Всё началось со знаменитого челленджа - соревнования, где разработчики пытаются создать прибыльного AI-трейдера. Идея засела в голове: а что если LLM действительно может торговать лучше человека? Без эмоций, без FOMO, без revenge trading в три часа ночи. Я решил проверить. И вот к чему это привело.
Рубрика «python» - 42
Нейросеть, которая не двигает стоп-лосс в 3 часа ночи. Мои эксперименты с алготрейдингом
2025-12-21 в 15:58, admin, рубрики: deepseek, llm, python, алготрейдинг, Криптовалюты, машинное обучение, трейдингВ рамках своей научной работы в области роботехники я занимаюсь разработкой собственной SLAM-системы (Simultaneous Localization and Mapping), реализованной полностью на языке Python. Этот проект представляет собой попытку осмысленно пройти весь путь построения визуального SLAM — от базовых идей и архитектурных решений до рабочей, пусть и экспериментальной, системы, без опоры на готовые компилируемые C++-фреймворки.
11 Python-скриптов, которые изменят вашу рутину
2025-12-16 в 16:20, admin, рубрики: python, код, нейросети, Программирование
Готов поспорить, вы кодите на Python достаточно давно, чтобы чувствовать себя уверенно... ровно до того момента, как открываете терминал в понедельник утром и думаете: «Должен же быть способ получше, чтобы автоматизировать весь этот бардак».
Хорошие новости: он есть.Читать полностью »
Веб-мониторинг МФУ и уровня тонера через SNMP на Python + Flask
2025-12-14 в 11:15, admin, рубрики: python, МФУВ этой статье я расскажу, как с помощью Python, Flask и SNMP создать простой веб-мониторинг для МФУ в корпоративной сети. Решение позволяет видеть статус, уровень тонера, тип картриджа и серийный номер принтера прямо в браузере.
Для реализации на МФУ должен быть включен SNMP v1/v2c. Порт 161/UDP должен быть открыт.
Задача
-
Получать список принтеров с принт-сервера (CSV)
-
Опросить их по SNMP
-
Отобразить в веб-интерфейсе имя, IP, статус, процент тонера, тип картриджа и серийный номер
Используемые технологии
-
Python 3.10
-
Flask
-
pysnmp
-
HTML + JavaScript (для таблицы)
-
CSV-файл с принтерами
Как реализовать выборочную долговременную память в LLM-боте на Python
2025-12-14 в 8:15, admin, рубрики: bot, bots, llm, python, telegrambotLLM-модели хорошо решают задачи диалога, но имеют одно ключевое ограничение: отсутствие встроенной долговременной памяти. Модель опирается только на текущий контекст сообщений, и при его обрезании:
-
забывает факты
-
путает детали
-
теряет согласованность личности
-
повышается стоимость из-за длины контекста
В этой статье я хочу разобрать архитектуру, которую использовал для реализации выборочной памятиЧитать полностью »
Анализ данных с сайта Pet911
2025-12-13 в 19:54, admin, рубрики: analysis, BigData, python, животные, питомцы, пропажаПоиск работы в Telegram: как автоматизировать рутину с помощью JobStalker
2025-12-10 в 10:16, admin, рубрики: job-scheduler, jobscheduler, llm, llm-приложения, Ollama, python, telegram, telegrambot, vacancyПоиск работы часто превращается в бесконечный скроллинг по Telegram-каналам: десятки уведомлений, тонны сообщений, чтение длинных описаний вакансий, попытки понять, подходит ли это тебе. А ведь Telegram — один из самых популярных источников свежих предложений о работе, особенно в IT, маркетинге и фрилансе. Но вручную фильтровать всё это — сплошная потеря времени. Здесь на помощь приходят современные технологии: машинное обучение, которое может анализировать текст лучше, чем человек, и автоматизировать процесс.
Именно из этой идеи родился JobStalkerЧитать полностью »
Multi-API Ensemble: 95% точности транскрипции региональных топонимов
2025-12-09 в 14:30, admin, рубрики: asyncio, Ensemble, gemini, python, salutespeech, speech-to-text, Whisper, распознавание речи, сезон ии в разработке, транскрипцияОдин STT-сервис дал 60-70% точности на специфической лексике (топонимы, названия улиц, профессиональные термины). Два сервиса параллельно + взвешенное голосование + AI-fusion для спорных случаев дали 95%+ точности. Время обработки 5-8 секунд, стоимость $70-130/месяц при 1000 сообщений в день. В статье — полный разбор архитектуры, алгоритмы scoring, примеры кода и расчёт экономики.
Содержание
-
Почему один STT оказалось недостаточно
-
Эволюция решения: от 60% к 95%
-
Архитектура Multi-API Ensemble
-
Взвешенное голосование: математика выбора
-
AI-fusion: когда голосования недостаточно
Это другое. Python нашел замалчивание в поэзии Беллы Ахмадулиной
2025-12-08 в 18:55, admin, рубрики: python, tokenizer, ахмадулина, книги, поэзия, проза, чтениеЧто сделалось? Зачем я не могу,
уж целый год не знаю, не умею
слагать стихи и только немоту
тяжелую в моих губах имею? Вы скажете — но вот уже строфа,
четыре строчки в ней, она готова.
Я не о том. Во мне уже стара
привычка ставить слово после слова.
Стихотворение "Другое" Белла Ахмадулина написала в 1966 году. Строки этого стихотворения очень просты, при этом отличаются сильным эмоциональным воздействием. В чем же секрет такого сильного звучания этих строк?
Иллюзия 95%: гайд по самой частой элементарной ошибке в Data Science
2025-12-07 в 17:28, admin, рубрики: python, анализ данных, визуализация данных, доверительный интервал, математическая статистика, ошибки мышления, статистика, статистическая значимость, теория вероятностейПредставьте классическую ситуацию. Вы — аналитик. Вы только что провели A/B-тест или оценили средний чек. Ваш скрипт на Python выдал результат:
95% Confidence Interval: [100, 120].
Вы приходите к продакт-менеджеру и уверенно говорите:
С вероятностью 95% истинный средний чек находится между 100 и 120 рублями.
Менеджер доволен, вы довольны. Все звучит логично. Но у меня для вас новости. В этом утверждении вы допустили фундаментальную ошибку.
Если бы в комнате сидел настоящий математик, он бы начал кричать:
Нет там никакой вероятности! Параметр либо там, либо нет!.

