Изучаем распространение радиосигналов в ионосфере с помощью SDR
https://habr.com/ru/post/524764/?utm_campaign=524764&utm_source=habrahabr&utm_medium=rss

Читатели старшего поколения, заставшие дома радиоприемники средних, длинных и коротких волн, наверное помнят, что разные длины волн по-разному распространяются в различное время суток. Но как действительно это работает?

StackOverflow: интересные вопросы за неделю (ccxlvii)
http://python-weekly.blogspot.com/2020/10/ccxlvii-stackoverflow-python-report.html

Hack The Box. Прохождение Dyplesher. Memcached, Gogs, RCE через создание плагина и LPE через AMQP
https://habr.com/ru/post/524852/?utm_campaign=524852&utm_source=habrahabr&utm_medium=rss

Продолжаю публикацию решений, отправленных на дорешивание машин с площадки HackTheBox (https://www.hackthebox.eu/).


В данной статье мы получим хеши пользователей благодаря memcached, разбираемся с GIT репозиториями, пишем плагин с бэкдором на Java, анализируем трафик и повышаем привилегии благодаря RabbitMQ.

#python #pydigest

Сборник Python новостей уже перед вами.

В выпуске Python Дайджест вы найдете:

- О полезности contextvars
- Визуализация использования GIL в CPython
- Автоматизация работы с проектом Python
- Как просто и быстро искать данные с помощью Whale
- Сказ о том, как я токен в Линуксе хранил
- Абстрагируемся от фреймворков глубокого обучения с Neuropod от Uber
- StackOverflow: интересные вопросы за неделю (ccxlvii)
- sphinxcontrib-spelling 7.0.0

Заходите в гости - https://pythondigest.ru/issue/357/
Присылайте интересные новости через форму на сайте.

Pylint: о попытке снизить потребление памяти
https://habr.com/ru/post/524940/?utm_campaign=524940&utm_source=habrahabr&utm_medium=rss

Мне приходится работать с огромной кодовой базой, написанной на Python. Этот код, с помощью системы непрерывной интеграции, проверяется с помощью Pylint. Подобная проверка всегда была немного медленной, но недавно я обратил внимание на то, что при её проведении ещё и потребляется очень много памяти. Это, при попытке распараллеливания проверок, приводит к сбоям, которые связаны с нехваткой памяти.

Что происходит, когда вы выполняете manage.py test?
https://habr.com/ru/post/524974/?utm_campaign=524974&utm_source=habrahabr&utm_medium=rss

Вы запускаете тесты командой manage.py test, но знаете ли вы, что происходит под капотом при этом? Как работает исполнитель тестов (test runner) и как он расставляет точки, E и F на экране?
Когда вы узнаете, как работает Django, то откроете для себя множество вариантов использования, таких как изменение файлов cookie, установка глобальных заголовков и логирование запросов. Аналогично, поняв то, как работают тесты, вы сможете кастомизировать процессы, чтобы, например, загружать тесты в другом порядке, настраивать параметры тестирования без отдельного файла или блокировать исходящие HTTP-запросы.

Создаём установщик веб-приложения Python, включающий Apache, Django и PostgreSQL для ОС Windows
https://habr.com/ru/post/525028/?utm_campaign=525028&utm_source=habrahabr&utm_medium=rss

Данный пост является продолжением первой части статьи на Хабре (https://habr.com/ru/post/523842/), где было подробно рассказано о развертывании Django стека на MS Windows. Далее будет представлена пошаговая инструкция по созданию инсталлятора, который будет автоматизировать процесс установки стека на других компьютерах без необходимости работы в командной строке, созданием виртуальных машин и т.д., где вся последовательность действий будет сводится к действиям Далее -> Далее -> Готово.

Ускорение CPython в 5 раз
https://pythonz.net/articles/342/

О финансировании для ускорения CPython

Разбор вступительных задач Школы Программистов hh.ru
https://habr.com/ru/post/524666/?utm_campaign=524666&utm_source=habrahabr&utm_medium=rss

20 октября закончился набор в Школу программистов hh (https://school.hh.ru/). Он длился два с половиной месяца. Мы благодарим всех участников, уделивших время попытке поступить к нам. Надеемся, вам понравились задания и вы получили удовольствие от их решения!

