Pylance in Visual Studio Code
https://devblogs.microsoft.com/python/announcing-pylance-fast-feature-rich-language-support-for-python-in-visual-studio-code/

Pylance is a new language server for Python

Полный список вопросов с собеседований по Python для дата-сайентистов и инженеров
https://habr.com/ru/post/506824/?utm_campaign=506824&utm_source=habrahabr&utm_medium=rss

Бывает, что компания ищет дата-сайентиста, а на самом деле ей нужен Python-разработчик. Поэтому при подготовке к собеседованию есть смысл освежить в памяти информацию по Python, а не только штудировать алгоритмы.

Пара слов об именовании переменных и методов
https://habr.com/ru/post/508238/

В этой статье мы будем говорить о коде, являющимся полной противоположностью описанного выше — о коде, к написанию которого подходили второпях, безответственно и невдумчиво. Эта статья небольшая исповедь, ведь и мне, как и любому другому программисту так же доводилось писать подобный код. В этом нет ничего ужасного до тех пор, пока мы понимаем, что это плохо и над этим нужно работать.

Huey как минимальая очередь задач в Django
https://www.untangled.dev/2020/07/01/huey-minimal-task-queue-django/

Get Started With Django Part 2: Django User Management
https://realpython.com/django-user-management/

FAISS: Быстрый поиск лиц и клонов на многомиллионных данных
https://habr.com/ru/post/509204/?utm_campaign=509204&utm_source=habrahabr&utm_medium=rss

Однажды в преддверии клиентской конференции, которую ежегодно проводит (https://dansessions.ru/archive) группа DAN, мы размышляли над тем, что интересного можно придумать, чтобы у наших партнеров и клиентов остались приятные впечатления и воспоминания о мероприятии. Мы решили разобрать архив из тысяч фотографий с этой конференции и нескольких прошлых (а всего их к тому моменту было 18): человек отправляет нам свою фотографию, а мы ему через пару секунд отправляем подборку фотографий с ним за несколько лет из наших архивов.


Велосипед мы не придумывали, взяли всем известную библиотеку dlib и получили эмбеддинги (векторные представления) каждого лица. 

Ищем фильмы, книги и подкасты с помощью Python
https://habr.com/ru/post/509192/?utm_campaign=509192&utm_source=habrahabr&utm_medium=rss

Apple не особо афиширует, что у iTunes Store и других каталогов есть кривенькое, но простое поисковое API — поэтому я решил о нём написать. Из этой заметки вы узнаете, что API умеет и как его использовать.

Настраиваем Sentry и Flask для ловли ошибок
https://www.fullstackpython.com/blog/report-errors-flask-web-apps-sentry.html

Функциональные тесты в Циан
https://habr.com/ru/post/509246/?utm_campaign=509246&utm_source=habrahabr&utm_medium=rss

Наша команда занимается разработкой инструментов для продуктовых разработчиков. Это и библиотеки: HTTP-клиент, веб-сервер, библиотеки доступа к базам данных, и средства мониторинга микросервисов и сайта в целом, и интеграция с CI/CD и многое другое.

 
Сегодня я расскажу про новый инструмент, который мы не так давно разработали — фреймворк для функциональных тестов.

Как реализовать Login и Logout в Django
https://learndjango.com/tutorials/django-login-and-logout-tutorial

Django Slug Tutorial
https://learndjango.com/tutorials/django-slug-tutorial

[Видео] Платформа совместной автоматизации операционных задач
https://www.youtube.com/watch?v=knnooMn5xH0

Cофтверное платформенное решение для автоматизации операционных задач в ИТ и публикации автоматизированных задач в корпоративных каналах коммуникации (Slack, почта, Telegram, и др.). Опыт использования в операторе мобильной связи

[Видео] От фикстур до декларативного описания трансформаций данных с лайва
https://www.youtube.com/watch?v=2XeW1C-DtIc

