🐍 Итоги недели в мире Python и обзоры новых инструментов: дорожная карта ИИ-разработчика в 2024 году

Привет!

Всю неделю мы мониторим интернет, чтобы в воскресенье прислать тебе интересное письмо. Наша цель – держать читателей в курсе последних открытий и тенденций в мире Python. В еженедельных письмах ты найдешь:

Новые возможности в последних версиях Python
Работа с базами данных и SQL в Python.
Веб-разработка на Django и Flask.
Машинное обучение и анализ данных с помощью Python.
Автоматизация и работа с API на Python.
Тестирование и отладка кода на Python.
Задачи для новичков с решениями.

✉ Подпишитесь, чтобы быть в числе первых, кто получит дайджест

Очередная атака на PyPI; Как работают фулстек-фреймворки; Почему не стоит использовать интерактивные блокноты в production-среде; Защита ИИ-приложений с помощью LLM Guard; и многое другое.

PyPI приостановил регистрацию новых пользователей и проектов из-за атаки с использованием вредоносного кода в setup.py пакетов. Злоумышленники использовали опечатки в названиях для обмана разработчиков. Вредоносные скрипты автоматически запускаются при установке пакетов и могут восстанавливаться после перезагрузки компьютера. Цель атаки – получение доступа к криптовалютным кошелькам и кража всевозможных учетных записей.

Автор Roadmap to Learn AI в 2024 составил подробнейший учебный план, каждый пункт которого сопровождается множеством ссылок на полезные ресурсы – бесплатные курсы, книги, подкасты, каналы, рассылки, туториалы и авторов, на которых стоит подписаться. В кратком виде стратегия изучения выглядит так.

Фундаментальные основы:

Математика для машинного обучения – линейная алгебра, матанализ, теория вероятностей и статистика.
Python – приведены ссылки на ресурсы для начинающих и опытных пользователей.
Работа с PyTorch, популярной платформой для глубокого обучения.

Машинное обучение:

Прочитайте книгу «Машинное обучение на 100 страницах», практикуясь в написании алгоритмов с нуля.
Изучите готовые алгоритмы в приведенных репозиториях.
Попробуйте написать лайт-версию PyTorch с помощью этого курса.
Принимайте участие в конкурсах по машинному обучению на Kaggle и bitgrit, изучайте решения победителей.
Разрабатывайте и разворачивайте собственные модели машинного обучения, используя реальные наборы данных.

Глубокое обучение:

Пройдите базовый курс fast.ai, после которого можно переходить к более продвинутым курсам, перечисленным в статье.
Если не хватает теоретических знаний, обратитесь к приведенным книгам.

Специализированные треки глубокого обучения:

Компьютерное зрение.
Обучение с подкреплением.
Обработка естественного языка (NLP).

Большие языковые модели (LLM):

Общее представление о LLM.
Разработка и реализация LLM. Файнтюнинг и RAG.
Создание приложений на основе LLM.

KeepYourMouthShut – инструмент для автоматической генерации подкастов. Приложение имеет браузерный интерфейс. Пользователь задает тему и описание подкаста, после чего приложение создает скрипт, озвучивает текст и выдает готовый аудиофайл.

<p>KeepYourMouthShut создает подкасты автоматически </p>

Python Docstring Highlighter – подсвечивает синтаксис в docstring, предназначен для VSCode.

<p>Python Docstring Highlighter в действии</p>

Ipyvizzu – визуализирует данные в виде эффектных анимированных диаграмм. Работает в блокнотах (Jupyter Notebook, Google Colab, Kaggle и т. п.)

<p>Больше примеров – на <a href="https://ipyvizzu.vizzuhq.com/latest/examples/" rel="nofollow noreferrer noopener" target="_blank">сайте проекта</a></p>

Leaping – простой, быстрый и легкий ИИ-отладчик для работы с pytest. Leaping отслеживает выполнение кода и позволяет ретроспективно проверять состояние вашей программы. Поддерживает Ollama и GPT-4, отвечает на вопросы, например:

Почему не выполняется функция x?
Почему переменной y было присвоено это значение?
Каково было значение переменной x в этой точке?
Какие изменения я могу внести в этот код, чтобы этот тест прошел?

