[Видео] A Bit about Bytes: Understanding Python Bytecode
http://pythonz.net/videos/117/?utm_source=rss&utm_campaign=promo&utm_medium=link

Рано или поздно любой питонист сталкивается с файлами байткода Питона — теми самыми .pyc файлами, которые Питон любит оставлять за собой после запуска.


А вы когда-либо задавались вопросом, о том как работает, то что у них внутри?

Перестаньте задаваться — из этого выступления вы узнаете не только о том, что такое байткод Питона и как он используется для выполнения вашего кода, но и научитесь расшифровывать и читать его так, чтобы можно было оценить его производительность.

[Видео] Python Meetup Chelyabinsk #3
https://github.com/hH39797J/python-videos-ru-2018#python-meetup-chelyabinsk-3

[Видео] Type-checked Python in the real world
http://pythonz.net/videos/118/?utm_source=rss&utm_campaign=promo&utm_medium=link

Слышали про аннотации типов в Питоне, но не знаете насколько они полезны? Беспокоитесь, что кода слишком много и не можете себе позволить его аннотировать?

Проверка типов в Питоне существует, она не миф, она может помочь вам в отлове ошибок и сделать ваш код проще для понимания.

И сейчас мы поделимся с вами своим опытом поэтапной типизации реального приложения на миллион строк!


Проверка типов позволяет решать реальные проблемы в действующих системах. Поговорим о том, как работает проверка, о её плюсах, о том, как внедрять её поэтапно в ваши боевые приложения, а также о том, как измерить выгоду и избежать частых проблем.


Мы даже продемонстрируем, как проверка типов может сочетаться с утиной типизацией! Готовьтесь окунуться в проверку типов в Питоне.

Выбор выступления для перевода и озвучивания 2018
http://pythonz.net/articles/164/?utm_source=rss&utm_campaign=promo&utm_medium=link

К голосованию приглашаются все желающие. Голосуйте сами, зовите друзей.

Failamp - простой аудио-видео проигрыватель на PyQt
https://martinfitzpatrick.name/article/media-player-python-qt/

Разбираемся с Elasticsearch + Python
http://blog.adnansiddiqi.me/getting-started-with-elasticsearch-in-python/

Keras: multi-label classification
https://www.pyimagesearch.com/2018/06/04/keras-multiple-outputs-and-multiple-losses/

Хабра-словарь. Часть 1
https://habr.com/post/413223/?utm_campaign=413223

Решал задачу составления словаря Хабрахабра для целей отслеживания появления новых языков, фреймворков, практик управления и т.п. Короче новых слов.

 
Результатом стал список английских слов «в именительном падеже и единственном числе».

10 Django приложений, которые вы не используете, но должны
https://www.vinta.com.br/blog/2015/10-django-apps-youre-not-using-but-should-be/

Загружаем файл из frontend'а в Amazon S3
https://www.vinta.com.br/blog/2015/uploading-files-from-the-frontend-to-S3/

На сервере Django

3 Django приложений для отправки e-mails
https://www.vinta.com.br/blog/2015/3-django-apps-for-sending-great-emails/

Управление доступами в Django
https://www.vinta.com.br/blog/2016/controlling-access-a-django-permission-apps-comparison/

Как тестировать DRF serializers
https://www.vinta.com.br/blog/2017/how-i-test-my-drf-serializers/

Сборка Caffe в Google Colaboratory: бесплатная видеокарта в облаке
https://habr.com/post/413229/?utm_campaign=413229

Google Colaboratory (https://colab.research.google.com/) — это не так давно появившийся облачный сервис, направленный на упрощение исследований в области машинного и глубокого обучения. Используя Colaboratory, можно получить удаленный доступ к машине с подключенной видеокартой, причем совершенно бесплатно, что сильно упрощает жизнь, когда приходится обучать глубокие нейросети. Можно сказать, что она является некоторым аналогом гугл-документов для Jupyter Notebook.

Как нас анализируют в кинотеатрах… и не только
https://habr.com/post/413015/?utm_campaign=413015

Компьютерное зрение все глубже интегрируется в нашу жизнь. При этом, мы даже не замечаем всего этого наблюдения за нами. Сегодня расскажем о системе, помогающей анализировать эмоции посетителей на конференциях, в учебном процессе, в кинотеатрах и много где ещё. Кстати, покажем код и расскажем о практических кейсах.

magnitude - набор утилит для работы с векторами данных в NLP
http://github.com/plasticityai/magnitude

SWEM - Tensorflow реализация "Baseline Needs More Love: On Simple Word-Embedding-Based Models and Associated Pooling Mechanisms"
http://github.com/dinghanshen/SWEM

Собираем PDF файл с помощью PyFPDF
http://www.blog.pythonlibrary.org/2018/06/05/creating-pdfs-with-pyfpdf-and-python/

Книга «Глубокое обучение на Python»
https://habr.com/post/413291/?utm_campaign=413291

Глубокое обучение — Deep learning — это набор алгоритмов машинного обучения, которые моделируют высокоуровневые абстракции в данных, используя архитектуры, состоящие из множества нелинейных преобразований. Согласитесь, эта фраза звучит угрожающе. Но всё не так страшно, если о глубоком обучении рассказывает Франсуа Шолле, который создал Keras — самую мощную библиотеку для работы с нейронными сетями. Познакомьтесь с глубоким обучением на практических примерах из самых разнообразных областей. Книга делится на две части: в первой даны теоретические основы, вторая посвящена решению конкретных задач. Это позволит вам не только разобраться в основах DL, но и научиться использовать новые возможности на практике.

ChromeController - интерфейс взаимодействия с Chrome браузером через Chrome Debugging Protocol
http://github.com/fake-name/ChromeController