تقليديا ، يتم استخدام Python لإنشاء خدمات الشبكة ، ولوحة خلفية على الويب ، وبالطبع لجمع البيانات ومعالجتها ، عادة ما تكون كبيرة. سنحاول مناقشة هذه المناطق في حصص متساوية مع تقارير النظام البيئي في موسكو Python Conf ++ القادمة. سيعقد هذا المؤتمر لمطوري Python في موسكو يومي 22 و 23 أكتوبر ، وأترأس لجنة البرنامج. البرنامج قد يقول ، لقد عانى ، نجحنا في جعله بالضبط كما خططنا - متنوع. الواجهة الخلفية ، البيانات الضخمة وميزات اللغة ، ندمج بشكل متناغم مع التقارير حول الاختبار والذكاء الاصطناعي والأمن و DevOps. أود مشاركة النتيجة معك مقدمًا ، لذلك أقدم مراجعة للتقارير الواردة في الأقسام - يمكن تخطي ذلك الذي لا ينطبق عليك بأي شكل من الأشكال.

على الرغم من الانتظار ، لا تتسرع في الانتقال إلى الموضوع التالي. تقول الصورة أعلاه: "المؤتمر المهني" - أي أنها مخصصة للمطورين المحترفين. لكن الضيوف الذين نراهم ليسوا فقط مطوري Python بأنفسهم ، ولكن أيضًا مبرمجين يستخدمون بشكل أساسي مجموعة مختلفة ، ولكنهم مهتمون بقدرات Python في المهام الإضافية. آخر التقارير هي التقارير ، على سبيل المثال ، عن Apache Kafka أو Wagtail أو SQLAlchemy أو linter.
سيتم بناء جميع التقارير بطريقة يمكنك فهمها حتى بدون فهم الموضوع المحدد للكلمة ، وبالتالي توسيع آفاقك ، ولكن في نفس الوقت ، سيتمكن المحترفون من الوصول إلى أكثر المشاكل تعقيدًا. تقليديا ، هناك ثلاث مجموعات من المواضيع و "متنوعة":
مؤتمرنا يتعلق في المقام الأول بالتواصل. من المفهوم أن المتحدث يضع موضوعًا مثيرًا للاهتمام ، يخبر رؤيته ، يشارك خبرته ، يقترح مناقشة الأساليب الممكنة للزملاء. كل هذا يعني أنك إذا تمكنت من إخماد الانطواء الخاص بك واستخدمت كل الاحتمالات إلى أقصى حد ، فستكون بعد المؤتمر مليئًا بالأفكار الجديدة وطرق حل المشكلات القديمة. ما هي المشاكل التي ستتم مناقشتها ، تابع القراءة.
الشبكة ، الخلفية وتطوير الشبكة
نبدأ المراجعة بقسم جاد وعالمي إلى حد ما ، والذي يتضمن ما يقرب من ثلث جميع التقارير.
معالجة بيانات عالية الأداء في Python
تعد Python حاليًا الأداة الرئيسية لتحويل البيانات الكبيرة غير المنظمة.
تعد numpy و
numba مكتبات شائعة ، ولكن عند العمل معها ، من السهل على المطور أن يقع في الفخ ويخسر كل إنتاجيته. سوف
يشرح Donald Whyte (بوابة المهندسين) كيفية عمل numpy / numba تحت غطاء المحرك وكيفية استخدامهم للتوجيه لمعالجة كميات كبيرة من البيانات بسرعة. سمحت هذه الأدوات لدونالد بتسريع الحسابات العلمية
10 مرات أو أكثر ، وسيكون من المفيد جدًا اعتماد خبرته.
تجربة استخدام أباتشي كافكا في عالم الدبابات
سوف يخبر
ليفون أفاكيان في
تقريره كيف يتم استخدام Apache Kafka في مشاريع Wargaming ، وما هي الصعوبات التي تنشأ في هذا الصدد وكيفية التغلب عليها. كما أنه ليس سرا أن Wargaming تستخدم Python على نطاق واسع من أجل التنمية. سيشارك ليفون تجربته في استخدام مكتبات مختلفة لـ
Apache Kafka في Python .

الذعرة: عندما تريد شيئًا أجمل من جانغو فقط
في عالم تطوير PHP ، هناك WordPress حيث يمكن لأي شخص تقريبًا إنشاء موقع بسيط ، والاتصال بأخصائي في وقت لاحق عندما تحتاج إلى توسيع هذا الموقع. في عالم بايثون ، حتى وقت قريب ، لم يكن هناك شيء مثل هذا. ولكن الآن
ظهر مشروع
الذعرة - نظام إدارة محتوى متكامل قائم على Django لمواقع الويب الحديثة.
