Size: a a a

2021 November 02
PythonDigest
Пишем первого робота для банка
https://habr.com/ru/post/586334/?utm_campaign=586334&utm_source=habrahabr&utm_medium=rss

В этой статье мы разберемся, что такое "робот", поймем, как они помогают операционистам, напишем и запустим простого робота на Python.
Исходный код робота и данные для работы можно скачать здесь (https://github.com/vasiliy-mikhailov/robot_tutorial).
источник
PythonDigest
Профилирование программ
https://habr.com/ru/post/586250/?utm_campaign=586250&utm_source=habrahabr&utm_medium=rss

Профилирование позволяет оценить время, затрачиваемое на выполнение отдельных операций в программе. Профилирование можно выполнять как для всего кода, так и для его фрагментов.
источник
PythonDigest
Обучение с подкреплением на Python: Пример не из «качалки»
https://habr.com/ru/post/586474/?utm_campaign=586474&utm_source=habrahabr&utm_medium=rss

Обучение с подкреплением молодая и бурно растущая дисциплина. Это обстоятельство привело к тому что информации об этом мало на английском и почти нет на русском языке. Особенно, если дело касается объектно-ориентированного подхода, и практических задач не из арсенала Open Gym. Стало интересно, как решать задачи RL в других средах.
источник
PythonDigest
Глобальная блокировка интерпретатора (GIL) и её воздействие на многопоточность в Python
https://habr.com/ru/post/586360/?utm_campaign=586360&utm_source=habrahabr&utm_medium=rss

Как вы, наверное, знаете, глобальная блокировка интерпретатора (GIL, Global Interpreter Lock) — это механизм, обеспечивающий, при использовании интерпретатора CPython, безопасную работу с потоками. Но из-за GIL в конкретный момент времени выполнять байт-код Python может лишь один поток операционной системы. В результате нельзя ускорить Python-код, интенсивно использующий ресурсы процессора, распределив вычислительную нагрузку по нескольким потокам. Негативное влияние GIL на производительность Python-программ, правда, на этом не заканчивается. Так, GIL создаёт дополнительную нагрузку на систему. Это замедляет многопоточные программы и, что выглядит достаточно неожиданно, может даже оказать влияние на потоки, производительность которых ограничена подсистемой ввода/вывода.
источник
PythonDigest
Простой GUI калькулятор на Python #1. Создание дизайна приложения
https://habr.com/ru/post/586730/?utm_campaign=586730&utm_source=habrahabr&utm_medium=rss

Наверное, каждый начинающий программист после "Hello, world!" хочет написать какой-нибудь простенький проект. Почти всегда в голову приходит идея создания калькулятора. Но консольный калькулятор - это как-то скучно и просто. Хочется сделать приложение вот прямо как в системе. Ну или хотя бы что-то похожее.

В этой серии статей я научу вас делать простой кроссплатформенный десктопный калькулятор. Здесь не будет тригонометрических функций, процентов, интегралов и других полезных вещей. Вы сможете добавить их по своему желанию.
источник
2021 November 03
PythonDigest
Training an object detector from scratch in PyTorch
https://www.pyimagesearch.com/2021/11/01/training-an-object-detector-from-scratch-in-pytorch/

In this tutorial, you will learn how to train a custom object detector from scratch using PyTorch. This lesson is part 2 of a 3-part series on advanced PyTorch techniques: Training a DCGAN in PyTorch (last week’s tutorial)
источник
2021 November 05
PythonDigest
Ещё одна статья о декораторах в python, или немного о том, как они работают и как они могут поменять синтаксис языка
https://habr.com/ru/post/587066/?utm_campaign=587066&utm_source=habrahabr&utm_medium=rss

Декораторы в python являются одной из самых часто используемых возможностей языка. Множество библиотек и, особенно, веб-фреймворков предоставляют свой функционал в виде декораторов. У неопытного python разработчика уйдёт не так уж много времени, чтобы разобраться, как написать свой декоратор, благо существует огромное количество учебников и примеров, а опытный разработчик уже не раз писал свои декораторы, казалось бы, что ещё можно добавить и написать о них?
источник
PythonDigest
Нейродайджест: главное из области машинного обучения за октябрь 2021
https://habr.com/ru/post/587112/?utm_campaign=587112&utm_source=habrahabr&utm_medium=rss

3D-рендеринг сцены из нескольких фотографий, определение глубины и освещения по фото, нейронный дизайнер интерьеров, генерация звука по видео и многое другое в октябрьской подборке.
источник
PythonDigest
Простой GUI калькулятор на Python #2
https://habr.com/ru/post/587276/?utm_campaign=587276&utm_source=habrahabr&utm_medium=rss

