ImageAI - набор инструментов компьютерного зрения

Книга «Глубокое обучение с подкреплением на Python. OpenAI Gym и TensorFlow для профи»

Глубокое обучение с подкреплением (Reinforcement Learning) — самое популярное и перспективное направление искусственного интеллекта. Практическое изучение RL на Python поможет освоить не только базовые, но и передовые алгоритмы глубокого обучения с подкреплением. Эта книга предназначена для разработчиков МО и энтузиастов глубокого обучения, интересующихся искусственным интеллектом и желающих освоить метод обучения с подкреплением. Прочитайте эту книгу и станьте экспертом в области обучения с подкреплением, реализуя практические примеры в работе или вне ее. Знания в области линейной алгебры, математического анализа и языка программирования Python помогут вам понять логику изложения материала.

PyCrunch – Интеллектуальное выполнение тестов и визуальное покрытие кода в IDE

Около 3 лет назад я перешел с C# разработки на Python. Два с половиной года я пытался найти инструмент, который был бы похож на NCrunch по удобству в ежедневной работе.

В какой-то момент я забил забил на unit-тестирование, и писал код, прогоняя тесты на CI.

Но идея никак не уходила из головы. Хотелось создать инструмент, который бы значительно упрощал разработку с помощью тестов, при этом, рекомендовать его коллегам и друзьям.

Полгода разработки, и активное использование на собственных проектах, вызывает желание показать продукт сообществу.

Geocode with Python

Pandas.series: заготовки для Machine Learning

autokeras - AutoML for deep learning.

pycparser - C99 парсер на Python

learn2learn - PyTorch Meta-learning Framework for Researchers

Primrose: data science in production

Логическая регрессия. Шаг за шагом

Сводка новостей от pythonz.net 08.09.2019 — 15.09.2019

StackOverflow: интересные вопросы за неделю (cxciv)

Типизация в HTTP API: опыт Instagram

molecule - упрощаем разработку и тестирование Ansible role

Асинхронное Django приложение из одного файла

DeepPrivacy - анонимизируем лица

Робот-тележка на ROS.Часть 4. Создаем симуляцию робота в rviz и gazebo

Продолжение цикла статей о создании небольшого робота. В этот раз речь пойдет о создании копии робота в симуляции, которую предлагают визуальные ROS-среды rviz и gazebo (далее «редакторы»). Работа в редакторах будет вестись на виртуальной машине, образ которой был ранее предоставлен для скачивания (образ). Так как речь идет о симуляции, построении модели, сам робот-тележка не понадобится.

Примеры кода с heapq - очередь с приоритетом

Почему твои mock'и не работают

Talk Python to Me: #229 Building advanced Pythonic interviews with docassemble

Audio