新智元報道

來源：medium.mybridge.co

編譯：May

【新智元導讀】在上個月的將近1000篇與Python相關的文章/項目中，Mybridge甄選了10篇最熱文章，主題有關：Backend, Book, PLSDR, Dlib, Pipenv, Web Scraping, Serverless, LSTM, Gensim, 2D game等。

1. 2018的現代後端開發（書籍）

Modern Backend Developer in 2018

今天的網路開發與幾年前完全不同，有很多不同新東西可以阻礙任何進入網路開發的人。我們決定用一個視覺指南給從業者一個更廣闊的更清晰的想法，讓他們知道自己在網路開發中的角色。

地址：

https://medium.com/tech-tajawal/modern-backend-developer-in-2018-6b3f7b5f8b9

2. 全速Python：給自學者的免費電子書

這本書旨在用實用的方法教授Python程序設計語言：在簡要介紹每一個主題後，讀者被邀請通過練習來學習和掌握知識。通過這些練習，大多數學生在不到一個月的時間裡就可以使用Python語言了。

下載地址：

https://github.com/joaoventura/full-speed-python

3. PLSDR：一個強大的基於Python的軟體定義無線電（SDR）

特定軟體無線電（簡稱SDR），作為現代無線電技術的一部分。是用Python編寫的，它依賴於GNU無線電技術基礎的內部工作。

這不是我的第一個SDR，我已經寫過其他的了，一個例子是JRX，這個程序通過一個HAMLIB的業餘無線電接收機和發射機介面。但這一領域的發展如此之快，軟體和硬體都發生了巨大的變化，因為JRX和HAMLIB的出現，現在可以獲得一個性能相同的射頻前端設備，只需很少的資金，就可以使用一個專門的程序比如PLSDR來訪問它。

地址：

https://arachnoid.com/PLSDR/index.html

4. 用Dlib的Python構建Instagram上的PIN功能

我們將用Python構建Instagram的PIN功能，這就是說一個圖像被放置在特定位置，而攝像機圍繞著這個圖像移動。現在蘋果的ARKIT的別針圖像功能已經變得司空見慣，但使用簡單的介面比如如DLIB的相關跟蹤器，為我們提供了一個很好的起點，不再需要用像iPhone那樣的感測器數據。所以我們將用Python創建一個用別針圖像製作視頻的工具。

地址：

https://www.makeartwithpython.com/blog/instagram-pin-effect-in-python/

5. Pipenv：新的Python包裝工具指南

Pipenv是一個Python的打包工具，它解決了使用pip、virtualenv、以及txt的典型工作相關的一些常見問題。 除了解決一些常見問題之外，它還將開發過程簡化為單個命令行工具。

本指南將討論Pipenv 解決的問題，以及如何用Pipenv 管理Python從屬關係（Python dependencies）。此外，它還將涵蓋Pipenv 如何與以前的分配包（Package distribution）方法相適應。

地址：

https://realpython.com/pipenv-guide/

6. 網路數據採集、正則表達和數據可視化：在Python中完成這一切

雖然在Excel中手動輸入數據肯定會更快，但我會喪失實踐一些技能的寶貴機會。數據科學是用各種各樣的工具來解決問題的，而網路數據採集和正則表達式是我需要做的兩個領域。結果顯示了我們如何將這三種技術結合起來解決數據科學問題。

這個項目的完整代碼可在谷歌實驗室的Jupyter Notebook上找到。

地址：

https://towardsdatascience.com/web-scraping-regular-expressions-and-data-visualization-doing-it-all-in-python-37a1aade7924

7. 6個月內我學到的6件關於不使用硬體基礎設施的事情

6個月里，我們在沒有用伺服器（serverless）的情況下創造了四個重要項目。一旦你找到了正確的工具，沒有伺服器的世界非常棒。

第1課：Ditch Python

第2課：中間層

第3課：享受VUE

第4課：學習熱愛DynamoDB

第5課：無伺服器框架FTW

第6課：授權

地址：

https://read.acloud.guru/six-months-of-serverless-lessons-learned-f6da86a73526

8. Python的長短期模型LSTM：股票市場的預測

在這個教程中，你將看到如何使用時間序列模型（time-series model），又被稱作作長短期模型（Long Short-Term Memory）。這個LSTM 模型非常強大，特別是對於保留長期記憶。你將在這個教程中解決下列問題：

• 理解為什麼需要進行股票動態預測

• 下載數據 -- 您將會從雅虎經濟 Yahoo finance上下載股票市場數據

• 分開實驗數據Split train-test data和實行數據規範化data normalization

• 為了得到下一步的預測，整理和應用一些求平均值的技術averaging techniques

• 激勵， 簡短的探討LSTM 模型如何可以預測多於一步

• 用現有的數據來預測和圖像化未來的股票市場

地址：

https://www.datacamp.com/community/tutorials/lstm-python-stock-market?utm_source=mybridge&utm_medium=blog&utm_campaign

9. 用 Gensim (Python) 主題建模

主題建模Topic Modeling 是從大量的文本中提取出隱藏的主題的一項技術。潛在狄利克雷分布 Latent Dirichlet Allocation (LDA) 是在Python的gensim包中一種優秀的文檔主題生成模型計算。其所面臨的挑戰是如何提取清楚的、分離開的、有意義的高質量的主題。這很大程度上取決於文本預處理的質量和找到最佳數量主題的策略。本教程就試圖解決這兩方面的問題。

地址：

https://www.machinelearningplus.com/nlp/topic-modeling-gensim-python

10. 如何用Python和Arcade library創建一個2D遊戲

Python是人們學習編程的優秀語言，對於任何想要「完成任務」的人來說都是完美的，還不需要在樣板代碼上花費大量的時間。Arcade是Python 用來做2D 遊戲設計的，不但容易開始，而且隨著經驗提高會更有前途。在本文中，我將解釋如何開始使用Python和Arcade來編程視頻遊戲。

地址：

https://opensource.com/article/18/4/easy-2d-game-creation-python-and-arcade?utm_source=mybridge&utm_medium=blog&utm_campaign

【加入社群】

新智元 AI 技術 + 產業社群招募中，歡迎對 AI 技術 + 產業落地感興趣的同學，加小助手微信號: aiera2015_3 入群；通過審核後我們將邀請進群，加入社群後務必修改群備註（姓名 - 公司 - 職位；專業群審核較嚴，敬請諒解）。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！