6月底，在莫斯科办公室举行了一次会议，收集了两个部分：有关Python的报告，其组成是根据向俄罗斯PyCon提交的报告的总清单和来自
PyData Moscow聚会的PyData跟踪而
形成的 。 切口下收集了演讲，报告记录和小评论。
“如何在ML学校的DataGym和Lamoda的示例中将JupyterHub的使用率提高到100％”
Lamoda的高级数据科学家和DataGym的数据教练
Petr Ermakov两年多以前，
我谈论过使用100％jupyter。 但是，如果您并不孤单怎么办？ 如何在一台机器上与20名学习ML的学生或15名RND小组的学生相处？ 现成的食谱，建议和收集的耙子。
“ SQL botkneki：扩展时发现并消除瓶颈”
Fasttrack（fstrk.io）首席开发人员Mikhail Novikov
您正在开始一个新项目。 安装Web框架，ORM框架，编写模型，进行数据库查询。 一切进展顺利。 然后有100,000个用户来找您-该项目在负载下崩溃了。 你的举动？ 六个月前，我们遇到了这样的情况。 我将告诉您我们如何找到解决之道，展示我们发现瓶颈的方法以及对此有所帮助的服务。 我将解释为什么原始ORM是邪恶的。
“内容和界面元素的本地化”
Mail.ru Group MAPS.ME首席开发人员Alina Krasavina
有关如何在MAPS.ME服务器站点上安排本地化的故事。 关于内容管理器的痛苦以及克服Django后端开发人员的痛苦的一个小故事。
“ aiopg和asyncpg技术的比较”
alio -libs / aiopg的首席开发人员Alexey Firsov lesha_firs
让我们看看两种完全不同的技术aiopg和asyncpg是如何工作的-让我们看看它们是如何工作的。 重要的是，我们不会比较速度。
“自然语言处理项目中的管道设计”
Vitaliy Radchenko，YouScan数据科学家
在报告中，我们将重点关注世界最佳实践（AllenNLP）和我们自己的经验。 我们将告诉您如何构造管道及其每个组件的功能：如何格式化输入数据，根据数据集进行迭代器，字典应该是什么样的数据准备，数据准备等。将提供来自实际问题的示例，并说明如何帮助重现性和进一步简化使用。
“我们顺其自然，来到Blendim。 解析流行的Python库»
Dmitry Buslov，SAP CIS高级业务解决方案架构师
在报告中，我们将讨论最流行的合奏库。 让我们从Sklearn-e中的简单合奏开始，然后以几行代码手动组装最简单的堆栈，然后考虑最受欢迎的库：Vecstack，Heamy，Pystacknet，Mlxtend，Mlens。
PyMC3-Python中的贝叶斯统计建模
Maxim Kochurov，PyMC开发人员/三星AI / Skoltech
最近在深度学习的背景下开始讨论贝叶斯统计。 不幸的是，这隐藏了它与标准机器学习方法相比的主要优势。 与黑盒模型不同，贝叶斯方法进行白盒建模。 白盒是好是坏。 分析人员必须充分了解问题的性质，然后才能充分利用贝叶斯方法。 它使我们不仅可以考虑“数据告诉我们”，还可以考虑“常识告诉我们”。 该报告将讨论为什么以及何时需要所有这些信息，以及如何在python中进行和解释这种分析。
“'Kiss-kis，通过ke吸我，'或说唱爱好者说：Python用于VKontakte评论的主题建模”
阿尔托大学Dmitry Sergeev /
DataGym我们将展示如何使用VKontakte和YouTube API收集1000万条评论，查看用户在听不同音乐流派谈论的话题，并给出以下重要问题的答案：
- 主题建模可以帮助聚类类型吗？
- 香颂和爵士的听众之间有共同点吗？
- 如何测量Kirkorov到Antokha MS的距离？
请继续关注
这里即将发生的事件。