Как писать вложенные функции на Python
https://stackabuse.com/python-nested-functions/

homemade-machine-learning - интерактивные Jupyter notebook's для изучения Machine Learning
https://github.com/trekhleb/homemade-machine-learning

Почему вы должны использовать pathlib
http://treyhunner.com/2018/12/why-you-should-be-using-pathlib/

KubiScan - утилита для проверки безопасности для Kubernetes
http://github.com/cyberark/KubiScan

Python 3 Is Now 10 Years Old Was It Worth It?
https://archive.fosdem.org/2018/schedule/event/python3/

Доклад

[Видео] Python Junior подкаст. Про женщин в IT
https://www.youtube.com/watch?v=MibsaCENIIU

В гостях у подкаста Ксения Сухова, датасайентист из ДомКлик. Мы поговорили с Ксенией о карьере женщин в IT и связанных с этим проблемах.

StackOverflow: интересные вопросы за неделю (clvii)
http://python-weekly.blogspot.com/2018/12/clvii-stackoverflow-python-report.html

[Перевод] Годные туториалы на YouTube
https://habr.com/post/434034/?utm_campaign=434034

На YouTube много бесплатных обучающих и курсов и туториалов.

Как оптимизировать Django REST Viewsets
http://concisecoder.io/2018/12/23/how-to-optimize-your-django-rest-viewsets/

Базовая диагностика тормозов

Django Quiz 2018
https://adamj.eu/tech/2018/12/23/django-quiz-2018/

Podcast.__init__: AIORTC: An Asynchronous WebRTC Framework
https://www.podcastinit.com/aiortc-with-jeremy-laine-episode-191/

Аудио-подкаст

Python 3.7.2 и 3.6.8 уже доступны
http://feedproxy.google.com/~r/PythonInsider/~3/o5ROzg9M8NY/python-372-and-368-are-now-available.html

Как использовать Keras fit и fit_generator (a hands-on tutorial)
https://www.pyimagesearch.com/2018/12/24/how-to-use-keras-fit-and-fit_generator-a-hands-on-tutorial/

bocadillo - веб-фреймворк Python, наполненный асинхронной сальсой
http://github.com/bocadilloproject/bocadillo

crossCobra - Python IDE на базе PyQt5
http://github.com/morten1982/crossCobra

Я у мамы алготрейдер: ищем бес&платные фреймворки для тестирования гипотез и запуска в боевом режиме (Python)
https://habr.com/post/434244/?utm_campaign=434244

Допустим, вы имели какое-то отношение к фондовому рынку раньше. Или, не имея такового, увлеклись горячей (но в последние месяцы уже заметно похолодевшей....) темой криптовалют. Также предположим, что вы пошли еще дальше и решили, что «ручное управление» полетами уже неэффективно и надо бы автоматизировать свои светлые идеи и превратить мартышкин труд в нечто более технологичное. Ровно на этом моменте начинаются вопросы, которые я хотел бы обсудить в статье, а именно: есть ли готовое решение для бэктестинга торговых идей (бесплатное желательно), где взять исторические данные (в идеале бесплатно), а также что с этим всем потом делать, т.е. какие существуют решения для боевого запуска автоматизированных торговых систем, успешно проверенных на бэктесте? Примечание первое и второе: статья написана для Python-based библиотек и систем, как дела с доступностью для других языков судить не могу; в приоритете — зарубежные рынки и/или криптовалюты, относительно применимости к фондовому рынку РФ судить также не берусь.

#python #pydigest

Сборник Python новостей уже перед вами.
P.S. Поздравляем с Новым Годом!

В 262 выпуске Python Дайджест вы найдете:

- Django Quiz 2018
- Celery в Docker
- Коротко о работе с RabbitMQ из Python
- Нагрузочное тестирование с locust. Часть 3
- Используем Plotly для интерактивной визуализации данных
- Предсказываем время решения тикета с помощью машинного обучения
- Создание модели распознавания лиц с использованием глубокого обучения на языке Python
- bocadillo - веб-фреймворк Python, наполненный асинхронной сальсой
- pytest-stub - плагин для подмены пакетов, модулей, атрибутов
- Kanren - логическое программирование на Python


Заходите в гости - https://pythondigest.ru/issue/262/
Присылайте интересные новости через форму на сайте.

mars - библиотека для больших объемах данных на тензорах
http://github.com/mars-project/mars

Внутренности словаря в Python - объяснимое объяснение
https://just-taking-a-ride.com/inside_python_dict/

Предсказываем время решения тикета с помощью машинного обучения
https://habr.com/post/433166/?utm_campaign=433166

Оформляя тикет в системе управления проектами и отслеживания задач, каждый из нас рад видеть ориентировочные сроки решения по своему обращению.

Получая поток входящих тикетов, человеку/команде необходимо выстроить их в очередь по приоритету и по времени, которое займет решение каждого обращения.

Все это позволяет эффективнее планировать своё время обеим сторонам.

Под катом я расскажу о том, как проводил анализ и обучал ML модели, предсказывающие время решения оформляемых в нашу команду тикетов.