Sangkon Han(SigmaDream, sd or SD)

Python * Django vs. Flask in 2019: Which Framework to Choose [https://testdriven.io/blog/django-vs-flask/] * Django와 Flask를 비교하고 장점과 단점을 소개하는 기사 * Production-ready Docker images [https://pythonspeed.com/docker/] * Python과 Docker를 함께 사용한다면 이 기사를 꼭 읽어보자! * In the Beginning were Python’s Keywords [https://yawpitchroll.com/posts/the-35-words-you-need-to-python/] * Python

Python * Intro to Scraping NBA Data with BeautifulSoup [https://medium.com/hardwood-convergence/intro-to-virtual-environments-and-scraping-nba-data-with-beautifulsoup-6ce745f8c26e] * NBA 데이터를 BeautifulSoup를 사용해서 크롤링하는 과정을 자세히 소개하는 튜토리얼 기사 * 다른 곳에도 유용하게 사용할 수 있는 기술이니 시간이 된다면 꼭 읽어보자! * Simplify Your Python Developer Environment [https://medium.com/expedia-group-tech/simplify-your-python-developer-environment-aba90f32dddb] * 파이썬 개발 환경을 구성하는 방법을 자세히

Python * Build a Recommendation Engine With Collaborative Filtering [https://realpython.com/build-recommendation-engine-collaborative-filtering/] * Collaborative Filtering(협업 필터링)은 추천 시스템을 구현할 때 많이 사용하는 방법을 소개하는 기사 * 아마존/유투브/넥플릭스 등에서 추천 시스템의 일부로 사용하고 있습니다. 이 기사는 '좋아요/싫어요'를 사용해서 협업 필터링을 구현하는 방법을 소개하는 튜토리얼 기사입니다.

Python * A deep dive on Python type hints [https://veekaybee.github.io/2019/07/08/python-type-hints/] * 2014년에 발표된 파이썬의 타입 힌트에 대한 자세한 소개 * 파이썬의 타입 힌트에 대해서 궁금했거나 적용해보고 싶다면 이 기사로 시작해보자. * Fastest Way to Load Data Into PostgreSQL Using Python [https://hakibenita.com/fast-load-data-python-postgresql] * PostgreSQL에서 데이터를 가져오는

Python * [Raspberry Pi] How to Build a Robot: A Step-by-Step Guide for Beginners [https://www.256kilobytes.com/content/show/10829/raspberry-pi-how-to-build-a-robot-a-step-by-step-guide-for-beginners] * 라즈베리파이를 사용해서 간단한 로봇을 만드는 과정을 소개하는 튜토리얼 기사로 해당 기사를 통해서 간단한 전자회로를 제어하는 방법을 배울 수 있음 * 기사를 읽다보면 뭔가 허술하지만, 초보자라면 조금씩 부품을 모아서 실습해보면 좋을

Python * Loop Better: a deeper look at iteration in Python [https://treyhunner.com/2019/06/loop-better-a-deeper-look-at-iteration-in-python/] * 파이썬의 반복문을 좀 더 효율적으로 사용하는 방법을 소개하는 기사 * 완전 강추! * Faster Docker builds with pipenv, poetry, or pip-tools [https://pythonspeed.com/articles/pipenv-docker/] * 도커 이미지를 조금 빠르게 빌드하는 방법을 소개하는 기사 * 10 Simple

Python * Improve Serialization Performance in Django Rest Framework [https://hakibenita.com/django-rest-framework-slow] * Django의 DRF를 사용하시는 분들에게 추천하고 싶은 기사로 작은 몇가지 변화로 큰 성능을 얻을 수 있는 방법을 소개하는 기사 * Solving Programming Puzzles without using your Brain [https://doisinkidney.com/posts/2019-06-04-solving-puzzles-without-your-brain.html] * 파이썬을 사용해서 프로그래밍 문제를 해결하는 과정을 자세히

