Компания объясняет, что публичного кода для обучения ИИ-моделей недостаточно: он не отражает «реальные сценарии разработки».

Поэтому JetBrains хочет собирать живые данные — фрагменты кода, текст запросов к ИИ, ответы, историю правок и даже использование терминала.

Зачем это нужно

По словам компании, именно такая информация позволяет улучшать модели и делать их ближе к потребностям профессиональных разработчиков.

Внутренние тесты уже показали пользу от такого подхода. Теперь JetBrains пытается масштабировать эксперимент на внешние команды.

Условия участия

Соглашение на передачу данных появится в версии IDE 2025.2.4, которая выйдет в ближайшие недели.

Для коммерческих пользователей настройка будет опцией, для организаций с централизованным управлением — выключена по умолчанию. Но для части некоммерческих пользователей обмен данными включат автоматически.

Опасения разработчиков

Главный риск — случайная утечка интеллектуальной собственности. Прецеденты уже были: в 2022 году ИИ воспроизвел чужой код, использованный при обучении.

Поэтому предложение вызвало неоднозначную реакцию. С одной стороны, бесплатные лицензии и доступ к AI Pro-подписке, с другой — возможность того, что приватный код станет частью обучающих выборок.

Контекст

JetBrains активно продвигает собственный AI-агент Junie, а также интегрирует сторонние решения, включая Claude 4.5 от Anthropic. Но пользователи жалуются на высокую стоимость новых тарифов.

Облачные инструменты кардинально изменили правила игры. GitHub Codespaces, AWS Cloud9 и другие платформы переносят ресурсоемкие задачи на удаленные серверы, превращая бюджетные ноутбуки в эффективные терминалы. Разделение среды разработки и выполнения становится новой нормой, а локальная мощность — больше не ключевой фактор.

Почему дорогой ноутбук — не обязательное условие

Современная разработка стремительно мигрирует в облака, кардинально меняя требования к локальному железу. Вот вам актуальное правило для прогера-новичка: лучше начать с того, что есть, чем ждать идеального компьютера.

Дешевый — не значит плохой и не годится для работы. Raspberry Pi 400 — наглядное доказательство: этот недорогой мини-компьютер с 4-ядерным ARM-процессором и 4 ГБ ОЗУ официально поддерживает Visual Studio Code, Docker и Python-среды.

Многие разработчики всё чаще сознательно выбирают 15-дюймовые ноутбуки бюджетного сегмента, жертвуя избыточной мощью ради мобильности. Вес современных моделей вроде Chuwi HeroBook Pro не превышает 1.2 кг — это позволяет часами работать в парке или коворкинге с комфортом.

Как ограничения становятся преимуществом

Работа на слабом железе — это тренировка инженерного мышления.

Когда каждый гигабайт ОЗУ на счету, вы автоматически учитесь:

• отключать фоновые сервисы вроде Telemetry в Windows;
• выбирать легкие инструменты — например, Vim вместо PyCharm;
• писать оптимизированный код, избегая утечек памяти.

Эти навыки остаются с вами даже после перехода на мощные устройства.

Облака как ускоритель

В 2025 году 70% задач новичка решаются через браузер:

• CodeSandbox заменяет локальный IDE для JavaScript/TypeScript;
• GitHub Codespaces компилирует код на удалённых серверах;
• AWS Cloud9 запускает Android Studio в облаке.

Разработчик может использовать ноутбук только для написания кода, а ресурсоёмкие операции передаются «на аутсорс».

Рабочие конфигурации 2025 года: от выживания к комфорту

Российский рынок предлагает проверенные варианты для разных задач. Эти три примера показывают, что переплачивать за железо при текущем уровне развития технологий вовсе не обязательно.

Стартовый уровень (25 000–35 000 ₽)

Chuwi HeroBook Pro за 25 000 ₽ — не игрушка. Его процессор Intel Gemini Lake N4020 и 8 ГБ ОЗУ справляются:

• с написанием скриптов на Python;
• версткой в VS Code;
• тестированием мобильных приложений через BrowserStack.

Секрет эффективности — предустановленный Linux Lite, потребляющий втрое меньше ресурсов, чем Windows 11. На таком ноутбуке можно легко собрать Telegram-бота с нейросетевым анализом текста, перенести тренировку моделей в Google Colab.

Оптимальный выбор (35 000–45 000 ₽)

Acer Aspire 5 за 40 000 ₽ — «рабочая лошадка» для FullStack-разработки. Его Intel Core i5-1335U и 8 ГБ ОЗУ позволяют:

• запускать 2-3 контейнера Docker одновременно;
• тестировать Spring Boot-приложения;
• работать с веб-пакетами Webpack/Vite.

Модель показывает 6.5 часов автономности при активной работе в VS Code — это даже больше, чем у HP 255 G10 в аналогичных условиях.

Потолок бюджета (45 000–55 000 ₽)

HP Pavilion 15 за 55 000 ₽ с Ryzen 5 7530U и 16 ГБ ОЗУ — выбор для коммерческой разработки. На этом устройстве комфортно:

• собирать микросервисы на.NET Core;
• деплоить приложения через Minikube;
• писать код в IntelliJ IDEA с плагинами.

Важно: модель поддерживает апгрейд ОЗУ до 32 ГБ — редкая возможность для бюджетного сегмента.

Бюджетный ноут — не помеха, а стиль жизни

Реальность современной разработки доказывает: тысячи специалистов, в том числе профессиональные прогеры, сознательно выбирают экономичные решения.

Это подтверждается ростом востребованности облачных инструментов, о которых мы уже писали выше:

• GitHub Codespaces активно набирает популярность: сервис упрощает онбординг разработчиков и поддерживает интеграцию с Copilot.
• CodeSandbox обрабатывает 1.2 млн проектов ежемесячно, многие из которых создаются на маломощных устройствах.
• AWS Cloud9 стал стандартом для мобильной разработки стартапов с распределёнными командами.

Для таких сценариев эксперты рекомендуют «гибридную стратегию»:

• локально: редактор кода, терминал, браузер с 2-3 вкладками;
• в облаке: сборка, базы данных, тестовые среды;
• на удалённых серверах: CI/CD, нейронные сети, тяжёлые вычисления.

Что установить для эффективной работы

Выбор операционной системы — первый шаг к оптимизации. Linux Lite/Xubuntu потребляют менее 500 МБ ОЗУ в простое, поддерживая VS Code и IntelliJ IDEA — идеально для Chuwi HeroBook Pro.

Для Windows-зависимых задач подойдет Windows 10 LTSC — лайт-версия без телеметрии. Избегайте Single Language редакций: они блокируют смену языка системы, что критично для документации.

Инструментарий требует осознанного выбора:

• Редакторы кода — VS Code с отключенными ненужными расширениями (GitLens, лишние линтеры) снижает потребление ОЗУ на 30%. Альтернатива — Sublime Text, запускающийся за 2 секунды даже на Intel Celeron.
• Облачные среды — CodeSandbox заменяет локальный IDE для JavaScript/TypeScript, предлагая полный функционал VS Code в браузере.
• Для Java-разработки — OpenJDK 21 с настройкой -Xmx512m ограничивает аппетиты JVM.
• Контейнеризация — Docker Desktop с флагом –memory=1g позволяет запускать PostgreSQL и Redis даже на 8 ГБ ОЗУ.

Пример рабочего стека для веб-разработки на слабом железе: Xubuntu 22.04 + SQLite (вместо MySQL) + Node.js/Express на бэкенде + React в CodeSandbox на фронтенде. Git для контроля версий, а сборку можно перенести на GitHub Actions.

Как выжать максимум из ограниченных ресурсов

Аппаратные улучшения — самый эффективный способ. Замена HDD на SSD ускоряет загрузку ОС в 5 раз (с 1:30 до 0:18 секунд). В 2025 году SSD на 256 ГБ стоит от 2000 руб. — лучшая инвестиция для бюджетных ноутбуков.

Если есть свободный слот, добавьте ОЗУ — это даст моментальный прирост производительности: модуль 8 ГБ DDR4 обойдётся примерно в 3000 руб. На некоторых моделях (например, Acer Aspire 5) возможен апгрейд до 32 ГБ.

Программные настройки не менее важны:

• в Windows отключите визуальные эффекты через «Лучшая производительность» в свойствах системы;
• в Linux используйте LXQt вместо ресурсоёмких GNOME/KDE;
• сократите автозагрузку: каждое фоновое приложение (особенно мессенджеры) «съедает» 100-300 МБ ОЗУ;
• управляйте пакетами через Chocolatey (Windows) или apt (Linux) — это экономит ресурсы;
• для браузеров: Firefox с uBlock Origin легче Chrome, а Vivaldi позволяет отключать вкладки в фоне.

Отключите анимации в VS Code и используйте тёмный режим: это снижает нагрузку на GPU на 10-15%. Кажется мелочью, но на интегрированной графике каждая мелочь важна.

Когда бюджетный ноут — не вариант

Бюджетные ноутбуки имеют технологические пределы, которые важно понимать. Компиляция ядра Linux — классический пример ресурсоёмкой задачи: процесс требует не только 50+ ГБ свободного SSD-пространства, но и минимум 8-ядерного процессора для приемлемой скорости.

Официальная документация ядра Linux прямо указывает: сборка занимает 30-90 минут даже на современных CPU, а на бюджетных Celeron это время увеличивается до 4-6 часов.

Машинное обучение — ещё один критичный сценарий. Тренировка даже простой CNN-модели на датасете MNIST длится 3-5 минут на GPU NVIDIA RTX 3060, но на интегрированной графике Intel UHD занимает 45+ минут. Для ImageNet датасета разница становится катастрофической: часы против недель.

