Avec l'aide de contributeurs à CPython, ce sprint propose de contributer à CPython en corrigeant des bogues faciles d'accès. Cela permettra a nos amis sprinters de montrer le chemin pour devenir un contributeur de CPython.

Munis de capteurs et de processeurs embarqués (qui font tourner Python pour certains), nous proposons de réfléchir à la conception d'un kit de mesure nomade à bas prix, en particulier parce que des capteurs PM2.5 et PM10 accessibles apparaissent sur le marché, qui ont leur pertinence tant à l'intérieur qu'à l'extérieur des bâtiments. Les enjeux sont de santé publique et règlementaires (obligation pour les pouvoirs publics de maintenir une certaine qualité environnementale), mais soyons conscients que la mesure brute n'a pas de sens absolu et que l'analyse est toujours nécessaire. Les défis sont nombreux, citons notamment la normalisation et la documentation du processus de mesure et d'enregistrement, la prise d'information contextuelle (il est crucial de renseigner la cause d'une déviation lorsqu'elle est comprise), le post traitement : déterminer l'incertitude, produire des photographies du réel à partir des données prises à des lieux et des dates arbitraires. Concrètement, nous espérons avancer particulièrement sur la centralisation, la curation et la restitution de données sous forme d'alertes, cartes et graphiques accessibles au plus grand nombre (notamment sur le web, donc), constituer un groupe d'intérêt et bénéficier de vos lumières ! Intéressé par le sujet ? Nous avons besoin de vous pour effectuer des relevés, pour réfléchir, pour coder !

Comme vous le savez peut-être, le site du projet Memopol est aussi bien Open Source que l'outil de Mémoire Politique utilisé par certains lobbies citoyens. C'est un projet en Pelican sur github.com/political-memory/blog-memopol qui aurait besoin d'être mis à jour autant coté contenu, que traduction, design, déploiement et marketing. Bref, qu'on comprenne de quoi diable il s'agit sans y passer trois heures en tant que visiteur lambda. Je (James Pic) serai à votre disposition pour aider les sprinteurs du développement en local jusqu'au déploiement en production que tout contributeur doit faire pour chacun de ses patches dans la plus bleeding edge de la pratique de la livraison continue ou encore d'un authentique blues du bayou.

Common Search est un nouveau projet open source écrit principalement en Python, qui vise à créer un moteur de recherche entièrement ouvert et transparent. Une démo est déjà en ligne, mais il y a encore beaucoup de choses à améliorer pour en faire un service utilisable par tous. N'avez-vous jamais rêvé de comprendre comment un moteur de recherche marche de l'intérieur ? Avez-vous déjà exécuté une de vos lignes de code sur plusieurs milliards de pages web ? Ce sprint est l'occasion ! Le mainteneur du projet Sylvain Zimmer sera présent pour aider les gens de tous les niveaux à faire leur première contribution. Grâce à des images Docker toutes prêtes et une liste d'issues sur GitHub bien remplie, vous pourrez envoyer votre première Pull Request en moins d'une heure !

TechEmpower Benchmarks suite essaie de comparer 162 frameworks Web pour faire des APIs REST/JSON. AsyncIO et sa boite à outils participent à ce benchmark, en particulier aiohttp. Depuis que la suite de tests a été implémenté, de nouveaux outils sont apparus (uvloop, asyncpg, compatibilité AsyncIO pour cython...) qui devraient améliorer les performances, qui sont déjà intéressantes. Si vous voulez aider, ou que vous êtes un simple curieux de comment améliorer les performances en Python, ce sprint est fait pour vous. De plus, si vous êtes intéressé à rajouter ou améliorer les performances de frameworks construits avec d'autres technologies qu'AsyncIO et Python, je peux également vous aider comment commencer.

Mapping Learning est à la fois une application et un projet éducatif. Notre volonté est d’assister les utilisateurs dans leurs taches de traitement de données et de cartographie automatisée (à partir de données de télédétection ou autres) et de faciliter les échanges entre les méthodes de machine learning et ses applications (télédétection en particulier). Ci-dessous, ma liste au père Noël : - Portage vers Python 3 - Documentation du projet (sphinx) - Faciliter déploiement : création d'un fichier setup.py - Base de connaissances : créer un prototype et tester exécution d'un test stocké dans bdd - Développement interface (CLI, Prototype de GUI, Prototype d'interface Web, Test de Junyper) - Choix et implémentation statistiques (cf. scikit) pour : classification : ROC Curve, autre(s), Clustering, Regression. J'ai essayé de proposer des taches avec des niveaux de difficultés différents, et dans des domaines variés... Tout le monde est bienvenu ! La première journée permettra avant tout de se connaître et de vous faire connaître l'application (vous pouvez voir le code source : https://bitbucket.org/thomas_a/maplearn/), choisir quelles propositions vous intéressent le plus, et bidouiller... Après un debrief informel le soir. Alban THOMAS a commencé sa carrière dans les domaines du SIG et de la télédétection. Il a développé des compétences en programmation pour répondre aux besoins de ces projets et aussi par envie. Son poste actuel d’ingénieur d’étude en cartographie à l’UMR LETG Rennes-COSTEL (Climat et Occupation du Sol par Télédétection) lui permet de travailler avec des géographes, avec ou sans connaissance en télédétection et des informaticiens en traitements du signal.

