Введение в аннотации типов Python
https://habr.com/post/432656/?utm_campaign=432656

Python — язык с динамической типизацией и позволяет нам довольно вольно оперировать переменными разных типов. Однако при написании кода мы так или иначе предполагаем переменные каких типов будут использоваться (это может быть вызвано ограничением алгоритма или бизнес логики). И для корректной работы программы нам важно как можно раньше найти ошибки, связанные с передачей данных неверного типа.

Книга «Как устроен Python. Гид для разработчиков, программистов и интересующихся»
https://habr.com/post/433534/?utm_campaign=433534

У нас недавно вышла новая книга про «Python». Предлагаем сразу ознакомится с ознакомительным материалом.

О чем говорит YouTube
https://habr.com/post/433532/?utm_campaign=433532

На заре машинного обучения большинство решений выглядели очень странно, обособленно и необычно. Сегодня множество ML алгоритмов уже выстраиваются в привычный для программиста набор фреймворков и тулкитов, с которыми можно работать, не вдаваясь в детали их реализации.

Для примера я покажу, как можно помочь пользователю найти нужный видеоматериал среди сотен других в нашем сервисе документооборота.

 

Знакомство с Тестированием в Python. Ч. 2
https://habr.com/post/433572/?utm_campaign=433572

Если вы пишете тесты для веб-приложений, используя один из популярных фреймворков, например, Django или Flask, то стоит помнить о важных отличиях в написании и запуске таких тестов.

[Видео] Госуслуги в формате диалогов с чат-ботами. Real-time приложение с чат-ботами на Python
https://www.youtube.com/watch?v=b7SzWUoJHMg

В этом докладе я расскажу о том, как мы использовали концепцию диалогов с чат-ботами для предоставления сервисов госуслуг. Какие существуют основные нюансы при написании real-time приложений, как, например, мессенджера. Как обрабатывать многоступенчатые сценарии в чат-ботах со сложной бизнес-логикой. Как все вышеописанное реализуется на Python и какие инструменты для этого существуют

[Видео] Что внутри у питона: откуда быть пошел async
https://www.youtube.com/watch?v=GX7AUAwpQ4I

В этой части мы сконцентрируем внимание на процессе интерпретации. Подробно разберем внутренние структуры интерпретатора. Рассмотрим, как в язык добавили слово async, и какие изменения в виртуальной машине пришлось сделать для этого

awesome-python-applications -
http://github.com/mahmoud/awesome-python-applications

Без BDFL: кто теперь направит Python?
http://pythonz.net/articles/202/

Кто и как будет задавать курс Питону теперь, когда ван Россум сложил с себя полномочия.

Модульное тестирование и Python
https://habr.com/post/418929/?utm_campaign=418929

Поделюсь нашим опытом проведения модульного тестирования. Статья состоит из трёх частей: в первой расскажу, чего мы вообще добиваемся с помощью модульного тестирования; во второй части описаны принципы, которым мы следуем; а из третьей части вы узнаете, как упомянутые принципы реализованы на Python.

Pylint изнутри. Как он это делает
https://habr.com/post/433474/?utm_campaign=433474

Разные помощники в написании классного кода нас просто окружают, линтеры, тайпчекеры, утилиты для поиска уязвимостей, всё с нами. Мы привыкли и используем не вдаваясь в детали, как «черный ящик». Например, мало кто разбирается в принципах работы Pylint — одного из таких незаменимых инструментов для оптимизации и улучшения кода на Python.

PyCharm 2018.3.2
http://feedproxy.google.com/~r/Pycharm/~3/qrf0-nkYwsA/

Flask-Admin 1.5.3
https://github.com/flask-admin/flask-admin/releases

autodrome - Фреймворк на основе OpenAI Gym для разработки самоуправляемых автомобилей
http://github.com/vojtamolda/autodrome

Kubernetes для Python разработчика: часть 1
https://www.codementor.io/bjoernstiel/kubernetes-for-python-developers-part-1-qexdwsthj

orjson - Fast Python JSON library
http://github.com/ijl/orjson

История одного эксперимента с Cython и C++ vector
https://habr.com/post/433852/?utm_campaign=433852

Одним холодным зимним вечером, хотелось согреться в офисе и проверить теорию одного коллеги, что C++ vector мог бы быстрее справиться с задачей, чем CPython list.

В компании мы разрабатываем продукты на базе Django и случилось так, что нужно было обработать один большой массив словарей. Коллега предположил, что реализация на C++ была бы гораздо быстрее, а меня не покидало чувство, что Гвидо и сообщество наверное немного круче нас в Си и возможно уже решили и обошли все подводные камни, реализовав всё гораздо быстрее.

Для проверки теории, я решил написать небольшой тестовый файл, в котором решил прогнать в цикле вставку 1М словарей одинакового содержания в массив и в vector 100 раз подряд.

Результаты хоть и были ожидаемые, но так же и внезапные.

#python #pydigest

Сборник Python новостей уже перед вами

В 261 выпуске Python Дайджест вы найдете:

- Машинное обучение на Python-е с интерактивными Jupyter демонстрациями
- Pylint изнутри. Как он это делает
- О чем говорит YouTube
- Почему вы должны использовать pathlib
- Знакомство с тестированием в Python. Ч. 1
- Знакомство с Тестированием в Python. Ч. 2
- Kubernetes для Python разработчика: часть 1
- [Видео] Что внутри у питона: откуда быть пошел async
- [Видео] Госуслуги в формате диалогов с чат-ботами. Real-time приложение с чат-ботами на Python
- autodrome - Фреймворк на основе OpenAI Gym для разработки самоуправляемых автомобилей
- twint - Twitter Intelligence Tool
- PyCharm 2018.3.2

Заходите в гости - https://pythondigest.ru/issue/261/
Присылайте интересные новости через форму на сайте.

Машинное обучение на Python-е с интерактивными Jupyter демонстрациями
https://habr.com/post/433886/?utm_campaign=433886

Недавно я запустил репозиторий Homemade Machine Learning (https://github.com/trekhleb/homemade-machine-learning), который содержит примеры популярных алгоритмов и подходов машинного обучения, таких как линейная регрессия, логистическая регрессия, метод K-средних и нейронная сеть (многослойный перцептрон). Каждый алгоритм содержит интерактивные демо-странички, запускаемые в Jupyter NBViewer-e или Binder-e. Таким образом у каждого желающего есть возможность изменить тренировочные данные, параметры обучения и сразу же увидеть результат обучения, визуализации и прогнозирования модели у себя в браузере без установки Jupyter-а локально.

ООП - часть 4 - Полиморфизм
http://blog.thedigitalcatonline.com/blog/2014/08/21/python-3-oop-part-4-polymorphism/

Test and Code: 59: Genesynth, nox, urllib3 & PyCascades - Thea Flowers
https://testandcode.com/59

Аудио-подкаст