Миллион домашних фотографий: наводим порядок
https://habr.com/ru/post/537684/?utm_campaign=537684&utm_source=habrahabr&utm_medium=rss

После покупки цифрового фотоаппарата и рождения детей стало появляться большое количество фотографий, а учитывая, что жена с фотоаппаратом почти не расставалась и старалась запечатлеть все «важные» детские моменты, фотографий стало появляться ОЧЕНЬ много. Пришло время навести порядок.

Podcast.__init__: Driving Toward A Faster Python Interpreter With Pyston
https://www.pythonpodcast.com/pyston-fast-python-interpreter-episode-298/

Audio

Настройка аутентификации JWT в новом проекте Django
https://habr.com/ru/post/538040/?utm_campaign=538040&utm_source=habrahabr&utm_medium=rss

Данная статья является сборкой-компиляцией нескольких (основано на первой) статей, как результат моих изучений по теме jwt аутентификации в джанге со всем вытекающим. Так и не удалось (по крайней мере в рунете) найти нормальную статью, в которой рассказывается от этапа создания проекта, startproject, прикручивание jwt аутентификации.

ML в реальном мире: Складская система распознавания деталей
https://habr.com/ru/post/537938/?utm_campaign=537938&utm_source=habrahabr&utm_medium=rss

Одним из проектов над которыми мне пришлось недавно поработать, стало создание складской системы для распознавания складируемых деталей. Проблема достаточно простая для понимания: на промышленном складе кладовщики, особенно новые, при поступлении новой партии, зачастую не могут с ходу понять что за детали поступили, и куда их нужно отнести.

Django 3.2 alpha 1 released
https://www.djangoproject.com/weblog/2021/jan/19/django-32-alpha-1-released/

Есть ли жизнь без Nvidia? Запускаем TensorFlow на Radeon RX 580
https://habr.com/ru/post/538138/?utm_campaign=538138&utm_source=habrahabr&utm_medium=rss

На новом рабочем месте меня посадили за ПК, оборудованный процессором Ryzen 2600 и видеокартой Radeon RX 580. Попробовав обучать нейронные сети на процессоре, я понял, что это не дело: уж слишком медленным был процесс. После недолгих поисков я узнал, что существует как минимум 2 способа запуска современных библиотек машинного обучения на видеокартах Radeon: PlaidML и ROCm. Я попробовал оба и хочу поделиться результатами.

Python Bytes: #217 Use your cloud SSD for fast, cross-process caching
https://pythonbytes.fm/episodes/show/217/use-your-cloud-ssd-for-fast-cross-process-caching

Audio

[Видео] Moscow Python Podcast. Про микросервисы (level: All)
https://www.youtube.com/watch?v=httAhh4sGKI

В гостях у Moscow Python Podcast психолог Виталий Афанасьев разработчик в компании Leroy Merlin. Поговорили с Виталием о преимуществах микросервисной архитектуры и о том, как Leroy Merlin на нее переходит.

Вот вообще этим не занимался, и тут раз, и Data Science
https://habr.com/ru/post/536518/?utm_campaign=536518&utm_source=habrahabr&utm_medium=rss

Хочу в этой статье развеять мистику. Давайте чего-нибудь обучим, и найдём закономерности в большом наборе данных. Может и предскажем что-нибудь, даже. На простом, добром питоне – без всякой библиотеки в два гигабайта, и с минимальным входным порогом знаний.

Миллион домашних фотографий: лица, лица, лица
https://habr.com/ru/post/538360/?utm_campaign=538360&utm_source=habrahabr&utm_medium=rss

Итак, все фотографии разложены по папкам (https://habr.com/ru/post/537684/) и находить фотографии Новых годов или дней рождения стало быстро и удобно. Фотографии из отпусков тоже можно найти относительно быстро, но хотелось большего. А именно, искать по людям и не просто по людям, а по набору людей, например, найти все совместные фотографии детей или фотографии с бабушкой и т.д.

Поэтому я решил немного углубиться в так называемый Face Recognition.