سيخبرك Igor Mosyagin من Lamoda بكيفية عمل Wagtail ، حيث يكون مناسبًا للاستخدام ، وهل هو بهذه البساطة.
جانغو تحت المجهر
من
تقرير مطور Core Django Channels
Artyom Malyshev (المألوف لنا بالفعل ، على سبيل المثال ، من هذا
الحديث ) ، ستتعلم كل التفاصيل من حياة آليات Django الداخلية
من البايت الأول لطلب HTTP إلى البايت الأخير من الاستجابة .
تنتظرك روعة حقيقية حول كيفية عمل نماذج المحلل ، وكيفية تجميع SQL ، وكيفية تنفيذ محرك القالب لـ HTML ، وكيفية إدارة تجمع الاتصال ، وما إلى ذلك. كل هذا بترتيب زمني لمعالجة كائنات WSGI.
ما وراء المشتري. نظم بناء خط أنابيب معالجة البيانات
سيخبرك Andrey Popov بأطر عمل Python التي تستخدمها تقنيات إيجابية لجمع
كمية كبيرة من البيانات وتحليلها بحثًا عن التهديدات. سيركز
التقرير على كيفية جمع هذه البيانات بشكل صحيح وتخزينها في شكل مناسب للفرق المختلفة في الشركة. ولكن إلى جانب هذا ، سنتطرق إلى مثل هذه الأسئلة:
- متى يكون من المناسب استخدام الكرفس / الأرنب ، ومتى يكون من الأفضل بناء خط أنابيب بيانات.
- مقارنة بين تدفق الهواء ولويجي .
- لويجي 101 - المفاهيم الأساسية وأمثلة على استخدامها.
ونتيجة لذلك ، يمكننا معرفة أي تقنية نختارها في حالة معينة ، وكيف ستبدو في الكود.
محفوظات تحديث بنية المشروع
سيشارك ألكسندر بورغاردت تاريخًا غير بديهي لتطور مشروع واحد. بدأ في الإعصار ، ثم أعيدت كتابة جزء منه في C ++ لتحسين أداء القيادة. ثم جاء عام 2018 ، واتضح أنه
لا حاجة الآن إلى العديد من عمليات الاختراق القديمة . غالبًا ما تعطي حزمة asyncio + uvloop + aiohttp أداءً ليس أسوأ. يتعلق الأمر بمثل هذه الحالة ، باستخدام مثال محدد ، مع توصيات واضحة ، سنتحدث عنها في تقرير ألكسندر.

50 درجة كرفس
شارك Oleg Churkin في تطوير Python لمدة 8 سنوات ويلعب الآن دور Techlide في شركة TechOps fintech الناشئة. عندما نقول التكنولوجيا المالية ، نعني -
البيانات الضخمة . من
تقرير أوليغ
، نتعرف على تعقيدات استخدام
جدولة الكرفس لمعالجة البيانات الضخمة:
- لأنواع المهام التي يمكن وينبغي أن تستخدم الكرفس ؛
- كيفية بدء 500 ألف مهمة وترك قاعدة البيانات والخدمات الخارجية على قيد الحياة ؛
- كيفية مراقبة أداء المهام ؛
- كيف لا تفقد المهام عند النشر ؛
- كيفية كتابة رمز مهمة مدعومة.
سنلقي نظرة أيضًا على مكتبات المؤلف ، والتي تسمح بنجاح بتوسيع الكرفس ومراقبة قوائم الانتظار / المهام في Grafana و Prometheus. ربما رأيت بالفعل بعض المفسدين
هنا .
لغة بايثون وتطورها واستخدامها
قبل الانتقال إلى Python المحبوبة ، سألاحظ أن برنامج المؤتمر لدينا بحيث يمكن لأي ضيف اختيار حالة مثيرة للاهتمام لنفسه ، والاستماع إلى المتحدث ، والأهم من ذلك ، التواصل مع جميع الأشخاص الذين جاءوا إلى نفس التقرير.
الغش الاجتماعي. كلما كان موضوع التقرير أكثر أهمية ، كلما كان من المنطقي الجلوس. أولاً ، سيكون من الأنسب طرح أسئلة على المتحدث. ثانيًا ، سيعمل الاختصاصيون الآخرون المهتمون بالشيء نفسه ، يمكنك مناقشة الأداء معهم ومواصلة المناقشة بسلاسة في استراحة لتناول القهوة.
