Собрали в одном месте самые важные ссылкиконсультируем про IT, Python
О библиотеке INSTLD, которая автоматизирует установку Python-пакетов. Вы просто пишете в коде "import" и библиотека ставится сама, а после остановки программы — удаляется. Доступны режимы интерактивной консоли и запуска скрипта.
Django Ninja v1.0 just released! It is a web framework for building APIs with Django and Python 3.6+ type hints.
Техническое собеседование должно выявлять компетенции, как не попасть на когнитивные искажения? Резюме — человек или chat GPT, как выявить истину. Разница между языком, инструментом и предметной областью. Слайды: https://speakerdeck.com/moscowdjango/moscow-python-meetup-84-maksim-biezrukov-vk-backend-developer-kak-proviesti-tiekhnichieskoie-sobiesiedovaniie-i-nie-soiti-sviesti-s-uma
Проблемы, с которыми мы столкнулись при реализации JSON:API на FastAPI. Что удалось реализовать, что пришлось подпереть костылями, а что осталось нерешенным. Слайды: https://speakerdeck.com/moscowdjango/moscow-python-meetup-84-surien-khorienian-slozhnosti-riealizatsii-json-api-na-fastapi-plus-pydantic
Немного покопаемся в протоколах веб-коммуникации. Как и в каких библиотеках они имплементированы в любимом Python. Попробуем запустить этот корабль в космос или просто сыграть в камень-ножницы-бумага. Мир высокоскоростных, эффективных протоколов QUIC и RSocket, мир готов к http3.0 (или нет?)
A 40-minute approachable video to new changes coming in Python 3.12.
Kubernetes is a tool to manage containers. This type of management is called orchestration because it does more than just manage the containers such as it will scale up and scale down resources as needed (among many other things). Since Kubernetes is a massive tool, we're going to be covering a practical implementation using a Docker-based Django application.
Audio
Эффективное тестирование API схем при помощи property-based тестирования
Описание REST API на примере. В примере используются Python, flask, SQLAlchemy и SQLite.
Mars tensor provides a compatible interface like Numpy, users can obtain the ability to handle extreme huge tensor/ndarray by simple import replacement. We extend the interface of Numpy to support create tensor/ndarray on GPU by specifying gpu=True on all the implemented array creation, and also, create sparse matrix via noting sparse=True on some array creation like zeros, eye and so on.