Создание игр на Python 3 и Pygame: Часть 2
https://habrahabr.ru/post/347170/?utm_campaign=347170

Во второй из пяти частей туториала, посвящённого созданию игр с помощью Python 3 и Pygame, мы рассмотрим класс TextObject, используемый для рендеринга текста на экране. Мы создадим основное окно, в том числе и фоновое изображение, а затем научимся отрисовывать объекты: кирпичи, мяч и ракетку.

Варианты мониторинга многопроцессорных приложений Python с Prometheus
http://echorand.me/your-options-for-monitoring-multi-process-python-applications-with-prometheus.html

safeyaml - SafeYAML: A linter for YAML-favoured JSON (& autoformatting too!)
http://github.com/imbal/safeyaml

Мега-Учебник Flask, Глава 8: Подписчики, контакты и друзья (издание 2018)
https://habrahabr.ru/post/347450/?utm_campaign=347450

Это восьмая часть серии Flask Mega-Tutorial, в которой я расскажу вам, как реализовать функцию «подписчики», аналогичную функции Twitter и других социальных сетей.

Упрощаем развертывание Python зависимостей с Docker
https://realpython.com/blog/python/offline-python-deployments-with-docker/

django-grappelli - 2.11.1
https://allmychanges.com/p/python/django-grappelli/#2.11.1

Альтернативный базирующийся на сетке дизайн админ панели Django. Изменения описаны по ссылке https://allmychanges.com/p/python/django-grappelli/#2.11.1. Скачать можно по ссылке: https://pypi.python.org/pypi/django-grappelli/

#python #pydigest

Как же понедельник и без Python Дайджеста. Все самое интересное из Python мира в одном месте.

В 214 выпуске вы найдете:

- Своя СУБД за 3 недели. Нужно всего лишь каждый день немного времени…
- Практическое введение в Scraping
- Создание игр на Python 3 и Pygame: Части 1-5
- Python GUI Examples (Tkinter Tutorial)
- Linux System Mining с Python
- Xception: компактная глубокая нейронная сеть
- Telegram бот для сложных квестов
- Как мы выстраивали инфраструктуру данных в Wish
- [Видео] Пишем нейронку в 15 строк для определения диабета
- Infosec_Reference - набор материалов о безопасности
- mocker - имитация Docker на Python
- lanGhost - LAN Dropbox управляемый через Telegram
- safeyaml - SafeYAML: A linter for YAML-favoured JSON

и еще много интересного

Заходите в гости - https://pythondigest.ru/issue/214/

Создание игр на Python 3 и Pygame: Часть 3
https://habrahabr.ru/post/347256/?utm_campaign=347256

Это третья из пяти частей туториала о создании игр с помощью Python 3 и Pygame. Во второй части мы рассмотрели класс TextObject, используемый для рендеринга текста на экран, создали основное окно и узнали, как отрисовывать объекты: кирпичи, мяч и ракетку.


В этой части мы погрузимся глубже в сердце Breakout и узнаем, как обрабатывать события, познакомимся с основным классом Breakout и увидим, как перемещать различные объекты в игре.

PointCNN - инструментарий для point cloud processing
http://github.com/yangyanli/PointCNN

Введение в функциональное программирование на Python
https://www.dataquest.io/blog/introduction-functional-programming-python/

[Видео] Пишем нейронку в 15 строк для определения диабета
https://www.youtube.com/watch?v=T91fsaG2L0s

chatire - чат на Django, RabbitMQ и Vue.js
https://github.com/danidee10/chatire

Python GUI Examples (Tkinter Tutorial)
https://likegeeks.com/python-gui-examples-tkinter-tutorial/

Коротко о data классах в Python 3.7
https://hackernoon.com/a-brief-tour-of-python-3-7-data-classes-22ee5e046517

DeepLeague - Computer Vision + Deep Learning + League of Legends
https://github.com/farzaa/DeepLeague

Chatistics - парсим логи чата Facebook/Hangout в  Pandas DataFrames
https://github.com/MasterScrat/Chatistics

mocker - имитация Docker на Python
https://github.com/tonybaloney/mocker

cookiecutter-flask-restful - шаблон REST проекта с Flask и JWT
https://github.com/karec/cookiecutter-flask-restful

Infosec_Reference - набор материалов о безопасности
http://github.com/rmusser01/Infosec_Reference

Xception: компактная глубокая нейронная сеть
https://habrahabr.ru/post/347564/?utm_campaign=347564

В последние несколько лет нейронные сети пробрались во все отрасли машинного обучения, но самый большой фурор они бесспорно произвели в области компьютерного зрения. В рамках соревнований ImageNet (http://www.image-net.org/) было представлено множество различных архитектур свёрточных сетей, которые затем разошлись по фреймворкам и библиотекам.


Чтобы улучшить качество распознавания своих сетей, исследователи старались добавлять в сети больше слоёв, однако со временем пришло понимание, что иногда ограничения производительности попросту не позволяют обучать и использовать настолько глубокие сети. Это стало мотивацией для использования depthwise separable convolutions и создания архитектуры Xception.


Если вы хотите узнать, что это такое, и посмотреть, как использовать такую сеть на практике, чтобы научиться отличать котов от собак, добро пожаловать под кат.