Как искать паттерны в биржевых данных и использовать их в торговле?
https://habrahabr.ru/post/324244/?utm_source=habrahabr&utm_medium=rss&utm_campaign=hub

Сегодня предлагаю поразмышлять о том, как искать паттерны в биржевых данных и как их использовать для успешной торговли. 

Будем получать биржевые данные Forex от одного из брокеров, сохраним в базу данных PostgreSQL и попробуем найти закономерности при помощи алгоритмов машинного обучения.

В статье есть несколько приятных бонусов в виде кода на Python — Вы сможете сами проанализировать любые (почти) биржевые данные (или значения индикаторов), запустить собственного торгового робота и проверить любую торговую стратегию.

Все условия и определения паттернов в статье приведены для примера, вы можете использовать любые критерии. 

 

#python #pydigest

Питонистам салют! Перед вами анонс свежего, 169-ого, Python Дайджеста.
Все самое интересное из мира Python за неделю в одном месте.

В свежем выпуске вы найдете:

- Python Anywhere начал поддерживать Python 3.6
- Новые интересные структуры данных в Python 3
- Что нам стоит сервис email-маркетинга построить? Взгляд изнутри, часть вторая
- Строим pipeline для анализа данных
- 10 советов, как получить больше от регулярных выражений
- Как написать DSL с помощью Lark
- Библиотеки для глубокого обучения Theano/Lasagne
- seq2seq - декодер-кодер для TensorFlow от Google
- pyrasite - вставляем код в запущенный Python процесс
- sharingan - утилита для экспорта изображений и текста из бумажных газет
- django-rest-framework - 3.6.0
- weppy 1.0 - web фреймворк

и еще много интересного

Заходите в гости - https://pythondigest.ru/issue/169/

aeneas - автоматически синхронизируем звук и текст для 35+ языков
https://github.com/readbeyond/aeneas

Программа позволяет синхронизировать текст со звуковой дорожкой

Обзор uniset2-testsuite — небольшого велосипеда для функционального тестирования
https://habrahabr.ru/post/323290/?utm_source=habrahabr&utm_medium=rss&utm_campaign=hub

Как естественное продолжение работы над libuniset2 (https://habrahabr.ru/post/278535/), возник проект uniset2-testsuite (https://github.com/Etersoft/uniset2-testsuite). Это свой небольшой велосипед для функционального тестирования. В итоге он развился до более-менее универсального решения с «плагинами». Написан на python. Если интересно почитать, то прошу… заходите.


Основная идея тестирования, заложенная в uniset2-testsuite (https://github.com/Etersoft/uniset2-testsuite) проста: «Подали воздействие, проверили реакцию». Эта абстрактная идея материализовалась в итоге в следующие артефакты:

Yapf — причесываем код Python автокорректором
https://habrahabr.ru/post/324336/?utm_source=habrahabr&utm_medium=rss&utm_campaign=hub

В эпоху все большей популярности различных js и css linter'ов, не удивительно появление удобного линтера с автокоррекцией для Python.


Приветствуйте, Yapf (https://github.com/google/yapf/) — готовое решение, для превращения каши из строк во вполне читаемый код. И поверьте, он вам пригодится.

heapq – Heap Sort Algorithm — PyMOTW 3
https://doughellmann.com/blog/2017/03/20/heapq-heap-sort-algorithm-pymotw-3/

ImageNet: VGGNet, ResNet, Inception и Xception с Keras
http://www.pyimagesearch.com/2017/03/20/imagenet-vggnet-resnet-inception-xception-keras/

Открытый курс машинного обучения. Тема 4. Линейные модели классификации и регрессии
https://habrahabr.ru/post/323890/?utm_source=habrahabr&utm_medium=rss&utm_campaign=hub

Сегодня мы детально обсудим очень важный класс моделей машинного обучения – линейных.

Ключевое отличие нашей подачи материала от аналогичного в курсах эконометрики и статистики – это акцент на практическом применении линейных моделей в реальных задачах (хотя и математики тоже будет немало).

