Приятная капча и ее решение
https://habr.com/ru/post/568036/?utm_campaign=568036&utm_source=habrahabr&utm_medium=rss

В статье пойдет речь о решении визуально привлекательной капчи, решение которой не только немного расслабляет и погружает в транс медитации, но также позволяет немного стряхнуть пыль с фреймворка selenium для python, а также пакета opencv. Именно эти инструменты и будут использоваться на капче, которая относится к так называемому виду капч «с перетаскиванием». Но, для начала, присказка.

Django Rest Framework для начинающих: создаём API для записи и обновления данных (часть 1)
https://habr.com/ru/post/567564/?utm_campaign=567564&utm_source=habrahabr&utm_medium=rss

Продолжаем изучать Django Rest Framework с точки зрения новичка. Мы уже разобрали создание REST API для получения данных (https://habr.com/ru/company/yandex_praktikum/blog/561696/) из БД, включая отдельную статью (https://habr.com/ru/company/yandex_praktikum/blog/562050/) о работе сериалайзера.



В этой статье расскажу, как с помощью сериалайзера проверить поступившие данные для записи в БД. Валидация в DRF состоит из множества этапов с массой нюансов. Если при чтении покажется, что деталей очень много и картинка в голове начинает плыть, в конце статьи есть обобщающая таблица с кратким описанием последовательности всех проверок.

Управление сетевой инфраструктурой через Telegram за 5 EUR/месяц
https://habr.com/ru/post/568114/?utm_campaign=568114&utm_source=habrahabr&utm_medium=rss

Каким бы не был удобным WEB интерфейс системы управления сетью, это все-равно будет не так удобно, как использование мессенджера Telegram, где все в одном приложении: от общения с друзьями и получения прогноза погоды до управления сетевыми устройствами. В дополнение, удобный API интерфейс платформы Telegram позволяет получить желаемый сервис с минимальными трудозатратами. В данной статье я приведу самый простой пример одного из таких решений.

The Real Python Podcast – Episode #69: Planning a Faster Future at the Python Language Summit
https://realpython.com/podcasts/rpp/69/

Audio

NFStats — анализ netflow данных для ISP «на коленке»
https://habr.com/ru/post/568074/?utm_campaign=568074&utm_source=habrahabr&utm_medium=rss

Приветствую! Продолжая рубрику "на коленке" (написал два года назад одну статью и уже рубрика), наконец у меня появилось время рассказать еще об одном проекте (а заодно и привести его в порядок), который используется у нас на сети небольшого транзитного провайдера для сбора и анализа статистики сетевого трафика .

Модели глубоких нейронных сетей sequence-to-sequence на PyTorch (Часть 5)
https://habr.com/ru/post/568176/?utm_campaign=568176&utm_source=habrahabr&utm_medium=rss

Эта модель кардинально отличается от предыдущих моделей, реализованных нами. Здесь вообще не используются рекуррентные компоненты. Вместо этого применяются свёрточные слои CNN, обычно используемые для обработки изображений. В качестве введения в особенности использования свёрточных слоёв для обработки текста см. руководство здесь (https://github.com/bentrevett/pytorch-sentiment-analysis/blob/master/4%20-%20Convolutional%20Sentiment%20Analysis.ipynb).

Как работают Django Class-based views
https://habr.com/ru/post/568198/?utm_campaign=568198&utm_source=habrahabr&utm_medium=rss

Для новичка, который осваивает Django, представления на основе классов больше похожи на магию чёрного ящика, по крайней мере, у меня при первом знакомстве сложилось именно такое впечатление. Обильные руководства зачастую показывают, какие атрибуты и методы следует определить в вашем классе, чтобы этот ящик работал на вас, но не дают понимания принципа работы.Я хочу залезть под капот фреймворка и строчка за строчкой разобрать, как же работают представления на основе классов. Надеюсь, что по прочтении, Class-based views уже не будут казаться такими пугающими и я подстегну вас к дальнейшему самостоятельному изучению исходников. Возможно, вы думали о фреймворке как о некой магии, которую невозможно понять, но на самом деле это обычный код, написанный опытными разработчиками.

Как превратить фотографию в 3D-объект с помощью Nvidia Kaolin и PyTorch: рендеринг DIB-R
https://habr.com/ru/post/568218/?utm_campaign=568218&utm_source=habrahabr&utm_medium=rss

В научной работе NVIDIA 2019 года улучшенный дифференциальный рендерер — DIB-R представлен как инструмент решения одной из самых популярных сегодня задач Deep Learning: генерации 3D-объектов из одного двухмерного изображения. Статья на ArXiv содержала исходный код, но в ней не оказалось необходимой для его выполнения ML-модели. К старту курса «Machine Learning и Deep Learning» (https://skillfactory.ru/ml-and-dl?utm_source=infopartners&utm_medium=habr&utm_campaign=habr_MLDL&utm_term=regular&utm_content=170721), партнёр которого — компания NVIDIA, делимся переводом о том, как запустить руководство по работе с этой программой визуализации, как она работает, как обучить ML-модель рендеринга и проверить её в действии.

