Python 周报，提供有价值的 Python 及行业相关信息。

如果你发现了有价值的信息、文章和工具等，可以到 Issues 里提给我，记得写上推荐的理由。也欢迎提出意见和建议。

:newspaper_roll: 新闻

“master”和“slave”：在反种族主义努力中，技术术语面临审查

在“Black Lives Matter”抗议活动期间，人们不断开展活动来更新硬盘驱动，相机闪存和数据库中使用的术语。

苹果，谷歌，微软和其他大型科技公司在过去两周困扰着美国的“Black Lives Matter”抗议活动中，就种族正义的必要性加强了评论。现在，越来越多的技术人员说，该行业本身的语言需要改变才能与种族主义作斗争。

用来描述两个计算机硬盘驱动器之间或两个相机闪光灯之间的关系的“主（master）”和“从（slave）”一词由于与美国的奴隶制历史有关而受到了严格的审查。同样，由于允许使用和拒绝使用服务的用语，“白名单（whitelist）”和“黑名单（blacklist）”由于其潜在的种族色彩而被重新考虑。

笔者个人观点：“Black Lives Matter”本来是一个正确的事情，只是当这个战火被引燃至技术领域时，你在用技术改变世界时却要被这些内容束缚，你不得不话更多的时间在这些无意义的事情上，你还有热情吗？联想到最近几年的好莱坞的电影电视创作中，总是伴随着必须要有的LGBT以及有色人种出现，编剧也不得不花费精力，这些不也是对思想自由的一种束缚吗？古语有云：过犹不及，事情做得过头，就跟做得不够一样，都是不合适的。

:pencil: 文章和教程

终极 Python 初学者手册

在过去的几年中，Python 已成为增长最快的编程语言之一。如果你想进入编程领域，它不仅被广泛使用，而且还是一种很棒的语言。这份 Python 初学者指南可让你在数小时而不是数周的时间内学习该语言的核心。

快速信息：你可以下载此 Python 初学者指南的 PDF 版本。

最佳机器学习书籍（2020年更新）

这是2020年最佳机器学习和深度学习书籍清单：

  • Aurélien Géron 的《Scikit-Learn 和 TensorFlow 机器学习实践》（第二版）
  • 《百页机器学习书》，作者：Andriy Burkov
  • 《构建机器学习支持的应用程序：从概念到产品》，作者 Emmanuel Ameisen
  • Andrew W. Trask 的 《Grokking Deep Learning》
  • Francois Chollet 的 《Python深度学习》
  • Ian Goodfellow，Yoshua Bengio，Aaron Courville 的《深度学习》
  • Richard S.Sutton，Andrew G.Barto 的《强化学习入门》（第2版）
  • Maxim Lapan 的《深度强化学习实践》（第二版）
  • 《TinyML：在 Arduino 上使用 TensorFlow Lite 和超低功耗微控制器进行机器学习》，作者 Pete Warden 和 Daniel Situnayake
  • Yaser S. Abu-Mostafa，Malik Magdon-Ismail 和 Hsuan-Tien Lin 的《从数据中学习》。
  • Judea Pearl 和 Dana Mackenzie 的《为什么》一书。
  • Gary Marcus 和 Ernest Davis 《重启 AI》
  • Andrew Ng 的《机器学习训练秘籍》。
  • Patrick Hall 和 Navdeep Gill撰写的《机器学习可解释性简介》（第2版）
  • Christoph Molnar 的《可解释性机器学习》。
  • 《神经网络和深度学习》，作者：Michael Nielsen。
  • David Foster 的《生成式深度学习》

即将出版：

  • 《使用 fastai 和 PyTorch 的深度学习：没有博士学位的AI应用程序》，作者 Jeremy Howard 和 Sylvain Gugger
  • 《机器学习工程书》，作者：Andriy Burkov
  • Chip Huyen 的《机器学习访谈书》
  • Robert Munro 的《人机共生机器学习》

异步应该是怎样的

在过去的几年中，async 关键字和语义进入了许多流行的编程语言：JavaScript，Rust，C# 和许多我们不知道或不使用的其他语言。当然，自 python3.5 起，Python 也具有 async 和 await 关键字。在本文中，我将提供有关此功能的意见，考虑替代方案，并提供新的解决方案。

上下文理解 Python 的 Asyncio

这个仓库包含一些很棒的博客文章，书籍，讲座和文档的链接，以帮助你开始使用和运行 Python 的异步范式。它试图避免过时的资源或包含过时的 API，这些资源会使 Python 的异步子空间显得过于复杂，尤其是对于初学者而言。

为什么要在 Python 中使用更多枚举

在本文中，你将学习什么是枚举以及如何创建和使用它们。此外，你还将了解为什么在日常编码中应该更频繁地使用它们。

Python 集合模块──高性能容器数据类型

Python 超级有用的 collections 模块的快速概述。

从零开始：反向模式自动微分（Python）

自动微分是深度学习框架的基础。深度学习模型通常使用基于梯度的技术进行训练，而 autodiff 甚至可以从庞大，复杂的模型中轻松获得梯度。反向模式 autodiff 由于其效率和准确性，是大多数深度学习框架使用的 autodiff 方法。

让我们：

  • 查看反向模式 autodiff 的工作方式。
  • 在 Python 中创建一个最小的 autodiff 框架。

小型autodiff框架将处理标量。我们可以（以后）使用 NumPy 对它进行矢量化处理。

关于术语的注意事项：从现在开始，autodiff 将表示“反向模式 autodiff”。 “梯度”的用法较为宽松，但在此情况下通常指“一阶偏导数”。

Python 和 Go：第一部分 - gRPC

Go 编程语言在编写高吞吐量服务时很有用，而 Python 在用于数据科学时很有用。在本系列博客文章中，我们将探讨如何使用每种语言来更好地发挥作用，并探讨 Go 和 Python 之间的各种交流方式。在本文中，我们将学习 Go 和 Python 程序如何使用 gRPC 相互通信。

让我们来做一个 Teeny Tiny 编译器

逐步构建可靠的编译器的一系列文章。

使用 Graphene 与 Django 设置 GraphQL 查询

在本教程中，你将看到如何将 GraphQL 与 Django 一起使用，以使用 graphene 和 graphene_django 为所有数据设置模式和单个入口。

打造一个带视觉能力的智能闹钟

关键词：Home Assistant，深度学习

:coffee: 关注我们

RSS 订阅：PythonWeekly RSS