Собрали в одном месте самые важные ссылкиконсультируем про IT, Python
Полноценная двухфакторная аутентификации для Django.. Изменения описаны по ссылке https://pypi.org/project/django-two-factor-auth/1.15.0/. Скачать можно по ссылке: https://pypi.python.org/pypi/django-two-factor-auth/
Мощная система логгирования и платформа агрегации логов. Изменения описаны по ссылке https://pypi.org/project/sentry/23.1.0/. Скачать можно по ссылке: https://pypi.python.org/pypi/sentry/
Мощный web-фреймворк. Изменения описаны по ссылке https://pypi.org/project/django/4.2a1/. Скачать можно по ссылке: http://pypi.python.org/pypi/Django/
There is an area of Python that many developers have problems with. This is an area that has seen many different solutions pop up over the years, with many different opinions, wars, and attempts to solve it. Many have complained about the packaging ecosystem and tools making their lives harder. Many beginners are confused about virtual environments. But does it have to be this way?
А теперь о том, что происходило в последнее время на других ресурсах.
Audio
Как управлять различными устройствами: свет, вентиляция, полив, а также получать нужные данные от микроконтроллера.При этом для учебно-тренировочных или DIY-задач совершенно не хочется задействовать дополнительные устройства, на которых будет размещаться сервер и уж тем более не оплачивать внешний статический ip-адрес
Формат данных YAML чрезвычайно усложнён. Он задумывался как удобный для человека, но в стремлении к этой цели сложность настолько увеличилась, что, по моему мнению, его разработчики достигли противоположного результата. В YAML есть куча возможностей выстрелить себе в ногу, а его дружелюбие обманчиво. В этом посте я хочу продемонстрировать это на примере. Данный пост является нытьём и он более субъективен, чем мои обычные статьи.
В этой статье мы кратко рассмотрим встроенные структуры данных: списки, кортежи, словари и т.д., а также некоторые пользовательские структуры данных: связанные списки, деревья и графы. Более подробно затронем алгоритмы обхода, поиска и сортировки.
Как отобразить временные интервалы вместе с графиком временного ряда, с разными цветами для разных групп? Иногда хочется увидеть как события влияют на метрику. Рассмотрим на примере изменений температуры и извержений российских вулканов.
How can you get more performance from your existing data science infrastructure? What if a DataFrame library could take advantage of your machine's available cores and provide built-in methods for handling larger-than-RAM datasets? This week on the show, Liam Brannigan is here to discuss Polars.
Инструмент для создания тарифов в продукте на основе метрик из внешних и внутренних источников. Позволяет задать тариф с ограничениями по количеству пользователей, трафика и прочего.
Статья не содержит описания важных достижений, просьба относиться к ней как к DIY поделке. Когда искал ответ на вопрос не нашел (плохо искал) решения с применением openCV, а так же двух и более камер для наблюдения за объектами.
Повышение производительности разработчиков и снижение затрат на проекты Big Data
Как Polars обеспечивает "ленивую" работу с данными и экономит на памяти больше чем Pandas
Подобно тому, как в мире разработки многокомпонентных систем применяются подходы для управления и мониторинга микросервисами на основе инструментов DevOps (для запуска и восстановления сервисов, передачи данных, наблюдения за распределенными операциями, выполнение замеров и получение операционных метрик), так же и для моделей машинного обучения становится важным обеспечить возможность их развертывания, обновления и наблюдения за метриками (точность модели, время выполнения прямого прохождения нейронной сети и другими).
youtube-dl для изображений
Настоящий хреновый программист всегда находится на гребне волны новых технологий. Зачем ему это? Чтобы при случае можно было повыделываться багажом своих знаний, и заработать немного очков уважения в окружении своих менее осведомлённых коллег. Stay toxic, brothers. Я с вами.