Talk Python to Me: #263 SEO for developers
https://talkpython.fm/episodes/show/263/seo-for-developers
Audio
https://talkpython.fm/episodes/show/263/seo-for-developers
Audio
Интерактивные эксперименты с машинным обучением (на TensorFlow)
https://habr.com/ru/post/500788/?utm_campaign=500788&utm_source=habrahabr&utm_medium=rss
Я создал новый проект Интерактивные эксперименты с машинным обучением (https://github.com/trekhleb/machine-learning-experiments) на GitHub. Каждый эксперимент состоит из Jupyter/Colab ноутбука, показывающего как модель тренировалась, и Демо странички, показывающей модель в действии прямо в вашем браузере.
Несмотря на то, что машинные модели в репозитории могут быть немного "туповатенькими" (помните, это всего-лишь эксперименты, а не вылизанный код, готовый к "заливке на продакшн" и дальнейшему управлению новыми Tesla)
https://habr.com/ru/post/500788/?utm_campaign=500788&utm_source=habrahabr&utm_medium=rss
Я создал новый проект Интерактивные эксперименты с машинным обучением (https://github.com/trekhleb/machine-learning-experiments) на GitHub. Каждый эксперимент состоит из Jupyter/Colab ноутбука, показывающего как модель тренировалась, и Демо странички, показывающей модель в действии прямо в вашем браузере.
Несмотря на то, что машинные модели в репозитории могут быть немного "туповатенькими" (помните, это всего-лишь эксперименты, а не вылизанный код, готовый к "заливке на продакшн" и дальнейшему управлению новыми Tesla)
DjangoChat - Django Security - Markus Holtermann
https://djangochat.com/episodes/django-security-markus-holtermann-PT9XBies
Audio
https://djangochat.com/episodes/django-security-markus-holtermann-PT9XBies
Audio
Князь сказал или где была война. Мой опыт исследования «Войны и мир»
https://habr.com/ru/post/500584/?utm_campaign=500584&utm_source=habrahabr&utm_medium=rss
Роман-эпопею Льва Николаевича Толстого «Война и мир» (https://ru.wikipedia.org/wiki/%D0%92%D0%BE%D0%B9%D0%BD%D0%B0_%D0%B8_%D0%BC%D0%B8%D1%80) я так и не прочитал до сих — в школе было не интересно из-за «словоблудия» автора, а с возрастом как-то нет времени взяться за такой объемный труд.
Однако решил, что изучить стоит…
https://habr.com/ru/post/500584/?utm_campaign=500584&utm_source=habrahabr&utm_medium=rss
Роман-эпопею Льва Николаевича Толстого «Война и мир» (https://ru.wikipedia.org/wiki/%D0%92%D0%BE%D0%B9%D0%BD%D0%B0_%D0%B8_%D0%BC%D0%B8%D1%80) я так и не прочитал до сих — в школе было не интересно из-за «словоблудия» автора, а с возрастом как-то нет времени взяться за такой объемный труд.
Однако решил, что изучить стоит…
Материальный Python. Что нового в библиотеке KivyMD
https://habr.com/ru/post/500968/?utm_campaign=500968&utm_source=habrahabr&utm_medium=rss
Не так давно уже писали о Python в Mobile development (https://habr.com/ru/post/479126/) и разработке мобильных приложений на Python с помощью библиотек Kivy и KivyMD (https://habr.com/ru/post/480018/). Эта статья продолжит знакомить вас с кроссплатформенными Python инструментами, а конкретно сегодня мы рассмотрим новинки, которые появились в библиотеке KivyMD за последнее время.
https://habr.com/ru/post/500968/?utm_campaign=500968&utm_source=habrahabr&utm_medium=rss
Не так давно уже писали о Python в Mobile development (https://habr.com/ru/post/479126/) и разработке мобильных приложений на Python с помощью библиотек Kivy и KivyMD (https://habr.com/ru/post/480018/). Эта статья продолжит знакомить вас с кроссплатформенными Python инструментами, а конкретно сегодня мы рассмотрим новинки, которые появились в библиотеке KivyMD за последнее время.
