Собрали в одном месте самые важные ссылкичитайте авторский блог
Сложность бывает неотъемлемой и привнесённой. Из доклада вы узнаете, как организовывать первую и минимизировать вторую. Поговорим о том, как построить свой продукт вокруг решаемой проблемы, а не используемого фреймворка. Узнаем, в каком месте лучше вводить typing и dataclasses.
У вас настроен супер-стрикт-набор валидаторов кода, обязательная аннотация типов без Any и требования стопроцентного покрытия кода тестами? Вот и у нас тоже да. Но тогда для вас не секрет, что ошибки все равно будут. И никакие тесты вас не спасут. Потому что они плохие.
Многие разработчики согласны с тем, что при рефакторинге старого кода тесты необходимы как воздух. Многие разработчики также согласны с тем, что тестирование такого кода равно страданиям, или же даже не знают, с чего начать.
Почему появилась библиотека aiopg, какие были совершены ошибки (только мое мнение)? Разберемся, что это. ORM? Драйвер? Может быть, все вместе? Может, это что-то другое? Попробуем сравнить aiopg vs asyncpg
Доклад будет состоять из 6-ти частей. Историческая справка: что это за проект, когда был основан проект и зачем, кем разрабатывалась первая версия, кто занимается им сейчас.
Питон длительное время существует в контексте других языков программирования и впитывает концепции из соседних окружений. Tornado был скопирован с libevent. Asyncio тоже был позаимствован.
Go — волшебное слово, решение всех проблем продакшна разом и одновременно негодная технология без эксепшнов. Истина посередине, поэтому поговорим о конкретных примерах
12 лет назад начался эксперимент по использованию Python в серьезных продуктах компании. Эксперимент получился удачным (кто бы сомневался!) и Python начал свое победное поползновение по сервисам компании. Яндекс.Афиша, Яндекс.Погода - через некоторое время сервисов стало очень много, и вместе с ними начали появляться "лучшие практики" и "устоявшиеся подходы" к решению разных задач.
Алексей Пирогов, преподаватель на платформе hexlet, рассказывает ведущим подкаста, как они обучают новичков питону так, чтобы они могли сразу выйти на реальную работу.
В настоящий момент существуют десятки фреймворков для машинного обучения. Более того, моделировать можно в разных средах. Как не терять результаты своей работы? Как абстрагировать ML pipelines? Об этом и хочу вам рассказать.
Слайды: http://www.moscowpython.ru/meetup/71/dry-python-and-ml/
Хочешь пойти в опенсорс, но не знаешь, с чего начать? Куда двигаться, чтобы найти крутой проект и быть замеченным? Гость нашего очередного выпуска, Николай Ижиков, контрибьютит в Apache Ignite в качестве основной работы. Николай расскажет, как он дошел такой жизни, из чего состоит мир опенсорса, и как в нем ориентироваться
В один прекрасный момент мы пришли к тому, что нам необходимо переписать наше самописное API. Помимо классического REST мы решили рассмотреть и GraphQL. О результатах — в докладе (спойлер в названии)