Разработка игр на Unreal Engine 5 требует не только дискретной графики (минимум NVIDIA GTX 1060), но и 16+ ГБ ОЗУ. Epic Games прямо указывает в системных требованиях: работа с Lumen-освещением невозможна на интегрированных GPU.

Как распознать пределы железа

Три объективных индикатора покажут, что ноутбук исчерпал ресурсы:

• Постоянный swap (использование файла подкачки) — когда система тратит >20% времени на перемещение данных между RAM и SSD. Проверить можно через команду vmstat -w 1 в Linux или Resource Monitor в Windows.
• Троттлинг CPU — процессор снижает частоту из-за перегрева. Утилиты типа ThrottleStop покажут падение частоты >30% под нагрузкой.
• Фризы IDE — если VS Code/IntelliJ блокируются на 5+ секунд при автодополнении кода.

Альтернативы для ресурсоемких задач

Когда локальное железо не справляется, современные облака предлагают решения:

• Google Colab Pro — доступ к GPU Tesla T4 для ML-задач с поддержкой PyTorch/TensorFlow.
• GitHub Codespaces — виртуальные машины до 32 ядер для компиляции и тестирования.
• Shadow PC — облачные ПК с RTX 3080 для работы в Unreal Engine.

Важно: для Kubernetes-кластеров локальная виртуализация на 8 ГБ ОЗУ невозможна. Минимальные требования для Minikube — 4 ядра и 8 ГБ RAM только для одного узла. Но развёртывание в Yandex Cloud или AWS EKS решает проблему.

Практическое правило выбора

Сопоставляйте задачи с характеристиками:

• 8 ГБ ОЗУ + 4-ядерный CPU: веб-разработка, Python-скрипты, мобильные приложения;
• 16 ГБ ОЗУ + 6-ядерный CPU: Docker, Unity, лёгкая работа с данными;
• 32+ ГБ ОЗУ + 8 ядер + GPU: UE5, нейросети, компиляция С++ проектов.

Технически запустить Unreal Engine 5 на iGPU возможно, но такая задача будет слишком трудной.

Пошаговый старт для экономного кодера

Начинать программировать на бюджетном ноутбуке — как собирать пазл: важно правильно подобрать элементы.

Шаг 1. Аудит вашего железа

Откройте диспетчер задач (Ctrl+Shift+Esc) или htop в Linux и посмотрите:

• сколько ОЗУ свободно при запущенном браузере с 5 вкладками;
• насколько загружен процессор в простое;
• есть ли слоты для апгрейда — проверьте на сайте производителя или через Crucial System Scanner.

Пример: На ноутбуке с 4 ГБ ОЗУ и HDD можно комфортно работать в VS Code, если отключить все лишние процессы. Главное — убедиться, что система не использует файл подкачки постоянно.

Шаг 2. Выбор операционной системы: ваш фундамент

Здесь нет универсального решения, только осознанный выбор под задачи:

• Linux Mint Xfce — идеален для новичков: установка занимает 15 минут, потребляет 400 МБ ОЗУ, автоматически определяет драйверы. Поддерживает Python, C++, веб-разработку.
• Windows 10 LTSC — выбор .NET-разработчиков: версия без телеметрии и предустановленного мусора. Важно: избегайте Single Language редакций — они блокируют смену языка системы.
• ChromeOS Flex — экспериментальный вариант: если ноутбук старше 2010 года, эта облачная ОС превратит его в терминал для Codespaces.

Для первых 6 месяцев обучения хватит и Live USB с Linux — не нужно даже устанавливать систему.

Шаг 3. Облачные инструменты — ваша суперспособность

Перенесите ресурсоёмкие задачи в облако:

1. Frontend: CodeSandbox — полноценная среда для React/Vue в браузере. Запускает dev-сервер на своих мощностях, оставляет ноутбуку только редактирование кода.
2. Backend: GitPod — создаёт готовые среды для Node.js, Python, Java. Автоматически подключается к вашему GitHub-репозиторию.
3. Базы данных: ElephantSQL — бесплатный PostgreSQL-хостинг. Избегайте локальной установки СУБД на слабом железе.

Шаг 4. Апгрейд: максимум эффекта при минимуме затрат

Два изменения дают 80% прироста производительности:

• Установка SSD. Замена HDD ускоряет загрузку ОС с 1.5 минут до 15 секунд. Даже бюджетный Kingston A400 (256 ГБ за 2000 ₽) увеличит скорость работы IDE в 3 раза.
• Добавление ОЗУ. Если есть свободный слот, модуль 8 ГБ DDR4 (3000 ₽) решит проблемы с «тормозами». На YouTube есть гайды по замене для популярных моделей вроде Acer Aspire 3. Перед покупкой проверьте спецификации ноутбука на сайте производителя. Некоторые ультрабуки имеют впаянную память.

Шаг 5. Тонкая настройка IDE: искусство оптимизации

Современные редакторы — «монстры» производительности, но их можно укротить:

• VS Code. Отключите ненужные расширения через Ctrl+Shift+P > Extensions: Show Enabled Extensions, GitLens, Live Share и декораторы файлов съедают до 500 МБ ОЗУ.
• IntelliJ IDEA. В Help | Change Memory Settings установите 512 МБ для Xmx. Отключите плагины Inspection, UML Support и Coverage.
• Общее правило. Темный интерфейс снижает нагрузку на GPU интегрированной графики на 15% (тест Phoronix).

Отключив неиспользуемые плагины, можно существенно уменьшить потребление ОЗУ.

Начните сейчас: ваш первый код сегодня

Не ждите идеальных условий. Откройте в браузере:

• CodePen — для экспериментов с HTML/CSS/JS;
• Replit — для Python, Java, C++;
• GitHub.dev — легковесный редактор для работы с репозиториями.

Напишите console.log('Привет, мир!') — это займет 10 секунд на любом ноутбуке. Помните: Линус Торвальдс создавал ядро Linux на 386-м компьютере с 4 МБ ОЗУ. Ваше железо — не ограничение, а вызов для творчества!

В статье — 10 актуальных направлений, которые уже работают. Если у вас есть опыт в разработке, автоматизации или работе с данными, вы сможете найти здесь идеи, как использовать свои знания и монетизировать их с помощью ИИ.

Разработка персонализированных ИИ-ассистентов

Готовые нейросети умеют много, но работают стандартно. Бизнесу и частным пользователям нужны ИИ-помощники, которые решают проблемы быстрее, чем человек, и точнее, чем универсальные решения.

Для кого это актуально

• Частные специалисты. Врачи, юристы, бухгалтеры, маркетологи — все, кому нужен персональный помощник для работы с клиентами и документами.
• Бизнес. Компании хотят автоматизировать поддержку клиентов, ведение заказов, анализ рынка.
• Образовательные платформы. ИИ-ассистенты помогают отвечать на вопросы студентов, генерировать тесты, проверять задания.

Что можно делать

1. ИИ-секретарь. Принимает заявки, записывает клиентов, напоминает о встречах. Подойдет для стоматологий, салонов красоты, частных консультантов.
2. Финансовый помощник. Считает расходы, прогнозирует бюджет, напоминает о платежах. Полезен для ИП, фрилансеров и небольших компаний.
3. HR-бот. Проводит первичный отбор резюме, задает вопросы кандидатам, помогает составлять вакансии. Актуально для кадровых агентств и больших компаний.
4. Юридический помощник. Автоматически проверяет договоры, ищет ошибки, консультирует по типовым вопросам. Удобно для юристов и бухгалтеров.
5. AI для интернет-магазинов. Рекомендует товары, помогает выбрать размер, отвечает на вопросы клиентов.

Какие инструменты использовать

• GPT-4, YaLM 2 — для текстовых ассистентов. GPT-4 доступен через OpenAI API, YaLM 2 — российская разработка, можно скачать бесплатно.
• Rasa, BotPress — платформы для создания AI-чатботов. У Rasa есть open-source версия, BotPress прост в настройке.
• Speech-to-Text API от Google, Яндекс SpeechKit — если нужен голосовой помощник.
• LangChain — библиотека для сложных ИИ-ассистентов, которые работают с базами данных и API.

Как зарабатывать

1. Фриланс. Создавать AI-ассистентов под заказ через Kwork, Upwork, FL.ru.
2. Подписка. Разрабатывать SaaS-решения, где пользователи платят за доступ.
3. Готовые решения. Продавать ассистентов для популярных ниш (например, AI-бот для кафе).
4. Консалтинг. Настраивать AI для бизнеса, обучать сотрудников.

Создание ИИ-плагинов для популярных платформ

Люди работают в привычных инструментах. Разработчики пишут код в VS Code и PyCharm, дизайнеры — в Figma, контентщики — в Notion. Они не хотят менять свои приложения, но хотят больше удобства. Все, что помогает работать быстрее и качественнее. В коде, дизайне, контенте, аналитике. Например:

• Для разработчиков — автогенерация комментариев к коду, поиск ошибок, оптимизация функций.
• Для дизайнеров — генерация UI-компонентов, адаптация интерфейса под мобильные устройства.
• Для копирайтеров — улучшение текстов, анализ стиля, сокращение длинных фраз.
• Для маркетологов — анализ трендов, поиск лучших заголовков, генерация A/B-тестов.

Где размещать плагины

Каждая крупная платформа имеет свой маркетплейс. У Figma — Figma Community, у VS Code — Marketplace, у Notion — интеграции через API. Для российских пользователей доступны плагины в маркетах JetBrains и Tilda. Если продукт полезен, его заметят и начнут скачивать.

Как монетизировать

Есть три варианта. Можно сделать плагин бесплатным, но продавать PRO-функции. Можно продавать подписку, если у плагина есть постоянные пользователи. А можно зарабатывать на кастомных версиях, когда бизнесу нужен ИИ-инструмент под конкретные задачи.

