IT-новости про Python, которые стоит знать

Собрали в одном месте самые важные ссылки
консультируем про IT, Python

     26.10.2017       Выпуск 201 (23.10.2017 - 29.10.2017)       Видео

Нейронные сети и Keras. Часть 2

Видео со встречи группы PyNSK #17
Докладчик: Данил Руденко

О докладе:
У нашего зоопарка опять проблемы, которые необходимо решить максимально технологично!

На первом докладе мы поговорили о сверточных нейронных сетях, в этот раз рассмотрим такие виды нейронных сетей как автоэнкодеры и GAN’ы( генеративные состязательные сети). Также углубимся немного в Keras, напишем кастомный загрузчик данных и немного посмотрим на Jupyter Notebook.

Слайды: 
- часть 1: https://www.slideshare.net/PyNSK/keras-1
- часть 2: https://www.slideshare.net/PyNSK/keras-2

     25.10.2017       Выпуск 201 (23.10.2017 - 29.10.2017)       Статьи
     25.10.2017       Выпуск 201 (23.10.2017 - 29.10.2017)       Релизы

Анонс envbox 0.2.0

В прошлое воскресенье опубликовал новый пакет — envbox.
С его помощью можно упростить задачу определения типа окружения, а также работу с его переменными.

     25.10.2017       Выпуск 201 (23.10.2017 - 29.10.2017)       Конференции, события, встречи разработчиков

Как мы делаем PiterPy — европейскую конференцию по Python в Петербурге

Меня зовут Митя, и я член программного комитета PiterPy. Это классная европейская конференция по Python в северной столице.

Хотите, расскажу вам о ней?

     25.10.2017       Выпуск 201 (23.10.2017 - 29.10.2017)       Статьи

Мониторинг событий git clone и git push на локальном GitLab сервере

Иногда возникает желание мониторить локальный GIT сервер на предмет кто (ФИО из LDAP), какой проект и откуда(ip-адрес) клонит или пушит.

Изучив документацию, стало ясно, что такого функционала из коробки нет, точнее есть, но в платной версии GitLab. Под катом мой опыт реализации мониторинга.

Мой рецепт не претендует на универсальность, я надеюсь он многим пригодится как, отправная точка.

     25.10.2017       Выпуск 201 (23.10.2017 - 29.10.2017)       Видео

Asyncio для процессинга распределенной базы данных

Видео со встречи группы PyNSK #17
Докладчик: Никита Семенов

О докладе:
Появление asyncio стало новой вехой в истории питона. По-настоящему удобный и эффективный способ запускать асинхронный код.

В своем докладе я познакомлю слушателя с базовым синтаксисом, парадигмами и примитивами, чтобы можно было начать использовать всю мощь asyncio уже сегодня.

Для этого я возьму децентрализованные базы данных с web-интерфейсом, раскиданные по нескольким серверам, и покажу как их можно эффективно запроцесить только при помощи стандартных методов питона 3.4+ и aiohttp.

Слайды: https://www.slideshare.net/PyNSK/asyncio-81082020

     25.10.2017       Выпуск 201 (23.10.2017 - 29.10.2017)       Статьи

Где перспективно и адекватно использовать Python

В этой статье мы с вами обсудим тот перечень направлений Питона, который я выделяю наиболее перспективными для приложения своих сил и времени для молодых специалистов. Данный вывод делается на основе моего анализа – изучение областей и инструментов питона и сравнивать их эффективность с аналогами на других платформах. 

     24.10.2017       Выпуск 201 (23.10.2017 - 29.10.2017)       Видео

Python для GameDev

Видео со встречи группы PyNSK #17
Докладчик: Станислав Каблуков

О докладе:
Расскажу о своём опыте использования Python для разработки игр. В каких игровых движках и программах для моделирования используется Python. 

Как и почему стоит использовать python для создания игр, и в каких случаях лучше отказаться от данной идеи. О плюсах и минусах использования Python. 

В докладе будет про: python, blender, Ren'py, KivEnt, Boo, UE4 и д.р.

Слайды: https://www.slideshare.net/PyNSK/python-gamedev

     23.10.2017       Выпуск 201 (23.10.2017 - 29.10.2017)       Статьи

Краткий курс машинного обучения или как создать нейронную сеть для решения скоринг задачи

Вопросы, которые разобраны в статье:

• Как собрать и подготовить данные для построения модели?
• Что такое нейронная сеть и как она устроена?
• Как написать свою нейронную сеть с нуля?
• Как правильно обучить нейронную сеть на имеющихся данных?
• Как интерпретировать модель и ее результаты?
• Как корректно оценить качество модели?

     23.10.2017       Выпуск 201 (23.10.2017 - 29.10.2017)       Статьи
     23.10.2017       Выпуск 201 (23.10.2017 - 29.10.2017)       Статьи

«4 свадьбы и одни похороны» или линейная регрессия для анализа открытых данных правительства Москвы

В последних статьях мы рассмотрели пару задачек по классификации, в процессе потом и кровью добывая себе данные, теперь пришло время регрессии. Поскольку ничего светотехнического в этот раз под рукой не оказалось, я решил поскрести по другим сусекам.

Помнится, в одной из статей я агитировал читателей посмотреть в сторону отечественных открытых данных. Но поскольку я не барышня из рекламы «кефирчика для пищеварения» или шампуня с лошадиной силой, совесть не позволяла советовать что-либо, не испытав на себе.

     22.10.2017       Выпуск 200 (16.10.2017 - 22.10.2017)       Релизы
     22.10.2017       Выпуск 200 (16.10.2017 - 22.10.2017)       Статьи

Расширяем и используем Flatpages в Django. Встраиваем CKEditor

Cегодня я хотел бы вам рассказать о том, как сделать модель, которая хранит в себе обычные страницы, а не отдельные записи в базе данных (для ListView, TemplateView и тд). Речь пойдёт о том, как расширить и дополнить существующие в Django flatpages. Но хотелось бы рассказать о проблеме, с которой я столкнулся и почему решил поделиться данным функционалом. Часто возникает ситуация, когда в админке для администратора сайта нужно реализовать функционал самой обычной страницы (одна запись в БД – это одна страница, где прописывается url, контент и доп. инфа для конкретной страницы). Тем самым можно создавать прямо из админки новые страницы с любым url и контентом.

     21.10.2017       Выпуск 200 (16.10.2017 - 22.10.2017)       Статьи

Пишем простой счётчик уникальных слов на Python с GUI на Tkinter

Данная статья написана для тех, кто только начал изучать Python. В ней я пошагово опишу создание простого счетчика слов из txt-файлов, применяя Tkinter. Исходный код написан под Python 2.7, в конце статьи я добавлю несколько комментариев относительно того, как перенести его под 3.6