دعوني أذكركم بأن المؤتمر ، في رأيي ، يتعلق بالتواصل ، ولا ينبغي إهمال هذه الفرصة.
قم بتحديث Python 2.7 إلى Python 3.6 ولا تموت
التطور ظاهرة طبيعية. كما أنها لم تجتاز Python ، لكن بعض المشاريع لا تزال تستخدم Python 2.7 لسبب واحد بسيط - بسبب
تعقيد الترحيل بين الإصدارات .
يعرض ألكسندر بوليشوك (رمز الأمن)
مشاركة طريق التجديد الشائك. من التقرير نتعرف على المخاريط المدببة والمكتظة ، وعلى سبيل المثال ، سوف نفهم أن النتيجة بالطبع تستحق العناء.
تقرير Hollywood Linter
نيكيتا سوبوليف ، مؤسس wemake.services studio ، قام بأداء أكثر من أحد اجتماعاتنا وهو بالفعل على دراية بك. تمكنا من جذب نيكيتا لتسجيل البودكاست
Python Junior ، الذي تم خلاله إنشاء طلب التقرير.
كما
يوحي الاسم ، هذه المرة سنركز
على التحقق الآلي من التعليمات البرمجية في Python. تم تطوير هذا اللنت مباشرة في استوديو نيكيتا ، أي سيكون لدينا الفرصة لنطلب من مطور الأدوات مباشرة. بالإضافة إلى ذلك ،
يعد الوعد
التفاعلي بالوعود ، مما يعني أنه لن يكون مفيدًا فحسب ، بل أيضًا مسلية.
كيفية تعليم الناس البرمجة والاستمتاع بالحياة
تمتم المحاضر بشكل بائس ، موضحًا المصطلح المكتوب على السبورة. جارك يرسم شيئًا على المكتب. من النوم لا توفر سوى الحاجة إلى تدوين كل كلمة للمحاضر. هل هذا مألوف؟ لسوء الحظ ، لم تتغير عملية التعلم كثيرًا. تحولت المحاضرات المملة إلى ندوات مملة عبر الإنترنت ، وتحولت الاختبارات المملة إلى اختبارات مملة عبر الإنترنت ، وتحولت المهام المملة إلى مهام مملة وغير مفيدة.
إيليا ليبيديف هي مطورة وخبيرة في Python وخبيرة لمنصة التعلم devman.org. بصفته منظمًا مشاركًا ، تعمل MoscowPython على التطوير والتدريس على
learn.python.ru منذ عدة سنوات. في تقريره ، سيثير إيليا قضية تعليم المبرمجين ، حيث كل شيء ليس على ما يرام. علاوة على ذلك ، بشكل عام. لا تعمل طريقة بسيطة لتوظيف صغار السن من خريجي جامعة أو كلية أو تخصص معين. سيحاول إيليا ، بناءً على خبرته ،
شرح الصعوبات التي تنشأ في تعلم التطوير ، وإسداء المشورة بشأن ما يجب فعله من أجل تحسين مهاراته والمساعدة في جعله مرؤوسًا.
إعادة الهيكلة في بايثون: أنماط التصميم والمناهج
سيشارك
Tin Marković من Kiwi.com (جمهورية التشيك) خبرته في تنظيم
كمية كبيرة من كود Python
المعقد للغاية . كيفية استعادة النظام ، وكيفية تحديث التعليمات البرمجية ، ومنع حدوث فوضى جديدة ،
والالتزام عمومًا
بالمعايير العالية في قاعدة التعليمات البرمجية. كل هذا كيف نحب على الأمثلة الحقيقية والتجربة الشخصية.
Pylint من الداخل إلى الخارج. كيف يفعل ذلك
تطور
مكسيم Mazaev في Python في CIAN ، وهو مهتم بالداخلية اللغوية ، وعدم التزامن ، والبرمجة الوظيفية. يردد هذا التقرير تقرير نيكيتا سوبوليف
عن الوبر ، ولكنه سيركز على أداة رئيسية واحدة ، والتي
سوف نفهمها تمامًا . مسلحًا بهذه المعرفة ،
سنطبقها باسم تحسين جودة الرمز -
سنكتب البرنامج المساعد لـ Pylint .
