Automatic Relevance Determination или машинное обучение когда данных очень мало

https://habrahabr.ru/post/313566/?utm_source=habrahabr&utm_medium=rss&utm_campaign=hub

 

Когда речь заходит про машинное обучение, обычно подразумевают большие объемы данных — миллионы или даже миллиарды транзакций, из которых надо сделать сложный вывод о поведении, интересах или текущем cостоянии пользователя, покупателя или какого-нибудь аппарата (робота, автомобиля, дрона или станка).
Однако в жизни обычного аналитика самой обычной компании много данных встречается нечасто. Скорее даже наоборот — у вас будет мало или очень мало данных — буквально десятки или сотни записей. Но анализ все же нужно провести. Причем не какой попало анализ, а качественный и достоверный.

Motor 0.7

https://emptysqua.re/blog/motor-0-7/

Делаем графики на Python и GooPyCharts

http://www.blog.pythonlibrary.org/2016/10/26/creating-graphs-with-python-and-goopycharts/

Что нам стоит сервис email-маркетинга построить? Взгляд изнутри, часть первая

https://habrahabr.ru/post/313714/?utm_source=habrahabr&utm_medium=rss&utm_campaign=hub

Насколько сложно построить полноценный сервис email-маркетинга? Что для этого нужно предусмотреть? Какие подводные камни могут встретиться на пути пытливых умов разработчиков? 
Давайте попробуем разобраться вместе. В рамках нескольких статей я расскажу о том, как я за год сделал свой собственный сервис email-рассылок, какие уроки для себя извлек и что планирую со всем этим делать дальше.

Обработка статусов в Django #2

http://eatsomecode.com/handling-statuses-django-2

Продолжаем использовать django-fsm для перехвата и обработки статусов в Django проекте

Стратегии расширения Django User Model

https://habrahabr.ru/post/313764/?utm_source=habrahabr&utm_medium=rss&utm_campaign=hub

В Django встроена прекрасная система аутентификации пользователей. В большинстве случаев мы можем использовать ее «из коробки», что экономит много времени разработчиков и тестировщиков. Но иногда нам необходимо расширить ее, чтобы удовлетворять потребностям нашего сайта.

Как правило возникает потребность хранить дополнительные данные о пользователях, например, краткую биографию (about), дату рождения, местоположение и другие подобные данные.

В этой статье пойдет речь о стратегиях, с помощью которых вы можете расширить пользовательскую модель Django, а не писать ее с нуля. 

Введение в XPath с примерами

https://blog.scrapinghub.com/2016/10/27/an-introduction-to-xpath-with-examples/

safety-db - проект для отслеживания уязвимостей в пакетах

https://github.com/pyupio/safety-db

PEP 531 -- Existence checking operators

https://www.python.org/dev/peps/pep-0531/

Решаем проблемы производительности в Django ORM

https://medium.com/@hansonkd/performance-problems-in-the-django-orm-1f62b3d04785

Scheduling Spark jobs с Airflow

https://blog.insightdatascience.com/scheduling-spark-jobs-with-airflow-4c66f3144660

Обработка изображений на Numpy

http://www.degeneratestate.org/posts/2016/Oct/23/image-processing-with-numpy/

[Видео] PyData DC 2016 Videos

https://www.youtube.com/playlist?list=PLGVZCDnMOq0qLoYpkeySVtfdbQg1A_GiB

Как быстро написать MapReduce на Python

https://medium.com/@nidhog/how-to-quickly-write-a-mapreduce-framework-in-python-821a79fda554

Миграции для реляционной БД для Flask с Flask-Migrate

http://www.patricksoftwareblog.com/relational-database-migrations-using-flask-migrate/

easyargs - модуль для простого создания CLI для функций

http://github.com/stedmeister/easyargs

shifter - Cassandra Migration Tool

http://github.com/rgamba/shifter

Twisted 16.5.0 Released

http://feedproxy.google.com/~r/TwistedMatrixLaboratories/~3/M7iPJg09rmQ/twisted-165-released.html

Работаем с множеством параметров одновременно в Jupyter

http://nedbatchelder.com//blog/201610/multiparameter_jupyter_notebook_interaction.html

psutil - 4.4.2

https://allmychanges.com/p/python/psutil/#4.4.2

Модуль для управления процессами в ОС. Изменения описаны по ссылке https://allmychanges.com/p/python/psutil/#4.4.2. Скачать можно по ссылке: https://pypi.python.org/pypi/psutil/