Собрали в одном месте самые важные ссылкичитайте авторский блог
В этой статье мы продолжаем говорить про прикладное применение теории оптимизации. В частности, сделаем краткий обзор существующих open-source решений в Python, с которыми мы сталкивались на практике. Затронем их различия и особенности, приводим примеры задач, которые можно решать с их помощью.
Мощный web-фреймворк. Изменения описаны по ссылке https://pypi.org/project/django/4.1.5/. Скачать можно по ссылке: http://pypi.python.org/pypi/Django/
Библиотека и набор утилит для мониторинга событий файловой системы. Изменения описаны по ссылке https://pypi.org/project/watchdog/2.2.1/. Скачать можно по ссылке: https://pypi.python.org/pypi/watchdog/
Инструмент подсветки синтаксиса. Изменения описаны по ссылке https://pypi.org/project/pygments/2.14.0/. Скачать можно по ссылке: https://pypi.python.org/pypi/Pygments/
Легкая в использовании и удобная для разработки CMS. Изменения описаны по ссылке https://pypi.org/project/django-cms/4.1.0rc1/. Скачать можно по ссылке: https://pypi.python.org/pypi/django-cms/
Python генератор документации. Изменения описаны по ссылке https://pypi.org/project/sphinx/6.0.0/. Скачать можно по ссылке: http://pypi.python.org/pypi/Sphinx/
Инструмент визуализации кода в виде "dashboard", где разные блоки кода можно соединять в программы и визуализировать результат их работы.
Библиотека работы с базами данных. Изменения описаны по ссылке https://pypi.org/project/sqlalchemy/2.0.0rc1/. Скачать можно по ссылке: http://pypi.python.org/pypi/SQLAlchemy/
Есть задачи, время выполнения которых столь огромно, что выигрыш в производительности доминирует над всем остальным.Я говорю про NP-трудные задачи (NP-трудность - недетерминированная полиномиальная трудность по времени) и на одной из данного класса хочу акцентировать ваше внимание. Задаче коммивояжера. Мы не будем рассматривать эвристические алгоритмы, нам нужно точное решение.
Python модуль для создания заглушек (mock-объект) при тестировании. Изменения описаны по ссылке https://pypi.org/project/mock/5.0.0/. Скачать можно по ссылке: http://pypi.python.org/pypi/mock/
Большой проект на любом языке требует к себе вдумчивый подход, особенно в плане учета особенностей языка и технологий. И особенно проект, позволяющий автоматизировать выгрузки и сбор витрин данных. Дата-инженер из inDrive рассказал об устройстве DWH в компании: почему команда выбрала Python основным языком для проекта, а также на примере кейсов разобрал, что в нем может пойти не так.
В пост включены библиотеки, которые были запущены или приобрели популярность в этом году, хорошо поддерживаются, а также просто классные и достойные внимания. Подборка в значительной степени ориентирована на библиотеки по ИИ и науке о данных, но сюда так же включен ряд библиотек, которые могут быть полезны для целей, не связанных с наукой о данных.
По мотивам моего доклада на PyCon "Контейнеризация Python без боли". На своей практике я постоянно сталкиваюсь со спорами какой базовый образ лучше использовать для проектов: alpine или debian. Аргументы есть и у той, и у другой стороны, но мне это настолько надоело, что я решил сам разобраться и наконец-то поставить точку. В конце концов "В наше время верить нельзя никому, даже себе. Но мне - можно." (с)
2022 год уходит. Чем же он нам запомнился? Несомненно, одно из последних достижений года - ChatGPT, самая спорная вещь в комьюнити: кто-то говорит “зачем такое создавать, роботы скоро оставят миллионы журналистов, писателей, блогеров, креаторов без работы”, другие же напротив, считают эту сетку огромным прорывом. Вишенка на торте - это, конечно, Stable Diffusion от компании Stability AI. Эта нейронная сеть была выложена в открытый доступ, что сразу привлекло внимание всех разработчиков. И это лишь малая часть того, что появилось в уходящем году.Давай вместе с ИИ создадим полноценное видео и узнаем, возможно ли создавать контент, используя доступные на сегодняшний день достижения нейронных сетей?