API для получения прогнозов по крипторынку от обученных ML-моделей допиливается. Пока только одна пара будет, но зато подъедет и графоний. То что вы видите, скорее всего, пойдет в прод, мне нравится.
Что проверить перед релизом Django приложения
Собрал чек-лист на 2 страницы в формате PDF для тех кто запускает новый проект. Ведь неприятно получить HTTP 500 Server Error, реализовав крутую фичу, пройдя долгий путь тестирования и выпуска релиза, потому что забыли о настройке.
Гайд можно скачать на странице: https://app.incidenta.tech/static/files/django-release-guide.pdf
В файле с чек-листом ты найдешь сааамые-сааааамые обязательные настройки ДО первого релиза, пользователя и оплаты.
Например, перед выходом в продакшен нужно проверить:
Что выключен DEBUG режим, очевидно, сэр.
Корректно настроено подключение к базе данных
HTTPS и SECURE параметры настроены
И еще другие 11 пунктов
Для каждого из пунктов даны ссылки для подробного изучения.
Митап PythoNSK #1 2025: Оффлайн встреча питонистов в Новосибирске
Дата: 13 сентября 14:00-17:00 (UTC+7)
Адрес: Новосибирск, улица Ленина, 71, Новосибирск, "Этаж"
13 сентября - 256 день в году. Именно в эту символичную дату, день программиста, мы проводим первый оффлайн митап для питонистов в Новосибирске. И мы начинаем свою деятельность!
У нас на митапе будут:
1️⃣ Лекции:
"Как работают гринлеты в SQLAlchemy", Алексей
"Десктоп-разработка на PySide6", Роман
2️⃣ Интерактив:
Небольшая викторина по Python с призом в виде книги "Грокаем алгоритмы, 2е издание", Адитья Брахгава.
3️⃣ И под конец - онлайн встреча с Никитой Соболевым, CPython Core Developer'ом.
Регистрация: https://docs.google.com/forms/d/e/1FAIpQLSePMDs21rFwWkRGCEsC5s8TsOjBKR0K8a9VIXgebjNxvNxxYg/viewform?usp=dialog
Количество мест ограничено.
Телеграм-чат: https://t.me/python_in_nsk
Митап некоммерческий, бесплатный
Развлекся и собрал калькулятор окупаемости автоматизации
Ты можешь указать как часто делаешь рутину, сколько на это уходит, а калькулятор расскажет выгодно ли автоматизировать или нет.
Было это так: покекал с залежавшегося выдержанного мема от xkcd про "сколько времени уходит на рутину за 5 лет" и задумался... Понял, что калькулятор окупаемости не помешает.
Ведь автоматизировать надо, когда:
1. Регулярно/часто выполняешь однотипную задачу
2. Каждый раз на эту задачу уходит время (даже если минута)
3. Понимаешь как можно автоматизировать хотя бы часть этой задачи
4. Зависимость от непостоянности человека может навредить
5. Есть готовность поддерживать свою автоматизацию, а не рутину :)
Потратил месяц на автоматизацию и ускорение деплоя в staging.
Теперь деплой занимает 30 секунд вместо 5 минут.
Окупится через... 2 года 😭
(с) DevOps в курилке
Делимся расписанием бесплатных вебинаров на следующую неделю:
🎬 19 августа в 16:00 (Мск) «Как ускорить работу с данными в 3 раза? Основы ДБТ за час» — вебинар про DBT, его возможности, принципы работы и способы с его помощью сделать свою деятельность эффективнее.
🎬 21 августа в 16:00 (Мск) «От идеи до продакшена: какой Kafka-клиент упростит вам жизнь?» — практический вебинар: какие высокоуровневые клиенты Kafka выбрать для Spring Boot, .NET и NestJS. Разберём ключевые отличия, реальные примеры использования и лучшие практики.
🎬 22 августа в 18:00 (Мск) «Как LDA и ARTM могут изменить подход к анализу текстовых данных» — вебинар по тематическому моделированию с LDA и ARTM, примеры на Python и практические кейсы.
Увидимся на вебинарах!
Митап Python-разработчиков в Новосибирске
Всем привет! С недавних пор я заметил что в НСК маловато таких открытых IT митапов. И я решил исправить это. Я и еще несколько людей организовываем сообщество "PythoNSK". Встречи некоммерческие, бесплатные. Ближайшая планируется 13 сентября - в день программиста.
По плану у нас две-три лекции, викторина, общение, а также онлайн встреча с CPython Core Developer'ом Никитой Соболевым.
