windows, delphi7:<\/p>\n
- \n
- смотри, формы, можно сделать свой калькулятор или сапёр, настоящее windows приложение!<\/li>\n
- если рисовать картинки-спрайты и их передвигать, то получится наколеночная версия героев 3<\/li>\n
- а если подключить tcp\/ip и udp, то можно сделать сетевой чатик, или даже Radmin<\/li>\n<\/ul>\n
web, php:<\/p>\n
- \n
- смотри, это кроссплатформенно, работает в любом браузере на любой ОС!<\/li>\n
- можно верстать полупрозрачности-градиенты, воплотить любой интерфейс, гораздо красивее windows controls<\/li>\n
- с помощью кравлеров можно спарсить весь интернет себе<\/li>\n<\/ul>\n
web, js:<\/p>\n
- \n
- смотри, твой код работает на сотне серверов и миллионы пользователей каждый день пользуются твоим UI!<\/li>\n
- а js можно писать и на клиенте и на сервере, прикольно. Посмотрим что из этого получится<\/li>\n
- ios, android: теперь можно делать приложения, работающие на телефонах и планшетах: свайпы, зумы, доступ к камере, gps<\/li>\n<\/ul>\n
mapreduce, python:<\/p>\n
- \n
- смотри, 15000 машинок обработают десятки терабайт данных за полчаса и выведут тебе результат!<\/li>\n<\/ul>\n",
"date_published": "2016-07-18T11:30:53+03:00",
"date_modified": "2016-07-18T11:29:37+03:00",
"tags": [
"frontend",
"js",
"programming",
"python",
"яндекс"
],
"_date_published_rfc2822": "Mon, 18 Jul 2016 11:30:53 +0300",
"_rss_guid_is_permalink": "false",
"_rss_guid": "24",
"_e2_data": {
"is_favourite": false,
"links_required": [],
"og_images": []
}
},
{
"id": "21",
"url": "https:\/\/keen.nerevar.com\/all\/pycon-russia-2016\/",
"title": "PyCon Russia 2016",
"content_html": "
![](\"https:\/\/keen.nerevar.com\/pictures\/pycon2016_2.jpg\")
<\/p>\nВ начале июля состоялась двухдневная конференция Pycon Russia 2016<\/a> в подмосковье. До этого 3 года подряд конференция проходила в Екб.
\nМне очень понравилась как организация конфы, место проведения, так и сами доклады. Как начинающего питониста, меня порадовало разнообразие тем докладов: ядро CPython, тестирование, инфраструктура, machine learning, highload.<\/p>\nUPD: а вот и доклады https:\/\/www.youtube.com\/watch?v=sEciSlAClL8&index=1&list=PLRdS-n5seLRqszBqVDF342RMlCWgOTm6q<\/a><\/p>\n
![](\"https:\/\/keen.nerevar.com\/pictures\/pycon2016_1.jpg\")
<\/p>\nКраткий конспект самых интересных докладов:<\/p>\n
Thinking about Concurrency<\/h3>\n
Two first things to learn about multithreading are fear and respect.
\nДоклад от разработчика языка python Raymond Hettinger<\/a>’а про многопоточность. В нём сравниваются потоки и процессы (threads versus processes).
\nУ потоков есть общий state, что является и плюсом и минусом одновременно — возникает проблема разграничения доступа потоков к общим данным. Для этого могут использоваться блокировки (locks) и флаги. Но они порождают deadlock’и и race conditions.
\nУ процессов нет общих данных, они запускаются независимо.<\/p>\n\r\nfrom multiprocessing import Pool\r\nn = 10\r\npool = Pool(processes=n)\r\nresults = pool.map(complex_operation, [x for x in range(n)])\r\n<\/pre>\n
Theano<\/h3>\n
Екатерина Тузова из Jetbrains рассказывала про применение фреймворка нейронных сетей Theano как переводчик с языка математики в программирование. Постановка задачи такая, что к программистам приходят математики с моделью, которую просят запрограммировать. Тут на помощь приходит Theano, с помощью которого можно вычислять математические выражения, содержащие многомерные массивы. Презентация — https:\/\/speakerdeck.com\/ktisha\/theano-lets-build-a-net<\/a><\/p>\n
Tensorflow and deep learning<\/h3>\n
Самый интересный доклад + воркшоп про создание нейросети на TensorFlow от Martin Gorner из Google. Про это отдельный пост — https:\/\/keen.nerevar.com\/all\/tensorflow-and-deep-learning-from-pycon-2016\/<\/a><\/p>\n
Docker:<\/h3>\n
От евангелиста докера был обзорный доклад технологии с примерами образа, настройками и конфигами. Как собрать образ с нуля по шагам, как разворачивать, куда его выкладывать. Как известно, любая команда в докере создаёт новый слой, который отдельно кешируется, скачивается, применяется, поэтому имеет смысл объединить похожие по смыслу действия в один слой. Так получаются всего несколько слоём: 1) установка python, окружения 2) установка проектных зависимостей 3) непосредственно запуск проекта.
