Собрали самые топовые статьи с нашего сайта по Python в одну подборку:
— планы обучения для начинающих и продолжающих;
— немного теории по языку;
— практика по написанию приложений;
— инструменты для работы.

Читать: https://tprg.ru/M2tp

#python

​​Вместе с факультетом Python-разработки GeekUniversity сделали подборку простых задач по Python для начинающих. С их помощью можно подтянуть знания по спискам, словарям, строкам и другим темам языка.

Давайте попрактикуемся: https://tprg.ru/WHZE

Это #партнёрский пост

На этом сайте можно посмотреть, как работают разные алгоритмы сортировки при разных стартовых условиях: https://www.toptal.com/developers/sorting-algorithms

С помощью такой визуализации можно понять, что не существует идеального алгоритма сортировки. Например, если изначально объекты в массиве расположены в обратном порядке, то лучше с задачей справится алгоритм Шелла. А при сортировке объектов, расположенных полностью рандомно, чуть лучше отработает пирамидальная сортировка.

Если хотите не только посмотреть, но и изучить алгоритмы, то у нас есть статья на эту тему: https://tproger.ru/translations/sorting-algorithms-in-python/

#сортировка #python

Концептуальные основы ООП в тестировании

Антон Семенченко в IT уже больше 15 лет, пять последних из которых он отвечает за автоматизацию тестирования в рамках EPAM Systems по всему СНГ.

По его опыту собеседования сотен специалистов по тестированию из стран СНГ, Индии, США, многие разработчики не понимают «физического смысла» ООП, не могут озвучить базовую формулировку одного из «столпов» — инкапсуляции, хотя знают, как на 3 языках и 20 способами реализовать интерфейс, класс и объект.

В этой серии из трёх лекций он не только объясняет основы ООП, но и рассказывает, почему QA-специалистам важно понимать его концепции.

Часть 1: https://youtu.be/Qx0_kFM52oU
Часть 2: https://youtu.be/CRt1XtW6-Fs
Часть 3: https://youtu.be/LeKqHN7l4Yk

#тестирование #ооп

Необходимый минимум о Linux, и при чём тут бизнес-аналитики: http://amp.gs/Sn2h

⁠Объяснение алгоритмов сортировки с примерами на Python

https://tproger.ru/translations/sorting-algorithms-in-python/

В этой статье рассматриваем 6 популярных алгоритмов сортировки, принципы их работы и реализации на Python. Также сравниваем их скорость при сортировке массива из 5 000 чисел.

На картинке — результат этого сравнения.

#python #сортировка

1. Facebook открыла код PyText, библиотеки для обработки естественной речи
2. Google выпустила API и инструменты для работы с Quick, Draw!
3. Google научила нейросеть VON создавать реалистичные 3D-модели
4. Amazon сделала свои курсы машинного обучения бесплатными
5. Intel разработала инструмент HE-Transformer для анонимизации датасетов

The post quotes McCarthy:

"one of the myths concerning LISP that
people think up or invent for themselves becomes apparent, and that is that
LISP is somehow a realization of the lambda calculus, or that was the
intention. The truth is that I didn't understand the lambda calculus,
really" - John McCarthy

So there are a two issues here, 1) whether or
not it was McCarthy's intention to realize the Lambda Calculus in LISP, and
2) whether or not LISP is such a realization. Or at least some kind of close
realization.

The answer to 1 is clearly no. This doesn't imply an
answer to 2 one way or another.

If 2 isn't true, what explains the
widespread belief? Is it really just that he, McCarthy, borrowed some
notation?


https://news.ycombinator.com/item?id=20696931

⁠Материалы по Python

Решили научиться программировать на Python, но не знаете с чего начать? Рассказываем, что учить в первую очередь, где брать знания и что делать дальше: https://tproger.ru/curriculum/python-how-to-learn/

А для тех, кто уже не первый день знаком с языком, — наш материал для подготовки к собеседованию: https://tproger.ru/translations/python-developer-interview-guide/

#python

Дизайнер Хервиг Шерабон берёт большие данные и иллюстрирует их в разных стилях: https://tprg.ru/xwmC

Например, на картинке в посте — фрагмент, на котором показан контраст между усреднёнными доходами людей на юге и в центре Чикаго.

#bigdata

A game to learn how to use the Linux command line

http://web.mit.edu/mprat/Public/web/Terminus/Web/main.html

Learning VIM while playing a game
https://vim-adventures.com/

​Подборка статей Блока по цифровой филологии

Уже больше года «Системный Блокъ» рассказывает о технологической революции в гуманитарных науках. Из этих статей вы узнаете, как во вселенную слов и смыслов приходит IT, какое отношение имеют стихи Пушкина к Терминатору, кто громче всех кричит в «Идиоте» Достоевского, а также из чего сделаны песни «ГрОба» и других проектов Егора Летова.

📕 Что такое кросс-языковая морфология и зачем она нужна
В статье рассказывается, как технологии помогают изучать редкие языки и детально разобраться в сходствах и различиях экзотических диалектов

🚀 Пушкин, терминатор и звездолет
Если по ночам вы не можете заснуть, потому что никак не вспоминается одна пушкинская цитата, советуем обратить внимание на статью о поисковике, работающему по принципу семантических векторов

📔 Персональный склерозник: от альбома XVII века до цифровых тетрадей
Разбираемся в игре Google с текстом и как интернет стал нашей главной записной книжкой

🎶 Жутко громко, запредельно тихо: звуки в романах
Каким образом создается звуковое пространство текста, и можно ли проанализировать музыку художественного произведения
https://vk.com/@sysblok-zhutko-gromko-zapredelno-tiho..

📝 Новый, мертвый, хороший: визуализация текстов «Гражданской Обороны»
Из каких слов и метафор состоят песни Егора Летова — кажется, все идет по плану

💻 Зачем нужны гуманитарии в эпоху машинного обучения?
Из статьи вы узнаете, почему тандем физиков и лириков не только сохранился на фотографиях из Политехнического музея, но и стал жизненной необходимостью

Создание простого разговорного чатбота в python
https://habr.com/ru/post/462333/?utm_campaign=462333&utm_source=habrahabr&utm_medium=rss

Как выдумаете, сложно ли написать на Python собственного чатбота, способного поддержать беседу? Оказалось, очень легко, если найти хороший набор данных. Причём это можно сделать даже без нейросетей, хотя немного математической магии всё-таки понадобится.
Идти будем маленькими шагами: сначала вспомним, как загружать данные в Python, затем научимся считать слова, постепенно подключим линейную алгебру и теорвер, и под конец сделаем из получившегося болтательного алгоритма бота для Телеграм.


Этот туториал подойдёт тем, кто уже немножко трогал пальцем Python, но не особо знаком с машинным обучением. Я намеренно не пользовался никакими nlp-шными библиотеками, чтобы показать, что нечто работающее можно собрать и на голом sklearn.