Нам нужны люди! Проект бесплатный и общественный, мы собираем народ.
Если вы из Новосибирска - заходите в наш чат. Мы ждем каждого, чтобы вместе развивать сообщество программистов в Новосибирске!
Может кто знает, потом вырастим до больших мероприятий. Но сейчас главное - начать и провести точно. Лучше один небольшой камерный митап чем мечтать годами о большом мероприятии.
Почему я больше никогда не буду использовать сервис bitly?
В общем я обычно достаточно аккуратен со всякого рода скамом, редко попадаю в такие ситуации, обычно хорошая чуйка на такие истории, но в этот раз не обошло меня стороной.
Long story short: помогают тут ребятам с одним оффлайн проектом, нужно было быстро сделать QR код для флайеров, google выдает миллион сервисов для генерации, выбрал первый попавшийся “Create Your Free QR Codes”. Удачно все сделал, заказали флаеры, не смотря на то, что по пути на каждому этапе было Free через 2 недели (когда уже все напечатано) прилетает вежливое “Oh no! Your Dynamic QR Codes will expire in 3 days”. И конечно же он перестанет работать если не заплатить ($20/month).
Масштаб “потерь” - $40, но я готов заплатить $200 чтобы объяснить они строян бизнес на скаме и для кармы это вредно.
Конечно же я не один такой, и большинство “сжимают зубы” и платят. Например на редите 230 комментариев.
Как вы поступаете в такой сиутации? Я как-то с детства считаю что нельзя потокать и платить.
Мои действия:
✅ никогда в жизни ни на одном из моих проектов не будет использоваться сокращалка Bitly
✅ написал далобу в FTC
✅ написал отзыв на Google Maps (там таких много)
☑️ найду и напишу отзывы на других сервисах
✅ попрошу вас помочь мне и присоединиться
P.S. Ресеч показал, что это не просто какие-то горе стартаперы, а проект компании Bitly (рейтинг 1.6 на Trustpilot).
Если вам нечем заняться и вам не сложно уделить 2-5 минут своего времени.
Промпт для генерации отзыва:
Write a concise, neutral review of qr-code-generator.com (Bitly) in plain, easy-to-read language, 80-120 words. Context: It appears in Google for queries like "free qr code generator." During setup, the process is presented as free; any expiration notice, if present, seems absent or buried in terms. About 14 days later, the QR may be deactivated behind a paywall, leaving printed materials unusable unless payment is made to reactivate. The system does not allow converting that now paid QR to a free static code or redirecting it without payment. Many users report similar experiences online, including numerous Reddit comments. Keep the tone calm, factual, and non-accusatory. Do not include personal info or insults. Write in your own words.
Места куда стоит запостить отзыв:
- Google Maps (Bitly Office Google Maps)
- Trust Pilot
- G2
- Capterra
P.P.S. Есть кто-то из СМИ хочет изучить эту историю и написать подробнее - я буду рад ответить на вопросы и предоставить материалы.
P.P.P.S. Особенно иронично выглядит позиция “Head of Happiness” в подписи письма
#justice
Выходные не прошли зря.
В пьяном дурмане (это наркоз от попоболи) я продолжал разработку своего AI-трейдера, воспользовался вашими предложениями в телеграм (огромное спасибо за подсказку), и кое-что получилось:
Добавлены бусты LightGBM (LGBMRegressor) и CatBoost (CatBoostRegressor). Теперь обучаю три модельки, сравниваю результаты и выбираю лучшую.
Переписал по 500 раз все методы, включая обучение моделей, торговую стратегию и тесты.
И вот результат тестовой торговли модельки на исторических данных:
Начальный баланс: 1000 USDT
===== Отчёт по сделкам =====
Всего сделок: 66
Винрейт: 40.91%
Средний PnL: 44.82 USDT
Максимальная просадка: -35.63%
Финальный баланс: 3958.17 USDT
В общем, готов богатеть. И пусть только попробует не показать такой результат на реальном бабле!)))
Написал себе AI трейдер-бота для крипто-биржи OKX
В бой не пускал, пока играюсь с обучением ML-модели для предсказания направления цены, торговыми стратегиями, и тестирую на исторических данных. В общем, нашел игрушку на ближайшее время.
По технологиям ничего экстраординарного, всё скромненько:
Python — ну а что же еще?
pandas, numpy — для работы с данными и вычислениями.
scikit-learn и joblib — для обучения и сохранения ML-модели.
matplotlib — для построения графиков.
requests — для HTTP-запросов к OKX API.
