Управление Docker контейнерами с помощью docker-py
docker-py – это официальная библиотека Python для Docker, предоставляющая API для взаимодействия с Docker Daemon. С её помощью можно автоматизировать процессы создания, запуска, остановки и удаления контейнеров, работы с образами, сетями и томами Docker.
import docker
# Создание клиента
client = docker.from_env()
# Запуск контейнера
container = client.containers.run("ubuntu:latest", "echo Hello, docker-py!", detach=True)
# Получение логов контейнера
print(container.logs().decode())
# Остановка и удаление контейнера
container.stop()
container.remove()
В данном примере мы создаем клиента Docker, используя переменные окружения текущей сессии. Затем мы запускаем контейнер из образа ubuntu:latest, выполняем в нем команду echo, выводим логи работы контейнера и в конце останавливаем и удаляем контейнер.
Управление образами с помощью docker-py:
# Получение списка всех образов
images = client.images.list()
# Вывод информации о каждом образе
for image in images:
print(f'ID: {image.id}, Теги: {image.tags}')
Для дальнейшего изучения и ознакомления с более продвинутыми возможностями рекомендуется обратиться к официальной документации.
#python#docker#dockerpy
#вакансия#москва#python#ML#DS#NLP#LLM#agents
NLP Data Scientist (AI-агенты)
Всем привет! 👋
Мы - команда центра развития искусственного интеллекта в российском топ банке. Разрабатываем и внедряем AI-решения в ключевые бизнес-процессы.
Сейчас мы строим прикладных AI-агентов для HR-направления: подбор, оценка, развитие сотрудников, внутренние сервисы для рекрутеров и руководителей.
Ищем NLP data scientist, который умеет проектировать и улучшать рабочие AI-системы: с инструментами, качественной оценкой и измеримым влиянием на бизнес-метрики. Рассматриваем Middle и Senior позиции.
Чем предстоит заниматься
- Проектировать и развивать LLM и агентные решения для HR-сценариев: от постановки задачи и анализа процесса до PoC, MVP и production-ready решения совместно с ML Engineer.
- Разрабатывать архитектуры AI-агентов: orchestration, tool use, retrieval, memory, multi-step workflows, guardrails.
- Формировать гипотезы, запускать эксперименты и улучшать качество системы на основе метрик и обратной связи пользователей.
- Вместе с бизнес-заказчиком уточнять требования и фиксировать постановку задачи.
Что для нас важно
- 3+ лет опыта в Data Science / ML, из них заметная часть в NLP, LLM.
- Практический опыт создания прикладных LLM-систем и агентов: RAG, tool calling, agentic workflows, multi-step reasoning, structured output.
- Глубокие знания в NLP (статистические методы, нейронные сети, трансформеры) и уверенная база в классическом ML.
- Понимание архитектуры LLM и принципов prompt engineering.
- Опыт разработки на Python, пишете чистый и поддерживаемый код
Плюсом будет
- Опыт разработки RAG-систем и работы с векторными хранилищами
- Опыт написания промышленного, поддерживаемого и тестируемого кода, работы с параллелизмом и асинхронностью
Мы предлагаем
- Вилка: 200-350 net + годовая премия 2-4 оклада (с сильными кандидатами готовы отдельно обсуждать условия)
- Комфортный современный офис в г.Москва
- Возможность выбрать удобный график – офис/гибрид (с посещением офиса не менее 2х дней в неделю)
- Ежегодный пересмотр зарплаты и годовая премия
- Корпоративный спортзал и зоны отдыха
- ДМС, льготное страхование для семьи и корпоративная пенсионная программа
Если интересно, пишите в личку @yegor_saf
Pricing Data Analyst (Ostrovok)
📍 Формат: Удаленно (РФ)
💰 Зарплата: от 250 000 ₽ на руки
Мы ищем аналитика, который станет экспертом по данным в команде Pricing. Ты будешь отвечать за аналитический слой — от «сырых» данных в S3 до готовых витрин для бизнеса.
Что делать:
— Отвечать за весь аналитический слой: от raw-данных в Trino/S3/HDFS до проверенных датасетов.
— Разрабатывать логику сопоставления ставок (rate matching).
— Трансформировать бизнес-логику в четкие ТЗ для ETL-команды.
— Обеспечивать качество данных: валидация, контроль полноты, мониторинг аномалий.