\nПрезентация — https:\/\/speakerdeck.com\/satyrius\/deliver-python-apps-with-docker,<\/a> демо — https:\/\/github.com\/satyrius\/paid<\/a><\/p>\nNeo4j graph db<\/h3>\n
Программист-олимпиадник, который очень любит графы, рассказывал про промышленное использование баз данных для хранения графов. Например на тематике фильмов и актёров он получал все фильмы, в которых снимался определённый актёр (рёбра графа) или в социальной сети с разными типами дружбы — по пользователю выборку друзей, друзей друзей, друзей друзей друзей и т.д до 6 уровней рукопожатий. Так вот для простых запросов, где нужно выбрать друзей друзей, MySQL показывает хорошие результаты. Но с увеличением уровня сложности, количества join’ов, время выполнения запросов в мускуле растёт экспоненциально. И тут на помощь приходят graph databases, предназначенные для хранения графов и работы с ними. В таких db найти друзей друзей друзей — это всего лишь найти рёбра к соседним вершинам и выполняется за линейное время. Докладчик сравнил несколько баз данных и выбрал Neo4j, к ней надстройку Cypher Query Language с SQL-подобным синтаксисом и py2neo коннектором для питона.
\nПрезентация — https:\/\/asoldatenko.com\/pyconru2016.pdf<\/a><\/p>\nЗнай и люби свой CPython<\/h3>\n
Доклад от разработчика из компании хакеров Positive Technologies про то, как устроен интерпретатор Питона и что можно сделать в его кишках. Как в C и ASM’е можно было работать с памятью напрямую, так и в докладе показаны примеры как менять значения переменных в памяти напрямую. В python, как известно, строки неизменяемы, а если писать напрямую в память — то на основе этого можно сделать класс MutableString. Значения любых переменных, свойства встроенных типов данных, действия операндов — всё можно менять. Для изучения как оно работает, поиграться — это интересно и познавательно. Только в production не рекомендуется использовать.
\nПрезентация — https:\/\/clck.ru\/9zuvF<\/a><\/p>\nUser-centered open source projects<\/h3>\n
![](\"https:\/\/keen.nerevar.com\/pictures\/222828002_128301_7824722293351189912.jpg\")
\nДоклад на английском от Jackie Kazil из Capital One про разработку и окружение open-source проекта.
\nРазных библиотек на гитхабе много, а хороших — нет. Jackie привела чеклист вещей, которые должны быть в любом хорошем проекте:<\/p>\n- \n
- Landing page<\/li>\n
- «Getting Started»<\/li>\n
- Install instructions (в идеале чтобы была одна строчка npm install или pip install)<\/li>\n
- Contribution guide<\/li>\n
- Responses < 24hrs<\/li>\n
- Clear git workflow<\/li>\n
- Labeled branches<\/li>\n
- License<\/li>\n
- Regular commits<\/li>\n
- Project status, ownership<\/li>\n
- Tests, test coverage and build result<\/li>\n
- «Other users»<\/li>\n<\/ul>\n
Презентация — http:\/\/www.slideshare.net\/jackiekazil\/usercentered-open-source<\/a><\/p>\n", "date_published": "2016-07-05T22:09:04+03:00", "date_modified": "2016-08-29T23:57:32+03:00", "tags": [ "pycon", "python" ], "_date_published_rfc2822": "Tue, 05 Jul 2016 22:09:04 +0300", "_rss_guid_is_permalink": "false", "_rss_guid": "21", "_e2_data": { "is_favourite": false, "links_required": [], "og_images": [] } }, { "id": "22", "url": "https:\/\/keen.nerevar.com\/all\/tensorflow-and-deep-learning-from-pycon-2016\/", "title": "Tensorflow and deep learning from Pycon 2016", "content_html": "
