Введение в JupyterDash
https://medium.com/plotly/introducing-jupyterdash-811f1f57c02e

Dash приложения внутри Jupyter

Асинхронные задания в Django с Celery
https://habr.com/ru/post/503380/?utm_campaign=503380&utm_source=habrahabr&utm_medium=rss

Если в вашем приложении есть какой-то длительный процесс, вы можете обрабатывать его не в стандартном потоке запросов/ответов, а в фоновом режиме.


Сегодня мы поговорим о процессе настройки и конфигурирования Celery (http://www.celeryproject.org/) и Redis для обработки длительных процессов в приложении на Django, чтобы решать такие задачи. Также мы воспользуемся Docker и Docker Compose, чтобы связать все части вместе, и рассмотрим, как тестировать задания Celery с помощью модульных и интеграционных тестов.

3D ML. Часть 1: формы представления 3D-данных
https://habr.com/ru/post/503358/?utm_campaign=503358&utm_source=habrahabr&utm_medium=rss

Сегодня появляется все больше 3D датасетов и задач, связанных с 3D данными. Это связано с развитием робототехники и машинного зрения, технологий виртуальной и дополненной реальности, технологий медицинского и промышленного сканирования. Алгоритмы машинного обучения помогают решать сложные задачи, в которых необходимо классифицировать трехмерные объекты, восстанавливать недостающую информацию о таких объектах, или же порождать новые. Несмотря на достигнутые успехи, в области 3D ML остаются нерешенными еще очень много задач, и эта серия заметок призвана популяризировать направление среди русскоязычного сообщества.

Learn PyQt: Transmit extra data with signals in PyQt5 & PySide2
https://www.learnpyqt.com/courses/adanced-ui-features/transmitting-extra-data-qt-signals/

Как сделать тематическое моделирование форума быстро или что беспокоит людей с целиакией
https://habr.com/ru/post/503398/?utm_campaign=503398&utm_source=habrahabr&utm_medium=rss

В данной статье я расскажу и покажу на примере, о том, как человек с минимальным Data Science опытом, смог собрать данные из форума и сделать тематическое моделирование постов с использованием LDA модели, и выявил наболевшие темы людей с глютеновой непереносимостью.

Лемматизируй это быстрее (PyMorphy2, PyMystem3 и немного магии)
https://habr.com/ru/post/503420/?utm_campaign=503420&utm_source=habrahabr&utm_medium=rss

При обработке естественного языка требуется предварительная подготовка документов, и одним из способов является лемматизация – приведение всех слов текста к их нормальным формам с учетом контекста.


Недавно мы столкнулись с проблемой больших временных затрат на этот процесс. В конкретной задаче было более 100000 документов, средняя длина которых около 1000 символов, и требовалось реализовать обработку на обычном локальном компьютере, а не на нашем сервере для вычислений. Решение на просторах интернета мы найти не смогли, но нашли его сами, и я хотел бы поделиться — продемонстрировать сравнительный анализ двух наиболее популярных библиотек по лемматизации в этой статье.

StackOverflow: интересные вопросы за неделю (ccxxix)
http://python-weekly.blogspot.com/2020/05/ccxxix-stackoverflow-python-report.html

Django ORM | Оптимизируем запросы
https://habr.com/ru/post/503526/?utm_campaign=503526&utm_source=habrahabr&utm_medium=rss

Несколько утилит для усиления cat/pwd/ls
https://kushaldas.in/posts/a-few-new-generation-command-line-tools.html

#python #pydigest

Сборник Python новостей уже перед вами.

В 335 выпуске Python Дайджест вы найдете:

- Материальный Python. Кастомные карточки с OpenGL эффектами
- Как сделать тематическое моделирование форума быстро или что беспокоит людей с целиакией
- Авторизация пользователя при помощи Starlette + Vue.js
- Как построить диаграмму Венна с 50 кругами?
- Высокоскоростной Apache Parquet на Python с Apache Arrow
- Бизнес-эксперт и программирование. Совмещать нельзя разделять
- [Видео] КБМПи №7 Как работать с фикстурами данных в pytest?
- jupyter-book - делаем интерактивную книгу из Jupyter Notebooks

Заходите в гости - https://pythondigest.ru/issue/335/
Присылайте интересные новости через форму на сайте.

Практики и трюки для масштабирования Celery
https://medium.com/better-programming/python-celery-best-practices-ae182730bb81

textshot - grabbing text from screenshot
http://github.com/ianzhao05/textshot

Fil - memory profiler for (data) scientists
https://pythonspeed.com/articles/memory-profiler-data-scientists/

Consistent Hashing
https://www.codementor.io/arpitbhayani/consistent-hashing-with-binary-search-16rec8e8eh

Test and Code: 114: The Python Software Foundation (PSF) Board Elections - Ewa Jodlowska / Christopher Neugebauer
https://testandcode.com/114

Audio

Отладка Django приложения в Docker через VS Code
https://testdriven.io/blog/django-debugging-vs-code/

Unit Testing for Data Scientists
https://towardsdatascience.com/unit-testing-for-data-scientists-dc5e0cd397fb

Шпаргалка по визуализации данных в Python с помощью Plotly
https://habr.com/ru/post/502958/?utm_campaign=502958&utm_source=habrahabr&utm_medium=rss

В этой простыне все примеры разобраны от совсем простых к более сложным, так что разработчикам с опытом будет скучно. Так же эта «шпаргалка» не заменит на 100% примеры из документации.

6 способов значительно ускорить pandas с помощью пары строк кода. Часть 1
https://habr.com/ru/post/503726/?utm_campaign=503726&utm_source=habrahabr&utm_medium=rss

В этой статье я расскажу о шести инструментах, способных значительно ускорить ваш pandas код. Инструменты я собрал по одному принципу — простота интеграции в существующую кодовую базу. Для большинства инструментов вам достаточно установить модуль и добавить пару строк кода.

Создание и модификация PDF файлов
https://realpython.com/creating-modifying-pdf/

Keyword-only arguments
https://lukeplant.me.uk/blog/posts/keyword-only-arguments-in-python/