Astra - Automated Security Testing For REST API's
http://github.com/flipkart-incubator/Astra

Decodify - декодируем, кодируем рекурсивно
http://github.com/UltimateHackers/Decodify

Talk Python to Me: #157 The Journal of Open Source Software
https://talkpython.fm/episodes/show/157/the-journal-of-open-source-software

google-images-download - скачиваем изображения из гугла
http://github.com/hardikvasa/google-images-download

[Видео] Разработка API ClickHouse для Рамблер/топ-100
https://www.youtube.com/watch?v=qQ5dqHDHzg8

В современном мире есть куча нюансов, которые нужно учесть при старте вашего приложения: конфигурация, деплой, тесты, CI, удобство разработки. Расскажу про Bleeding Edge технологии, основная цель которых сделать ваш проект безопасным и удобным

[Видео] Начинаем Django приложение правильно
https://www.youtube.com/watch?v=vDshhQnXSfM

В современном мире есть куча нюансов, которые нужно учесть при старте вашего приложения: конфигурация, деплой, тесты, CI, удобство разработки. Расскажу про Bleeding Edge технологии, основная цель которых сделать ваш проект безопасным и удобным

[Видео] Django-rester, как легкая альтернатива django-rest-framework
https://www.youtube.com/watch?v=qY-BjTaeEtU

При разработке сервисов на django, мы столкнулись с тем, что не пользуемся большей частью пакета django-rest-framework, о чем я упоминал на Moscow Python Conf 2017. В итоге мы сделали свой небольшой пакет для простой реализации REST API в Django проектах

StackOverflow: интересные вопросы за неделю (cxx)
http://python-weekly.blogspot.com/2018/04/cxx-stackoverflow-python-report.html

[Видео] Программирование это круто
https://www.youtube.com/watch?v=QEoiSNNkwTU

Лайвкодинг небольшой программы по выбору кино на вечер в рамках доклада для школьников и студентов младших курсов о том, что программировать это круто.

Анализ данных с использованием Python
https://habrahabr.ru/post/353050/?utm_campaign=353050

Язык программирования Python в последнее время все чаще используется для анализа данных, как в науке, так и коммерческой сфере. Этому способствует простота языка, а также большое разнообразие открытых библиотек.
 
В этой статье разберем простой пример исследования и классификации данных с использованием некоторых библиотек на Python. Для исследования, нам понадобится выбрать интересующий нас набор данных (DataSet). Разнообразные наборы Dataset'ы можно скачать с сайта (https://www.kaggle.com/). DataSet обычно представляет собой файл с таблицей в формате JSON или CSV. Для демонстрации возможностей исследуем простой набор данных с информацией о наблюдениях НЛО (https://www.kaggle.com/NUFORC/ufo-sightings). Наша цель будет не получить исчерпывающие ответы на главный вопрос жизни, вселенной и всего такого, а показать простоту обработки достаточно большого объема данных средствами Python. Собственно, на месте НЛО могла быть любая таблица.

Надежный способ тестирования внешних API без mock
http://avilpage.com/2018/04/reliable-way-to-test-external-apis-without-mocking.html

gopro-py-api - неофициальный API для камер Go Pro
https://github.com/konradit/gopro-py-api

ipaddress — Internet Addresses — PyMOTW 3
https://doughellmann.com/blog/2018/04/09/ipaddress-internet-addresses-pymotw-3/

Как быстро собрать dataset изображений для deep learning
https://www.pyimagesearch.com/2018/04/09/how-to-quickly-build-a-deep-learning-image-dataset/

Как записать видео с помощью OpenCV & Python
https://www.codingforentrepreneurs.com/blog/how-to-record-video-in-opencv-python/

Отладка Python с помощью pdb
https://realpython.com/python-debugging-pdb/

Python интерпретатор написанный на Python
http://aosabook.org/en/500L/a-python-interpreter-written-in-python.html

Извлекаем мета данные и текст из PDF
http://www.blog.pythonlibrary.org/2018/04/10/extracting-pdf-metadata-and-text-with-python/

dictquery - SQL-like для запросов в словари
https://github.com/cyberlis/dictquery

Применение сверточных нейронных сетей для задач NLP
https://habrahabr.ru/post/353060/?utm_campaign=353060

Когда мы слышим о сверточных нейронных сетях (CNN), мы обычно думаем о компьютерном зрении. CNN лежали в основе прорывов в классификации изображений — знаменитый AlexNet, победитель соревнования ImageNet в 2012 году, с которого начался бум интереса к этой теме. С тех пор сверточные сети достигли большого успеха в распознавании изображений, в силу того факта, что они устроены наподобие зрительной коры головного мозга — то есть умеют концентрироваться на небольшой области и выделять в ней важные особенности. Но, как оказалось, CNN хороши не только для этого, но и для задач обработки естественного языка (Natural Language Processing, NLP). Более того, в недавно вышедшей статье [1] от коллектива авторов из Intel и Carnegie-Mellon University, утверждается, что они подходят для этого даже лучше RNN, которые безраздельно властвовали областью на протяжении последних лет.