Все дело в том, что люди готовы платить за удобство. Они уже привыкли к ИИ, но не хотят тратить время на сложные настройки. Поэтому если плагин реально экономит часы работы — его будут часто устанавливать и использовать, если более сложная разработка, а точнее решение проблемы — тогда дополнительно нужно будет подключить продвижение среди профессионального сообщества.

Консультирование бизнеса по внедрению ИИ-инструментов

Бизнес тоже хочет использовать ИИ-инструменты, но не всегда понимает как. Руководители слышали про ChatGPT, нейросети для генерации контента и автоматизацию процессов, но не знают, с чего начать. Это и создает спрос на ИИ-консультантов.

Компаниям не нужны сложные теории, им нужны конкретные решения. Например, в интернет-магазине можно внедрить чат-бота, который отвечает на вопросы клиентов и рекомендует товары. В логистике — ИИ, который прогнозирует задержки поставок. В HR — сервис, который анализирует резюме и находит лучших кандидатов. Но бизнесу нужен специалист, который расскажет, какие технологии выбрать, как их адаптировать и сколько это стоит.

Кто может зарабатывать на AI-консалтинге

Разработчики, аналитики, ИИ-специалисты. Главное — не просто разбираться в технологиях, а уметь объяснять их бизнесу. Если человек работал с нейросетями, настраивал ML-модели или интегрировал ИИ в проекты, он уже может предлагать услуги консультирования.

Как искать клиентов

Есть три варианта. Первый — через фриланс-биржи (Kwork, FL.ru). Второй — через личные связи и нетворкинг. Третий — через выступления и статьи. Если эксперт показывает, как ИИ решает бизнес-задачи, к нему приходят клиенты.

Форматы работы

Можно делать разовые консультации: разбирать задачи бизнеса и предлагать решения. Можно вести проект: помогать внедрять ИИ, настраивать инструменты, обучать сотрудников. Можно продавать готовые гайды и обучающие материалы для компаний.

Все дело в том, что бизнесу не нужны просто ИИ-модели. Им нужны работающие решения, которые экономят деньги и время. И если разработчик может объяснить, как это сделать, значит первый миллион не за горами.

Фриланс на кастомизации популярных нейросетей

Готовые нейросети работают хорошо, но не идеально. Компании хотят, чтобы ИИ понимал их задачи, работал точнее и выдавал лучшие результаты. Для этого нейросети кастомизируют: дообучают, настраивают под конкретные данные, добавляют нужные функции.

Что именно можно делать?

Если клиенту нужен ИИ для обработки юридических документов, обычный GPT-4 не подойдет. Он слишком общий. Но если загрузить в него базу данных по российскому законодательству и дообучить, он начнет давать точные ответы. Или, например, компания хочет, чтобы Stable Diffusion генерировала изображения в их фирменном стиле. Это тоже делается через дообучение.

Многие заказывают кастомизацию напрямую, если специалист показывает примеры работ в ТГ или на GitHub.

Дообучение можно делать через LoRA, Dreambooth (для изображений) или Fine-tuning API OpenAI (для текста). Например, в 2024 году российская компания «Самолет» использовала LoRA для дообучения модели Stable Diffusion XL. Задача была необычная — генерация реалистичных интерьеров квартир по фотографиям помещений с голыми стенами. Компания обучила нейросеть на мудборде фирменного стиля от дизайнеров, после чего последняя начала создавать качественные и детализированные изображения в нужной стилистике. Результат — свыше 15 000 генераций с высоким качеством за несколько месяцев. Среднее время на создание одного изображения — около минуты.

Если работать с открытыми моделями, подойдут Hugging Face, TensorFlow, PyTorch. Также часто используют DeepPavlov и SpeechKit от Яндекса.

ИИ и обработка данных: сервисы и микрозадачи

Данные есть везде. Компании собирают их тоннами, но не знают, что с ними делать. ИИ помогает сортировать, анализировать и превращать их в полезные решения. И здесь разработчики могут зарабатывать, создавая сервисы или выполняя микрозадачи.

Пример. У интернет-магазинов есть отзывы клиентов, но в сыром виде они бесполезны. ИИ-сервис может анализировать тональность, находить жалобы и предлагать улучшения. Или у компании есть база с тысячами заявок, но их надо разбирать вручную. ИИ может автоматически классифицировать их по темам и срочности.

Если говорить о реальных инструментах, то вот что доступно в России:

• Yandex DataSphere — облачная платформа для анализа данных, которая работает даже без мощного сервера.
• SberCloud ML Space — среда для работы с моделями, подходит для обработки больших массивов.
• Toloka, Kaggle, HFLabs — площадки, где можно находить небольшие задачи по обработке данных и зарабатывать на их решении.

Микрозадачи подходят тем, кто хочет попробовать ИИ на практике, но не готов делать сложные проекты. Компании выкладывают заказы на разметку данных, проверку моделей, улучшение работы алгоритмов. Это может быть что-то простое — например, оценить, правильно ли ИИ распознал текст, или классифицировать изображения.

Разработка ИИ-инструментов для генерации контента

Контент нужен всем. Бизнесу — для рекламы, блогерам — для постов, компаниям — для сайтов. ИИ научился писать тексты, создавать изображения и даже генерировать видео. Значит, можно зарабатывать на инструментах, которые помогают пользователям делать это проще и быстрее.

Что можно разрабатывать

— ИИ-копирайтеры. Люди хотят тексты, но не все умеют писать. ИИ может создавать статьи, объявления, описания товаров. Но универсальные решения вроде ChatGPT часто дают скучные или шаблонные тексты. Поэтому востребованы узкоспециализированные инструменты. Например, генератор объявлений для интернет-магазинов, помощник для создания постов в соцсетях или ИИ-редактор, который чистит текст и делает его понятнее.

— Генераторы изображений. Stable Diffusion и Kandinsky умеют рисовать, но не все пользователи могут ими пользоваться. У кого-то нет мощного компьютера, кто-то не понимает, как писать промты. Решение — сервис, который генерирует картинки по понятным настройкам. Например, инструмент для создания обложек книг, логотипов или картинок в стиле акварели.

— ИИ для видео. Видео — самый сложный контент, но именно его сейчас массово автоматизируют. Можно сделать инструмент, который превращает текст в видео. Или сервис, который создает анимации по фотографиям. Еще один вариант — автоматический монтаж для TikTok и YouTube Shorts. Это уже работает в CapCut, но нишевых решений пока мало.

Как продавать

Если инструмент решает конкретную задачу, можно продавать подписку или лицензии. Например, сервис для генерации статей может работать по модели Freemium — часть функций бесплатна, но за расширенные возможности нужно платить.

Другой вариант — интеграция с существующими платформами. Например, добавить ИИ-генерацию изображений в маркетплейсы, чтобы продавцы могли делать красивые карточки товаров. Или встроить инструмент в CMS, чтобы владельцы сайтов генерировали тексты прямо в админке.

Заработок на открытых ИИ-моделях

ИИ-модели — инструмент, который можно дорабатывать и продавать. Разработчики не обязаны строить нейросеть с нуля, если есть открытые решения, которые можно адаптировать под нужды клиентов.

Что можно делать?

— Дообучать существующие модели для конкретных задач. Например, взять текстовую модель (YaLM, YandexGPT), загрузить в нее данные из банковского сектора и получить ИИ-консультанта для клиентов. Компании готовы платить за такие точные модели, потому что стандартные решения не всегда подходят под их специфику.

— Создавать удобные сервисы на базе моделей. Разработчику не обязательно продавать саму нейросеть — можно сделать веб-приложение, чат-бот или плагин, который использует ее возможности. Например, сервис для генерации юридических документов, инструмент для проверки SEO-текстов или нейросеть, которая находит ошибки в коде.

— Продавать доступ к мощностям для работы с моделями. Многие хотят использовать ИИ, но не имеют ресурсов. Если у вас есть сервер с видеокартами, можно сдавать его в аренду через облачные платформы, например, через Yandex DataSphere или SberCloud ML Space.

— Продавать доработанные модели на маркетплейсах. Если модель улучшена и решает конкретные задачи, ее можно разместить на Hugging Face, AI Hub, Replicate. Компании и частные пользователи готовы платить за доступ к таким моделям.

Можно работать напрямую с бизнесом, создавая кастомизированные модели. Или выкладывать доработанные решения на маркетплейсы, где их будут использовать за подписку или разовые платежи. Хороший вариант — продвигать свои разработки через ТГ-каналы, GitHub и тематические форумы.

Разработка ИИ-решений для EdTech

Законодательство по ИИ в образовании в России только формируется. Есть требования к хранению персональных данных на российских серверах, но использование генеративных нейросетей официально не запрещается. С 2025 года вводится ГОСТ на использование нейросетей в учебных публикациях.

Разработка образовательных ИИ-продуктов начинается с Python. Для машинного обучения чаще выбирают TensorFlow, PyTorch и scikit-learn. Также используются NLP-библиотеки и модели от Hugging Face, например, GPT или BERT. Для анализа изображений и рукописного текста используют OpenCV и OCR-технологии.

Популярные решения

1. Персонализация обучения — ИИ подстраивает задания под уровень ученика.
2. Автоматическая проверка — оценка тестов, эссе, программного кода.
3. Генерация контента — тестов, конспектов, видео, анимаций.
4. ИИ-наставники и чат-боты — круглосуточные помощники для студентов.
5. Прогнозирование успеваемости — анализ данных и раннее выявление проблем.

Те, кто создают удобные инструменты, получают продукт, за который готовы платить.

В EdTech чаще всего зарабатывают по модели freemium. Это значит, что основные функции бесплатные, а за расширенные — пользователи платят. Так работают российские платформы Stepik и Учи.ру.