Самый интересный доклад + воркшоп про создание нейросети на TensorFlow от Martin Gorner из Google с конференции PyCon Russia 2016.<\/p>\n
В качестве предметной области был датасет mnist<\/a> с 50к чёрнобелых изображений цифр от 0 до 9 нарисованных от руки размером 28x28px. На вход нейросетке подаётся пачка картинок из flatten pixel mask размера 28x28=784 значения по каждой картинке, на выходе получаем вероятность класса от 0 до 9, которая сравнивается с реальным значением, функция ошибки — cross entropy.<\/p>\n
Для задач классификации в качестве функции активации хорошо подходит softmax — возвращает число от 0 до 1, которое можно интерпретировать как вероятность класса.<\/p>\n
Y = softmax(X * W + b)<\/pre>\n
где X — массив картинок, каждая кодируется массивом из 784 значений 1 или 0 по пикселям, W — веса каждого пиксела и b — константа (bias)
\nЗадача нейронной сети на каждом шаге, на каждой пачке данных, подбирать оптимальные веса для каждого пикселя путём минимизации функции ошибки<\/p>\ncross-entropy = -sum( Y_ans_i * log(Yi) )<\/pre>\n
где Yi — предсказанное значение, Y_ans_i — реальное значение.<\/p>\n
![](\"https:\/\/keen.nerevar.com\/pictures\/MNIST_2016-07-04_23-05-12.png\")
\nПри работе с нейросетями — формируешь структуру сети, подаёшь на вход много данных и снимаешь результат. А внутри происходит магия — нейросеть сама каким-то образом выделяет закономерности. Ещё добавить к этому сложную математическую модель оптимизации, получается работа с чёрным ящиком. Поэтому разработчикам очень важно наглядно видеть результат работы. Martin написал замечательную визуализацию процесса обучения сети, где показываются графики точности, ошибки, и самих изображений цифр, на которых тестируется модель.<\/p>\nБазовый вариант одноуровневой нейросети с 10 нейронами выдаёт 92.6% точности. Это очень мало, если учесть, что максимальная точность предсказывания для этой задачи 99.7%. Поэтому нейронку можно и нужно улучшать и оптимизировать. Первое, что можно сделать — это создать глубокую нейросеть — добавить ещё слои. При добавлении слоёв с активацией ReLU<\/a> из 200, 100, 60, 30 нейронов к базовому уровню softmax из 10 нейронов, точность возрастает до 97.2%<\/p>\n
Следующий шаг — это регулирование learning rate decay — порога изменения весов W для нахождения минимума функции ошибки. Чем меньше значение порога — тем точнее будут подбираться веса и тем больше итераций и данных нужно, чтобы выровнялась точность предсказаний. With decaying learning rate from 0.003 to 0.0001 decay_speed 2000, 10K iterations, final test accuracy equals 0.9824.<\/p>\n
![](\"https:\/\/keen.nerevar.com\/pictures\/scaled\/Tensorflow_and_deep_learning_-_without_a_PhD_-_Google_Slides_2016-07-04_23-20-05.scaled.png\")
\nНаконец, можно использовать свёрточную (convolutional) нейронную сеть для классификации картинок. В обычной нейросети каждый нейрон связан со всеми нейронами предыдущего слоя, и каждая связь имеет свой вес. В свёрточной нейросети в операции свёртки используется небольшая матрица, «окно», которое двигается по всему слою и формирует сигнал активации для нейрона на следующем уровне с соответствующей позицией. Эта матрица (окно, ядро свёртки) построена таким образом, что графически кодирует какой-либо один признак, например, наличие наклонной линии под определенным углом. Тогда следующий слой, получившийся в результате операции свёртки матрицы весов, показывает наличие данной наклонной линии в обрабатываемом слое и её координаты, формируя карту признаков (feature map)
