Telegram Group Search
🛡 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
Please open Telegram to view this post
VIEW IN TELEGRAM
Новенький сотрудник со своей идей на ретро

Любите таких идейных?

👾 — да (я сумасшедший)
👍 — не, а то потом дедлайны

Proglib Academy #развлекалово
🧐 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
Please open Telegram to view this post
VIEW IN TELEGRAM
😵‍💫 Как правильно выбрать LLM для использования в агентских системах

Модели могут выдумывать факты, ссылаться на несуществующие источники и уверенно врать. Особенно часто это происходит при работе с редкими языками или специфическими тематиками.

Поэтому на первом занятии курса «AI-агенты для DS-специалистов» разберем, как с этим бороться. И это только первый из пяти уроков!

🔍 Выбор правильной модели
Не все LLM одинаково полезны. Обсудим квантизованные модели, instruct-версии и мультилингвальные решения. Узнаем, где больше галлюцинаций — в базовых моделях или после дообучения.

💰 Токенизация и стоимость
Разные языки «съедают» разное количество токенов. Покажем, как это влияет на цену API и почему русский текст может стоить дороже английского.

⚡️ Температура и Guardrails
Настройка temperature помогает контролировать креативность модели. А системы Guardrails — отсекать неподходящие ответы еще до генерации.

🧠 Память vs контекст
Казалось бы, зачем RAG, если есть модели с контекстом более 10М токенов? Но не все токены равнозначны. Разберем, когда внешние источники все еще нужны.

В конце создадим простых агентов на LangChain с подключением к внешним источникам и инструментам поиска — и у вас уже будет кейс по созданию собственного AI-агента.

👉 Присоединяйтесь к курсу — приятная цена действует до 14 июня!
🔥 Enum в Python: красиво описываем константы

Хватит писать вот это:
STATUS_OK = 1
STATUS_ERROR = 2
STATUS_PENDING = 3


Лучше так:

from enum import Enum

class Status(Enum):
OK = 1
ERROR = 2
PENDING = 3


➡️ Зачем вообще Enum

🔵 Код становится читаемее
if status == Status.OK: читается в 100 раз понятнее, чем if status == 1:

🔵 Защита от ошибок
Enum не даст случайно передать в функцию что-то несуществующее.

🔵 Возможность красиво выводить

print(Status.OK.name)   # OK
print(Status.OK.value) # 1


🔵 Сравнение работает как надо


if status == Status.ERROR:


🔵 Начинайте свой путь в программировании и прокачивайте свои навыки с нашим курсом «Основы программирования на Python»

Ставьте ежа 👾 — если уже забыли, как выглядит код

Proglib Academy #буст
Please open Telegram to view this post
VIEW IN TELEGRAM
🚀 Как джун без диплома получил оффер в IT

Опыт с Reddit — кто ищет, тот находит:

1️⃣ Без CS-диплома. Без связей. С нуля.

2️⃣ Начал с курсов:

🔵HTML, CSS, JS — прошёл на Codecademy.
🔵Затем плотный курс веб-разработки на Udemy.
🔵Попробовал Zero To Mastery — дошёл до середины.

3️⃣ Пошёл на буткемп (12 недель). Не ради знаний — ради практики и тимворка.

4️⃣ После буткемпа не полез сразу в отклики — сделал мощный full-stack проект (MERN стек).

5️⃣ Подал пачку заявок через LinkedIn.

6️⃣ Через 2 недели — оффер на full-stack junior разработчика (TypeScript, React, Node.js).

➡️ Итог:

— Курсы → проекты → буткемп → портфолио → LinkedIn.
— Ни одного «своего человека» в индустрии.
— Только упорство, кодинг и хорошее портфолио.

Вас никто не держит. Даже без связей и диплома — всё реально.

Proglib Academy #оффер_мечты
Please open Telegram to view this post
VIEW IN TELEGRAM
Когда заходите на StackOverflow вместо ChatGPT?

