WolframClientForPython | Новая клиентская библиотека Wolfram Language для Python
https://habr.com/ru/post/471814/?utm_campaign=471814&utm_source=habrahabr&utm_medium=rss

Serverless Slack Bot: Интеграция с Google Cloud Functions.Часть 1
https://medium.com/@chamal.gomes166/serverless-slack-bot-introduction-for-integrating-slack-bot-with-google-cloud-functions-part-1-5a7b808a6d49

Нативное редактирование Jupyter Notebooks в VS Code
https://habr.com/ru/post/471176/?utm_campaign=471176&utm_source=habrahabr&utm_medium=rss

С осктябрьским релелизом расширения Python (https://devblogs.microsoft.com/python/python-in-visual-studio-code-october-2019-release/), мы рады объявить о поддержке нативного редактирования Jupyter Notebooks в Visual Studio Code! Теперь вы можете напрямую редактировать файлы .ipynb и получать интерактивность Jupyter Notebooks с полной мощью VS Code.


Вы можете управлять исходным кодом, открывать несколько файлов и использовать такие функции, как IntelliSense, интеграцию с Git и управление несколькими файлами. Все они предлагают совершенно новые способы для дата-сайнтистов и разработчиков эффективно экспериментировать и работать с данными. Вы можете попробовать все это уже сегодня, загрузив последнюю версию  расширения Python  (https://marketplace.visualstudio.com/items?itemName=ms-python.python) и создав/открыв Jupyter Notebook внутри VS Code.

Система контроля библиотеки на Flask-Potion, Часть 0: готовим всё, что понадобится
https://habr.com/ru/post/472018/?utm_campaign=472018&utm_source=habrahabr&utm_medium=rss

В своей работе я уже некоторое время использую Flask-Potion (https://potion.readthedocs.io/) — фреймворк, основными достоинствами которого являются: весьма удобная интеграция с SQLAlchemy моделями, автогенерация crud-эндпоинтов, наличие клиента potion-client (https://github.com/biosustain/potion-client) (весьма удобного, если пишешь API сервиса, использование которого понадобится в другом сервисе).
 
Вместо простой обзорной статьи на этот фреймворк я решил написать несколько статей о создании системы контроля для библиотеки "Furfur" на основе Flask-Potion.

5 способов запустить Python-сервер на Raspberry Pi. Часть 1
https://habr.com/ru/post/472126/?utm_campaign=472126&utm_source=habrahabr&utm_medium=rss

Сегодня в большом числе проектов домашней (и не только) автоматизации используется Raspberry Pi. При этом достаточно удобно иметь не только прямой доступ к устройству, но и использовать браузер — это позволяет выполнять необходимые действия и с компьютера, и с мобильного телефона, и даже удаленно из любой точки мира.

Допустим, у нас уже есть супер Python-программа, делающая что-то очень важное, от мигания светодиодом до управления «умным домом» или хотя бы кормушкой для кота. Я покажу разные способы, от простого к сложному, как сделать web-доступ к такому приложению, добавив немного кода.

 

django-extensions - 2.2.4
https://allmychanges.com/p/python/django-extensions/#2.2.4

Набор пользовательских расширений для Django-проектов. Изменения описаны по ссылке https://allmychanges.com/p/python/django-extensions/#2.2.4. Скачать можно по ссылке: https://pypi.python.org/pypi/django-extensions/

#python #pydigest

Сборник Python новостей уже перед вами.