Weekly Python StackOverflow Report: (cclxxxiv)
http://python-weekly.blogspot.com/2021/07/cclxxxiv-stackoverflow-python-report.html

Как победить несбалансированность датасета: метод upsampling data
https://habr.com/ru/post/568266/?utm_campaign=568266&utm_source=habrahabr&utm_medium=rss

Каждый начинающий дата саентист хоть раз сталкивался с проблемой несбалансированности данных для классификации: какой-то класс превосходит другие. Существует далеко не один способ борьбы с этой проблемой. В статье мы рассмотрим метод upsampling

Как я управлял автомобилем через обычный сайт
https://habr.com/ru/post/568270/?utm_campaign=568270&utm_source=habrahabr&utm_medium=rss

Поговорим про возможность управлять различными устройствами через сайт. В прошлые выходные я решил провести необычный для себя эксперимент — выполнить пару простых упражнений на автодроме, управляя автомобилем через самый обычный сайт. Более того, стало интересно сделать своими руками минимальный функционал для выполнения упражнений в беспилотном режиме.

#python #pydigest

Сборник Python новостей уже перед вами.

В выпуске Python Дайджест вы найдете:

- [Конференция] PyCon Russia 2021
- Как контейнеризировать среды ML разработки и не посадить на мель процессы MLOps
- Обзор Databrick. Что облачный продукт может дать начинающим специалистам
- Эксперимент для сотрудника с нарушением слуха, ч. 2, проверка на себе
- Управление сетевой инфраструктурой через Telegram за 5 EUR/месяц
- Приятная капча и ее решение
- NFStats — анализ netflow данных для ISP «на коленке»
- Модели глубоких нейронных сетей sequence-to-sequence на PyTorch

Заходите в гости - https://pythondigest.ru/issue/395/
Присылайте интересные новости через форму на сайте.

Обзор Databrick. Что облачный продукт может дать начинающим специалистам
https://habr.com/ru/post/568276/?utm_campaign=568276&utm_source=habrahabr&utm_medium=rss

Данная публикация посвящена Databricks и она получилась не совсем обычный по двум причинам.

PyCon Russia 2021
https://pycon.ru/

5-6 сентября 2021 г, около Москвы

Модели глубоких нейронных сетей sequence-to-sequence на PyTorch Часть6
https://habr.com/ru/post/568304/?utm_campaign=568304&utm_source=habrahabr&utm_medium=rss

В этом разделе мы будем реализовывать слегкаизмененнуюверсию модели Transformer из статьи Attention is All You Need (https://arxiv.org/abs/1706.03762). Все изображения в этой части взяты из этой статьи. Для получения дополнительной информации о Transformer обращайтесь сюда (https://www.mihaileric.com/posts/transformers-attention-in-disguise/), сюда (https://jalammar.github.io/illustrated-transformer/) и сюда (http://nlp.seas.harvard.edu/2018/04/03/attention.html). На русском языке здесь (https://habr.com/ru/post/486358/).

reader - python feed reader library
https://death.andgravity.com/reader-2-0

Делаем простого бота в Telegram на Python. Интеграция с Excel
https://habr.com/ru/post/568418/?utm_campaign=568418&utm_source=habrahabr&utm_medium=rss

Друг предложил мне поработать над проектом для нашей кафедры. ТЗ пока не сформулировано, но точно известно, что это будет бот в телеге. Я хоть и питонист, но с ботами дел никогда не имел, поэтому пишу эту статью, как заметку, для себя и молодых перспективных ребят, чтоб у них было от чего оттолкнуться. Постараюсь писать максимально понятным и простым языком. Профессионалам тут особо делать не чего, хотя, может и придёт какая-нибудь идея.

Maps with Django (part 2): GeoDjango, PostGIS and Leaflet
https://www.paulox.net/2021/07/19/maps-with-django-part-2-geodjango-postgis-and-leaflet/

Django riffs - Going Live
https://djangoriffs.com/episodes/go-live-deployment-yVccGfWc

Podcast. Full show notes are available at https://www.mattlayman.com/django-riffs/14.

Алгоритмы сортировки NumPy (и танцы, и мемы)
https://habr.com/ru/post/568482/?utm_campaign=568482&utm_source=habrahabr&utm_medium=rss

Да, наверное, нет более избитой темы, чем алгоритмы сортировки. Однако, меня в свое время так увлек процесс разбора того, какие алгоритмы задействованы в NumPy, что захотелось всем об этом рассказать. Возможно, слишком мелкая вещь, возможно, занудство какое-то, но тешу себя надеждой, что материал может быть полезным для тех, кто тему только начал! Особенно для таких же людей, как я, перешедших из смежных сфер (из телекома, например), где алгоритмы и структуры данных могут попросту не изучаться (бывает и такое). Если где-то что-то напутал (или наоборот материал оказался для вас полезным), буду рад обратной связи!