Если будет что-то интересное на выходе, отпишусь тут и в телеграм-канале.
Где учиться бэкенду
Привет! Мы на Хабр Карьере собираем сотни онлайн-курсов в IT или digital на маркетплейсе курсов и каждую неделю делаем подборки обучений для тех, кто хочет учиться какой-то специализации с нуля или для тех, кто уже в профессии, но чувствует, что хочет прокачать навыки.
Собрали подборку для тех, кто хочет перейти в бэкенд. Вообще все курсы по специализации можно посмотреть здесь, а ниже оставляем ссылки по ключевым навыкам:
— Алгоритмы и структуры данных
Базовые концепции программирования: сортировки, графы, очереди, деревья, хэш-таблицы и др. Применяются для оптимизации решений и подготовки к собеседованиям.
— Git
Система контроля версий. Позволяет вести историю изменений, работать с ветками, мержить и откатывать изменения в коде.
— Python
Язык общего назначения, популярен в вебе, автоматизации, ML.
— FastAPI
Лёгкий и быстрый фреймворк для создания REST API с поддержкой async/await и автогенерацией схем.
— Django
Фреймворк для быстрой разработки web-приложений, включает ORM, авторизацию и админку из коробки.
— JavaScript / TypeScript
JavaScript — язык для веб-интерфейсов и серверной логики (через Node.js). TypeScript — его надстройка с типизацией, упрощающая масштабируемую разработку.
Java — строго типизированный язык. Spring — основной фреймворк для создания REST API, микросервисов и корпоративных приложений.
— Go
Компилируемый язык от Google с простым синтаксисом и встроенной поддержкой параллелизма. Используется в highload-системах, DevOps и backend-разработке.
— C#
Язык от Microsoft, используется с платформой .NET. Применяется в разработке desktop-, web-, enterprise- и игровых приложений.
— PHP
Скриптовый язык, ориентированный на веб. Часто используется с CMS (например, WordPress) и фреймворками (Laravel, Symfony).
— Ruby
Язык с лаконичным синтаксисом. Наиболее известен благодаря фреймворку Ruby on Rails, ориентированному на быструю разработку веб-приложений.
— SQL / PostgreSQL
SQL — язык запросов к реляционным БД. PostgreSQL — популярная СУБД, используется в веб-приложениях, аналитике, поддерживает расширения и транзакции.
— Docker
Инструмент для упаковки приложений в контейнеры. Обеспечивает воспроизводимую среду разработки и удобное развертывание.
Не забывайте, что сегодня, чтобы быть востребованным специалистом, важно прокачивать и софты — такие курсы на маркетплейсе тоже есть.
А чтобы вы могли проверить качество курсов, мы собираем отзывы от тех, кто уже прошел обучение — читайте и выбирайте лучшее для себя.
Когда тебя спрашивают про Питон, а ты только “Летающий цирк“ смотрел.
Всем добрый день! На днях позвонил товарищ и сказал, что проходит курс по Питону.
Сказал что понимает, что я пишу на 1С, но может ли он ко мне обращаться с вопросами. Хороший повод посмотреть что это за язык. Нужно какое-то ТЗ.
Пусть в SQL есть таблица «Prices» с двумя колонками. «Product», «Price». Требуется посчитать и вывести среднюю стоимость.
Средняя стоимость = Сумма/количество различных позиций.
Задача стоит. На чём её решать?
Есть компьютер с Windows 11.
В качестве движка БД думаю поставить SQLite. Так же нужно установить Python.
IDE наверное будет перебором, поэтому поставлю Sublime Text с каким-нибудь плагином. Так-с. Что я знаю о Python. Он полный по Тьюрингу. Блоки определяются отступами. Есть объекты…. Вроде всё.
Приступим. Что нам понадобится:
1. Установленная SQLite.
2. Созданная БД с нужными данными.
3. Объект «Подключение» в Python.
Так-с SQLite. На https://www.sqlite.org/download.html есть собранный для Windows. В принципе логично, но всё равно приятно… Ага, вот и первый нюанс. Есть DLL и есть tools.
Похоже придётся чутка почитать... Пишут ставить Tools “sqlite-tools-win-x64” (Если кто-не слушал, то настойчиво рекомендую послушать Tool – Vicarious).
Скачиваем — распаковываем, видим 4 exe файла.
Нам нужно:
1. Создать БД.
2. Создать таблицу.
3. Заполнить таблицу.
4. Написать запрос для получения данных таблицы.
4. Написать запрос для получения среднего.
