IT-новости про Python, которые стоит знать

Собрали в одном месте самые важные ссылки
и сделали Тренажер IT-инцидентов для DevOps/SRE

     05.07.2017       Выпуск 185 (03.07.2017 - 09.07.2017)       Статьи

Про аналитику и серебряные пули или «При чем здесь Рамблер/топ100?»

Это лонгрид о том, как мы проектировали архитектуру обновлённого сервиса веб-аналитики, с какими сложностями столкнулись по пути и как с ними боролись. Если вам интересны такие базворды как ClickhouseAerospikeSpark, добро пожаловать под кат.

В прошлом году Рамблеру и Топ-100 исполнилось 20 лет – достаточно большой срок, за который на сервисе было несколько крупных обновлений и последнее из них случилось достаточно давно. Предыдущая версия Рамблер/топ-100 морально устарела, с точки зрения интерфейсов, кода и архитектуры. Планируя перезапуск, мы отдавали себе отчёт в том, что косметическим ремонтом не обойтись – нам надо было выстроить новый сервис практически с нуля.

     04.07.2017       Выпуск 185 (03.07.2017 - 09.07.2017)       Статьи

Массивы в Python

Описание разных структур для массивов

     04.07.2017       Выпуск 185 (03.07.2017 - 09.07.2017)       Статьи

Оптимизация производительности Django проектов (часть 2)

Это продолжение серии статей про оптимизацию Django приложений. Первая часть доступна здесь и рассказывает о профилировании и настройках Django. В этой части мы рассмотрим оптимизацию работы с БД (модели Django).

     04.07.2017       Выпуск 185 (03.07.2017 - 09.07.2017)       Видео
     03.07.2017       Выпуск 185 (03.07.2017 - 09.07.2017)       Статьи
     03.07.2017       Выпуск 185 (03.07.2017 - 09.07.2017)       Статьи
     03.07.2017       Выпуск 185 (03.07.2017 - 09.07.2017)       Статьи
     03.07.2017       Выпуск 185 (03.07.2017 - 09.07.2017)       Статьи

Детектор машин для само-управляемой машины

Используем машинное обучение и компьютерное зрения для определения машин поблизости

     02.07.2017       Выпуск 184 (26.06.2017 - 02.07.2017)       Статьи
     02.07.2017       Выпуск 184 (26.06.2017 - 02.07.2017)       Статьи

Метод оптимизации Нелдера — Мида. Пример реализации на Python

Метод Нелдера — Мида — метод оптимизации (поиска минимума) функции от нескольких переменных. Простой и в тоже время эффективный метод, позволяющий оптимизировать функции без использования градиентов. Метод надежен и, как правило, показывает замечательные результаты, хотя и отсутствует теория сходимости. Используется по умолчанию в функции optimize из модуля scipy.optimize популярной библиотеки для языка python, которая используется для математических расчетов.

     02.07.2017       Выпуск 184 (26.06.2017 - 02.07.2017)       Статьи

Как делать тесты производительности

Статья описывает несколько способов ускорения кода для микро-бенчмарков

     02.07.2017       Выпуск 184 (26.06.2017 - 02.07.2017)       Релизы
     02.07.2017       Выпуск 184 (26.06.2017 - 02.07.2017)       Релизы