Советы по настройке uWSGI в производственной среде
https://webdevblog.ru/sovety-po-nastrojke-uwsgi-v-proizvodstvennoj-srede/

В статье даны рекомендации по настройке uWSGI (https://github.com/unbit/uwsgi) в производственной среде. Несмотря на свою мощь, настройки uWSGI по умолчанию обусловлены обратной совместимостью и не идеальны для новых развертываний. Много полезных функций могут быть пропущены из-за их большого количества и сложной документации. В этой статье будет предложено создание базовой конфигурацию и ее постепенное расширение

Как выключить именованные миграции в Django
https://adamj.eu/tech/2020/02/24/how-to-disallow-auto-named-django-migrations/

Вместо 0002_mymodel_myfield.py получаем 0002_auto_20200113_1837.py

Изучаем английский с помощью Telegram бота
https://habr.com/ru/post/488130/?utm_campaign=488130&utm_source=habrahabr&utm_medium=rss

Нет, это не одна из сотен статей о том, как написать свой первый Hello World бот на Python. Здесь вы не найдете подробной инструкции, как получить API-токен в BotFather или запустить бота в облаке. Взамен я вам покажу как раскрутить всю мощь Python на максимум, чтобы добиться максимально эстетичного и красивого кода. Исполним песню про обращение сложных структур — станцуем и спляшем. Под катом асинхронность, собственная система сейвов, куча полезных декораторов и много красивого кода.

Сканирующее окно по массивам NumPy
https://habr.com/ru/post/489734/?utm_campaign=489734&utm_source=habrahabr&utm_medium=rss

Возможно сделать скользящее окно (https://wiki.loginom.ru/articles/windowing-method.html) (rolling window, sliding window (https://stackoverflow.com/questions/8269916/what-is-sliding-window-algorithm-examples), moving window) по массивам NumPy на языке программирования Python без явных циклов. В данной статье рассматривается создание одно-, двух-, трех- и N-мерных скользящих окон по массивам NumPy. В результате скорость обработки данных увеличивается в несколько тысяч раз и сравнима по скорости с языком программирования С.
 
Cкользящее окно применяется в: обработке изображений, искусственных нейронных сетях, интернет протоколе TCP, обработке геномных данных, прогнозировании временных рядов и т.д.

Введение в обработку изображений на OpenCV
https://stackabuse.com/introduction-to-image-processing-in-python-with-opencv/

IRedis - клиент для Redis с авто-дополнением и подсветкой синтаксиса
http://pgcli.com/welcome-iredis.html

Podcast.__init__: Reducing The Friction Of Embedded Software Development With PlatformIO
https://www.pythonpodcast.com/platformio-embedded-software-devleopment-episode-251/

Audio

[Видео] Аsync и await в production / Сергей Борисов (ДомКлик)
https://www.youtube.com/watch?v=6pjuJSvt2to

В "Домклик" больше 50 Python-разработчиков, и мы используем асинхронное программирование с самого начала наших проектов. Польза от корутин с async и await огромна, но вместе с этой пользой приходят специфические сложности. Неожиданно для разработчиков течет память, не ловятся исключения, а доступные "асинхронные" библиотеки для типовых задач часто очень сырые.

Анализируем резюме юристов на hh.ru без api
https://habr.com/ru/post/489886/?utm_campaign=489886&utm_source=habrahabr&utm_medium=rss

Hh.ru — неплохой сайт, не нуждающийся в дополнительном представлении. Поиск вакансий на нем удобен и прозаичен. Однако, порой интереснее посмотреть со стороны работодателя:
 
как выглядит выдача резюме по целевому запросу,
как видно собственное резюме в выдаче,
как «проседает» резюме со временем, заодно собрать резюме коллег-юристов для построения мини-статистики.

Несмотря на то, что у hh есть собственное api и оно добротно задокументировано, доступ к нему тщательно оберегается.

Интеграция Gitlab, Jira и Confluence на Python для автоматизации сборки релизов
https://habr.com/ru/post/489944/?utm_campaign=489944&utm_source=habrahabr&utm_medium=rss

Недавно на стендапе коллега внес рацпредложение: автоматизировать сборку релизов, взяв за основу готовые уже наработки по взаимодействию с Jira, написанные на Python.


Процесс деплоя у нас следующий: когда накапливается достаточное количество задач, прошедших тестирование из них собирается Релиз-кандидат (RC) в каждом проекте, затронутом задачами, затем задачи тестируются в составе RC. После этого RC заливается на стейджинг сервер, где в близком к боевому окружении все еще раз тестируется и проводится полный регресс. И затем, после необходимых деплойных действий свежий релиз заливается в мастер.

coverage-conditional-plugin - подсчет coverage с учетом условных импортов
https://github.com/wemake-services/coverage-conditional-plugin

django-test-migrations 0.2.0
https://github.com/wemake-services/django-test-migrations/releases/tag/0.2.0

Пакет для тестирования миграций Django

Python Bytes: #170 Visualize this: Visualizing Python's visualization ecosystem
https://pythonbytes.fm/episodes/show/170/visualize-this-visualizing-python-s-visualization-ecosystem

Audio

Talk Python to Me: #253 Moon base geekout
https://talkpython.fm/episodes/show/253/moon-base-geekout

Audio

Все, что вы хотели узнать об LDPC кодах, но стеснялись спросить (наверное)
https://habr.com/ru/post/453086/?utm_campaign=453086&utm_source=habrahabr&utm_medium=rss

С кодами малой плотности проверок на чётность, которые дальше мы будем именовать коротко LDPC (Low-density parity-check codes), мне удалось познакомиться более или менее близко, работая над семестровым научным проектом в ТУ Ильменау (магистерская программа CSP (https://griat.kai.ru/communications-and-signal-processing)). Моему научному руководителю направление было интересно в рамках педагогической деятельности (нужно было пополнить базу примеров, а также посмотреть в сторону недвоичных LDPC), а мне из-за того, что эти коды были плюс-минус на слуху на нашей кафедре. Не все удалось рассмотреть в том году, и поэтому исследование плавно перетекло в мое хобби… Так я набрал некоторое количество материала, которым сегодня и хочу поделиться!

[Видео] Разработка плагинов к mypy / Владимир Пузаков (Rambler&Co)
https://www.youtube.com/watch?v=l7hDWA5uC0A

Mypy помогает нам писать качественный код. Но не со всеми ситуациями он может справиться в одиночку. Для решения этой проблемы в mypy есть плагины. В данном докладе будет рассказано о ситуациях, в которых их нужно писать. Я покажу, как писать свой плагин для решения этих проблем, какие инструменты есть в mypy для этого, и как тестировать свой плагин

Django & Healthcare - Jacinda Shelly
https://djangochat.com/episodes/healthcare-jacinda-shelly-TJurxb_a

Audio

Строим Data Lake на Amazon Web Services
http://khashtamov.com/ru/aws-data-lake/

С развитием мобильных устройств, дешевого и доступного мобильного Интернета, объём генерируемых данных пользователями значительно увеличился. IoT устройства уже реалии нашего времени, а не удел фантастов прошлого века. Большая часть имеющихся данных была произведена в течение последнего десятилетия, мне страшно представить что будет в следующие 10 лет.
Инфографика ниже показывает масштабы этой дата-эпидемии.

helium - Selenium-python, 50% easier. Helium is the best Python library for web automation.
http://github.com/mherrmann/helium

impacket - коллекция классов для работы с network protocols
http://github.com/SecureAuthCorp/impacket