Django Session-based Auth for Single Page Apps
https://testdriven.io/blog/django-spa-auth/

Немного про трекинг и сервис переходов Admitad
https://habr.com/ru/post/533002/?utm_campaign=533002&utm_source=habrahabr&utm_medium=rss

Трекинг — это калька с английского слова tracking, которое переводится как «отслеживание». Сразу поясню, что трекинг не означает шпионаж. В качестве всем знакомой аналогии можно привести трекинг почтовых отправлений: на почте посылку регистрируют и присваивают ей уникальный идентификатор, чтобы получатель в дальнейшем мог отслеживать статус ее доставки.

PyCon: Announcing the Location for PyCon US 2022/2023
https://pycon.blogspot.com/2020/12/announcing-pycon-us-20222023.html

Introducing django-version-checks
https://adamj.eu/tech/2020/12/14/introducing-django-version-checks/

Podcast.__init__: Add Anomaly Detection To Your Time Series Data With Luminaire
https://www.pythonpodcast.com/luminaire-anomaly-detection-episode-293/

Audio

PAGERANK: алгоритм ранжирования WEB-страниц
https://habr.com/ru/post/533096/?utm_campaign=533096&utm_source=habrahabr&utm_medium=rss

Итак, рассмотрим ориентированный взвешенный граф. Пусть у графа n вершин. Каждой паре вершин соответствует некоторый вес (вероятность перехода). Стоит отметить, что типичные web-графы – это однородная дискретная марковская цепь, для которой выполняется условие неразложимости и условие апериодичности. Запишем уравнение Колмогорова-Чэпмена: где P – переходная матрица.

О первоклашках, дистанционке и асинхронном программировании
https://habr.com/ru/post/533102/?utm_campaign=533102&utm_source=habrahabr&utm_medium=rss

Традиционные методы очного обучения я оставлю за рамками этой статьи. Скажу только, что у обычных школ есть как неоспоримые преимущества, так и серьезные недостатки, к которым, кстати, в последнее время добавилась вынужденная самоизоляция. Здесь мы рассмотрим варианты дистанционного и семейного образования, которые, по целому ряду причин, в последнее время привлекают все больше родителей.

Микросервисы на монолите
https://habr.com/ru/post/533082/?utm_campaign=533082&utm_source=habrahabr&utm_medium=rss

Скажу сразу, эта статья не про очередное переписывание монолита на микросервисы, а о применении микросервисных практик в рамках существующего проекта с использованием интересных, как мне кажется, подходов. Наверное, уже нет смысла объяснять, почему многие проекты активно используют микросервисную архитектуру. Сегодня в IT возможности таких инструментов как Docker, Kubernetes, Service Mesh и прочих сильно меняют наше представление об архитектуре современного приложения, вынуждая пересматривать подходы и переписывать целые проекты на микросервисы. Но так ли это необходимо для всех частей проекта? 

Vault+Pydantic: продолжение саги, локальная разработка
https://habr.com/ru/post/533274/?utm_campaign=533274&utm_source=habrahabr&utm_medium=rss

В предыдущей статье я писал о том, как сконфигурировать ваше приложение с помощью Sitri (https://sitri.readthedocs.io/en/latest/), однако, упустил момент с локальной разработкой, так как согласитесь, что не очень удобно разворачивать vault локально, да и хранить локальный конфиг в общем vault, особенно, если над проектом работают несколько человек — неудобнее вдвойне.

Классические задачи Computer Science на языке Python. Обзор книги
https://habr.com/ru/post/533902/?utm_campaign=533902&utm_source=habrahabr&utm_medium=rss

Одной из самых интересных наших книг по Python в течение уходящего года оставались "Классические задачи Computer Science на языке Python (https://www.piter.com/collection/all/product/klassicheskie-zadachi-computer-science-na-yazyke-python)" от Дэвида Копеца.

Ящики, усы и скрипки
https://habr.com/ru/post/533726/?utm_campaign=533726&utm_source=habrahabr&utm_medium=rss

Очень часто данные необходимо сравнивать. Например, у нас есть несколько рядов данных из какой-то области деятельности человека (промышленности, медицины, государственного управления, …), и мы хотим сравнить, насколько они похожи или, наоборот, чем одни показатели выделяются по сравнению с другими. Для простоты восприятия возьмем данные более простые, универсальные и нейтральные — высоту в холке и вес нескольких пород собак по сведениям Американского клуба собаководства (American Kennel Club). Данные по размерам пород в среднем можно найти здесь (https://data.world/len/dog-size-intelligence-linked). Прибавим к ним функцию random.uniform из Python-библиотеки numpy, переведем дюймы в сантиметры, а фунты в килограммы, и вот мы получаем реалистично выглядящий набор данных по размерам собак нескольких пород, с которым можно работать. В нашем примере это чихуахуа, бигли, ротвейлеры и английские сеттеры.

#python #pydigest

Сборник Python новостей уже перед вами.

