Jupyter Notebook в Netflix
https://habr.com/ru/post/439272/?utm_campaign=439272

В последнее время Jupyter Notebook стал очень популярен среди специалистов Data Science, став де-факто стандартом для быстрого прототипирования и анализа данных. В Netflix, стараемся раздвинуть границы его возможностей еще дальше, переосмысливая то, чем может быть Notebook, кем может быть использован, и что они могут могут с ним делать. Мы вкладываем много сил, чтобы воплотить наше видение в реальность.
 
В данной статье мы хотим рассказать почему считаем что Jupyter Notebooks настолько привлекательным и что вдохновляет нас на этом пути. Кроме того, опишем компоненты нашей инфраструктуры и сделаем обзор новых способов использования Jupyter Notebook в Netflix.

Jupyter Notebooks —советы и  трюки
https://medium.com/lalitvyas1994/jupyter-notebooks-cool-tricks-timing-cells-making-slides-and-many-more-8bf629975c6b?source=rss------python-5

Отправляем письма с HTML
https://medium.com/sjpratt19/sending-html-embedded-emails-with-python-2e573d59d2b?source=rss------python-5

Как работать с Mongo из Python с помощью PyMongo
https://medium.com/rinu.gour123/how-to-work-with-nosql-database-in-python-using-pymongo-b43a606e33bd?source=rss------python-5

OpenAI Gym+ROS+Gazebo: обучение автономного робота в домашних условиях. Часть 1
https://habr.com/ru/post/441218/?utm_campaign=441218

За последние несколько лет мы стали свидетелями внедрения технологий искусственного интеллекта в нашу повседневной жизни — от роботов-пылесосов до беспилотных дронов. Все они, управляемые искусственным интеллектом, уже являются для нас обыденностью. Но несмотря на это, процесс разработки, от проектирования до реализации, занимает годы и обходится не дешево. Кроме того, алгоритмы машинного обучения требуют большие данные и нет никаких гарантий, что в конечном счете все сработает.


Рано или поздно каждый разработчик приходит к выводу, что перед созданием реального робота необходимо протестировать концепт в симуляции, отладить все системы и, в конце концов, понять, тот ли путь разработки был выбран.

Оптимизация производительности Python
https://stackabuse.com/python-performance-optimization/

Talk Python to Me: #200 Escaping Excel Hell with Python and Pandas
https://talkpython.fm/episodes/show/200/escaping-excel-hell-with-python-and-pandas

Аудио-подкаст

#python #pydigest

Сборник Python новостей уже перед вами.

В 270 выпуске Python Дайджест вы найдете:

- Jupyter Notebook в Netflix
- Опыт построения инфраструктуры на микросервисной архитектуре
- Пишем собственного бота для торговли - неделя 2
- Sublime Text и Language Server Protocol
- Поговорим о структурах данных в Python
- Оптимизация производительности Python
- Концепция полиморфизма в ORM Django
- Изучаем Python: модуль argparse
- [Видео] Python Junior подкаст. Почему в «Тиньков-журнале» выбирают Django
- matchlib - сравниваем вложенные структуры данных

Заходите в гости - https://pythondigest.ru/issue/270/
Присылайте интересные новости через форму на сайте.

Добавляем свой filter в Django Admin
https://timonweb.com/tutorials/adding-custom-filters-to-django-admin-is-easy/

Опыт построения инфраструктуры на микросервисной архитектуре
https://habr.com/ru/post/441310/?utm_campaign=441310

За последний год публикаций о микросервисах стало так много, что рассказывать что это и зачем нужно было бы пустой тратой времени, так что дальнейшее изложение будет сконцентрировано на вопросе — каким способом бы реализовали эту архитектуру и почему именно так и с какими проблемами столкнулись.
 
У нас в небольшом банке были большие проблемы: 3 python монолита связанных чудовищным количеством синхронных RPC взаимодействий с большим объемом legacy. Что бы хотя бы отчасти решить все возникающие при этом проблемы было принято решение перейти на микросервисную архитектуру. Но прежде чем решиться на такой шаг нужно ответить на 3 основных вопроса:

 
Как разбить монолит на микросервисы и какими критериями следует при этом руководствоваться.
Каким образом микросервисы будут взаимодействовать?
Как осуществлять мониторинг?

Пошаговый туториал по Machine Learning
https://codequs.com/p/BkaLEq8r4/a-complete-machine-learning-project-walk-through-in-python

Сортировка и объединение связаного списка
https://stackabuse.com/sorting-and-merging-single-linked-list/

Python Bytes: #118 Управляем исполняемыми файлами с pipx
https://pythonbytes.fm/episodes/show/118/better-python-executable-management-with-pipx

Django ORM оптимизация: получение последнего элемента
https://www.peterbe.com/plog/django-orm-optimization-story-on-selecting-the-least-possible

Поговорим о структурах данных в Python
https://apirobot.me/posts/lets-talk-about-data-structures-in-python

StackOverflow: интересные вопросы за неделю (clxvi)
http://python-weekly.blogspot.com/2019/02/clxvi-stackoverflow-python-report.html

Регистрация на конференцию Pycon Russia 2019 открыта
https://pycon.ru/2019/

PyCon 2019 пройдет 24 и 25 июня в отеле «Cronwell Яхонты Таруса» в 95 км. от Москвы. До места проведения и обратно будет организован трансфер.
Формат конференции остается прежним — двухдневная конференция на природе с иностранными докладчиками, Lightning Talks и афтепати.

Колоризация изображений с OpenCV и Deep Learning
https://www.pyimagesearch.com/2019/02/25/black-and-white-image-colorization-with-opencv-and-deep-learning/

Python 3.8.0a2
http://feedproxy.google.com/~r/PythonInsider/~3/c5jWx0k6KrQ/python-380a2-is-now-available-for.html

bullet - делаем список в CLI утилитах
https://github.com/Mckinsey666/bullet