Nova-Ideo est une solution d'innovation participative et de démocratie participative écrite en python avec le framework Pyramid, le tout sous licence AGPL. Nous proposons de réaliser un sprint permettant à tous de comprendre comment il est fait et de pouvoir le faire évoluer.

Je cherche à partir d'une fiche dont la trame est sous libreoffice calc mais qui est remplie par des utilisateurs indiciplinés à parvenir à une fiche totalement normée en passant par un tableau recapitulatif qui serait une alternative à une gestion de base de données. ( fichiers exemples disponibles ) en utilisant python soit en macro, soit en programme externe sous windows ( portage possible sous linux, normalement )

Sprint sur les 2 jours. Développements autour du framework web open-source Nagare (www.nagare.org). Selon la demande : - correction de bugs et évolution de Nagare - extraction de modules de Nagare pour en faire des projets open-source indépendants (injection de services 'nagare.services', micro-framework web orienté Rest sur gevent ‘nagare.restserver' …) - définition et développement de nouveaux modules fonctionnels (gestion des utilisateurs, moteur de recherche full-text …) - ...

Organisation : Baptiste Gaultier, Frédéric Clec'h et Christophe Millot Partenaires : Telecom Bretagne, Keolis Rennes Période : Jeudi 13 et vendredi 14 octobre 2016 Tags : django, open-data, arduino, weboob, open-source, hardware, rest, api, 3D printing, fablab laboîte est une petite horloge connectée qui permet de visualiser de nombreuses données d'un seul coup d'œil ! Intégralement open-source et open-hardware, ce projet est à la recherche de développeurs sympas et motivés pour ajouter de nouvelles fonctionnalités qui pourraient venir compléter les informations existantes : Météo (open weather map) Prochain rendez-vous (à partir d'un calendrier OpenCalendar, Google, Yahoo ou basé sur le standard ICS) Prochain bus à Rennes (avec la STAR) Nombre de vélos libre-service disponibles à Rennes (avec la STAR) Hauteur de la houle sur un spot de surf (basé sur Allosurf) Nombre de places disponibles dans les parkings de Rennes (avec la STAR) Nombre d'e-mails non lus ... Pour participer à ce sprint, une connaissance de base de Django et Python serait apprécié. Mais si vous savez également coder sur Arduino ou/et vous connaissez Weboob alors c'est le top ! Organisation : Journée 1 Matin : rappel des technologies au cœur de laboîte (Python, Django, Weboob, Bootstrap, JQuery, Arduino, Impression 3D...) aux travers d'ateliers pratiques Après-midi : constitution des équipes en fonction des envies des participants (s'il y en a bien sûr) et sprint sur les nouvelles fonctionnalités (le code, les dépôts, le matériel seront fournis librement) Soirée : débriefing informel (la première tournée est pour moi) Journée 2 Sprriiiinnnnnttt

Django est LE framework web de référence pour python, il est bien codé, bien testé, très bien documenté, et avance à toute allure. Mais Django est aussi un large écosystème d'applications open-sources enfichables, allant du moteur de webservice au CMS, en passant par des moteurs de blog, des systèmes de commentaires, des gestionnaires de médias... Et c'est là que les choses se compliquent. Car Django ne dispose PAS de "versions mineures" au sens du "semantic versioning" : chaque mise à jour apporte son lot de changements non-rétrocompatibles. Des changements anticipés et documentés deux versions à l'avance certes, mais qui cassent nombre d'applications django qui ne sont plus mises à jour, et compliquent énormément la tâche des mainteneurs actifs. Des modules de soutien comme django-compat (l'équivalent de "six" pour Django) existent pour les aider, mais il rajoutent une couche de complexité, et restent peu connus. Et les récents changements du système de versioning de Django, qui se focalisent sur la notion de "version LTS", ne changent pas la donne. Bref, au final, si vous maintenez un large projet, utilisant une douzaine de dépendances (Django-cms, django-blog-zinnia, django-filer, quelques plugins pour Django-cms...), chaque upgrade peut facilement se transformer en "DLL hell", avec des conflits entre dépendances, et de multiples régressions sur des petits plugins peu maintenus. Il vous faudra forker à tout va, et espérer que vos changements seront intégrés upstream. Comparez cette situation à l'écosystème jQuery par exemple, où un module même abandonné depuis 5 ans marchera du premier coup, et vous sauvera facilement plusieurs journées de travail. D'où l'idée de django-compatibility. Ce module va s'occuper de monkey-patcher dans Django des "shims", des micro-utilitaires permettant de garder la rétrocompatibilité malgré les changements "violents" du code : renommages d'attributs et de fonction, modifications de signatures de fonction, déplacements d'application "contrib" hors de la base de code principale... Ainsi, les vieilles applications Django retrouveront accès à des fondamentaux comme request.REQUEST, à request.raw_post_data, ou mimetype, jusqu'à ce qu'elles retrouvent un mainteneur. Des DeprecationWarnings continueront d'être émis, mais les webmaster DJango verront leur taux d'adrénaline lors des upgrades revenir dans des normes acceptables. Le sprint se focalisera principalement sur la création des fixers, des petits utilitaires auto-documentés permettant chacun de restaurer une fonctionnalité cassée au fil des évolutions de Django (voir https://docs.djangoproject.com/en/dev/internals/deprecation/), et de leurs tests unitaires (avec py.test et tox). Le codage d'utilitaires de soutien (pour gérer automatiquement les renommages, ou le patching de sys.modules...) seront probablement aussi de la partie. Le Zen de Python sera respecté. --- Ce sprint aura lieu les 13 et 14 octobre. Pré-requis : connaissance intermédiaire de Python et Django, et un IDE en état de marche

