- PVSM.RU - https://www.pvsm.ru -

57 отборных репозиториев для всех разработчиков Python

Специально к старту нового потока курса «Python для веб-разработки» [1] представляем подборку из 57 репозиториев, которые будут полезны как начинающему, так и опытному разработчику: это репозитории с ответами на вопросы собеседований, репозитории с книгами, небольшие, но полезные консольные инструменты и проекты, которые вдохновят вас написать красивый, работающий и полезный код.

57 отборных репозиториев для всех разработчиков Python - 1


Эксперт вы или начинающий разработчик — не важно. В любом случае вы задаете себе такие вопросы:

  • Как выглядит хороший, чистый код?
  • Где я могу научиться писать код лучше?
  • Как стать лучше в профессии?

И в этот момент на помощь приходит GitHub. Мы посмотрим на топовые репозитории Github, которые не только вдохновят вас и чему-то научат, но и дадут почувствовать вкус того, что творческий ум способен сделать с помощью Python.

Почему Python?


Разработчики со всего мира выбрали Python основным языком многих проектов. Python — это простой в использовании язык. Он универсален, у него большая коллекция пакетов, которая удерживает и привлекает новых разработчиков. Немного фактов:

  • Python считается одним из лучших инструментов для Data Science.
  • Это второй по популярности язык на GitHub.
  • Python — самый популярный язык в ML.
  • Тренды поиска в Google 2019 года ставят Python на второе место по популярности среди языков в сети.
  • В репозитории пакетов Python содержится 147 000 пакетов.
  • Согласно StackOverflow [2] именно Python — наиболее предпочтительный язык.

Итак, список


С этими репозиториями я сталкивалась лично. Они помогают мне в работе с кодом: я у них учусь, восхищаюсь ими, вдохновляюсь ими, нахожу их полезными в чём-то ином. Этот список даст вам преимущество в смысле кода и повысит вашу ценность как специалиста. Я разобью подборку на такие категории:

1. Книги. [3]
2. Собеседования. [4]
3. Обучение. [5]
4. Крутые проекты. [6]
5. Фреймворки, модули, инструменты. [6]

1. Книги.

Hitchhiker’s Guide to Python [7] от Real Python [8] (21.9к ★)

Эта книга — руководство по установке, настройке и применению Python.

Python Machine Learning [9] от Sebastian Raschka и Vahid Mirjalili [10] (1.6к ★)

Блокноты с кодом из классических учебников ML.

Cosmic Python [11] (1.3к ★)

Книга об архитектуре приложений на Python в смысле управления сложностью.

Byte of Python [12] от Swaroop C H [13] (1.3к ★)

Книга для начинающих. Прочитайте ее, если программирования для вас неизвестная область.

2. Собеседования.

Cracking the Coding Interview [14] от Bogdan [15] (140 ★)

Решения вопросов с собеседований, представленных в шестом издании «Cracking the Coding Interview» (CTCI).

Interactive Coding Challenges [16] от Donne Martin [17] (21.2к ★)

Более 120 интерактивных задач по кодированию Python (алгоритмы и структуры данных) — поставляется с картами программы для запоминания Anki.

Python Interview Questions [18] от Ian Stapleton Cordasco [19] (108 ★)

Список вопросов, которые могут быть заданы работодателями Python

300 Python Interview Questions [20] от Learning Zone [21] (64 ★ы)

Более 300 вопросов на собеседовании по Python.

3. Обучение.

The Algorithms/Python [22] от The Algorithms [23] (91.5к ★)

Все алгоритмы из компьютерной науки на Python. Отлично подходит для технических собеседований.

Awesome Python [24] от Vinta Chen [25] (88.7к ★)

Отобранный список потрясающих фреймворков, библиотек, программного обеспечения и ресурсов с кодом, охватывающим практически все, для чего используется Python.

Full Speed Python [26] от João Ventura [27] (2.9к ★)

Это книга для самообразования. Она призвана научить Python через практику.

Python Robotics [28] от Atsushi Sakai [29] (10.6к ★)

Примеры кода на Python для робототехники.

Learn Python 3 [30] от Jerry Pussinen [31] (2.8к ★)

Блокноты Jupyter Notebook для преподавания и обучения Python 3.

