A sprint around Gnocchi, a highly scalable time series database written in Python. Everyone's welcome and can learn how to use Gnocchi and add some features.

They are low hanging fruit available for anyone who wants to begin playing with Python, and higher stakes for people that are familiar with REST API or time series data!

Hapic est une bibliothèque pour développer des APIs REST professionnelles auto-documentées indépendante du framework web sous-jacent.

Elle permet notamment :

• de développer ses APIs sans se préoccuper du framework, voire de changer de framework avec le strict minimum de refactoring (quelques imports)
• de publier la documentation en même temps que les API
• d'avoir une documentation nécessairement à jour par rapport à l'API publiée - le code est la documentation (par opposition au code qui contient la documentation - auquel cas la documentation peut ne pas être à jour).

Apispec - sur lequel repose Hapic, a beaucoup évolué et support désormais Marshmallow 3 et OpenAPI 3, ce qui nécessite un certain travail de refactoring sur Hapic. C'est l'objectif du sprint proposé.

Accessoirement, ce sera l'occasion d'améliorer la couverture de test de Hapic, et peut-être de finaliser le support de aiohttp si ce n'est pas terminé d'ici là.

Hapic is a framework-agnostic library for implementation of professionnal REST APIs.

L'architecture actuelle de Modoboa montre des signes de fatigue et nécessite un bon coup de plumeau ! Le sujet a déjà commencé mais de l'aide serait plus que bienvenue ;-)

Pysyphe permet de créer et manager ses propres transactions. Il créé pour cela des pipelines d'actions unitaires rollbackables. Dans cet atelier, on vous présentera ce que ça permet de faire et comment ça fonctionne. On tentera également de faire des opérations complexes d'update sur plusieurs backends sans douleur.

« Salut à Toi » (https://salut-a-toi.org) est un écosystème de communication décentralisé basé sur le protocole standard XMPP. Allant bien au delà de la messagerie instantanée, il offre des fonctionnalités comme le blogage/réseau social, le partage de fichiers, les albums photos, la création d’événements, les forums, les tickets et merge-requests, etc.

C'est un projet unique qui a une architecture démon/frontaux lui permettant de tourner, toujours en Python, sur bureau, Android, web, console (TUI) et ligne de commande (CLI).

Un développement participatif sur ce projet permet de voir des cas concrets d'utilisation de technologies Python excitantes comme:

• Twisted pour le développement asynchrone et la gestion du réseau
• Kivy pour les interfaces bureau et Android
• Python for Android pour faire fonctionner le logiciel sur téléphone
• Urwid pour le développement de l'interface console (TUI)

Libervia, l'interface web, est désormais un cadriciel (framework) web unique en son genre, permettant de développer des sites naturellement décentralisés en se basant sur XMPP.

Vous l'aurez compris, il y en a pour tous les goûts, et je souhaite proposer une séance de code participatif sur un ou des sujets qui plaisent aux participants. Quelques suggestions:

• utilisation du framework web de Libervia
• chiffrement de bout en bout pour le blogage (il est déjà disponible pour la messagerie instantanée)
• intégration des outils Python => Javascript au framework web, en particulier Brython et Transcrypt
• implémentation de la vidéo-conférence. Pour le web la difficulté devrait être raisonnable (grâce à WebRTC), pour le bureau/Android ça sera beaucoup plus compliqué puisqu'il faudra intégrer un outil comme GStreamer à Kivy, il s'agira surtout d'une introduction
• une passerelle XMPP/ActivityPub, qui permettra de communiquer avec des projets comme Mastodon ou PeerTube
• s'appuyer sur le système de thèmes et les outils de développement déjà existants (tickets et merge-requests) pour faire une forge type Gitlab/Gogs/Gittea décentralisée

Au moment de la Pycon, plusieurs chantiers seront en cours ou terminés, en particulier le port en Python 3.