Другой вариант — продавать лицензии школам и университетам. Например, школа или вуз покупает доступ ко всей платформе сразу, а студенты получают ее бесплатно.

Очень популярный формат маркетплейсов, когда платформа соединяет авторов курсов и учеников, забирая процент от продаж. Пример — Udemy.

Российские компании (Skyeng, Puzzle English) часто комбинируют несколько моделей сразу. Они продают подписки, предлагают бесплатный доступ с рекламой и отдельно монетизируют корпоративных клиентов.

Разработка нейросетевых ботов для мессенджеров и соцсетей

Кроме очевидного клиентского сервиса, нейроботы нужны для внутренней работы компаний. Допустим, сотрудник хочет оформить отпуск. Вместо заполнения формы он пишет чат-боту. Тот распознает текст запроса, проверяет даты по корпоративному календарю и отправляет заявку начальнику. Сотрудник экономит время, а HR не завален бумагами.

Самым простым способом подключения нейросетей к мессенджерам остаются специальные платформы и библиотеки. Например, для ТГ подходит библиотека aiogram, для VK есть официальное API и готовые SDK. Есть универсальные решения — Dialogflow и Rasa, которые можно подключать сразу к нескольким мессенджерам одновременно.

Нужно учитывать технические и правовые моменты. Например, все персональные данные, которые собирает и обрабатывает бот, должны храниться на серверах в России. Это требование закона о персональных данных (152-ФЗ). Если бот записывает голосовые сообщения пользователей, нужно предупредить их об этом и получить согласие на обработку.

Популярные задачи:

• Автоматизация клиентского сервиса в соцсетях (прием заказов, консультации).
• HR-помощники (отвечают на типовые вопросы сотрудников).
• Информационные и новостные боты (генерируют персонализированные подборки новостей и статей на основе предпочтений пользователя).
• Боты для образовательных и корпоративных целей (отвечают на частые вопросы, проверяют знания сотрудников и учеников).

Зарабатывать на нейросетевых ботах можно по-разному:

• Создание бота под заказ конкретной компании с оплатой за разработку и ежемесячную поддержку.
• Разработка готового продукта, который компания приобретает по лицензии с ежемесячной платой за доступ.
• Подписная модель для небольших бизнесов, когда бот размещается на сервере разработчика, а компании платят ежемесячно за его использование.

Бизнесу и пользователям нужен удобный сервис, который решает задачи прямо в любимом мессенджере. Чем проще и понятнее он работает, тем больше за него платят.

Создание собственных ИИ-курсов и менторство

Сейчас рынок образования в ИИ переполнен общей теорией. Людям не хватает конкретики, практических заданий и личного подхода. Поэтому специалисты начинают зарабатывать не только на разработке ИИ, но и на обучении других.

Форматы обучения

Можно делать записанные курсы с видеоуроками, разбирать задачи в закрытых ТГ-группах, проводить живые воркшопы или консультировать индивидуально. В каждом формате важно давать ученикам не только информацию, но и практику: реальные кейсы, проверку заданий, разбор ошибок.

Как выбрать тему

Самый выгодный вариант — узкоспециализированные направления. Например, внедрение ИИ в бизнес-процессы, автоматизация работы с данными, настройка нейросетей для определенных задач. Компании и специалисты ищут не общие знания, а конкретные решения, которые можно сразу применить в работе.

Как монетизировать обучение

Можно продавать доступ к курсам по подписке или разово, делать бесплатную базу и платные продвинутые модули. Персональное менторство ценится выше, потому что дает быстрые и точные ответы на вопросы учеников. Популярный вариант — запуск курса с ограниченным набором учеников и дополнительной возможностью индивидуального сопровождения.

Главное — качественный контент. Нужно записать видеоуроки, подготовить задания, создать удобную платформу для обучения. Если нет желания разрабатывать сайт с нуля, подойдут готовые платформы. Давайте ученикам реальную пользу и готовые решения, которые можно сразу применять. Тогда обучение станет стабильным источником дохода.

Сегодня будем искать все простые числа до миллиарда с помощью кода на Python и C++. Если вы думаете, что результат совсем очевиден, то это не так.

Напоминание: простые числа — те, которые имеют два различных делителя. Простыми словами, они делятся только сами на себя и на единицу. Например: 2, 3, 5, 7 и так далее.

Для начала: быстро окунемся в математику

Есть несколько алгоритмов, которые помогут найти все простые числа до N. Это материал для отдельной статьи, поэтому пробежимся по основным.

Решето Эратосфена

Один из самых древних и известных алгоритмов, чтобы найти простые числа до N. Плюс он понятный, не занимает слишком много памяти (если речь не идет об очень больших N). Работает так:

1. Создается список чисел от 2 до N.
2. Все кратные числа кратные 2 (4, 6, 8, ...) помечаются как составные.
3. Переходим к 3 и вычеркиваем все числа, кратные ему.
4. То же самое повторяем со всеми числами из списка до N
5. Так до тех пор, пока не проверятся все числа до N.

Решето Сундарама

Этот алгоритм работает немного по другой логике:

1. Создается список чисел от 1 до (N-1)/2.
2. Исключаются числа типа i + j + 2ij, где i и j — натуральные числа, и i <= j.
3. Оставшиеся числа умножаются на 2 и увеличиваются на 1 — так получаем простые числа.

Этот алгоритм занимает меньше памяти, чем решето Эратосфена, поскольку работает только с половиной диапазона. Но при этом он сложнее в плане понимания и реализации.

Решето Аткина

Это уже современный алгоритм (появился в начале 21 веке). Он использует более сложные математические концепции и работает так:

1. Создается список чисел от 1 до N.
2. Используются квадратичные формы, чтобы предварительно отсеять составные числа.
3. Затем составные числа просеиваются финально для полного исключения.

Решето Аткина более эффективно, когда речь идет об огромных числах, по сравнению с первыми двумя алгоритмами. Оно тоже не простое в реализации, плюс может быть медленнее при работе с небольшим N.

Это три основных алгоритма для поиска простых чисел до N. Сейчас существуют различные оптимизации этих методов, например, колесная факторизация (оптимизированный алгоритм Эратосфена).

Ищем простые числа до миллиарда на Python и C++

Python — не самый быстрый язык для таких операций. Если не использовать библиотеки, то программа выдает ограничение и не может завершиться. Например, вот код на чистом Питоне с алгоритмом Эратосфена:

PyCharm с ограничением 1 000 000 000 не завершает программу. Если же поставить лимит = 100 000 000, то получим такой результат (почти 8 секунд!):

Теперь попробуем проделать то же самое с библиотекой numpy, которая как раз подходит для работы с большими числами:

Результат будет таким:

Давайте попробуем сделать то же самое на С++:

Эта программа будет выполняться больше минуты:

Чтобы оптимизировать программу, можно использовать сегментированное решето Эратосфена:

Время выполнения уменьшилось на 20 секунд:

Итоги

В нашей задачке numpy действительно может оказаться быстрее, чем обычная реализация на C++. На то есть несколько причин:

1. Если в NumPy используется эффективный векторизованный алгоритм — в нашем случае решето Эратосфена, — преимущества SIMD-операций (одновременное выполнение одной операции над множеством данных) могут сильно ускорить вычисления.
2. Неоптимизированная реализация решета на C++ с обычными циклами может быть медленнее оптимизированной векторизованной реализации в NumPy.
3. NumPy использует внутренне оптимизированные C/C++ библиотеки, в которых есть куча оптимизаций для работы с массивами.

Но эффективно оптимизированный код на C++ (например, с использованием SIMD-инструкций, оптимизации кэш-памяти, параллелизма) почти всегда будет быстрее любой реализации на Python/numpy. Правда, такой код будет занимать сотни строк.

Производительность зависит от конкретных алгоритмов, поэтому так себе метод на C++ проиграет хорошему на numpy. Во многих задачах по работе с большими данными плюсы будут более быстрыми, но для типичного пользования numpy — отличная альтернатива.

Теперь разработчики могут использовать возможности ChatGPT прямо в своих средах разработки.

Какие IDE поддерживаются?

Обновление охватывает следующие инструменты:

• Visual Studio Code и форки: поддержка включает помощь с генерацией кода, рефакторингом и разъяснениями сложных частей проекта.
• JetBrains IDE: поддержка распространяется на такие популярные IDE, как IntelliJ IDEA, PyCharm, GoLand и другие. Она расширяет возможности разработчиков, работающих с различными языками программирования.
• Xcode: интеграция позволяет iOS-разработчикам использовать ChatGPT для ускорения процесса написания кода и тестирования.

Возможности интеграции

Обновление добавляет несколько полезных функций:

• Подсказки и генерация кода: ChatGPT помогает автоматически генерировать шаблоны, подсказки и готовые решения.
• Рефакторинг и улучшение кода: возможность улучшать читаемость и оптимизировать структуру кода.
• Обучение и документация: AI может объяснять сложные части кода и предлагать альтернативные подходы.

Зачем это нужно?

Свежая возможность позволяет разработчикам экономить время и концентрироваться на решении ключевых задач, вместо того чтобы тратить его на поиски решений.

Это также удобно для обучения, особенно для тех, кто только начинает работать с новыми технологиями.

Доступность

Обновление уже доступно для пользователей macOS.

Чтобы воспользоваться интеграцией, достаточно обновить приложение ChatGPT и настроить плагин для вашей IDE. Инструкции по установке доступны на сайте OpenAI.

Реакция сообщества

Разработчики уже отмечают значительное повышение продуктивности благодаря прямой интеграции ChatGPT с инструментами разработки. Ожидается, что в будущем OpenAI расширит список поддерживаемых платформ, включая Windows и Linux.

