Используем PostgreSQL VIEW вместе с Django QuerySet
https://schinckel.net/2020/03/03/postgres-view-from-django-queryset/

Как заставить машину написать тесты из кода за тебя
https://habr.com/ru/post/490670/?utm_campaign=490670&utm_source=habrahabr&utm_medium=rss

Мы живем в неидеальном мире. Здесь код пишут люди, а люди по своей природе склонны совершать ошибки (https://habr.com/ru/company/oleg-bunin/blog/462113/). Все бы ничего, ошибки можно отловить на этапе тестирования и не дать им никому навредить. Можно, если писать тесты. Чего люди делать почему-то не любят. Но возможно, есть надежда — автогенерация тестов из написанного кода.

[Видео] Mars: A tensor-based unified framework for large scale data computation / Xuye Qin (Alibaba)
https://www.youtube.com/watch?v=RFysn2oUjN8

Mars tensor provides a compatible interface like Numpy, users can obtain the ability to handle extreme huge tensor/ndarray by simple import replacement. We extend the interface of Numpy to support create tensor/ndarray on GPU by specifying gpu=True on all the implemented array creation, and also, create sparse matrix via noting sparse=True on some array creation like zeros, eye and so on.

Numba or NumPy: разбираемся на примере
https://towardsdatascience.com/python-numba-or-numpy-understand-the-differences-b448dabd5b5b

Beautiful Soup на русском языке
http://bs4ru.geekwriter.ru/

Перевод официальной документации Beautiful Soup на русский язык.

Бесполезный REPL. Доклад Яндекса
https://habr.com/ru/post/490788/?utm_campaign=490788&utm_source=habrahabr&utm_medium=rss

REPL (read-eval-print loop) бесполезен в Python, даже если это волшебный IPython. Сегодня я предложу одно из возможных решений этой проблемы. В первую очередь доклад и мое расширение TheREPL будет полезны тем, кого интересует более быстрая и эффективная разработка, а также тем, кто пишет stateful-системы.

[Видео] How we test 1'000 Python projects in Kiwi / Alex Viscreanu (Kiwi.com)
https://www.youtube.com/watch?v=av0hvjRg0NM

At Kiwi.com we have lots and lots of Python projects, some important ones are more than 5 years old. With our explosive growth from a small start-up into an international company, it's critical for us to manage code quality at scale. If we find some issue with nginx configuration, we need an automated way to check all projects for it.

fuzzbench - Fuzzer benchmarking as a service.
http://github.com/google/fuzzbench

Django security releases issued: 3.0.4, 2.2.11, and 1.11.29
https://www.djangoproject.com/weblog/2020/mar/04/security-releases/

Test and Code: 104: Top 28 pytest plugins - Anthony Sottile
https://testandcode.com/104

Audio

Двойная проверка блокировки с Django ORM
https://webdevblog.ru/dvojnaya-proverka-blokirovki-s-django-orm/

Оригинальная статья: Luke Plant (https://lukeplant.me.uk/) – Double-checked locking with Django ORM (https://lukeplant.me.uk/blog/posts/double-checked-locking-with-django-orm/)
Шаблон блокировки с двойной проверкой (https://en.wikipedia.org/wiki/Double-checked_locking) может быть полезен, когда:
Вам необходимо ограничить доступ к определенному ресурсу, чтобы параллельные процессы не могли работать с ним одновременно.
Другие доступные вам схемы блокировки сложны или медленные.
Этот пост о том, как можно реализовать этот шаблон в Django, используя функции ORM и блокировки на уровне базы данных. Шаблон может использоваться с любой другой ORM, но я проверил его только с Django, и подтвердил, что он работает, как и ожидается, используя PostgreSQL.

[бесплатно] Python School в Челябинске
https://antidasoftware.com/python-school/

Первого апреля в Челябинске стартует школа разработки на языке Python. Это отличная возможность для старта карьеры в IT. Обучение будет включать в себя теоретическую подготовку и разработку учебного проекта. Эксперты поделятся фундаментальными знаниями, необходимыми каждому профессиональному разработчику для создания современных веб-приложений на Python. Они передадут свой опыт, начиная с основ языка, заканчивая разработкой реального проекта на фреймворке Flask. Обучение бесплатное.