Learn Python [32] от Oleksii Trekhleb [33] (5.3к ★)

Песочница и список трюков Python. Коллекция скриптов Python, разделенная по темам и содержащая примеры кода с пояснениями.

Python Reference [34] от Sebastian Raschka [10] (2.5к ★)

Полезные функции, учебники и другие связанные с Python вещи.

Manim [35] от 3b1b [36] (27.8к ★)

Анимационный движок для создания объяснительных видеоматериалов по математике. В основном он используется при программном создании анимации.

NLTK [37] от NLTK [38] (9.4к ★]

Коллекция библиотек и инструментов с открытым исходным кодом для обработки естественного языка.

Free programming books [39] от Free Ebook Foundation [40] (164к ★)

Бесплатные книги по программированию. Есть раздел Python с большим количеством бесплатных электронных книг.

100 Days of ML Code [41] от Avik Jain [42] (30.5к ★)

Рабочие листы с пошаговыми описаниями, которые знакомят пользователей с основами машинного обучения. Содержит ссылки на примеры кода, наборы данных и полезные видео, объясняющие ключевые математические понятия.

D2L [43] от Dive Into Deep Learning [44] (8к ★)

Интерактивный углубленный учебник с кодом, математикой и дискуссиями. Работа идет с несколькими фреймворками. Принято в 140 университетах и 35 странах.

Models [45] от TensorFlow [46] (67.1к ★)

Репозиторий с открытым исходным кодом, где вы найдете множество связанных с глубоким обучением библиотек и моделей.

TensorFlow examples [47] от Aymeric Damien [48] (39.2к ★)

Справочник для всех, кто начинает работать с фреймворком машинного обучения Google TensorFlow. Содержит множество примеров кода, демонстрирующих все, начиная от базовых операций TensorFlow и заканчивая построением нейронных сетей.

Project Based Learning [49] от Tu V. Tran [50] (40к ★)

Список ориентированных на проекты учебников по программированию, в том числе по созданию веб-скреперов, приложений, ботов и т.д.

Coding Problems [51] от Meto Trajkovski [52] (1.4к ★)

Решения различных проблем кодирования/алгоритмики и множество полезных ресурсов для изучения алгоритмов и структур данных.

Крутые проекты

Airflow [53] от Apache [54] (19.1к ★)

Платформа для разработки программ, планирования и мониторинга рабочих процессов.

Hug [55] от Hug API [56] (6.4к ★)

Цель Hug — сделать разработку API на Python как можно проще.

57 отборных репозиториев для всех разработчиков Python - 2

Rebound [57] от Jonathan Shobrook [58] (3.4к ★)

Инструмент командной строки, при возникновении исключения немедленно показывающий результат со Stack Overflow — [прим. перев. — сайта с ответами на вопросы по программированию].

You Get [59] от Mort Yao [60] (36.9к ★)

Крошечная утилита командной строки для загрузки медиаконтента (видео, аудио, изображений) из интернета.

Snallygaster [61] от Hanno Böck [62] (1.7к ★)

Инструмент сканирования на предмет скрытых файлов на серверах HTTP.

DeepFaceLab [63] от iperov [64] (21.1к ★)

Инструмент, который может создавать изображения и видео DeepFake, позволяя вам делать много забавных вещей, например, удаление и замена лиц.

57 отборных репозиториев для всех разработчиков Python - 3

Пример обмена лицами.

Photon [65] от Somdev Sangwan [66] (7.2к ★)

Мощный и простой в использовании веб-скрепер. Он следует рекомендациям из OSINT — методологии, которая делают возможным сбор и анализ информации, полученной из открытых или общедоступных источников.

ZeroNet [67] от ZeroNet [68] (16.2к ★)

Децентрализованные веб-сайты с помощью криптовалюты Bitcoin в сети BitTorrent.

57 отборных репозиториев для всех разработчиков Python - 4

Gym [69] от OpenAI [70] (22.6к ★)

Инструментарий для разработки и сравнения алгоритмов обучения с подкреплением.

Detectron [71] от Facebook Research [72] (23.8к ★)

Исследовательская платформа Facebook AI Research (исследования искусственного интеллекта Facebook) для исследования обнаружения объектов, реализующая популярные алгоритмы, такие как Mask R-CNN и RetinaNet.