Эта проблема затронула все IDE, работающие на платформе IntelliJ с версией 2023.1 и выше, где активирован и настроен плагин GitHub от JetBrains.

История проблемы

29 мая 2024 года была получена информация о потенциальной уязвимости, касающейся обработки pull request в средах разработки JetBrains.

Оказалось, что вредоносный контент в pull request мог привести к утечке токенов через IDE, обрабатывающие эти запросы. Уязвимость получила идентификатор CVE-2024-37051.

Реакция и исправление

JetBrains оперативно отреагировала на проблему и выпустила апдейт для всех затронутых продуктов. Были выпущены следующие версии, содержащие исправление:

• IntelliJ IDEA: 2023.1.7, 2023.2.7, 2023.3.7, 2024.1.3, 2024.2 EAP3
• PyCharm: 2023.1.6, 2023.2.7, 2023.3.6, 2024.1.3, 2024.2 EAP2
  
• WebStorm: 2023.1.6, 2023.2.7, 2023.3.7, 2024.1.4
  
• И прочие версии для соответствующих IDE
  

JetBrains также удалила ранее уязвимые версии плагина GitHub из своего маркетплейса и выпустила обновленный вариант с исправлениями.

Пользователям настоятельно рекомендуется как можно скорее обновить свои IDE до последних версий.

Рекомендации для пользователей

Для защиты своих данных, пользователи также должны отозвать все токены доступа, которые использовались плагином. Речь идет как об OAuth-токенах, так и персональных токенах доступа (PAT). Вот что нужно сделать:

• В настройках OAuth отозвать доступ для JetBrains IDE Integration.
• В настройках персональных токенов доступа удалить токены, выданные для плагина.
  

После отзыва токенов потребуется заново настроить плагин, так как его функции (включая операции с Git) перестанут работать.

CI/CD-инструменты

CI/CD-инструменты позволят автоматизировать сборку исходного кода и процессы поставки. Разработчики теперь могут воспользоваться уже написанными скриптами сборки, в один клик перенося свои проекты с Git-репозиториев. Технология оповещения о новых событиях на сервере (вебхуки) позволяет реализовать еще больше сценариев автоматизации. По событиям в GitVerse можно вызвать через API сторонние сервисы. Например, при определенных событиях в репозитории можно запустить сторонний сборочный конвейер или отправить уведомление в мессенджер.

Новые функции персонального AI-ассистента разработчика GigaCode

Теперь AI-ассистент поможет разработчику решать задачи, связанные с кодом, в окне чата непосредственно в среде разработки. Сервис чата также доступен и в GitVerse, где при просмотре репозитория можно получить объяснение, что делает та или иная часть кода, а также советы по его улучшению. Список языков программирования, которые поддерживает GigaCode, пополнил Ruby, а также стала доступна генерация текстовых данных в формате JSON. На сегодняшний день AI-ассистент поддерживает уже более 15 популярных языков программирования и устанавливается как плагин в привычные среды разработки, включая IDEA, PyCharm, VSCode, Jupyter.

Функциональность для организаций

Теперь разработка на GitVerse доступна не только индивидуальным разработчикам, но и малым и средним предприятиям. Компании могут организовать совместную работу команды и управлять доступами к своим репозиториям.

При разработке новой функциональности мы учитываем пожелания пользователей, добавляем необходимые инструменты, чтобы они могли вести разработку еще проще и быстрее. С каждым релизом платформа будет становиться все более удобной и пополняться новыми популярными репозиториями, open source-версиями продуктов и инструментами для эффективной разработки. Будущее разработки мы видим в создании удобной среды по принципу единого окна, в которой все члены команды могут работать на своем этапе производственного процесса, заказывать облачную инфраструктуру и общаться. На всех этапах разработки партнерскую роль будет занимать AI: помогать писать код, советовать, как сконфигурировать стенд, готовить документацию, подсказывать шаги по CI/CD-конвейеру

Также на мероприятии представили дорожную карту развития платформы, согласно которой в этом году появится еще больше полезной функциональности для разработчиков:

• новые инструменты для управления проектами, позволяющие удобно организовывать рабочие процессы;
• интегрированная среда разработки позволит разворачивать полностью настроенные инструменты разработки в облаке. Функциональность будет доступна прямо из браузера: разработчик сможет легко и быстро открыть любой репозиторий GitVerse в среде разработки;
• новые функции GigaCode: генерация тестов, автоматическое создание документации и умный рефакторинг. Число языков, которые поддерживает GigaCode, пополнят PHP, HTML, CSS, Markdown и Rust;
• инструменты для безопасной разработки (оркестрация CI/CD, статический анализатор, управление секретами и безопасность зависимостей);
• удобный и безопасный вход через популярные сервисы идентификации личности, а также мобильная версия платформы.

Реклама Реклама АО “Сбертех” ИНН 7736632467, LjN8KXJG3

Вот, о чём идёт речь в видео:

1. Visual Studio Code – легковесный и универсальный редактор кода, легко настраивается, поддерживает множество языков программирования и интегрируется с Git.
2. PyCharm – специализированная IDE для Python с богатым набором функций, включая интеллектуальное автодополнение кода, инструменты рефакторинга и интерактивный отладчик.
3. PyCharm предлагает более продвинутую систему автодополнения кода по сравнению с VS Code, включая рекомендации по импорту и установке пакетов.
4. PyCharm обеспечивает лучший опыт рефакторинга, чем VS Code, предлагая широкий спектр инструментов для рефакторинга.
5. Оба инструмента имеют встроенный отладчик, но PyCharm предлагает более продвинутые функции отладки, включая отладку кода на удаленном сервере.
6. Visual Studio Code быстр и легок, но имеет ограниченные возможности рефакторинга и отладки, для Python-специфичных функций требуются дополнительные расширения.
7. PyCharm, хотя и предназначен специально для Python, требует больше ресурсов, может быть медленнее в загрузке и навигации, и имеет более крутую кривую обучения для новичков.
8. Выбор между Visual Studio Code и PyCharm зависит от личных предпочтений и требований разработчика.

Ниже — транскрибированный перевод ролика на русском языке.

Сегодня мы поговорим об одном из самых популярных редакторов кода, Visual Studio Code, и одной из самых популярных сред разработки для программирования на Python, PyCharm. Мы сравним оба инструмента и обсудим их плюсы и минусы.

Давайте приступим. И Visual Studio Code, и PyCharm широко используются в сообществе разработчиков Python. Однако у каждого из них есть свой набор функций и преимуществ.

Простота настроек

Давайте начнем с VS Code. Это легкий и универсальный редактор кода, который легко настраивается и настраивается. Он поддерживает несколько языков программирования и интегрируется настолько плавно с Git и другими инструментами разработки

С другой стороны, PyCharm – это все в одной среде разработки, специально разработанной для программирования на Python. Он предлагает богатый набор функций, таких как интеллектуальное завершение кода, инструменты рефакторинга и интерактивный отладчик.

Инструменты автозаполнения кода

Теперь давайте сравним оба инструмента с точки зрения их основных функций. И VS Code, и PyCharm предлагают функции автозавершения кода, которые предлагают фрагменты кода и автозаполнение текста во время набора.

Однако у PyCharm более сложная система автозавершения кода, которая может определять отсутствующие операторы импорта и рекомендовать дополнительные пакеты для установки. PyCharm предоставляет более удобный опыт рефакторинга, чем VS Code.

Рефакторинг

Он предлагает ряд инструментов рефакторинга, таких как переименование, извлечение метода и встраивание переменной. VS Code, с другой стороны, имеет ограниченные возможности рефакторинга. И у VS Code, и у PyCharm есть встроенный отладчик, который позволяет вам шагать по вашему коду и идентифицировать ошибки.

Однако у PyCharm есть более продвинутые функции отладки, которые позволяют отлаживать код, выполняющийся на удаленном сервере. Таким образом, как вы можете видеть, у обоих инструментов есть свои уникальные функции и возможности. Выбор между VS Code и PyCharm действительно зависит от ваших собственных предпочтений и требований.

Краткие плюсы и минусы

Вот краткое изложение плюсов и минусов каждого инструмента.

VS Code легкий и быстрый, легко настраивается и используется, поддерживает несколько языков программирования и интегрируется с Git и другими инструментами разработки.

В качестве недостатков можно отметить ограниченные возможности рефакторинга, менее продвинутые инструменты отладки по сравнению с PyCharm, а также необходимость установки дополнительных расширений для функций, специфичных для Python.

PyCharm, с другой стороны, разработан специально для программирования на Python. У него есть богатый набор функций, включая продвинутые инструменты рефакторинга и отладки, поддерживает несколько фреймворков Python, и доступна бесплатная и открытая версия для сообщества.

С другой стороны, он требует больше ресурсов, чем VS Code, может быть медленнее при загрузке и навигации, и имеет более крутой кривой обучения для начинающих.

Таким образом, Visual Studio Code – это легкий и универсальный редактор кода, который легко настраивается и настраивается. PyCharm, с другой стороны, – это все в одной среде разработки, специально разработанной для программирования на Python, с продвинутыми функциями, такими как интеллектуальное завершение кода и интерактивный отладчик.

Какой редактор кода или среду разработки вы предпочитаете?

Если вы только начали программировать, и не знаете, как выбрать IDE под себя, прочитайте мою статью «IDE с хорошим UI / UX».

Моя задача – не только обозреть самые крутые по мнению ChatGPT темы, но и помочь с их установкой и научить выбирать. Я покажу, какие характеристики, кроме цветовой палитры, выделяют у каждого дизайна, и, надеюсь, это поможет вам лучше понять свои потребности.

Где брать

JetBrains Marketplace

Естественно, в маркетплейсе JetBrains – создателя PyCharm, можно найти множество решений. На мой взгляд, выбор стал столь огромен, что доплачивать бессмысленно. Сообщество прекрасно закрывает потребность в режиме open source.

