Шаги построения рекомендательной системы в обучении персонала
https://habr.com/ru/post/544340/?utm_campaign=544340&utm_source=habrahabr&utm_medium=rss

Широкое распространение в последние годы получили программы, которые пытаются предсказать, какие объекты будут интересны пользователю, имея определенную информацию о его профиле. До 2006 года такие алгоритмы не пользовались популярностью. Но все изменилось осенью 2006 года, когда компания Netflix предложила разработчикам 1 000 000$ за лучший алгоритм предсказания. Конкурс продлился 3 года.

The Real Python Podcast – Episode #49: The Challenges of Developing Into a Python Professional
https://realpython.com/podcasts/rpp/49/

Audio

Читаем telegram-каналы в виде новостной ленты (+ бонусом rss)
https://habr.com/ru/post/544414/?utm_campaign=544414&utm_source=habrahabr&utm_medium=rss

Как ленивый работящему помог. Ещё один скрипт для релиза подкаста
https://habr.com/ru/post/542352/?utm_campaign=542352&utm_source=habrahabr&utm_medium=rss

Соглашение Эйнштейна и einsum
https://habr.com/ru/post/544498/?utm_campaign=544498&utm_source=habrahabr&utm_medium=rss

Удивительное дело, но в русскоязычном сегменте интернета почти нет материала, разъясняющего понятным языком соглашение Эйнштейна о суммировании. Не менее удивительно то, что материалов, позволяющих понять принцип работы функции einsum в русскоязычном интернете ещё меньше. На английском есть (https://stackoverflow.com/questions/26089893/understanding-numpys-einsum) довольно развёрнутый ответ о работе einsum на stack overflow, а на русском только некоторое число сайтов, предоставляющих кривой перевод этого самого ответа. Хочу исправить эту проблему с недостатком материалов.

Машина опорных векторов в 30 строчек
https://habr.com/ru/post/544282/?utm_campaign=544282&utm_source=habrahabr&utm_medium=rss

В этой статье я расскажу как написать свою очень простую машину опорных векторов без scikit-learn или других библиотек с готовой реализацией всего в 30 строчек на Python. Если вам хотелось разобраться в алгоритме SMO, но он показался слишком сложным, то эта статья может быть вам полезна.

#python #pydigest

Сборник Python новостей уже перед вами.

В выпуске Python Дайджест вы найдете:

- Языку программирования Python исполнилось 30 лет
- Краткость — сестра таланта: Как сделать Transformer/Summarizer на Trax
- Как я сделал веб-фреймворк без MVC — Pipe Framework
- Машина опорных векторов в 30 строчек
- Читаем telegram-каналы в виде новостной ленты (+ бонусом rss)
- Семейный бюджет, Google sheets и Python
- Опыт написания IDL для embedded
- Python в Visual Studio Code – февральский релиз 2021
- Mau 1.2.0
- PyDev 8.2.0

Заходите в гости - https://pythondigest.ru/issue/375/
Присылайте интересные новости через форму на сайте.

Json api сервис на aiohttp: middleware и валидация
https://habr.com/ru/post/544638/?utm_campaign=544638&utm_source=habrahabr&utm_medium=rss

В этой статье я опишу один из подходов для создания json api сервиса с валидацией данных.

 
Сервис будет реализован на aiohttp (https://github.com/aio-libs/aiohttp). Это современный, постоянно развивающийся фреймворк на языке python, использующий asyncio.

PyDev 8.2.0 released (external linters, Flake8, path mappings, ...)
http://feedproxy.google.com/~r/blogspot/pydev/~3/5exOJQCukVY/pydev-820-released-external-linters.html

Weekly Python StackOverflow Report: (cclxv)
http://python-weekly.blogspot.com/2021/02/cclxv-stackoverflow-python-report.html

Вводная статья по реализации целе-вероятностного кодирования (Target Encoding)
https://habr.com/ru/post/544666/?utm_campaign=544666&utm_source=habrahabr&utm_medium=rss

Недавно я сделал проект, в котором целевая переменная была мультиклассовой,  поэтому, я искал подходящие пути для кодирования категориальных признаков. Я нашёл множество статей, перечислявших преимущества кодирования через среднее значение целевой переменной перед другими методами, а также то, как выполнить эту задачу в двух строчках кода, используя библиотеку category_encoders (http://contrib.scikit-learn.org/category_encoders/index.html) . Однако, к своему удивлению, я обнаружил, что ни одна статья не продемонстрировала этого метода для мультиклассовой целевой переменной. Я просмотрел документацию category_encoders, и понял, что библиотека работает только для бинарных или вещественных переменных, посмотрел оригинальную работу   (https://dl.acm.org/doi/10.1145/507533.507538)Даниэля Мисси-Баррека (Daniele Micci-Barreca), который ввел средне-целевую кодировку (mean target encoding) и так же не обнаружил ничего толкового. 
В этой статье я дам обзор документа, в котором описана кодировка по целевому признаку, и покажу на примере, как целевая кодировка работает для двоичных проблем.

