Ищем свободное парковочное место с Python
https://habr.com/ru/post/451164/?utm_campaign=451164

Я живу в хорошем городе. Но, как и во многих других, поиск парковочного места всегда превращается в испытание. Свободные места быстро занимают, и даже если у вас есть своё собственное, друзьям будет сложно к вам заехать, ведь им будет негде припарковаться.


Поэтому я решил направить камеру в окно и использовать глубокое обучение, чтобы мой компьютер сообщал мне, когда освободится место

Должны ли строки в Python быть итерируемы?
https://habr.com/ru/post/451252/?utm_campaign=451252

И сотворил Гвидо строки по образу C, по образу массивов символов сотворил их. И увидел Гвидо, что это хорошо. Или нет?


Представьте, что вы пишете совершенно идиоматичный код по обходу неких данных с вложенностью. Beautiful is better than ugly, simple is better than complex, так что вы останавливаетесь на следующем варианте кода

Python for NLP: Gensim Library (Part 1)
https://stackabuse.com/python-for-nlp-working-with-the-gensim-library-part-1/

Введение в Reinforcement Learning
https://stackabuse.com/introduction-to-reinforcement-learning-with-python/

mindmeld - AI Platform for Deep-Domain Voice Interfaces and Chatbots.
http://github.com/cisco/mindmeld

tg2 - framework с генерируемой админкой и поддержкой плагинов
http://github.com/TurboGears/tg2

#python #pydigest

Сборник Python новостей уже перед вами.

В 281 выпуске Python Дайджест вы найдете:

- Как Netflix использует Питон
- PIL на Python от простого к сложному
- Ищем свободное парковочное место с Python
- Использование functool.wraps в декораторах Python
- Как создать любой белок за $360 с Python и Transcriptic
- Методы сжатия/хранения медиа данных в форматах WAVE и JPEG, часть 1
- Apache Kafka и потоковая обработка данных с помощью Spark Streaming
- Dino - распределенная система отправки оповещений для websocket
- self-driving-desktop - Desktop Automation framework
- Pykka 2.0 - реализация модели акторов


Заходите в гости - https://pythondigest.ru/issue/281/
Присылайте интересные новости через форму на сайте.

maloja - сервис для расчета статистики прослушивания музыки
http://github.com/krateng/maloja

async-reduce - агрегатор одновременно выполняющихся корутин
https://pypi.org/project/async-reduce/

Библиотека позволяющая повысить производительность asyncio-приложений, снизить нагрузку на внутренний сервисы (БД, кэш и т.д.) и сделать приложение устойчивым к "взрывным" нагрузкам.

Python Machine Learning – A Crash Machine Learning Course
https://github.com/machinelearningmindset/machine-learning-course

StackOverflow: интересные вопросы за неделю (clxxvii)
http://python-weekly.blogspot.com/2019/05/clxxvii-stackoverflow-python-report.html

MeshCNN - Convolutional Neural Network for 3D meshes in PyTorch
http://github.com/ranahanocka/MeshCNN

Сводка новостей от pythonz.net 05.05.2019 — 12.05.2019
https://pythonz.net/articles/238/

STUMPY - масштабируемая библиотека для работы с данными
http://github.com/TDAmeritrade/stumpy

Talk Python to Me: #211 Classic CS problems in Python
https://talkpython.fm/episodes/show/211/classic-cs-problems-in-python

Аудио-подкаст

AJAX вызовы в Django 2.2
https://zerowithdot.com/django-2-ajax-call/

pysot - отслеживаем один объект
http://github.com/STVIR/pysot

Podcast.__init__: Building A Privacy Preserving Voice Assistant
https://www.pythonpodcast.com/snips-voice-assistant-episode-211/

Аудио-подкаст

Пишем анализатор чата Whatsapp
https://towardsdatascience.com/build-your-own-whatsapp-chat-analyzer-9590acca9014

Глубокое обучение с подкреплением: пинг-понг по сырым пикселям
https://habr.com/ru/post/439674/?utm_campaign=439674

Вы, возможно, знаете, что компьютеры теперь могут автоматически учиться играть в игры ATARI  (http://www.nature.com/nature/journal/v518/n7540/abs/nature14236.html)(получая на вход сырые игровые пиксели!). Они бьют чемпионов мира в игру Го (http://googleresearch.blogspot.com/2016/01/alphago-mastering-ancient-game-of-go.html), виртуальные четвероногие учатся бегать и прыгать (https://www.cs.ubc.ca/~van/papers/2016-TOG-deepRL/index.html), а роботы учатся выполнять сложные задачи манипуляции, которые бросают вызов явному программированию. Оказывается, что все эти достижения не обходятся без RL. Я также заинтересовался RL в течение прошлого года: я работал с книгой Ричарда Саттона (прим.пер.: ссылка заменена) (https://www.google.com/search?q=richard+sutton+rl), читал курс Дэвида Сильвера (http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html), смотрел лекции Джона Шульмана (https://www.youtube.com/watch?v=oPGVsoBonLM), написал библиотеку RL на Javascript (http://cs.stanford.edu/people/karpathy/reinforcejs/), летом проходил практику в DeepMind, работая в группе DeepRL, и совсем недавно — в разработке OpenAI Gym (https://gym.openai.com/), – нового инструментария RL. Так что я, конечно, был на этой волне, по крайней мере, год, но до сих пор не удосужился написать заметку о том, почему RL имеет большое значение, о чем он, как все это развивается.