57 отборных репозиториев для всех разработчиков Python - 5

Пример вывода Mask R-CNN через Detectron [71]

Magenta [73] от Magenta [74] (15.9к ★)

Исследовательский проект, исследующий роль машинного обучения в создании произведений искусства и музыки. В первую очередь это связано с разработкой новых алгоритмов глубокого обучения и обучением с подкреплением для написания песен, создания изображений, рисунков и других материалов.

Mopidy [75] от Mopidy [76] (6.7к ★)

Расширяемый музыкальный сервер — он воспроизводит музыку с локального диска, Spotify, SoundCloud, Google Play Music и других сервисов.

Face Recognition [77] от Adam Geitgey [78] (37.1к ★)

Распознавайте и управляйте лицами на Python или из командной строки с помощью самой простой в мире библиотеки распознавания лиц.

57 отборных репозиториев для всех разработчиков Python - 6

Определение изображения Джо Байдена с помощью инструмента распознавания лиц.

Wagtail [79] от Wagtail [80] (9.6к ★)

Система управления контентом на Django, ориентированная на гибкость и впечатления пользователей.

YAPF [81] от Google [82] (11.2к ★)

Берет код и переформатирует его в лучший формат в соответствии с вашим руководством по стилю, даже если первоначально код не нарушал руководство.

Zulip [83] (12.8к ★)

Мощное приложение для группового чата с открытым исходным кодом, которое сочетает в себе незамедлительность чата в реальном времени с преимуществами продуктивности тредовых бесед.

4. Фреймворки, модули, инструменты.

Dash [84] от Plotly [85] (13.3к ★)

Фреймворк Python для создания аналитических веб-приложений без JavaScript.

57 отборных репозиториев для всех разработчиков Python - 7

Приложение-карта с указанием дат открытия магазинов Walmart. Изображение на Plotly.

Django [86] (53.5к ★)

Django — это веб-фреймворк Python высокого уровня, который способствует быстрой разработке и чистому, прагматичному дизайну.

scikit-learn [87] от scikit-learn [88] (42.9к ★)

Модуль Python для машинного обучения, созданный на основе SciPy.

Falcon [89] от Falconry [90] (8.1к ★)

Серьезный, минималистичный фреймворк REST-сервисов и серверной части приложений для разработчиков Python с акцентом на надежность, корректность и производительность в масштабе.

Flask [91] от Pallets [92] (52.8к ★)

Flask — это легкий WSGI [93] фреймворк для веб-приложений. Он разработан, чтобы сделать начало работы быстрым и легким, есть возможность масштабирования до сложного приложения.

Keras [94] от Keras Team [95] (2.1к ★)

Высокоуровневый API нейронных сетей, написанный на Python и способный работать поверх TensorFlow [96], CNTK [97] или Theano [98]. Он разработан с упором на возможность быстро экспериментировать.

Kivy [99] от Kivy [100] (12.1к ★)

Кросс-платформенная среда Python с открытым исходным кодом для разработки приложений, использующих инновационные пользовательские интерфейсы с поддержкой мультитач.

NumPy [101] от NumPy [102] (15.4к ★)

Библиотека Python с открытым исходным кодом для работы с n-мерными массивами, она предлагает обширный набор инструментов для численных операций для достижения повышения производительности и сокращения времени выполнения.

pandas [103] от pandas [104] (27.2к ★)

Гибкая и мощная библиотека для анализа и обработки данных для Python, предоставляющая структуры маркированных данных.

Requests [105] от Python Software Foundation [106] (43.9к ★)

Библиотека Python, которая позволяет отправлять запросы HTTP/1.1, добавлять заголовки, данные форм, составные файлы и устанавливать параметры с помощью простых словарей Python.

SciPy [107] от SciPy [108] (7.7к ★)

Мультидоменная библиотека Python с открытым исходным кодом для Data Science, которая охватывает естественные науки, математику и инженерию.

Seaborn [109] от Michael Waskom [110] (7.8к ★)

Библиотека для визуализаций, основанная на Matplotlib и предлагающая дополнительный уровень настройки графиков и диаграмм, созданных Matplotlib.

Statsmodels [111] от Statsmodels [112] (5.7к ★)

Статистический модуль, предлагающий различные классы и функции для множества статистических моделей, делающий возможным статистический анализ и исследование данных.