Учимся делать анимированные графики из данных
https://towardsdatascience.com/learn-how-to-create-animated-graphs-in-python-fce780421afe
https://towardsdatascience.com/learn-how-to-create-animated-graphs-in-python-fce780421afe
Python: Работа с базой данных, часть 2/2: Используем ORM
https://habr.com/ru/post/322086/?utm_campaign=322086&utm_source=habrahabr&utm_medium=rss
Это вторая часть моей статьи по работе с базой данных в Python. В первой части мы рассмотрели основные принципы коммуникации с SQL базой данных, а в этой познакомимся с инструментарием, позволяющим облегчить нам это взаимодействие и сократить количество нашего кода в типовых задачах.
Статья ориентирована в первую очередь на начинающих, она не претендует на исчерпывающе глубокое изложение, а скорее дает краткую вводную в тему, объясняет самые востребованные подходы для старта и иллюстрирует это простыми примерами базовых операций.
https://habr.com/ru/post/322086/?utm_campaign=322086&utm_source=habrahabr&utm_medium=rss
Это вторая часть моей статьи по работе с базой данных в Python. В первой части мы рассмотрели основные принципы коммуникации с SQL базой данных, а в этой познакомимся с инструментарием, позволяющим облегчить нам это взаимодействие и сократить количество нашего кода в типовых задачах.
Статья ориентирована в первую очередь на начинающих, она не претендует на исчерпывающе глубокое изложение, а скорее дает краткую вводную в тему, объясняет самые востребованные подходы для старта и иллюстрирует это простыми примерами базовых операций.
YouTube2Audio - desktop приложение для скачивания аудио с YouTube
http://github.com/irahorecka/YouTube2Audio
http://github.com/irahorecka/YouTube2Audio
Отложенные ретраи силами RabbitMQ
https://habr.com/ru/post/500978/?utm_campaign=500978&utm_source=habrahabr&utm_medium=rss
В этой статье я хочу поделиться с вами «рецептом», который позволил нам реализовать отложенные ретраи при использовании брокера сообщений RabbitMQ (https://www.rabbitmq.com/)
https://habr.com/ru/post/500978/?utm_campaign=500978&utm_source=habrahabr&utm_medium=rss
В этой статье я хочу поделиться с вами «рецептом», который позволил нам реализовать отложенные ретраи при использовании брокера сообщений RabbitMQ (https://www.rabbitmq.com/)
Простейший тренажер английских слов с использованием Питона и Балаболки
https://habr.com/ru/post/501106/?utm_campaign=501106&utm_source=habrahabr&utm_medium=rss
Существует большое количество различных методик изучения иностранных языков вообще и английского в частности. Но какая бы методика ни была, учить слова все равно надо.
Для этих целей есть очень много различных тренажеров с выбором слов для изучения. Тем не менее, их возможностей иногда не хватает.
https://habr.com/ru/post/501106/?utm_campaign=501106&utm_source=habrahabr&utm_medium=rss
Существует большое количество различных методик изучения иностранных языков вообще и английского в частности. Но какая бы методика ни была, учить слова все равно надо.
Для этих целей есть очень много различных тренажеров с выбором слов для изучения. Тем не менее, их возможностей иногда не хватает.
The Real Python Podcast – Episode #8: Docker + Python for Data Science and Machine Learning
https://realpython.com/podcasts/rpp/8/
Audio
https://realpython.com/podcasts/rpp/8/
Audio
Python Bytes: #180 Transactional file IO with Python and safer
https://pythonbytes.fm/episodes/show/180/transactional-file-io-with-python-and-safer
Audio
https://pythonbytes.fm/episodes/show/180/transactional-file-io-with-python-and-safer
Audio
#python #pydigest
Сборник Python новостей уже перед вами.
В 333 выпуске Python Дайджест вы найдете:
- Учимся делать анимированные графики из данных
- Работа с базой данных, часть 2/2: Используем ORM
- Работа с базой данных во Flask: от джуна джуну
- Материальный Python. Что нового в библиотеке KivyMD
- Добавление счётчиков к моделям в административной панели Django
- Интеграция Aviasales API с Amazon Kinesis и простота serverless
- Простая космическая симуляция с помощью Python и Box2D
- [Видео] Удаленная работа. Взгляд со стороны техдира
- Django bugfix release: 3.0.6
- PyCharm 2020.1.1
Заходите в гости - https://pythondigest.ru/issue/333/
Присылайте интересные новости через форму на сайте.
Сборник Python новостей уже перед вами.