\nТак, добавив 3 свёрточных слоя (6x6str1 5x5str2 4x4str2) к полносвязному слою relu из 200 нейронов и softmax 10, получим точность<\/a> 99.2%<\/p>\nПрезентация — http:\/\/goo.gl\/pHeXe7,<\/a> код демки — https:\/\/github.com\/martin-gorner\/tensorflow-mnist-tutorial<\/a>
\nИнтервью на хабре с Мартином https:\/\/habrahabr.ru\/company\/it_people\/blog\/303832\/<\/a> В нём он рассказывает про TFlearn<\/a> — высокоуровневая надстройка над TensorFlow с синтаксическим сахаром для создания моделей, которую планируется внедрить в ядро TF, а пока что можно пользоваться отдельным контрибом.<\/p>\n", "date_published": "2016-07-05T11:02:51+03:00", "date_modified": "2016-07-05T00:14:12+03:00", "tags": [ "machine learning", "ml", "pycon", "python" ], "_date_published_rfc2822": "Tue, 05 Jul 2016 11:02:51 +0300", "_rss_guid_is_permalink": "false", "_rss_guid": "22", "_e2_data": { "is_favourite": false, "links_required": [], "og_images": [] } }, { "id": "15", "url": "https:\/\/keen.nerevar.com\/all\/chto-novogo-ya-uznal-delaya-zadachi\/", "title": "Что нового я узнал, делая задачи или как выходить из рутины на работе", "content_html": "Под таким названием я начал вести заметку в Evernote, которой хочу поделиться в бложеке.<\/p>\n
Как-то взяв очередную задачу из трекера в работу, я вдруг заметил, что знаю как делать эту задачу. Знаю какие блоки создам. Знаю какой код будет формировать html на сервере. Знаю, какой блок за основу на клиенте, в котором есть все методы, которые мне нужны. Знаю, какие тесты буду писать на блоки. Когда код попадёт на ревью, когда вольётся в основную ветку, выкатится в прод. В задаче не осталось неизвестностей: я ясно и чётко представлял все свои действия на автомате мог это сделать не задумываясь.
\nИ когда таких задач — подавляющее количество, то пропадает интерес к ним.<\/p>\nЧтобы двигаться вперёд и развиваться, я решил фиксировать новый приобретённый опыт в заметке в Evernote. Одновременно с этим пробовать новые инструменты для работы, технологии, интересные находки в сети.<\/p>\n
Сразу скажу, что мне это не сильно помогло, но получилось очень интересно.<\/p>\n
23 ноября 2015 г.<\/b><\/p>\n
- \n
- git ll —merges — показывает только мёрдж коммиты в ветке. Полезно для dev, чтобы не видеть миллион коммитов в фиче-бранчах<\/li>\n
- grd — git rebase origin\/dev, предварительно нужно сделать git fetch<\/li>\n
- vh, vw, vmin, vmax — css vertical height в процентах, т. е. 100vh — 100% по высоте экрана<\/li>\n
- sublime multiple selection, cursors:\n
- \n
- выделить что-то<\/li>\n
- нажать Cmd+D чтобы выделить следующее<\/li>\n
- нажать вправо-влево, чтобы работать с курсором<\/li>\n<\/ul>\n<\/li>\n
- awk:\n
- \n
- вырезать вторую колонку: awk ’{print $1 $3 substr($0, index($0,$4))}’;<\/li>\n
- разделитель = ’много пробелов’: awk -vOFS=’ ’ ’{print $1,$2,$3}’;<\/li>\n
- format printf: awk ’{ printf «%-15s %-20s %s\\n», $1, $3, substr($0, index($0,$4)) }’<\/li>\n<\/ul>\n<\/li>\n
- написал команду, которая показывала когда кто последний раз заходил на бету — lastloguser\n
- \n
- for u in nerevar root needed_user; do lastloguser $u; done<\/li>\n<\/ul>\n<\/li>\n
