Detecting the use of "curl | bash" server side | Application Security
https://www.idontplaydarts.com/2016/04/detecting-curl-pipe-bash-server-side/

Humble Book Bundle: Hacking 101 by No Starch Press (pay what you want and help charity)
https://www.humblebundle.com/books/hacking-101-no-starch-press-books?utm_source=twitter&utm_campaign=diymaker&utm_medium=link

Garuda Linux Review: Pure Arch With GUI Tools and Good Looks
https://itsfoss.com/garuda-linux-review/

A Full-Length Machine Learning Course in Python for Free | by Rashida Nasrin Sucky | Dec, 2020 | Towards Data Science
https://towardsdatascience.com/a-full-length-machine-learning-course-in-python-for-free-f2732954f35f

​Программирование на Python с нуля: дорожная карта разработчика

Чтобы вы не запутались и не растерялись в самом начале пути, мы подготовили дорожную карту для тех, кто начинает с нуля изучать Python.

Какое направление выбрать, какой фреймворк изучать в первую очередь и какими инструментами пользоваться — можно прочитать в нашей статье:

https://tprg.ru/eP6V

5 шпаргалок по Python для разных сфер применения

Не тратьте время на поиск одной и той же информации, если что-то забыли или ещё не успели запомнить.

Чтобы вы могли быстро найти то, что вам нужно, мы собрали шпаргалки по:
— основам Python;
— регулярным выражениям;
— библиотеке Pandas;
— фреймворку Django;
— виртуальному окружению Python.

Изучить подробнее и скачать шпаргалки можно здесь:
https://tprg.ru/pGhf

#шпаргалка #django #pandas

​Как при помощи Python научить нейросети обучать друг друга

Автор проекта создавал поколение из 200 машин, при этом каждой давалась своя случайная нейронная сеть с уникальными параметрами. После первого запуска применялся генетический алгоритм, который создавал улучшенное поколение автомобилей. Таким образом, через несколько итераций машины сами научились ездить по заданной трассе.

Стоит отметить, что и при смене трассы те же самые машины показали себя достаточно хорошо уже при первом запуске.

https://tprg.ru/4jdu

#ml

​​Создание виртуального помощника с помощью Python

Автор статьи создал демо-версию TARS из фильма «Интерстеллар». TARS способен автоматизировать различные задачи, такие как поиск видео на YouTube и их воспроизведение, отправка электронных писем, поиск материалов в Википедии и их чтение и многое другое.

Как сделать себе такого же помощника читайте здесь:

https://tprg.ru/yrSp

Визуализация алгоритмов поиска в графе

Ловите интерактивное руководство по алгоритмам поиска в графе. Пользователь может нарисовать собственные графы с помощью мыши, выбрать точку обхода и посмотреть, как работают различные алгоритмы:

https://tprg.ru/HFR3

#алгоритмы #сортировки

4 библиотеки Python, которые помогут зарабатывать деньги на парсинге веб-страниц.

https://proglib.io/w/38c755fc

3 способа реализовать параллелизм в ваших программах на Python.

https://proglib.io/w/1ca053af

Expert Python Programming (2020)
Автор: Michal Jaworski, Tarek Ziade
Количество страниц: 646

Несмотря на легкость использования Python, содержать код читабельным, многократно используемым и легко поддерживаемым — довольно сложная задача даже для опытного программиста. Третье издание Expert Python Programming, дополненное передовыми практиками, полезными инструментами и стандартами, используемыми профессиональными разработчиками, поможет вам улучшить качество вашей работы.

Скачать книгу

Подготовили для вас подборку статей, которые помогут легче начать свой путь программиста на Python, ведь тут вы узнаете:

— основные типы данных в Python: https://tprg.ru/7yw8

— какие встроенные функции нужно знать, а на какие не стоит тратить время: https://tprg.ru/DkFR

— зачем нужны функции с переменным количеством переменных и как ими пользоваться: https://tprg.ru/McGU

— что такое словари и что с ними делать: https://tprg.ru/U0I7

— как работают алгоритмы сортировки: https://tprg.ru/VHC5

— как работают импорты в Python: https://tprg.ru/3mRr

— зачем нужны декораторы и как ими пользоваться: https://tprg.ru/NoFh

​Как при помощи Python научить нейросети обучать друг друга

Автор проекта создавал поколение из 200 машин, при этом каждой давалась своя случайная нейронная сеть с уникальными параметрами. После первого запуска применялся генетический алгоритм, который создавал улучшенное поколение автомобилей. Таким образом, через несколько итераций машины сами научились ездить по заданной трассе.

Стоит отметить, что и при смене трассы те же самые машины показали себя достаточно хорошо уже при первом запуске.

https://tprg.ru/4jdu

#ml

Animations of Gradient Descent and Loss Landscapes of Neural Networks in Python | by Tobias Roeschl | Dec, 2020 | Towards Data Science
https://towardsdatascience.com/animations-of-gradient-descent-and-loss-landscapes-of-neural-networks-in-python-e757f3584057