Открываем документацию к SQLite. Приступим.
1. Создаём БД: C:\sqlite> .\sqlite3.exe average.sqlite;
2. Создаём таблицу с колонками нужных типов: create table prices(product text, price int);
3. Проверяем что таблица создалась: sqlite> .tables;
4. Заполняем строки:
insert into prices values('Bike',1);
insert into prices values('Car',2);
insert into prices values('Boat',3);5. Проверяем заполнение: select * from prices;
6. Пишем запрос средней цены: SELECT AVG(price) AS average_price FROM prices;
Получили 2.
Отлично! С этим разобрались.
Теперь нужно:
1. Установить python.
2. Разобраться объект какого класса следует использовать для подключения к SQLite.
3. Получить результат запроса.
4. Вывести результат запроса.
Смотрим.
1. Скачиваем learn_python.winget.
2. winget configure -f C:\Users\Имя пользователя\Downloads\learn_python.winget.
3. Пишем код в текстовом редакторе:
#https://docs.python.org/3/library/sqlite3.html
import sqlite3
conn = sqlite3.connect('C:\\sqlite\\average.sqlite')
cursor = conn.cursor()
cursor.execute('SELECT AVG(price) AS average_price FROM prices;')
result = cursor.fetchone()
if result and result[0] is not None:
print(f"Average Price is {result[0]:.2f}")
else:
print("No prices found.")
conn.close()
4. Сохраняем как print_average_price.py.
5. Запускаем: python3.13.exe .\print_average_price.py.
«Average Price is 2.00».
Отлично! Задача выполнена.
API Автотесты
Ситуация: два подхода к валидации API-ответов — я использую Pydantic, считая его удобным, многофункциональным, проще поддерживаемым и современным. Мой коллега предпочитает jsonschema, не видя причин для смены, считая что он может всё тоже самое. Противостояние на совместном проекте привело к разделению зон покрытия: я взял eshop, он — pim. Я неистово топлю за Pydantic но не могу убедить коллегу...
Не тратя время на исследования, ИИ выдал базу:
Удобство и поддержка — pydantic упрощает модели через аннотации, делая обновления быстрыми. jsonschema требует ручных генераций схем, что трудоемко.
Производительность — pydantic в 10 раз быстрее на больших данных благодаря Rust. jsonschema медленнее при вложенных структурах.
Гибкость — pydantic предлагает кастомные валидаторы и интеграцию с OpenAPI. jsonschema универсален для кросс-платформ, но кастомизация сложнее.
Интеграция с тестами — pydantic легко работает с PyTest и Allure. jsonschema требует настройки.
Обучение — pydantic имеет сильное сообщество (360 млн скачиваний) и документацию. jsonschema требует знания JSON-стандарта.
Вывод: Pydantic выигрывает в большинстве ситуаций, если не сказать что во всех.
Безусловно, брать ответ ИИ не рассмотрев его под лупой, на сегодняшний день, это глупо: он далеко не всегда учитывает контекст, реальный опыт и множество других факторов которые могут повлиять на правильное решение.
Очевидно что я не смогу убедить коллегу, и пока мы на низком старте, у меня не будет наглядных примеров по преимуществу. А когда они появятся будет уже слишком поздно - что в целом меня конечно не особо расстраивает.
А может я не прав?
Приглашаю к обсуждению:
Какой инструмент вы предпочитаете для валидации API в автотестах и почему?
Бывали ли случаи, когда смешивание Pydantic и jsonschema вызвало проблемы? Или наоборот, помогало?
Стоит ли разделять подходы в одном проекте, как это сделали мы?
Возможно я не так понял формат постов, т.к. ожидал тут увидеть возможность голосования как в статьях. Принять и простить)
Представлен обучающий курс по Python под названием Advanced Python Mastery от Дэвида Бизли, автора нескольких книг-бестселлеров по этому языку программирования и одного из главных знатоков Python. В базе курса представлены данные по работе на уровне процессора и компилятора до продвинутых концепций программирования на Python и самых актуальных фреймворков, а также десятки материалов с PyCon.
Ближайшие события
После 9 месяцев постоянного вайбкодинга могу сказать что это буллщит.
Ты хреново излагаешь мысли, так как не понимаешь нюансов - получаешь херовый сервис. Нет, код прекрасный, он логичен и эффективен. Просто ты сам виноват, ибо ты не умеешь не вносить каждым наивным проптом вида "fix it, accelerate endpoint" все больше интерференции и в конечном итоге все больше энтропии. Банально сервис дублирует твой неструктурированный и противоречивый поток мыслей и превращает его в странный конструкт.
