DeepPavlov для разработчиков: #1 инструменты NLP и создания чат-ботов
https://habr.com/ru/post/472890/?utm_campaign=472890&utm_source=habrahabr&utm_medium=rss

К NLP задачам относят определение тональности текста, парсинг именованных сущностей, определение того, что хочет от вашего бота собеседник: заказать пиццу или получить справочную информацию и многое другое. Более подробно про задачи и методы NLP вы можете прочитать тут (https://towardsdatascience.com/introduction-to-natural-language-processing-for-text-df845750fb63).


В этой статье мы расскажем, как запустить REST север с предобученными моделями NLP, готовыми к использованию без какой-либо дополнительной настройки или обучения.

Как работает FaceID в iPhone X: алгоритм на Python
https://habr.com/ru/post/472948/?utm_campaign=472948&utm_source=habrahabr&utm_medium=rss

Одна из самых крутых фишек iPhone X – это метод разблокировки: FaceID. В этой статье разобран принцип работы данной технологии.
Изображение лица пользователя снимается с помощью инфракрасной камеры, которая более устойчива к изменениям света и цвета окружающей среды. Используя глубокое обучение, смартфон способен распознать лицо пользователя в мельчайших деталях, тем самым “узнавая” владельца каждый раз, когда тот подхватывает свой телефон. Удивительно, но Apple заявила, что этот метод даже безопаснее, чем TouchID: частота ошибок 1:1 000 000.


В этой статье разобран принцип алгоритма, подобного FaceID, с использованием Keras. Также представлены некоторые окончательные наработки, созданные с помощью Kinect.

Отправка писем из Python – инструкция с примерами
https://dapythonista.com/2019/10/24/sending-emails-in-python-tutorial-with-code-examples/

Плюсы и минусы Django
https://habr.com/ru/post/473042/?utm_campaign=473042&utm_source=habrahabr&utm_medium=rss

Django описывают как «веб-фреймворк для перфекционистов с дедлайнами». Его создали, чтобы переходить от прототипов к готовым сервисам как можно быстрее.
 
 
Фреймворк поможет разработать CRUD приложение под ключ. С Django не придется изобретать велосипед. Он работает из коробки и позволит сосредоточиться на бизнес-логике и продуктах для обычных людей.

Леворекурсивные PEG грамматики
https://habr.com/ru/post/471986/?utm_campaign=471986&utm_source=habrahabr&utm_medium=rss

Я упоминал о левой рекурсии как о камне преткновения несколько раз, и пришло время разобраться с этим. Основная проблема заключается в том, что парсер с лево-рекурсивным спуском мгновенно падает из-за переполнения стека.

napari - просматриваем многомерные изображения
http://github.com/napari/napari

Анализируем тональность текстов с помощью Fast.ai
https://habr.com/ru/post/472988/?utm_campaign=472988&utm_source=habrahabr&utm_medium=rss

В статье пойдет речь о классификации тональности текстовых сообщений на русском языке (а по сути любой классификации текстов, используя те же технологии). За основу возьмем данную (https://habr.com/ru/company/mailru/blog/417767/) статью, в которой была рассмотрена классификация тональности на архитектуре CNN с использованием Word2vec модели. В нашем примере будем решать ту же самую задачу разделения твитов на позитивные и негативные на том же самом датасете с использованием модели ULMFit (https://arxiv.org/abs/1801.06146). Результат из статьи, (average F1-score = 0.78142) примем в качестве baseline.

Сводка новостей от pythonz.net 20.10.2019 — 27.10.2019
https://pythonz.net/articles/276/

#python #pydigest

Сборник Python новостей уже перед вами.

В 305 выпуске Python Дайджест вы найдете:

- Как работает FaceID в iPhone X: алгоритм на Python
- DeepPavlov для разработчиков: #1 инструменты NLP и создания чат-ботов
- Плюсы и минусы Django
- Параметризация из файла в py.test
- Яндекс.переводчик для Linux на Python GUI
- [Hard] Градиентный спуск по косточкам
- «Вроде, такое уже было?» Поиск похожих инцидентов и заявок
- [Видео] Жизнь без QA: Как тестируют в Uploadcare или pytest на все случаи жизни
- [Видео] Дружим Django с Azure Insights. Logging, monitoring, tracing
- GridStudio - "excel" таблица + Python
- dmlc / dgl - используем машинное обучение на графах


Заходите в гости - https://pythondigest.ru/issue/305/
Присылайте интересные новости через форму на сайте.

