Telegram-бот кажется простым для пользователя, но как он получает сообщение и решает, что ответить?
На открытом уроке разберём этот процесс на практике. Преподаватель в режиме лайвкодинга создаст бота на Python с библиотекой aiogram — от первого запуска до рабочего диалога с кнопками.
Вы узнаете, как получить токен, обрабатывать команды и сообщения, добавлять кнопки и ответы на действия пользователя.
В конце проверите работу готового бота прямо в Telegram. Урок подойдёт начинающим Python-разработчикам. 10 ноября в 20:00 МСК.
OpenTeams отчиталась, что сделала для PyTorch за 2026 год — речь про то, как сберечь память при обучении LLM и как жить с GPU на Mac.
Меньше обрывов в torch.compile: Dynamo теперь пилят по лекалам внутренностей CPython, чтобы он нормально переваривал обычный Python-код. Итог — реже случаи, когда компиляция сдаётся и всё скатывается обратно в Python. В PyTorch 2.13 завезли LinearCrossEntropyLoss: он жуёт данные порциями и не лепит целиком гигантский тензор оценок по всему словарю, так что пиковая память на расчёте loss ужимается вплоть до 4 раз. Для обучения языковых моделей — самое то.
MPS обзавёлся нативными реализациями части операций: если верить замерам команды, native_group_norm на M4 стал быстрее в среднем больше чем в 10 раз. В PyTorch 2.14 комплексные операции можно разложить на операции с вещественными тензорами и отдать уже имеющимся механизмам оптимизации. А под 2.15 готовят поддержку Python 3.15 в torch.compile и API отдельных MPS-потоков — чтобы раскидывать работу по нескольким очередям GPU на Mac.
Kimi K3.1 выкатили. Штука открытая и здоровенная: 2.8T параметров, 104B из них активные. Весов пока нет — обещают подогнать недели через две.
По силе модель спокойно держится на уровне фронтира (Opus 5.5, Astra, Fable 5.1). А разрыв между китайским опенсорсом и закрытыми американскими моделями с каждым релизом становится меньше.
Real-Time Person & Elderly Fall Detection System — бесплатный питон-проект, который через компьютерное зрение палит падения в реалтайме. Он постоянно пережёвывает поток с камеры и оценивает позу человека даже когда часть тела не видно: колени или лодыжки могут быть за кроватью, диваном либо столом. Для базового запуска дорогую видюху покупать необязательно, а видео крутится локально — отправлять записи в облако не заставляют.
Падение система ловит по положению тела, скорости движения и резким изменениям позы. И пытается не путать реальное падение с обычными действиями: человек присел, наклонился или лёг отдохнуть. Такие технологии особенно нужны в больницах, домах престарелых, реабилитационных центрах и при домашнем уходе.
Чтобы поставить, хватит Python и веб-камеры либо готового видеофайла: git clone https://github.com/AwaisShah75/Real-Time-Person-Elderly-Fall-Detection-System.git, потом cd Real-Time-Person-Elderly-Fall-Detection-System, pip install -r requirements.txt и python run.py. На Windows можно ещё через run.bat. После запуска вылезет меню: 1 — следить через веб-камеру, 2 — разобрать готовое видео, 3 — показать падение с частично скрытым человеком, 4 — выйти.