Python * Concurrency with Python: CSP and Coroutines [https://bytes.yingw787.com/posts/2019/02/09/concurrency_with_python_csp_and_coroutines/] * golang에서 지원해서 많은 사람들에게 알려진 동시성 프로그래밍 모델인 CSP를 파이썬에서 사용하는 방법을 소개하는 기사 * 시간이 허락한다면 기사의 초반에 소개하는 몇가지 레퍼런스도 좋으니 읽어보자! * Rewriting the Slack Python SDK [https:

Python * How We Built a Content-Based Filtering Recommender System For Music with Python [https://towardsdatascience.com/how-we-built-a-content-based-filtering-recommender-system-for-music-with-python-c6c3b1020332] * 파이썬과 Django를 사용해서 저작권이 없는 음악을 추천하는 시스템을 만드는 과정을 소개하는 짧은 튜토리얼 기사 * Asynchronous Tasks in Django with Redis and Celery [https://stackabuse.com/asynchronous-tasks-in-django-with-redis-and-celery/] * Django, Redis 그리고 Celery를 활용하여 비동기 작업을

Python * Structuring Your Project¶ [https://docs.python-guide.org/writing/structure/] * 파이썬 프로젝트를 만들 때 필요한 구성요소에 대해서 자세히 소개하는 기사 * 파이썬 프로젝트를 시작할 떄 참고하면 좋을 글 * PyTorch internals [http://blog.ezyang.com/2019/05/pytorch-internals/] * 요즘 관심있게 지켜보고 있는 PyTorch의 내부 구조에 대해서 자세히 소개하는 기사 * Build a Hardware-based

Python * The best Docker base image for your Python application [https://pythonspeed.com/articles/base-image-python-docker-images/] * 도커에서 파이썬을 사용하고자 할 때, 어떤 베이스 이미지를 선택할지 고민이었다면 이 기사를 참고 * Stylin’ with Pandas [https://pbpython.com/styling-pandas.html] * Pandas의 DataFrame에 적용할 수 있는 Pandas의 고급 시각화 내용을 다루고 있음 * 9 Django Tips

Python * An Introduction to Functional Programming with Python [https://julien.danjou.info/python-and-functional-programming/] * 이 기사는 (일부 예외를 제외하고) 더 간결하고 재미있는 코드를 작성할 수 있는 함수형 프로그래밍 작성 방법을 다루고 있음 * 함수형 프로그래밍을 처음 접하거나, 파이썬을 좀 더 재미있는 코드를 작성하고 싶은 개발자라면 이 기사를 참고해보자! * Logging for scientific computing:

Python * Top 3 python libraries for graphql [https://blog.graphqleditor.com/top-3-python-libraries-for-graphql/] * Python에서 GraphQL을 사용하고 싶으신다면 일단 이 기사를 먼저 참고해보세요! * Getting to Know Python 3.7: Data Classes, async/await and More! [https://blog.heroku.com/python37-dataclasses-async-await] * 파이썬 3.7에 새롭게 추가된 기능을 가볍게 소개하는 기사 * 대부분의 OS에서 3.

Python * Packaging Python inside your organization with GitLab and Conda [https://stefan.sofa-rockers.org/2019/04/18/python-packaging-gitlab-conda/] * 사내 개발을 위해서 PyPI(배포)를 고려하셨다면 이 기사를 참고하자! * Buggy Python Code: The 10 Most Common Mistakes That Python Developers Make [https://www.toptal.com/python/top-10-mistakes-that-python-programmers-make] * 파이썬을 사용하면서 겪게되는 흔히

Python * Python Used to Take Photo of Black Hole [http://www.blog.pythonlibrary.org/2019/04/11/python-used-to-take-photo-of-black-hole/] * 블랙홀 사진을 찍을 때 파이썬이 사용되었다는 걸 아시나요? 모르셨다면 이 기사를 참고해보세요! * How I used Python to analyze Game of Thrones [https://medium.freecodecamp.org/how-i-used-python-to-analyze-game-of-thrones-503a96028ce6] * '왕좌의 게임'과 파이썬을

Python * Python modules management for newbies [https://wkulikowski.com/2019/programming-environments/] * 파이썬에서 사용하는 모듈의 위치와 경로에 대해서 자세히 소개햐는 기사 * 파이썬을 이제 막 배우기 시작했다면 읽어두면 좋을 글! * How to Automate Tasks on GitHub With Machine Learning for Fun and Profit [https://towardsdatascience.com/mlapp-419f90e8f007] * 머신 러닝 기술을 사용해서 Github의

