Size: a a a

2019 July 17
PythonDigest
grizzly - A cross-platform browser fuzzing framework
http://github.com/MozillaSecurity/grizzly
источник
PythonDigest
Модуль dis в Python и свертка констант
https://habr.com/ru/post/460143/?utm_campaign=460143&utm_source=habrahabr&utm_medium=rss

Недавно я очень удивился, когда обнаружил, что
 
>>> pow(3,89)

работает медленнее, чем
>>> 3**89
Я пытался придумать какое-либо приемлемое объяснение, но не смог. Я засек время выполнения этих двух выражений, используя модуль timeit (https://docs.python.org/3/library/timeit.html) из Python 3:
источник
2019 July 18
PythonDigest
[Видео] Василий Литвинов, Intel «Profiling Python and C for fun and profit, or Pandas, go fast!»
https://www.youtube.com/watch?v=IHfwyGjMBDs
источник
PythonDigest
Автоматизация импортов в Python
https://habr.com/ru/post/459930/?utm_campaign=459930&utm_source=habrahabr&utm_medium=rss

Так получилось, что аж с 2012 года я разрабатываю open source браузерку, являясь единственным программистом. На Python само собой. Браузерка — штука не самая простая, сейчас в основной части проекта больше 1000 модулей и более 120 000 строк кода на Python. В сумме же с проектами-спутниками будет раза в полтора больше.
источник
PythonDigest
Рецепты для ELFов
https://habr.com/ru/post/460247/?utm_campaign=460247&utm_source=habrahabr&utm_medium=rss

На русском языке довольно мало информации про то, как работать с ELF-файлами (Executable and Linkable Format — основной формат исполняемых файлов Linux и многих Unix-систем). Не претендуем на полное покрытие всех возможных сценариев работы с эльфами, но надеемся, что информация будет полезна в виде справочника и сборника рецептов для программистов и реверс-инженеров.
 
Подразумевается, что читатель на базовом уровне знаком с форматом ELF (в противном случае рекомендуем цикл статей Executable and Linkable Format 101 (http://www.intezer.com/executable-linkable-format-101-part1-sections-segments/)).

Под катом будут перечислены инструменты для работы, описаны приемы для чтения метаинформации, модификации, проверки и размножения создания эльфов, а также приведены ссылки на полезные материалы.
источник
PythonDigest
dagster - фреймворк приложений для работы с данными
http://github.com/dagster-io/dagster
источник
PythonDigest
[Видео] Станислав Кириллов, CatBoost «CatBoost и Python»
https://www.youtube.com/watch?v=Q32Il5G0tQ8
источник
PythonDigest
[Видео] Ришат Ибрагимов, Яндекс «Квантовое программирование на Python: учимся на примерах»
https://www.youtube.com/watch?v=MS22m6nIT_Q
источник
PythonDigest
[Видео] Борис Цема, Wargaming.net «Как мы уменьшили сложность наших проектов»
https://www.youtube.com/watch?v=45rk0iyTn7I
источник
PythonDigest
[Видео] Максим Мазаев, ЦИАН «Проверка типов в большом проекте»
https://www.youtube.com/watch?v=iEuTGu1ks7I
источник
PythonDigest
[Видео] Дмитрий Орлов, Едадил «Асинхронный драйвер к RabbitMQ от автора»
https://www.youtube.com/watch?v=EFVwilQvv_4
источник
PythonDigest
[Видео] Владислав Блинов, Tinkoff.ru «Как написать чат-бота, если нет времени получать PhD?»
https://www.youtube.com/watch?v=_ANplBjEOuo
источник
PythonDigest
[Видео] Глеб Ивашкевич, datarythmics «Julia, Python и машинное обучение»
https://www.youtube.com/watch?v=NKYTIJ2PA1g
источник
PythonDigest
[Видео] Денис Катаев, Tinkoff.ru «Пишем приложения на SQLAlchemy»
https://www.youtube.com/watch?v=s32b1w5oqqI
источник
PythonDigest
[Видео] Дмитрий Ходаков, Avito «CPU bound задачи в веб-сервисах на Python»
https://www.youtube.com/watch?v=OmBuXb7P9Ak
источник
PythonDigest
Галерея лучших блокнотов по ML и Data Science
https://habr.com/ru/post/460321/?utm_campaign=460321&utm_source=habrahabr&utm_medium=rss

Подборка примечательных файлов формата Jupyter Notebook по Machine Learning, Data Science и другим сферам, связанным с анализом данных. Эти блокноты Jupyter, будут наиболее полезны специалистам по анализу данных — как обучающимся новичкам, так и практикующим профи.
источник
PythonDigest
Есть ли что-то общее у разных песен-хитов?
https://habr.com/ru/post/460313/?utm_campaign=460313&utm_source=habrahabr&utm_medium=rss

Если выполнить вход на Spotify.me (http://www.spotify.me/), то можно получить персонализированную сводку того, как Spotify понимает вас через музыку, которую вы слушаете на этом сайте Spotify. Это круто!


Я слушаю много музыки и люблю работать с данными, поэтому это вдохновило меня на попытку анализа моей коллекции музыки.


Мне было очень любопытно, существуют ли какие-то конкретные ингредиенты, из которых составлены хитовые песни. Что делает их крутыми? Почему нам нравятся хиты, и есть ли у них определённая «ДНК»?
источник
PythonDigest
Test and Code: 81: TDD with flit
https://testandcode.com/81

Audio
источник
PythonDigest
[Видео] Николай Марков, Aligned Research, мастер-класс «Как упаковать питонопроект, чтобы не было стыдно»
https://www.youtube.com/watch?v=yLyW3s1vvUI
источник
PythonDigest
webssh - Web based ssh client
http://github.com/huashengdun/webssh
источник