[Видео] Нагрузочное тестирование сервиса на Python инструментами Яндекса
http://www.youtube.com/watch?v=1idebTeMTqY

Дмитрий Кузнецов (Яндекс) @ MoscowPython 43

"Я расскажу о возможностях Tank и Overload — общедоступных инструментов нагрузочного тестирования от Яндекса. Также поговорим о базовых методиках нагрузочного тестирования на примере известных фреймворков".

Слайды: http://www.moscowpython.ru/meetup/43/nagruzochnoe-testirovanie-servisa-na-python-instru/

[Видео] Docker swarm mode — как с этим жить
http://www.youtube.com/watch?v=9PDFnhcGTBU

Ринат Хабибиев (Zvooq.com) @ MoscowPython 43
"Версия 1.12 подарила адептам Docker возможность разрабатывать автоматически масштабируемые и отказоустойчивые сервисы. Давайте разберём, как это работает, и научимся при помощи Fabricio быстро разворачивать сервисы Docker на произвольной инфраструктуре".
Слайды: http://www.moscowpython.ru/meetup/43/docker-swarm-mode-kak-s-etim-zhit/

[Видео] Проектирование абстрактной архитектуры приложения на Python
http://www.youtube.com/watch?v=gVq0XsGJtSM

Александр Ковалёв (Positive Technologies) @ MoscowPython 43
"На материале одного из открытых проектов нашей компании расскажу, как абстрагироваться от конкретных параметров задачи и окружения, чтобы создать универсальный инструмент. Покажу конкретные примеры и поделюсь мыслями".
Слайды: http://www.moscowpython.ru/meetup/43/proektirovanie-abstraktnoj-konfiguriruemoj-arhitek/

Обзор uniset2-testsuite — небольшого велосипеда для функционального тестирования. Часть 2
https://habrahabr.ru/post/323444/?utm_source=habrahabr&utm_medium=rss&utm_campaign=hub

В первой части (https://habrahabr.ru/post/323290/) был обзор возможностей. А в этой части рассмотрим, какие уже реализованы интерфейсы тестирования и как добавить свой…

Новые релизы PyPy2 и PyPy3 (Python 3.5)
https://pypy.org/

Были выложены новые версии PyPy2 5.7 и PyPy3 5.7 (с поддержкой Python 3.5 и f строками)

Использование ArcGIS API for Python в Jupiter Notebook
https://habrahabr.ru/post/324124/?utm_source=habrahabr&utm_medium=rss&utm_campaign=hub

 
Я работаю в департаменте Больших Данных, где занимаюсь разработкой высоконагруженных геоинформационных систем и сервисов на базе движков для распределенных вычислений. О высоких материях мы еще поговорим, а сегодня плавно начнем погружение в ГИС.

Вызов функций Go из других языков
https://habrahabr.ru/post/324250/?utm_source=habrahabr&utm_medium=rss&utm_campaign=hub

 
В статье мы рассмотрим компилирование пакетов Go в библиотеки Си. В этом режиме сборки компилятор генерирует стандартный бинарный файл объекта (shared object) (.so), передавая функции Go в качестве API в стиле Си. Мы поговорим о том, как создавать библиотеки Go, которые можно вызывать из C, Python, Ruby, Node и Java.

Python функции как объекты первого рода
https://dbader.org/blog/python-first-class-functions

Автор показывает, что функции это тоже объекты и их можно модифицировать, передавать в функции, дергать внутренние методы и тд

Переработка авто-подстановки для Django
https://medium.com/@viewflow/redesigning-an-autocomplete-for-django-1994fd07c0a6

Автор рассказывает, как можно реализовать авто-подстановку элементов из БД для Django.

 

Как использовать generic relations для одного поля в разных моделях
https://medium.com/cravedev/how-we-used-generic-relations-to-add-comments-to-model-instances-b48c2509dc27

В Django есть интересная функциональность - Generic Relation и Generic Foreign Key. В статье автор покажет, как использовать эти конструкции, чтобы добавить одинаковое поле в совершенно разные модели, а потом делать выборки по этому полю.

hexopress - платформа блогов
https://github.com/joelewis/hexopress

Платформа позволяет писать посты в блог в Google Docs, а затем автоматически генерировать статический блог прям из Google Drive документов