Schlangenfraß: Eine weitere (Riesen-) Linkschleuder

Ich bin schon wieder dabei, meinen Feedreader auszumisten. Heute möchte ich daher alles aufschreiben, was auch nur entfernt mit Python und/oder Jupyter, Data Science, maschinelles Lernen und Versionskontrolle zu tun hat. Ein paar kleine Ausflüge nach R und andere seltsame Dinge sind auch dabei:

Tips und Tricks

• Peter Gleeson: An A-Z of useful Python tricks.

• Ralu Bolovan: A Beginner’s guide to the new AWS Python SDK for Alexa.

• Björn Bohn: Google stellt eine API zur Integration von Google Photos bereit. Die Google Photos Library API ermöglicht eine Integration von Googles Fotodienst in eigene Applikationen – allerdings mit einer Nutzungsgrenze.

• Dominic Fraser: How to manage multiple Python versions and virtual environments. 🐍

• Karan Asher: How to make your own Python dev-server with Raspberry Pi.

• Shubhi Asthana stellt Essential libraries for Machine Learning in Python vor.

• Sachin Malhotra: Recursion Demystified in Python.

Data Science und Visualisierungen

• Rohan Joseph: How to visualize the Central Limit Theorem in Python. The Central Limit Theorem states that the sampling distribution of the sample means approaches a normal distribution as the sample size gets larger.

• Noch mehr Visualisierungen: Streamtubes in Plotly with Python.

• Kavita Ganesan: An easy way to make word clouds for data scientists.

• Veronika Rovnik: Powerful tools for MongoDB data visualization.

• Python im GIS-Einsatz: Aktuelle Package-Empfehlungen zur Automatisierung von wiederkehrenden GIS- und Geodaten-Workflows.

• Be a more efficient data scientist, master pandas with this guide. Wenn Ihr sonst nichts über pandas lest, lest dieses Tutorial von Félix Revert.

• Payman Taei: The 25 Best Data Visualizations of 2018. Schaut Euch das an – diese Beispiele sollten Euch inspirieren.

Jupyter

• Tirthajyoti Sarkar: How to set up PySpark for your Jupyter notebook.

• Tony Hirst: Embedded Audio Players in Jupyter Notebooks Running IRKernel.

• Loïc Gouarin: Deploying JupyterHub with Kubernetes on OpenStack.

• Luciano Resende: On-demand Notebooks with JupyterHub, Jupyter Enterprise Gateway and Kubernetes.

R und/oder Python?

• How to Integrate the Best of Both into Your Data Science Workflow. Das erklärt Euch Matt Dancho.

• John Mount: Running the Same Task in Python and R.

• Joel Grues hat den vielbeachteten Vortrag »I Don’t Like Notebooks« gehalten (wir berichteten), Yihui Xie hat mit »The First Notebook War« eine Entgegnung geschrieben (via Revolutions).

Python und Git(Hub)

• GitHub und Jupyter mit Ami Rathi: How to handle version control and reproducibility with Jupyter Notebook.

• Matt Makai: GitPython and New Git Tutorials und First Steps with GitPython.

• Alexander Neumann: So tickt das GitHub-Ökosystem. Der Code-Hoster gibt einmal im Jahr einen Einblick darüber, wo, wann, wie und für was seine Anwender GitHub nutzen.

• Aditya Sridhar: How to become a Git expert ist ein sehr schönes, einführendes Tutorial.

Updates

• Jupyter QtConsole 4.4 ist draußen. Änderungen könnt Ihr im Chagelog und in den GitHub Milestones nachlesen.

• IPython 7 ist draußen und hat die Unterstützung für Python 2.7 gestoppt. Kann aber dafür Async REPL. Ich weiß zwar nicht, wer das braucht – aber von mir aus …

• Python in Visual Studio Code: August 2018 Release und September 2018 Release.

War sonst noch was? Ach ja, Machine Learning soll Lücken bei der Wikipedia füllen und dabei den Frauenanteil erhöhen – Amy Heineike erklärt in diesem Video wie –, Harini Janakiraman hat eine künstliche Intelligenz erschaffen, die die Drachen aus Game of Thrones klassifizieren kann und die künstliche Intelligenz von Patryk Miziuła kennt die Unterschiede zwischen Aliens und Predatoren.

(Photo (CC-BY 3.0): Zachi Evenor, Quelle: Wikimedia Commons)

(Kommentieren)