#python #pydigest

Сборник Python новостей уже перед вами.

В 319 выпуске Python Дайджест вы найдете:

- Как научить телефон видеть красоту
- Создаем инфографику с помощью Matplotlib
- Пишем сервис одноразовых записок на Python
- Как сделать бота, который превращает фото в комикс. Часть 3
- Библиотеки для декодирования видео. Сравнение на Python и Rust
- Python/Numba, Go, C++, Lisp и Julia в решении задачи о восьми ферзях
- Как я 1000 дней пользовался OpenHAB, а затем перешел на Home Assistant
- В зоне доступа. Находим расстояние от точки до области и сокращаем запросы обратного геокодинга
- [Видео] (DRY) Python Stories & Machine Learning

Заходите в гости - https://pythondigest.ru/issue/319/
Присылайте интересные новости через форму на сайте.

Токенизация: как машины могут читать
https://blog.floydhub.com/tokenization-nlp/

OpenVINO хакатон: распознаем голос и эмоции на Raspberry Pi
https://habr.com/ru/post/486672/?utm_campaign=486672&utm_source=habrahabr&utm_medium=rss

30 ноября — 1 декабря в Нижнем Новгороде прошел OpenVINO хакатон (https://habr.com/ru/company/intel/blog/477208/). Участникам предлагалось создать прототип продуктового решения с использованием Intel OpenVINO toolkit. Организаторами был предложен список примерных тем, на которые можно было ориентироваться при выборе задачи, но финальное решение оставалось за командами. Кроме этого, поощрялось использование моделей, которые не входят в продукт.

Django security releases issued: 3.0.3, 2.2.10, and 1.11.28
https://www.djangoproject.com/weblog/2020/feb/03/security-releases/

Основные пробелмы при использовании Celery/очередей с Django
https://adamj.eu/tech/2020/02/03/common-celery-issues-on-django-projects/

Пример настройки Datadog для журналирования
https://julien.danjou.info/python-logging-with-datadog/

PyQt5-examples - примеры PyQt5+PyQtGraph и PyQt5+matplotlib
https://github.com/pitelf/PyQt5-examples

Уникальный WSGI веб сервер c использованием ESP8266. Часть 1
https://habr.com/ru/post/486752/?utm_campaign=486752&utm_source=habrahabr&utm_medium=rss

Данная статья является первой частью моего туториала по разработке достаточно необычного WSGI сервера. В данной статье я поясню теоретическую часть своей задумки.


Основная аудитория — начинающие разработчики, знакомые с Python но желающие познать дзен работы http протокола.

[Видео] Как развивался Python в Яндекс / Александр Кошелев (Яндекс)
https://www.youtube.com/watch?v=_5XVRRdDSn8

12 лет назад начался эксперимент по использованию Python в серьезных продуктах компании. Эксперимент получился удачным (кто бы сомневался!) и Python начал свое победное поползновение по сервисам компании. Яндекс.Афиша, Яндекс.Погода - через некоторое время сервисов стало очень много, и вместе с ними начали появляться "лучшие практики" и "устоявшиеся подходы" к решению разных задач.

Авто-дополнение кода и проверка типов для boto3
https://habr.com/ru/post/486776/?utm_campaign=486776&utm_source=habrahabr&utm_medium=rss

Сейчас мало кто пишет большие проекты на Python без аннотации типов. Это и просто, и позволяет отловить кучу ошибок еще на этапе написания кода, да и работает очень шустро. Но стоит добавить в зависимости boto3 (https://boto3.amazonaws.com/v1/documentation/api/latest/index.html), и mypy (http://mypy-lang.org/) начинает пестрить сообщениями о том, что аннотаций типов для boto3 не существует в природе.
 
Не страшно, существует же официальный генератор аннотаций для boto3 botostubs (https://github.com/boto/botostubs). Только он официально не выпускался, не обновляется и с mypy не работает.