إنشاء مجمعات DSL في بيثون
يسمح لك استخدام
لغات البرمجة الصغيرة
لمناطق الموضوعات الفردية (DSL) بالتعامل مع تعقيد أنظمة البرامج عند الحاجة إليها. نتيجة لذلك ، تنشأ المشكلة من النماذج الأولية السريعة لمجمعي DSL. على سبيل المثال ، قبل
بيتر سوفيتوف من MIREA ، نشأت هذه المهمة في سياق تسريع تطوير
نوى المعالج المتخصصة
على FPGA .
سوف يخبر بيتر عن مراحل عمله ونتائجه الرائعة في موسكو Python Conf ++.
البق الشائعة في بنية تطبيقات Django
يضع
أليكسي بولوفينكين من Agima الهدف الطموح
للتقرير - لتوضيح فرق تطوير الواجهة الخلفية كيفية بناء بنية تطبيقات Django ، وكيف لا تسافر أكثر من مائة مطبات ولا تنتهي جميع المواعيد النهائية. فكر في أمثلة
لأخطاء الفريق
الأكثر شيوعًا في المرحلة الأولية من التطوير. دعونا نناقش كيفية تصميم بنية تطبيقات Django ، لماذا يجب عليك
استخدام بنية موزعة وإبقاء الإحصائيات بعيدًا عن Django. دعونا ننسى
إعادة البناء ، ونتناول الكثير من القضايا المهمة ، ونتعرف على تجربة مطوري Agima.
التعلم الآلي والذكاء الاصطناعي وتصور البيانات
التعلم الآلي و Python هما زوجان ارتباطان مستمران. وبطبيعة الحال ، في موسكو Python Conf ++ لن تستغني عن التقارير حول كل شيء حوله.
كيفية تضمين لغة ML الحديثة في الإرث القاسي
عندما يتعلق الأمر بأتمتة نماذج ML ، أعني غالبًا ، أولاً ، المشاريع الجديدة ، وثانيًا ، Jupyter ونوع من البيئة المحيطة به. هذا النهج غير مناسب لنظام التحليلات في البنك ، حيث عادة ما يكون هناك الكثير من التراث.
ومع ذلك ، تمكن Oleg Mangutov من تكوين صداقات حديثة للتعلم الآلي مع بيئة تستخدم فيها Oracle و SOAP بمساعدة الغراء الشامل - Python. الاستنتاج الرئيسي لهذا
التقرير ، في رأيي ، هو أن المطور العادي ، مع العناية الواجبة ، يمكنه تنفيذ خوارزميات التعلم الآلي في المشاريع الحالية دون إعادة كتابة كل شيء من الصفر ودون دراسة شاملة لكيفية عمل أوراكل. ويمكن أن تكون الاستفادة من ذلك هائلة ، ويمكن لمستخدمي الأعمال المباشرة استخدام الواجهة المطورة.
نظرية الشبكات العصبية
لدى Beau Carnes خبرة واسعة في تدريس موضوعات تكنولوجيا المعلومات ، وتقوم حاليًا بإعداد دورة جديدة للتعلم العميق. سينقسم تقريره إلى قسمين (غداء في الوسط لهضم المعرفة). في الجزء الأول من
التقرير ، سنتطرق إلى المفاهيم الأساسية: التعليم مع المعلم وبدونه ؛ الشبكات العصبية للتنبؤ ؛ أصل متدرج. سوف نناقش
كيف تختلف
طرق التعلم العميق عن طرق التعلم الآلي التقليدية ، وسوف نتعامل معها ، على سبيل المثال لا الحصر.
في الجزء الثاني من العرض ، نحن في انتظار
الترميز المباشر في دفتر ملاحظات Jupyter. ستنشئ Bo مباشرة أثناء التنقل في Python خالص من الصفر شبكة عصبية تتعلم وتتعرف ... ولكن ما تعرفه ، ستتعلم في 22 أكتوبر.
كيفية حماية خوارزمية التعلم الآلي من الأمثلة العدائية
عندما نستخدم البيانات العامة للتعلم الآلي ، يجب أن نعتمد عليها لتكون كاملة ونظيفة. ومع ذلك ، كما يمكنك أن ترى بسهولة في مثال مترجم جوجل ، قد تبدو البيانات صحيحة ، ولكن في الواقع ، بدلاً من الترجمة الصحيحة ، قم بتعليم التفسيرات غير المتوقعة للنظام. هذا هو أحد أشكال العدو.
سيقدم لنا
سيرجي دودوروف المتخصص في تحليل بيانات الأمن الرقمي هذه المشكلة بالتفصيل ، ويتحدث عن طرق الهجوم والدفاع واختبار خوارزميات التعلم الآلي لمواجهة مثل هذه التلاعبات باستخدام
مكتبات CleverHans و
Adversarial- Solidustness - Toolbox .