<\/li>\n<\/ul>\n 25 ноября 2015 г.<\/b><\/p>\n
- \n
- nodejs benchmark:\n
- \n
- https:\/\/github.com\/sbmaxx\/bem-priv#benchmarks-results<\/a><\/li>\n
- https:\/\/www.npmjs.com\/package\/benchmark<\/a><\/li>\n
- https:\/\/www.npmjs.com\/package\/benchtable<\/a><\/li>\n<\/ul>\n<\/li>\n
<\/li>\n<\/ul>\n 26 ноября 2015 г.<\/b><\/p>\n
- \n
- mocha: describe.only — прогоняет тесты только из этого describe<\/li>\n
- sinon stub: правильно делать так:<\/li>\n<\/ul>\n
methodStub = sinon.stub(window, 'method', function(params) {\r\n return params;\r\n});<\/code><\/pre><\/pre>\n- \n
- в текущем es6 Map polyfill для nodejs не работает keys(), values(), entries()<\/li>\n<\/ul>\n
3 декабря 2015 г.<\/b>
\nУстановка на чистой машинке:<\/p>\n- \n
- sudo apt-get install nodejs npm<\/li>\n
- sudo ln -s \/usr\/bin\/nodejs \/usr\/bin\/node<\/li>\n
- sudo npm install npm -g<\/li>\n
- node update:\n
- \n
- curl -sL https:\/\/deb.nodesource.com\/setup<\/a> | sudo bash —<\/li>\n
- curl -sL https:\/\/deb.nodesource.com\/setup_4.x<\/a> | sudo -E bash —<\/li>\n
- sudo apt-get install -y nodejs<\/li>\n<\/ul>\n<\/li>\n
- для expressjs нужен https:\/\/github.com\/expressjs\/cookie-parser<\/a><\/li>\n
- а есть ещё body-parser для тела post-запросов<\/li>\n<\/ul>\n
4 декабря 2015 г.<\/b><\/p>\n
- \n
- Установить субмодули гита: git submodule update
init <\/s>recursive<\/li>\n<\/ul>\n5 декабря 2015 г.<\/b><\/p>\n
- \n
- Есть разные версии JDK. Их можно установить все и переключать в dotfiles через JAVA_HOME: http:\/\/stackoverflow.com\/a\/6588410\/3186155<\/a><\/li>\n
- iTerm2 переход по словам Alt+left, Alt+right https:\/\/coderwall.com\/p\/h6yfda\/use-and-to-jump-forwards-backwards-words-in-iterm-2-on-os-x<\/a>\n
- \n
- Esc + b → слово назад<\/li>\n
- Esc + f → слово вперёд<\/li>\n<\/ul>\n<\/li>\n
- Evernote bullet hotkey Cmd+Shift+U<\/li>\n
- Плагины для cordova, связывающие нативную функциональность и js: https:\/\/cordova.apache.org\/docs\/en\/latest\/guide\/hybrid\/plugins\/index.html<\/a><\/li>\n
- Консоль js на android: adb shell «logcat | grep ’Web Console’»<\/li>\n
- ionic запустить на android девайсе: ionic run android —target=AU5LCINNAQLV4L6T<\/li>\n
- ionic запустить на android эмуляторе: ionic run android —target=192.168.56.101:5555
\n8 декабря 2015 г.<\/li>\n- Проверить media query: window.matchMedia( ’@media screen and (max-width: 786px)’ ).matches<\/li>\n<\/ul>\n
11 декабря 2015 г.<\/b><\/p>\n
- \n
- google spreadsheets: полосатая заливка =ISEVEN(ROW())<\/li>\n
- terminal zsh: Ctrl+Z —> свернуть, развернуть<\/li>\n
- Yandex Maps Print https:\/\/github.com\/nerevar\/yamaprint<\/a><\/li>\n
- Q.all, Q.defer — промисы, многопоточность<\/li>\n<\/ul>\n
21 декабря 2015 г.<\/b><\/p>\n
- \n
- shelljs не работает под самой последней нодой<\/li>\n
- для gzip лучше не использовать параметр -c, а запускать просто без параметра output’а, чтобы gzip сам создал архив с нужным именем<\/li>\n
- если selenium-grip не запускает окно браузера — то возможно запускает, просто его нет в Cmd+Tab и нужно посмотреть все открытые окна 4fingers-swipe-down<\/li>\n
- vim toggle fold block — za<\/li>\n<\/ul>\n
22 декабря 2015 г.<\/b><\/p>\n
- \n
- Метрика Первый названный бренд (Top-of-mind) — потребитель без подсказки называет определенный бренд первым<\/li>\n<\/ul>\n