Python * Build your first Convolutional Neural Network to recognize images [https://medium.com/intuitive-deep-learning/build-your-first-convolutional-neural-network-to-recognize-images-84b9c78fe0ce] * Keras를 사용하는 CNN을 구성하는 방법을 단계별로 설명하는 튜토리얼 가이드 기사 * CIFAR-10을 사용하고 있기 때문에 VGG16/19 등으로 변경해서 서로 비교해보는 코드를 작성하면서 친구들과 함께 읽었던 기사로 쉽고 짜임새가 좋음! * Towards Well-Being, with Data Science (part

Python * How I Eat For Free in NYC Using Python, Automation, Artificial Intelligence, and Instagram [https://medium.com/@chrisbuetti/how-i-eat-for-free-in-nyc-using-python-automation-artificial-intelligence-and-instagram-a5ed8a1e2a10] * NYC에서 무료시식을 하기 위해서 자신이 했던 몇가지 과정을 소개하는 기사, 파이썬을 사용해서 무료 시식과 관련된 데이터를 자동화시킨 과정을 간단하게 설명하고 있음 * 세부적인 기술에 대한 내용이 빠져있어서 재현볼 순 없지만, 자동화에

Python * Python Virtual Environments Masterclass [https://spurin.com/2019/03/12/Python-Virtual-Environments/] * Python의 가상 환경에 대한 가벼운 소개와 함께 간단한 안내를 겸하고 있는 기사 * Django: An Unofficial Opinionated FAQ [https://blog.doismellburning.co.uk/django-an-unofficial-opinionated-faq/] * Django의 공식적인 FAQ는 아니지만, 다양한 분야에 대한 몇가지 관점을 소개하는 비공식적인 FAQ * Python의 웹 프레임워크/

Python * Data Engineering with Python, Django, and PostgreSQL [https://towardsdatascience.com/data-engineering-with-python-django-and-postgresql-99409492769] * 데이터분석을 위해서 장고의 ORM을 활용하는 방법을 소개하는 튜토리얼 기사 * SQL이 아닌 파이썬 코드를 사용해서 데이터분석을 적용하길 원하는 분들에게 추천 * Understanding Python slices [https://blog.lerner.co.il/understanding-python-slices/] * 파이썬에서 가장 많이 활용하지만 언제나 두려운(::2 ??) slices를 자세히 소개하는

Python * Let’s talk about data structures in Python [https://apirobot.me/posts/lets-talk-about-data-structures-in-python] * 파이썬의 중요한 데이터 구조와 Big-O 표기법에 대해서 살펴보는 기사 JVM * Simpler Kotlin class hierarchies using class delegation [https://proandroiddev.com/simpler-kotlin-class-hierarchies-using-class-delegation-35464106fed5] * 위임을 사용하여Kotlin 클래스 계층 구조를 만드는 방법을 소개하는 기사 JavaScript * How to Test Your Vue

Python * A Complete Machine Learning Project Walk-Through in Python [https://codequs.com/p/BkaLEq8r4/a-complete-machine-learning-project-walk-through-in-python] * 이 기사는 ML에 관한 기본적인 솔류션을 제공하고, 개별적인 ML 방법이 어떻게 연관되어 있는지 설명하는 기사 * How to write a Python web framework. Part I. [http://rahmonov.me/posts/write-python-framework-part-one/] * 웹 프레임워크를 만들면서 Flask와 Django의 '

Python * Machine Learning for Everyone [https://medium.com/machine-learning-for-everyone/why-machine-learning-for-everyone-blog-ab7321042976] * ML에 대한 개략적인 소개하는 기사로 실질적인 예제를 중심으로 설명하고 있고 아주 적절하고 인터렉티브한 이미지를 통해 직관적으로 이해할 수 있도록 가이드를 하고 있음 * ML과 관련된 아주 멋진 그리고 위대한 기사 * 이번주 필독! * Learn Enough Python to be Useful: argparse [https://towardsdatascience.