Выпуск 201

(23.10.2017 - 29.10.2017)

pythondigest.ru: Выпуск 201

Конференции, события, встречи разработчиков

      Как мы делаем PiterPy — европейскую конференцию по Python в Петербурге

Меня зовут Митя, и я член программного комитета PiterPy. Это классная европейская конференция по Python в северной столице.

Хотите, расскажу вам о ней?

Статьи

      Убираем радиальное искажение с фото и видео при помощи библиотеки openCV и языка python

В данной статье будет рассказываться о применении библиотеки машинного зрения (openCV) для удаления эффекта радиального искажения (дисторсии) с фото и видео. Данный эффект также известен как эффект рыбьего глаза (fisheye) или distortion. Решение написать данную статью было принято после нескольких дней поиска информации в интернете. Не смотря на то, что есть гайды на английском языке, они не объясняют как правильно установить openCV, чтобы все работало. В статье присутствует готовый код.

 

      Как добавить границу для фото

Продолжаем использовать Pillow 

      Синтаксический анализ в NLTK

Здравствуйте. Это статья об синтаксическом анализе предложений, их представлении. Для разбора предложений будет использоваться пакет NLTK и язык программирования Python (версии 2.7).

      Мониторинг событий git clone и git push на локальном GitLab сервере

Иногда возникает желание мониторить локальный GIT сервер на предмет кто (ФИО из LDAP), какой проект и откуда(ip-адрес) клонит или пушит.

Изучив документацию, стало ясно, что такого функционала из коробки нет, точнее есть, но в платной версии GitLab. Под катом мой опыт реализации мониторинга.

Мой рецепт не претендует на универсальность, я надеюсь он многим пригодится как, отправная точка.

      Где перспективно и адекватно использовать Python

В этой статье мы с вами обсудим тот перечень направлений Питона, который я выделяю наиболее перспективными для приложения своих сил и времени для молодых специалистов. Данный вывод делается на основе моего анализа – изучение областей и инструментов питона и сравнивать их эффективность с аналогами на других платформах. 

      «4 свадьбы и одни похороны» или линейная регрессия для анализа открытых данных правительства Москвы

В последних статьях мы рассмотрели пару задачек по классификации, в процессе потом и кровью добывая себе данные, теперь пришло время регрессии. Поскольку ничего светотехнического в этот раз под рукой не оказалось, я решил поскрести по другим сусекам.

Помнится, в одной из статей я агитировал читателей посмотреть в сторону отечественных открытых данных. Но поскольку я не барышня из рекламы «кефирчика для пищеварения» или шампуня с лошадиной силой, совесть не позволяла советовать что-либо, не испытав на себе.

      Краткий курс машинного обучения или как создать нейронную сеть для решения скоринг задачи

Вопросы, которые разобраны в статье:

• Как собрать и подготовить данные для построения модели?
• Что такое нейронная сеть и как она устроена?
• Как написать свою нейронную сеть с нуля?
• Как правильно обучить нейронную сеть на имеющихся данных?
• Как интерпретировать модель и ее результаты?
• Как корректно оценить качество модели?

      Хронология уровня CO в атмосфере США (решение задачи Kaggle с помощью Python+Feature Engineering)

Хочу поделиться опытом решения задачи по машинному обучению и анализу данных от Kaggle. Данная статья позиционируется как руководство для начинающих пользователей на примере не совсем простой задачи.

Видео

      Python для GameDev

Видео со встречи группы PyNSK #17
Докладчик: Станислав Каблуков

О докладе:
Расскажу о своём опыте использования Python для разработки игр. В каких игровых движках и программах для моделирования используется Python. 

Как и почему стоит использовать python для создания игр, и в каких случаях лучше отказаться от данной идеи. О плюсах и минусах использования Python. 

В докладе будет про: python, blender, Ren'py, KivEnt, Boo, UE4 и д.р.

Слайды: https://www.slideshare.net/PyNSK/python-gamedev

      Нейронные сети и Keras. Часть 2

Видео со встречи группы PyNSK #17
Докладчик: Данил Руденко

О докладе:
У нашего зоопарка опять проблемы, которые необходимо решить максимально технологично!

На первом докладе мы поговорили о сверточных нейронных сетях, в этот раз рассмотрим такие виды нейронных сетей как автоэнкодеры и GAN’ы( генеративные состязательные сети). Также углубимся немного в Keras, напишем кастомный загрузчик данных и немного посмотрим на Jupyter Notebook.

Слайды: 
- часть 1: https://www.slideshare.net/PyNSK/keras-1
- часть 2: https://www.slideshare.net/PyNSK/keras-2

      Asyncio для процессинга распределенной базы данных

Видео со встречи группы PyNSK #17
Докладчик: Никита Семенов

О докладе:
Появление asyncio стало новой вехой в истории питона. По-настоящему удобный и эффективный способ запускать асинхронный код.

В своем докладе я познакомлю слушателя с базовым синтаксисом, парадигмами и примитивами, чтобы можно было начать использовать всю мощь asyncio уже сегодня.

Для этого я возьму децентрализованные базы данных с web-интерфейсом, раскиданные по нескольким серверам, и покажу как их можно эффективно запроцесить только при помощи стандартных методов питона 3.4+ и aiohttp.

Слайды: https://www.slideshare.net/PyNSK/asyncio-81082020

Релизы

      django-extensions - 1.9.2

Набор пользовательских расширений для Django-проектов. Изменения описаны по ссылке https://allmychanges.com/p/python/django-extensions/#1.9.2. Скачать можно по ссылке: https://pypi.python.org/pypi/django-extensions/

      Anaconda 5.0

      Анонс envbox 0.2.0

В прошлое воскресенье опубликовал новый пакет — envbox.
С его помощью можно упростить задачу определения типа окружения, а также работу с его переменными.


Latest news


  Глушим аномалии в географических данных с помощью Pandas

  Terality — автоматически масштабируемая альтернатива Pandas

  «Раздвижное» решето Эратосфена

  Генерация подземелий на Python с изпользованием Pillow

  MoscowPython Meetup 76 - Базовые навыки администрирования PostgreSQL

  MoscowPython Meetup 76 - Автотесты. Борьба за внедрение

  Кроссплатформенный переключатель прокси-сервера на Python + Qt

  [Окончание] Новогодний детектив: странный хайзенбаг в «питоньих» часах

  Пишем свои модули для Ansible на Python

  Прогнозирование объема продаж продукции при динамическом ценообразовании

  Нейродайджест: главное из области машинного обучения за декабрь 2021

  Сравнение матричной факторизации с трансформерами на наборе данных MovieLens с применением библиотеки pytorch-acceleratd

  Torch Hub Series #5: MiDaS — Model on Depth Estimation

  Python в металлургической промышленности

  Создание MergeField в .docx на Python


Show all



Разместим вашу рекламу

Пиши: mail@pythondigest.ru

Нашли опечатку?

Выделите фрагмент и отправьте нажатием Ctrl+Enter.

Система Orphus