Собрали в одном месте самые важные ссылки
читайте нас в Twitter
Ищем ведущего питониста в mtrl.ai — стартап, который строит полностью автоматизированный убер для стройматериалов.
Наш стек — Django2/DRF, python 3.6, PostgreSQL, Celery, Elasticsearch.
Работаем удаленно с полностью свободным графиком, спринты длятся 10 дней. Задачи ставим прямо в гитхабе.
Переиcпользуемый код опенсорсим или выносим в микросервисы. Пишем юнит- и интеграционные тесты на pytest, на самом большом проекте сейчас ~4500 тестов.
Наш основной проект — это сложное бизнес-приложение, которое позволяет нам взаимодействовать с неорганизованными строительными рынками, как с настоящими складами.
Вам придется работать с асинхронным предсказанием наличия, системой принятия решений о выборе поставщика\менеджера, API для сайта, телефонии, маркетинга и еще кучей всего. Код без легаси, самые старые участки написаны в начале 2017 года.
ЗП — 120 000—150 000
По всем вопросам пишите fb@gdml.ru или @fedor_borshev
[Реклама]
Завершающая часть серии статей рассматривающих анализ данных и предсказание на их основе. В качестве исходных данных взяты цены на недвижимость Екатеринбурга. В данной части речь идет про построенние моделей от знакомой всем линейной регрессии до современных методов бустинга на деревьях решений. Jupyter notebook и исходные данные в наличии.
Контейнеризация — это подход к разработке программного обеспечения, при котором приложение или служба, их зависимости и конфигурация (абстрактные файлы манифеста развертывания) упаковываются вместе в образ контейнера. В этой статье рассмотрим создание docker-образа и его использование для запуска оболочки R, Python и много другого
Вышел второй эфир регулярного подкаста от коллег из MoscowPython. В новом Python Junior подкасте обсудили:
1. Приключения питонистов в Москве: как начать карьеру в другом городе и найти работу в столице.
2. Специализированная IDE для новичков: обзор проекта MU.
3. Serverless: когда и кому пригодится эта технология.
В очередной раз наступив на грабли при работе с python asyncio я отправился на просторы интернета, чтобы найти что-то более приятное, чем сухая документация. Мне попалась статья Yeray Diaz "Asyncio Coroutine Patterns: Beyond await", в которой автор весьма увлекательно рассматривает применение asyncio и делится некоторыми приемами. Поскольку я не нашел ничего такого же цельного на русском языке, то решился её перевести.
В продолжение статьи о вреде избыточной диверсификации создадим полезный инструментарий по подбору акций. После этого сделаем простую ребалансировку и добавим уникальные условия технических индикаторов, которых так часто не хватает в популярных сервисах. А затем сравним доходность отдельных активов и различных портфелей.
Tensor Flow — фреймворк для построения и работы с нейросетями от компании Google. Позволяет абстрагироваться от внутренних деталей машинного обучения и сосредоточиться непосредственно на решении своей задачи. Очень мощная вещь, позволяет создавать, обучать и использовать нейронные сети любого известного типа. Не нашел на Хабре ни одного толкового текста на эту тему, поэтому пишу свой. Ниже будет описана реализация решения задачи про грибы с помощью библиотеки Tensor Flow. Кстати, алгоритм, описанный ниже, подходит для предсказаний практически в любой области. Например, вероятности рака у человека в будущем или карт у соперника в покере.