25 декабря 2015 г.<\/b><\/p>\n
- \n
- window.URL.createObjectURL() — создаёт картинку из файла. Формат blob:
, типа base64<\/li>\n<\/ul>\n 30 декабря 2015 г.<\/b><\/p>\n
- \n
- R studio:\n
- \n
- считать файл metroflow <- read.table('metroflow.txt')<\/li>\n
- построить boxplot: boxplot(metroflow, las=1)<\/li>\n<\/ul>\n<\/li>\n
<\/li>\n<\/ul>\n 2 января 2016 г.<\/b><\/p>\n
- \n
- в js альтернативой php preg_match_all является str.replace(\/…\/g, callback)<\/li>\n
- sketch векторный, нет даже eraser brush<\/li>\n
- seashore basic image editor ничего так<\/li>\n<\/ul>\n
7 января 2016 г.<\/b><\/p>\n
- \n
- esprima, AST дерево, esprima-walk<\/li>\n
- Сортировка по убыванию _.sortByOrder(array, ’rank’, ’desc’)<\/li>\n
- npm i omit-deep для удаления свойств глубоко в объекте<\/li>\n
- require(’glob’).sync(’images\/blocks-*\/**\/*.js’) — возвращает массив файлов по маске<\/li>\n<\/ul>\n
10 января 2016 г.<\/b><\/p>\n
- \n
- gitter.im<\/li>\n<\/ul>\n
12 января 2016 г.<\/b><\/p>\n
- \n
- sinon fakeServer, fakeXMLHttpRequest, stub(jQuery, ’ajax’)<\/li>\n
- sinon spy & stub<\/li>\n<\/ul>\n
14 января 2016 г.<\/b><\/p>\n
- \n
- sinon.assert.calledOnce(callbackStub);<\/li>\n
- AssertionError может триггерить как chai, так и sinon, а mocha ловит их<\/li>\n<\/ul>\n
22 января 2016 г.<\/b><\/p>\n
- \n
- npm 3 устанавливает все зависимости плоско в node_modules. Если разные версии — то в локальные node_modules<\/li>\n<\/ul>\n
23 января 2016 г.<\/b><\/p>\n
- \n
- чтобы добавить закоммиченный файл в .gitignore, нужно его сначала удалить git rm -rf —cached
<\/li>\n - windows bat file: переменные объявляются через SET release=jmc%1, используются через 7z.exe %release%.zip<\/li>\n<\/ul>\n
25 января 2016 г.<\/b><\/p>\n
- \n
- API facebook посчитать количество лайков-шеров https:\/\/api.facebook.com\/method\/links.getStats?format=json&urls=http:\/\/d3name.ru<\/a><\/li>\n<\/ul>\n
26 января 2016 г.<\/b><\/p>\n
- \n
- установить npm 2: sudo npm i -g npm@2<\/li>\n<\/ul>\n
29 января 2016 г.<\/b><\/p>\n
- \n
- python NumPy — для работы с массивами и матрицами, статистические функции\n
- \n
- np.nanmedian — медиана без nan<\/li>\n<\/ul>\n<\/li>\n
- python matplotlib — для построения графиков<\/li>\n
- python scipy.stats — для статистических функций распределения случайных величин<\/li>\n
- python pandas — DataFrame, read\/write from popular formats\n
- \n
- понять, чо там: data.describe()<\/li>\n
- итератор: for index, row in data.iterrows():<\/li>\n
- pandas DataFrame to array: data[’Age’].tolist()<\/li>\n
- удалить NaN: data1[5:10][np.isfinite(data1[5:10][’Age’])]<\/li>\n<\/ul>\n<\/li>\n
- модифицировать data frame в цикле:<\/li>\n<\/ul>\n
for index, row in data1.iterrows():\r\n data1.set_value(index, 'Sex', 1 if row['Sex'] == 'male' else 0)<\/code><\/pre><\/pre>\n- \n
- Возвратить массив фич, прогнав текст по массиву регулярок:<\/li>\n<\/ul>\n
def feature_vector(text):\r\n return map(lambda x: 1 if x.search(text) else 0, reg_arr)<\/code><\/pre><\/pre>\n- \n
<\/li>\n<\/ul>\n 30 января 2016 г.<\/b><\/p>\n
- \n
- Сделать pycharm output шире: pandas.set_option(’display.width’, 150)<\/li>\n
- Деление float без округления: c = a \/ float(b)<\/li>\n
- Считать list из файла:\n
- \n
- samples = (line.decode(’utf-8’).split() for line in open(’names.txt’))<\/li>\n<\/ul>\n<\/li>\n
