Как Qlean использует Machine Learning?

В свою очередь, порекомендую попробовать отечественную разработку — Catboost, в последнее время он стал очень хорош.

Вводим рейтинг участника GitHub и StackOverflow на «Моём круге»

Ну ра такая пьянка, то и Kaggle прикрутите :)

Изменяемые свойства классов в питоне: польза для дела и мелкого хулиганства

Да, на самом деле всё запоминается легко: питон ищет атрибут у самого объекта, потом у класса, а потом идет вверх по иеархии в соответствии с mro.

Изменяемые свойства классов в питоне: польза для дела и мелкого хулиганства

А где примеры хулиганства, рассказ хотя бы про monkey-patching и возможности, которые он открывает? Рассказать про то, как это все используется в тестировании и так далее? Как сделать пользовательский класс, которому нельзя назначить атрибут?

Вся статья ужимается до фразы «В питоне можно назначать атрибуты, но не всегда»

Как еще раз перестать беспокоиться о неэффективных сотрудниках

Когда читаю хабр на работе и вижу обсуждения неэффективных сотрудников, становится как-то… неловко что-ли.

Встречайте Dictator! Маленький и добрый

В мире питона иногда кажется что все написано до нас…
Очень похоже на модуль redis-collections

Итак, менеджер попросил пофиксить баг…

А мне показалось, что тут отсылка на Айн Рэнд )

Python: Мышление программиста

Перед комментарием гонял тесты на 2.7.11 |Anaconda 2.5.0 (64-bit) — там способ через set и list оказались одинаковы по скорости на четырёх элементах.

Написал комментарий скорей всего про то, чтобы мышление программиста не забывало про set, чтобы использовать его для проверок на вхождение. Ведь завтра может придётся написать программу, где придётся искать элемент среди сотни или тысячи элементов.

Python: Мышление программиста

про Способ №3 — если в задаче нужно искать, является ли элемент частью какого-то множества, лучше ислопьзовать set (выглядит как словарь только из ключей: {"Y","y","Д","д"}), а не list. Всё дело в том, что проверка на вхождение у set имеет сложность О(1), а у list — O(N) (линейно растёт с увеличением количества элементов). На четырёх элементах конечно не заметно, но чем больше элементов — тем больше будет отрыв.

Способ №4, кстати, работает некорректно, так как ответ «деревня», например, воспримется как положительный ответ, хотя должен быть некорректный. Всё дело в том, что re.match пытается сматчить начало строки, и не обязательно, если вся остальная часть строки под регулярку не подходит, re.match вернёт объект матча, который приводится к True

Как успешные люди справляются с прокрастинацией

прокрастинирую, читая эту статью…

Парсинг формул в 50 строк на Python

Скорость ваших operator сравнима с моей, а лямбда — в 2 раза медленнее. Чем это может быть обусловлено? Это может быть интересно.
Моя система: Python 3.4.1 |Anaconda 2.1.0 (64-bit)| (default, Sep 24 2014, 18:32:42) [MSC v.1600 64 bit (AMD64)] on win32

Парсинг формул в 50 строк на Python

Согласен! Ещё у меня была мысль вытащить операторы из класса float — float.__add__ и т.п., но некрасиво вытаскивать приватные методы из классов.

С операторами из модуля operator код меняется на:

import operator
OPERATORS = {'+': (1, operator.add), '-': (1, operator.sub),
             '*': (2, operator.mul), '/': (2, operator.truediv)}

Но в моих замерах я не заметил разницы в производительности.
С операторами из operator:

%timeit eval2("15/(7-(1+1))*3-(2+(1+1))*15/(7-(1+1))*3-(2+(1+1))*(15/(7-(1+1))*3-(2+(1+1))+15/(7-(1+1))*3-(2+(1+1)))")
10000 loops, best of 3: 141 µs per loop

С lambda функциями:

%timeit eval_("15/(7-(1+1))*3-(2+(1+1))*15/(7-(1+1))*3-(2+(1+1))*(15/(7-(1+1))*3-(2+(1+1))+15/(7-(1+1))*3-(2+(1+1)))")
10000 loops, best of 3: 143 µs per loop

Две миллисекунды не считается, это я мышкой шевелил!