python

Presentación en https://2017.es.pycon.org/media/keynotes/PyConES_-_tosh.pdf Cómo complicar innecesariamente tu vida programando una shell asíncrona en Python (Javier Torres Niño). ¿Harto de escribir siempre los mismos comandos en tu shell? ¿No estaría bien que los comandos fueran asíncronos? ¿Te gusta complicarte la vida innecesariamente? Si la respuesta a estas preguntas es sí, escribir tu propia shell puede ser la solución a tus "problemas". En esta charla hablaremos de cómo se puede utilizar Python, junto con prompt_toolkit, asyncio y ply para escribir tu propio intérprete de comandos avanzado, con interfaz gráfica en modo texto y ejecución asíncrona de tareas. http://2017.es.pycon.org/

Presentación disponible en https://klashxx.github.io/slides/django/ #/ Material de la charla disponible en https://github.com/klashxx/PyConES2017/ Basado en una historia real xP … se mostrará como es posible desarrollar una webapp con Python afrontando un deadline ajustado y sin experiencia previa en desarrollo frontend. Este proyecto se convirtió en una experiencia altamente gratificante aunque no exenta de escollos, solventados con mayor o menor fortuna. Precisamente estos tips prácticos serán los que protagonicen la charla con un objetivo claro, intentar facilitar el transito del novato al mundo Django. Alguno de los puntos que trataremos: - La elección del framework con Django como opción natural. - ¿Cómo me monto mi entorno de desarrollo? (docker-compose) - ¿Qué motor de BBDD elijo? - Estructuración del proyecto - settings.py y .env - Esquema de urls - Autenticación / Registro - Modelos y Vistas ... tal para cual - Django Rest Framework o el Santo Grial de nuestro Backend - Cómo diseñar nuestro Frontend, el mundo de los templates - Gestión de permisos .. cada oveja con su pareja - JS, Bootstrap , ¿eso que es lo es? - Ya tengo mi web ¿ahora qué? Estrategias de despliegue Nos iremos con una app en el portátil y con suerte quedareis tan enganchados como yo al universo Django. https://2017.es.pycon.org/

¡Oh no: otro tutorial de programación paralela y asíncrona en Python! ¿Cúando dejarán de insistir en el mismo asunto una y otra vez? Si alguna vez te has preguntado esto, este NO es tu taller. En cambio, si quieres volver a oir lo mismo de siempre acerca de hilos, procesos, el GIL, asyncio y demás amigos...¡Este es el taller de tus sueños! En este tutorial haremos un viaje através de todos estos conceptos desde la base, entendiendo en detalle los conceptos, los problemas y las soluciones. https://2017.es.pycon.org/en/schedule/parallel-and-non-parallel-stuff/

Los términos "despliegue continuo" e "integración continua" están cada vez más presentes en el léxico del programador. Si bien Python es un lenguaje tremendamente apropiado para aplicar estas prácticas, la cantidad de herramientas, opciones o, simplemente, de conceptos hace que el recién llegado alcance un nivel de confusión tal que la tarea parezca imposible. Usando herramientas habituales en Python mostraremos que construir un sistema de despliegue continuo es cómodo y sencillo. https://2017.es.pycon.org/en/schedule/desplegando-python-continuamente-sin-esfuerzo/

Siempre has escuchado el termino Machine learning y pones caras raras? En esta sesión explicaremos de una manera muy sencilla los principales conceptos. También veremos cómo Azure Machine Learning Studio nos ayudará a crear nuestros experimentos de una manera fácil y sencilla. Además veremos cómo Python nos puede echar una mano a la hora de ejecutar algunos scripts que puedan ser necesarios para pre-procesar nuestros datos. Introducción a Machine Learning ¿Qué es? • Principales conceptos: • Aprendizaje supervisado y no supervisado • Aprendizaje supervisado • Clasificación • Regresión • Detección de anomalías. • Algoritmos de aprendizaje automático • Tipos de algoritmos • ¿Cómo puedo elegir el algoritmo adecuado? • Python tools visual studio (¡Soporte para Python en VS!) • Probar nuestros scripts de python • Azure Machine Learning Studio • Obtener los datos • Preprocesar los datos • Definir las características • Elegir y aplicar un algoritmos de aprendizaje • Probar nuestro experimento y publicarlo • Ejemplos adicionales de experimentos Por último, veremos una aplicación desarrollada en Flask que realizará el proceso de cuantización de imágenes haciendo uso de los Web services creados con Azure Machine Learning.