Это ладно я еще +- айтишник, могу сказать что хей, тут ты зря кешируешь результат, избыточно, а тут вообще можно просто из бд вытянуть и не сверять каждый раз с ответом API. Что творится у людей без представления о комьютер саенс представить страшно представить.
Предлагаю термин вайбинжиниринг. И он работает только в сочетании с технофашизмом. Вайбинжиниринг требует чтобы ты четко проектировал, описывал правила работы и проверял что они не противоречат друг другу. Вайбинжиниринг требует с самого начала делать public/dev логирование, обмазываться линтерами, делать семантическую разметку, запускать перфоманс тесты, писать всегда с юнит тестами и покрывать тест сценарии, совершенно жуткого гайда по тому как описывать схему в openapi и ошибки. И кучи еще чего
И все это в связке надо пару раз проверять на семантическую энтерференцию и контекст юзейдж. Тогда да, будет прекрасный мир будущего.
P.S. Пост от балды от очередного условного вайбкодера ради интереса прикладной автоматизации на работе.
Ко мне в телеграм канал заглянул один из разработчиков Графини (убийцы Grafana), с пояснением, зачем они её родили, и что писали полностью с нуля.
Я верю.
Находки на рыбалке: FastStream! Сходили с автором половить рыбу и пожарить всякое вкусное на углях. И пока было время – говорили про программирование.
Для тех, кто еще не успел познакомиться с новинкой, рассказываю: FastStream – аналог FastAPI, но для работы с событиями в брокерах / очередях.
Пример:
from faststream import FastStream
from faststream.kafka import KafkaBroker
broker = KafkaBroker("localhost:9092")
app = FastStream(broker)
@publisher("another-topic")
@subscriber("first-topic")
async def handle(user: str) -> str:
return f"Hi, {user}!"Что делает данный код? Читает сообщения из first-topic, парсит из них поле user типа str, выполняет вашу логику обработки, отправляет новое сообщение в another-topic. Просто? Удобно? Да!
Что нам дает такой подход?
Декларативное описание, чего мы хотим. Не надо руками создавать коннекты и рулить потоком выполнения
AsyncAPI документацию (аналог OpenAPI в вебе)
Удобное тестирование
Кучу других плюшек!
Внутри видео обсудили:
Детали работы DI фастстрима
Встроенное Observability
Open Tracing
Сообщество фреймворка (тут не будет проблемы "одного автора", сообщество живет!)
Отличия от Celery: почему интструменты совсем разные?
Репозиторий: https://github.com/ag2ai/faststream
Документация: https://faststream.ag2.ai
Обсуждение: используется ли в ваших проектах асинхронная архитектура? Как вы работаете с событиями?
В PEP 798 предлагается расширить возможности коллекций (списки, словари, множества) и генераторов, разрешив операции распаковки (* и **) внутри выражения.
Способ позволит лаконично в одну строку объединять произвольное количество итерируемых объектов в одну коллекцию:
[*it for it in its] # список с объединением итерируемых элементов в 'its'
{*it for it in its} # множество с объединением итерируемых элементов в 'its'
{**d for d in dicts} # словарь с комбинацией словарей в 'dicts'
(*it for it in its) # генератор с объединением итерируемых элементов в 'its'В данный момент объединение списков мы осуществляем с помощью циклов:
# с помощью генератора
its = [[1, 2], [3, 4], [5]]
new_list = [x for it in its for x in it]
# с помощью метода extend
new_list = []
for it in its:
new_list.extend(it)
# для множеств и словарей с помощью метода update
new_set = set()
for it in its:
new_set.update(it)
new_dict = {}
for d in dicts:
new_dict.update(d)
# также возможно использовать генераторную функцию (yield)
def new_generator():
for it in its:
yield from itПредложение распространяется также на асинхронные выражения.
В данный момент предложение находится на стадии черновика.
Как создать мультиаккаунт-ферму для любых целей: от TikTok до Amazon
Мультиаккаунтинг — основа множества задач: от продвижения в соцсетях и тестирования антифрод-систем до арбитража трафика, отзывов, заказов и автоматизации серых схем. Эта статья — техническое руководство по созданию собственной мультиаккаунт-фермы.