مساعد Python الظاهري
يعد
Oleg Plichko بإثبات أنه من الممكن إنشاء برنامج دردشة آلي
بالذكاء الاصطناعي باستخدام الأدوات الشائعة: TensorFlow و Celery و Django. سوف نتعلم من
التقرير كيف نجعل مساعدنا الافتراضي مفيدًا حقًا ، وسنرى مثالًا على برنامج دردشة مثير جدًا للاهتمام قد يجده الكثير منا مفيدًا في المستقبل. يمكننا أن نسأل Oleg جميع أسئلتنا حول الروبوتات والخدمات المعرفية.
جوبيتر و PySpark على Hadoop لتحليل البيانات الكبيرة
يعد التعلم الآلي مجالًا جديدًا سريع النمو ؛ ولا تزال هناك العديد من الممارسات الراسخة. لذلك ، يقوم كل عالم بيانات بإجراء الكثير من التجارب ويريد القيام بذلك بسرعة. حسنًا ، إذا كانت هذه فرضيات بسيطة مثل ما إذا كانت هناك بيانات كافية وما إذا كانت صحيحة. ولكن ماذا لو كنت بحاجة إلى تطبيق وظيفة مكتوبة ذاتيًا على عدد كبير من الكائنات؟ بالإضافة إلى ذلك ، يجب حل جميع المهام في مجموعة الإنتاج ، التي يعمل عليها 50 شخصًا آخر.
سيخبرك Pavel Tarasov بكيفية اختبار الفرضيات المعقدة بسرعة باستخدام الحد الأدنى من الأدوات والتعليمات البرمجية. في هذه الحالة ، Jupyter و PySpark هما ما يمكنك بناء موقف منه وعدم قضاء أسبوع في إعداد البيئة ، كما هو الحال غالبًا مع البيانات الضخمة ، لأنها كبيرة.
سيعقد المؤتمر في Infrasprismst ، وسيتم تخصيص غرفة صغيرة للمحتوى الذي ينشئه المستخدم. وهذا يعني أن الصور المصغرة التي يمكن لأي شخص جمعها هي الشيء الرئيسي الذي يتم العثور عليه الأشخاص الذين لديهم نفس التفكير. سيكون من الممكن التنظيم على الفور ، ولكن إذا قمت بالتسجيل مسبقًا ، فسيتم تحديد موعد.
متفرقات: الاختبار ، الأمن ، DevOps
مزيد من التقارير الفردية ، فهي لا تدخل في أقسام كبيرة ، ولكنها تحل مشكلة التنوع. بالمناسبة ، الموضوعات مهمة ومثيرة للاهتمام للغاية ، الهندسة الاجتماعية تستحق ما هو ، أو هنا "دليل القرصنة".
دليل هاكر لتأمين تطبيقات الويب Python
آمل ألا تتعرض مشاريع الويب الخاصة بك للهجوم أو الاستيلاء على الإطلاق ، ولكن على الأرجح واجه شخص من أصدقائك عواقبه الحزينة. زميلنا ، أحد منظمي PyCon Nigeria ،
يدعي Eyitemi Egbejule أنه ، مسلحًا بممارسات الترميز الآمنة وبعض المكتبات المفيدة ، يمكنك
نسيان نقاط الضعف في تطبيقات الويب Python
إلى الأبد . استنادًا إلى خبرته
الواسعة في التدقيق الأمني لمشاريع الويب ، سيخبرك Eyitemi بالأخطاء التي غالبًا ما يرتكبها مطورو خدمات الشبكة ، ومكان البحث عن نقاط الضعف في المقام الأول
، وأيها أسرع لإغلاقه. ليس بالضرورة أن يكون برنامجًا ، يمكن أن تكون المشاكل في المنطق أو في استخدام الإعدادات الافتراضية الشائعة ، ولكن غير صحيحة.
نأمل أن يسمح هذا التقرير للمطورين بإلقاء نظرة جديدة على شفرتهم وربما حتى البدء في تطبيق النصائح هناك في المؤتمر.
كفاءة البنية التحتية للسيلينيوم
هل تستخدم السيلينيوم للاختبار التلقائي ، لكنك سئمت من التعامل مع الفرامل وتعطلها؟ إذن فإن
الفصل الرئيسي الذي يقدمه إيفان كروتوف (Aerokube) حول البنية التحتية الفعالة للسيلينيوم هو الخيار المناسب لك.
