共计 3021 个字符，预计需要花费 8 分钟才能阅读完成。
提醒：本文最后更新于 2019-06-14 16:20，文中所关联的信息可能已发生改变，请知悉！
在上个月的将近 1000 篇与 Python 相关的文章 / 项目中，Mybridge 甄选了 10 篇最热文章，主题有关：Backend, Book, PLSDR, Dlib, Pipenv, Web Scraping, Serverless, LSTM, Gensim, 2D game 等。
1. 2018 的现代后端开发（书籍）
Modern Backend Developer in 2018
今天的网络开发与几年前完全不同，有很多不同新东西可以阻碍任何进入网络开发的人。我们决定用一个视觉指南给从业者一个更广阔的更清晰的想法，让他们知道自己在网络开发中的角色。
地址：https://medium.com/tech-tajawal/modern-backend-developer-in-2018-6b3f7b5f8b9
2. 全速 Python：给自学者的免费电子书
这本书旨在用实用的方法教授 Python 程序设计语言：在简要介绍每一个主题后，读者被邀请通过练习来学习和掌握知识。通过这些练习，大多数学生在不到一个月的时间里就可以使用 Python 语言了。
下载地址：https://github.com/joaoventura/full-speed-python
3. PLSDR：一个强大的基于 Python 的软件定义无线电（SDR）
特定软件无线电（简称 SDR），作为现代无线电技术的一部分。是用 Python 编写的，它依赖于 GNU 无线电技术基础的内部工作。
这不是我的第一个 SDR，我已经写过其他的了，一个例子是 JRX，这个程序通过一个 HAMLIB 的业余无线电接收机和发射机接口。但这一领域的发展如此之快，软件和硬件都发生了巨大的变化，因为 JRX 和 HAMLIB 的出现，现在可以获得一个性能相同的射频前端设备，只需很少的资金，就可以使用一个专门的程序比如 PLSDR 来访问它。
地址：https://arachnoid.com/PLSDR/index.html
4. 用 Dlib 的 Python 构建 Instagram 上的 PIN 功能
我们将用 Python 构建 Instagram 的 PIN 功能，这就是说一个图像被放置在特定位置，而摄像机围绕着这个图像移动。现在苹果的 ARKIT 的别针图像功能已经变得司空见惯，但使用简单的接口比如如 DLIB 的相关跟踪器，为我们提供了一个很好的起点，不再需要用像 iPhone 那样的传感器数据。所以我们将用 Python 创建一个用别针图像制作视频的工具。
地址：https://www.makeartwithpython.com/blog/instagram-pin-effect-in-python/
5. Pipenv：新的 Python 包装工具指南
Pipenv 是一个 Python 的打包工具，它解决了使用 pip、virtualenv、以及 txt 的典型工作相关的一些常见问题。除了解决一些常见问题之外，它还将开发过程简化为单个命令行工具。
本指南将讨论 Pipenv 解决的问题，以及如何用 Pipenv 管理 Python 从属关系（Python dependencies）。此外，它还将涵盖 Pipenv 如何与以前的分配包（Package distribution）方法相适应。
地址：https://realpython.com/pipenv-guide/
6. 网络数据采集、正则表达和数据可视化：在 Python 中完成这一切
虽然在 Excel 中手动输入数据肯定会更快，但我会丧失实践一些技能的宝贵机会。数据科学是用各种各样的工具来解决问题的，而网络数据采集和正则表达式是我需要做的两个领域。结果显示了我们如何将这三种技术结合起来解决数据科学问题。
这个项目的完整代码可在谷歌实验室的 Jupyter Notebook 上找到。
地址：https://towardsdatascience.com/web-scraping-regular-expressions-and-data-visualization-doing-it-all-in-python-37a1aade7924
7. 6 个月内我学到的 6 件关于不使用硬件基础设施的事情
6 个月里，我们在没有用服务器（serverless）的情况下创造了四个重要项目。一旦你找到了正确的工具，没有服务器的世界非常棒。
第 1 课：Ditch Python
第 2 课：中间层
第 3 课：享受 VUE
第 4 课：学习热爱 DynamoDB
第 5 课：无服务器框架 FTW
第 6 课：授权
地址：https://read.acloud.guru/six-months-of-serverless-lessons-learned-f6da86a73526
8. Python 的长短期模型 LSTM：股票市场的预测
在这个教程中，你将看到如何使用时间序列模型（time-series model），又被称作作长短期模型（Long Short-Term Memory）。这个 LSTM 模型非常强大，特别是对于保留长期记忆。你将在这个教程中解决下列问题：
- 理解为什么需要进行股票动态预测
- 下载数据 — 您将会从雅虎经济 Yahoo finance 上下载股票市场数据
- 分开实验数据 Split train-test data 和实行数据规范化 data normalization
- 为了得到下一步的预测，整理和应用一些求平均值的技术 averaging techniques
- 激励，简短的探讨 LSTM 模型如何可以预测多于一步
- 用现有的数据来预测和图像化未来的股票市场
地址：https://www.datacamp.com/community/tutorials/lstm-python-stock-market?utm_source=mybridge&utm_medium=blog&utm_campaign
9. 用 Gensim (Python) 主题建模
主题建模 Topic Modeling 是从大量的文本中提取出隐藏的主题的一项技术。潜在狄利克雷分布 Latent Dirichlet Allocation (LDA) 是在 Python 的 gensim 包中一种优秀的文档主题生成模型计算。其所面临的挑战是如何提取清楚的、分离开的、有意义的高质量的主题。这很大程度上取决于文本预处理的质量和找到最佳数量主题的策略。本教程就试图解决这两方面的问题。
地址：https://www.machinelearningplus.com/nlp/topic-modeling-gensim-python
10. 如何用 Python 和 Arcade library 创建一个 2D 游戏
Python 是人们学习编程的优秀语言，对于任何想要“完成任务”的人来说都是完美的，还不需要在样板代码上花费大量的时间。Arcade 是 Python 用来做 2D 游戏设计的，不但容易开始，而且随着经验提高会更有前途。在本文中，我将解释如何开始使用 Python 和 Arcade 来编程视频游戏。
地址：https://opensource.com/article/18/4/easy-2d-game-creation-python-and-arcade?utm_source=mybridge&utm_medium=blog&utm_campaign
来源：http://www.sohu.com/a/231908940_473283