BSF est une ONG qui s'est donné pour mandat l'accès à l'éducation et à l'information. L'objectif de BSF est de donner aux populations – en particulier les plus vulnérables – des outils pour comprendre le monde et le transformer. Parmi ceux-ci, l'Ideas box et le KoomBook, deux dispositifs qui utilisent des technologies libres (on parle vraiment de changer le monde) pour donner accès à plusieurs milliers de ressources numériques (vidéos, epub, films, Moocs, sites web). Ideascube est le logiciel commun aux projets KoomBook et IdeasBox. Il permet d'embarquer des ressources numériques offline et d'y donner accès (un peu comme une pirate box) y compris dans des contexte où Internet n'est pas accessible. Ideascube permettra à terme à toute machine qui le fera tourner d'accéder à un catalogue de ressources libres, accessible en ligne et consultable en mode déconnecté. État des lieux, déploiement, développements futurs. Avec des bouts de python (django) et de connexion asynchrone dedans. Qui

• Grégoire Pouget (barbayellow)
• Mathieu Bridon (bochecha)
• Matthieu Gautier (starmad)
• Steven (Steven)

Objectifs et sujets sur lesquels on souhaite être épaulés

• Analyse des logs ideascube
• Reverse engineering de la recette du coca-cola
• Meilleure administration du serveur (wifi, services, ...) via Cockpit?
• Comment développer l'aspect UX pour des personnes pas nécessairement sensibilisées au numérique? +1 !
• Développer une interface web front qui permettrait aux liseuses d'accéder à ideascube et directement aux ressources qui les concernent (epubs) Il y a en général 50 liseuses par box, avec des livres préchargés

SonoPluie est une balade sonore en parapluie géolocalisé. Il s’agit de proposer à des promeneurs un cheminement libre qui fasse coïncider leur environnement direct avec des pistes sonores, en temps réel. Le proto tourne sous python sur carte raspberry, il manque cependant beaucoup de fonctionnalité pour anticiper, prévenir et répondre aux divers comportements du visiteur. A l’aide d’un prototype fonctionnel, le développement pourra être testé tout au long des deux jours du sprint. La participation au sprint pourra se faire au long cours sur les deux jours, ou à la « micro-tâche » sur des points précis identifiés en amont. Les jeudi 13 & vendredi 14/10 Référents projet : Philippe Lechat & Laurence Giuliani

Asterisk est un serveur de téléphonie opensource, Panoramisk permet d'intéragir en Python+AsyncIO via les APIs propres à Asterisk (AMI+FastAGI).

Avec l'aide de Gawel qui sera accessible par téléphone uniquement afin de rester dans le contexte, nous allons tenter:

• Merger la dernière pull request en cours de Panoramisk en cherchant un consensus et rajoutant les tests manquants
• Fermer les issues en cours
• Discuter d'ARI (les nouvelles APIs REST/JSON d'Asterisk) et voir les synergies que nous pourrions avoir avec le binding Python officiel
• Éventuellement de faire un benchmark différentiel avec uvloop activé ou non et voir s'il y aurait des pistes d'améliorations, notamment en regardant dans d'autres implémentations de binding.
• Et peut-être même (soyons fous!) sortir une nouvelle release

Les rassemblements IRL de la communauté Python sont la meilleure occasion pour profiter de signer nos clés GPG par nos pairs et comme ça renforcer la toile de confiance (Web of Trust[1]) nécessaire pour améliorer les échanges virtuelles de façon sécurisée avec des systèmes de confiance décentralisés. L'utilisation de GPG dans la communauté a plusieurs applications, par exemple la signature de commits (supporté récemment par Github et Gitlab), la vérification de l'intégrité des paquets, l'échange des informations sensibles comme des mot de passes ou des API keys, entre autres. Cet événement est divisé en 2 parties, le premier jour avec la forme d'un atelier destiné à toutes les personnes qui veulent générer une clé GPG, la publier sur un serveur de clés et utiliser les commandes basiques pour signer et encrypter des fichiers. Le deuxième jour sera une Key signing party[2] destiné à toutes les personnes aillant déjà une clé, où chacun peut vérifier, signer et assigner le niveau de confiance ultime aux clés des autres membres de la communauté. [1] https://en.wikipedia.org/wiki/Web_of_trust [2] https://en.wikipedia.org/wiki/Key_signing_party

