pyCAIR - Content aware image resizing
http://github.com/avidLearnerInProgress/pyCAIR

cozy - переводим из высокоуровневых описаний в конкретный код
http://github.com/CozySynthesizer/cozy

Ситнтаксис: Как написать iterator
http://treyhunner.com/2018/06/how-to-make-an-iterator-in-python/

distiller - пакет для сжатия нейронной сети
http://github.com/NervanaSystems/distiller

Celery + Channels = В статье создадим веб-приложение, которое в бэкграунде делает запросы к API со случайными шутками каждые 15 секунд, затем отправляет шутку пользователю через WebSocket. Для реализации приложения будем использовать: django, celery и channels. Celery для бэкграунд задач. Channels для передачи сообщений через WebSocket.

iMaterialist Furniture Challenge или 50 оттенков стульев
https://habr.com/post/414865/?utm_campaign=414865

Недавно на Kaggle закончилось соревнование iMaterialist Challenge (Furniture), задачей в котором было классифицировать изображения на 128 видов мебели и предметов быта (так называемая fine-grained classification, где классы очень близки друг к другу).


В этой статье я опишу подход, который принес нам с m0rtido (https://habr.com/users/m0rtido/) третье место, но прежде, чем переходить к сути, предлагаю воспользоваться для решения этой задачи естественной нейросетью в голове и разделить стулья на фото ниже на три класса.

Подборка свежих книг по Python для тех, кто только собрался его изучать
https://habr.com/post/414855/?utm_campaign=414855

Всегда есть множество поводов выпустить книгу про IT и программирование. Взлетел курс биткоина — на рынке появляется десяток блокбастеров про технологию блокчейна и майнинг. Машина на Go обыграла человека в какую-нибудь интеллектуальную игру — получите кипу «самых полных руководств» по гугловскому языку.


Но есть темы вечные. Одна из них — Python. Оно и понятно, язык прекрасно подойдёт тем, кто с программированием не знаком вовсе; изучить все основные библиотеки можно за пару недель, а возможности практически не ограничены. Автор блога GeekBrains (https://vk.cc/8cCsWs) Илья Бубнов заглянул на электронные полки магазина Amazon, чтобы посмотреть, что полезного было выпущено или перевыпущено по Python в первой половине 2018 года.

elasticsearch-py 6.3.0
https://elasticsearch-py.readthedocs.io/en/master/Changelog.html

Narrow — кто быстрее в веб
http://pythonz.net/articles/169/?utm_source=rss&utm_campaign=promo&utm_medium=link

Измеряем пропускную способность веб-серверов и каркасов приложений на Python.

StackOverflow: интересные вопросы за неделю (cxxxi)
http://python-weekly.blogspot.com/2018/06/cxxxi-stackoverflow-python-report.html

[Видео] Проверка типов в Питоне, как реальность (rus)
http://pythonz.net/videos/120/?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.

Допинг для аналитики: почему стоит обратить внимание на Apache Zeppelin
https://habr.com/post/414921/?utm_campaign=414921

Все рано или поздно приходят к аналитике за данными. В больших многопользовательских играх (да и синглплеере) без этого уже вообще никуда. Сколько пользователей предпочитают новый режим; где слабые места монетизации; куда смотреть геймдизайнерам, чтобы повысить вовлеченность игроков; и еще миллион вещей — подсчитывается вообще всё. И всё это влияет на решения, которые потом принимают разработчики.


А вот внедряют аналитику все по-разному: кто-то покупает сторонние решения (просто, но негибко), кто-то пишет под себя (долго и дорого), а кто-то пока просто считает несколько базовых метрик силами программистов и не заморачивается.

Создание management commands в Django
https://habr.com/post/415049/?utm_campaign=415049

Management commands — команды, выполняемые из командной строки с помощью скрипта manage.py.


Наиболее частые сферы применения — это действия, выполняемые разово или периодически, но для которых почему-либо недоступен запуск через планировщик. Например, отправка пользователям разовых сообщений, получение выборки данных из БД, проверка наличия необходимых файлов и папок перед накатыванием обновлений, быстрое создание объектов модели при разработке и т.д.

lxml - 4.2.3
https://allmychanges.com/p/python/lxml/#4.2.3

Мощный и быстрый модуль для обработки XML/HTML. Изменения описаны по ссылке https://allmychanges.com/p/python/lxml/#4.2.3. Скачать можно по ссылке: http://pypi.python.org/pypi/lxml/

Для чего применять Python? 3 варианта
https://medium.freecodecamp.org/what-can-you-do-with-python-the-3-main-applications-518db9a68a78

10 общих ошибок безопасности на Python и как их избежать
https://goo.gl/su47Kb

coveragepy - измерение покрытия кода для Python
http://github.com/nedbat/coveragepy

Mock: джентельменское введение. часть 1
http://blog.thedigitalcatonline.com/blog/2016/03/06/python-mocks-a-gentle-introduction-part-1/

ООП в Python. Часть 1 - объекты и типы
http://blog.thedigitalcatonline.com/blog/2014/08/20/python-3-oop-part-1-objects-and-types/

Raspberry Pi: распознавание лица
https://www.pyimagesearch.com/2018/06/25/raspberry-pi-face-recognition/