Theano [113] от Theano [98] (9.3к ★)

Theano — это библиотека, которая позволяет эффективно определять, оптимизировать и оценивать математические выражения, включающие многомерные массивы.

Tornado [114] от Tornado Web [115] (19.6к ★)

Веб-фреймворк Python и библиотека асинхронных сетей, первоначально разработанные FriendFeed.

Visdom [116] от Facebook Research [72] (7.7к ★)

Гибкий инструмент для создания, организации и совместного использования визуализаций меняющихся, насыщенных данных. Поддерживает Torch и Numpy.

57 отборных репозиториев для всех разработчиков Python - 8

Matplotlib [117] от Matplotlib [118] (12.6к ★)

Библиотека для создания двухмерных графиков, позволяющая получать пригодные к публикации изображения в различных форматах твердых копий и в интерактивных средах на разных платформах.

Заключение


Я надеюсь, что вы найдете эти репозитории такими же полезными и вдохновляющими, как и я, и воспользуетесь ими для расширения своих навыков и знаний. Приятного программирования!

image

Eще курсы

Рекомендуемые статьи

Автор: Skillfactory School

Источник [140]

Сайт-источник PVSM.RU: https://www.pvsm.ru

Путь до страницы источника: https://www.pvsm.ru/python/358994

Ссылки в тексте:

[1] «Python для веб-разработки»: https://skillfactory.ru/python-for-web-developers?utm_source=infopartners&utm_medium=habr&utm_campaign=habr_PWS&utm_term=regular&utm_content=191120

[2] StackOverflow: https://insights.stackoverflow.com/survey/2020

[3] 1. Книги.: #section1

[4] 2. Собеседования.: #section2

[5] 3. Обучение.: #section3

[6] 4. Крутые проекты.: #section4

[7] Hitchhiker’s Guide to Python: https://github.com/realpython/python-guide

[8] Real Python: https://github.com/realpython

[9] Python Machine Learning: https://github.com/rasbt/python-machine-learning-book-3rd-edition

[10] Sebastian Raschka и Vahid Mirjalili: https://github.com/rasbt

[11] Cosmic Python: https://github.com/cosmicpython/book

[12] Byte of Python: https://github.com/swaroopch/byte-of-python

[13] Swaroop C H: https://github.com/swaroopch

[14] Cracking the Coding Interview: https://github.com/StBogdan/CTCI_python

[15] Bogdan: https://github.com/StBogdan

[16] Interactive Coding Challenges: https://github.com/donnemartin/interactive-coding-challenges

[17] Donne Martin: https://github.com/donnemartin

[18] Python Interview Questions: https://github.com/sigmavirus24/python-interview-questions

[19] Ian Stapleton Cordasco: https://github.com/sigmavirus24

[20] 300 Python Interview Questions: https://github.com/learning-zone/python-interview-questions

[21] Learning Zone: https://github.com/learning-zone

[22] The Algorithms/Python: https://github.com/TheAlgorithms/Python

[23] The Algorithms: https://github.com/TheAlgorithms

[24] Awesome Python: https://github.com/vinta/awesome-python

[25] Vinta Chen: https://github.com/vinta

[26] Full Speed Python: https://github.com/joaoventura/full-speed-python

[27] João Ventura: https://github.com/joaoventura

[28] Python Robotics: https://github.com/AtsushiSakai/PythonRobotics?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

[29] Atsushi Sakai: https://github.com/AtsushiSakai

[30] Learn Python 3: https://github.com/jerry-git/learn-python3

[31] Jerry Pussinen: https://github.com/jerry-git

[32] Learn Python: https://github.com/trekhleb/learn-python

[33] Oleksii Trekhleb: https://github.com/trekhleb

[34] Python Reference: https://github.com/rasbt/python_reference

[35] Manim: https://github.com/3b1b/manim?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

[36] 3b1b: https://github.com/3b1b

[37] NLTK: https://github.com/nltk/nltk

[38] NLTK: https://github.com/nltk

[39] Free programming books: https://github.com/EbookFoundation/free-programming-books