C’est indéniable, le Deep Learning c’est le sujet à la mode ! Même si cela reste un domaine de recherche très pointu heureusement à l’aide de nombreux frameworks open source et formations sur Internet les concepts deviennent de plus en plus accessibles. Cet atelier propose un tour d’horizon sur les origines du Deep Learning, quelles sont les ruptures scientifiques des 10 dernières années qui l’ont rendu aussi populaire, quelles sont les dernières architectures à la mode. Tout au long de l'atelier vous allez pouvoir coder vos propres architectures profondes avec Theano ! Cette librairie Python est parfaite pour le Deep Learning ! Elle est même très utilisée en recherche, pour prototyper rapidement de nouveaux modèles. L'objectif de l'atelier est de donner les bases théoriques et pratiques (via Theano) pour être autonome sur une compétition Kaggle par exemple. Vous trouverez toutes les informations sur l'atelier (notamment les librairies à installer) ici.

Atelier pour découvrir la programmation Python sur un petit robot mobile. Le robot MRPi1 est un robot mobile de 10 cm de diamètre basé sur une carte Raspberry pi avec de nombreux capteurs.

Principes de l'apprentissage machine, présentation de scikit-learn, démonstrations.

Topic modeling in python is an upcoming and exciting field. With so many great open source libraries available, the natural language processing and topic modeling community is advancing rapidly and python has made it all the more easy! My summer work involved implementing the topic coherence pipeline in gensim which is a topic modeling library in python. I had to convert java code into efficient python code without sacrificing the mathematical correctness of the original algorithms. Topic coherence quantifies human interpretability of topics outputted by topic models by mimicking what a human would think on reading those topics. After all what is the use of a topic model which spits out incomprehensible topics? Coherence measures have a large number of applications such as improving automatic web page translations or even improving advertising by selecting advertising links that maximize coherence of the union of the web page's word set with descriptive words of the respective ad. While doing the project I realized the beauty of python when I noticed the fact that what required three different modules in java could be done inside just one function in python! I also experienced python's ease of use, user-friendliness and robustness while working with it. I started off thinking that it will take me two to three months to implement this pipeline in python but I finished almost one month ahead of schedule. How? Simply because python is incredible!

Cet atelier sera l'opportunité pour apprendre comment architecturer un daemon avec AsyncIO ainsi que l'utilisation courante de l'API d'aiohttp.web, qui ressemble fort à celle de Flask, afin de faciliter les migrations.

L'atelier a pour but la construction d'API avec Django REST framework. Il s'agit de découvrir Django REST framework. Lors de l'atelier, différentes parties seront présentées: - sérialisation des données - présentation humaine des données - pagination - autentification / permissions - filtrage - gestion des relations entre les données La connaissance de base de Django est un pré-requis.

Regarder "Créer une API publique avec Django Rest Framework"

Création d'interface bureau et mobile à l'aide du framework Qt . l'approche en Python sera traitée et le langage QML sera présenté.

L'occasion d'apprendre à contribuer au projet de mémoire politique Memopol utilisé comme outil de lobbying citoyen par la Quadrature du Net ainsi que l'EDRi. Vous apprendrez donc à développer en local sur ce projet en Django, PostgreSQL et OpenShift et qui sait, peut-être rejoindrez-vous l'équipe ?

Le but de cet atelier est de montrer comment Kivy, via le language kv et sa logique d'événements, permet de construire et de transformer rapidement une application, avant de se préoccuper de sa logique métier. Les différents widgets seront présentés, allant du simple Label, à l'utilisation des ScreenManager pour organiser l'application, en passant par les différents Layout, et l'utilisation des RecycleView pour la gestion de données à défilement potentiellement infinie. Le prototypage rapide de widgets *from scratch* sera aussi exploré, avec l'utilisation des propriétés pour décrire les comportements de ceux-ci, et des instructions canevas pour définir précisément l'apparence recherchée. Une connaissance fonctionnelle de Python est nécessaire, ainsi qu'un éditeur de texte configuré pour l'écriture de Python (par exemple sublimetext ou pycharm).

Warehouse is the next generation Python Package Repository, designed to replace the legacy code base that currently powers PyPI. In this presentation Nicole will explore: - The overall problems facing Python packaging and what is being done to solve them. - The goals of the Warehouse project, from a technical, design and community building perspective. - The progress that has been made so far and the challenges the team is facing. - How the wider Python community can help move Warehouse (and Python packaging) forward. This talk will be presented in English.