- Тернарный оператор:\n
- \n
- 1 if row[’Sex’] == ’male’ else 0<\/li>\n
- (0, 1)[row[’Sex’] == ’male’]<\/li>\n<\/ul>\n<\/li>\n
- Проверка подстроки в строке: if ’Mrs.’ in full_name:<\/li>\n
- boxplot http:\/\/blog.bharatbhole.com\/creating-boxplots-with-matplotlib\/<\/a>\n
- \n
- https:\/\/gist.github.com\/nerevar\/7ef3a840844d22ba2be5<\/a><\/li>\n<\/ul>\n<\/li>\n
- Сортировка в массиве по количеству вхождений элементов:\n
- \n
- from collections import Counter<\/li>\n
- print Counter(names).most_common()<\/li>\n<\/ul>\n<\/li>\n
<\/li>\n<\/ul>\n 7 февраля 2016 г.<\/b><\/p>\n
- \n
- np.linspace — сгенерировать массив чисел по оси OX: x = np.linspace(0,4,100)<\/li>\n<\/ul>\n
10 февраля 2016 г.<\/b><\/p>\n
- \n
- python Counter: print({k: v\/100.0 for k, v in c.items()})<\/li>\n<\/ul>\n
5 марта 2016 г.<\/b><\/p>\n
- python Counter: print({k: v\/100.0 for k, v in c.items()})<\/li>\n<\/ul>\n
- np.linspace — сгенерировать массив чисел по оси OX: x = np.linspace(0,4,100)<\/li>\n<\/ul>\n
- Сортировка в массиве по количеству вхождений элементов:\n
- https:\/\/gist.github.com\/nerevar\/7ef3a840844d22ba2be5<\/a><\/li>\n<\/ul>\n<\/li>\n
- Возвратить массив фич, прогнав текст по массиву регулярок:<\/li>\n<\/ul>\n
- python NumPy — для работы с массивами и матрицами, статистические функции\n
- установить npm 2: sudo npm i -g npm@2<\/li>\n<\/ul>\n
- windows bat file: переменные объявляются через SET release=jmc%1, используются через 7z.exe %release%.zip<\/li>\n<\/ul>\n
- чтобы добавить закоммиченный файл в .gitignore, нужно его сначала удалить git rm -rf —cached
- npm 3 устанавливает все зависимости плоско в node_modules. Если разные версии — то в локальные node_modules<\/li>\n<\/ul>\n
- gitter.im<\/li>\n<\/ul>\n
- R studio:\n
- window.URL.createObjectURL() — создаёт картинку из файла. Формат blob:
- Метрика Первый названный бренд (Top-of-mind) — потребитель без подсказки называет определенный бренд первым<\/li>\n<\/ul>\n
- Q.all, Q.defer — промисы, многопоточность<\/li>\n<\/ul>\n
- iTerm2 переход по словам Alt+left, Alt+right https:\/\/coderwall.com\/p\/h6yfda\/use-and-to-jump-forwards-backwards-words-in-iterm-2-on-os-x<\/a>\n
- Есть разные версии JDK. Их можно установить все и переключать в dotfiles через JAVA_HOME: http:\/\/stackoverflow.com\/a\/6588410\/3186155<\/a><\/li>\n
- curl -sL https:\/\/deb.nodesource.com\/setup_4.x<\/a> | sudo -E bash —<\/li>\n
- curl -sL https:\/\/deb.nodesource.com\/setup<\/a> | sudo bash —<\/li>\n
- в текущем es6 Map polyfill для nodejs не работает keys(), values(), entries()<\/li>\n<\/ul>\n
- https:\/\/www.npmjs.com\/package\/benchmark<\/a><\/li>\n
- https:\/\/github.com\/sbmaxx\/bem-priv#benchmarks-results<\/a><\/li>\n
- nodejs benchmark:\n
- смотри, 15000 машинок обработают десятки терабайт данных за полчаса и выведут тебе результат!<\/li>\n<\/ul>\n",
"date_published": "2016-07-18T11:30:53+03:00",
"date_modified": "2016-07-18T11:29:37+03:00",
"tags": [
"frontend",
"js",
"programming",
"python",
"яндекс"
],
"_date_published_rfc2822": "Mon, 18 Jul 2016 11:30:53 +0300",
"_rss_guid_is_permalink": "false",
"_rss_guid": "24",
"_e2_data": {
"is_favourite": false,
"links_required": [],
"og_images": []
}
},
{
"id": "21",
"url": "https:\/\/keen.nerevar.com\/all\/pycon-russia-2016\/",
"title": "PyCon Russia 2016",
"content_html": "