Python-установщик Android-сборок из TeamCity своими руками
https://habr.com/post/426149/?utm_campaign=426149

Во время тестирования приложений под Android (не только, но далее речь пойдет только про данную платформу), приходится устанавливать множество сборок тестируемого продукта / продуктов. Этот процесс отнимает время и силы, которые эффективнее потратить на поиск багов.
 
В настоящей статье мы рассмотрим существующее решение, напишем свое на Python и сравним их.

Zen - извлекаем email'ы для Github пользователей
http://github.com/s0md3v/Zen

Интеграция с SAP ERP, на примере с Django-python, по протоколу oData(rest)
https://habr.com/post/426611/?utm_campaign=426611

Всегда была интересна тема интеграции больших систем вроде SAP с небольшими, но более гибкими, так-сказать взять лучшее из того и другого.


В частности, в моем примере будет описана интеграция SAP ERP с Django.

responder - HTTP Framework
http://python-responder.org/

Автоматизация импорта данных в Google BigQuery с помощью Google Cloud Functions
https://habr.com/post/426647/?utm_campaign=426647

Мы постоянно работаем с Google BigQuery – импортируем данные о пользователях, их заказах и расходах на рекламу из разных источников, чтобы иметь возможность объединять их между собой. Что нам это дает? Например, если у вас интернет-магазин и клиент делает заказ по телефону, а потом авторизовывается на сайте, то с помощью Google BigQuery можно связать все его действия задним числом. Можно отслеживать весь путь клиента по маркетинговой воронке – от первого попадания на сайт до покупки в brick and mortar магазине, и оценивать рекламные кампании с учетом таких офлайн-продаж.

Построение функций в консоли. Часть 2 (График)
https://habr.com/post/426519/?utm_campaign=426519

В прошлый раз я остановился на построении таблицы значения функций. Пришла пора перейти к построению самого графика, ради чего все это, собственно, и начиналось.


Итак, основная идея состоит в следующем. Повернем координатную ось на 90 градусов по часовой стрелке. Это нужно для того, чтобы упростить построения, не храня данные о каждой точке в каком-нибудь листе.

Облачные сервисы Amazon и анализ инвестиционного портфеля
https://habr.com/post/426027/?utm_campaign=426027

В последнее время на фондовых рынках наблюдается высокая волатильность, когда, например, стабильная бумага известной компании может враз потерять сразу несколько процентов на новостях о санкциях против ее руководства или наоборот взлететь до небес на позитивном отчете и ожиданиях инвесторов о сверхприбыльных дивидендах.


Как же определить, принесло ли владение данной ценной бумагой доход или одни лишь убытки и разочарование?

Нейронные сети с нуля: множественная классификакция
https://stackabuse.com/creating-a-neural-network-from-scratch-in-python-multi-class-classification/

Python Bytes: #99 parse - the regex antidote in Python
https://pythonbytes.fm/episodes/show/99/parse-the-regex-antidote-in-python

Аудио-подкаст

Test and Code: 49: tox - Oliver Bestwalter
https://testandcode.com/49

Аудио-подкаст

Синтаксис: range()
https://realpython.com/python-range/

Разработка GUI на Tkinter: введение
https://stackabuse.com/gui-development-with-python-tkinter-an-introduction/

[Видео] RabbitMQ: плагины и расширения
https://www.youtube.com/watch?v=kpmltOTb_D8

Расширения и плагины RabbitMQ избавляют программистов от написания дополнительной логики работы с очередями, повышают отказоустойчивость сервисов и позволяют масштабироваться не только между дата-центрами, но и между континентами. В докладе я расскажу, какие именно расширения и для каких целей мы используем в компании, с какими трудностями столкнулись и как их преодолели

[Видео] Изменение схемы таблиц без долгих блокировок в PostgreSQL
https://www.youtube.com/watch?v=27O6rzjsYeM

Во время многих операций по изменению схемы базы данных сервис не может корректно работать на запись. В докладе я расскажу о том, какие операции в PostgreSql требуют длительных блокировок и как мы в Формах Яндекс.Коннекта обеспечиваем почти стопроцентную доступность сервиса на запись во время выполнения таких операций. Также мы поговорим о Django-библиотеке, призванной автоматизировать некоторые из описанных процессов

