欢迎阅读"pythonista周刊"第424期. Let us start!
原文: https://mailchi.mp/pythonweekly/python-weekly-issue-424
翻译:Dustyposa
来自赞助商:
Python 2 EOL 调查 - 你准备好了吗
Python 2的生命不久就要结束了. 请为我们花费5分钟,调查你是如何为改变做准备的. 你也将看到最后的结果,而且有机会得到一架无人机. Thanks for your time. 做调查
走过路过不要错过!
新闻
PyCon US 2020开放注册!
PyCon将于2020年4月14日-23日在宾夕法尼亚州匹兹堡举行. 早鸟票价格:公司$550,个人$350,学生$100. 在卖出800张票之后,将会变为正常的价格. 正常价格:公司 $700,个人$400,学生$125.
PyCon2020要来了!等待你的加入~美国票价看起来也比较刺激~~~:) (来自穷苦的孩子)
给NumPy和OpenBLAS的新拨款!!
陈和扎克伯格基金会通过自家重要的开源软件(EOSS) 向NumPy and OpenBLAS捐赠了一笔$195,000的款项. 所有的$195,000都将捐赠给Numpy的财务赞助商NumFOCUS. 这笔捐款,其中$55,000将会用于OpenBLAS的工作,剩余的$140,000用于Numpy.
Numpy power up!
Python Software Foundation Fellow Members for Q3 2019
会员公布～
Python Software Foundation Fellow Members for Q3 2019
文章,教程与话题
Python 指南: Zip Files - 创建和解压 Zip 文档 
(27 min)
在本视频,我们讲学习如何创建和解压Zip文档. 我们将从使用zipfile模块开始,然后我们将知道如何使用shutil模块达到同样的效果. 我们将学习如何使用单文件和文件夹做到这一点,以及如何使用gzip.
zip get!
使用Python, Flask and Twilio 搭建 WhatsApp机器人
这篇教程向你展示了使用Python 针对 WhatsApp 的Twilio API 和 Flask框架构建WhatsApp机器人是多么简单.
站在巨人的肩膀上!
Hacking Neural Networks: 一个简短的介绍
这是一个简短的介绍,将神经网络作为进攻方式(bug 搜索,shell代码混淆,等等)以及在自然情况下充分利用神经网络进行挖掘(信息提取,恶意软件注入,后门,等等)
攻守兼备.
Tkinter教程 - 在Python教程中创建图形化用户界面 (5h37min)
在这门面向初学者的完整课程中学习Tkinter. Tkinter是用Python最快最简单的创建图形化用户界面的方式. Python 已经自带Tkinter了,所以没什么可以安装的了!
代码给别人看不懂?给个GUI自己调!
用 Keras and Deep Learning 识别火灾和抽烟的识别
在本篇教程,你将学习到如何使用计算机视觉,OpenCV and Keras深度学习库识别火灾和抽烟.
快速发现,智能调度消防车辆,现代社会必备呀!
但是防患于未然更重要!
我如何使用 scikit-learn 进行编码分类特征?
在这个视频,你将学习到如何使用 OneHotEncoder and ColumnTransformer去编码你的分类特征,并且一步准备好你的分类矩阵. 你也将学习到如何使用Pipeline实现这个步骤,这样你就能交叉验证你的模型的同时进行预处理. 最后,你会知道你为什么处理你的数据集应该使用scikit-learn(而不是pandas).
提高处理效率~
使用SSH的非传统安全异步RESTful api
如何在Python中使用Korv and AsyncSSH 构建通过SSH 会话监听TCP sockets的安全的异步APIs.
这个有点好玩,会话监听.
NumPy终极入门指南
Numpy入门所需要的一切!
所有你需要
常见数据分析库教程都有了吧～
Python List 指南: Lists, Loops, and More!
用这个Python list教程掌握列表吧!分析app store数据,并学习如何使用循环自动重复执行任务.
熟悉的知识点,新鲜的场景～
用 DTrace and cProfile 进行 Django 性能分析
官方文档中有一章介绍了性能和优化. 在这篇文章,我想在官方文档的基础上,展示一些工具和我使用的方法去减少页面加载的时间.
优化进阶～
如何将awk脚本移植到Python
将awk脚本移植到Python更重要的是关于代码风格而不是代码翻译.
哪里不好用转哪里!
手机上的Jupyter (或者任何地方, really)
想想你日常生活中浪费掉的所有的downtime.在地铁上的那个小时,在车管所的那个下午,上班时服务器宕机的20分钟时候,你在等着IT部门让一切恢复正常. 如果你使用那些时间做一些数据科学相关的工作不好吗?让我们开始设置Jupyter远程服务器吧!