GitHub

Просто используйте поиск GitHub и введите PyCharm theme.

Топ-4 крутейших тем

Darcula Darker

Это не опечатка. Действительно принято некоторые тёмные темы называть «даркулой» (от слова dark – «темный»).

Ссылка на тему

Некоторые любят поконтрастнее, потому среди тёмных тем выделяют отдельную подгруппу – Pitch Black («черный как смоль»). Добавляя эту фразу к названию любой популярной темы, вы получите её ультраконтрастную темнейшую версию:

One Dark

Однажды побывав в Atom, вы, возможно, как и я когда-то, оцените удачное графическое решение. То ли цветовая гамма успокаивающая, то ли палитра подобрана со знанием психологии, но именно «атомный» UI неизменно радует глаз и даже немного успокаивает.

Ссылка на тему

Material Theme UI

Ссылка на тему

О Material Design многие из нас узнают в первый же год обучения, даже не на курсе дизайна. Это графический стиль, созданный компанией Google, который включает в себя не только тему IDE, но и набор правил для построения любых интерфейсов. Пускай в рейтинге эта тема не самая впечатляющая, но она точно самая продуманная.

Когда вы в разгаре разработки не потратите время на кастомную прорисовку контрастности, скажем, комментария или другого объекта в коде, то произойдет это благодаря концепции Material и сотням часов, вложенным в ее развитие.

Solarized

Ссылка на тему

С английского это слово переводится как «загоревший». Почему типовая тема с таким названием в, как правило, бирюзовом цвете – неизвестно. В этот набор входят и светлое, и тёмное решения. (Никогда не была приверженцем этого окраса, а вы?) Любители бирюзового, отпишитесь в комментариях, что вас привлекает в этой теме.

Помимо вышеперечисленных, есть несколько устоявшихся цветовых паттернов, и они кочуют из маркетплейса в маркетплейс:

• Светлые темы (Powershell), признаные преступлением против человечества. Шучу .

• Фиолетовый фон (Synthwave).
• Темно-синий фон (Night Owl).
• Серый фон (Nord).
• Высококонтрастные (Hyper Term).
• В особую группу можно выделить тему Monokai и её производные.

Как устанавливать

При изучении One Dark оказалось, что она универсальна, то есть подходит сразу нескольким IDE, среди которых Android Studio, GoLand, WebStorm.

Теперь, чтобы установить тему:

• Узнаю дату выпуска текущей версии своего PyCharm – 7 мая 2019 года

• Выбираю в списке версий ту, что создана раньше, чем выпущен «мой» релиз 2019.1.2 и скачиваю её.
• Перехожу в настройки PyCharm, в раздел Plugins и жму шестеренку в правом верхнем углу экрана:

• Выбираю Install plugin from disk («Установить плагин с диска») и выбираю в загрузках архив.zip с темой.
• Перезагружаю IDE и снова иду в настройки, на сей раз в раздел Appearance & Behavior / Appearance.
• Выбираю One Dark в раскрывающемся списке тем, жму Apply и вуаля! «Атомная» тема встала на PyCharm:

Заключение

Теперь вы знаете немного больше о вселенной тем для IDE. Отдельно хочу отметить, что на ниве бэкенда рано или поздно вам станет всё равно, какая стоит тема, хоть vim. Страсть к решению всяческих задач и головоломок натренирует ваш мозг так, что мелочи вроде цветовой гаммы перестанут отвлекать и не будут особо снижать производительность в условиях среднего адекватного качества графики. Но проявить индивидуальность и сверстать свою тему – шаг, который делали многие из нас, что-то вроде обряда посвящения.

Какие у вас есть любимые темы? Поделитесь в комментариях.

Вот несколько хороших интегрированных сред разработки для программирования на Python. Сразу отмечу, что в дебаггинге (моя личная боль на старте освоения Python) ни одна из программ особого преимущества не имеет, привыкать придется везде.

1. PyCharm

В каждом из коротких скринкастов вы можете увидеть, (1) как запускается отладчик, (2) как выбрать тему в настройках, (3) как установить плагин.

Это IDE от JetBrains, разработанная для Python. PyCharm имеет огромное количество функций: интеллектуальное автодополнение кода, поддержка рефакторинга, отладка, интеграция с системами контроля версий и множество других фичей, которые делают его отличным инструментом для Python-разработки. PyCharm также поддерживает веб-разработку с Django.

На мой взгляд, это решение больше всего подойдет новичкам: здесь без командной строки можно и библиотеку установить, и скрипт запустить, и в git-систему запушить кнопками.

2. Visual Studio Code

Легкая, но мощная IDE от Microsoft. Считаю ее универсальной и наиболее оптимальной для разработчиков уровня Middle и выше. Отлично подходит для работы с Python благодаря легендарным расширениям:

Обожаю Visual Studio Code за систему обработки текста: так удобно с регулярными выражениями не было, пожалуй, нигде. Очистка от HTML-разметки, удаление метаданных, формирование SQL-инъекций силами регулярок – уже и не сосчитать, сколько десятков часов я на этом сэкономила.

Плюсом для меня стала возможность настраивать любую функцию среды под свои потребности с помощью JSON-конфигураций: включение / отключение автодетекции задач по слову TODO, звуковые подсказки и перенос строк по умолчанию.

В видеоуроке ниже Suboptimal Engineer разбирает, как кастомизировать свой VSCode с помощью файла settings.json. Там и про внешний вид проводника, и про сам редактор кода, и про настройки терминала:

К примеру, если вы не хотите активировать виртуальную среду во всех новых окнах терминала, зайдите в настройки и наберите в поисковой строке python.terminal.activateEnvironment. В выскочившем чекбоксе галочку снимите:

3. Spyder

Это открытая IDE, созданная для научного программирования. Spyder имеет встроенную поддержку Jupyter Notebook, визуализацию данных с Matplotlib и интеграцию с множеством других популярных научных библиотек.

Если верить лендингу, IDE подходит для исследовательских проектов, не требующих множества дополнений под питонические фреймворки и библиотеки. Если вы студент и изучаете вычислительную статистику, пилить свою курсовую по, скажем, очищению данных от шума, лучше всего здесь.

Поскольку привычная схема расположения функциональных зон у Spyder другая, то это немного смущает на первых порах. Однако располагать результат верстки в правом верхнем углу принято во многих онлайн-средах (как правило, дизайнерских), так что и к этому вы быстро адаптируетесь.

4. Atom

Atom – открытый текстовый редактор от GitHub, который можно превратить в  полноценную IDE с помощью пакетов. Например, atom-python-run для выполнения программ и autocomplete-python для автодополнения. Процесс их установки аналогичен VSCode:

• откройте командную панель
• наберите Settings View: Install Packages and Themes
• наберите название интересующего дополнения

Или воспользуйтесь командной строкой:

Atom часто используют в обучающих видео для знакомства с языком, поскольку он минималистичен и весит немного.

Отдельное спасибо создателям за продуманную цветовую гамму: любому разработчику, имеющему хоть какой-то опыт дизайна, несочетаемые цвета “режут глаз”. UI у Atom самый приятный из всех, на мой взгляд.

К сожалению, создатели решили закрыть проект, и теперь можно скачать только Legacy-версию IDE. К примеру, на macOS Ventura 13 совместимости с Atom v.1.60.0 нет.

5. Colab

Способности этого моего любимца ставлю превыше безукоризненного UI. Эта IDE “хромает” по многим UI-пунктам: нет смены шрифтов, нет красивых тем (только светлая и темная), под каждый чих, вроде переноса строк вывода, нужно дописывать дополнительный код. Однако выделенные ресурсы прославили Google Colaboratory, и за облачными мощностями, возможностью запуска кода в браузере и упрощенной системой шеринга (а-ля Google Документы) люди потянулись сразу — и в больших количествах. Около 80% моих преподавателей в GeekBrains использовали этот сервис для демонстрации кода и отправки ноутбуков в формате .ipynb студентам.

Пока команда разработки Colab раздумывает, а не сделать ли IDE восхитительно красивой, эта среда попросту минималистична, что само по себе тоже хорошо. Ничто не отвлекает от важного.

Заключение

Поскольку вышеперечисленные среды в большинстве своем достигли состояния cutting edge (“на острие технологии, флагманы направления”), то выбор между ними – дело вкуса и индивидуальных обстоятельств, таких как крутость железа и стремление к кислотным цветовым гаммам. В моей практике надежно осели:

• VSCode
• Colab
• PyCharm

В целом, желание играться с разными интерфейсами – тоже временное явление на пути обучающегося питониста. В какой-то момент вы приступите к созданию кода и осознаете, что “нарастили достаточно мышечной массы”, чтобы без потерь времени работать с любой IDE.

Отмечая десятилетие, мы хотим поблагодарить всех Python-разработчиков и пользователей PyCharm. Мы прошли этот путь вместе с вами, и нам интересны ваши достижения. Мы ищем cамые инновационные проекты, созданные с помощью PyCharm за последние 10 лет. Расскажите нам о таких проектах и примите участие в выборе победителей.

Для того, чтобы проект принял участие в конкурсе, его нужно номинировать в специальном треде в Twitter до 20 ноября 2020 года. В дальнейшем компания создаст шорт-лист из претендентов, за которых уже будут голосовать сами пользователи. Десять самых топовых проекта (по количеству голосов) получат титул PyCharm Project of the Decade, а их авторам достанутся памятные толстовки от JetBrains.

Что нового в PyCharm?

