Solid - фреймворк gradient-free оптимизаций
http://github.com/100/Solid

pyethereum - сеть криптовалюты следующего поколения
http://github.com/ethereum/pyethereum

#python #pydigest

В мире Python начинается летнее затишье - меньше и меньше интересных материалов да релизов. Но мы напряглись и собрали 183 выпуск Python Дайджеста.

В выпуске найдете:

- Python 3.7 alpha 0 и 3.6.2rc1
- Программа PYCON RUSSIA готова: 25 докладов
- Машинное обучение для страховой компании: Исследуем алгоритмы
- Быстрое изменение размеров изображений, часть 0
- CameraTablet — как сделать графический планшет при помощи веб-камеры
- Определяем разницу между изображениями с помощью OpenCV
- Dash – Reactive Web Apps for Python
- html5-parse - быстрый парсер HTML
- v8py - binding для V8

и еще много интересного

Заходите в гости - https://pythondigest.ru/issue/183/

implicit - Fast Python Collaborative Filtering for Implicit Datasets
http://github.com/benfred/implicit

decimal — математика с плавающей и фиксированной точкой — PyMOTW 3
http://feeds.doughellmann.com/~r/doughellmann/python/~3/9GYjk__BZHc/

Делаем пикселизацию изображения с OpenCV
http://www.pyimagesearch.com/2017/06/26/labeling-superpixel-colorfulness-opencv-python/

Изменяем события календаря с помощью Google Calendar API
http://wescpy.blogspot.com/2017/06/modifying-events-with-google-calendar.html

Автоэнкодеры в Keras, Часть 4: Conditional VAE
https://habrahabr.ru/post/331664/

В  прошлой части  мы познакомились с вариационными автоэнкодерами (VAE), реализовали такой на keras, а также поняли, как с его помощью генерировать изображения. Получившаяся модель, однако, обладала некоторыми недостатками

В этой части мы посмотрим, как можно лишь совсем немного усложнив модель преодолеть обе эти проблемы, и заодно получим возможность генерировать картинки новых цифр в стиле другой цифры – это, наверное, самая интересная фича будущей модели.

Автоэнкодеры в Keras, Часть 3: Вариационные автоэнкодеры (VAE)
https://habrahabr.ru/post/331552/

В  прошлой части  мы уже обсуждали, что такое скрытые переменные, взглянули на их распределение, а также поняли, что из распределения скрытых переменных в обычных автоэнкодерах сложно генерировать новые объекты. Для того чтобы можно было генерировать новые объекты, пространство скрытых переменных (latent variables) должно быть предсказуемым.

Вариационные автоэнкодеры (Variational Autoencoders) — это автоэнкодеры, которые учатся отображать объекты в заданное скрытое пространство и, соответственно, сэмплить из него. Поэтому вариационные автоэнкодеры относят также к семейству генеративных моделей.

Автоэнкодеры в Keras, Часть 2: Manifold learning и скрытые (latent) переменные
https://habrahabr.ru/post/331500/

Для того, чтобы лучше понимать, как работают автоэнкодеры, а также чтобы в последствии генерировать из кодов что-то новое, стоит разобраться в том, что такое коды и как их можно интерпретировать.

Автоэнкодеры в Keras, Часть 1: Введение
https://habrahabr.ru/post/331382/

Автоэнкодеры — это нейронные сети прямого распространения, которые восстанавливают входной сигнал на выходе. Внутри у них имеется скрытый слой, который представляет собой код, описывающий модель. Автоэнкодеры конструируются таким образом, чтобы не иметь возможность точно скопировать вход на выходе. Обычно их ограничивают в размерности кода (он меньше, чем размерность сигнала) или штрафуют за активации в коде. Входной сигнал восстанавливается с ошибками из-за потерь при кодировании, но, чтобы их минимизировать, сеть вынуждена учиться отбирать наиболее важные признаки.

Связные списки в Python
https://dbader.org/blog/python-linked-list

Использование Python и Excel для обработки и анализа данных. Часть 1: импорт данных и настройка среды
https://habrahabr.ru/post/331746/?utm_source=habrahabr&utm_medium=rss&utm_campaign=hub

Если Вы только начинаете свой путь знакомства с возможностями Python, ваши познания еще имеют начальный уровень — этот материал для Вас. В статье мы опишем, как можно извлекать информацию из данных, представленных в Excel файлах, работать с ними используя базовый функционал библиотек. В первой части статьи мы расскажем про установку необходимых библиотек и настройку среды. Во второй части — предоставим обзор библиотек, которые могут быть использованы для загрузки и записи таблиц в файлы с помощью Python и расскажем как работать с такими библиотеками как pandas, openpyxl, xlrd, xlutils, pyexcel.

Talk Python to Me: #118 Serverless software
https://talkpython.fm/episodes/show/118/serverless-software

Аудио-подкаст

ООП и ФП: объекты vs функционалы
http://slott-softwarearchitect.blogspot.com/2017/06/oop-and-fp-objects-vs-functional.html

stackimpact-python - агент профайлера продукта
http://github.com/stackimpact/stackimpact-python

gpkit - управляем геометрическими моделями
http://github.com/hoburg/gpkit

Рекурсия в Python
http://www.discoversdk.com/blog/recursion-in-python

Учимся решать задачи по принципу "разделяй и властвуй"

Связанные списки
http://py-algorithm.blogspot.ru/2011/08/blog-post.html

Определение понятия "связанный список", как создать его и как с ним работать.