PEP 659: Работы по ускорению CPython
https://pythonz.net/articles/376/

Вновь про ускорение и о связи PEP 659 с прошлогодним предложением от Марка Шеннона.

Линейная алгебра для Data Science и Machine Learning
https://habr.com/ru/post/556954/?utm_campaign=556954&utm_source=habrahabr&utm_medium=rss

Линейная алгебра в Data Science и Machine Learning является основополагающей. Новички, начинающие свой путь обучения в области Data Science, а также признанные практики должны развить хорошее понимание основных понятий линейной алгебры.
 

Real Python: Embedded Python: Build a Game on the BBC micro:bit
https://realpython.com/embedded-python/

Podcast.__init__: Leveling Up Natural Language Processing with Transfer Learning
https://www.pythonpodcast.com/paul-azunre-transfer-learning-for-natural-language-processing-episode-315/

Audio

Выбираем метод для поиска схожих операций
https://habr.com/ru/post/557976/?utm_campaign=557976&utm_source=habrahabr&utm_medium=rss

Перед нами стояла задача выявления групп клиентов, имеющих одинаковое инвестиционное поведение при совершении операций на организованных рынках ценных бумаг.

Для результативного решения задачи в первую очередь необходимо определиться с ее правильной постановкой.

Python, корреляция и регрессия: часть 1
https://habr.com/ru/post/557998/?utm_campaign=557998&utm_source=habrahabr&utm_medium=rss

В предыдущих сериях постов для начинающих из ремикса книги Генри Гарнера «Clojure для исследования данных» (Clojure for Data Science) на языке Python мы рассмотрели методы описания выборок с точки зрения сводных статистик и методов статистического вывода из них параметров популяции. Такой анализ сообщает нам нечто о популяции в целом и о выборке в частности, но он не позволяет нам делать очень точные утверждения об их отдельных элементах. Это связано с тем, что в результате сведения данных всего к двум статистикам - среднему значению и стандартному отклонению - теряется огромный объем информации.

Python, корреляция и регрессия: часть 2
https://habr.com/ru/post/558084/?utm_campaign=558084&utm_source=habrahabr&utm_medium=rss

Хотя, возможно, и полезно знать, что две переменные коррелируют, мы не можем использовать лишь одну эту информацию для предсказания веса олимпийских пловцов при наличии данных об их росте или наоборот. При установлении корреляции мы измерили силу и знак связи, но не наклон, т.е. угловой коэффициент. Для генерирования предсказания необходимо знать ожидаемый темп изменения одной переменной при заданном единичном изменении в другой.

Протоколы в Python: утиная типизация по-новому
https://habr.com/ru/post/557898/?utm_campaign=557898&utm_source=habrahabr&utm_medium=rss

В новых версиях Python аннотации типов получают всё большую поддержку, всё чаще и чаще используются в библиотеках, фреймворках, и проектах на Python. Помимо дополнительной документированности кода, аннотации типов позволяют таким инструментам, как mypy (https://mypy.readthedocs.io/en/stable/), статически произвести дополнительные проверки корректности программы и выявить возможные ошибки в коде. В этой статье пойдет речь об одной, как мне кажется, интересной теме, касающейся статической проверки типов в Python – протоколах, или как сказано в PEP-544 (https://www.python.org/dev/peps/pep-0544), статической утиной типизации.

Python, корреляция и регрессия: часть 3
https://habr.com/ru/post/558146/?utm_campaign=558146&utm_source=habrahabr&utm_medium=rss

Прежде чем перейти к изучению нормального уравнения, давайте рассмотрим основы матричного и векторного умножения.

Python, корреляция и регрессия: часть 4
https://habr.com/ru/post/558158/?utm_campaign=558158&utm_source=habrahabr&utm_medium=rss

Этот заключительный пост посвящен процессу предсказания на основе регрессии.

Python Bytes: #234 The Astronomy-filled edition with Dr. Becky
https://pythonbytes.fm/episodes/show/234/the-astronomy-filled-edition-with-dr.-becky

Audio

Tuple Comprehension in Python is it Possible?
https://www.pythonpool.com/tuple-comprehension/?utm_source=rss&utm_medium=rss&utm_campaign=tuple-comprehension

Языковой сервер Pylance вышел в релиз
https://habr.com/ru/post/558388/?utm_campaign=558388&utm_source=habrahabr&utm_medium=rss

Мы рады объявить, что Pylance, наша быстрая и многофункциональная языковая поддержка Python в Visual Studio Code, официально вышла из предварительной версии и достигла своего первого стабильного выпуска.Ранее на этой неделе мы объявили, что, начиная с майского выпуска расширения Python, Pylance теперь также является сервером языка Python по умолчанию в Visual Studio Code. Pylance также теперь включен в пакет расширения ядра Python в качестве дополнительной зависимости, что означает, что мы автоматически установим его для вас, но у вас есть возможность использовать другой языковой сервер по вашему выбору.