Штош. В прошлой статье (https://habr.com/p/586730/) мы сделали дизайн калькулятора. Ну а зачем нам этот голый дизайн без функционала, правильно?
источник
PythonDigest
источник
PythonDigest
Schemathesis 3.11 for Workgroups
https://github.com/schemathesis/schemathesis/releases/tag/v3.11.0

From this release, due to performance improvements, it is actually possible to use CLI to test huge schemas (a few thousand endpoints) without OOM or waiting a few minutes for tests to start.
источник
2021 November 06
PythonDigest
Получаем кривую плотности распределения вероятности случайного процесса… быстрее и точнее
https://habr.com/ru/post/587372/?utm_campaign=587372&utm_source=habrahabr&utm_medium=rss

Недавно на Хабре вышла статья (https://habr.com/ru/post/585232/) за авторством MilashchenkoEA (https://habr.com/ru/users/MilashchenkoEA/) , в которой автор восполняет обнаруженный им пробел в доступных материалах по методам построения кривых плотности распределения вероятности по имеющемуся набору числовых данных. Акцент в статье сделан на методическую сторону получения (оценки) плотности вероятности случайной величины, поэтому автор не преследует цели получения оптимального, с вычислительной точки зрения, алгоритма. Что ж, в данной заметке попытаемся исправить эту ситуацию, а также взглянем под другим углом на способ решения данной задачи.
источник
PythonDigest
Telegraph API: автоматизированное создание заметок
https://habr.com/ru/post/587430/?utm_campaign=587430&utm_source=habrahabr&utm_medium=rss

Сервису telegra.ph уже много лет, но информации о том как пользоваться его api почему-то не много, тем временем, крупные телеграм-каналы потихоньку приступили к промышленному освоению. Инструмент вполне себе неплохая альтернатива созданию веб-страниц, к тому же появилась удобная библиотека, которая позволяет автоматизировать процесс.
источник
PythonDigest
Homer – новый шифр омофонической замены
https://habr.com/ru/post/587432/?utm_campaign=587432&utm_source=habrahabr&utm_medium=rss

Криптография в цифровых технологиях необходима как инструмент защиты конфиденциальных данных. К 2022 году разработаны множество криптографических алгоритмов, которые постоянно совершенствуются.
источник
2021 November 07
PythonDigest
[Видео] Moscow Python Podcast. Рынок найма разработчиков (level: all)
https://www.youtube.com/watch?v=onodyX8ydII

В гостях у Moscow Python Podcast технический директор компании Geecko Никита Обухов. Поговорили с Никитой о рынке найма разработчиков и о DevRel.
источник
PythonDigest
Находим аномалии в российской статистике COVID-19
https://habr.com/ru/post/587596/?utm_campaign=587596&utm_source=habrahabr&utm_medium=rss

Несмотря на рост заболеваемости covid-19 и горячих споров насчет принимаемых мер, разговоры про достоверность статистики немного поутихли. Кто-то согласен с руководством страны и считает, что с официальными данными все хорошо и они объективно описывают текущую ситуацию. Другие считают, что статистика безбожно врет и показатели, скорее всего, очень сильно занижена.Последние часто ссылаются на совместное расследование «Медузы», «Медиазоны» и «Холода», которое утверждает, что в реестре Минздрава в 5 раз больше зарегистрированных случаев коронавируса, чем сообщается официально. Само расследование базируется на исследовании Сергея Шпилькина, который ранее с помощью статистических методов доказал фальсификации на выборах. В чем проблема этого исследования?
источник
2021 November 08
PythonDigest
источник
2021 November 09
PythonDigest
Как создать легко воспроизводимый DS проект
https://habr.com/ru/post/587810/?utm_campaign=587810&utm_source=habrahabr&utm_medium=rss

Аналитику или исследователю данных приходится разрабатывать множество алгоритмов по обработке и анализу различных данных. Большинство алгоритмов разрабатываются для многоразового использования, а значит, код либо запускается разработчиком с определенной периодичностью, либо код передается другим пользователям для обработки своих данных. При этом алгоритмы имеют множество параметров и зависимостей, которые необходимо индивидуально настраивать под определенные данные.
источник
PythonDigest
Практические рекомендации по работе с Docker для Python-разработчиков
https://habr.com/ru/post/586778/?utm_campaign=586778&utm_source=habrahabr&utm_medium=rss

Прим. Wunder Fund: в этой длииинной статье вы найдете ряд полезных советов по работе с Docker, как общего характера, так и Python-специфичных. Хоть мы и давно используем Docker в работе, про некоторые советы мы подумали "а что, так можно было?". Советуем вначале пролистать статью, и отметить штуки, которые покажутся актуальными для вашей текущей ситуации.
источник
2021 November 10
PythonDigest
источник