Используем Python функции в AWS Lambda из PyCharm
https://camillovisini.com/deploy-serverless-python-functions-aws-lambda-pycharm/

Django Tips & Tricks #11 - ищем бутылочное горлышко производительности
http://avilpage.com/2018/12/django-bottleneck-performance-scaling.html

Varken - утилита перекладывания данных из Plex в InfluxDB
http://github.com/Boerderij/Varken

Test and Code: 57: Что такое Data Science?
https://testandcode.com/57

Аудио-подкаст

diyHue - эмулятор хабов для "умного" дома
http://github.com/diyhue/diyHue

Talk Python to Me: #190 Teaching Django
https://talkpython.fm/episodes/show/190/teaching-django

Аудио-подкаст

Агрегация Notebooks для погружения в AI
https://github.com/GokuMohandas/practicalAI/blob/master/README.md

Python 3.7.2rc1 и 3.6.8rc1 доступы для тестирования
http://feedproxy.google.com/~r/PythonInsider/~3/zUinRORskp0/python-372rc1-and-368rc1-now-available.html

Топ книг по фреймворку Django
https://habr.com/post/430580/?utm_campaign=430580

Веб-фреймворк Django подробно документирован на официальном сайте: там и теория, и справочная информация, и руководства для новичков. Однако, несмотря на качество, далеко не всем новичкам эта документация приходится по душе. Что ж, у вас есть два пути. Первый — записаться на обучающие курсы (https://geekbrains.ru/professions/pythondjango?utm_source=media%7Chabr.com&utm_medium=media&utm_campaign=data_12_12_18). Второй — в очередной раз заглянуть на полки интернет-магазинов. Этим мы сегодня и займёмся.

Кратчайшее введение в создание компилятора
https://habr.com/post/432982/?utm_campaign=432982

Здесь я попытался показать на практике, что собой представляют некоторые важные концепции из области создания компиляторов. Есть вероятность, что подобные 15-минутные завершенные истории могут оказаться неплохим способом погружения в сложные темы. Только хорошо бы не пассивно читать то, что представлено ниже, а еще и проверять код в работе.

 
Если первый опыт окажется успешным, то в будущем вас могут ожидать и другие 15-минутные "зарисовки" по тематике компиляторов.

Тестирование shell commands на Python
https://blog.esciencecenter.nl/testing-shell-commands-from-python-2a2ec87ebf71

Очень простой чат-бот для Telegram для самых маленьких
https://habr.com/post/432914/?utm_campaign=432914

Есть 100500 способов и инструментов создать простого serverless чат-бота для телеграм. А наш все-равно будет проще, хотя бы по числу кликов в интерфейсе. Сам бот будет написан на Python, а выполнятся будет на serverless движке Swifty.

 

vaex - работаем с огромными DataFrames (pandas)
http://github.com/vaexio/vaex

Немного внутренностей словарей в CPython (и PyPy)
https://habr.com/post/432996/?utm_campaign=432996

Внутреннее устройство словарей в Python не ограничивается одними лишь бакетами и закрытым хешированием. Это удивительный мир разделяемых ключей, кеширования хешей, DKIX_DUMMY и быстрого сравнения, которое можно сделать ещё быстрее (ценой бага с примерной вероятностью в 2^-64).


Если вы не знаете количество элементов в только что созданном словаре, сколько памяти расходуется на каждый элемент, почему теперь (CPython 3.6 и далее) словарь реализован двумя массивами и как это связано с сохранением порядка вставки, или просто не смотрели презентацию Raymond Hettinger «Modern Python Dictionaries A confluence of a dozen great ideas». Тогда добро пожаловать.

Распознаём тексты на Android Things с ABBYY RTR SDK и django
https://habr.com/post/432514/?utm_campaign=432514

Представьте себе небольшой конвейер. По нему едут товары или какие-то детали, на которых важно распознавать текст (возможно, это некий уникальный идентификатор, а может, и что-то более интересное). Хорошим примером будут посылки. Работу конвейера дистанционно контролирует оператор, который отслеживает неполадки и в случае чего решает проблемы. Что может ему в этом помочь? Девайс на платформе Android Things может быть неплохим решением: он мобильный, легко настраивается и может работать через Wi-Fi. Мы решили попробовать использовать технологии ABBYY (https://www.abbyy.com/products/) и узнать, насколько они подходят для таких ситуаций — распознавания текста в потоке на “нестандартных устройствах” из категории Internet of Things. Мы сознательно будем упрощать многие вещи, так как просто строим концепт

mindsdb - фреймворк для рационального использования нейронных сетей
http://github.com/mindsdb/mindsdb

Python in Visual Studio Code – December 2018
https://blogs.msdn.microsoft.com/pythonengineering/2018/12/13/python-in-visual-studio-code-december-2018-release/

pytext - natural language modeling framework на основе PyTorch
http://github.com/facebookresearch/pytext

Test and Code: 58: Тестирование REST API с помощью Docker и pytest
https://testandcode.com/58

Аудио-подкаст

Google News и Лев Толстой: визуализация векторных представлений слов с помощью t-SNE
https://habr.com/post/426113/?utm_campaign=426113

Каждый из нас воспринимает тексты по-своему, будь это новости в интернете, поэзия или классические романы. То же касается алгоритмов и методов машинного обучения, которые, как правило, воспринимают тексты в математической в форме, в виде многомерного векторного пространства.


Статья посвящена визуализации при помощи t-SNE рассчитанных Word2Vec многомерных векторных представлений слов. Визуализация позволит полнее понять принцип работы Word2Vec и то, как следует интерпретировать отношения между векторами слов перед дальнейшем использованием в нейросетях и других алгоритмах машинного обучения. В статье акцентируется внимание именно на визуализации, дальнейшее исследование и анализ данных не рассматриваются. В качестве источника данных мы задействуем статьи из Google News и классические произведения Л.Н. Толстого. Код будем писать на Python в Jupyter Notebook.