Собрали в одном месте самые важные ссылки
и сделали Тренажер IT-инцидентов для DevOps/SRE
Я обожаю копаться в данных своих тренировок из Strava: анализировать мощность, пульсовые зоны, темп. Но мне всегда не хватало одной вещи — единой, понятной и, главное, прозрачной метрики, которая бы отвечала на простой вопрос: "А насколько я сейчас в хорошей форме?".В этой статье я расскажу, как устроен этот механизм "под капотом".
(18.11.2019 - 24.11.2019)
Восьмой Python-митап в Челябинске состоится в четверг, 5 декабря.
Место: Клары Цеткин, 11, 1 этаж (Лекторий КЦ11)
Начало в 18:30.
Программа митапа:
— GraphQL в проекте на Python (Дмитрий Соболев, Napoleon IT)
— Логирование и сбор метрик, быстро и просто (Алексей Шагалеев, Napoleon IT)
— Использование Python для управления интернетом вещей (Александр Уфимцев, Fijowave Ltd)
Участие бесплатное, нужно зарегистрироваться по ссылке
Допустим, вы создаёте сайт с CMS на основе Django, у которого должны быть какие-то динамические настройки сайта, которые будут доступны пользователю. Например, название сайта, какая-то специализированная информация, при этом вы учитываете возможность мультиязычности. То что тогда можно использовать для этого? Мне пришла мысль использовать базу данных.
Для реализации этого требуется следующее:
Давайте разберёмся по порядку, как это реализовать.
Как то вечером, придя домой с работы, я решил немного позаниматься домашним проектом. Я сделал несколько правок и сразу захотел поэкспериментировать с ними. Но до экспериментов мне пришлось заходить на VPS, пулить изменения, пересобирать контейнер и запускать его. Тут я и решил, что пора разобраться с непрерывной доставкой.
В этой статье “шпаргалке” рассмотрено добавление пользовательских кнопок в интерфейс Django Admin. В первой части рассказано как добавить одно кнопку на страницу списка выбранной модели – list view. Например кнопку импорта чего либо. Во второй части рассказано как добавить пользовательские кнопки действий (actions) для каждой выбранной записи отдельно с дополнительными формами.
Я занимаюсь автоматизацией тестирования. Как и у всех автоматизаторов, у меня есть набор библиотек и инструментов, которые я обычно выбираю для написания тестов. Но периодически возникают ситуации, когда ни одна из знакомых библиотек может решить задачу с риском сделать автотесты нестабильными или хрупкими. В этой статье я хотел бы рассказать, как вроде бы стандартная задача использования mock'ов привела меня к написанию своего модуля. Также хотел бы поделиться своим решением и услышать обратную связь.
Если вы data scientist, или занимаетесь машинным обучением, как я — наверняка вы пишете большую часть кода в Jupyter Notebooks. Для всех остальных поясню: Jupyter — это замечательная система, позволяющая вам сочетать исполняемый программный код и текстовые фрагменты на основе Markdown в едином документе, который можно редактировать и выполнять прямо через браузер. Такой документ называется ноутбуком (теперь вы знаете, как подарить другу ноутбук на день рождения и не сильно потратиться)
В первой статье из нашего цикла мы узнали, что такое DeepPavlov, какие модели библиотеки готовы к использованию без предварительного обучения и как запустить REST серверы с ними. Перед тем, как приступить к обучению моделей, мы расскажем о различных возможностях деплоймента моделей DeepPavlov и некоторых особенностях настройки библиотеки.
Договоримся, что все скрипты запуска библиотеки выполняются в environment Python с установленной библиотекой DeepPavlov (про установку см. первую статью, про virtualenv можно прочитать здесь). Примеры из этой статьи не требуют знания синтаксиса Python.
Альтернативный базирующийся на сетке дизайн админ панели Django. Изменения описаны по ссылке https://allmychanges.com/p/python/django-grappelli/#2.13.2. Скачать можно по ссылке: https://pypi.python.org/pypi/django-grappelli/
Разбираем «под капотом» кастомную фитнес-метрику: от идеи до реализации на Python
Polars — «убийца Pandas» на максималках
CI/CD Pytest для тестирования качества данных здравоохр. в Великобритании
Оптимизация сервиса АБ тестирования.
Как научить Алису рецептам дореволюционной кухни
Обработка результатов моделирования Fire Dynamics Simulator на Python (часть 2)
VibeVoice - Open-Source Text-to-Speech
Memento - Fine-tuning LLM Agents without Fine-tuning LLMs
Предиктивная аналитика в нефтедобыче или как я проходил практику
Визуализация управления памятью в Python: что творится внутри?
Собираем «идеального душнилу»: как создать ИИ-агента, который завалит вашего чат-бота
Какой Python-фреймворк выбрать: Django, Flask или FastAPI?
Comparison of New Python Type Checkers: Ty, Pyrefly, and Zuban
CodeBoarding - Interactive Diagrams for Code