Alexa Python Development: Build and Deploy an Alexa Skill
https://realpython.com/alexa-python-skill/

Trio – асинхронное программирование для людей
https://habr.com/ru/post/490872/?utm_campaign=490872&utm_source=habrahabr&utm_medium=rss

В Python существует библиотека Trio – библиотека асинхронного программирования. Знакомство с Trio в основном будет интересно тем, кто работает на Asyncio, потому что это хорошая альтернатива, позволяющая решать часть проблем, с которыми не может справиться Asyncio. В этом обзоре рассмотрим, что из себя представляет Trio и какие фичи она нам дает.

[Видео] ML в поиске и рекомендациях hh.ru / Игорь Киценко (hh.ru)
https://www.youtube.com/watch?v=jNGg6dbGp7Q

Из доклада вы узнаете:

- как устроена система рекомендаций вакансий hh.ru

- как в hh.ru перешли от стандартного полнотекстового поиска к поиску на основе машинного обучения

Методы Монте-Карло для марковских цепей (MCMC). Введение
https://habr.com/ru/post/491268/?utm_campaign=491268&utm_source=habrahabr&utm_medium=rss

Методы Монте-Карло для марковских цепей (https://en.wikipedia.org/wiki/Markov_chain_Monte_Carlo) (MCMC) – это мощный класс методов для выборки из вероятностных распределений, известных лишь вплоть до некоторой (неизвестной) нормировочной константы.

Однако прежде, чем углубиться в MCMC, давайте обсудим, зачем вам вообще может понадобиться делать такую выборку. Ответ таков: вам могут быть интересны либо сами образцы из выборки (например, для определения неизвестных параметров методом байесовского вывода), либо для аппроксимации ожидаемых значений функций относительно вероятностного распределения (например, для расчета термодинамических величин по распределению состояний в статистической физике). Иногда нас интересует только мода распределения вероятностей. В данном случае получаем ее методом числовой оптимизации, поэтому делать полную выборку не обязательно.

Python Bytes: #171 Chilled out Python decorators with PEP 614
https://pythonbytes.fm/episodes/show/171/chilled-out-python-decorators-with-pep-614

pytest-responsemock 0.1.0 — имитируем ответы для requests в pytest
http://pythonz.net/articles/300/

О подключаемом расширении для pytest, позволяющем упростить написание тестов для кода, использующего вызовы requests.

Подборка статей о машинном обучении: кейсы, гайды и исследования за февраль 2020
https://habr.com/ru/post/491010/?utm_campaign=491010&utm_source=habrahabr&utm_medium=rss

Вслед за январским постом (https://habr.com/ru/post/487702/) встречайте второй выпуск дайджеста. Здесь вас ждёт список англоязычных материалов за февраль, которые написаны без лишнего академизма. Публикации содержат примеры кода и ссылки на непустые репозитории. Упомянутые технологии лежат в открытом доступе и многие из них не требуют сверхмощного железа для тестирования.

#python #pydigest

Сборник Python новостей уже перед вами.

В 324 выпуске Python Дайджест вы найдете:

- Двойная проверка блокировки с Django ORM
- Trio – асинхронное программирование для людей
- Как заставить машину написать тесты из кода за тебя
- Бесполезный REPL. Доклад Яндекса
- Задача для разработчика, или как мы без вендора ручные сканеры прошивали
- Полноценная инструкция по визуализации данных в Python
- Beautiful Soup на русском языке
- [Видео] ML в поиске и рекомендациях HH
- pytest-responsemock - имитируем ответы для requests в pytest
- fuzzbench - Fuzzer benchmarking as a service

Заходите в гости - https://pythondigest.ru/issue/324/
Присылайте интересные новости через форму на сайте.