Test and Code: 146: Automation Tools for Web App and API Development and Maintenance - Michael Kennedy
https://testandcode.com/146

Audio

Как подключить OLED дисплей к Raspberry Pi Pico — быстрый старт
https://habr.com/ru/post/544776/?utm_campaign=544776&utm_source=habrahabr&utm_medium=rss

Под катом — инструкция по подключению OLED-экрана с диагональю всего 0,96 дюйма. Для этого нужно немного попаять и написать небольшую программу на MicroPython. Подключение экрана производится по I2C-интерфейсу. Все очень просто: с задачей справится даже ребенок. В целом, эта инструкция — для тех, кто только начинает знакомство с платой. Опытные пользователи и так знают, что делать. Если этот пост окажется востребованным, то мы будем регулярно публиковать несложные руководства подобного рода. Что же, давайте приступим.

Пишем телеграм-бота, который будет переводить интернет статьи в mp3-файлы
https://habr.com/ru/post/544796/?utm_campaign=544796&utm_source=habrahabr&utm_medium=rss

В данной статье я поделюсь своей реализацией бота для telegram, который может переводить статьи из интернета в mp3-файлы. Для этого я буду использовать python 3.6 и соответствующие библиотеки. Итак, приступим.

Robot Framework для автоматизации тестирования: ограничения и плюшки
https://habr.com/ru/post/544412/?utm_campaign=544412&utm_source=habrahabr&utm_medium=rss

В автоматизации тестирования я уже более 11 лет. Скажу сразу, что являюсь поклонником старомодного тестирования на Java и очень настороженно отношусь к различным готовым фреймворкам. Если вы придерживаетесь такого же мнения или только задумываетесь об использовании Robot Framework, в этой статье я постараюсь рассказать вам о его ограничениях и, конечно же, опишу все его достоинства.

Opinion Mining Aspect Level Sentiment Analysis
https://www.nbshare.io/notebook/568830035/Opinion-Mining-Aspect-Level-Sentiment-Analysis/

Использование алгоритмов обработки текстов на естественных языках для создания качественного резюме
https://habr.com/ru/post/544420/?utm_campaign=544420&utm_source=habrahabr&utm_medium=rss

Рекрутеры используют всё более сложное ПО и инструменты для анализа и сопоставления присылаемых резюме с размещёнными вакансиями и описанием должностных обязанностей в них. Если в вашем резюме будет представлена только общая информация или если ваши ответы на описание должностных обязанностей будут указаны расплывчато и/или без всякой конкретики, такие инструменты сработают против вас. Ваш отклик на вакансию может быть отвергнут искусственным интеллектом. Да, это действительно так, и бьюсь об заклад, что вы об этом не знали, а если знали, то не верили!В этой статье я хочу представить ряд техник, которые помогут повысить шансы вашего резюме на рассмотрение. В этом практическом примере мы будем использовать алгоритмы обработки текстов на естественных языках (Natural Language Processing, NLP), Python и ряд визуальных инструментов библиотеки Altair. Итак, готовы нанести ответный удар по кадровикам? Приятного чтения!

Архитектура в Django проектах — как выжить
https://habr.com/ru/post/544856/?utm_campaign=544856&utm_source=habrahabr&utm_medium=rss

Думаю, ни для кого не секрет, что в разговорах опытных разработчиков Python, и не только, часто проскальзывают фразы о том, что Django это зло, что в Django плохая архитектура и на ней невозможно написать большой проект без боли. Часто даже средний Django проект сложно поддерживать и расширять. Предлагаю разобраться, почему так происходит и что с Django проектами не так.

Новое тестирование фичей в Django 3.2
https://habr.com/ru/post/544880/?utm_campaign=544880&utm_source=habrahabr&utm_medium=rss

Пару недель назад Django 3.2 выпустил свой первый альфа-релиз, а финальный релиз выйдет в апреле. Он содержит микс новых возможностей, о которых вы можете прочитать в примечаниях к релизу. Эта статья посвящена изменениям в тестировании, некоторые из которых можно получить на более ранних версиях Django с пакетами backport.

Нейродайджест: главное из области машинного обучения за февраль 2021
https://habr.com/ru/post/544894/?utm_campaign=544894&utm_source=habrahabr&utm_medium=rss

Как вы знаете, в подборку мы всегда включаем самые интересные публикации на тему машинного обучения, и приоритет отдается проектам с непустыми репозиториями. Так вот, февраль порадовал в этом плане рядом сервисов, поэтому с них и начнем.