Descente de gradient stochastique et déploiement de vos scripts Python sur le Web – Le véritable podcast Python

By | février 19, 2021

Expert Python

Véritable logo Python

19 févr.2021 1h 1m

Connaissez-vous les étapes initiales pour héberger votre script Python sur le Web? Vous avez peut-être construit quelque chose avec Flask, mais comment le feriez-vous pour pouvoir le partager avec d'autres? Cette semaine dans l'émission, nous avons l'invité précédent Martin Breuss de retour dans l'émission. Martin partage son récent article intitulé «Applications Web Python: déployez votre script en tant qu'application Flask». David Amos revient également, et il a apporté un autre lot d'articles et de projets hebdomadaires de PyCoder.

Commanditaire de l'épisode:

David partage un article mathématique récent sur Real Python sur l'algorithme de descente de gradient stochastique avec Python. La descente de gradient stochastique est un algorithme d'optimisation souvent utilisé dans les applications d'apprentissage automatique pour trouver les paramètres de modèle idéaux.

Nous couvrons également plusieurs autres articles et projets de la communauté Python, notamment les tests basés sur la propriété avec hypothèse, le bras de fer de Python entre les fonctionnalités adaptées aux débutants et la prise en charge des utilisateurs avancés, le fonctionnement des entiers Python, le conseil de direction accepte PEP 634, un framework full-stack pour Django nommé django-unicorn, et un environnement de programmation visuelle appelé Math Inspector.

Les sujets:

  • 00:00:00 – Présentation
  • 00:02:44 – Test basé sur les propriétés avec hypothèses et cas d'utilisation associés
  • 00:09:55 – Le bras de fer de Python entre les fonctionnalités conviviales pour les débutants et la prise en charge des utilisateurs avancés
  • 00:18:50 – Commanditaire: Scout APM
  • 00:19:54 – Comment fonctionnent les entiers Python
  • 00:26:53 – Le Conseil directeur de Python accepte la PEP 634
  • 00:32:48 – Algorithme de descente de gradient stochastique avec Python et NumPy
  • 00:38:36 – Pleins feux sur le cours vidéo
  • 00:39:39 – Martin Breuss – Suivi du programme de mentorat Stay at Home
  • 00:42:13 – Applications Web Python: déployez votre script en tant qu'application Flask
  • 00:52:25 – django-unicorn: un framework magique Full-Stack pour Django
  • 00:55:15 – Math Inspector: Un environnement de programmation visuelle pour le calcul scientifique avec NumPy et SciPy
  • 01:00:21 – Merci et au revoir

Afficher les liens:

Test basé sur les propriétés avec hypothèses et cas d'utilisation associés – Le test des logiciels est difficile. Les tests basés sur les propriétés peuvent vous aider à créer des tests plus efficaces. Découvrez comment effectuer des tests basés sur les propriétés avec le hypothèse framework en examinant certains cas d'utilisation du monde réel.

Le bras de fer de Python entre les fonctionnalités conviviales pour les débutants et la prise en charge des utilisateurs avancés – Python a apporté de grandes améliorations aux traces dans les versions récentes. Découvrez comment les retraçages ont évolué au cours des deux dernières versions majeures et où il reste encore du travail à faire. Consultez la discussion sur Hacker News.

Fonctionnement des entiers Python – Le type de données entier de Python est assez différent de la plupart des autres langages car ils permettent une précision arbitraire. Découvrez comment les nombres entiers fonctionnent sous le capot dans cet article détaillé.

Le Conseil de pilotage de Python accepte le PEP 634 – La correspondance de modèles, qui ajoute une sorte d'instruction switch-case à Python, a été acceptée.

Algorithme de descente de gradient stochastique avec Python et NumPy – Découvrez ce qu'est l'algorithme de descente de gradient stochastique, comment il fonctionne et comment l'implémenter avec Python et NumPy.

Applications Web Python: déployez votre script en tant qu'application Flask – Dans ce didacticiel, vous apprendrez à passer d'un script Python local à une application Web Flask entièrement déployée que vous pouvez partager avec le monde entier.

Projets:

Liens supplémentaires:


Tweet
Partager
E-mail

Améliorez vos compétences Python avec ces cours:

«Parcourir tous les épisodes

[ad_2]