PyCharm 2017.2 EAP
http://feedproxy.google.com/~r/Pycharm/~3/QpdyrdavjbU/

Разворачиваем Flask приложение на обычном шаред хостинге
https://koddr.me/articles/how-to-deploy-flask-app-on-shared-hosting

Если перед вами действительно стоит задача «развернуть %любой из веб-фреймворков на Python% в продакшен на обычном (шаред) хостинге» — значит у вас что-то пошло не так.
Как временная мера при разработке — why not?! Но как основная площадка для работы приложения — это не самая лучшая идея. Почему? Всё просто.
Если не сразу, то при развитии проекта — вам всё равно потребуется тонкая настройка сервера и окружения.

По-умолчанию, хостеры оставляют версию SQL и интерпретатора Python, которые идут со стабильными сборками ОС. Обычно это какой-нибудь MySQL 5.1.x и Python 2.7.6. И да, это ещё не самый плохой вариант! Я видел и более консервативных хостеров.
(исходя из вышесказанного) Вы сами себя загоняете в рамки устаревшего стека технологий, вместо того, чтобы получать удовольствие от разработки :D
И самое главное — в 2017 году не найти дешёвый облачный VDS по цене шареда? Серьёзно?! О_о

django-migrations-graph - дерево зависимостей миграций
https://github.com/dizballanze/django-migrations-graph

 Может помочь при оптимизации миграций и работе с squashmigrations

Web crawler с использованием Python и Chrome
https://habrahabr.ru/post/328800/?utm_source=habrahabr&utm_medium=rss&utm_campaign=hub

Недавно, сидя на диване, я задумался о том, что хочется мне сделать своего паука, который что-то бы смог качать с веб сайтов. Но качать он должен был бы не простой загрузкой, а как настоящий милый добрый браузер (т.е. JavaScript чтобы исполнялся).
В моей голове всплыли такие интересные штуки, как Selenium, PhantomJS, Splash и всякое подобное. Все эти штуки были мне немного втягость. Вот какие причины я выявил:

Как парсить данные основных форматов на Python
http://pybit.es/parsing-data.html

Парсинг CSV,  JSON, SQLite, XML

picasso - CNN визуализатор
http://github.com/merantix/picasso

Статья про библиотеку - https://medium.com/merantix/picasso-a-free-open-source-visualizer-for-cnns-d8ed3a35cfc5

Механизм подсчета нейронной сети в PL/SQL для распознавания рукописных цифр
https://habrahabr.ru/post/328824/?utm_source=habrahabr&utm_medium=rss&utm_campaign=hub

Дорогие коллеги, спешим порадовать всех, кто неравнодушен к наукоемким задачам. Сегодня мы приготовили для вас перевод любопытной публикации от экспертов по базам данных из CERN, посвященный обучению и эксплуатации нейронных сетей с помощью Python и инструментария на базе Oracle PL/SQL.

NagaScan - распределенный пасивный сканер для Web приложений
http://github.com/brianwrf/NagaScan

Используем Wing Pro для удаленной разработки
http://wingware.com/blog/remote-web-dev

Нейрокурятник часть 2: про бота, который постит фотографии
https://habrahabr.ru/post/328940/?utm_source=habrahabr&utm_medium=rss&utm_campaign=hub

Простейшее работающее решение для информирования о событиях в курятнике в режиме реального времени.

И еще немного болтовни о том, почему надо браться за задачи и изучение нового, даже если у вас недостаточно знаний.

Разбиение слов на элементы таблицы Менделеева
https://habrahabr.ru/post/328986/?utm_source=habrahabr&utm_medium=rss&utm_campaign=hub

Сидя на пятичасовом занятии по химии, я часто скользил взглядом по таблице Менделеева, висящей на стене. Чтобы скоротать время, я начал искать слова, которые мог бы написать, используя лишь обозначения элементов из таблицы. Например: ScAlEs, FeArS, ErAsURe, WAsTe, PoInTlEsSnEsS, MoISTeN, SAlMoN, PuFFInEsS.

Кластеризация с помощью Scikit (с анимациями)
https://dashee87.github.io/data%20science/general/Clustering-with-Scikit-with-GIFs/

Описываются разные методы кластеризации

Podcast.__init__ Episode 109 - LBRY с Jeremy Kauffman
https://www.podcastinit.com/episode-109-lbry-with-jeremy-kauffman/

Аудио-подкаст

Детектор Симпсонов
http://zachmoshe.com/2017/05/03/simpsons-detector.html

Convolutional Neural Network для поиска главных героев Симпсонов

Автоматизация поиска квартиры с помощью CALLR/Python
https://www.callr.com/blog/python-house-hunter-bot/

Используем Python, Google Spreadsheet, CALLR для поиска квартиры в Париже

Советы для написания высоко-качественных Django приложений
https://blog.doordash.com/tips-for-building-high-quality-django-apps-at-scale-a5a25917b2b5

[Видео] PyData London 2017
https://www.youtube.com/playlist?list=PLGVZCDnMOq0pAwbVAb1kUN3lV7ukhLL2k

Talk Python to Me: #112
https://talkpython.fm/episodes/show/112/geeking-out-in-the-golden-years

Аудио-подкаст. Как это быть гиком в свои золотые годы?

Обзор профессии Data Scientist
https://habrahabr.ru/post/329068/?utm_source=habrahabr&utm_medium=rss&utm_campaign=hub

Data Scientist — это эксперт по аналитическим данным, который обладает техническими навыками для решения сложных задач, а также любопытством, которое помогает эти задачи ставить. Они частично математики, частично компьютерные ученые и частично трендспоттеры. 

haishoku - утилита для извлечения основных цветов из изображения
http://github.com/LanceGin/haishoku