[Видео] Что внутри у Питона: как работает интерпретатор
https://www.youtube.com/watch?v=at30AmjPsy4

Это первая из трёх лекций в цикле «Внутренности Питона». Мы разберёмся, как устроен Питон, посмотрим на этапы работы интерпретатора, построение деревьев разбора и генерацию байткода, а также выясним, какое пространство для оптимизаций нам это дает. Если хотите больше знать про язык, на котором пишете, то приходите. Если уже все знаете, всё равно приходите

[Видео] Python Junior подкаст. Онлайн-выпуск: о первых проектах, хакатонах, теории и практике и не только
https://www.youtube.com/watch?v=NPfFP09712o

Нейронная сеть с использованием TensorFlow: классификация изображений
https://habr.com/post/426797/?utm_campaign=426797

Представляю вашему вниманию перевод статьи "Train your first neural network: basic classification" (https://www.tensorflow.org/tutorials/keras/basic_classification).

Работа с изображениями на Python в 2017 году
https://habr.com/post/425471/?utm_campaign=425471

Тема сегодняшнего разговора — чему же научился Python за все годы своего существования в работе с изображениями. И действительно, кроме старичков родом из 1990 года ImageMagick и GraphicsMagick, есть современные эффективные библиотеки. Например, Pillow и более производительная Pillow-SIMD. Их активный разработчик Александр Карпинский (homm (https://habr.com/users/homm/)) на MoscowPython сравнил разные библиотеки для работы с изображениями на Python, представил бенчмарки и рассказал о неочевидных особенностях, которых всегда хватает. В этой статье расшифровка доклада, который поможет вам выбрать библиотеку под свое приложение, и сделать так, чтобы она работало максимально эффективно.

Как правильно «фармить» Kaggle
https://habr.com/post/426227/?utm_campaign=426227

Недавно (1 октября) стартовала новая сессия прекрасного курса по DS/ML (https://mlcourse.ai/) (очень рекомендую в качестве начального курса всем, кто хочет, как это теперь называется, "войти" в DS). И, как обычно, после окончания любого курса у выпускников возникает вопрос — а где теперь получить практический опыт, чтобы закрепить пока еще сырые теоретические знания. Если вы зададите этот вопрос на любом профильном форуме — ответ, скорее всего, будет один — иди решай Kaggle. Kaggle — это да, но с чего начать и как наиболее эффективно использовать эту платформу для прокачки практических навыков? В данной статье автор постарается на своем опыте дать ответы на эти вопросы, а также описать расположение основных грабель на поле соревновательного DS, чтобы ускорить процесс прокачки и получать от этого фан.

Введение в WSGI-серверы: Часть первая
https://habr.com/post/426957/?utm_campaign=426957

WSGI-серверы появились потому, что веб-серверы в то время не умели взаимодействовать с приложениями, написанными на языке Python. WSGI (произносится как «whiz-gee» с твердым «g») был разработан Филиппом Дж. Эби (вместе с Ян Бикинг и др.) В начале 2000-х годов. Модуль Apache, известный как mod_python (https://ru.wikipedia.org/wiki/Mod_python), разработанный Григорием Трубецким в конце 90-х годов, на тот момент обрабатывал большую часть Python-приложений. Однако mod_python не был официальной спецификацией. Он был просто создан, чтобы разработчики могли запускать код Python на сервере. К сожалению, такой подход был небезопасным и разработчики начали искать новое решение.

WSGI (http://citforum.ru/programming/python/wsgi/)(Web-Server Gateway Interface) является потомком CGI(Common Gateway Interface). Когда веб начал развиваться, CGI разрастался из-за поддержки огромного количества языков и из-за отсутствия других решений. Однако, такое решение было медленным и ограниченным. WSGI был разработан как интерфейс для маршрутизации запросов от веб-серверов(Apache, Nginx и т.д.) на веб-приложения.