1. Зачем нужна мультиаккаунт-ферма
Массовое создание и управление аккаунтами востребовано в:
TikTok / Instagram / YouTube (SMM, продвижение, фарм, масслайкинг)
Amazon / eBay / Etsy (отзывы, возвраты, seller support)
Tinder / Badoo / Facebook (фарм профилей, трафик, лидогенерация)
Финансовые сервисы (регистрация, чекапы, симуляция пользовательской активности)
2. Инфраструктура: из чего состоит ферма
Управляющий скрипт / панель
Язык: Python + SQLite / Redis
Задачи: управление профилями, логами, заданиями
Эмуляторы / браузеры
Android: MEmu, LDPlayer, Anbox (Linux)
Браузерные: Puppeteer, Playwright, Selenium, антидетект-браузеры (Dolphin{anty}, AdsPower, Incogniton)
Прокси-серверы
Mobile / Residential — лучшее для trust-оценки
Автоматическая ротация, логика GEO под задачу
Серверная часть
VPS / VDS с Linux или Windows
Docker-контейнеры под каждое окружение
Балансировка нагрузки
3. Создание аккаунтов: подходы
Ручной полуавтомат (через Android-эмулятор)
Эмуляция касаний (ADB, Auto.js)
Работа через антидетект-образы
Полностью автоматический (браузер + API)
Использование Playwright + обфускация fingerprint
Капча-решатели: 2Captcha, CapMonster, hCaptcha API
4. Управление и автоматизация
Отслеживание статуса аккаунта: валидация, блок, SMS
Система задания задач (task scheduler)
Импорт/экспорт сессий и cookies
Telegram-бот для уведомлений
5. Масштабирование
Запуск десятков сессий в docker-контейнерах
Использование headless-режима с обходом защиты
Съём логов и дебаг-интерфейсы
6. Безопасность и устойчивость
Разделение трафика по подпроектам
Автоматическое обновление fingerprint’ов
Логирование и автоотключение забаненных узлов
Мониторинг прокси и доступов
Пример архитектуры
[ Telegram Bot ] <- уведомления / команды
|
[ Flask API ] <-> [ SQLite / Redis ]
|
[ Управляющий скрипт ] -> [ Docker / Android VM ]
|
[ Браузер / Эмулятор ]
|
[ Прокси-сервер ]
Есть для альтернатива Delphi в 2025 году для простых кроссплатформенных приложений?
Навеяно обсуждением статьи про Дельфи в 2025.
Q1: Если сейчас есть задача по-быстрому сбацать что то с формами под винду - какая есть альтернатива дельфи?
Q2: А если так же быстро накидать, только кроссплатформенное приложение и без зависимостей?
И мой ответ
A: Не находишь, что 3000$ за кроссплатформенный дизайнер форм слишком дорого? Даже за хороший.
Собственно, порылся в памяти и в википедии, проверил что там еще живое и набросал списочек визуальных дизайнеров для Linux - приложеньиц. По названию язык программирования и фреймворк легко идентифицируется.
Все может использоваться бесплатно и без особых претензий на функциональность. Единственное, иногда бывает нужно еще нарисовать какой то чарт/график и загрузить/записать данные в БД/XML/JSON - с этим могут быть нюансы с конкретным вариантом.
С чем то я работал, с чем то нет, актуальные версии вживую не проверял.
GNOME Builder (ex.Anjuta). GTK multilang IDE
Cambalache (ex.Glade) - GTK form builder
Qt Creator
FLUID for FLTK
wxFormBuilder for wxWidgets
Projucer for JUCE
Ultimate++
NetBeans GUI design tool for Java Swing
TKproE (TCL/TK Programming Environment)
Lazarus
MSEide+MSEgui Pascal
GTK# Visual Designer MonoDevelop (retired)
Xamarin.Forms GTK Backend (discontinued for NET MAUI)
JavaFX Scene Builder
Pygubu Tkinter a GUI for Python
Может еще что и забыл, либо не попалось на глаза.
Для чего инженеру комьюнити, конференции и митапы?
Гость нового выпуска «AviTalk» — Евгений Афонасьев, тимлид разработки Antifraud. Женя рассказывает про истоки инженерной карьеры, первые вызовы и рост до позиции тимлида. Вместе с ведущей Стасей Кошман разбираемся:
как отличаются процессы найма в Авито для разработчиков и менеджеров?
что такое Antifraud и каковы его задачи?
как организована жизнь комьюнити и почему полезно ими заниматься?
что дают конференции и как попасть в программный комитет?
Подписывайтесь на канал AvitoTech в Telegram, там мы рассказываем больше о профессиональном опыте наших инженеров, проектах и работе в Авито, а также анонсируем митапы и статьи.