糟了,这是心动的感觉!
从神经网络中提取知识来建立更小更快的模型
这篇文章讨论了GPT-2 and BERT模型,以及使用知识提炼使用比他们老师使用的更少的参数创建精度更高的模型.
长江后浪推前浪～
Python 3 的基础数据类型: Booleans
学习在你的Python 3代码中使用布尔(True and False)值.
在 Glitch.com 上部署 Flask 应用 (15min)
在该视频中学习如何在glitch上部署Flask应用.
新鲜的部署～
如何在树莓派上运行 TensorFlow Lite进行目标检测 (10min)
TensorFlow Lite是一个轻量级机器学习模型的框架,它非常适合于像树莓派这样的低功耗设备. 本视频展示了如何在树莓派上设置TensorFlow Lite`去运行目标检测模型,以便在实时网络摄像头流,视频或者图片中进行定位和识别.
硬件需要玩起来!
丰富自家全靠它!
Python中多语言的影响
取其精华
Python / Pandas & BigQuery in 7 minutes
7min knowledge
如何使用 Python 从 Wikipedia 制作你自己的 Wiki
Django REST Framework Permissions in Depth
深入权限管理
如何使用机器学习过滤推特
ML全场景攻略 Point!
有趣的项目,工具和库
Quay
构建,存储和分发你的应用和容器.
部署新利器?
Deepdrive
无人驾驶端到端模拟.
人人可用!只是配置要求比较苛刻~
great_expectations
Great Expectations是一个分析,验证和记录你的数据的工具,用于维持质量的同时提升团队的沟通效率.
数据工程也需要管理~
meshio
有多种网格格式可用于表示非结构化网格. meshio可以读取和写入多种格式,并在它们之间进行平滑转换.
数据平滑处理
Clusterman
Clusterman(集群管理器)是用于Mesos和Kubernetes集群的自动扩展引擎. 支持查看指标并可以启动或终止计算以满足您的工作负载需求,类似于官方的Kubernetes Cluster Autoscaler
用起来顺手才是最终目的!
jwt_tool
一个用于测试,伪造和破解 JWT的工具.
知己知彼
mail-sanitizer
一个清楚你的email的客户端工具.
清洁你我他
OpenNRE
一个用于神经网络关系提取(NRE)的开源包.
来自国内的小伙伴们的 NLP 包.
ytmdl
一个简单的脚本,用于从YouTube获取mp3格式的歌曲,以及来自iTunes的所有标签.
ADTK
用于在时间序列中进行无监督异常检测的Python工具包.
kaolin
用于加速3D深度学习研究的PyTorch库.
解决 Python 痛点?
rsh
rsh是一个纯粹用Python编写的工具,可以方便地为linux和windows生成反向shell命令.
flask-dashboard-modular-admin
在ModularAdmin仪表盘设计之上,以Flask Web框架编码的开放源代码管理仪表盘.
带仪表盘的后台!
Pandera
Pandas 的统计数据验证工具包.
要闻
Python in Visual Studio Code – November 2019 Release
在这个版本中,我们主要关注产品质量. 我们总共解决了60个问题,其中39个是bug修复. 不过,我们也很高兴提供一些令人愉快的功能,比如:
- 使用
Python服务器时增加quick fix - Altair 画图支持
- Notebook Editor 中增加行号
快上新版本!
Django 3.0 release candidate 1
发布时间逐渐逼近
活动和网络研讨会日程
Basics of Natural Language Processing in Python - London, UK
多亏了Python社区,自然语言处理从未如此简单!我们将看看NLP的工具,并比较它们的不同用途,包括一些有趣的生成的写作例子!我们也将介绍一些关于语言和跨语言分析的算法.
NLP泛场景应用~
IndyPy Bytes: Making AI More Accessible to the Non-Developer - Indianapolis, IN
Python中有许多可用的AI库,但它们是为程序员设计的. 我们已经在Python中构建了一些工具来降低那些现有库的进入门槛. 我们及早发现常见的错误,使评估学习者的表现更容易,并可视化的学习者行为和基础数据更容易获得. 我们将讨论这些决策背后的驱动因素,并通过一个简单的示例介绍如何在现成的数据集上使用此工具.
门槛肯定会越来越低~毕竟当作工具用!
Build an ML Product - 4 Mistakes to Avoid - Vancouver, BC
Austria Python Meetup November 2019 - Vienna, Austria
Posa:
❤️ Happy Pythonic ;-(Posa私人无责任播报)
残念,暂无. :(
----- 分割线 -----
如果你发现哪里翻译有误的话,请务与我联系!感谢!
Comments