Как обновить Python 2.7 на Python 3.6 и не умереть — Александр Полищук

Первый релиз Python 3 версии состоялся еще в далеком 2000 году, но в продакшне до сих пор многие используют устаревающий Python 2.7. Почему же он все еще используется? Все просто - между версиями отсутствует полная обратная совместимость и миграция может оказаться очень болезненной. Александр Полищук отвечает - стоит ли вообще обновляться и с какими трудностями можно столкнуться в процессе обновления.

Корутины для самых маленьких — Иван Гончарук

Доклад посвящен механизму работы корутин в ЯП Python: какое отношение к ним имеют генераторы, как генераторы превратить в корутины и как реализовать простейший event-loop для асинхронного выполнения корутин.

Kashgari - NLP framework

Парсим HTML с библиотекой PyQuery

Как использовать вложенные формы в Django Django

Django Formsets управляет сложными повторяющимися полями форм в представлении. Используя формуляры, вы можете узнать, сколько форм было изначально, какие были изменены, а какие должны быть удалены. Подобно формам и моделям форм, Django предлагает наборы моделей форм, которые упрощают задачу создания набора форм для формы, обрабатывающей несколько экземпляров модели.

Список хороших библиотек для Data Science

Python SQLite3 tutorial

Предсказание временных рядов с авторегрессией

gited - Jupyter + Github

natural-questions - dataset ответов на поисковые запросы реальных пользователей

nauta - система распределенных вычислений для Deep Learning

Безопасность алгоритмов машинного обучения. Атаки с использованием Python

Машинное обучение активно применяется во многих областях нашей жизни. Алгоритмы помогают распознавать знаки дорожного движения, фильтровать спам, распознавать лица наших друзей на facebook, даже помогают торговать на фондовых биржах. Алгоритм принимает важные решения, поэтому необходимо быть уверенным, что его нельзя обмануть.

В этой статье, которая является первой из цикла, мы познакомим вас с проблемой безопасности алгоритмов машинного обучения. Это не требует от читателя высокого уровня знаний машинного обучения, достаточно иметь общее представление о данной области.

Talk Python to Me: #196 Datalore: Hosted smart notebooks

Аудио-подкаст

Распознавание номеров. Практическое пособие. Часть 1

Все начиналось банально — моя компания уже год платила ежемесячно плату за сервис, который умел находить регион с номерными знаками на фото. Эта функция применяется для автоматической зарисовки номера у некоторых клиентов.

И в один прекрасный день МВД Украины открыло доступ к реестру транспортных средств. Теперь по номерному знаку стало возможным проверять некоторую информацию про автомобиль (марку, модель, год выпуска, цвет и т.д. )! Скучная рутина линейного программирования померкла перед новой свехзадачей — считывать номера по всей базе фото и валидировать эти данные с теми, что указывал пользователь. Сами знаете как это бывает «глаза загорелись» — вызов принят, все остальные задачи на время стали скучны и монотонны… Мы принялись за работу и получили неплохие результаты, чем, собственно и решили поделиться с сообществом.

django-channels и Daphne могут остаться без поддержки

Автор Channels ищет сменщика

Датаклассы в Python 3.7

Иногда нам нужны классы просто для того, чтобы удобно хранить в них данные.

Книга «Python. Экспресс-курс. 3-е изд.»

Эта книга предназначена для людей, которые уже обладают опытом работы на одном или нескольких языках программирования и хотят по возможности быстро и просто изучить основы Python 3. Предполагается, что читатель уже знаком с управляющими конструкциями, ООП, работой с файлами, обработкой исключений и т. д. Книга также пригодится пользователям более ранних версий Python, которым нужен компактный справочник по Python 3.1.

Moscow Python Conf++ 2019 — первая конференция, где мы готовим часть спикеров с нуля сами

Как обычно делается — открывается Call for Papers (вот он, открыт, ничего с ним не случилось), месяца полтора-два организаторы уговаривают топовых спикеров предложить доклады, те отбиваются работой и семьей, а затем из сотни-другой поступивших докладов выбирается несколько десятков в программу, и все выдыхают. Хороший способ, с одним ма-а-а-аленьким недостатком: много случайностей.

Не факт, что даже опытный спикер сможет сделать сильный доклад по предложенной теме. Я решил попробовать пойти по пути Goblin Slayer и не кидать кубиков вообще: сам приходить в гости к компаниям, сам проводить интервью, выбирать темы и с нуля готовить спикеров. Видели бы вы их глаза от такого предложения… Фоток не будет, но под катом расскажу что получилось.

Machine-Learning-with-Python - пример machine learning проектов для обучения

Несколько подводных камней статической типизации в Python

Думаю, мы все потихоньку уже привыкаем, что у Python есть аннотации типов: их завезли два релиза назад (3.5) в аннотации функций и методов (PEP 484), и в прошлом релизе (3.6) к переменным (PEP 526).

Так как оба этих PEP были вдохновлены MyPy, расскажу, какие житейские радости и когнитивные диссонансы подстерегали меня при использовании этого статического анализатора, равно как и системы типизации в целом.