Как найти email пользователя GitHub и написать Telegram бота для решения этой задачи?
https://habr.com/ru/post/538404/?utm_campaign=538404&utm_source=habrahabr&utm_medium=rss

Этот пост будет полезен двум категориям людей: IT-рекрутерам и начинающим разработчикам, которые хотят научиться писать простенькие программы для решения практических задач.
Задача: известен профиль пользователя на GitHub, необходимо найти email этого пользователя

Как изменился Datalore за 2020 год: мощная онлайн-среда для Jupyter-ноутбуков
https://habr.com/ru/post/538422/?utm_campaign=538422&utm_source=habrahabr&utm_medium=rss

Datalore (https://datalore.jetbrains.com/) — это мощная онлайн-среда для Jupyter-ноутбуков, разработанная в JetBrains. Здесь мы собрали описание самых важных обновлений Datalore за прошедший год.

Python in Visual Studio Code – January 2021 Release
https://devblogs.microsoft.com/python/python-in-visual-studio-code-january-2021-release/

Вызываем код на Java, C, NodeJS, C#, Python из InterSystems IRIS
https://habr.com/ru/post/536940/?utm_campaign=536940&utm_source=habrahabr&utm_medium=rss

Одно из ключевых направлений развития платформы данных InterSystems IRIS — открытость. Открытость во взаимодействии с языками программирования, технологиями и протоколами. Поддержка языков программирования двусторонняя — возможен как вызов кода из InterSystems IRIS, так и предоставляется API для работы с InterSystems IRIS извне.

#python #pydigest

Сборник Python новостей уже перед вами.

В выпуске Python Дайджест вы найдете:

- Трассировка Python GIL
- Решаем NLP-задачу – классификация текстов по темам
- Миллион домашних фотографий: лица, лица, лица
- ML в реальном мире: Складская система распознавания деталей
- Миллион домашних фотографий: наводим порядок
- Настройка аутентификации JWT в новом проекте Django
- Разрабатываем и развёртываем собственную платформу ИИ с Python и Django
- Schemathesis 3.0
- api-client 1.2.2 - гибкая библиотека для написания понятных апи клиентов
- Django 3.2 alpha 1 released

Заходите в гости - https://pythondigest.ru/issue/370/
Присылайте интересные новости через форму на сайте.

Решаем NLP-задачу – классификация текстов по темам
https://habr.com/ru/post/538458/?utm_campaign=538458&utm_source=habrahabr&utm_medium=rss

В предыдущей статье  (https://habr.com/ru/post/538450/)я рассказал, как подготовить датасет, содержащий тексты блога habr.com (https://habr.com/) с информацией об их принадлежности к определенной категории. Теперь на базе этого датасета я расскажу о подходах, позволяющих создать классификатор, автоматически относящий текст к той или иной категории.
Сегодня нам предстоит описать решение задачи по созданию классификатора текстовых документов. Шаг за шагом мы будем пытаться улучшить нашу модель. Давайте посмотрим, что же из этого получится.

Reading CloudFlare headers in a Django middleware
https://adamj.eu/tech/2021/01/22/reading-cloudflare-headers-in-a-django-middleware/

CodeSys на RaspberryPi 3 model B для реальных целей+MS SQL. Расчет метража продукции, произведенной на гофроагрегате
https://habr.com/ru/post/538648/?utm_campaign=538648&utm_source=habrahabr&utm_medium=rss

Clean Architectures in Python 2nd Edition - A free book on software architectures
https://www.pycabook.com/

What is a good software architecture? Why should we bother structuring the code and spending time testing it? If you like spending hours debugging your programs or staying late at the office to recover from a buggy deploy in production this book is definitely NOT for you!

Разрабатываем и развёртываем собственную платформу ИИ с Python и Django
https://habr.com/ru/post/538320/?utm_campaign=538320&utm_source=habrahabr&utm_medium=rss

Взлёт искусственного интеллекта привёл к популярности платформ машинного обучения MLaaS. Если ваша компания не собирается строить фреймворк и развёртывать свои собственные модели, есть шанс, что она использует некоторые платформы MLaaS, например H2O или KNIME. Многие исследователи данных, которые хотят сэкономить время, пользуются этими инструментами, чтобы быстро прототипировать и тестировать модели, а позже решают, будут ли их модели работать дальше.