El objetivo de la charla es hacer una pequeña demostración del uso de algunas de las bibliotecas más icónicas, hiladas a través del objetivo final de analizar fácilmente un examen tipo test. Numpy y Matplotlib son dos de las bibliotecas más importantes en el Python científico, usadas para trabajar con arrays y representaciones gráficas respectivamente. Como una imagen en escala de grises en el fondo no es más que una matriz, usaremos unas pocas manipulaciones básicas con imágenes para mostrar cómo trabajar con funciones de Numpy, hacer slicings, etc. La interfaz de Matplotlib más sencilla, Pyplot, es muy útil para realizar muchos gráficos sin hacer un gran esfuerzo. Podemos mostrar un ejemplo sencillo de estas capacidades representando los contornos que detectemos sobre la imagen original. También se presentarán algunas de las funciones más básicas de OpenCV, uno de los paquetes de software más importantes de visión artificial. Usaremos las funciones de desenfoque, umbral y detección de contornos. Si el tiempo fuera suficiente, echaremos también un vistazo a la librería openpyxl, que nos permitirá importar y exportar datos de tablas de Excel. Puede ser importante resaltar explícitamente que debido a las limitaciones de tiempo, las librerías no pueden ser mostradas en profundidad, y que probablemente no habrá nada o casi nada de live coding. Sin embargo, todo el código usado, incluso para las imágenes intermedias, será publicado en forma de Notebook de Jupyter a través de Github. Presentación: https://github.com/AunSiro/correct-1000-exams-with-opencv

Presentación de PyKnow, una librería para Python con la que es posible escribir nuestros propios sistemas expertos con Python de forma nativa. Iniciaremos la sesión con una introducción a las bases de la inteligencia artificial, en concreto en el área de los sistemas expertos con un breve repaso histórico, terminando con el estado actual general y particularmente en el ecosistema de Python. En esta sesión presentaré varios ejemplos para ilustrar en que tipo de problemas tiene sentido utilizar un sistema experto y en cuáles no. Veremos código real que se utiliza en producción donde PyKnow permite a los usuarios de la aplicación alterar el comportamiento de la misma sin tocar una sola línea de código. Para finalizar repasaremos el roadmap para próximas versiones y tendremos una ronda de preguntas y respuestas.

Las dos tecnologías más disruptivas actualmente en AI son el Deep Learning y el Reinforcement Learning. ¿Podemos hacernos ricos aplicando estas tecnologías al mundo de las finanzas? En esta charla daremos algunas claves sobre cómo usar Tensorflow para crear redes neuronales que aprenden a invertir en los mercados, y una introducción al Deep Q Learning, un algoritmo de aprendizaje con refuerzo que aprende el “juego” de la Bolsa como cualquier otro robot sometido a ciclos de acción + recompensa. https://2017.es.pycon.org/en/schedule/pythontensorflow-como-ganar-dinero-en-bolsa-aplicando-deep-learning/

Cómo pasar de escribir código espaghetti a código claro, explícito reutilizable y mantenible, echando un vistazo a algunos patrones de diseño para sacar buen partido de las características más pythónicas del lenguaje.

Introducción a los principales motores de búsqueda que podemos encontrar en python comentando las principales características de cada uno de ellos.Se comentarán los principales motores de búsqueda que podemos integrar en nuestras aplicaciones como elasticsearch,Whoosh y PostGres Full text para aplicaciones web con django. https://2017.es.pycon.org/en/schedule/discovering-python-search-engine/