Теперь в среду разработки полностью интегрированы окружения Pipenv. Это упрощает управление зависимостями в проекте. Окружения работают как с файлами pipfile, так и с проектами, загруженными из GitHub:

В PyCharm 2018.2 усовершенствованы возможности pytest, который теперь поддерживает инспекции и заполнение кода в тестах над большим набором объектов. Кроме того, в Pro-версии IDE появилась поддержка pytest-bdd для работы с методикой разработки через поведение (BDD):

Редизайну подвергся инструмент «быстрой документации». По словам разработчиков, теперь он выглядит лучше и удобнее в использовании. Кроме того, в редакторе reStructuredText появился предварительный просмотр документов:

Также усовершенствована работа с отладчиком и переменными, улучшена поддержка систем контроля версий и веб-технологий. Подробнее с этими и другими изменениями и обновлениями можно ознакомиться на сайте разработчика.

Предыдущее мажорное обновление IDE PyCharm принесло улучшения для исследователей данных, частичные git-коммиты и поддержку стандарта Python 3.7.

Писать на Python, используя IDLE или Python Shell, вполне удобно, если речь идёт о простых вещах, однако с ростом размеров проектов программирование превращается в мучение. С помощью IDE или даже хорошего редактора кода можно значительно упростить себе жизнь. Но вот вопрос — что выбрать?

В этой статье мы пройдёмся по основным инструментам, позволяющим писать на Python. Мы не выберем за вас лучший вариант, но рассмотрим «за» и «против» каждого и поможем сделать взвешенное решение.

1. Что такое IDE и редактор кода?
2. Требования к хорошей среде разработки
3. Редакторы и IDE с поддержкой Python
4. Редакторы и среды разработки, написанные на Python
5. Так какую Python IDE выбрать?

Что такое IDE и редактор кода?

IDE (или интегрированная среда разработки) — это программа, предназначенная для разработки программного обеспечения. Как следует из названия, IDE объединяет несколько инструментов, специально предназначенных для разработки. Эти инструменты обычно включают редактор, предназначенный для работы с кодом (например, подсветка синтаксиса и автодополнение); инструменты сборки, выполнения и отладки; и определённую форму системы управления версиями.

Большинство IDE поддерживают множество языков программирования и имеют много функций, из-за чего могут быть большими, занимать много времени для загрузки и установки и требуют глубоких знаний для правильного использования.

С другой стороны, есть редакторы кода, которые представляют собой текстовый редактор с подсветкой синтаксиса и возможностями форматирования кода. Большинство хороших редакторов кода могут выполнять код и использовать отладчик, а лучшие даже могут взаимодействовать с системами управления версиями. По сравнению с IDE, хороший редактор кода, как правило, легковесней и быстрее, но зачастую ценой меньшей функциональности.

Требования к хорошей среде разработки

Итак, что нам нужно от среды разработки? Набор функций разных сред может отличаться, но есть набор базовых вещей, упрощающих программирование:

1. Сохранение файлов. Если IDE или редактор не дают вам возможности сохранить работу и позже всё открыть в том же состоянии, в котором оно было во время закрытия, то не такая уж это и IDE.
2. Запуск кода из среды. То же самое, если вам нужно выйти из среды для запуска кода, то это не более, чем простой текстовый редактор.
3. Поддержка отладки. Возможность пошагово выполнить код является базовой функцией всех IDE и большинства хороших редакторов кода.
4. Подсветка синтаксиса. Возможность быстро найти ключевые слова, переменные и прочее делает чтение и понимание кода на порядок проще.
5. Автоматическое форматирование кода. Любой редактор или IDE, который действительно таковым является, распознает двоеточие после while или for выражения и автоматически сделает отступ на следующей строке.

Разумеется, есть множество других функций, от которых вы бы не отказались, но приведённые выше — основные функции, которыми должна обладать хорошая среда разработки.

А теперь давайте взглянем на некоторые инструменты общего назначения, которые можно использовать для разработки на Python.

Редакторы и IDE с поддержкой Python

Eclipse + PyDev

Тип: IDE
Сайт: www.eclipse.org
PyDev: www.pydev.org

Если вы близки с open-source сообществом, то вы наверняка слышали об Eclipse. Будучи доступным для Linux, Windows и OS X, Eclipse де-факто является open-source IDE для разработки на Java. Существует множество расширений и аддонов, которые делают Eclipse полезным для разного рода задач.

Одним из таких расширений является PyDev, предоставляющий интерактивную консоль Python и возможности для отладки и автодополнения кода. Установить его просто: запустите Eclipse, выберите Help → Eclipse Marketplace, затем найдите PyDev. Нажмите «Install» и при необходимости перезапустите Eclipse.

Преимущества: если у вас уже был установлен Eclipse, то установка PyDev пройдёт быстро и гладко. У опытного пользователя Eclipse не возникнет проблем с изучением этого расширения.

Недостатки: если вы только начинаете изучать Python или разработку в целом, Eclipse может стать непосильной ношей. Помните, мы говорили, что IDE большие и требуют больше опыта для полноценного использования? Всё это можно сказать об Eclipse.

Sublime Text

Тип: редактор кода
Сайт: http://www.sublimetext.com

Sublime Text, написанный инженером из Google с мечтой о лучшем текстовом редакторе, является весьма популярным редактором кода. Доступный на всех платформах, Sublime Text имеет встроенную поддержку редактирования Python-кода, а также богатый набор расширений, называемых пакетами, которые расширяют возможности синтаксиса и редактирования.

Установить дополнительный Python-пакет может быть непросто — все пакеты Sublime Text написаны на Python, поэтому для установки пакетов сообщества зачастую может потребоваться выполнить Python-скрипт непосредственно в редакторе.

Преимущества:у Sublime Text большое количество поклонников. Как редактор кода, Sublime Text быстрый, лёгкий и имеет хорошую поддержку.

Недостатки: Sublime Text не является бесплатным, хотя вы можете использовать пробный период сколько угодно. Установка расширений может превратиться в тот ещё квест. Кроме того, в редакторе нет поддержки отладки и запуска кода.

Atom

Тип: редактор кода
Сайт: https://atom.io/

Доступный на всех платформах Atom называют «хакабельным текстовым редактором 21 века». Atom написан с использованием Electron — фреймворка для создания кроссплатформенных приложений для десктопа средствами JavaScript, HTML и CSS — и имеет множество расширений. Поддержку Python можно также подключить с помощью расширения, которое можно установить прямо в Atom.

Преимущества: поддержка на всех платформах благодаря Electron. Atom лёгкий и быстро скачивается и загружается.

Недостатки: поддержка сборки и отладки не встроенная, а добавляется с помощью расширений. Поскольку Atom написан с помощью Electron, он всегда работает как JavaScript-процесс, а не как нативное приложение.

GNU Emacs

Тип: редактор кода
Сайт: https://www.gnu.org/software/emacs/

Задолго до войны iPhone с Android, до войны Linux с Windows, даже до войны PC с Mac была война редакторов с GNU Emacs в качестве одного из участников военных действий. Описываемый как «расширяемый, настраиваемый, самодокументированный текстовый редактор», GNU Emacs существует почти столь же долго, сколько и UNIX, и успел завоевать немало поклонников.

Доступный бесплатно на каждой платформе (в той или иной форме) GNU Emacs использует язык Lisp для кастомизации. Само собой, для Python тоже найдутся скрипты кастомизации.

Преимущества: вы знакомы с Emacs, вы используете Emacs, вы любите Emacs. Lisp — ваш второй язык, и вы знаете, что с ним вы способны на всё.

Недостатки: кастомизация подразумевает написание (или копипасту) Lisp-кода в различные скрипты. Если таковых не имеется, то вам, возможно, придётся изучить Lisp, чтобы со всем разобраться.

Vi / Vim

Тип: редактор кода
Сайт: https://www.vim.org/

По другую сторону баррикад в войне редакторов находится VI/VIM. Доступный по умолчанию на почти каждой UNIX-системе и Mac OS X, VI завоевал не меньшее количество поклонников. VI и VIM — модальные редакторы, которые отделяют просмотр файла от его редактирования. VIM включает в себя всё, что есть в VI, плюс некоторые усовершенствования вроде доступности расширений. Для разного рода Python-задач можно воспользоваться VIMScripts.

Преимущества: вы знакомы с VI, вы используете VI, вы любите VI. VIMScripts вас не пугают, и вы знаете, как подчинить их своей воле.

Недостатки: как и в случае с Emacs, вам не очень удобно искать или писать скрипты для добавления возможности разработки под Python, и вы не имеете ни малейшего понятия, как вообще должен работать модальный редактор.

Visual Studio

Тип: IDE
Сайт: https://www.visualstudio.com/vs/
Python-расширение: Python Tools for Visual Studio, aka PTVS

Visual Studio — полнофункциональная IDE от Microsoft, которая во многом сопоставима с Eclipse. Доступная на Windows и Mac OS, Visual Studio представлена как в бесплатном (Community), так и в платном (Professional и Enterprise) вариантах. Visual Studio позволяет разрабатывать приложения для разных платформ и предоставляет свой собственный набор расширений.

Python Tools for Visual Studio (PTVS) позволяет писать на Python в Visual Studio и включает в себя Intellisense для Python, отладку и другие инструменты.

Преимущества: как и в случае с Eclipse, если у вас уже установлена Visual Studio для других задач, установка PTVS пройдёт без проблем.

Недостатки: как и в случае с Eclipse, Visual Studio будет многовато, если вам нужен только Python. Кроме того, если вы пользуетесь Linux, то вы в пролёте — Visual Studio для этой платформы нет.

Visual Studio Code

Тип: редактор кода
Сайт: https://code.visualstudio.com/
Python tools: https://marketplace.visualstudio.com/items?itemName=ms-python.python

Visual Studio Code (не путать с Visual Studio) — полнофункциональный редактор кода, доступный на Windows, Linux и Mac OS X. VS Code является расширяемым open-source редактором, который можно настроить под любую задачу. Как и Atom, VS Code построен на Electron, поэтому у него есть те же преимущества и недостатки.