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

Django: Использование Google reCAPTCHA
https://evileg.com/ru/post/563/

Статья описывает использование Google reCAPTCHA с батарейкой evileg-core

ColorPalette - ищем основные цвета на изображении
http://github.com/rodartha/ColorPalette

Концерты и события KudaGo у вас на зеркале
https://habr.com/ru/post/473344/?utm_campaign=473344&utm_source=habrahabr&utm_medium=rss

Расскажу вам про то, как я сделал возможным получать и отображать информацию из публичного API KudaGo на вашем зеркале. Само собой, речь не о простом, а об «умном» зеркале.

Идея инерции(SGDm), идея масштабирования (Adagrad) и регуляризация в машинном обучении на примере задачи классификации
https://habr.com/ru/post/473348/?utm_campaign=473348&utm_source=habrahabr&utm_medium=rss

Датасет, используемый далее, взят с уже прошедшего соревнования на kaggle отсюда (https://www.kaggle.com/c/ghouls-goblins-and-ghosts-boo/submissions).

На вкладке Data можно прочитать описание всех полей.


Весь исходный код здесь (https://github.com/YaphetS7/Kaggle/blob/master/ghouls-goblins-and-ghosts-boo.ipynb) в формате ноутбука.

Пишем программу для камеры хранения с функцией распознавания лица
https://habr.com/ru/post/473510/?utm_campaign=473510&utm_source=habrahabr&utm_medium=rss

Распознавания лиц уже захватило весь мир. Во всех крупных странах уже пользуются этой полезной фишкой. Почему не сделать жизнь людей еще удобнее и не встроить распознавание лиц в камеру хранения?

[Перевод] Добавление экшенов в грамматику PEG
https://habr.com/ru/post/471988/?utm_campaign=471988&utm_source=habrahabr&utm_medium=rss

Грамматика становится ещё лучше, если вы можете добавить (некоторую) семантику в соответствии с правилами. В частности, для анализатора Python, который я разрабатываю, мне нужно возвращать узел AST из каждой альтернативы, поскольку я хочу придерживаться текущей реализации AST в CPython.

Асинхронные задачи в Flask, Redis и Celery
https://stackabuse.com/asynchronous-tasks-using-flask-redis-and-celery/

Podcast.__init__: Building Quantum Computing Algorithms In Python
https://www.pythonpodcast.com/ocean-sdk-quantum-computing-episode-235/

Audio

Превращаем скрипты в красивые инструменты для машинного обучения
https://habr.com/ru/post/473196/?utm_campaign=473196&utm_source=habrahabr&utm_medium=rss

Мой опыт подсказывает, что любой более или менее сложный проект по машинному обучению рано или поздно превращается в набор сложных неподдерживаемых внутренних инструментов. Эти инструменты, как правило, мешанина из скриптов Jupyter Notebooks и Flask, которые сложно развёртывать и интегрировать с решениями типа GPU сессий Tensorflow.
 
Впервые я столкнулся с этим в университете Карнеги, затем в Беркли, в Google X, и, наконец, при создании автономных роботов в Zoox. Зарождались инструменты в виде небольших Jupyter notebooks: утилита калибровки сенсора, сервис моделирования, приложение LIDAR, утилита для сценариев и т.д.

С ростом важности инструментов появлялись менеджеры. Бюрократия росла. Требования повышались. Маленькие проекты превращались в огромные неуклюжие кошмары.

Python v3.x: обработчик исключений для корутин и синхронных функций. Вобщем, для всего
https://habr.com/ru/post/473596/?utm_campaign=473596&utm_source=habrahabr&utm_medium=rss

В свободное время я работаю над своим небольшим проектом (https://github.com/sergio-ivanuzzo/idewave-core). Написан на Python v3.x + SQLAlchemy. Возможно, я когда-нибудь напишу и о нем, но сегодня хочу рассказать о своем декораторе для обработки исключений. Его можно применять как для функций, так и для методов. Синхронных и асинхронных. Также можно подключать кастомные хэндлеры исключений.