欢迎来到Python周刊第312期。本周干货满满。尽情享用吧！
Intel®数学核心库现在支持ActivePython啦！参加我们的联合网络研讨会，了解Intel性能库是如何加速ActivePython中的线性代数、FFT、算术和超越运算，以推动Python中更快的数值计算和机器学习。体验高性能Python吧！
建议支持模块上定义的__getattr__函数，以提供模块属性访问的基本自定义。
PEP 3107引入了函数注释的语法，但是，故意让语义保持未定义。PEP 484为注释引入了标准的含义：类型提示（type hint）。PEP 526定义了变量注释，明确将它们与类型提示用例绑定。这个PEP提出了更改函数注释和变量注释，使其在函数定义时间不在进行评估。相反，它们以字符串的形式保存在__annotations__中。
如果你阅读数据科学文章，那么你或许已经刚好碰到FiveThirtyEight的内容了。当然，它们惊人的可视化给你留下了深深的印象。在这篇文章中，使用Python的matplotlib和pandas，我们会看到，复刻任意FiveThirtyEight (FTE)的可视化的核心部分是相当容易的。
使用Clarifai图像识别和Python，通过MMS实现Not Hot Dog
让我们看看是否可以使用Clarifai来重新创建HBO的硅谷（Silicon Valley）创造的著名的Not Hot Dog应用。我们将会使用Twilio MMS来接收图像，并且通过Clarifai的食物模型来进行热狗检测。
通过本教程，你将解决图论中一个称为中国邮差问题的已建立问题。我们首先将浏览图的基本构建块（点、边、路径等等），并且使用Python中的NetworkX库，解决真实图形（国家公园的路径网络）上的这个问题。我们将会关注核心概念和实现。
最先进的结果，参数减少了60倍。
Anaconda对扩展科学Python生态系统颇感兴趣。我当前的关注点在于核外、并行和分布式机器学习。本系列将会介绍这些概念，探索我们今天所提供的东西，并且跟踪社区的努力以突破边界。本文将会关注在可以装入内存的数据集上进行训练，但是必须在比内存还要大的数据集上进行预测的场景。
使用Python、BlockExplorer和Webhose.io跟踪比特币
在这篇文章中，我们将会开发一个工具，通过它，我们可以针对特定的比特币地址，可视化它的流出流入交易流，然后使用Webhose.io执行中级的暗网搜索，来看看我们是否可以找到该比特币钱包提到过的隐藏服务。
为了改善产品分类的过程，我们从机器学习寻找帮助。我们的目标是开发一个机器学习系统，对于一个给定的产品，它可以预测该产品最适宜哪个目录，从而使得整个过程更容易、更快并且更少出错。在这篇文章中，我将会介绍一路上我们面对的问题，以及我们是怎样决定解决方法的。
使用Django REST框架的简单嵌套API
多元化：玩转Django中的客户数据
通过带你从头到尾开发一个真实的web应用，本动手指南的第二版演示了使用Python进行测试驱动开发（TDD）的实际优势。你将会学习如何在构建应用的每个部分之前，编写和运行测试，然后开发开发通过这些测试所需的最少量代码。结果呢？就是可以用的干净代码啦。
在Pole Star，我们需要一个具有丰富Python商业经验的软件工程师，来构建和维护我们基于Python的核心平台和服务。你将会在一个人才济济的跨学科团队中工作（该团队具有强大的创新文化），并且帮助我们实现高影响力的作品。
你将会加入到一个团队中，来设计、工程化、测试和大规模部署需要处理数百万客户端的系统，这些都是用于Bromium客户和我们的OEM合作伙伴。你将会让用户能够汇总配置和管理信息，以及查看和分析Bromium软件隔离的任何攻击。
加密货币价格和账户余额监控。
一个开源NLP研究库，基于PyTorch。
使用在emojis上预先训练的深度学习模型的最先进的情感分析。
帮助教授孩子编程原理、Python和数学的notebooks系列。
TensorLy是一个用于tensor学习的快速简单的Python库。它构建于NumPy、SciPy和MXNet之上，允许快速直接的tensor分解、tensor学习和tensor代数。
Monique Dashboards是一个用来创造面板和监控应用的创新Python库。它具有用来创建自定义面板的完整的功能性示例Web和HTTP API应用：Monique Web和Monique API。
开放神经网络交换 (ONNX)是迈向开放生态系统的第一步，它使得AI开发者可以随着其项目的演进，选择合适的工具。ONNX为AI模块提供了一个开源格式。它定义了一个可扩展的计算图模型，以及内置运算符和标准数据类型的定义。
anaGo是一个使用Keras的用于序列标记的最先进的库。anaGo可以为多种语言执行命名实体识别 (NER)，词性标记 (POS标记)，语义角色标记 (SRL)等等。
这个项目提供了用于强化学习的优化基础设施。它扩展了OpenAI gym接口道多个并行环境，并且允许在TensorFlow中实现代理，以及执行批量计算。
SRU是一个周期性单元，可以比cuDNN LSTM快十倍，而且在许多任务中测试都没有精确度损失。
Django Gamification旨在填补Django包生态的游戏空缺。在当前的状态下，Django Gamification提供了一组可用于实现应用中游戏化功能的模块。这些包含了用来跟踪包括徽章、点和可解锁的所有游戏化相关对象的集中接口。
给大容量深度学习数据的二进制存储格式。
这个夏天，我开始了一个新的项目。我碰到了一些在其他项目中也会碰到的问题。这个演讲是对其中一些问题进行的漫漫探索。随着演讲的推进，我会解释Python设施，并且提到棘手的工程问题：什么是大O表示法，以及它会如何影响代码速度？Python的特殊方法是什么？如何选择数据表示？如何处理其他人的代码？如何管理不确定性？以及最重要的是：如何克服自己的恐惧和疑虑。
LA Django 2017年九月聚会 - Los Angeles, CA
将会有以下演讲：
- Python和Django中更好的调试
- Django中的干净架构
本周的主题将会是pipenv。它是啥，如何使用它，以及一些额外的细节。