В 333 выпуске Python Дайджест вы найдете:
- Учимся делать анимированные графики из данных
- Работа с базой данных, часть 2/2: Используем ORM
- Работа с базой данных во Flask: от джуна джуну
- Материальный Python. Что нового в библиотеке KivyMD
- Добавление счётчиков к моделям в административной панели Django
- Интеграция Aviasales API с Amazon Kinesis и простота serverless
- Простая космическая симуляция с помощью Python и Box2D
- [Видео] Удаленная работа. Взгляд со стороны техдира
- Django bugfix release: 3.0.6
- PyCharm 2020.1.1
Заходите в гости - https://pythondigest.ru/issue/333/
Присылайте интересные новости через форму на сайте.
Python Digest
Выпуск 333
Новый выпуск еженедельного дайджеста новостей о #python уже в эфире!
8 полезных расширений для упрощения написания кода в VS Code
https://medium.com/better-programming/8-vs-code-extensions-you-might-love-eba03d85fd4f
https://medium.com/better-programming/8-vs-code-extensions-you-might-love-eba03d85fd4f
Django. Как создать полиморфную систему динамических виджетов
https://evileg.com/ru/post/617/
Пример архитектурного решения для создания динамических виджетов сайта на Django. Также может быть использовано и в ряде других задач.
https://evileg.com/ru/post/617/
Пример архитектурного решения для создания динамических виджетов сайта на Django. Также может быть использовано и в ряде других задач.
StackOverflow: интересные вопросы за неделю (ccxxvii)
http://python-weekly.blogspot.com/2020/05/ccxxvii-stackoverflow-python-report.html
http://python-weekly.blogspot.com/2020/05/ccxxvii-stackoverflow-python-report.html
Groupby aggregation в pandas
https://habr.com/ru/post/501214/?utm_campaign=501214&utm_source=habrahabr&utm_medium=rss
Агрегация является одной из самых частых операций при анализе данных. Разные технологии предлагают нам кучу способов эффективно группировать и агрегировать интересующие нас поля(столбцы, признаки). В этой статье будет рассказано про реализацию агрегации в pandas.
По своей специализации я очень мало работаю с python, но часто слышу про плюсы и мощь этого языка, в особенности когда речь заходит про работу с данными. Поэтому я проведу здесь параллель операций с T-SQL и приведу некотрые примеры кода. В качестве данных я буду использовать наверное самый популярный data set — Ирисы Фишера (https://archive.ics.uci.edu/ml/datasets/Iris).
https://habr.com/ru/post/501214/?utm_campaign=501214&utm_source=habrahabr&utm_medium=rss
Агрегация является одной из самых частых операций при анализе данных. Разные технологии предлагают нам кучу способов эффективно группировать и агрегировать интересующие нас поля(столбцы, признаки). В этой статье будет рассказано про реализацию агрегации в pandas.
По своей специализации я очень мало работаю с python, но часто слышу про плюсы и мощь этого языка, в особенности когда речь заходит про работу с данными. Поэтому я проведу здесь параллель операций с T-SQL и приведу некотрые примеры кода. В качестве данных я буду использовать наверное самый популярный data set — Ирисы Фишера (https://archive.ics.uci.edu/ml/datasets/Iris).
Домашний кластер на Dask
https://habr.com/ru/post/499086/?utm_campaign=499086&utm_source=habrahabr&utm_medium=rss
Я недавно проводил исследование, в рамках которого было необходимо обработать несколько сотен тысяч наборов входных данных. Для каждого набора — провести некоторые расчеты, результаты всех расчетов собрать вместе и выбрать "лучший" по некоторым критериям. По сути это bruteforce перебор. Тоже самое происходит при подборе параметров ML моделей с помощью GridSearch.
Однако, с некоторого момента размер вычислений может стать для одного компьютера великоват, даже если запускать ее в несколько процессов с помощью joblib. Или, если сказать точнее, он становится слишком долгим для нетерпеливого экспериментатора.
https://habr.com/ru/post/499086/?utm_campaign=499086&utm_source=habrahabr&utm_medium=rss
Я недавно проводил исследование, в рамках которого было необходимо обработать несколько сотен тысяч наборов входных данных. Для каждого набора — провести некоторые расчеты, результаты всех расчетов собрать вместе и выбрать "лучший" по некоторым критериям. По сути это bruteforce перебор. Тоже самое происходит при подборе параметров ML моделей с помощью GridSearch.
Однако, с некоторого момента размер вычислений может стать для одного компьютера великоват, даже если запускать ее в несколько процессов с помощью joblib. Или, если сказать точнее, он становится слишком долгим для нетерпеливого экспериментатора.