OpenDevin – еще одна опенсорсная альтернатива проприетарному агенту Devin. Работа над проектом в самом разгаре, среди основные возможности инструмента будут:

Генерация кода для сложных проектов.
Автоматизация тестирования, отладки и развертывания.
Сотрудничество с разработчиком, помощь в решении проблем и выборе оптимальных решений.

Агент может работать на базе любой LLM из списка поддерживаемых.

Фронтенд для веб-приложений на Python пишут, как правило, с помощью фреймворков и библиотек на JavaScript. Не всех питонистов такой подход приводит в восторг – отсюда множество новых фулстек-фреймворков, которые дают возможность писать и бэк, и фронт на Python. К таким фреймворкам относится и Reflex. Один из авторов Reflex рассказал о преимуществах использования фреймворка по сравнению с традиционным подходом «бэкенд + API + фронтенд»:

Обычно создание веб-приложений требует знания как минимум двух языков – Python для серверной части и JavaScript для фронтенда. Reflex упрощает этот процесс, позволяя писать обе части приложения на Python.
В основе фронтенда Reflex-приложения – самые популярные веб-технологии (React и Next.js). Код автоматически преобразуется в одностраничное приложение Next.js.
Внешний вид приложения можно настраивать с помощью готовых тем, или использовать CSS прямо в Python-коде.
Серверная часть работает на Python с использованием FastAPI.
Для обработки событий используются триггеры и очередь событий, диспетчер состояний и обновление состояния. Двусторонний обмен данными между сервером и фронтендом происходит в реальном времени, через вебсокеты.

<p>Пример фулстек-приложения на Reflex</p>

Использовать блокноты типа Jupyter Notebook в продакшене можно, но не нужно – автор публикации объяснил, почему:

Лишние сложности с тестированием. Блокнотный код сложно пропускать через юнит-тесты – очень часто модульные тесты приходится писать в обычных Python-файлах, а сам блокнот при этом выступает только как обертка для запуска тестов. Это усложняет процесс тестирования, делает его непрозрачным и не позволяет протестировать отдельные части кода внутри блокнота.
Сложность отладки. Отладка кода в блокнотах значительно сложнее, чем в обычных Python-скриптах с использованием IDE. Функции вроде установки точек останова, пошагового выполнения, просмотра переменных работают плохо или вовсе недоступны. Разработчикам приходится копировать код в отдельные файлы для отладки.
Проблемы с версионированием. Файлы блокнотов имеют формат JSON и содержат исходный код, разметку markdown, изображения и вывод ячеек в одном файле. Это усложняет отслеживание изменений, разрешение конфликтов слияния и даже просмотр diff в Git. Приходится использовать дополнительные инструменты.
Нарушение принципа модульности. Блокноты по своей природе линейны и поощряют написание длинных монолитных скриптов, а не разбиение кода на модули, классы и функции, что идет вразрез с принципами проектирования ПО. Повторное использование кода затруднено.
Произвольный порядок выполнения ячеек. Возможность запускать ячейки в любом порядке может привести к непредсказуемому поведению кода и проблемам с воспроизводимостью результатов между различными сессиями выполнения.
Перезапись ячеек во время выполнения тоже может привести к различиям между разными запусками блокнота.
Двойная работа. ML-инженерам зачастую приходится серьезно перерабатывать блокнотный код, написанный дата-сайентистами. Это замедляет рабочий процесс и может привести к ненужной напряженности и недопониманию.

Как разобраться в Poetry за 8 минут

Poetry – один из самых популярных инструментов для управления зависимостями, создания виртуальных окружений и публикации пакетов в PyPI. Автор этого видео:

Демонстрирует, как добавлять, удалять и обновлять зависимости с помощью команд Poetry.
Объясняет, как контролировать версию зависимостей с помощью символов каретки и тильды.
Показывает, как войти в виртуальное окружение с помощью команды poetry shell.
Рассказывает, как Poetry может помочь с версионированием, сборкой и публикацией пакетов.