Собрали в одном месте самые важные ссылкичитайте нас в Twitter
Почти у всех есть мониторинг. Часто он становится надёжным инструментом обнаружения неисправностей и их предотвращения на ранней стадии. Не менее часто в качестве мониторинга выступает APM на бесплатном плане с отчётами «из коробки», где что-то меряется, какие-то алерты падают в чат, никто на них не реагирует, и в один прекрасный солнечный день приложение ложится так, что поднимать его приходится до поздней ночи.
Расскажем о том, мы в KION готовим Geo по IP, как обогащаем продуктовые события (6000RPS), как используем в витринах гео информацию. Как мы это делаем быстро и вкусно, используя только Python, FastAPI и Mongo. Как подготавливаем и томим геоинформацию в Monge чтобы отвечать очень быстро.
В своем докладе я расскажу, как с помощью Streamlit можно легко превращать данные в интерактивные дашборды. Вы узнаете, как быстро создавать веб-приложения для анализа данных и прототипирования.
Я хотел сделать видео про переменные, которое бы рассказывало: а как на самом деле происходит создание и поиск имени? Все рассказывают про переменные, как про какие "коробки" для значений. А не они не коробки!
Иногда мы хотим написать что-то свое, но так, чтобы оно осталось совместимым с кодом, который опирается на стандартную библиотеку. Так можно!
Будучи Python разработчиком я познакомился с Go и не нашёл причин переходить на Go для веб-разработки и прикладных задач. Возможно, я чего-то не понял. В докладе поделюсь наблюдениями и расскажу, почему Go меня не очаровал.
Как сделать преподавание программированию приятнее и проще в освоении (но не в материале) для студентов? Как сделать курс безболезненным для преподавателей, ассистентов и кураторов? Много вопросов и несколько ответов на основе личного опыта преподавания Python для ученых-биологов.
Ваш джанго-проект стал слишком большим? Наскучил DRF? Вместо разработки логики копируете шаблонный код? Мы через все это прошли и знаем решение. Мы пишем свои фреймворки! Это не так сложно как кажется. Я расскажу вам, как мы организовывали десятки групп API до появления нашего фреймворка, как мы его придумывали, чего стоило перейти на него и какие мы сделали из всего этого выводы.
Поговорим про очевидные и не очень кейсы применения match в Python. Посмотрим когда он не подходит. С помощью магии заставим match делать невероятное.
В экосистеме Python всегда было достаточно инструментов, позволяющих разрабатывать графические интерфейсы разной сложности. Достаточно назвать Tkinter, PyQT, Kivy. В наше время самой популярной средой для "запуска" графических приложений является браузер. Вот только принципы построения Web-приложений не слишком удобны, когда хочется сделать что-то достаточно интерактивное, сделать максимально быстро, использовать преимущественно Python.
Опыт обучения и применения нейросетей в качестве модуля российской DCAP системы. Для анализа неструктурированных данных необходимо применять нейросети. Я хочу рассказать о проблемах, с которыми мы столкнулись при создании нейросетей, от этапа сбора и разметки данных и до создания нескольких микросервисов. Слайды: https://moscowpython.ru/meetup/91/neuro-for-dcap/
В этом докладе будет рассказ о том, как ленивые разработчики не захотели писать и поддерживать один и тот же фукнционал на языках Golang и Python, и решили вызывать гошный код из питона. Какой подход обмена структурами можно использовать, если методы принимают и возвращают "сложные структуры"? Сильно ли отличается скорость выполнения нативной реализации на питоне от примененного подхода? Слайды: https://moscowpython.ru/meetup/91/go-in-python/
Pythonoкартография, или как заставить беспилотный автомобиль соблюдать ПДД Рассмотрю кейсы использования Python для создания высокоточных карт (HDMap) в беспилотной технологии и как мы автоматизируем большое количество задач по оцифровке локаций SberAuotTech. Слайды: https://moscowpython.ru/meetup/91/python-mapping/
Когда Python был совсем маленьким, мир был другим. Компьютеры были в большинстве своем одноядерными, а одновременная работа потоков невостребована. С тех пор железо сделало огромный шаг вперед, но Python остался прежним. Добавленный еще на заре языка GIL строго запрещал нам параллельную работу потоков, но из этого правила было много исключений и способов обхода, и такая ситуация устраивала всех. Почти всех. Нам предстоит вспомнить, зачем в наш любимый язык добавлена глобальная блокировка, как она работает, какие ограничения и способы их обхода у нас есть. Также мы обсудим самые горячие новости из мира python, а именно pep-703, принятый совсем недавно. Он обещает нам свободу от оков GIL, но сможет ли он нам её дать?
У долгоживущего проекта рано или поздно может возникнуть потребность проверки новых фич на группе пользователей до выкатки на всех. Как следствие, требуется одновременное существование разных версий приложения, работающих с одной базой данных. Расскажу, как мы в Яндексе решали эту задачу, а именно: В чём польза такого решения для бизнеса С какими техническими проблемами столкнулась команда в процессе перехода: на уровне БД и на уровне кода Какие решения применили и к чему это привело
На рынке постоянно появляются новые фреймворки, многие исчезают с радаров так же быстро, как и появились. Можно подумать, что не стоит даже задумываться об этом и искать альтернативы существующим решениям, пока они не появятся в требованиях вакансий. Но Litestar это совершенно другое дело. Это восходящий более быстрый конкурент FastAPI с сommunity-driven философией и кучей функциональности внутри (от кэширования до Dependency Injection и MessagePack), который определённо заслуживает вашего внимания.
В нашей команде мы используем ML-модели, чтобы в онлайн-режиме рассчитывать скор-баллы для оценки кредитных рисков. Я расскажу вам о том, как мы перешли от слабо структурированного кода конвейеров ML-моделей к графам, чтобы упорядочить код и начать внутри команды говорить на одном языке, как мы ловим события для мониторинга и метрик, собираем артефакты, осуществляем тестирование и отладку конвейеров и при всём этом до сих пор сохраняем рассудок. Также покажу пример реализации простого графового движка для запуска конвейеров в оперативной памяти, с управляющими конструкциями и распараллеливанием вычислений.