欢迎来到Python周刊第 353 期。让我们直奔主题。
学习如何使用 NumPy、Pandas、Seaborn、Matplotlib、Plotly、Scikit-Learn、机器学习、Tensorflow 等等！
在这篇文章中，你将深入探索最新最棒的 CPython 版本中的一些最新消息和新特性。
在这篇教程中，你将学习如何在树莓派上进行人脸识别。使用树莓派、Python 和 OpenCV 来识别人脸吧。
本文讨论了想要制作自己的迭代器的原因，然后展示方法。
在 Twitter 使用工作流生成机器学习
Cortex 为 Twitter 的团队提供了机器学习平台技术、建模专业知识和教育。其目的在于通过实现先进且道德的 AI 来改进 Twitter。有了在生产中运行机器学习模型的第一手经验，Cortex 寻求流水线式困难的机器学习过程，使工程师能够专注于建模、实验和用户体验。
著名的卷积神经网络的 NumPy 实现：迄今为止最有影响力的神经网络架构之一。
不良贷款（NPL）数据的数据处理与探索性数据分析。
让多行字符串变得漂亮的简短而甜蜜的术语。
实验数据的数字处理中常见的信号处理任务包括：插值、平滑和不确定度传播。将实验结果与理论模型进行比较，还需要进行曲线拟合、函数和数据绘制以及拟合优度确定。这些任务通常需要对数据进行交互式探索性处理，但为了使结果可靠，原始数据需要可以自由获取，分析结果易于重现。在这篇文章中，我们提供了使用数字 Python（Numpy）和科学 Python（SciPy）包和交互式 Jupyter Notebooks 来完成这些目标的方法示例（数据以普通纯文本电子表格格式存储）。本文包括了包含用于执行这些任务的 Python 代码的示例，并且可以作为分析新数据的模板使用。
使用 Python、Flask、Contentful 和 Twilio 创建火星主题应用
从新闻和演讲，到社交媒体上的非正式谈话，自然语言是最丰富和利用率最低的数据来源之一。不仅仅是因为它来源于流，并处于不断变化和适应的环境中；还因为它包含了传统数据源未传达的信息。解锁自然语言的关键是通过文本分析的创造性应用。本实用书提供了一种通过应用机器学习来构建语言感知产品的数据科学家的方法。
将二维 RGB 图像的所有人像素映射到身体的三维表面模型的实时方法。
Distiller 是一个用于神经网络压缩研究的开源 Python 包。网络压缩可以减少神经网络的内存占用，提高推断速度并节省能源。Distiller 提供了一个 PyTorch 环境，用于对压缩算法（例如稀疏诱导方法和低精度算法）进行原型设计和分析。
自然语言十项全能：NLP 多任务挑战。
molten 是一个 Python 3.6+ 的实验性网页框架。意味着最小、可扩展、快速和高效。
获取亚马逊售卖的商品的一些信息的非官方客户端。
用于终端的 S*xy 字体。这是 cfonts 的一个 Python 端口。
Python 中的 Backblaze B2 库。
基于 AI 和机器学习的计算机视觉，用于机器人。
带有重要权重的 Actor-Learner 架构的可扩展分布式深度 RL 的 TensorFlow 实现。
用于卷积和循环网络的可区分架构搜索。
Linux 终端录音机，用 Python 编写，可将你的命令行会话呈现为独立的 SVG 动画。
抓取 Instagram 前端。灵感来自于 @kennethreitz 的twitter-scraper。
一个最先进的 NLP 的非常简单的框架。
Fuxi Scanner 是一款开源网络安全漏洞扫描器，具有多种功能。
Python 中的高效构建和调试工具箱。特别用于科学计算和计算机视觉。
Python 3.7.0 是 Python 语言最新的主要版本，包含了许多新特性和优化。
Django-NYC 2018 年 7 月聚会 - New York, NY
将会有以下演讲：
- Django 入门
- 电子商务和存储挑战，为受监管的大麻行业搭建平台
- 如何让多元化和包容性的团队成为现实