Die Linkschleuder zum Wochenende (nicht nur) für Pythonistas

Irgendwie sammelt sich im Feedreader und in meiner Mailbox Stoff an, den ich gerne aufheben und nicht vergessen möchte. Für einen Einzelbeitrag reicht es aber oft nicht, daher fasse ich diese Links heute wieder auf einer Seite zusammmen. Es geht in der Hauptsache um Python, TensorFlow und um künstliche Intelligenz, aber auch ein wenig Processing ist dabei.

• Als erstes einen längeren Artikel, der es fast zu einem eigenen Beitrag im Schockwellenreiter gebracht hätte: »What every software engineer should know about search« von Max Grigorev ist nicht nur vom Inhalt her interessant, sondern der Autor verwendet auch ein eigenes, aus Emojis bestehendes Auszeichnungssystem. So bedeutet zum Beispiel ❗Wichtig, 🔷 Merken, ☁️ Cloud, 🍺 Open Source oder freie Software, ☕️ JavaScript und 🐍 natürlich Python. Ich überlege, ob ich ähnliches nicht auch in diesem Blog Kritzelheft verwenden soll, ich hatte es schließlich gestern auch schon mit Bullet Journaling. 😜

• 🐍 Shubhang Desai schreibt über »Neural Artistic Style Transfer: A Comprehensive Look«. Mit Quellcode und vielen weiterführenden Links.

• 🐍 In eine ähnliche Kerbe schlägt Jon Bruner: »Finding meaning in generative adversarial networks«, der auch ein freies, interaktives Tutorial zu TensorFlow anbietet: »Generative Adversarial Networks for Beginners«.

• 🐍 Und dann auch noch dieser Beitrag von Dana Matropole, Robert Schroll und Michael Li: »The APIs for neural networks in TensorFlow – A look at the Layer API, TFLearn, and Keras«.

• 🐍 Von Lauren Glass kommt dieses kurze aber dennoch hilfreiche Tutorial: »Mastering Python Web Scraping: Get Your Data Back«.

• 🐍 Machine Learning can be useful in almost every problem domain: Ein Interview mit Sebastian Raschka.

• 🐍 Ein TensorFlow-Tutorial: How to Train a Simple Audio Recognition Network.

• 🐍 Amey Varangaonkar gibt sich kämpferisch: »Tech Wars – R vs Python«. Wer gewinnt? Lest selber!

• 🐍 Welcome to »Bayesian Modelling in Python« – a tutorial for those interested in learning how to apply bayesian modelling techniques in python (PYMC3). This tutorial doesn’t aim to be a bayesian statistics tutorial - but rather a programming cookbook for those who understand the fundamental of bayesian statistics and want to learn how to build bayesian models using python.

• ☁️ Google bietet Cloud-Dienste aus deutschem Rechenzentrum an: Bei deutschen Unternehmen stoßen Cloud-Dienste aus dem Netz noch immer auf Skepsis – auch wegen rechtlicher Bedenken. Nach Amazon und Microsoft bietet nun auch Google Cloud-Dienste aus Deutschland an.

• ☁️ Noch einmal Googles Cloud: Google App Engine startet standardmäßige Verschlüsselung. Zwar steckt der Dienst noch in der Betaphase, in der App Engine neu erstellte Domänen werden jedoch zukünftig alle mit SSL-Zertifikat zur verschlüsselten Kommunikation ausgestattet. Außerdem ist die Admin-API fertig.

• 😱 Daniel Jeffries und die AIpokalypse: »Why SuperIntelligent AI Will Kick Ass« ist eine witzige Analyse dieses popkulturellen Phänomens.

• 🐍 Whose ratings should you trust? IMDB, Rotten Tomatoes, Metacritic, or Fandango?. Der Data Scientist Alexandru Olteanu hat es untersucht und das Jupyter-Notebook mit dem Python-Quellcode ins Netz gestellt.

• ☕️ Cristobal Valenzuela hat mit P5.js, dem JavaScript-Mode von Processing mit (Land-) Karten und Visualisierungen experimentiert. Seine Ergebnisse stellt er in »Maps! Maps! Maps!« vor und sein Projekt Mappa findet Ihr ebenfalls auf GitHub.

• ❗Weil bald Wahlen sind: Miranda Bogen beschreibt in ihrem Artikel »When drawing a line is hard«, wie schwer es ist, daß Gerrymandering-Problem zu lösen. Auch für den Computer.

War sonst noch was? Ach ja, Ethan Jarrell erzählt 😜 Witze, die angeblich nur Programmierer verstehen (haben wir gelacht) und Atlas Obscura hat den 🐍 Tempel der Pythonistas in Ouidah, Benin gefunden. Damit dürftet Ihr für das Wochenende erst einmal genügend Lesestoff haben.

(Kommentieren)