في الصف الرئيسي ، يعد إيفان بإظهار كيفية نشر مجموعة السيلينيوم في بضع خطوات بسيطة من الصفر استنادًا إلى المشاريع
المفتوحة المصدر
Selenoid و Ggr ، والتي تسمح باستبدال شبكة Selenium المتقادمة والتوقف عن عذاب السيلينيوم. سترى مدى سهولة تسجيل مقاطع فيديو الاختبارات الجارية ، وإضافة إصدارات جديدة من المتصفحات ومشاهدة السجلات في الوقت الفعلي.
كان هناك الكثير من المواد التي سيستغرقها هذا الفصل الرئيسي ساعتين في 23 أكتوبر - قبل وبعد الغداء ، من أجل الحصول على الوقت للتفكير بعناية في كل شيء.
Dark Python: الهندسة الاجتماعية والقرصنة بنسبة نجاح 70 ٪
إذا كنت تعتقد أن المصدر الأكثر موثوقية للمعلومات - الفيلم ، فإن المتسللين يستخدمون الآن
أساليب الهندسة الاجتماعية بدلاً من وحدة التحكم.
Lukas Hurych من Twisto.cz ، كهواية ، يحاول طرق هجوم مختلفة على زملائه. النتائج مذهلة - نجاح 70٪. علاوة على ذلك ، يلعب Python دورًا مهمًا في أتمتة هذه العملية.
سيساعدك Lucas في
معرفة شكل العدو والأساليب الأكثر شيوعًا وفعالية حتى نتمكن من الدفاع ضدهم في الواجهة الخلفية و UX.
تسريع SQLAlchemy لرواد الفضاء المعماريين
الميزة الضخمة لـ SQLAlchemy هي أنها
ORM شائعة جدًا وواحدة من أفضل الحلول للتواصل مع قاعدة بيانات بلغة عالية المستوى. ولكن في بعض الأحيان يمكن أن تتحول هذه الراحة في بعض الأحيان إلى مفاجآت. من الواضح أن هذه الراحة قد تتحول في بعض الأحيان إلى مفاجآت.
سيظهر Alexei Starkov من Qrator Labs ، باستخدام مثال تكوين شبكة تصفية حركة المرور بعدد كبير (مئات الآلاف) من السجلات ، كيفية
تحقيق الأداء العالي . للقيام بذلك ، نحتاج إلى الانتقال من الاستخدام الأكثر سذاجة لـ SQLAlchemy ORM إلى العمليات المجمعة واستخدام
SQLAlchemy Core ، والتفاصيل في 23 أكتوبر الساعة 16:00.
الممارسات الجيدة والسيئة لكتابة رمز قابل للاختبار
في تقريره ، سيناقش
ديمتري ديغالو من kiwi.com الأساليب التي ستساعد في
جعل الشفرة أكثر قابلية للفهم وموثوقية وقابلة للاختبار. دعونا نتحدث عن مجموعة متنوعة من المشاكل ونحصل على نصيحة محددة ، على سبيل المثال ، أن المتغيرات العالمية هي مفهوم مناسب لا يستخدم غالبًا عند الحاجة. كيفية إيجاد حل وسط بين العزل والسرعة في قاعدة بيانات اختبار. حول
حقن التبعية وفصل التنفيذ عن التنفيذ باستخدام أمثلة من المكتبات الشعبية. وبالتأكيد هذا ليس كل شيء.
يبدو أن هذا أكثر من كافٍ لتشكيل فكرة عما سيحدث في المؤتمر. للعمل على البرنامج أود أن أشكر جميع أعضاء لجنة البرنامج: فلاديمير فيلونوف ، زلاتا
أوبوخوفسكايا ،
ألكسندر خايوروف ،
إيفان تسيجانوف أ ، ليونيد كالنيوس.
من خلال العمليات المنطقية المعقدة ، قمنا بالفعل بوضع جميع التقارير في
جدول متناغم (
هنا pdf مع التصور حسب الموضوع). اتضح ما كان يدور في الاعتبار عند بدء استعداداتنا للمؤتمر قبل ستة أشهر: يتم توزيع الموضوعات عبر مجموعة متنوعة بالكامل من استخدامات Python ، وهو عدد معقول من المتحدثين الناطقين باللغة الإنجليزية ، هناك شيء يمكن الحديث عنه حول فنجان قهوة وكوب من البيرة في حفلة ما بعد.
نراكم في موسكو Python Conf ++ 2018 !