Regarder "Warehouse - the future of PyPI"

Il existe de nombreux outils d'analyse statique pour Python, permettant de détecter des erreurs logiques, des failles de sécurité, ou encore le non-respect de la PEP8. Ces outils sont parfois méconnus des débutants, malgré leur indéniable utilité et leur relative simplicité d'utilisation. Nous présenterons certains d'entre eux (pycodestyle, flake8, bandit...) durant cette conférence, et tenterons de donner quelques trucs et astuces afin de les utiliser au mieux. Nous montrerons notamment comment les intégrer à tox[1], ce qui facilitera la vie des développeurs et simplifiera l'utilisation de ces outils dans le cadre de l'intégration continue, dont on ne cesse de nous vanter les mérites. Cette présentation sera tout à fait accessible aux débutants, et comportera quelques exemples/démos. [1] https://pypi.python.org/pypi/tox

Retour d’expérience sur l'utilisation de l'application open source de supervision Zabbix couplée avec Python. Zabbix (made in latvia) nous permet grâce à son agent multi-plateforme de monitorer un grand nombre d'équipements et de services, d’exécuter du code, de faire des calins. Le but est de relever les métriques rapidement et avec une emprunte système la plus légère possible. C'est ici que Python nous aide à atteindre cet objectif en s'interfaçant avec l'agent Zabbix. Une fois les métriques collectées, insérons les dans un outils de graph sexy et construisons des dashboards pour les décideurs pressés.

Regarder "Jolies Métriques : Coordonner Python et Zabbix"

Où vous voyez-vous dans 10 ans ? Vivrez-vous le rêve américain ? Élèverez-vous plutôt des chèvres en Lozère ? Récupèrerez-vous de votre 3e burnout ? Serez-vous (enfin) chef de projet ? Ou plutôt lead developer dans une entreprise libérée ? Quoi qu'il en soit, serez-vous heureux ? Cette conférence interroge notre métier, son impact social et environnemental ainsi que notre recherche personnelle de sérénité. Puis elle invite à échanger des pistes, individuelles ou collectives, pour aider chacun à choisir son propre chemin.

Regarder "Développeur durable"

Va doué, qui veut construire un code qui va avec le module ast, et compatible Python2 et Python3, il est bien dans le lagen. Et c'est pas les module 2to3 ou six qui vont lui envoyer de l'aide. D'où le module gast, Generic Abstract Syntax Tree, qui regroupe en une abstraction l'AST de Python2 et celui de Python3. Après une présentation de cette abstraction, on fera un tour dans son implémentation, une petite lichouserie pythonesque, où introspection, tox, meta-programmation et évaluation retardée se retrouvent pour une petite chouille de moins de 500 lignes.

Regarder "GAST, daou naer - AST pour Python 2 et 3"

et hop, "import antigravity", la magie de Python résumée en deux mots. mais au fait, comment ça marche ? non, pas l'anti-gravité -ça tout le monde l'apprend à l'école. Comment fonctionnent les imports en Python ? Plongeons ensemble dans les entrailles de la bête pour découvrir les bases de cette mécanique indispensable. Une fois que nous serons un peu plus familliers avec les forces et les faiblesses du système, nous verrons comment nous usons et abusons de sa flexibilité dans le gestionnaire de version Mercurial. Qui n'a jamais rêvé d'importer son code Python 2 directement avec Python 3 ?

Regarder "Import et Compagnie"

Cette année, le premier crawler de Google (écrit en Python 1.2 !) fête ses 20 ans ... Il a depuis longtemps été remplacé par des versions en C++, mais comment s'y prendrait-on, en 2016, s'il fallait tout recommencer de zéro ? Je présenterai dans en premier temps l'architecture classique des moteurs de recherche (du crawler au frontend) et son évolution depuis le fameux papier de recherche présentant Google en 1998. Je ferai ensuite un tour d'horizon des langages et projets open source les plus adaptés aujourd'hui pour chacun des composants, ainsi que les choix faits pour Common Search, un nouveau moteur de recherche open source écrit principalement en Python. Le but de cette présentation est d'apprendre comment fonctionne un moteur de recherche de l'intérieur, ainsi que de réfléchir aux problèmes pour lesquels Python est ou n'est pas une bonne solution.

Regarder "Et si on réécrivait Google en Python ?"

Mapping Learning est à la fois une application et projet éducatif, et présente deux objectifs :

• faciliter l’accès aux méthodes évoluées d'apprentissage statistique par des non-informaticiens
• amener des étudiants en géographie, en informatique... à contribuer au développement d’une application open-source.

Notre volonté est d’assister les utilisateurs dans leurs tâches de traitement de données et de cartographie automatisée (à partir de données de télédétection ou autres) en leur donnant accès à un grand nombre d'algorithmes (ex : 19 méthodes de classifications supervisées) peu disponibles dans les logiciels « utilisateurs ». Les utilisateurs/développeurs de méthodes de Machine Learning bénéficieront, quant à eux, d’une manipulation aisée des données géographiques (images ou vectorielles) et pourront y ajouter leurs algorithmes. L’application réalise les principales étapes de manipulation de données (spatialisées ou non) : réduction de dimension, cross-validation, apprentissage, post-traitements. Enfin, elle livre un compte-rendu standardisé et agrémenté de conseils sur l'utilisation optimale des méthodes. Mapping Learning réunit trois librairies open-source : gdal/ogr (données géographiques), pandas et scikit-learn (machine learning). Plusieurs de nos étudiants utilisent déjà l’application, dans une phase initiale de développement, sur leurs jeux de données. Notre ambition est d'assurer la pérennité de ce projet et nous conclurons en invitant toutes les personnes intéressées à nous rejoindre.

Les protocoles de communication jouent un rôle majeur dans l'établissement d'une communication entre les différents composants des systèmes informatiques. Malheureusement, il est bien connu que les protocoles de communication peuvent être vulnérables aux attaques. Certaines de ces attaques dépendant de faiblesses introduites (in)volontairements dans leurs implémentations. Ces travaux proposent une solution pratique permettant d'identifier ces faiblesses en utilisant le language Python. Cette présentation s'attachera à illustrer l'emploi de bibliothèques Python dédiées à la rétro-conception de protocoles tels que Netzob et Pylstar. Il sera notamment présenté comment les utiliser pour 1) extraire la machine à états d'une implémentation en boite noire et 2) comparer les machines à états de plusieurs implémentations d'un même protocole pour rechercher des vulnérabilités. Le protocole HTTP2 servira d'exemple.

Regarder "Python for SecOps: recherche de vulnérabilités dans les implémentations d'un protocole"

We all might know what push notifications are, having been a popular feature of mobile platforms for years. However, it is a recent adoption in the web platform and the features are constantly evolving. By the end of this talk, we’ll have an understanding of what real-time web push notifications are, how do they work, and how can we make the best use of it, including news features like payload encryption and ttl headers. Web push is a permission based technology that notifies a user of new messages or events even when they’re not actively using the application. Push notifications are a hit among all the social media websites, like Facebook, Instagram, Twitter, and it’s not hard to see why. Besides that, they are also very popular in cloud based data management, e-commerce websites, e-mail services, sports and auctions, and the list could go on. In this talk, we’ll see a little behind-the-scences working of this technology, starting from the handling the user’s subscription by the Push API, generating a push message when some action is triggered, to handling of the message by the Service Worker API, and finally dealing with the notification display using the Notification API.

Regarder "Webpush notification What? Why? How?"

Nous voudrions tous avoir à notre disposition les ressources pour tester notre code en profondeur, mais l'écriture des tests n'est souvent pas une tâche aisée et obtenir une bonne couverture est un processus chronophage. Les tests basés sur les propriétés ont pour objectif de proposer une solution à ce problème. Popularisé par la bibliothèque la Quickcheck (Haskell), ce concept est aujourd'hui adapté en Python à l'aide de Hypothesis. Avec Hypothesis, au lieu de vous concentrer sur l'écriture de tests individuels, vous décrivez des propriétés garanties par votre code et Hypothesis générera à votre place les tests correspondants à ces spécifications. Par conséquent, l'utilisation de cette bibliothèque permet dans une certaine mesure d'automatiser l'écriture de tests répétitifs et élimine de nombreuses erreurs potentielles. Hypothesis générera plus de tests que ceux que vous auriez générés manuellement, ce qui doit permettre de démasquer plus d'erreurs. Cette présentation a pour objectif de vous introduire au concept des tests basés sur les propriétés ainsi qu'à l'utilisation de la bibliothèque Hypothesis et de ses plugins pour Numpy ou Django.

Regarder "Hypothesis: testez moins mais tester mieux en vous concentrant sur les propriétés"

Notre équipe du laboratoire "BioMecanique et BioIngenierie" de l’Université de Technologie de Compiègne travaille sur l’analyse et la compréhension de l’activité musculaire. Actuellement, nous développons des modèles multi-échelles et multi-physiques des muscles afin de simuler les électromyogrammes. Notre travail s’applique à deux types de muscle : l’utérus et les muscles squelettiques. Depuis cinq ans, tous les logiciels liés à la modélisation sont codés en Python : interfaces graphiques pour gérer les simulations, résolution des équations des modèles et également la visualisation des résultats. Nous proposons de présenter notre approche et notre utilisation de Python comme un outil multiple pour résoudre les nombreuses problématiques rencontrées avec la complexité des modèles physiologiques d’organe humain. Pour illustrer cela, nous décrirons un logiciel qui a été entièrement développé dans notre laboratoire dont une partie a été mis en open source. Python a déjà prouvé son utilité pour les scientifiques, il permet une implémentation rapide de nos modèles et également un développement simple d’interfaces utilisateurs permettant l’utilisation des modèles à un public plus large ; non programmeur où non spécialiste en modélisation. Note de l'équipe d'organisation : captation vidéo non autorisée par l'intervenant.e.

PyRat est un cours de programmation/algorithmique/théorie des graphes donné à Télécom Bretagne Brest depuis l'an dernier. Le cours se base sur un jeu vidéo, sous la forme d'un labyrinthe dans lequel des bouts de fromage sont disposés. Dans ce labyrinthe, il y a aussi deux pions (un par joueur). Ces pions sont contrôlés par des programmes Python simples écrits par les étudiants. Un des intérêts du logiciel est qu'il permet d'étudier d'une part la théorie des graphes et les algorithmes associés (notions de graphe, de parcours, de plus court chemin, voyageur de commerce...) mais aussi de directement mettre en application les concepts vus en cours, en programmant en Python des petits programmes pour atteindre divers objectifs de difficulté croissante : * Aller chercher un unique bout de fromage via le plus court chemin ou non; * Ajout de boue dans le labyrinthe pour étudier les graphes pondérés; * Algorithmes NP-complets pour aller chercher plusieurs bouts de fromage; * Algorithmes approchés pour atteindre le même objectif; * etc. L'an dernier, nous avons terminé le cours par un tournoi dans lequel les diverses IAs des étudiants se sont affrontées, l'objectif étant de ramasser plus de bouts de fromage que l'adversaire. L'objectif de cette présentation est de vous présenter le logiciel PyRat, pour donner des idées à des enseignants désireux d'enseigner Python et la théorie des graphes de manière ludique !

Regarder "PyRat - Un jeu pour l'apprentissage de l'informatique en Python"

pyAgrum est un module de gestion et de calcul de modèles graphiques, en particulier probabilistes. Lors de cette présentation, nous ferons le tour des fonctionnalités proposées par pyAgrum pour l'utilisation de réseaux bayésiens. À l’aide de Python Notebooks, nous monterons en live comment exploiter pyAgrum et les réseaux bayésiens pour l’aide à la décision, la maîtrise du risque ou encore pour l’enseignement. La modélisation sera abordée avec un accent sur les différentes structures de données utilisées pour représenter les tables multidimensionnelle. À l’aide des algorithmes d’inférence probabiliste, nous montrerons comment réaliser de l’analyse de sensibilité. Finalement, nous montrerons comment utiliser pyAgrum pour de l’apprentissage de structure et de paramètres de réseaux bayésiens. pyAgrum est essentiellement un wrapper de la librairie C++ aGrUM, qui implémente des modèles graphiques pour l’aide à la décision; ce qui offre à pyAgrum des performances élevées pour tous ses algorithmes d’inférence et d'apprentissage. http://pyagrum.lip6.fr

Regarder "Modélisation, inférence et apprentissage de Réseaux Bayésien avec pyAgrum"

Contexte : l’automatique est la branche des sciences de l’ingénieur qui s’intéresse au pilotage automatisé des systèmes, par exemple la régulation de vitesse d’une voiture ou de la température d’une pièce. En automatique, les développements d’algorithmes se font très souvent dans l’environnement commercial Matlab/Simulink, tant en enseignement qu’en recherche. Cependant, beaucoup des briques de base pour travailler sur des algorithmes d’automatique existent en Python. Cet exposé est une introduction à une méthode très puissante et très usitée, la commande prédictive, en Python. Également connue sous acronyme anglais MPC (Model Predictive Control), cette méthode permet de commander des systèmes complexes à l’aide de méthodes d’optimisation. Nous utiliserons l’exemple du pilotage optimal du chauffage d’un bâtiment de façon à minimiser la consommation d’énergie. Nous décrirons les principales étapes de la mise en œuvre de la commande en Python (un notebook Jupyter détaillé sera mis en ligne). Nous présenterons les principales bibliothèques utilisées (e.g. numpy), et plus particulièrement les routines d’optimisation de cxvopt (http://cvxopt.org/). Perspectives : un des intérêts d’utiliser Python et des bibliothèques libres est de permettre d’embarquer facilement l’algorithme créé sur une plateforme du type Raspberry Pi. Ainsi, l’exemple présenté du pilotage d’un chauffage pourrait être intégré dans des plateformes de domotique ouvertes.

cityzenmap.com est une carte qui nous permet de visualiser et de suivre l’avancement des projets d'aménagement sur toute la France, développée en python, l'application a remporté le prix national Dataconnexions dans la catégorie "Impact administratif & territorial". L'application peut en se basant sur des techniques d'apprentissage automatique et de fouille de texte et de manière automatique détecter les projets d'aménagent depuis des bases de données d’appel d'offre. Ma présentation sera un retour d'expérience sur comment on utilise python à Jurismarchés pour faire du texte mining (fouille de texte), comme exemples nous avons choisis CityZenMap. Durant la présentation nous allons commencer par introduire des notions de datamining (fouille de données) et de fouille de textes, puis des exemples d'implémentation en python de modèles de fouilles de texte (en utilisant la librairie Scikit-learn), nous présenterons aussi l'implémentation du modèle utilisé dans CityZenMap pour analyser les annonces afin de détecter les projets d’aménagement.