Добавить поддержку Python в VS Code проще простого — выполните поиск по запросу «Python» в Marketplace, нажмите «Install» и перезапустите редактор, если потребуется. VS Code автоматически определит интерпретатор Python и установленные библиотеки.

Преимущества: благодаря Electron, VS Code доступен на всех платформах с удивительно большой функциональностью. Кроме того, исходники можно найти в открытом доступе.

Недостатки: раз замешан Electron, значит VS Code не нативное приложение. Кроме того, некоторым людям религия не позволяет пользоваться продуктами Microsoft.

Редакторы и среды разработки, написанные на Python

PyCharm

Тип: IDE
Сайт: https://www.jetbrains.com/pycharm/

Одной из лучших полнофункциональных IDE, предназначенных именно для Python, является PyCharm. Существует как бесплатный open-source (Community), так и платный (Professional) варианты IDE. PyCharm доступен на Windows, Mac OS X и Linux.

PyCharm «из коробки» поддерживает разработку на Python напрямую — откройте новый файл и начинайте писать код. Вы можете запускать и отлаживать код прямо из PyCharm. Кроме того, в IDE есть поддержка проектов и системы управления версиями.

Преимущества: это среда разработки для Python с поддержкой всего и вся и хорошим коммьюнити. В ней «из коробки» можно редактировать, запускать и отлаживать Python-код.

Недостатки: PyCharm может медленно загружаться, а настройки по умолчанию, возможно, придётся подкорректировать для существующих проектов.

Spyder

Тип: IDE
Сайт: https://github.com/spyder-ide/spyder

Spyder — open-source IDE для Python, оптимизированная для data science. Spyder идёт в комплекте с менеджером пакетов Anaconda, поэтому вполне возможно, что он у вас уже установлен.

Что в Spyder интересно, так это то, что его целевой аудиторией являются data scientist'ы, использующие Python. Например, Spyder хорошо взаимодействует с такими библиотеками для data science, как SciPy, NumPy и Matplotlib.

Spyder обладает той функциональностью, которую вы можете ожидать от стандартной IDE, вроде редактора кода с подсветкой синтаксиса, автодополнения кода и даже встроенного обозревателя документации.

Отличительной особенностью Spyder является наличие проводника переменных. Он позволяет просмотреть значения переменных в форме таблицы прямо внутри IDE. Также хорошо работает интеграция с IPython/Jupyter.

Про Spyder можно сказать, что он более «приземлённый», чем другие IDE. Его можно рассматривать как инструмент для определённой цели, а не как основную среду разработки. Что в нём хорошо, так это, что он бесплатный, open-source и доступный на Windows, macOS и Linux.

Преимущества: вы data scientist, который пользуется Anaconda.

Недостатки: более опытные разработчики на Python могут найти Spyder недостаточно функциональным для повседневной работы и сделают свой выбор в пользу более функциональной IDE или редактора.

Thonny

Тип: IDE
Сайт: http://thonny.org/

Thonny называют IDE для новичков. Написанный и поддерживаемый Институтом информатики Тартуского университета в Эстонии, Thonny доступен на всех основных платформах.

По умолчанию Tonny устанавливается с версией Python, идущей в комплекте, поэтому вам  не понадобится устанавливать ещё что-нибудь. Продвинутым пользователям, возможно, придётся изменить эту настройку, чтобы IDE нашла и использовала уже установленные библиотеки.

Преимущества: вы начинающий Python-программист и вам нужна IDE, с которой можно сразу идти в бой.

Недостатки: продвинутым пользователям будет недостаточно функциональности, а встроенный интерпретатор они заменят. Кроме  того, учитывая новизну IDE, могут возникнуть проблемы, решения которых на данный момент нет.

Так какую Python IDE выбрать?

Решать только вам, но вот пара рекомендаций:

• Начинающим питонистам следует взять что-то с наименьшими возможностями кастомизации. Чем меньше препятствий, тем лучше;
• Если вы уже пользуетесь каким-нибудь редактором для других задач, то посмотрите в сторону редакторов кода;
• Ну а если у вас уже стоит IDE для другого языка, то попробуйте добавить в неё поддержку Python.

Часто задаваемые вопросы

Какая IDE лучше всего подходит для начинающих Python-разработчиков?

Для новичков лучше всего подойдут Thonny или VS Code. Thonny специально создан для обучения и поставляется со встроенным интерпретатором Python, так что не придётся ничего настраивать. VS Code — бесплатный, лёгкий и имеет огромное сообщество с обучающими материалами.

В чём разница между IDE и редактором кода для Python?

IDE (например, PyCharm) — это полноценная среда разработки с встроенной отладкой, рефакторингом, системой управления проектами и поддержкой VCS. Редактор кода (например, VS Code или Sublime Text) легче и быстрее, но требует установки дополнительных расширений для тех же функций.

Можно ли использовать VS Code вместо PyCharm для Python?

Да. С расширением Python от Microsoft VS Code получает подсветку синтаксиса, автодополнение, отладку и линтинг. Для большинства задач VS Code будет достаточно. PyCharm предпочтительнее для крупных проектов с Django, Flask или сложным рефакторингом.

Какую IDE выбрать для data science и машинного обучения на Python?

Для data science оптимален Spyder — он интегрирован с Anaconda и поддерживает проводник переменных, IPython и Jupyter. Также подойдёт VS Code с расширениями для Jupyter Notebooks или PyCharm Professional с поддержкой научных библиотек.

Смотрите также подборку материалов по Python для начинающих. Интересуетесь ещё и вебом? Тогда загляните в нашу аналогичную подборку IDE для веб-разработки.

Полезный инструмент

MicroPython — относительно новый член семейства интерпретаторов «змеиного» языка. Это ответвление Python 3.5, спроектированное специально для микроконтроллеров. Инструмент пришел на замену привычным Си и Ассемблеру и позволяет программировать встраиваемые устройства почти на стандартном «питоне». С его помощью можно даже создать собственный девайс для Интернета вещей.

Плагин поддерживается всеми версиями PyCharm. Вскоре разработчики обещают также сделать его совместимым с IntelliJ IDEA. Исходный код новинки и инструкцию по установке и использованию можно найти в документации на GitHub.

По своей сути, PyCharm Edu является образовательной версией среды разработки для Python, которая включает в себя возможность создавать интерактивные курсы. Она также подойдёт тем, кто только начинает изучать язык программирования, благодаря встроенному вводному курсу «Introduction to Python».

Новые функции PyCharm Edu 2017.3

Расширенная интеграция с платформой Stepik

Платформа Stepik предоставляет онлайн-курсы от ведущих компаний и вузов РФ. На ней можно найти множество открытых и свободных для изучения курсов. Теперь все они доступны напрямую из PyCharm Edu. Для получения доступа к онлайн-курсам необходимо заранее зарегистрироваться на платформе Stepik, а уже затем залогиниться непосредственно в PyCharm Edu.

Весь прогресс будет автоматически синхронизироваться с личным кабинетом в Stepik. Также сохраняются все файлы, которые были созданы во время изучения курса. Это означает, что в случае проблем с жёстким диском, можно с лёгкостью восстановить утерянные рабочие файлы. Ко всему прочему, есть возможность прямого добавления интересных курсов платформы Stepik по нажатию на кнопку импорта курсов:

Каждый курс сопровождается определённым набором тегов, благодаря которым можно отфильтровать все доступные курсы по их значению. Например, тег «Featured» выдаёт следующий результат:

Либо просто начните набирать название тега в строке поиска:

Новый UI для преподавателей

Переработано окно создания нового курса. Путь, по которому хранится курс, и интерпретатор Python теперь расположены в дополнительных настройках:

Теперь можно устанавливать пакеты, необходимые для курса, например, пакет numpy. Для этого перейдите в раздел Preferences ⇒ Project: Python Course ⇒ Project Interpreter, щелкните на значок + и установите нужный пакет:

Если существует необходимость установки пакетов PyPI в окружении Conda, нажмите кнопку Conda для переключения между режимами Conda и PyPI:

Чтобы убедиться, что все пакеты и библиотеки, необходимые для курса, установлены на компьютере ученика, укажите все зависимости в файле requirements.txt:

Когда ученик откроет выбранный курс на своей рабочей машине, PyCharm Edu создаст отдельную виртуальную среду на основе интерпретатора Python по умолчанию и предложит установить все необходимые зависимости:

Если в курсе используется Conda, необходимо предупредить об этом ученика. Это можно сделать в разделе дополнительных настроек:

Установка

PyCharm Edu 2017.3 доступна для скачивания на официальной странице продукта.

Что нового?

• Улучшена производительность (по сравнению с предыдущей версией):скорость индексирования в Python увеличена вдвое;скорость индексирования в JavaScript до 40% выше;установка удаленных интерпретаторов через SSH до 100 раз быстрее.
• Упрощены создание и выбор интерпретаторов Python (PyCharm 2017.3 умеет запоминать пользовательские предпочтения по размещению файлов проекта).
• Добавлен новый режим «scientific mode», предоставляющий все необходимые инструменты для анализа данных.
• Специально для разработчиков, занимающихся (REST) API, полностью переработан HTTP-клиент. Теперь можно писать запросы в файле .http и запускать их прямо из редактора кода.
• Реализована полная поддержка готовящегося к выходу Django 2.0.
• Появилась поддержка запуска модулей Python (python -m ).
• Добавлена поддержка конфигурационных файлов SSH.

Замечание Режим «scientific mode», функции для веб-разработки, поддержка SSH и Django доступны только в PyCharm Professional Edition.

Полный список изменений доступен на официальной странице обновления или в традиционном кратком видео-обзоре: