13 захватывающих Python-проектов на GitHub

Python является одним из самых популярных языков программирования среди тех, что выбирают профессионалы во всем мире. Его простой синтаксис позволяет разработчикам программного обеспечения и исследователям данных с легкостью приобретать новые навыки. Вы также можете найти множество проектов Python на GitHub, чтобы практиковаться и учиться одновременно.

Содержание

• Почему именно проекты на Python?
• Проекты Python на GitHub.
  1. Magenta.
  2. Photon.
  3. Mailpile.
  4. XSStrike.
  5. Google Image Download.
  6. Pandas Project.
  7. Xonsh.
  8. Manim.
  9. AI Basketball Analisys.
  10. Rebound.
  11. NeytralTalk.
  12. TensorFlow Project.
  13. Maps Model Importer.
• Дальнейшие возможности Python

Почему именно проекты на Python?

На рынке вакансий высокий спрос на профессионалов, владеющих Python, но не все кандидаты обращают внимание на преимущества его использования. Этот язык имеет множество библиотек и очень удобные структуры данных. К тому же, с годами он превратился в отличный инструмент для создания приложений, запускаемых из командной строки.

Если вы поищете проекты Python на GitHub, то найдете множество различных образчиков с открытым исходным кодом. В репозитории есть программы на любой вкус — от создания простого генератора паролей до автоматизации рутинных задач и анализа данных Twitter. Для новичков подход к обучению, основанный на реальных задачах, может творить чудеса. Благодаря такому подходу вы сможете изучить язык от и до, освоить фреймворки (например Pandas и Django), а также многопроцессорную архитектуру. Итак, приступим.

Python-проекты на GitHub

1. Magenta

Этот исследовательский проект Python подходит к машинному обучению через художественные проявления. Созданный командой Google Brain, проект Magenta сосредоточен на алгоритмах глубокого обучения и обучения с подкреплением. Данные алгоритмы могут создавать рисунки, музыку и так далее. Ноутбуки проекта познакомят вас с техническими деталями этого интеллектуального инструмента, призванного помочь реальным авторам в их работе.

Ссылка на GitHub.

Еще один пример расширяемого музыкального сервера, который вы можете легко найти на GitHub, — Modiply.

2. Photon

Это быстрый поисковый робот, разработанный для инструментов с открытым исходным кодом (OSINT). Концепция OSINT включает сбор данных из общедоступных источников для использования их в контексте разведки. С помощью Photon вы можете выполнять несколько функций сканирования данных, включая извлечение следующего контента:

• внутренние и внешние URL-адреса;
• URL с параметрами;
• электронная почта и учетные записи в социальных сетях;
• XML, pdf, png и другие файлы;
• корзины покупок в Amazon и так далее;

Ссылка на GitHub.

3. Mailpile

Этот проект GitHub известен своей современной и совершенной функциональностью шифрования. Это инструмент обеспечения конфиденциальности, поддерживаемый весьма большим сообществом. В первую очередь, он позволяет отправлять и получать электронные письма с шифрованием PGP.

Быстрая поисковая система Mailpile может обрабатывать огромные объемы данных электронной почты и систематизировать их в чистом веб-интерфейсе. Данный проект использует для автоматической маркировки статические правила либо байесовские классификаторы. Чтобы узнать больше, ознакомьтесь с этим бесплатным программным обеспечением и живыми демонстрациями его работы на этом веб-сайте!

Ссылка на GitHub.

4. XSStrike

Межсайтовый скриптинг или XSS — это поиск уязвимостей в веб-приложениях. XSS-атаки внедряют клиентские, часто вредоносные, скрипты на веб-страницы, которые в остальном неопасны. Пакет XSStrike был разработан для обнаружения и использования таких атак. Этот инструмент с открытым исходным кодом обладает следующими функциями:

• четыре парсера;
• интеллектуальный генератор полезной нагрузки;
• эффективный движок фаззинга;
• быстрый краулер.

С помощью вышеперечисленных инструментов XSStrike анализирует реакцию и создает полезную нагрузку. Он также может выполнять эффективный контекстный анализ с помощью встроенных фаззеров.

Ссылка на GitHub.

5. Google Images Download

Эта программа на Python, запускаемая из командной строки, может искать и загружать сотни изображений Google. Можно составить сценарий поиска ключевых слов и фраз, и, при желании, загружать файлы изображений. Эта библиотека совместима с версиями Python 2.x и 3.x. Вы можете скопировать исходный код этого проекта, чтобы отточить свои навыки программирования и понять его практическую применимость.

Ссылка на GitHub.

6. Pandas

Когда дело доходит до выполнения гибкого анализа и обработки данных, библиотека Pandas оказывается великолепным инструментом. Ее выразительные структуры данных предлагают много преимуществ по сравнению с другими альтернативами. Обратите внимание на некоторые из них:

• гибкость в работе с реляционными либо размеченными данными;
• удобная обработка недостающих данных и изменение их размера;
• интуитивно понятные операции с наборами данных, включая слияние, изменение формы и сводные таблицы;
• функции автоматического выравнивания данных с дополнительными возможностями.