Стейдж-окружение требует данных, которые обладают характеристикам данных продакшена. В идеале это семплированная и санитаризированная копия БД приложения с лайва — без ПД пользователей и критичной бизнес-информации. Скрипты санитаризации дампов очень быстро превращаются в плоходокументируемое императивное спагетти, которое никто не любит поддерживать. Я расскажу подход, который основан на декларативном описании трансформаций данных прямо в классе моделей, dumpdata на стероидах, а также то как же этот дамп накатить на стейдж-окружение

[Видео] Python потребляет много памяти, или как уменьшить размер объектов.
https://www.youtube.com/watch?v=qUnzGUz_YxE

Объекты в CPython занимают в памяти больше места, чем могли бы. Можно ли это исправить, в каких случаях и как

Восходящая сортировка кучей
https://habr.com/ru/post/509330/?utm_campaign=509330&utm_source=habrahabr&utm_medium=rss

Это заключительная статья из серии про сортировки кучей. В предыдущих лекциях мы рассмотрели весьма разнообразные кучные структуры, показывающих отличные результаты по скорости. Напрашивается вопрос: а какая куча наиболее эффективна, если речь идёт о сортировке? Ответ таков: та, которую мы рассмотрим сегодня.

MLOps — Cook book, chapter 1
https://habr.com/ru/post/507314/?utm_campaign=507314&utm_source=habrahabr&utm_medium=rss

Я CV-разработчик в КРОК. Уже 3 года мы реализуем проекты в области CV. За это время чего мы только не делали, например: мониторили водителей, чтобы во время движения они не пили, не курили, по телефону не разговаривали, смотрели на дорогу, а не сны или в облака; фиксировали любителей ездить по выделенным полосам и занимать несколько мест на парковке; следили за тем, чтобы работники носили каски, перчатки и т.п.; идентифицировали сотрудника, который хочет пройти на объект; подсчитывали всё, что только можно.

А вы можете решить эти три (обманчиво) простые задачи на Python?
https://habr.com/ru/post/509274/?utm_campaign=509274&utm_source=habrahabr&utm_medium=rss

С самого начала своего пути как разработчика программного обеспечения я очень любил копаться во внутренностях языков программирования. Мне всегда было интересно, как устроена та или иная конструкция, как работает та или иная команда, что под капотом у синтаксического сахара и т.п. Недавно мне на глаза попалась интересная статья с примерами того, как не всегда очевидно работают mutable- и immutable-объекты в Python. На мой взгляд, ключевое — это то, как меняется поведение кода в зависимости от используемого типа данных, при сохранении идентичной семантики и используемых языковых конструкциях. Это отличный пример того, что думать надо не только при написании, но и при использовании. Предлагаю всем желающим ознакомиться с переводом.

Введение в асинхронное программирование на Python
https://habr.com/ru/post/509328/?utm_campaign=509328&utm_source=habrahabr&utm_medium=rss

Асинхронное программирование – это вид параллельного программирования, в котором какая-либо единица работы может выполняться отдельно от основного потока (https://whatis.techtarget.com/definition/thread) выполнения приложения. Когда работа завершается, основной поток получает уведомление о завершении рабочего потока или произошедшей ошибке. У такого подхода есть множество преимуществ, таких как повышение производительности приложений и повышение скорости отклика.

 

Test and Code: 120: FastAPI & Typer - Sebastián Ramírez
https://testandcode.com/120

Audio

Web-сервер машинного обучения «ВКФ-решатель»
https://habr.com/ru/post/509338/?utm_campaign=509338&utm_source=habrahabr&utm_medium=rss

Сейчас в глазах обычной публики машинное обучение прочно ассоциируется с различными вариантами обучения нейронных сетей. Если первоначально это были полносвязные сети, потом заместившиеся сверточными и рекуррентными, то теперь это стало совсем экзотическими вариантами типа GAN и LTSM-сетей. Кроме все больших объемов выборок, требуемых для их обучения, они еще страдают невозможностью объяснить, почему было принято то или иное решение. Но существуют и структурные подходы к машинному обучению, программная реализация одного из которых описана в настоящей статье.