#python #pydigest

Сборник Python новостей уже перед вами.

В 293 выпуске Python Дайджест вы найдете:

- py.test + django: делаем скриншоты в тестах
- Год приключений с graphene-python
- Atlassian Confluence: расширяем на python
- Ищем поломку в авто по звуку
- Создание простого разговорного чатбота в python
- Разработка надёжных Python-скриптов
- 50+ вопросов по структурам данных и алгоритмам
- [Видео] Как дорасти до senior-разработчика не поседеть
- httpx - A next generation HTTP client for Python.
- cloud-custodian - инструмент автоматизации работы с облаками

Заходите в гости - https://pythondigest.ru/issue/293/
Присылайте интересные новости через форму на сайте.

pywinauto - Windows GUI Automation with Python (based on text properties)
http://github.com/pywinauto/pywinauto

Python Float()
https://www.techbeamers.com/python-float-function/

Пишем PEG Parser [Guido van Rossum]
https://medium.com/@gvanrossum_83706/building-a-peg-parser-d4869b5958fb

Сводка новостей от pythonz.net 28.07.2019 — 04.08.2019
https://pythonz.net/articles/259/

Телега для датасайентиста
https://habr.com/ru/post/462141/?utm_campaign=462141&utm_source=habrahabr&utm_medium=rss

Мы сидели в Бине и за чашкой кофе обсуждали возможности тестирования идей с моделями искусственного интеллекта на близком и не очень круге друзей. Лена, моя бывшая коллега, и во всех отношениях не блондинка, только что закончившая магистратуру, рассуждала так. Создав бота, можно сэкономить силы и время на интерфейсе, сосредоточившись на ядре с машинным обучением. Согласитесь, что устоять против такой логики “спортсменки, комсомолки и просто красавицы” в то прекрасное воскресное утро было невозможно. Решено. Телеграм-бот, значит телеграм-бот.

Keras Learning Rate Finder
https://www.pyimagesearch.com/2019/08/05/keras-learning-rate-finder/

frappe / erpnext - Open Source ERP
https://github.com/frappe/erpnext

Как я библиотеку для сервиса «Яндекс.Музыка» писал
https://habr.com/ru/post/462607/?utm_campaign=462607&utm_source=habrahabr&utm_medium=rss

Уж не помню точно, из-за чего я решил поискать официальную документацию API данного сервиса, вроде бота хотел для Telegram написать, но столкнулся с тем, что её нет… Спустя некоторое время наткнулся на issue (https://github.com/yandex/audio-js/issues/4) в репозитории yandex/audio-js (https://github.com/yandex/audio-js). Там ребятки задают точно такой же вопрос, как и я: "А где API?". Не многие горят желанием слушать музыку через браузер, они хотят приложение, но приложения под Linux тоже нет! Интегрировать к своему любимому плееру невозможно!
 
 
Тут я загорелся идеей сделать это. Естественно, мне нужно как-то работать с сервисом, городить костыли вокруг веб-приложения не вариант. Я понимал, что имея такой сервис, имея мобильные приложения и приложения под Windows (из Microsoft Store) просто невозможно не иметь своё внутреннее API для взаимодействия. Я оказался прав!

Talk Python to Me: #224 12 lessons from 100 days of web
https://talkpython.fm/episodes/show/224/12-lessons-from-100-days-of-web

Audio

RasaHQ / rasa - переводим из текста в голос
https://github.com/RasaHQ/rasa

Podcast.__init__: Build Your Own Knowledge Graph With Zincbase
https://www.pythonpodcast.com/zincbase-knowledge-graph-episode-223/

Audio

Определяем взаимозависимых лиц по составам советов директоров с помощью python
https://habr.com/ru/post/462643/?utm_campaign=462643&utm_source=habrahabr&utm_medium=rss

Определение взаимозависимых лиц согласно ст. 105.1 Налогового кодекса РФ достаточно тривиальная задача для корпоративного юриста.


Обычно это не вызывает сложностей и, кажется, зачем здесь что-то автоматизировать?

Все верно, если общество два или три сравнить их составы СД нет никаких проблем. Но, если обществ больше двух десятков и при этом в разных обществах разные составы директоров в том числе по количеству членов? Здесь уже надо потратить время. Потратим его на программу, которая за нас вычислит взаимосвязанные стороны, анализируя составы советов директоров.

Algorithmic Game Theory with Nashpy
https://towardsdatascience.com/algorithmic-game-theory-with-nashpy-a73caf14296b

uWSGI в помощь метрикам. Доклад Яндекса
https://habr.com/ru/post/462697/?utm_campaign=462697&utm_source=habrahabr&utm_medium=rss

На днях состоялся Moscow Python Meetup #66 — сообщество продолжает обсуждать актуальные инструменты, которые усиливают язык и адаптируют его к разным окружениям. В том числе на митапе прозвучал и мой доклад. Меня зовут Наиль, я делаю Яндекс.Коннект.

Image Classification with Transfer Learning and PyTorch
https://stackabuse.com/image-classification-with-transfer-learning-and-pytorch/

delta - deep learning based natural language and speech processing platform.
http://github.com/didi/delta

Python Bytes: #142 There's a bandit in the Python space
https://pythonbytes.fm/episodes/show/142/there-s-a-bandit-in-the-python-space

Audio

ddbourgin / numpy-ml - Machine learning, in numpy
https://github.com/ddbourgin/numpy-ml

Подборка @pythonetc, июль 2019
https://habr.com/ru/post/462311/?utm_campaign=462311&utm_source=habrahabr&utm_medium=rss

Это двенадцатая подборка советов про Python и программирование из авторского канала @pythonetc.