В выпуске Python Дайджест вы найдете:

- Влияние вида импорта на скорость исполнения кода
- Микросервисы на монолите
- О первоклашках, дистанционке и асинхронном программировании
- Немного про трекинг и сервис переходов Admitad
- Vault+Pydantic: продолжение саги, локальная разработка
- PAGERANK: алгоритм ранжирования WEB-страниц
- Matplotlib и вложенные Pie Chart
- plac 0.7


Заходите в гости - https://pythondigest.ru/issue/365/
Присылайте интересные новости через форму на сайте.

Как пропускать и одновременно присутствовать на лекции или «за меня учится Python бот»
https://habr.com/ru/post/533640/?utm_campaign=533640&utm_source=habrahabr&utm_medium=rss

Я имею самый обычный рабочий график: 5/2, 8ч/день. В настоящий момент удаленно учусь в аспирантуре (коронавирус, все дела) и единственный день, когда я могу вдоволь почувствовать себя человеком-соседом и поделать что-то по дому, – это суббота. Как вы понимаете, здесь что-то пошло не так и вместо обещанных будничных пар, которые должны были проходить по вечерам после работы, нам утрамбовали всю субботу. Но дела ведь себя не переделают, поэтому решено было написать на python простого бота-кликера

Как я анализировал свои поездки на такси
https://habr.com/ru/post/533586/?utm_campaign=533586&utm_source=habrahabr&utm_medium=rss

Всякий раз, как я езжу на такси мне на почту приходит отчет о поездке с разной информацией. В частности, они содержат дату, время поездки, модель автомобиля и ФИО водителя. Меня посетила идея - проанализировать отчеты от яндекс такси и вытащить из них максимум интересной информации. Вам наверняка тоже всегда было интересно сколько раз вы ездили на одной и той же машине или сколько раз вас возил один и тот же водитель?

Задача, которая здесь описана может быть хорошим упражнением для начинающих аналитиков. Тут будет всё: и python c pandas и парсинг HTML и регулярные выражегия и базы данных c SQL.

Мелкая питонячая радость #15: генераторы тестовых данных, профайлер и консольная база знаний
https://habr.com/ru/post/532774/?utm_campaign=532774&utm_source=habrahabr&utm_medium=rss

При долгой работе с большим проектом так или иначе упираешься в поиск узких мест в коде. Что только программисты не используют для этого — от навороченных профайлеров и брейкпоинтов до выводов print и замеров времени выполнения вручную с выводом таймстампов на консоль.

3D ML. Часть 5: свертки на графах
https://habr.com/ru/post/533746/?utm_campaign=533746&utm_source=habrahabr&utm_medium=rss

В предыдущих заметках данной серии мы уже успели поговорить о датасетах и инструментах, функциях потерь и примерах прикладных задач, а сейчас пора перейти к “ядру” любой подобласти глубокого обучения — к их архитектурам. Но, прежде чем разбираться с тем как устроены целые архитектуры, стоит разобраться в их составных частях, делающих их пригодными для применения к неевклидовым данным.

Мы скачали 10 миллионов Jupyter-ноутбуков с Github — и вот что мы выяснили
https://habr.com/ru/post/533584/?utm_campaign=533584&utm_source=habrahabr&utm_medium=rss

На связи команда Datalore by JetBrains (https://datalore.jetbrains.com/). Хотим поделиться с вами результатами анализа нескольких миллионов публично доступных репозиториев Github с Jupyter-ноутбуками. Мы скачали ноутбуки, чтобы немного больше узнать в цифрах о текущем статусе, пожалуй, самого популярного инструмента для data science.

Неблокирующие ошибки метода assert в Pytest-check
https://habr.com/ru/post/533552/?utm_campaign=533552&utm_source=habrahabr&utm_medium=rss

В сообществе тестировщиков много спорят о том, сколько assert-ов должно быть в одном автоматизированном тесте пользовательского интерфейса. Некоторые считают, что на один тест должен приходиться один assert, то есть каждый тест должен проверять только один элемент. Другие же вполне довольны тем, что их тест проверяет сразу несколько элементов. 

Какой бы подход вы ни выбрали, я думаю, можно с уверенностью сказать, что тесты должны оставаться ясными, краткими, читаемыми и, конечно же, их должно быть просто поддерживать. Лично у меня не возникает проблем с несколькими assert-ами в одном тесте, поскольку я фокусируюсь на одной функциональной области.

Статистика в кармане: Портативная СУБД с базой Росстата для исследователей и не только
https://habr.com/ru/post/532244/?utm_campaign=532244&utm_source=habrahabr&utm_medium=rss

Возможно, глядя на этот старый советский плакат, вы подумаете, что я здесь буду агитировать сознательных граждан России участвовать в переписи населения… Но спешу вас разуверить: статья вовсе не об этом. Скорее это рассказ о том, какая официальная статистика собирается в России, где ее искать и как скачать все данные к себе на компьютер или портативное устройство (отсюда и название) и удобно ей пользоваться. Если вам это интересно, читайте дальше!

Прогнозирование обводнённости скважин с помощью методов машинного обучения
https://habr.com/ru/post/533470/?utm_campaign=533470&utm_source=habrahabr&utm_medium=rss

По основной профессии я инженер по разработке нефтяных и газовых месторождений. Я только погружаюсь в Data Sciense и это мой первый пост, в котором хотел бы поделиться опытом применения машинного обучения в нефтяной сфере.