django-cruds-adminlte - простая CRUD админка
https://github.com/oscarmlage/django-cruds-adminlte

Интерфейсы в Python: протоколы и ABC
http://masnun.rocks/2017/04/15/interfaces-in-python-protocols-and-abcs/

Автор рассказывает как использовать идею интерфейсов классов в Python.

История о том, как парсер превратился в полноценного МРКО бота для Телеграм
https://habrahabr.ru/post/326582/?utm_source=habrahabr&utm_medium=rss&utm_campaign=hub

 Недавно я писал статью (https://habrahabr.ru/post/323856/) про то, как написать парсер дневника МРКО, а в конце пообещал написать про интеграцию с Телеграм ботом, о чем очень жалею. Сейчас бот (https://t.me/mrkorobot) уже готов и полностью функционирует. Хочу рассказать вам, что использовал и с какими трудностями столкнулся в этой работе.

Talk Python to Me: #107 Python concurrency с Curio
https://talkpython.fm/episodes/show/107/python-concurrency-with-curio

Аудио-подкаст

#python #pydigest

Python-истам привет! Неделя выдалась тихой - мало новостей да релизов.
Однако, команда Python Дайджеста собрала самые вкусные ссылки в свежем, 173-ем, дайджесте.

В выпуске вы найдете:

- Начинаем работу Python + Qt5 + QML урок №1
- Как написать чат-бота для вк за 3 минуты
- История о том, как парсер превратился в полноценного МРКО бота для Телеграм
- Определяем глаза, нос, губы на фото с помощью dlib, OpenCV и Python
- Нескучные запросы с Django ORM Annotate и Query Expressions
- [Видео] Текстовые интерфейсы и зачем они нужны
- [Видео] django-sitetree: навигация для сайта
- [Видео] Питон в малине
- SpiderKeeper - админка для Scrapy
- poet - менеджер зависимостей на основе .toml файла
- PyCharm 2017.1.1

и еще много интересного

Заходите в гости - https://pythondigest.ru/issue/173/

Как настроить Python 3, Flask и Green Unicorn на Ubuntu 16.04 LTS
https://www.fullstackpython.com/python-3-flask-green-unicorn-ubuntu-1604-xenial-xerus.html

Введение в машинное обучение с tensorflow
https://habrahabr.ru/post/326650/?utm_source=habrahabr&utm_medium=rss&utm_campaign=hub

Серия моих статей является расширенной версией того, что я хотел увидеть когда только решил познакомиться с нейронными сетями. Он рассчитан в первую очередь на программистов, желающих познакомится с tensorflow и нейронными сетями. Уж не знаю к счастью или к сожалению, но эта тема настолько обширна, что даже мало-мальски информативное описание требует большого объёма текста. Поэтому, я решил разделить повествование на 4 части:

Data science и качественный код
https://habrahabr.ru/post/326656/?utm_source=habrahabr&utm_medium=rss&utm_campaign=hub

 
Обычно модели машинного обучения строят в jupyter-ноутбуках, код которых выглядит, мягко говоря, не очень — длинные простыни из лапши выражений и вызовов "на коленке" написанных функций. Понятно, что такой код почти невозможно поддерживать, поэтому каждый проект переписывается чуть ли не с нуля. А о внедрении этого кода в production даже подумать страшно.
Поэтому сегодня представляем на ваш строгий суд превью python'овской библиотеки по работе с датасетами и data science моделями. 

Открытый курс машинного обучения. Тема 8. Обучение на гигабайтах с Vowpal Wabbit
https://habrahabr.ru/post/326418/?utm_source=habrahabr&utm_medium=rss&utm_campaign=hub

Вот мы постепенно и дошли до продвинутых методов машинного обучения, сегодня обсудим, как вообще подступиться к обучению модели, если данных гигабайты и десятки гигабайт. Обсудим приемы, позволяющие это делать: стохастический градиентный спуск (SGD) и хэширование признаков, посмотрим на примеры применения библиотеки Vowpal Wabbit. Домашнее задание будет как на реализацию SGD-алгоритмов, так и на обучение классификатора вопросов на StackOverflow по выборке в 10 Гб.

