Генерация PEG-парсера
https://habr.com/ru/post/471864/?utm_campaign=471864&utm_source=habrahabr&utm_medium=rss

Теперь, когда я набросал основу самописного парсера, давайте перейдём к генерации его методов из грамматики, как я и обещал. Также покажу как реализовать packrat-парсер с помощью декоратора @memoize.

[Hard] Градиентный спуск по косточкам
https://habr.com/ru/post/467185/?utm_campaign=467185&utm_source=habrahabr&utm_medium=rss

В интернете есть много статей с описанием алгоритма градиентного спуска. Здесь будет еще одна.
 
8 июля 1958 года The New York Times писала (https://www.nytimes.com/1958/07/08/archives/new-navy-device-learns-by-doing-psychologist-shows-embryo-of.html): «Психолог показывает эмбрион компьютера, разработанного, чтобы читать и становиться мудрее. Разработанный ВМФ… стоивший 2 миллиона долларов компьютер "704", обучился различать левое и правое после пятидесяти попыток… По утверждению ВМФ, они используют этот принцип, чтобы построить первую мыслящую машину класса "Перцептрон", которая сможет читать и писать; разработку планируется завершить через год, с общей стоимостью $100 000… Ученые предсказывают, что позже Перцептроны смогут распознавать людей и называть их по имени, мгновенно переводить устную и письменную речь с одного языка на другой. Мистер Розенблатт сказал, что в принципе возможно построить "мозги", которые смогут воспроизводить самих себя на конвейере и которые будут осознавать свое собственное существование» (цитата и перевод из книги С. Николенко, «Глубокое обучение, погружение в мир нейронный сетей»).
Ах уж эти журналисты, умеют заинтриговать. Очень интересно разобраться, что на самом деле представляет из себя мыслящая машина класса «Перцептрон».

Сортировки распределением
https://habr.com/ru/post/472466/?utm_campaign=472466&utm_source=habrahabr&utm_medium=rss

В сортировках распределением элементы распределяются и перераспределяются по классам до тех пор, пока массив не отсортируется.


В самом общем случае это происходит по примерно одинаковой схеме. Элементы разбрасываются по классам по какому-либо признаку. Если это не привело к упорядочиванию массива, то происходит уточнение признаков принадлежности к классу и элементы раскидываются по уточнённым классам снова. И так происходит до тех пор, пока массив не станет упорядоченным.

Podcast.__init__: Illustrating The Landscape And Applications Of Deep Learning
https://www.pythonpodcast.com/deep-learning-illustrated-episode-234/

Audio

Оптимизация производительности Django на примере боевого проекта
https://evileg.com/ru/post/564/

Последнее время я посвятил много времени оптимизации сайта и теперь хотелось бы рассказать об этом.

В данной статье будет объяснено использование методов select_related и prefetch_related в QuerySet, а также их различие. Также постараюсь объяснить почему Django считают медленным, и почему это всё-таки не так. Конечно Django по многим статьям медленнее, чем тот же Flask, но в тоже время в большинстве проектов проблема заключается не в самом Django, а скорее а в отсутствии опттимизации запросов к базе данных.

Яндекс.переводчик для Linux на Python GUI
https://habr.com/ru/post/472516/?utm_campaign=472516&utm_source=habrahabr&utm_medium=rss

Довольно давно возникла необходимость в мультиязычном онлайн переводчике при закрытом браузере.

 
Нет, так то я и словарем в "особо тяжелых" случаях пользоваться не брезгую, но иногда приходится читать немаленький текст, и не все слова я знаю, как следствие теряется контекст.

Python на масштабе: __strict__ модули
https://instagram-engineering.com/python-at-scale-strict-modules-c0bb9245c834

model_mommy заменён model_bakery
https://www.reddit.com/r/django/comments/dlkngd/model_mommy_is_discontinued_introducing_model/

Популярная Django-библиотека для легкого создания объектов model_mommy переименована и получила необходимые обновления для поддержки последних версий Python и Django: https://model-bakery.readthedocs.io/en/latest/index.html

Кодировки, шифр сдвига, брут хешей и создание картинки с помощью PIL python. Решение задач с r0от-мi Cryto. Часть 1
https://habr.com/ru/post/472628/?utm_campaign=472628&utm_source=habrahabr&utm_medium=rss

Данная статья содержит решений заданий Encoding ASCII и Encoding UU направленные на кодировки, Hash Message Digest 5 и Hash SHA-2 — на нахождение прообраза хеша, Shift cipher — шифр сдвига, и Pixel Madness — на составление картинки.