В 304 выпуске Python Дайджест вы найдете:

- Python 3.8
- PEG парсеры
- Раскрашиваем ч/б фото с помощью Python
- Python sleep(): добавляем задержку исполнения в коде
- Новинки аннотаций типов в Python 3.8 (Protocol, Final, TypedDict, Literal)
- Управление автоматизированными тестами с помощью Telegram
- Генерация текста на русском по шаблонам
- systemd-logging 0.1.0 — пишем в журнал systemd из Python
- PyPy v7.2
- Django 3.0 beta 1 released

Заходите в гости - https://pythondigest.ru/issue/304/
Присылайте интересные новости через форму на сайте.

pytest-djangoapp 0.12.0
https://pythonz.net/articles/273/

В новой версии добавлена фикстура для контроля запросов к БД

Поддержи Python Дайджест

Хочешь чтобы дайджест жил вечно? Можешь поддержать финансово:

- На хостинг
- На домен
- "Спасибо" за регулярные выпуски много лет

Ссылка:
- https://yasobe.ru/na/pydigest
- PayPal: https://www.paypal.me/asapronov

Контакт для связи - @axsapronov

Реализация паттерна Page Object на Python + pytest
https://habr.com/ru/post/472156/?utm_campaign=472156&utm_source=habrahabr&utm_medium=rss

Когда я начинал изучать автоматизацию тестирования, не мог понять — “что такое Page Object и как его реализовать на Python + pytest?”. Штудируя интернет, нашел реализацию на других языках и фреймворках: обучающие статьи, которые были непонятны для меня. Поэтому решил написать этот разбор. Идея — показать реализацию на Python + pytest и объяснить ее доступным языком.

Реализация PEG парсера
https://habr.com/ru/post/471862/?utm_campaign=471862&utm_source=habrahabr&utm_medium=rss

Вдохновленный лишь частичным пониманием PEG, я решил попробовать его реализовать. Результат может получиться и не самым лучшим среди парсеров PEG общего назначения — их уже много (например, TatSu написан на Python и генерирует код Python) — но это хороший способ разобраться в PEG. В дальнейшем я хочу заменить им текущую реализацию парсера в CPython.

StackOverflow: интересные вопросы за неделю (cxcix)
http://python-weekly.blogspot.com/2019/10/cxcix-stackoverflow-python-report.html

Python 2.7.17
http://feedproxy.google.com/~r/PythonInsider/~3/NSJOxfu3Kw0/python-2717-released.html

Сводка новостей от pythonz.net 13.10.2019 — 20.10.2019
https://pythonz.net/articles/274/

Test and Code: 92: 9 Steps to Crater Quality & Destroy Customer Satisfaction - Cristian Medina
https://testandcode.com/92

Audio

Стохастический градиентный спуск(SGD) для логарифмической функции потерь(LogLoss) в задаче бинарной классификации
https://habr.com/ru/post/472300/?utm_campaign=472300&utm_source=habrahabr&utm_medium=rss

Предыдущая часть (про линейную регрессию, градиентный спуск и про то, как оно всё работает) — habr.com/ru/post/471458 (https://habr.com/ru/post/471458/)


В этой статье я покажу решение задачи классификации сначала, что называется, «ручками», без сторонних библиотек для SGD, LogLoss'а и вычисления градиентов, а затем с помощью библиотеки PyTorch.


Задача: для двух категориальных признаков, описывающих желтизну и симметричность, определить, к какому из классов (яблоко или груша) относится объект (обучить модель классифицировать объекты).

openai /  mujoco-py - используем движок моделирования твердого тела MuJoCo на Python
https://github.com/openai/mujoco-py

Предсказываем цену на Airbnb жилье: линейная регрессия
https://towardsdatascience.com/airbnb-price-prediction-using-linear-regression-scikit-learn-and-statsmodels-6e1fc2bd51a6

GridStudio - "excel" таблица + Python
https://medium.com/@alextrolese38/how-i-built-a-spreadsheet-app-with-python-to-make-data-science-easier-5503a6fd2a54

Deploy приложений с помощью Docker Swarm
https://habr.com/ru/post/471528/?utm_campaign=471528&utm_source=habrahabr&utm_medium=rss

Целью написания данной статьи является описание внедрения системы кластеризации docker swarm под staging-площадку, не нарушая сложившейся workflow наших процессов в условиях ограниченного времени. Представленное вашему вниманию повествование разделено на две части. Первая часть описывает CI/CD до использования docker swarm, а вторая — процесс его внедрения. Кто не заинтересован в чтении первой части, может смело переходить ко второй.