Plus que du code, l'objectif de ce sprint est de préparer la release 1.0.0 d'AnyBlok par:

• L'amélioration de la documentation
• Ajout + résolution de tickets

Venez vous faire les mains sur un projet utilisant Python 3.5 et le framework aiohttp basé asyncio (avec des morceaux de FoundationDB dedans).

https://github.com/amirouche/socialite/

Tracim est une plateforme libre de collaboration. Après la v1 sortie en janvier dernier - https://linuxfr.org/news/tracim-socle-libre-du-travail-en-equipe-sort-en-v1-0, la v2 - une refonte complète (graphisme, ergonomie et architecture) est en cours et devrait sortir courant d'été 2018.

Dans cette v2, il manquera toujours une fonctionnalité importante : l'édition de documents en ligne. Pour implémenter cela, nous envisageons dans un premier temps de développer un prototype se basant sur Collabora Online, OnlyOffice ou autre.

L'idée de ce sprint est de travailler de 2 à 4 développeurs pour mettre au point un prototype fonctionnel en 2 jours.

Si d'autres personnes sont motivées, on peut envisager d'autres travaux :

• bugfix sur l'api REST
• amélioration de lib de preview de fichiers
• client lourd python/tk ou pyqt
• ...

As both a scientist and a developer, I will discuss the values that motivate my work in both worlds. I will also describe the common challenges that we face and how we can get better.

This talk is about searching, finding, and maybe understanding how Python developers make their choices in face of alternatives. We're told "There should be one-- and preferably only one --obvious way to do it." let's stop doing our "own way". I'll try to answer simple questions like "Is the consensus is to use pytest or unittest?" and tricker questions.

The CPython project is now 28 years old. It has active core developers, but almost all of them are volunteers. It's difficult to ask someone to be commit into a project for 5 years without being paid. Helping newcomers and mentoring contributors takes time and few developers are available for that. We are working on improving the diversity of CPython core developers and get more active core developers, but it's a slow process.

A multi-core Python HTTP server that is about 40% to 110% faster than Go can be built by relying on Cython language and lwan C library. A proof of concept validates the possibility of high performance system programming in Cython language.

L'assemblée générale de l'entité organisatrice de la PyConFR se tiendra durant l'événement. Elle est bien entendu ouverte aux curieux.

BDD is one of the not so well known testing techniques used in Software development to ensure every actor involved (Business, Devs, Ops, SecOps, ...) build understanding on :

• Why we build something; for WHO?
• WHAT is built?
• WHEN the thing we built is considered done?

My Talk is about using BDD in Python with Behave Framework; to ensure that your development brings the right value your the Business. We will start as a beginner and try to achieve the Expert level.

Notre équipe, composée de 4 développeurs chez OVH, travaille depuis plusieurs mois sur un projet nommé DEPC (Dependency Checker).

Cet outil, composé d'une API et d'une WebUI, offre 2 fonctionnalités principales :

• manager un graphe de dépendances entre les services d'OVH via la base de données Neo4j,
• calculer la QOS de chaque noeud du graphe en fonction de metrics hébergées sur des bases de données TimeSeries.

L'outil a été initialement développé avec Flask et SQLAlchemy, mais quelques problèmes de performance, lié à des soucis de scaling Celery, nous ont poussés à le migrer vers une solution asynchrone. Nous sommes donc parti sur Asyncio via le framework Sanic, en combinaison avec Gino pour l'accès à la base de données.

Le sujet de cette conférence portera sur ce retour d'expérience : nous aborderons les gains de performances par rapport à l'ancienne stack, mais également les problèmes que nous avons rencontrés durant la migration.

I wrote a few lines of code to build a web application using Flask back in University. Everyone found it so good, it was like a forest fire. I could never have estimated that a few lines of code can help thousands of people with stuff they do every day. In my case, I designed and developed a website 'Papercop' which did the simple job of downloading all the relevant question papers from the university's portal and all the student had to do was enter their roll number.

No Ads. No signups. No logins. One input. One output. And everyone out there loved it. Thousands of students used the site before every examination

I'd like to take the audience through the ups and downs of seeing how a simple idea they keep thinking of, can be brought to life using Python while talking about best practices and growth hacks.

