IT-новости про Python, которые стоит знать

Собрали в одном месте самые важные ссылки
и сделали Тренажер IT-инцидентов для DevOps/SRE

     28.07.2016       Выпуск 136 (25.07.2016 - 31.07.2016)       Статьи
     21.07.2016       Выпуск 135 (18.07.2016 - 24.07.2016)       Статьи
     21.07.2016       Выпуск 135 (18.07.2016 - 24.07.2016)       Статьи
     21.07.2016       Выпуск 135 (18.07.2016 - 24.07.2016)       Статьи

Как автоматически оптимизировать изображения в Django проекте

Статья описывает опыт применения нескольких модулей для уменьшения объема загружаемого трафика с помощью изменения размера изображений.

     21.07.2016       Выпуск 135 (18.07.2016 - 24.07.2016)       Статьи

Используем Keras и Deep Q-Network для игры в FlappyBird

Автор описывает алгоритм обучения и настройки системы для игры в FlappyBird

     21.07.2016       Выпуск 135 (18.07.2016 - 24.07.2016)       Статьи

Machine Learning на миллионе отзывах об отелях machine learning

Статья описывает применение ML на множестве отзывах об отелях. Интересные результаты

     15.07.2016       Выпуск 134 (11.07.2016 - 17.07.2016)       Статьи

Библиотека f для функционального программирования в Питоне

Я расскажу о библиотеке для Питона с лаконичным названием f. Это небольшой пакет с функциями и классами для решения задач в функциональном стиле.

— Что, еще одна функциональная либа для Питона? Автор, ты в курсе, что есть fn.py и вообще этих функциональных поделок миллион?

— Да, в курсе.

     14.07.2016       Выпуск 134 (11.07.2016 - 17.07.2016)       Статьи
     14.07.2016       Выпуск 134 (11.07.2016 - 17.07.2016)       Статьи
     13.07.2016       Выпуск 134 (11.07.2016 - 17.07.2016)       Статьи

Анонс steampak 0.3.0: Steam из командной строки

Краткое описание нововведений очередной версии приложения для работы со Steam из Python.

     13.07.2016       Выпуск 134 (11.07.2016 - 17.07.2016)       Статьи

Улучшения доступа для результатов выборов Peruvian Congress Bills с помощью Scrapy scrapy

Статья о том, как парсинг может помочь в упрощении доступа к данным

     13.07.2016       Выпуск 134 (11.07.2016 - 17.07.2016)       Статьи
     13.07.2016       Выпуск 134 (11.07.2016 - 17.07.2016)       Статьи

Развёртывание Django 1.9 на IIS 7+ Django

Не так давно ко мне обратились с просьбой о создании сайта. Интересный крупный проект с множеством "хочу вот это". Среди пожеланий были два главных, определивших web framework для написания, это интернационализация и панель администратора. Как уже понятно из заголовка статьи, таким framework'ом стала Django.

На старте, и почти всё время разработки, у нас не было одной вещи — сервера. Было доменное имя, бодрым темпом разрабатывался сайт, к проекту присоединился дизайнер, но сервер нам так выделить не могли. Все показы сайта проходили на моём ноутбуке, не давая возможности заказчику сесть вечером с кружкой кофе, расслабиться и насладиться тем, что мы уже для него сделали. А также, отсутствие возможности показать нашу работу людям лишало нас получения обратной связи.

     13.07.2016       Выпуск 134 (11.07.2016 - 17.07.2016)       Статьи

Мониторинг торрентов и автоматическая скачка

Совсем недавно на Хабре было 2 статьи о том, как автоматизировать процесс скачивания новых серий с торрентов. Авторы обеих статей поделились своими приложениями. Вот уже год мы тоже разрабатываем подобное приложение и мне кажется, пришло время рассказать хабрасообществу о нашем маленьком, но прекрасном проекте Monitorrent, который, возможно, сделает вашу жизнь настолько проще и удобнее, насколько сделал нашу.

     13.07.2016       Выпуск 134 (11.07.2016 - 17.07.2016)       Статьи

Hello, TensorFlow. Библиотека машинного обучения от Google

Как работает TensorFlow? Давайте попробуем разобраться, посмотреть и понять, как работает каждая часть. Мы изучим графдвижения данных, который определяет вычисления, через которые предстоит пройти вашим данным, поймем, как тренировать модели градиентным спуском с помощью TensorFlow, и как TensorBoard визуализирует работу с TensorFlow. Наши примеры не помогут решать настоящие проблемы машинного обучения промышленного уровня, но они помогут понять компоненты, которые лежат в основе всего, что создано на TensorFlow, в том числе того, что вы напишите в будущем!