5 способов сделать Python-сервер на Raspberry Pi. Часть 2
https://habr.com/ru/post/472464/?utm_campaign=472464&utm_source=habrahabr&utm_medium=rss

Сегодня мы продолжим изучать сетевые возможности Raspberry Pi, а точнее их реализацию на языке Python. В первой части (https://habr.com/ru/post/472126/) мы рассмотрели базовые функции простейшего веб-сервера, работающего на Raspberry Pi. Сейчас мы пойдем дальше, и рассмотрим несколько способов, как сделать наш сервер интерактивным.

Визуализация работы PEG парсера
https://habr.com/ru/post/471866/?utm_campaign=471866&utm_source=habrahabr&utm_medium=rss

В прошлый раз получился простой генератор парсера PEG. Сейчас же я покажу, что на самом деле делает сгенерированный парсер при разборе программы. Я погрузился в ретро-мир ASCII-арта, в частности, библиотеку с именем «curses», которая доступна в стандартной поставке Python для Linux и Mac, а также как дополнение для Windows.

Переменные окружения для Python проектов
https://habr.com/ru/post/472674/?utm_campaign=472674&utm_source=habrahabr&utm_medium=rss

При разработки web-приложения или бота мы часто имеем дело с какой-либо секретной информацией, различными токенами и паролями (API-ключами, секретами веб-форм). "Хардкодить" эту информацию, а тем более сохранять в публично доступной системе контроля версий это очень плохая идея.

dmlc / dgl - используем машинное обучение на графах
https://github.com/dmlc/dgl

[Видео] Жизнь без QA: Как тестируют в Uploadcare или pytest на все случаи жизни
https://www.youtube.com/watch?v=RmXrScfZ8Ng

Мой доклад будет посвящен опыту Uploadcare в развитии своей тестировочной инфраструктуры. В Uploadcare существует множество связанных и не очень приложений которые обеспечивают работу всего сервиса. Чтобы понимать, что что-то сломалось или корректно работает мы используем: интеграционные тесты, unit-тесты, функциональные тесты, bdd и e2e тестирование, тестирования БД. Все это мы делаем без отдела QA и с помощью Pytest. Мы не гордимся тем, что у нас нет отдела QA, но гордимся тем, что в любой момент времени мы можем сказать, что что-то сломалось или работает корректно. Я хотел бы рассказать о нашем опыте построения инфраструктуре тестов, проблемах с которыми мы столкнулись, решениях которые мы использовали и нюансах о которых мы узнали

[Видео] Дружим Django с Azure Insights. Logging, monitoring, tracing
https://www.youtube.com/watch?v=Bf4kkWcPRnQ

Мониторинг, tracing, логирование — важные вещи в любом продукте. В нашем продукте для этих вещей используем Azure Insights. Расскажу о некоторых возможностях, которые он предоставляет, как мы его дружили с Django, с какими сложностями столкнулись".

Параметризация из файла в py.test
https://habr.com/ru/post/472766/?utm_campaign=472766&utm_source=habrahabr&utm_medium=rss

В области автоматического тестирования можно встретить разные инструменты, так, для написания авто-тестов на языке Python одним из наиболее популярных решений на данный момент является py.test.
 
Прошерстив множество ресурсов связанных с pytest и изучив документацию с официального сайта проекта я не смог найти прямое описание решения одной из основных задач — запуск тестов с тестовыми данными, хранящимися в отдельном файле. Иначе, можно сказать, подгрузки параметров в тестовые функции из файла(-ов) или параметризация из файла напрямую. Такая процедура в тонкостях нигде не описана и единственные упоминание данной возможности есть лишь в одной строке документации pytest.

В этой статье я расскажу о своем решении этой задачи.

Python Bytes: #153 Auto format my Python please!
https://pythonbytes.fm/episodes/show/153/auto-format-my-python-please

Audio

«Вроде, такое уже было?» Поиск похожих инцидентов и заявок
https://habr.com/ru/post/472210/?utm_campaign=472210&utm_source=habrahabr&utm_medium=rss

Мы уже используем ML-модели для классификации инцидентов (https://habr.com/ru/post/421711/). Чтобы помочь нашей команде эффективнее обрабатывать заявки, мы создали еще одну ML-модель для подготовки списка "ранее закрытые похожие инциденты". Детали — под катом.

Talk Python to Me: #235 Python in your Browser with Skulpt
https://talkpython.fm/episodes/show/235/python-in-your-browser-with-skulpt

Audio

[Перевод] Python и быстрые HTTP-клиенты
https://habr.com/ru/post/472858/?utm_campaign=472858&utm_source=habrahabr&utm_medium=rss

В наши дни, если вы пишете некое Python-приложение, то вам, скорее всего, придётся оснащать его функционалом HTTP-клиента, который способен общаться с HTTP-серверами. Повсеместное распространение REST API сделало HTTP-инструменты уважаемыми жителями бесчисленного множества программных проектов. Именно поэтому любому программисту необходимо владеть паттернами, направленными на организацию оптимальной работы с HTTP-соединениями.