[Видео] Григорий Аршинов - Введение в машинное обучение
https://www.youtube.com/watch?v=0GLKygO2C4Q

Доклад включает в себя общую информацию о том, что это такое ML и где оно применяется. Также включу описание нескольких алгортимов классического машинного обучения и их базовые принципы работы. Так же ознакомлю с существующими Python-фреймворками, которые позволяют строить модели ML.
Слайды: https://speakerdeck.com/gregarshinov/vviedieniie-v-mashinnoie-obuchieniie
 

[Видео] Александр Мокров - По дороге к микросервисам
https://www.youtube.com/watch?v=ebwuM1650uQ

Похоже, что с каждым годом микросервисная архитектура все больше набирает популярность. Но что это? Очередное модное веяние, которому более десятка лет, или действительно полезный подход? Что вообще такое микросервисы? Где и когда микросервисная архитектура применима? Подходит ли она для коробочных продуктов? Какие преимущества дает и какие проблемы при этом сулит?
Слайды: https://docs.google.com/presentation/d/1j4L_HzETkuL1Q7dmGW6Z7WVnPZmUrdcll724iGhY_m0/edit?usp=sharing

Несколько советов по организации Python-приложения на сервере
https://habrahabr.ru/post/351566/?utm_campaign=351566

В этой статье я хочу поделиться несколькими удобными способами организации вашего проекта на рабочем (даже продакшен) сервере.

 

 
Я работаю, в основном, с Python/Django стеком, поэтому все примеры будут, в первую очередь, применительно к этому набору. Также ключевые технологии: Ubuntu (17.10), Python3 (3.6).

Военное ведомство США должно срочно переосмыслить стратегию в области машинного обучения
https://habrahabr.ru/post/351596/?utm_campaign=351596

Недавно стало известно, что Google (корпорация добра) занимается анализом видеоизображений с военных дронов. Этот проект называется Project Maven (https://www.defense.gov/News/Article/Article/1254719/project-maven-to-deploy-computer-algorithms-to-war-zone-by-years-end/) и был предложен в апреле 2017 года. Что интересно, сотрудничество с Google в этом проекте организовывал сам Эрик Шмидт, бывший председатель совета директоров Alphabet, и нынешний председатель Совета по оборонным инновациям DIB.

[Видео] Kyiv.py #23
https://github.com/hH39797J/python-videos-ru-2018#kyivpy-23

Событие: https://www.meetup.com/uapycon/events/247198692/
Дата: 24 февраля 2018

Hessian-Free оптимизация с помощью TensorFlow
https://habrahabr.ru/post/350794/?utm_campaign=350794

Я хочу рассказать про метод оптимизации известный под названием Hessian-Free или Truncated Newton (Усеченный Метод Ньютона) и про его реализацию с помощью библиотеки глубокого обучения — TensorFlow. Он использует преимущества методов оптимизации второго порядка и при этом нет необходимости считать матрицу вторых производных. В данной статье описан сам алгоритм HF, а так же представлена его работа для обучения сети прямого распространения на MNIST и XOR датасетах.

PyCharm 2018.1 RC
http://feedproxy.google.com/~r/Pycharm/~3/26KJFy9yVvU/

Гайд: Как распознать речь на Python
https://realpython.com/python-speech-recognition/

Хэш-стеганография с использованием vkapi
https://habrahabr.ru/post/351370/?utm_campaign=351370

Некоторое время назад решил разобраться, что такое стеганография, в чем её смысл и какая она бывает. И спустя несколько ссылок наткнулся на интересную статью (https://habrahabr.ru/post/272935/) про хэш-стеганографию. Возник вопрос — а почему бы не попробовать реализовать такой способ передачи на практике? Для начала — в виде proof of concept.

Авторизация через Telegram в Django и Python
https://khashtamov.com/ru/telegram-auth-django/

В начале февраля Павел Дуров анонсировал, что у Telegram появился так называемый Telegram Login Widget (https://telegram.org/blog/login). Проще говоря, теперь любой желающий может встроить авторизацию на своем сайте через Telegram, наряду с уже удобными способами входа через привычные для всех Google, Twitter, Facebook и так далее.
В этой заметке я хочу рассказать и наглядно показать как это сделать, используя Django. Исходный код свободно доступен в моем репозитории (https://github.com/adilkhash/django-telegram-auth-example) на GitHub. Пользуйтесь на здоровье.

#python #pydigest

Ух. В этот раз Python Дайджест прям переполнен материалами про машинное обучение и data science!

В 222 выпуске Python Дайджест вы найдете:

- Стеганография: прячем изображение в другом изображении
- «Cделать красиво». Визуализация обучения с Tensorboard от Google
- Python’ом по машинлернингу
- Поддержка Markdown в PyPi репозитории
- Руководство: Как распознать речь на Python
- Классификация музыкальных композиций по исполнителям с помощью Скрытых Марковских Моделей
- Автоматическая векторизация спутниковых снимков: одна модель — два первых места
- Несколько советов по организации Python-приложения на сервере
- Авторизация через Telegram в Django и Python
- [Видео] Kyiv.py #23
- [Видео] Григорий Аршинов - Введение в машинное обучение
- [Видео] Александр Мокров - По дороге к микросервисам
- [Видео] Александр Рассадин - Искусственный интеллект или Software 2.0
- TelegramTUI - консольный клиент telegram
- Fast-Pandas - сравнительные тесты производительности в Pandas операциях

и еще много интересного

Заходите в гости - https://pythondigest.ru/issue/222/
Присылайте интересные новости через форму на сайте.

Движок поиска по нескольким моделям в Django
https://www.codingforentrepreneurs.com/blog/a-multiple-model-django-search-engine/

О том как использовать Manager для поиска по нескольким моделям

Бинарный формат PSON
https://habrahabr.ru/post/351788/?utm_campaign=351788

PSON (Pandora Simple Object Notation) – бинарный формат упаковки, позволяющий переводить простые типы данных, массивы и списки в последовательность байт (простую строку). PSON придуман и разработан для использования в свободной распределённой информационной системе Pandora (https://github.com/Novator/Pandora) как более простая альтернатива бинарному формату BSON (https://ru.wikipedia.org/wiki/BSON).

Автоматическая векторизация спутниковых снимков: одна модель — два первых места
https://habrahabr.ru/post/348756/?utm_campaign=348756

В данной статье хочу поделиться с вами историей о том, как одна и та же архитектура модели принесла сразу две победы в соревнованиях по машинному обучению на платформе topcoder с интервалом месяц.

th2c - асинхронный HTTP/2 клиент для Python 2.7
https://github.com/vladmunteanu/th2c

Поддержка Markdown в PyPi репозитории
https://dustingram.com/articles/2018/03/16/markdown-descriptions-on-pypi

Как использовать HDF5 файлы в Python
https://www.uetke.com/blog/python/how-to-use-hdf5-files-in-python/

Сохраняем большие объемы данных, а потом читаем.

Стеганография: прячем изображение в другом изображении
https://towardsdatascience.com/steganography-hiding-an-image-inside-another-77ca66b2acb1

LabNotebook - утилита для анализа и сравнения  machine learning экспериментов
https://github.com/henripal/labnotebook

Fast-Pandas - сравнительные тесты производительности в Pandas операциях
https://github.com/mm-mansour/Fast-Pandas