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
python-benedict - Dict Subclass With Keylist/Keypath Support
https://github.com/fabiocaccamo/python-benedict
SQLAlchemy - 2.0.1
https://pypi.org/project/sqlalchemy/2.0.1/
Библиотека работы с базами данных. Изменения описаны по ссылке https://pypi.org/project/sqlalchemy/2.0.1/. Скачать можно по ссылке: http://pypi.python.org/pypi/SQLAlchemy/
pylint - 2.16.0
https://pypi.org/project/pylint/2.16.0/
Статический анализатор Python-кода. Изменения описаны по ссылке https://pypi.org/project/pylint/2.16.0/. Скачать можно по ссылке: http://pypi.python.org/pypi/pylint/
Встраиваем распознавание документов от Smart Engines куда угодно за пять минут
https://habr.com/ru/post/711822/
За всё время мы тысячу раз сталкивались с запросом “дайте какое-нибудь простое решение с API, которым нам можно было бы пользоваться”. Дело, конечно, хорошее, но функциональность у нашей системы очень богатая. Единый API, который подходил бы всем нашим заказчикам со своими разными задачами и разными сценариями использования, был бы переусложнен. В этой статье мы покажем пример того, как с помощью Docker, Python и нашего SDK самому реализовать простейшее решение для распознавания документов.
Бинарники из Python-файлов: Nuitka-компилятор, обзор и небольшое исследование
https://habr.com/ru/post/710690/
Я хочу показать, как компилировать бинарные модули расширения (.so) из python-файлов, чем они будут отличаться и как с ними работать. Делать это мы будем при помощи компилятора Nuitka. Он наиболее известен тем, что с его помощью можно создавать исполняемые файлы (.exe) для Windows. Однако, кроме того, он позволяет создавать и бинарные модули python. Всех, кому это интересно, прошу под кат.
beautifulsoup4 - 4.11.2
https://pypi.org/project/beautifulsoup4/4.11.2/
XML/HTML парсер. Изменения описаны по ссылке https://pypi.org/project/beautifulsoup4/4.11.2/. Скачать можно по ссылке: https://pypi.python.org/pypi/beautifulsoup4/
pybboxes - Light Weight Toolkit for Bounding Boxes
https://pycoders.com/link/10206/web
pip - 23.0
https://pypi.org/project/pip/23.0/
Утилита для управления модулями в Python. Изменения описаны по ссылке https://pypi.org/project/pip/23.0/. Скачать можно по ссылке: http://pypi.python.org/pypi/pip/
From Zero to Hero: определите ваш уровень решения LeetCode задач от 1 до 5
https://habr.com/ru/post/713498/
В этой статье я хочу написать про мой опыт взаимодействия с платформой LeetCode, и описать свою подготовку к интервью в FAANG подобные компании путем разбиения ее на уровни.А какой у вас уровень?
Разбираем Теорию Игр с python-библиотеками nashpy и axelrod
https://habr.com/ru/post/713120/
"Камень, ножницы, бумага" - кто из нас не играл в эту игру в детстве? Но вы когда-нибудь задумывались о том, что стратегии, которые мы выбирали, на самом деле могут быть смоделированы в с помощью Теории игр?
The Real Python Podcast – Episode #142: Orchestrating Large and Small Projects With Apache Airflow
https://realpython.com/podcasts/rpp/142/
Прогнозирование авиапассажиропотока между городами РФ
https://habr.com/ru/post/713160/
Я работаю в авиакомпании, занимаюсь анализом продаж, что сильно связано в том числе с планированием и прогнозированием. В условиях, когда российский рынок авиаперевозок сужается, авиакомпании стремятся оптимизировать свою маршрутную сеть, а если и развиваться - то только на направлениях с высоким пассажиропотоком. Дефицит самолетов в условиях санкций делает ошибки непростительными, поэтому своей целью я ставил разработку модели прогнозирования трафика между городами РФ.
unblob - extract files from any kind of container formats
https://github.com/onekey-sec/unblob
«Кандидат сбежал в слезах»: 5 главных вопросов для собеседования на Python разработчика
https://habr.com/ru/post/700114/
Про карточку "Сарказм" не забудьте.
В июле и августе 1991 года я, с подачи Гвидо Ван Россума (https://en.wikipedia.org/wiki/Guido_van_Rossum), проводил технические интервью на позицию Middle Python Backend developer. И, видимо, буду вынужден продолжать проводить, о чём ниже.
Задача формулировалась как «найти человека, который сможет задать и поддерживать высокий уровень профессионализма в применении языка Python». Под эту задачу я сформировал новый опросник вместо того, которым пользовался несколько дней — старый имел слишком жесткий закос под промышленное программирование.
И вот что я хочу сказать вам, коллеги: вы меня огорчаете.
ChatGPT как инструмент для поиска: решаем основную проблему
https://habr.com/ru/post/709222/
Вышедшая чуть больше месяца назад ChatGPT уже успела нашуметь: школьникам в Нью-Йорке запрещают использовать нейросеть в качестве помощника, её же ответы теперь не принимаются на StackOverflow, а Microsoft планирует интеграцию в поисковик Bing - чем, кстати, безумно обеспокоен СЕО Alphabet (Google) Сундар Пичаи. Настолько обеспокоен, что в своём письме-обращении к сотрудникам объявляет "Code Red" ситуацию. В то же время Сэм Альтман, CEO OpenAI - компании, разработавшей эту модель - заявляет, что полагаться на ответы ChatGPT пока не стоит.Насколько мы действительно близки к внедрению продвинутых чат-ботов в поисковые системы, как может выглядеть новый интерфейс взаимодействия, и какие основные проблемы есть на пути интеграции? Могут ли модели сёрфить интернет бок о бок с традиционными поисковиками? На эти и многие другие вопросы постараемся ответить под катом.