[40] Free Ebook Foundation: https://github.com/EbookFoundation

[41] 100 Days of ML Code: https://github.com/Avik-Jain/100-Days-Of-ML-Code

[42] Avik Jain: https://github.com/Avik-Jain

[43] D2L: https://github.com/d2l-ai/d2l-en

[44] Dive Into Deep Learning: https://github.com/d2l-ai

[45] Models: https://github.com/tensorflow/models

[46] TensorFlow: https://github.com/tensorflow

[47] TensorFlow examples: https://github.com/aymericdamien/TensorFlow-Examples

[48] Aymeric Damien: https://github.com/aymericdamien

[49] Project Based Learning: https://github.com/tuvtran/project-based-learning#python

[50] Tu V. Tran: https://github.com/tuvtran

[51] Coding Problems: https://github.com/MTrajK/coding-problems

[52] Meto Trajkovski: https://github.com/MTrajK

[53] Airflow: https://github.com/apache/airflow

[54] Apache: https://github.com/apache

[55] Hug: https://github.com/hugapi/hug

[56] Hug API: https://github.com/hugapi

[57] Rebound: https://github.com/shobrook/rebound

[58] Jonathan Shobrook: https://github.com/shobrook

[59] You Get: https://github.com/soimort/you-get

[60] Mort Yao: https://github.com/soimort

[61] Snallygaster: https://github.com/hannob/snallygaster

[62] Hanno Böck: https://github.com/hannob

[63] DeepFaceLab: https://github.com/iperov/DeepFaceLab

[64] iperov: https://github.com/iperov

[65] Photon: https://github.com/s0md3v/Photon

[66] Somdev Sangwan: https://github.com/s0md3v

[67] ZeroNet: https://github.com/HelloZeroNet/ZeroNet

[68] ZeroNet: https://github.com/HelloZeroNet

[69] Gym: https://github.com/openai/gym

[70] OpenAI: https://github.com/openai

[71] Detectron: https://github.com/facebookresearch/Detectron

[72] Facebook Research: https://github.com/facebookresearch

[73] Magenta: https://github.com/magenta/magenta

[74] Magenta: https://github.com/magenta

[75] Mopidy: https://github.com/mopidy/mopidy

[76] Mopidy: https://github.com/mopidy

[77] Face Recognition: https://github.com/ageitgey/face_recognition

[78] Adam Geitgey: https://github.com/ageitgey

[79] Wagtail: https://github.com/wagtail/wagtail

[80] Wagtail: https://github.com/wagtail

[81] YAPF: https://github.com/google/yapf

[82] Google: https://github.com/google

[83] Zulip: https://github.com/zulip/zulip

[84] Dash: https://github.com/plotly/dash

[85] Plotly: https://github.com/plotly

[86] Django: https://github.com/django/django

[87] scikit-learn: https://github.com/scikit-learn/scikit-learn

[88] scikit-learn: https://github.com/scikit-learn

[89] Falcon: https://github.com/falconry/falcon

[90] Falconry: https://github.com/falconry

[91] Flask: https://github.com/pallets/flask

[92] Pallets: https://github.com/pallets

[93] WSGI: https://wsgi.readthedocs.io/

[94] Keras: https://github.com/keras-team/keras

[95] Keras Team: https://github.com/keras-team

[96] TensorFlow: https://github.com/tensorflow/tensorflow

[97] CNTK: https://github.com/Microsoft/cntk

[98] Theano: https://github.com/Theano/Theano

[99] Kivy: https://github.com/kivy/kivy

[100] Kivy: https://github.com/kivy

[101] NumPy: https://github.com/numpy/numpy

[102] NumPy: https://github.com/numpy

[103] pandas: https://github.com/pandas-dev/pandas

[104] pandas: https://github.com/pandas-dev

[105] Requests: https://github.com/psf/requests

[106] Python Software Foundation: https://github.com/psf

[107] SciPy: https://github.com/scipy/scipy

[108] SciPy: https://github.com/scipy/

[109] Seaborn: https://github.com/mwaskom/seaborn

[110] Michael Waskom: https://github.com/mwaskom

[111] Statsmodels: https://github.com/statsmodels/statsmodels

[112] Statsmodels: https://github.com/statsmodels

[113] Theano: https://github.com/Theano

[114] Tornado: https://github.com/tornadoweb/tornado

[115] Tornado Web: https://github.com/tornadoweb

[116] Visdom: https://github.com/facebookresearch/visdom

[117] Matplotlib: https://github.com/matplotlib/matplotlib

[118] Matplotlib: https://github.com/matplotlib

[119] Обучение профессии Data Science: https://skillfactory.ru/dstpro?utm_source=infopartners&utm_medium=habr&utm_campaign=habr_DSPR&utm_term=regular&utm_content=191120

