NVIDIA Jetson Nano: тесты и первые впечатления — часть 2, тесты AI
https://habr.com/ru/post/460971/?utm_campaign=460971&utm_source=habrahabr&utm_medium=rss

В первой части (https://habr.com/ru/post/460723/) была рассмотрена NVIDIA Jetson Nano — плата в форм-факторе Raspberry Pi, ориентированная на производительные вычисления с помощью GPU. Настала пора протестировать плату в том, для чего она создавалась — для AI-ориентированных расчетов.

Python Bytes: #140 Becoming a 10x Developer (sorta)
https://pythonbytes.fm/episodes/show/140/becoming-a-10x-developer-sorta

Audio

Ван Россум думает над возможностью использования PEG
https://pythonz.net/articles/257/

Есть шансы, что на смену простому pgen придёт нечто более хитрое

PyCharm 2019.2
http://feedproxy.google.com/~r/Pycharm/~3/m7rz2jbF6E8/

Как развернуть Django на Pythonanywhere
https://www.pythoncircle.com/post/18/how-to-host-django-app-on-pythonanywhere-for-free/

tpot - оптимизириуем Machine Learning  pipelines с помощью генетического программирования
http://github.com/EpistasisLab/tpot

[Видео] Moscow Python Podcast. Как меняется заточка Python и всё ли он режет (level: medium+)
https://www.youtube.com/watch?v=e54Ch1V046Y

Общеизвестно, что Python — язык универсальный. Но он эволюционирует, меняются и тренды в разработке — и не всегда понятно, для чего наиболее пригодны сегодня Python и экосистема вокруг него. Много ли задач, для решения которых он посредственный выбор? Какие архитектурные особенности это предопределяют? В какую сторону лучше развивать язык?

Мелкая питонячая радость #8: мелкие удовольствия для работы с БД
https://habr.com/ru/post/460435/?utm_campaign=460435&utm_source=habrahabr&utm_medium=rss

Беглый опрос коллег на моем текущем проекте показал, что при словах "ORM и работа с БД" в подавляющем большинстве случаев звучат слова "Алхимия" и "Django ORM". Знания этих двух слов, в общем, достаточно, чтобы писать чистый, аккуратный и рабочий код. Но расширение инженерного кругозора пока еще никому не вредило, поэтому сегодня мы добавим в нашу картину мира несколько (возможно, до этого дня незнакомых) классных штук для работы с БД.

5 главных алгоритмов сэмплинга
https://habr.com/ru/post/461285/?utm_campaign=461285&utm_source=habrahabr&utm_medium=rss

Работа с данными — работа с алгоритмами обработки данных.
 
И мне приходилось работать с самыми разнообразными на ежедневной основе, так что я решил составить список наиболее востребованных в серии публикаций.

Эта статья посвящена наиболее распространённым способам сэмплинга при работе с данными.

addons - аддоны для TensorFlow 2.0
http://github.com/tensorflow/addons

Осваиваем компьютерное зрение — 8 основных шагов
https://habr.com/ru/post/461365/?utm_campaign=461365&utm_source=habrahabr&utm_medium=rss

Для тебя уже не является новостью тот факт, что все на себе попробовали маски старения через приложение Face App (https://faceapp.com/app). В свою очередь для компьютерного зрения есть задачи и поинтереснее этой. Ниже представлю 8 шагов, которые помогут освоить принципы компьютерного зрения.

you-get - скачиваем видео файлы из соц.сетей
https://github.com/soimort/you-get

bccBCC - Tools for BPF-based Linux IO analysis, networking, monitoring, and more
https://github.com/iovisor/bcc

Django 3.0 будет асинхронным
https://habr.com/ru/post/461493/?utm_campaign=461493&utm_source=habrahabr&utm_medium=rss

Асинхронный Python разрабатывался много лет, и в экосистеме Django мы экспериментировали с ним в Channels (https://channels.readthedocs.io/en/stable/) с ориентацией в первую очередь на поддержку вебсокетов.
 
По мере развития экосистемы стало очевидно, что, хотя нет насущной необходимости расширять Django для поддержки отличных от HTTP протоколов, таких как вебсокеты, поддержка асинхронности даст много преимуществ для традиционной model-view-template структуры Django.

Управление зависимостями в Python: сравнение подходов
https://habr.com/ru/post/461511/?utm_campaign=461511&utm_source=habrahabr&utm_medium=rss

К сожалению, в Python-сообществе нет универсального понятия «хорошей архитектуры», есть только понятие «питоничности», поэтому архитектуру приходится придумывать самим. Под катом — лонгрид с размышлениями об архитектуре и в первую очередь — об управлении зависимостями применимо к Python.

fastapi - FastAPI framework, high performance, easy to learn, fast to code, ready for production
https://github.com/tiangolo/fastapi

Talk Python to Me: #222 Interactive graphs with Bokeh and Python
https://talkpython.fm/episodes/show/222/interactive-graphs-with-bokeh-and-python

Audio

Визуализация сна первого года ребенка на узорах одеяла
https://habr.com/ru/post/461533/?utm_campaign=461533&utm_source=habrahabr&utm_medium=rss

Отец-айтишник визуализировал данные о сне и бодрствовании первого года жизни своего сына. Сделал это своими руками — программно обработал данные и связал одеялко, которое показывает активность его малыша за год.

Используем Cython для кода ускорения в 30 раз
https://towardsdatascience.com/use-cython-to-get-more-than-30x-speedup-on-your-python-code-f6cb337919b6

#python #pydigest

Сборник Python новостей уже перед вами.

В 292 выпуске Python Дайджест вы найдете:

- [Встреча] Python Meetup Chelyabinsk #6
- Осваиваем компьютерное зрение — 8 основных шагов
- 5 главных алгоритмов сэмплинга
- Мелкая питонячая радость #8: мелкие удовольствия для работы с БД
- Деплоим ML проект, используя Flask как REST API, и делаем доступным через приложение на Flutter
- Ван Россум думает над возможностью использования PEG
- Выписки из Росреестра через ФГИС ЕГРН и python. Часть 1 — образец
- Django 3.0 будет асинхронным
- [Видео] Выход в свет: как собрать пакет с Python-приложением
- [Видео] Введение в uWSGI
- addons - аддоны для TensorFlow 2.0
- Pytest-recording - симулируем поведение сети в тестах

Заходите в гости - https://pythondigest.ru/issue/292/
Присылайте интересные новости через форму на сайте.