Собрали в одном месте самые важные ссылкии сделали Тренажер IT-инцидентов для DevOps/SRE
Fuzzing - это процесс тестирования кода на основе максимально случайных данных (в том числе корректных и некорректных)
Для экспорта слов в Lingualeo.com есть несколько решений:
Минусы этих способов в том, что вносить слова можно только по одному. Нам необходима реализация, которая позволит добавлять несколько слов за раз.
Привет! Наша первая книга для детей «Первая книга юного программиста. Учимся писать программы на Scratch» имела успех у читателей и мы решили издать замечательную книгу Уоррена Сэнда и Картера Сэнда. Данный пост адресован детям и их родителям.
Позволяет организовать такую структуру
~/music │ ├── Artist 01 │ │ └── Album 01 │ │ │ └── Title 01 │ │ │ │── Title 02 │ ├── Artist 02 │ │ └── Album 01 │ │ │ └── Title 01 │ │ │ │── Title 02
Утилита позволяет реализовать порядок без перемещения файлов (с помощью ссылок)
Python интерфейс для MongoDB. Изменения описаны по ссылке https://allmychanges.com/p/python/pymongo/#2.9.1. Скачать можно по ссылке: http://pypi.python.org/pypi/pymongo/
Инструмент создания виртуального рабочего окружения. Изменения описаны по ссылке https://allmychanges.com/p/python/virtualenv/#14.0.4. Скачать можно по ссылке: http://pypi.python.org/pypi/virtualenv/
Scrapinghub - компания, которая поддерживает несколько инструментов для парсинга. По ссылке вы найдете планы на будущее
Питонисты Новосибирска и ближайших регионов, приглашаем вас на встречу сообщества Python сообщества — PyNSK. 13-го февраля (суббота) состоится шестая встреча. Она пройдет в Культурном Центре «Этаж» и начнется 13-00. Мы выспались за январь и решили провести встречу! В этот раз будем говорить про RPC и тестирование:
Проект представляет собой Django-модуль, который позволяет организовать агрегацию логов на основе Django.
Django выступает в роли сервера, который принимает запросы логгирования, а клиент отправляет POST запросы на этот сервер.
В исследовательском проекте мне потребовался прототип медицинского браслета. Устройство должно было периодически измерять пульс, предупреждая об этом пациента, и отправлять результаты вместе с уровнем заряда батареи в облачный сервис. Таким устройством вполне мог стать и фитнес-браслет со стационарным ретранслятором вместо смартфона. Поэтому, прежде чем попытаться собрать прототип своими руками, я решил поэкспериментировать с чем-нибудь готовым. Так у меня появился новый Xiaomi mi band 1S Pulse (обзор на Geektimes) с оптическим датчиком частоты сердечного ритма.
ffi = FFIpp() ffi.cdef(""" class testClass { public: testClass(); void test(int); int returnsInt(int); private: void shouldNotBeInModule(); }; """) self.assertTrue(ffi.has_class("testClass")) ffi.set_source("example_module", """ class testClass { public: testClass(){} void test(int){/*nop*/} int returnsInt(int){return 1;} private: void shouldNotBeInModule() {/*nop*/} };""") ffi.compile() import example_module c = example_module.testClass() self.assertEqual(c.returnsInt(5), 1)
Решил я познакомится с такой интересной для меня областью, как Machine learning. После непродолжительных поисков я обнаружил достаточно популярный курс Стэнфордского университета Machine learning. В нем рассказываются основы и дается широкое представление о machine learning, datamining, and statistical pattern recognition. Был для меня в этом курсе небольшой минус как Python программиста- домашние задания надо было выполнять на Octave\Matlab. В итоге я не пожалел, что получил представления о новом языке программирования, но как учебный пример для более тесного знакомства с соответствующими библиотеками решил переписать домашние задания на Python. То что получилось лежит на GitHub тут.