La saisie de facture, que ce soit niveau fournisseur ou client est une tâche simple, rigoureuse mais très fastidieuse. Hors forfait par ci, consommation au Giga par là, tenir une comptabilité deviens une tâche pouvant consommer pas mal de temps dans une petite entreprise.

Découvrez comment nous nous servons de Python et des outils en Python pour automatiser tout celà. Au menu :

• Odoo et ses API
• Fournisseur avec API
• Weboob : Fournisseur sans API
• Simplifier son lettrage

Pas de code ici, mais des pointeurs sur le process, les choses qui ont marchés, celles qui n'ont pas marchés et des axes d'améliorations

Retour d’expérience sur un projet personnel d'application web utilisant du machine-learning pour reconnaître des stars :

• Reconnaître une star sur une photo (via des réseaux de neurones)
• Reconnaître une star à partir de ses rôles/caractéristiques (via des traitements de text-mining)

Nous parlerons de différentes librairies python (spacy, face_recognition, scrapy) ainsi que de concept orienté data-science (reconnaissance facile, text-mining...)

Cette conférence présentera quelques bibliothèques pratiques à un développeur pour exécuter des traitement automatisés sur des e-mails comme la lecture, la suppression ou bien évidemment l'envoi d'e-mails.

Tous les niveaux sont attendus.

Today, there is a big traction for containers in the production world. But containers are not made for developers, and it's only been recently that some features, such as the multi-stage dockerfiles, were introduced for them.

Because we were a small team, we couldn't maintain both Dockerfiles for development and production. That's why we developed our own scripts to template them. Today, those are no longer scripts, but a plain OpenSource Software that can help all developers stopping getting crazy while maintaining a ton of dockerfiles... without boilerplate !

This workshop aims at providing the attendees an experience of implementing convolution neural from scratch without any big frameworks working in the backend supplementing the need for computation. This would give the attendees an overall understanding of what are Convolution Neural Networks and why do they work so exceedingly well in image processing!

This session would basically focus on python and it's ecosystem and how well it goes up with the current research paradigm shift that is happening due to the boom in Artificial intelligence. The session would help developers to amass the importance of mathematics and the ease that python provides in coding it, even from scratch. This would encourage the developers only to try more and more python programming for deep learning. For a nascent developer, this session packs in a high educational reward as he will be exposed to the mathematics behind the most successful algorithm of the past couple of decades.

This workshop aims to provide a look through the abstraction offered by big frameworks for developers to understand why mathematics behind data science is necessary yet, give them the insight into why abstraction is a key player in deep learning.

Q. What can developers expect from this workshop! Understand what are convolution neural networks Why they work so well on image data? All the different implementation of Convolution network and how they improve the vanilla network What are the best ways to implement convolution network on a given data

Q. What this workshop is not! Just another workshop telling you to use frameworks Mathematics will not be looked over. (It's important) This session would provide a much-needed exposure to python programming language and how its ecosystem helps deep learning so well.

CRAPPY pour "Command and Real-time Acquisition in Parallelized PYthon" est un module Python permettant de faire interagir des capteurs et des actionneurs. Son développement est centré sur la polyvalence: il est prévu pour permettre l'intégration d'un grand nombre d'éléments. Il est déjà capable de gérer de nombreux dispositifs comme des caméras, moteurs et cartes d'entrée/sorties mais il permet surtout l'ajout de nouveaux objets dans le programme ou directement au sein du module de manière simple. CRAPPY contient un certain nombre d'outils comme le correcteur PID, le générateur de signaux ou l'attente de conditions, mais il permet surtout l'utilisation de fonctions Python définies par l'utilisateur. Il a été développé par le LaMcube (anciennement Laboratoire de Mécanique de Lille) afin de permettre la mise en place d'essais mécaniques multi-instrumentés. Au sein du laboratoire, nous développons et utilisons CRAPPY aussi bien pour des applications simples comme le pilotage d'un four par Raspberry Pi que sur des montages plus complexes, par exemple un banc de simulation de freinage de train. Nous pensons que par sa polyvalence, ce module a des applications bien au delà de la recherche scientifique et cette présentation a pour objectif de faire connaître ce module open-source et donner des exemples d'applications réelles avec du matériel accessible. Le code est disponible à l'adresse https://github.com/LaboratoireMecaniqueLille/crappy