Le bytecode est au cœur de l'interpréteur CPython. Toutefois du point du vu de l'utilisateur il se limite à l'apparition (horripilante ?) de fichiers ".pyc" une fois un code exécuté. Dans cette présentation, nous partirons à l'aventure au cœur de la machine virtuelle CPython pour découvrir ce qui l'anime tout en répondant à des questions existentielles comme : - d'où viennent et à quoi servent les fameux fichiers .pyc - à quoi ressemble le bytecode et quels sont ses instructions les plus courantes - comment le désassembler grâce au module `dis` - comment tout cela fonctionne-t-il au sein du système de piles et de frames de la machine virtuelle CPython - et bien sûr à quoi tout cela peut-il bien servir dans la vrai vie ;-)

Regarder "À la découverte du bytecode CPython !"

Notre compagnie, "Dynamixyz", développe des logiciels pour les studios de production de films, de jeux vidéos et d'effets spéciaux. Nous nous spécialisons dans la "motion capture" faciale: capter avec précision les mouvements d'acteurs réels sur des vidéos et transférer ces mouvements afin d'animer les visages de personnages virtuels. Sous le capot, on retrouve un mélange de techniques de traitement d'image, de vision par ordinateur, d'image de synthèse et de maths. Essentiellement des maths. Dans ce petit monde là, en général, le C++ règne en maître. Éxécuter des algorithmes mathématiques de traitement et d'optimisation sur des données tels que des maillages 3D et des séquences d'images requiert en effet un maximum d'efficacité dans les calculs et de la maitrise des ressources hardware utilisées (Mémoire, CPU). Notre bon C++ traine toutefois son lot d'inconvénients: verbeux, compilé et peu flexible, son utilisation limite la vitesse de développement et d'exploration de nouveaux algorithmes, sans parler des nombreux pièges dans lesquels tout dévloppeur C++, même expérimenté, est sûr de tomber. Si le C++ reste indispensable à certain endroits critiques de nos algorithmes, Python est un bien meilleur outil pour explorer, combiner, organiser, tester et débugger nos algorithmes. A l'usage, nous avons convergé vers des pratiques de développement où nous allions Python et C++ pour profiter du meilleur des deux mondes: rapidité et déterminisme du C++ pour les coeurs de calculs, flexibilité et richesse syntaxique du Python pour la conception et l'organisation haut-niveau des programmes. C'est avec plaisir et enthousiasme que nous partagerions nos pratiques d'interopérabilité entre Python et C++, ses avantages et limitations, et illustrer ces propos par des exemples concrets et des jolies images issues de certains de nos projets. Demo reel de Dynamixyz: https://youtu.be/1WSneAhR5oA Note de l'équipe d'organisation : captation vidéo non autorisée par l'intervenant.e.

Organiser une conférence sur Python peut paraître bien difficile. Nous ne cacherons pas que c'est un évènement qui nécessite du travail, mais ce ne doit pas effrayer de futurs candidats. Dans cet exposé, nous essaierons de présenter quelles sont les tâches à réaliser pour organiser une bonne PyConFr mais aussi les difficultés qu'on a pu rencontrer au cours des trois dernières années, les atouts et aussi les bonnes idées. Tout ça pour commencer à poser les pierres de PyConFr 2017 ?
Support de présentation

Les secondes intercalaires peuvent poser 2 types de problèmes en informatique : elles peuvent faire planter nos codes lors de l'interprétation du date mais elles peuvent aussi induire des erreurs de calcul ou d'enregistrement si la librairie de temps ne les gère pas. Qu'en est-il en Python ? Après un rappel sur ce que sont ces secondes intercalaires, je vous propose de regarder comment gérer l'arrivée d'une date, en comportant une, dans vos codes, puis de regarder ce qu'il est faisable pour assurer la validité de vos calculs et enregistrer ces dates dans quelques formats de fichier. Note de l'équipe d'organisation : captation vidéo non autorisée par l'intervenant.e.

Django est un framework web écrit en Python largement utilisé dans cette communauté. Utilisant le modèle MVT, modèles, vues, templates, il contient tous les outils nécessaire au développement d'une application web, tant de petite que de grosse envergure. Django nous fournit une palette importante d'outils supplémentaires nous permettant la résolution de problèmes courant tel que l'administration (backoffice), la gestion d'utilisateurs, la traduction ou encore la gestion des sessions. L'écosystème se met à jour sur les besoins du web, django rest-framework et django-pytest en sont deux illustrations. La communauté, très ouverte et motrice de changements, est présente tout au long de l'élaboration de votre projet pour vous aider ! Au cours de cette présentation, nous allons présenter Django, ses concepts, le cadre de travail qu'il propose, autour d'un exemple d'écriture d'une application web. Nous parlerons également de sa communauté accueillante et des ressources annexes.

la présentation contiendra une analyse de la précision et des performances des algorithme de machine learning implémentés par des librairies python tels que scikit-learn, pandas, numpy... Je présenterai les différents algos d'un point de vue mathématique puis les implémentations python. On discutera les limites de ces implémentation après expositions des résultats sur les perf puis on proposera des pistes d'amélioration. l'aspect intégration python au plateforme big data tel que Spark sera également présent.

Aujourd'hui les tests sont devenus incontournables, encore faut-il connaître les bonnes pratiques. Cet atelier vous offrira un tour d'horizon des différents types de test, niveaux de test, techniques et outils.