IT-новости про Python, которые стоит знать

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

     10.11.2016       Выпуск 151 (07.11.2016 - 13.11.2016)       Статьи
     10.11.2016       Выпуск 151 (07.11.2016 - 13.11.2016)       Релизы
     10.11.2016       Выпуск 151 (07.11.2016 - 13.11.2016)       Статьи
     10.11.2016       Выпуск 151 (07.11.2016 - 13.11.2016)       Статьи
     10.11.2016       Выпуск 151 (07.11.2016 - 13.11.2016)       Статьи

Как мы запускали Хабр для гуманитариев (с водолазами и выплатами для всех)

«В следующие два года нужно не пытаться изобразить из себя что-то особенное, а просто быть достаточно умным, чтобы компоновать то, что человечество уже создало» (с) bobuk


Год назад на внутреннем хакатоне наши ростовские ребята за ночь скрестили визуальный текстовый редактор, «Типограф Муравьева» и антиплагиат-сервис. Получилась штука, которая помогала быстро подготовить и отправить публикацию в блог. 

Одно время штука жила как сайд-проект, затем нам дали немного ресурсов — ну, как внутреннему стартапу. В итоге получилось удобное коллективное медиа без редакции.

     10.11.2016       Выпуск 151 (07.11.2016 - 13.11.2016)       Статьи

Как в Matplotlib менять оформление линий по умолчанию matplotlib

Статья про установку стилей линий по умолчанию в библиотеке для построения графиков Matplotlib.

     10.11.2016       Выпуск 151 (07.11.2016 - 13.11.2016)       Статьи

Способы задания цвета в Matplotlib matplotlib

Статья с описанием возможных способов задания цвета в библиотеке для построения графиков Matplotlib.

     09.11.2016       Выпуск 151 (07.11.2016 - 13.11.2016)       Статьи
     09.11.2016       Выпуск 151 (07.11.2016 - 13.11.2016)       Статьи
     09.11.2016       Выпуск 151 (07.11.2016 - 13.11.2016)       Статьи

Рекомендации на основе изображений товаров

В данной статье я хотел бы рассмотреть на практике вариант построения простейшей рекомендательной системы основанной на схожести изображений товаров. Этот материал предназначен для тех, кто хотел бы попробовать применить Deep Learning, а именно свёрточные нейронные сети, в простом, интересном и практически применимом проекте, но не знает с чего начать.