Собрали в одном месте самые важные ссылкии сделали Тренажер IT-инцидентов для DevOps/SRE
Рассуждают на тему "Python в продакшн"
Репозиторий содержит несколько notebook, которые расскажут как начать программировать на Python для целей статистики.
Этот урок покажет как можно провести классификацию изображений на основе текстурных методов: (Grey Level Co-occurrence Matrix(GLCM), Local Binary Pattern(LBP) и Local Directional Pattern(LDP)) Classification используя Support Vector Machine (SVM) и Naive Bayes(NB)
Докладчик рассказывает как начать использовать Continuous Deployment в разработке. Как выкатить этот механизм в продакшн.
Доклад про автоматизацию обработки данных, как начиная с небольших скриптов дошли до крупной системы.
Доклад про паттерн Split-Apply-Combine, который применятся в обработке данных
Hypothesis - библиотека для fuzzy-testing, которая расширяет возможности модульного тестирования. Доклад именно про это
Докладчик рассказывает о концепеции объектов в программировании на примере Python
Доклад-введение о PyPy. В нем вы найдете опиание основных фишек PyPy и узнаете почему PyPy быстрее CPython
Это простая альтернатива Celery.
Репозиторий представляет шаблон проекта со всем фаршем для запуска Flask + Python 3.4, "алхимия" и несколько JS библиотек.
Сервис позволняет на основе параметров генерировать изображение. Например:.
svg/kb.jpg?s=150&color=yellow
Это вводная статья про использование Gabbi и Hypothesis для тестирования Django-проектов
Random Forests это один из самых популярных методов в машинном обучении. По ссылке вводная статья в этот метод.
Организация Code for South Africa и другие используют Python для социальных проектов. В этом видео вы узнаете КАК и ЗАЧЕМ
По ссылке найдете список ссылок на "кукбуки" - куча примеров по различным областям применения Python
Статья описывает как начать использовать Python для задач линейного программирования. Приведено сравнение с PuLP