Есть и замечательный boto3-type-annotations (https://github.com/alliefitter/boto3_type_annotations), но тоже немного заброшен, и поддержки mypy всё еще нет.
Как же проверять типы для boto3, а бонусом получить автодополнение кода?

Python для тестировщика: как маленькие скрипты c pandas помогают в тестировании больших наборов данных
https://habr.com/ru/post/486756/?utm_campaign=486756&utm_source=habrahabr&utm_medium=rss

Я работаю тестировщиком на проекте, суть которого состоит в сборе и хранении различных данных и формировании на их основе разных отчетов и файлов-выгрузок. При формировании таких отчетов учитывается большое количество условий для отбора данных и поэтому при тестировании приходится много работать с SQL-запросами в БД. Но для проверки правильности отбора данных и поиска лишних/пропавших данных этого зачастую не хваетает, поэтому пришлось искать дополнительные инструменты для этого.


Поскольку у меня были уже какие-то базовые знания python, я решила попробовать написать небольшие скрипты, которые позволяли бы что-то делать с имеющимися данными и тем самым облегчать и ускорять процесс тестирования. В этой статье я расскажу, что из этого вышло.

QR генератор на python
https://dantealighierin.github.io/pyqr.html

Простой генератор qr кодов на python. В статье будет предложена версия консольная и с графическим интерфейсом

Python Bytes: #167 Cheating at Kaggle and uWSGI in prod
https://pythonbytes.fm/episodes/show/167/cheating-at-kaggle-and-uwsgi-in-prod

Audio

Podcast.__init__: Build Your Own Personal Data Repository With Nostalgia
https://www.pythonpodcast.com/nostalgia-personal-data-repository-episode-248/

Audio

[Видео] Go vs Python / Виталий Левченко
https://www.youtube.com/watch?v=a8oEETIRpCk

Go — волшебное слово, решение всех проблем продакшна разом и одновременно негодная технология без эксепшнов. Истина посередине, поэтому поговорим о конкретных примерах

Обучение и оценка модели с Keras
https://habr.com/ru/post/485890/?utm_campaign=485890&utm_source=habrahabr&utm_medium=rss

Это руководство охватывает обучение, оценку и прогнозирование (выводы) моделей в TensorFlow 2.0 в двух общих ситуациях:
 
При использовании встроенных API для обучения и валидации (таких как model.fit(), model.evaluate(), model.predict()). Этому посвящен раздел «Использование встроенных циклов обучения и оценки»
При написании кастомных циклов с нуля с использованием eager execution и объекта GradientTape. Эти вопросы рассматриваются в разделе «Написание собственных циклов обучения и оценки с нуля».

Typed Functional Dependency Injection
https://sobolevn.me/2020/02/typed-functional-dependency-injection

Dependency Injection с учетом типов

Как использовать PyMySQL с Django
https://adamj.eu/tech/2020/02/04/how-to-use-pymysql-with-django/

Об использовании альтернативной библиотеке для MySQL/MariaDB

[Видео] Elixir как цель развития для python async / Максим Лапшин (Erlyvideo)
https://www.youtube.com/watch?v=SyThlZhuUBQ

Питон длительное время существует в контексте других языков программирования и впитывает концепции из соседних окружений. Tornado был скопирован с libevent. Asyncio тоже был позаимствован.

Python Gateway в InterSystems IRIS
https://habr.com/ru/post/486984/?utm_campaign=486984&utm_source=habrahabr&utm_medium=rss

Эта статья посвящена Python Gateway — комьюнити-проекту с открытым исходным кодом для платформы данных InterSystems IRIS. Этот проект позволяет оркестрировать любые алгоритмы машинного обучения, созданные на языке Python (основная среда для многих Data Scientists), использовать многочисленные готовые библиотеки для быстрого создания адаптивных, роботизированных аналитических AI/ML-решений на платформе InterSystems IRIS. В этой статье я покажу как InterSystems IRIS может оркестровать процессы на языке Python, эффективно осуществлять двустороннюю передачу данных и создавать интеллектуальные бизнес-процессы.