Scientific Python: Using SciPy for Optimization
https://realpython.com/python-scipy-cluster-optimize/

Test and Code: 98: pytest-testmon - selects tests affected by changed files and methods - Tibor Arpas
https://testandcode.com/98

Audio

Python Bytes: #165 Ranges as dictionary keys - oh my!
https://pythonbytes.fm/episodes/show/165/ranges-as-dictionary-keys-oh-my

Audio

Быстрые списки в Python
https://levelup.gitconnected.com/faster-lists-in-python-4c4287502f0a

PyCharm 2019.3.2
http://feedproxy.google.com/~r/Pycharm/~3/JgGMxGYcdhI/

Используем matplotlib для рисования графиков в PyQt5
https://www.learnpyqt.com/courses/graphics-plotting/plotting-matplotlib/

Использование asyncio для создания асинхронных драйверов устройств на MicroPython v.1.12
https://habr.com/ru/post/484472/?utm_campaign=484472&utm_source=habrahabr&utm_medium=rss

Изученая возможности MicroPython для своих целей натолкнулся на одну из реализаций библиотеки asyncio и, после недолгой переписки с Piter Hinch — автором библиотеки, понял, что мне необходимо глубже разобраться с принципами, базовыми понятиями и типичными ошибками использования методов асинхронного программирования. Тем более, что раздел для начинающих — как раз для меня.


Это руководство предназначено для пользователей, имеющих разный уровень опыта работы с asyncio, в том числе содержит специальный раздел для начинающих.

SlowFast - определяем что происходит на видео
https://github.com/facebookresearch/SlowFast

А что, если без Python? Julia для машинного обучения и вообще
https://habr.com/ru/post/476114/?utm_campaign=476114&utm_source=habrahabr&utm_medium=rss

Мы всегда хотим писать код быстро, но за это приходится платить. На обычных высокоуровневых гибких языках можно быстро разрабатывать программы, но после запуска они работают медленно. Например, чудовищно медленно cчитать что-то тяжелое на чистом Python. Си-подобные языки работают гораздо быстрее, но в них легче наделать ошибок, поиск которых сведет весь выигрыш в скорости на нет.


Обычно эта дилемма решается так: сначала пишут прототип на чем-то гибком, например, на Python или R, а потом переписывают на C/C++ или Fortran. Но этот цикл слишком длинный, можно ли обойтись без этого?

SVM. Объяснение с нуля, имплементация и подробный разбор
https://habr.com/ru/post/484148/?utm_campaign=484148&utm_source=habrahabr&utm_medium=rss

В данной статье рассмотрим метод опорных векторов (англ. SVM, Support Vector Machine) для задачи классификации. Будет представлена основная идея алгоритма, вывод настройки его весов и разобрана простая реализация своими руками. На примере датасета будет продемонстрирована работа написанного алгоритма с линейно разделимыми/неразделимыми данными в пространстве и визуализация обучения/прогноза. Дополнительно будут озвучены плюсы и минусы алгоритма, его модификации.

Конфигурационные файлы в Python
https://habr.com/ru/post/485236/?utm_campaign=485236&utm_source=habrahabr&utm_medium=rss

Конфиги. Все хранят их по разному. Кто-то в .yaml, кто-то в .ini, а кто-то вообще в исходном коде, подумав, что "Путь Django" с его settings.py действительно хорош.
 
В этой статье, я хочу попробовать найти идеальный (вероятнее всего) способ хранения и использования конфигурационных файлов в Python. Ну, а также поделиться своей библиотекой для них :)

NodeJS vs Python. Делаем правильный выбор
https://habr.com/ru/post/485258/?utm_campaign=485258&utm_source=habrahabr&utm_medium=rss

Представляю вашему вниманию перевод статьи «NodeJS vs Python: How to Choose the Best Technology to Develop Your Web App's Back End» (https://www.freecodecamp.org/news/nodejs-vs-python-choosing-the-best-technology-to-develop-back-end-of-your-web-app/) автора Oleg Romanyuk.

Добавляем в Jupyter Notebooks красоту и интерактивность
https://habr.com/ru/post/485318/?utm_campaign=485318&utm_source=habrahabr&utm_medium=rss

Многие используют в своей работе Jupyter Notebooks. Но с ростом сложности проекта появляются проблемы. В блокноте появляются ячейки с красными пометками для самого себя «перед запуском укажи число...» или «задай количество итераций исходя из...». Какой-то откат к командной строке получается.


Да и вывод данных на экран не всегда воспринимается без пояснений сторонним человеком, который привык к красивым таблицам, картинкам и прочим современным элементам интерфейса.

Автомобили в Голландии: статистика и информация за 2019 год
https://habr.com/ru/post/485426/?utm_campaign=485426&utm_source=habrahabr&utm_medium=rss

Эта статья является продолжением цикла про Велоинфраструктуру в Голландии (https://habr.com/ru/post/447632/). В этот раз речь пойдет про автомобили.

Анализируем текст с помощью Schrutepy
https://towardsdatascience.com/python-text-analysis-with-the-schrutepy-package-234bc70f3916

Использование SQLAlchemy с Flask и PostgreSQL
https://stackabuse.com/using-sqlalchemy-with-flask-and-postgresql/

Talk Python to Me: #248 Climate change and your Python code
https://talkpython.fm/episodes/show/248/climate-change-and-your-python-code

Audio

python-sql - 1.1.0
https://discuss.tryton.org/t/release-1-1-0-of-python-sql/2234

Library to write SQL queries in a pythonic way

StackOverflow: интересные вопросы за неделю (ccxii)
http://python-weekly.blogspot.com/2020/01/ccxii-stackoverflow-python-report.html

Python 3.9.0a3
http://feedproxy.google.com/~r/PythonInsider/~3/en_sY5UnpQk/python-390a3-now-available-for-testing.html