. Особенно пригодится тем, кто готовится к собесам или хочет лучше понимать, что творится под капотом моделей. 🖕

📎 Статья

💬 А вы как считаете — стоит ли глубоко вникать в мат. нотацию на старте или лучше разбираться по мере надобности?

Proglib Academy #буст