1963
Сборник наиболее интересных Python материалов. https://pythondigest.ru/ Сделать донат - https://boosty.to/pydigest Блог автора - @whydaily Рекомендуем хостинг https://firstvds.ru/?from=421453
pytest - 7.4.1
https://ift.tt/cLiZvK4
Простой мощный инструмент тестирования в Python. Скачать можно по ссылке: https://pypi.python.org/pypi/pytest/
gevent - 23.9.0
https://ift.tt/wIeuv7s
Библиотека для Python, которая позволяет вам писать асинхронные сетевые приложение использую синхронный API. Скачать можно по ссылке: https://pypi.python.org/pypi/gevent/
selenium - 4.12.0
https://ift.tt/LDA5jMr
Модуль для автоматизации тестирования web-приложений. Скачать можно по ссылке: https://pypi.python.org/pypi/selenium/
celery - 5.3.3
https://ift.tt/W3po6ut
Распределенная очередь задач. Скачать можно по ссылке: https://pypi.python.org/pypi/celery/
kombu - 5.3.2
https://ift.tt/IDsnarB
Фреймворк для работы с AMQP. Скачать можно по ссылке: https://pypi.python.org/pypi/kombu/
Sphinx - 7.2.5
https://ift.tt/nkZme9g
Python генератор документации. Скачать можно по ссылке: https://pypi.python.org/pypi/Sphinx/
Talk Python to Me: #428: Django Trends in 2023
https://ift.tt/4CgrvKj
Audio
virtualenv - 20.24.4
https://ift.tt/7ZF4b1V
Инструмент создания виртуального рабочего окружения. Скачать можно по ссылке: https://pypi.python.org/pypi/virtualenv
Классификация грибов методами ML
https://ift.tt/Bw1sIo9
Хочу поделиться с вами своим опытом анализа данных и машинного обучения на примере интересной и полезной задачи — классификации грибов на съедобные и ядовитые. А именно, в данной статье я расскажу о том, как обучал различные модели машинного обучения отличать съедобные грибы от несъедобных, с какими сложностями столкнулся в процессе и какие интересные наблюдения про грибы и ML открыл по пути.
scrapy - 2.10.1
https://ift.tt/QCc9ouL
Гибкий фреймворк для написания web-пауков (парсеров). Скачать можно по ссылке: https://pypi.python.org/pypi/scrapy
Использование конечных автоматов с несколькими активными состояниями для автоматизации бизнес-процессов
https://ift.tt/z9B1Yhy
Производственная деятельность предприятия связана с работой ответственных должностных лиц над одним или несколькими документами. Порядок прохождения документов определён нормативными актами. Каждое должностное лицо заполняет ту или иную часть документа, согласовывает, утверждает документ, возвращает его на доработку, участвует в выполнении работ по документу.
Twisted - 23.8.0
https://ift.tt/sDLRETg
Фреймворк для написания асинхронных приложений. Скачать можно по ссылке: https://pypi.python.org/pypi/twisted/
Сводка от pythonz.net 20.08.2023 — 27.08.2023
https://ift.tt/7uvqAgs
А теперь о том, что происходило в последнее время на других ресурсах.
The Real Python Podcast – Episode #169: Improving Classification Models With XGBoost
https://ift.tt/YM8atRh
How can you improve a classification model while avoiding overfitting? Once you have a model, what tools can you use to explain it to others? This week on the show, we talk with author and Python trainer Matt Harrison about his new book Effective XGBoost: Tuning, Understanding, and Deploying Classification Models.
flake8-comprehensions - flake8 plugin to help you write better list/set/dict comprehensions
https://ift.tt/4B9y0xt
gevent - 23.9.0.post1
https://ift.tt/FCVj9Ai
Библиотека для Python, которая позволяет вам писать асинхронные сетевые приложение использую синхронный API. Скачать можно по ссылке: https://pypi.python.org/pypi/gevent/
IPython - 8.15.0
https://ift.tt/zlPpkiR
Интерактивная оболочка для языка программирования Python. Скачать можно по ссылке: https://pypi.python.org/pypi/IPython
An Intro to Protocol Buffers
https://ift.tt/8CStDxB
Protocol buffers are a data serialization format that is language agnostic.
celery - 5.3.2
https://ift.tt/9VmFZKG
Распределенная очередь задач. Скачать можно по ссылке: https://pypi.python.org/pypi/celery/
Fabric - 3.2.2
https://ift.tt/lYtCdsu
Утилита для удаленного исполнения команд. Скачать можно по ссылке: https://pypi.python.org/pypi/Fabric/
Анализ музыкальных предпочтений с использованием аудиоаналитики
https://ift.tt/h0kmuql
Музыка, неотъемлемая часть человеческой культуры, всегда отражала дух времени. Однако с наступлением цифровой эры и быстрого развития технологий, музыкальная индустрия столкнулась с революцией, которая изменила не только способы создания и распространения музыки, но и сам способ, которым мы взаимодействуем с ней.
Operator Overloading in Python
https://ift.tt/lCfpWJQ
Python is an object-oriented programming language and one of its features is that it supports operator overloading, learn how to overload common operators such as addition, subtraction, comparison, and more.
Книга «Python. Лучшие практики и инструменты. 4-е изд.»
https://ift.tt/Nl4rq5n
Python — простой, но мощный язык, поэтому он используется в самых разных областях. Написать код на Python легко, но сделать его удобочитаемым и пригодным для повторного использования и сопровождения может оказаться проблемой. Четвертое издание этой книги дополнено лучшими практиками, полезными инструментами и стандартами, которые применяют профессиональные разработчики.
Первые шаги в ML на обучающем хакатоне: обнаружение птиц на фотографиях yolov8s + sahi
https://ift.tt/I1cHzRY
Несколько месяцев я пытался разбираться в ML и когда мне под руку попался легенький хакатон для школьников, связанный с CV, я решил, что это мой шанс!Изучая задачу, я понял, что мне нужно обнаруживать чаек по фотографиям. Для решения задачи я решил использовать yolov8s, потому что он мне показался оптимальнейшим из линейки yolov8 для моего случая.
Знакомимся с RepkaPi.GPIO SysFS. Установка и управление GPIO через Python 3. Теоретические основы работы GPIO портов
https://ift.tt/JcbY9jt
Начнем знакомство с подключаемой библиотекой RepkaPi.GPIO, данная библиотека написана на Python 3 и для управления GPIO использует методы, реализованные через SysFS.
Профилирование Python — почему и где тормозит ваш код
https://ift.tt/aSvXtyP
Представьте ситуацию: вы написали скрипт для обработки каких-то данных на ноутбуке, ушли попить кофе, а когда пятнадцать минут спустя вернулись, завершилось едва ли 10%. Почему скрипт работает так медленно? Какая его часть тормозит? Дело в чтении данных, их обработке или сохранении? Как ускорить исполнение?
Создание красивого Desktop-приложения на Python (customtkinter)
https://ift.tt/jh2OfQR
Если Вы как и я решили впервые взглянуть в сторону Python после нескольких попыток изучения С++/C# то скорее всего первым проектом станет desktop-приложение.
DbCls - клиент к SQL базам данных
https://ift.tt/UsRbpC8
Python 3.11.5, 3.10.13, 3.9.18, and 3.8.18
https://ift.tt/B5msSHa
GIL removal and the Faster CPython project
https://ift.tt/IGqpFW5