20 игр, чтобы научить ребёнка программированию
https://habr.com/ru/post/440376/?utm_campaign=440376

Я считаю, что лучше начинать программировать с юного возраста — 4-5 лет, потому что кодинг активно развивает у детей когнитивные функции мозга, и это впоследствии помогает им отлично усваивать точные науки. А попробовать себя в программированию можно через обучающие игры

Американская художница Everest Pipkin bit.ly/2RPqgMm взяла несколько тысяч доступных изометрических тайлов с Deviantart, Opengameart и т.п., обучила на них DCGAN и сгенерировала новый tileset bit.ly/2TBiPKs. Получилось довольно глитчово, но для какой-нибудь артхаусной постапокалиптической игры вполне сойдёт, на мой взгляд. Обсуждение тут: bit.ly/2N2fP7H

Как побороть себя и запустить простой проект в короткие сроки

https://tprg.ru/hAUZ

Часто хорошие идеи так и остаются нереализованными, просто потому что нет достаточной мотивации для этого. Можно долго ждать воображаемый момент, когда и времени будет достаточно, и о доходах и расходах можно будет не думать.

Проблема в том, что такой момент может никогда и не наступить. Поэтому очень важно сократить время между появлением идеи и первым запуском проекта. Разложили по полочкам такой 10-дневный план.

#мотивация #веб

#advansed search
https://ahrefs.com/blog/google-advanced-search-operators/

Использование точечных диаграмм для визуализации данных
https://habr.com/ru/post/440674/?utm_campaign=440674

Если вы занимаетесь анализом и визуализацией данных, то скорее Вам придется столкнуться с точечными диаграммами. Несмотря на свою простоту, точечные диаграммы являются мощным инструментом для визуализации данных. Манипулируя цветами, размерами и формами можно обеспечить гибкость и репрезентативность точечных диаграмм.


В этой статье вы узнаете практически все, что вам необходимо знать о визуализации данных используя точечные диаграммы. Мы постараемся разобрать все необходимые параметры в их использовании в коде python. Также вы можете найти несколько практических уловок.

Как запустить Python скрипт
https://realpython.com/run-python-scripts/

matchlib - сравниваем вложенные структуры данных
https://github.com/qweeze/matchlib

Изучаем Python: модуль argparse
https://habr.com/ru/post/440654/?utm_campaign=440654

Если вы занимаетесь обработкой и анализом данных с использованием Python, то вам, рано или поздно, придётся выйти за пределы Jupyter Notebook, преобразовав свой код в скрипты, которые можно запускать средствами командной строки. Здесь вам и пригодится модуль argparse. Для новичков, привыкших к Jupyter Notebook, такой шаг означает необходимость покинуть зону комфорта и перейти в новую среду. Материал, перевод которого мы публикуем сегодня, написан для того, чтобы облегчить подобный переход.

Пишем и читаем файлы в Python
https://realpython.com/read-write-files-python/

Jupyter Notebook в Netflix
https://habr.com/ru/post/439272/?utm_campaign=439272

В последнее время Jupyter Notebook стал очень популярен среди специалистов Data Science, став де-факто стандартом для быстрого прототипирования и анализа данных. В Netflix, стараемся раздвинуть границы его возможностей еще дальше, переосмысливая то, чем может быть Notebook, кем может быть использован, и что они могут могут с ним делать. Мы вкладываем много сил, чтобы воплотить наше видение в реальность.
 
В данной статье мы хотим рассказать почему считаем что Jupyter Notebooks настолько привлекательным и что вдохновляет нас на этом пути. Кроме того, опишем компоненты нашей инфраструктуры и сделаем обзор новых способов использования Jupyter Notebook в Netflix.

Jupyter Notebooks —советы и  трюки
https://medium.com/lalitvyas1994/jupyter-notebooks-cool-tricks-timing-cells-making-slides-and-many-more-8bf629975c6b?source=rss------python-5

Оптимизация производительности Python
https://stackabuse.com/python-performance-optimization/

Пошаговый туториал по Machine Learning
https://codequs.com/p/BkaLEq8r4/a-complete-machine-learning-project-walk-through-in-python

Сортировка и объединение связаного списка
https://stackabuse.com/sorting-and-merging-single-linked-list/

Поговорим о структурах данных в Python
https://apirobot.me/posts/lets-talk-about-data-structures-in-python

Esolang: Piet, an easy tutorial

http://homepages.vub.ac.be/~diddesen/piet/index.html

Piet on the Net and in the Media

http://www.dangermouse.net/esoteric/piet/tools.html

​​Статья "Импорт данных о расходах в Google Analytics с помощью R", Макса Гапчука.

По сути это пошаговое руководство о том, как настроить передачу данных о расходах из Facebook в Google Analytics.

Для этого вам необходимо:
-Собрать необходимые данные с рекламного кабинета Facebook
- Создать приложение в Facebook
- Получить токен разработчика Facebook
- Получить необходимые данные с рекламного кабинета Facebook
- Создать в Google Analytics набор данных для импорта
- Преобразовать данные с рекламного кабинета в необходимый формат
- Настроить ежедневную автоматическую загрузку необходимых данных
- Создать сервисный аккаунт для работы с API Google Analytics

Каждый шаг подробно описан в статье.

Настроить ежедневную автоматическую загрузку данных