VoIP телефония. Asterisk. Нестандартный подход ко всему. Часть 2

Продолжаем наш рассказ о модификации движка для VoIP оператора связи.

В первой части мы рассказали о начальной структуре базы данных и настройке Asterisk для обслуживания вызовов, с мониторингом состояния вызова. В этой части мы затронем такие вещи как тарификатор, LCR, биллинг и геолокация.

Записи python разработчика — Ловушка при подсчете связанных объектов в Django Django

Задача: для каждого объекта подсчитать количество связанных объектов, удовлетворяющих определенному условию.

Ленивые вычисления в Python

Элемент if как синтаксис условий

Путь к Docker, Django и Amazon ECS, часть 5

Ошибки, которые я сделал при написании Django App (и как их исправил) Django

Использование Machine Learning для увеличения продаж machine learning

Визуализируем путешествие с помощью Flask и Mapbox Flask

Оптимизация параметров в нейронной сети

Прямой доступ к диску из python (simhdd)

Со времени написания первой статьи прошло достаточно много времени. За это время моя библиотечка для доступа к диску научилась работать со встроенными SMART-тестами и их логами а также механизмами безопасности современных накопителей. 

На этот раз я расскажу о создании приложения для тестирования жестких дисков на базе этой библиотеки.

Python: коллекции, часть 2: индексирование, слайсинг, сортировка

Данная статья является продолжением моей статьи "Python: коллекции, часть 1: классификация, общие подходы и методы, конвертация".

В данной статье мы продолжим изучать общие принципы работы со стандартными коллекциями (модуль collections в ней не рассматривается) Python.

Делаем свою панель навигации в Kivy & KivyMD

Очень коротко про парсинг reStructuredText (reST)

Конструкция extend в шаблонах Django

Работа с DSL: создание собственного анализатора с использованием библиотек Python

Сегодня же речь пойдет об использовании предметно-ориентированных языков (Domain-specific language, DSL) для решения конкретных задач с помощью Python.

Машинное обучение — это легко

В данной статье речь пойдёт о машинном обучении в целом и взаимодействии с датасетами. Если вы начинающий, не знаете с чего начать изучение и вам интересно узнать, что такое «датасет», а также зачем вообще нужен Machine Learning и почему в последнее время он набирает все большую популярность, прошу под кат. Мы будем использовать Python 3, так это как достаточно простой инструмент для изучения машинного обучения. 
 

Шпаргалка по Data Science

Wing IDE 6.0.1

Загрузка данные в Pandas DataFrame: легкий и сложный путь

Jupyter с Vagrant