Size: a a a

2018 August 17
PythonDigest
PaperTTY - рисуем TTY на e-ink
http://github.com/joukos/PaperTTY
источник
PythonDigest
Crypton - библиотека с вариантами взлома популярных алгоритмов криптографии
http://github.com/ashutosh1206/Crypton
источник
PythonDigest
[Видео] Подкаст о Python на русском, выпуск #1
https://youtu.be/dHkkHB4J7kE

Вышел второй эфир регулярного подкаста от коллег из MoscowPython. В новом Python Junior подкасте обсудили:
1. Приключения питонистов в Москве: как начать карьеру в другом городе и найти работу в столице.
2. Специализированная IDE для новичков: обзор проекта MU.
3. Serverless: когда и кому пригодится эта технология.
источник
PythonDigest
unyt - работаем с единицами измерения в Python
http://github.com/yt-project/unyt
источник
PythonDigest
[Перевод] Докеризация веб-служб на R и Python
https://habr.com/post/420159/?utm_campaign=420159

Контейнеризация — это подход к разработке программного обеспечения, при котором приложение или служба, их зависимости и конфигурация (абстрактные файлы манифеста развертывания) упаковываются вместе в образ контейнера. В этой статье рассмотрим создание docker-образа и его использование для запуска оболочки R, Python и много другого
источник
2018 August 20
PythonDigest
[Перевод] 10 самых распространенных ошибок безопасности в Python и как их избежать
https://habr.com/post/420441/?utm_campaign=420441

Писать защищенный код сложно. Когда вы изучаете язык, модуль или фреймворк, вы узнаете, как это предполагается использовать. Вам также нужно подумать о том, как их можно использовать неправильно в контексте безопасности. Python не является исключением, даже в документации стандартной библиотеки есть описание плохих практик написания защищенных приложений. Тем не менее, многие Python-разработчики просто не знают о них.
источник
PythonDigest
#python #pydigest

В мире Python была спокойная неделя. О самом интересном читайте в Python Дайджест

В выпуске вы найдете:

- 10 самых распространенных ошибок безопасности в Python и как их избежать
- 10 веб-фреймворков Python, с которыми стоит работать в 2018 году
- Выбор оптимального предложения на рынке недвижимости. Часть 3, модель для предсказания цены.
- Паттерны корутин asyncio: за пределами await
- [Видео]  Подкаст о Python на русском, выпуск #1
- PaperTTY - рисуем TTY на e-ink
- papermill - инструмент параметризации и запуска Jupter notebook
- Crypton - библиотека с вариантами взлома популярных алгоритмов криптографии
- django-extensions - 2.1.0


и еще много интересного

Заходите в гости - https://pythondigest.ru/issue/243/
Присылайте интересные новости через форму на сайте.
источник
PythonDigest
Ищите сервер для веб-эксприментов?

Мы используем FirstVDS, довольны стабильностью и функционалом панели.

https://firstvds.ru/?from=421453
источник
PythonDigest
Pext - Python Extendable Tool
https://github.com/Pext/Pext
источник
2018 August 21
PythonDigest
fork инструмента для аудита кода Pylama с поддержкой Python 3.7
https://github.com/pyfocus/pylava/wiki/Announcing-Pylava:-A-fork-of-Pylama-for-Python-3.7
источник
PythonDigest
Выбор оптимального предложения на рынке недвижимости. Часть 3, модель для предсказания цены.
https://devdrive.ru/2018/08/18/Looking_for_optimal_flat_part3_create_model/%20

Завершающая часть серии статей рассматривающих анализ данных и предсказание на их основе. В качестве исходных данных взяты цены на недвижимость Екатеринбурга. В данной части речь идет про построенние моделей от знакомой всем линейной регрессии до современных методов бустинга на деревьях решений. Jupyter notebook и исходные данные в наличии.
источник
PythonDigest
papermill - инструмент параметризации и запуска Jupter notebook
http://github.com/nteract/papermill
источник
2018 August 22
PythonDigest
Senior python developer\team lead (django, remote)
https://moikrug.ru/vacancies/1000044720

Ищем ведущего питониста в mtrl.ai — стартап, который строит полностью автоматизированный убер для стройматериалов.
Наш стек — Django2/DRF, python 3.6, PostgreSQL, Celery, Elasticsearch.
Работаем удаленно с полностью свободным графиком, спринты длятся 10 дней. Задачи ставим прямо в гитхабе.
Переиcпользуемый код опенсорсим или выносим в микросервисы. Пишем юнит- и интеграционные тесты на pytest, на самом большом проекте сейчас ~4500 тестов.
Наш основной проект — это сложное бизнес-приложение, которое позволяет нам взаимодействовать с неорганизованными строительными рынками, как с настоящими складами.
Вам придется работать с асинхронным предсказанием наличия, системой принятия решений о выборе поставщика\менеджера, API для сайта, телефонии, маркетинга и еще кучей всего. Код без легаси, самые старые участки написаны в начале 2017 года.
ЗП — 120 000—150 000
По всем вопросам пишите fb@gdml.ru или @fedor_borshev
[Реклама]
источник
PythonDigest
Параллельное программирование на Python
https://chryswoods.com/parallel_python/index.html
источник
PythonDigest
[Перевод] Ray: Распределенная система для использования ИИ
https://habr.com/post/420695/?utm_campaign=420695

В предлагаемой сегодня статье будет коротко рассказано о библиотеке Ray, разработанной в Калифорнийском университете (Беркли) и упомянутой в книге Гифта мелким петитом. Надеемся, что в качестве раннего тизера — то, что надо.
источник
PythonDigest
fast_progress - гибкий progress bar для Jupyter Notebook и консоли
http://github.com/fastai/fast_progress
источник
PythonDigest
источник
2018 August 23
PythonDigest
Топ-10 инструментов Python для машинного обучения и data-science
https://habr.com/post/420819/?utm_campaign=420819

Python — один из наиболее популярных языков программирования. Причина — в его универсальности, ведь это мультитул с возможностью «заточки» под самые разные нужды. Сегодня мы публикуем подборку с описанием 10 полезных для data-scientist и специалиста по ИИ инструментов.


Машинное обучение, нейросети, Big-data — всё более растущий тренд, а значит, нужно все больше специалистов. Синтаксис Python математически точный, так что его понимают не только программисты, но и все, кто связан с техническими науками, — вот почему такое количество новых инструментов создается именно на этом языке.
источник
PythonDigest
DeepLabCut - Маркерное отслеживание пользовательских функций с deep learning
http://github.com/AlexEMG/DeepLabCut
источник
PythonDigest
[Видео] Подкаст о Python на русском, выпуск #2
https://youtu.be/dAiooWQNtmk

В третьем по счету эфире PythonJunior Григорий Петров, Михаил Корнеев и Валентин Домбровский обсудили:
* резюме и мотивационные письма для новичков,
* как организовать митап в своем городе, зачем стоит выбираться на такие мероприятия
* как устроены рейтинги языков программирования и какие факторы влияют на позиции Python в них
Оставляйте вопросы к ведущим и темы для следующих выпусков в комментариях к видео. Спасибо вам!
источник