Как генерировать ODT документы с Secretary
http://www.bedjango.com/blog/how-generate-documents-odt-secretary/

Короткая статья о библиотеки для геренации ODT файлов

xml.etree.ElementTree — XML Manipulation API — PyMOTW 3
https://doughellmann.com/blog/2017/04/17/xml-etree-elementtree-xml-manipulation-api-pymotw-3/

Стандартная библиотека Python содержит модуль работы с XML. По ссылке вы найдете статью о нем.

Определяем черты лица в реальном времени на OpenCV, Python и dlib
http://www.pyimagesearch.com/2017/04/17/real-time-facial-landmark-detection-opencv-python-dlib/

Словари, мапы и хэш таблицы в Python
https://dbader.org/blog/python-dictionaries-maps-and-hashtables

Обманываем время: о тестировании с «подставным» временем на Linux и Docker
https://habrahabr.ru/post/326772/?utm_source=habrahabr&utm_medium=rss&utm_campaign=hub

При разработке очередного бота для группы в Telegram у меня возникла необходимость испытать его при различных значениях системного времени. Этот бот в конце каждого дня отправляет (или, в зависимости от ряда условий, не отправляет) сообщение в чат и производит манипуляции с некоторыми предыдущими своими сообщениями (или, опять же, не производит).
Менять системное время глобально ой, как не хотелось. Муторно, плюс у меня в ней столько всего понаставлено, не дай Б-г что-то заглючит (вряд ли, но мало ли). Думал запустить VirtualBox, но уж больно лень было ставить «чистую» Убунту, расшаривать папки, и т. д., тем более что этот вариант жрёт, как троглодит серьёзно потребляет машинные ресурсы.
 
Но буквально недавно я начал ковырять Docker. «У него просто обязан быть механизм контроля системного времени внутри контейнера», — подумал я. Рассмотрим, что же в результате вышло.

Natural_Logic_Interpreter - интерпретатор логических выражений
http://github.com/ParhamP/Natural_Logic_Interpreter

Набор материалов для новичка Python и Django: книги, туториалы
http://djangostars.com/blog/python-and-django-beginners-pack-books-tutorials-newsletters/

[Видео] Юрий Половинкин о том, зачем Python сисадмину
https://www.youtube.com/watch?v=SlqRNUN2Ciw

Выпускник курсов Learn Python Юрий Половинкин рассказал о том, зачем он записался на курсы и что из этого получилось.

Как я сделал самый быстрый ресайз изображений. Часть 2, SIMD
https://habrahabr.ru/post/326900/?utm_source=habrahabr&utm_medium=rss&utm_campaign=hub

 
В прошлый раз мы получили ускорение в среднем в 2,5 раза без изменения подхода. В этот раз я покажу, как применять SIMD-подход и получить ускорение еще в 3,5 раза. Конечно, применение SIMD для обработки графики не является ноу-хау, можно даже сказать, что SIMD был придуман для этого. Но на практике очень мало разработчиков используют его даже в задачах обработки изображений. Например, довольно известные и распространенные библиотеки ImageMagick и LibGD написаны без использования SIMD. Отчасти так происходит потому, что SIMD-подход объективно сложнее и не кроссплатформенный, а отчасти потому, что по нему мало информации. Довольно просто найти азы, но мало детальных материалов и разбора реальных задач. От этого на Stack Overflow очень много вопросов буквально о каждой мелочи: как загрузить данные, как распаковать, запаковать. Видно, что всем приходится набивать шишки самостоятельно.

Чат-бот для ВКонтакте на Python на Callback API
https://habrahabr.ru/post/326898/?utm_source=habrahabr&utm_medium=rss&utm_campaign=hub

Чат-боты стали уже очень распространенным явлением, и появляются во всех мессенджерах ежедневно.


В этой статье по шагам разберем создание бота с набором простых команд и узнаем, как в дальнейшем можно расширить его функционал. Статья будет полезна для самых новичков, которые никогда не пробовали создавать чат-ботов.