Оптимизация походов в магазин
https://habr.com/ru/post/558418/?utm_campaign=558418&utm_source=habrahabr&utm_medium=rss

Обычно, когда я собираю корзину в супермаркете, я беру продукты по очереди в том порядке, в каком они находятся в списке. Недавно я шел по магазину и, наворачивая очередной круг в поисках товара, который лежит в отделе, где я уже был, я подумал, можно было бы сэкономить уйму времени составляя список так, чтобы, собирая продукты подряд, я бы шел по оптимальному маршруту, не прилагая умственных усилий. Сперва я хотел заранее составлять список таким образом, но это сложно и неинтересно, так что я решил автоматизировать этот процесс и вот что из этого вышло:

Как протестировать блокноты Jupyter с помощью pytest и nbmake
https://habr.com/ru/post/558326/?utm_campaign=558326&utm_source=habrahabr&utm_medium=rss

Файлы блокнотов Jupyter, в смысле количества одного из самых быстрорастущих типов файлов на Github, предоставляют простой интерфейс для итераций при решении визуальных задач, будь то анализ наборов данных или написание документов с большим объёмом кода. Однако популярность блокнотов Jupyter сопровождается проблемами: в репозитории накапливается большое количество файлов ipynb, многие из которых находятся в нерабочем состоянии. В результате другим людям трудно повторно запустить или даже понять ваши блокноты. В этом руководстве рассказывается, как для автоматизации сквозного (end-to-end) тестирования блокнотов можно воспользоваться плагином pytest nbmake (https://github.com/treebeardtech/nbmake).

Книга «Обработка естественного языка. Python и spaCy на практике»
https://habr.com/ru/post/556140/?utm_campaign=556140&utm_source=habrahabr&utm_medium=rss

Python и spaCy помогут вам быстро и легко создавать NLP-приложения: чат-боты, сценарии для сокращения текста или инструменты принятия заказов. Вы научитесь использовать spaCy для интеллектуального анализа текста, определять синтаксические связи между словами, идентифицировать части речи, а также определять категории для имен собственных. Ваши приложения даже смогут поддерживать беседу, создавая собственные вопросы на основе разговора.

«Маяки» в ЕГРЮЛ с python
https://habr.com/ru/post/558218/?utm_campaign=558218&utm_source=habrahabr&utm_medium=rss

На сайте nalog.ru есть очень удобный сервис, который «покрывает» такие страхи владельца бизнеса как увод компании из под контроля без участия самого владельца. Отчасти естественно «покрывает», так как если захотят увести компанию, один сервис налоговой в этом не поможет.



Сервис уведомляет владельца предприятия, если в налоговую попало заявление о внесении каких-либо изменений в отношении данных компании, содержащихся в ЕГРЮЛ. Далее владелец может среагировать на ситуацию, заблокировав регистрацию изменений, если они не были им инициированы. Чтобы реализовать этот своеобразный мониторинг, необходимо поставить на компанию так называемый «маяк». В данной статье посмотрим, как работает сервис, как и кто может поставить маяки, сколько их можно поставить и как все это сделать «пакетно» с помощью python.

[Перевод] Топ 6 библиотек Python для визуализации: какую и когда лучше использовать?
https://habr.com/ru/post/558478/?utm_campaign=558478&utm_source=habrahabr&utm_medium=rss

Если вы только собираетесь начать работу с визуализацией в Python, количество библиотек и решений вас определенно поразит:- Matplotlib- Seaborn- Plotly- Bokeh- Altair- FoliumНо какую из этих библиотек лучше выбрать для визуализации DataFrame? Некоторые библиотеки имеют больше преимуществ для использования в некоторых конкретных случаях. В этой статье приведены плюсы и минусы каждой из них. Прочитав эту статью, вы будете разбираться в функционале каждой библиотеки и будете способны подбирать для ваших потребностей оптимальную.

Talk Python to Me: #317 Python at the US Federal Election Commission
https://talkpython.fm/episodes/show/317/python-at-the-us-federal-election-commission

Audio

The Real Python Podcast – Episode #61: Scaling Data Science and Machine Learning Infrastructure Like Netflix
https://realpython.com/podcasts/rpp/61/

Audio