Просматривая код pandas, вы столкнетесь с различными проблемами в документации. Это может побудить вас поделиться своими идеями и улучшить существующий инструментарий. Вы можете найти пакет с открытым исходным кодом на GitHub вместе с другими пакетами, такими как Django и Keras, что дает возможность для экспериментов.

Ссылка на GitHub.

7. Xonsh

Для интерактивных приложений требуются интерпретаторы командной строки, такие как, например, Unix. Такие операционные системы контролируют выполнение с помощью сценариев оболочки. Но разве не было бы удобнее, если бы ваша оболочка могла понимать более масштабируемый язык программирования? Здесь на сцену выходит Xonsh (произносится как «Конк»).

Это язык оболочки на основе Python, обеспечивающий быстрое выполнение команд. На этом кроссплатформенном языке легко писать различные скрипты. Поставляется он с обширной стандартной библиотекой и типами переменных. У Xonsh также есть собственная система управления виртуальной средой под названием vox.

Ссылка на GitHub.

8. Manim

Manim разшифровывается как Mathematical Animation Engine. Этот проект посвящен программному созданию видеопрезентаций. Программа работает на Python 3.7 и создает анимированный видеоконтент, охватывающий сложные темы с помощью иллюстраций и графиков. Вы можете посмотреть эти видео на YouTube-канале 3Blue1Brown.

Исходный код Manim находится в свободном доступе на GitHub. Вы также можете обратиться к онлайн-руководствам, чтобы узнать, как установить пакет, запустить проект и создавать простые личные проекты.

Ссылка на GitHub.

9. AI Basketball Analysis

Этот проект построен на концепции обнаружения объектов. Приложение искусственного интеллекта роется в собранных данных для анализа баскетбольных бросков. Вы можете легко найти это приложение и его API на GitHub. Давайте посмотрим, как работает данный инструмент:

• Вы загружаете файлы в веб-приложение.
• Кроме того, вы можете отправить POST-запрос в API.
• Библиотека OpenPose реализует вычисления.
• Веб-приложение выдает результаты на основе данных позы при съемке.

Ссылка на GitHub.

10. Rebound

В исходном коде компьютерных программ часто возникают ошибки компилятора. Rebound может мгновенно получить результаты запроса на форум StackOverflow по нужной ошибке.

Это инструмент командной строки, написанный на Python и построенный на пользовательском интерфейсе консоли Urwid. Если вы решите использовать этот проект, вы узнаете, как пакет Beautiful Soup извлекает содержимое из StackOverflow. Вы также можете ознакомиться с подпроцессом, который обнаруживает ошибки компилятора.

Ссылка на GitHub.

11. NeutralTalk

Вы можете отточить свои знания о мультимодальных рекуррентных нейронных сетях с помощью проекта NeutralTalk. Это Python-проект с использованием библиотеки NumPy, который фокусируется на описании изображений.

Обычно способы создания подписей к изображениям сочетают методы компьютерного зрения и обработки естественного языка. Система может понимать происходящее и создавать описания контента, наблюдаемого на изображении.

Если вы ищете свежий код для создания подписей, вы можете обратиться к NeutralTalk2. Написанный на Lua, легком и высокоуровневом языке программирования, этот проект работает быстрее, чем исходная версия.

Ссылка на GitHub.

12. Проекты TensorFlow

TensorFlow — это библиотека Python, используемая для построения моделей глубокого обучения. Репозиторий Model Garden собирает в одном месте множество примеров кода для пользователей TensorFlow. Он предназначен для демонстрации передового опыта в области исследований и разработки продуктов, а также для предоставления готовых предварительно обученных моделей. С помощью этого официального ресурса вы можете изучать, как реализуется распределенное обучение и как решаются задачи компьютерного зрения и НЛП.

Ссылка на GitHub.

13. Maps Models Importer

Maps Models Importer импортирует 3D-модели из больших карт. Это экспериментальный инструмент, содержащий только надстройку Blender, и для его работы требуется программное обеспечение 3D-контента, такое как Google Maps. На примере этого проекта вы можете научиться импортировать модели из Google Maps.

Ссылка на GitHub.

Дальнейшие возможности Python

Современная индустрия все чаще ищет скрытые закономерности в массивах данных. Более того, современные технологии, такие как искусственный интеллект и машинное обучение, добавляют к этому ландшафту новые возможности и новые сложности. А языки высокого уровня, такие как Python, являются неотъемлемой частью процедур разработки программного обеспечения и аналитики.

Естественно, современные рекрутеры при найме на такие должности, как специалист по данным, аналитик данных, разработчик Python, инженер DevOps и так далее, придают огромное значение навыкам программирования на Python. Технологические гиганты, например Google, Facebook, Spotify, Netflix, Dropbox и Reddit, предлагают весьма прибыльные варианты карьеры кандидатам, прошедшим практическую подготовку.

Мы надеемся, что вы сможете отточить свои навыки программирования с помощью приведенного выше списка проектов Python на GitHub. По мере развития и дальнейшего расширения рынка больших данных ожидается, что в ближайшие годы сообщество Python выпустит еще больше библиотек с открытым исходным кодом. Так что следите за новостями и продолжайте учиться!