欢迎来到Python周刊第280期。让我们直奔主题。
Kickstarter: 用Python进行计算机视觉深度学习（Kickstarter: Deep Learning for Computer Vision with Python）
在这本来自PyImageSearch.com的新书中，你将会找到超级实用的演练，实践教程和一种非BS教学方式，保证帮你掌握计算机视觉的深度学习。要了解更多信息，仅需点击这里。
不具体到Python，但是这篇文档目的是帮助那些具有机器学习基础知识到人，从谷歌获取获取关于机器学习的最佳实践的好处。
这个教程将会向你提供关于你可以如何使用Excel和Python的一些见解。它将向你提供你在Python的帮助下，可以用来加载和写入这些电子表格到文件中的包的概述。你将学到如何使用诸如pandas, openpyxl, xlrd, xlutils和pyexcel这样的包。
了解聊天机器人是如何工作的很重要。一个聊天机器人内部机制的一个基本部分是文本分类器。让我们来看看用于文本分类的人工神经网络(ANN)的内部工作过程。
数据科学How-To：使用Apache Spark进行体育分析
在体育界中，分析已经成为了主要的工具，而特别是在NBA中，分析具体化了如何打比赛。联盟已经偏向于采取更多的3分射门，因为这种方式在每次投篮尝试得分评估下更加高效。在这篇文章中，我们使用从1979年开始的赛季统计数据，壹基金地理空间投篮图数据，来评估和分析NBA中的这种趋势。这篇文章中的概念 —— Spark中的数据清理、可视化和建模 —— 是一般的数据科学概念，可以应用到体育数据分析之外的其他任务上。这篇文章总结了作者对使用Spark的一般感觉，以及给新用户的提示和建议。
在这篇文章中，我们将专注于开发一个应用后随之而来的数据科学工作流阶段：生产化和部署数据科学工程和应用。我们将会基于我们在Anaconda企业平台上与客户合作的经验，以及定制咨询和培训解决方案，讨论最佳实践、推荐的工具和常见工作流。
我们描述了可以如何利用Python来简化药物发现数据的管理、建模和传播，以及为相关科学界开发创造性的免费工具。我们会看到各种例子，例如化学工具包，机器学习应用和web框架，并展示Python可以如何将它们粘合在一起，来创造高效的数据科学管道。
这篇文章介绍了如何使用Keras+Tensorflow来创建一个卷积神经网络，并且训练它来讲一辆车保持在两条白线之间。
利用Q-Learning，在一个小小的爬行机器人上学习动作元（motor primitives）
在Keras / Tensorflow上用深度学习进行食物分类
Paints Chainer是使用链接器的素描着色器。使用CNN，你可以自动／半自动为你的草图上色。
使用深度学习检测clickbait头条。
打印机利用工具包。你的打印机安全吗？在别人下手之前检查一下吧……
StreamAlert是一个无服务器、实时数据分析框架，让你能够在来自任意幻环境的数据上获取、分析和预警，使用你定义的数据源和告警逻辑。
极其快速的Python 3.5+ web微框架，与pipelining HTTP服务器集成，基于uvloop和picohttpparser。
带Python语法查询的轻量级数据库，使用ZeroMQ。
将html转化成图像的Wkhtmltoimage python分装器
BucketStore是一个用Python编写的非常简单的Amazon S3的客户端。它的目的是比boto3更直接使用，并且只专注于Amazon S3，忽略AWS生态的其余部分。
视频游戏和家庭自动化。基于游戏中状态控制你的物联网设备。
将男性肖像转换成女性，以及将女性肖像转换成男性的深度学习项目。
如何获取免费wifi。
监控诸如干衣机或者车库开门器之类的振动设备的设备。
一个用于可视化和操作高维数据的python工具箱。
推特元数据爬虫以及活动分析器。
使用卷积神经网络的单词预测。
San Francisco 2017年二月Python聚会 - San Francisco, CA
将会有以下讲座
- Python中的不可变数据库建模
- Python中的TextRank
- 使用Apache Airflow的高级数据工程模式
LA Django 2017年二月聚会 - Los Angeles, CA