❤️ — Когда реально хочется разобраться
🔥 — Когда ChatGPT снова начинает «фантазировать»

Proglib Academy #развлекалово
Вакансии «Библиотеки программиста»

Привет! Мы ищем контент-менеджеров, которые будут вести наши телеграм-каналы о разработке.

👾 Требования:
— знать принципы залетающего контента
— разбираться в темах, связанных с разработкой

Большим плюсом будет навык программирования на каких-либо языках.

Условия:
— удаленка
— частичная занятость
— сдельная оплата в зависимости от количества задач

🔥 Оставляйте отклик, и мы свяжемся с вами: https://forms.gle/o4BZnsQ526JoqsCq9
🔍 ML после релиза: что ломает модель в проде

Подготовили карточки по статье, смотрите и сохраняйте

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

👉 Статья для желающих углубиться — https://proglib.io/sh/fjpFLVWn8Z

Proglib Academy #буст
Please open Telegram to view this post
VIEW IN TELEGRAM
📊 5 лучших GitHub-репозиториев для старта в Data Science на Python

Если вы врываетесь в Data Science — не тратьте время на теорию без практики. Вот топ репозиториев, которые реально качают скиллы:

1️⃣ 100-Days-Of-ML-Code — 100 дней практики по машинному обучению

2️⃣ TheAlgorithms/Python — все алгоритмы, которые нужны для ML и собесов

3️⃣ Python Programming Exercises — 100+ задач на Python для отработки навыков

4️⃣ Project-Based-Learning — учимся через реальные проекты, а не через пустую теорию

5️⃣ Python Reference — шпаргалки, лайфхаки и туториалы для работы

🚀 Добавляйте в закладки — это ваш быстрый старт в Data Science.

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

Proglib Academy #буст
Please open Telegram to view this post
VIEW IN TELEGRAM
Та самая рабочая рекурсивная функция?

😢 — не может такого быть
🌚 — у меня она всегда работает

Proglib Academy #развлекалово
Please open Telegram to view this post
VIEW IN TELEGRAM
⚙️ API: кто, как и зачем их придумал

Перед тем как лезть в сложную архитектуру, нужно понимать самую основу — как вообще устроены API.

➡️ Вот короткая карта по основным стилям:

SOAP (1999)
— Формат: XML
— Учиться: тяжело
— Где юзают: платежи, CRM, банки, телеком

REST (2000)
— Формат: XML, JSON, HTML
— Учиться: легко
— Где юзают: публичные API, ресурсные приложения

GraphQL (2015)
— Формат: JSON
— Учиться: средне
— Где юзают: мобильные API, микросервисы, сложные системы

RPC / gRPC (2016)
— Формат: JSON, XML, Protobuf
— Учиться: легко
— Где юзают: высоконагруженные микросервисы, быстрая внутренняя коммуникация

Почему это важно: если вы хотите строить серьезную архитектуру, надо уметь выбирать инструмент под задачу. А не просто «слышал про REST — сделаю REST».

🔵 Для полного понимания Архитектуры, забирайте наш курс → «Архитектуры и шаблоны проектирования»

Если нравятся посты с инфографикой — ставим ежа 👾

Proglib Academy
#буст
Please open Telegram to view this post
VIEW IN TELEGRAM
🧪 Когда обычный A/B-тест даёт кривую картину

A/B-тесты — классика: берём всех пользователей, делим пополам, сравниваем.
Но это работает, если ваши пользователи живут «поодиночке».

📊 В статье разложили по полочкам:

— в каких системах классический A/B не работает
— почему ваши метрики могут вас обмануть
— какие есть выходы: временное разбиение, кластерные тесты, гибриды
— как выбирать схему под ваш продукт
— и главное: почему плохой эксперимент — это не просто ошибка аналитики, а риск для бизнеса

Если вы хотите принимать точные продуктовые решения — это обязательный материал.

👉 Читать статью: https://proglib.io/sh/lNqAnLfe9J

Proglib Academy #буст
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
2025/06/11 09:27:16
Back to Top
HTML Embed Code: