Собрали в одном месте самые важные ссылкии сделали Тренажер IT-инцидентов для DevOps/SRE
Библиотека CFFI позволяет легко и эфективно запускать C код прям JIT'е Numba.
В этой статье вы найдете IPython notebook, в котором автор провел анализ сигнала GW150914. Это сигнал обнаружения гравитационных волн
В докладе вы найдете предпосылки для использования Python для обработки звука в реальном времени.
Третий год подряд портал Айти-Событие проводит Python-конференцию - «Piter Py», которая состоится 22 и 23 апреля в Санкт-Петербурге. Конференция Piter Py призвана объединить людей, небезразличных к языку программирования Python для общения и обмена опытом. Формат: двухдневная конференци в 2 параллельных потока докладов. #PiterPy - самая душевная Python-конференция :)
Доклад: TestRail. Некоторые возможности интеграции
Докладчик: Антон Голов
Описание:
Поговорим о некоторых функциях для интеграции TestRail c внешними системами и автоматизации деятельности QA. Будет немного про Google Docs, и некоторый набор методов работы с TestRail, рассмотрим возможности работы с системами автоматизированного тестирования.
Доклад: JSON-RPC или когда REST неудобен
Докладчик: Александр Кацко
Как только речь заходит про создание API, особенно для веб или мобильных приложений, то многие, не задумываясь, выбирают принцип REST. Но всегда ли это правильный выбор? В докладе рассмотрим случаи, для которых хорошо подходит JSON-RPC, посмотрим примеры реализации на Django.
Open Glider Network
Участвуя последнее время в разных интересных проектах, возникла задачка альтернативного управления продуктом Perco Электронная проходная KT02.3. Данный продукт является законченным решением и не подразумевает использование в составе других систем СКУД, а также какого-либо вторжения в свою среду управления. Но, как говорится в поговорке, «Возможно все! На невозможное просто требуется больше времени» (С) Дэн Браун.
Фух, ну наконец, детекция лиц работает, можно учить сеть распознавания смайла. Только вот на чем учить? Открытых наборов данных нет. А из того, как долго в предыдущей части я добирался до, собственно, обучения моделей вы уже должны были понять, что в глубоком обучении данные решают все. И их нужно много.
Это вторая статья из серии про определение смайла по выражению лица. Глубокое обучение в гараже — Братство данных Глубокое обучение в гараже — Две сети Калибрация Итак, с классификатором, разобрались, но вы наверняка уже заметили, что заоблачные 99% как-то не очень впечатляюще выглядят во время боевого теста на детекцию. Вот и я заметил. Дополнительно видно, что в последних двух примерах очень мелкий шаг движения окон, так в жизни работать не будет. В настоящем, реальном запуске шаг ожидается больше похожим на картинку для первой сети, а там хорошо видно неприятный факт: как бы хорошо сеть не искала лица, окна будут плохо выровнены к лицам. И уменьшение шага — явно не подходящее решение этой проблемы для продакшена. Как быть?
Интерактивная оболочка для языка программирования Python. Изменения описаны по ссылке https://allmychanges.com/p/python/IPython/#4.1. Скачать можно по ссылке: https://pypi.python.org/pypi/ipython