— Поддерживать пользователей: документация, обучение, консультации.
Наш стек:
SQL (Trino, Vertica), Spark / PySpark, Python, Airflow, HDFS/S3, Iceberg, Kafka, Tableau/Metabase.
Требования к кандидату:
— Опыт от 2-х лет в в области аналитической инженерии, анализа данных (Big Data), моделирования BI-данных.
— Сильный SQL и уверенный Python для анализа данных.
— Понимание Big Data архитектур (Lakehouse, HDFS/S3).
— Опыт с Airflow и концепциями DAG.
— Знание Iceberg и Kafka (практический опыт).
🤝 Будет плюсом:
— опыт работы с DBT.
— Английский B1 (разговорный).
Почему к нам стоит прийти:
Проекты мирового уровня: продукты для путешественников и отельеров.
Свобода: гибкий график и полная удаленка.
Развитие: Tech-комьюнити, митапы, хакатоны, помощь в выступлениях на конференциях, курсы английского.
Забота: ДМС с первого месяца.
Бонусы: корпоративные цены на отели и тревел-услуги.
Островок — аккредитованная IT-компания.
👉 По всем вопросам и с CV пишите в ЛС: @nadueva_olya
#vacancy#dataanalyst#pricing#python#sql#bigdata#remote
#python#claude_code#guide#tutorial
Claude How To is a free GitHub guide (3,900+ stars) with visual tutorials, copy-paste templates, and a 11-13 hour learning path to master Claude Code features like slash commands, memory, skills, subagents, hooks, MCP, and plugins. Start in 15 minutes by cloning the repo and copying a command—build automated code reviews, deployments, and docs. You gain 10x productivity by combining features into real workflows, skipping basic docs for production-ready setups that save hours daily on grunt work.
https://github.com/luongnv89/claude-howto
#Python#databases#sql
🐍
Data Science Fundamentals with Python and SQL
Description
Data science is one of the hottest professions of the decade, and the demand for
data scientists who can analyze data and communicate results to inform data
driven decisions has never been greater. This Specialization from IBM will help
anyone interested in pursuing a career in data science by teaching them
fundamental skills to get started in this in-demand field.
🗣Coursera
🔗Link
-----
Main channel:@repo_science
Coupons:@freecoupons_reposcience
-----
#databases#SQL#Python
🐍
Practical SQL with Python in 3 Days using SQLite, MySQL and PostgreSQL
🔗Link
⭐Curso recomendado
-----
Main channel: @repo_science
Coupons: @freecoupons_reposcience
-----
http://www.lfd.uci.edu/~gohlke/pythonlibs/
This page provides 32- and 64-bit Windows binaries of many scientific open-source extension #packages for the official #CPython distribution of the #Python programming language.
The files are unofficial (meaning: informal, unrecognized, personal, unsupported, no warranty, no liability, provided "as is") and made available for testing and evaluation purposes.
#python#agentic_ai#agents#memory
Hindsight is a top agent memory system that helps AI agents learn over time by storing facts, experiences, and mental models like human memory, beating rivals on LongMemEval benchmarks with 91.4% accuracy. Add it easily with 2 lines of code via Python or Node.js clients, using simple retain, recall, and reflect operations for Docker or embedded setups. You benefit by building smarter, consistent agents that reduce errors, cut hallucinations, handle long-term tasks, and personalize chats—saving time and boosting performance in production.
https://github.com/vectorize-io/hindsight
Stirling PDF - Self Hosted CL PDF Tool
If you need to process PDF documents (crop, merge, split, convert, read metadata, etc) but don't want to upload them to third-party online services..
This is a robust, locally hosted web-based PDF manipulation tool using #Docker. It enables you to carry out various operations on PDF files, including splitting, merging, converting, reorganizing, adding images, rotating, compressing, and more. This locally hosted web application has evolved to encompass a comprehensive set of features, addressing all your PDF requirements.
Stirling PDF does not initiate any outbound calls for record-keeping or tracking purposes.
All files and PDFs exist either exclusively on the client side, reside in server memory only during task execution, or temporarily reside in a file solely for the execution of the task.
Any file downloaded by the user will have been deleted from the server by that point.
@cybdetective
https://github.com/Stirling-Tools/Stirling-PDF
#PDF#SelfHosting#Privacy