[Перевод] Скучный Python: качество кода
https://habr.com/ru/post/713992/
В статье хочу поговорить на тему «качества кода» — а именно об инструментах, которые помогают выявлять потенциальные ошибки и другие проблемы как можно раньше, в идеале еще до того, как они попадут в кодовую базу, не говоря уже о попадании в релиз.
История одного соседа
https://habr.com/ru/post/713968/
Однажды, зайдя в чат дома между катками доты, я увидел бота, который дает возможность кикать пользователей путем голосования в чате. Нехитрое изобретение. Решив повторить тогда я впервые познакомился с Telegram Bot API. В частности с библиотекой telebot. И тут первое что хотел бы отметить. На момент написания того самого первого бота, в данной библиотеке использовалась функция polling(), для поддержки бота в сети при простое. Однако она была не идеальной и через буквально 10 минут простоя бот всё же полностью терял соединение и не принимал запросы.
Django - 3.2.17
https://pypi.org/project/django/3.2.17/
Мощный web-фреймворк. Изменения описаны по ссылке https://pypi.org/project/django/3.2.17/. Скачать можно по ссылке: http://pypi.python.org/pypi/Django/
Python Дайджест: как обновиться с Python 3.4 до Python 3.11, если pip уже сломан
https://habr.com/ru/post/709068/
Python Дайджест собирает IT-новости уже 9 лет, рассказывает о концепциях, проектах, релизах. Кодовая база за это время мало изменилась и уже деградировала. Более 5 лет не хватало сил и времени, чтобы привести проект в актуальное состояние. Django с 1.9 обновилась уже до 4.1 версии, Python 3.4 не актуален, да даже обновить пакет через pip не получается, потому что сломан. В 4 частях расскажу от первого лица, как 9-летний проект из состояния outdated вернулся в actual состояние и снова набрал 100 баллов в PageSpeed. Начну с обновления до актуального Python и Django.
Python Bytes: #321 A Memorial To Apps Past
https://pythonbytes.fm/episodes/show/321/a-memorial-to-apps-past
Очередной выпуск англоязычного подкаста Python Bytes
Способы кодирования категориальных данных
pythontalk/category_encoding" rel="nofollow">https://teletype.in/@pythontalk/category_encoding
В сфере data science подготовка данных является обязательным этапом работы перед построением моделей. Один из них — кодирование категориальных данных, т.к. значимая часть информации в реальной жизни относится именно к категориальным строковым значениям, а подавляющее большинство моделей умеют работать исключительно с числовыми значениями. Кодирование — это и есть процесс преобразования категориальных данных в числовой формат.
Написал и опубликовал статью (первую из четырех) про техническое оживление Python Дайджест.
https://habr.com/ru/company/first/blog/709068/
Лайки к статье очень помогут.
Создаем библиотеку по теории игр на питоне для максимально широкого спектра разнообразных игр
https://habr.com/ru/post/713460/
Это первая статья из серии статей, в которой описывается опыт написания с нуля библиотеки на питоне, для расчета как можно более широкого спектра деловых, производственных, организационных задач методами теории игр.
Python import, как и для чего?
https://habr.com/ru/post/713458/
Подходы использования import в языке программирования Python.Статья направлена на освящение подходов импортирования в Python для начинающих программистов. Она так же может быть полезна для уже имеющих опыт в разработке на данном языке программирования.
Python⇒Speed: float64 to float32: Saving memory without losing precision
https://pythonspeed.com/articles/float64-float32-precision/
#python #pydigest
IT-новости про Python, которые стоит знать перед вами.
Часть интересного из выпуска Python Дайджест:
- Python import, как и для чего?
- Как Василий ускорял сборку тестов
- Как я учил Алису отправлять почту
- Управление производительностью с Python 3.12
- Python⇒Speed: float64 to float32: Saving memory without losing precision
- «Кандидат сбежал в слезах»: 5 главных вопросов для собеседования на Python разработчика
- SQLAlchemy - 2.0.0
- selenium - 4.8.0
Заходите в гости - https://pythondigest.ru/issue/475/
marqo - tensor search for humans
https://github.com/marqo-ai/marqo
Разбираемся в асинхронности: где полезно, а где — нет?
https://habr.com/ru/post/713084/
Сегодня я постараюсь объяснить, что такое асинхронное программирование, зачем оно нужно, какие задачи решает и как ему научиться. Так как мой основной язык — Python, то и материал будет Python-ориентированным.
Введение в диффузионные модели для генерации изображений – полное руководство
https://habr.com/ru/post/713076/
Диффузионные модели могут значительно расширить мир творческой работы и создания контента в целом. За последние несколько месяцев они уже доказали свою эффективность. Количество диффузионных моделей растет с каждым днем, а старые версии быстро устаревают
MLflow: управление многозадачным обучением с независимыми моделями
https://habr.com/ru/post/712904/
Как создать и отслеживать многозадачное обучение с независимыми моделями на одном входе и на одном выходе. Полный код на GitHub, соблюдая инструкцию README.md с нуля установки до работающего запуска отслеживания экспериментов и обслуживания моделей