Расширение возможностей алгоритмов Машинного Обучения с помощью библиотеки daal4py
https://habr.com/ru/post/525076/?utm_campaign=525076&utm_source=habrahabr&utm_medium=rss

Каждый человек, который когда-либо сталкивался с алгоритмами машинного обучения знает, что даже простые ML модели на большом объёме данных могут обучаться непозволительно долго. Задачи восстановления зависимостей, классификации объектов оборачиваются минутами, а то и часами обучения сети.

 
Данная статья продемонстрирует, как на примере алгоритмов, взятых из библиотеки Scikit-Learn, можно расширить возможности обучения нейронных сетей, путём использования ускоренных вычислений библиотеки daal4py.

Создание камеры-ловушки с использованием Raspberry Pi, Python, OpenCV и TensorFlow
https://habr.com/ru/post/525016/?utm_campaign=525016&utm_source=habrahabr&utm_medium=rss

Я сильно верю в обучение через практику, через создание чего-то нового. А для того чтобы что-то создавать, нужно чтобы работа приносила бы удовольствие.


Я начну рассказ о моём новом проекте с того, что раскрою причины, по которым решил попытаться создать камеру-ловушку на основе Raspberry Pi.

Higher Kinded Types in Python
https://sobolevn.me/2020/10/higher-kinded-types-in-python

Test and Code: 136: Wearable Technology - Sophy Wong
https://testandcode.com/136

Audio

Real Python: Python Modulo in Practice: How to Use the % Operator
https://realpython.com/python-modulo-operator/

Podcast.__init__: Power Up Your Java Using Python With JPype - Episode 286
https://www.pythonpodcast.com/jpype-java-python-bridge-episode-286/

Audio

AutoVIML: Автоматизированное машинное обучение
https://habr.com/ru/post/525292/?utm_campaign=525292&utm_source=habrahabr&utm_medium=rss

Машинное обучение обладает преимуществом обучения алгоритмов, которые автоматически улучшаются, используя полученный опыт. Существует N различных алгоритмов и методов машинного обучения, и вам, как правило, нужно попробовать множество из них, чтобы найти лучшую модель прогнозирования для вашего датасета -  ту, которая будет иметь наивысшую точность.

Большинство методов машинного обучения, таких как регрессионные методы, классификация и другие модели, есть в Sklearn, но, чтобы выбрать, какой метод лучше всего подходит в нашем конкретном случае, нужно опробовать все эти модели вместе с настройкой гиперпараметров и найти наиболее эффективную модель. Вся эта работа отнимает много сил и времени, объем которых можно уменьшить с помощью пакета AutoVIML в Python.

AutoVIML – это открытый пакет Python, который упрощает машинное обучение.

Реализуем и сравниваем оптимизаторы моделей в глубоком обучении
https://habr.com/ru/post/525214/?utm_campaign=525214&utm_source=habrahabr&utm_medium=rss

Реализуем и сравниваем 4 популярных оптимизатора обучения нейронных сетей: оптимизатор импульса, среднеквадратичное распространение, мини-пакетный градиентный спуск и адаптивную оценку момента. Репозиторий, много кода на Python и его вывод, визуализации и формулы — всё это под катом.

Equality vs Identity
https://www.pythonmorsels.com/topics/equality-vs-identity/

PyTorch 1.7.0
https://blog.exxactcorp.com/pytorch-1-7-0-now-available/?utm_medium=Feed&utm_source=Syndication

Пишем бот для пазл игры на Python
https://habr.com/ru/post/525380/?utm_campaign=525380&utm_source=habrahabr&utm_medium=rss

Давно хотел попробовать свои силы в компьютерном зрении и вот этот момент настал. Интереснее обучаться на играх, поэтому тренироваться будем на боте. В статье я попытаюсь подробно расписать процесс автоматизации игры при помощи связки Python + OpenCV.