[120] Обучение профессии Data Analyst: https://skillfactory.ru/dataanalystpro?utm_source=infopartners&utm_medium=habr&utm_campaign=habr_DAPR&utm_term=regular&utm_content=191120

[121] Онлайн-буткемп по Data Analytics: https://skillfactory.ru/business-analytics-camp?utm_source=infopartners&utm_medium=habr&utm_campaign=habr_DACAMP&utm_term=regular&utm_content=191120

[122] Курс по Machine Learning: https://skillfactory.ru/ml-programma-machine-learning-online?utm_source=infopartners&utm_medium=habr&utm_campaign=habr_ML&utm_term=regular&utm_content=191120

[123] Продвинутый курс «Machine Learning Pro + Deep Learning»: https://skillfactory.ru/ml-and-dl?utm_source=infopartners&utm_medium=habr&utm_campaign=habr_MLDL&utm_term=regular&utm_content=191120

[124] Курс «Математика и Machine Learning для Data Science»: https://skillfactory.ru/math_and_ml?utm_source=infopartners&utm_medium=habr&utm_campaign=habr_MATML&utm_term=regular&utm_content=191120

[125] Разработчик игр на Unity: https://skillfactory.ru/game-dev?utm_source=infopartners&utm_medium=habr&utm_campaign=habr_GAMEDEV&utm_term=regular&utm_content=191120

[126] Профессия Веб-разработчик: https://skillfactory.ru/webdev?utm_source=infopartners&utm_medium=habr&utm_campaign=habr_WEBDEV&utm_term=regular&utm_content=191120

[127] Профессия Java-разработчик: https://skillfactory.ru/java?utm_source=infopartners&utm_medium=habr&utm_campaign=habr_JAVA&utm_term=regular&utm_content=191120

[128] Курс по JavaScript: https://skillfactory.ru/javascript?utm_source=infopartners&utm_medium=habr&utm_campaign=habr_FJS&utm_term=regular&utm_content=191120

[129] C++ разработчик: https://skillfactory.ru/cplus?utm_source=infopartners&utm_medium=habr&utm_campaign=habr_CPLUS&utm_term=regular&utm_content=191120

[130] Обучение профессии C#-разработчик: https://skillfactory.ru/csharp?utm_source=infopartners&utm_medium=habr&utm_campaign=habr_CDEV&utm_term=regular&utm_content=191120

[131] Курс по аналитике данных: https://skillfactory.ru/analytics?utm_source=infopartners&utm_medium=habr&utm_campaign=habr_SDA&utm_term=regular&utm_content=191120

[132] Курс по DevOps: https://skillfactory.ru/devops?utm_source=infopartners&utm_medium=habr&utm_campaign=habr_DEVOPS&utm_term=regular&utm_content=191120

[133] Профессия iOS-разработчик с нуля: https://skillfactory.ru/iosdev?utm_source=infopartners&utm_medium=habr&utm_campaign=habr_IOSDEV&utm_term=regular&utm_content=191120

[134] Профессия Android-разработчик с нуля: https://skillfactory.ru/android?utm_source=infopartners&utm_medium=habr&utm_campaign=habr_ANDR&utm_term=regular&utm_content=191120

[135] Как стать Data Scientist без онлайн-курсов: https://habr.com/ru/company/skillfactory/blog/507024

[136] 450 бесплатных курсов от Лиги Плюща: https://habr.com/ru/company/skillfactory/blog/503196/

[137] Как изучать Machine Learning 5 дней в неделю 9 месяцев подряд: https://habr.com/ru/company/skillfactory/blog/510444/

[138] Сколько зарабатывает аналитик данных: обзор зарплат и вакансий в России и за рубежом в 2020: https://habr.com/ru/company/skillfactory/blog/520540/

[139] Machine Learning и Computer Vision в добывающей промышленности: https://habr.com/ru/company/skillfactory/blog/522776/

[140] Источник: https://habr.com/ru/post/528232/?utm_source=habrahabr&utm_medium=rss&utm_campaign=528232