asyncio est un nouveau module qui supporte en Python 3.5+ la syntaxe async / await. Il facilite grandement la programmation asynchrone en évitant la programmation par callback. Le principe de la programmation asynchrone est de traiter plus de requêtes en même temps. Nous verrons dans cette présentation que c'est facile de faire de la programmation web asynchrone à l'aide du cadre logiciel aiohttp.

With the advancements in the domain of Deep learning, it has found application in various real-life problems such as self-driving cars and healthcare diagnosis. But with great powers comes greater responsibility, so the question arises, “Is our AI safe ?”

The critical part of any machine learning system is understanding what it does not know. Unfortunately, today’s deep learning algorithms are usually unable to understand their uncertainty.

This talk will provide an introduction to the resurging filed of Bayesian Deep Learning. I would be discussing various theoretical aspects and the current state-of-the-art in this domain. I would be taking you through the code for constructing Bayesian deep nets and visualizing their uncertainty in their results using libraries like PyMC3, Pytorch.

The prerequisites for this talk familiarity with basic probability, Intermediary python, and passion to learn something new :)

Quelles sont les particularités et les avantages pour pouvoir livrer des applications web python dans un cluster OpenShift (qui a du Kubernetes en dessous).

Nous verrons les mécanismes suivants :

• s2image (source to image Docker) dans openshift : comment construire l'application simplement avec un requirements.txt et du WSGI
• Comment livrer du django avec Postgresql
• Comment livrer une application CubicWeb
• Les mécanismes de sécurités associés
• Les URL automatiques pour tester des contributions ou des branches nommées
• Parallèles avec repo2docker de l’écosystème jupyter https://github.com/jupyter/repo2docker

Nous exposerons aussi les avantages et inconvénients de déployer des applications web python sur un cluster type openshift ou kubernetes.

• https://www.openshift.org/
• https://kubernetes.io/
• https://github.com/openshift/source-to-image

Cette présentation introduira les notions de "micro-service design pattern" et comment ils peuvent etre exploites pour déployer les services a base de Python (ou autre) sur Kubernetes ou Docker.

Nous regarderons comment exposer et scaler le service, puis le faire évoluer en nouvelle version via les "rolling upgrades" prenant en compte des détails pratiques tel que le besoin d'haute disponibilite, capacity, ingress controllers, monitoring et load balancing.

Nous verrons comment les "health checks" permettent de valider l'état de santé d'une nouvelle version d'un service pour pouvoir faire un "rollback" en cas de besoin.

Tous ces concepts seront démontrés visuellement avec un deploiement de bout en bout sur un cluster Kubernetes.

Présentation de l'écosystème d'outils et modules métier pour le framework Anyblok.

Principes généraux : modularité, découplage, qualité Ecosystème : Présentation rapide des outils et modules métiers existants Exemple : Exemple d'implémentation

https://pypi.org/project/AnyBlok/ https://github.com/AnyBlok

Quel développeur n'a jamais été tenté d'écrire une solution quick and dirty afin de gagner un peu temps ? La réalité du marché faisant la dette technique s'accumule et il arrive un moment où il devient critique de la traiter.

Nous verrons ensemble comment quitter le mode "quick and dirty" pour amener un projet et une équipe vers l'excellence technique. Adapté à tous les niveaux.

After watching Google I/O 2018, one thing we've realized is that the voice of the artificially intelligent system is going to be a significant interface to interact with a human, apart from the text. The research on speech-to-text has been going on since quite a few years after we've taken a big leap on the Deep Learning approach. In this talk, I'm going to talk mainly about the Mozilla's DeepSpeech open source project to convert speech-to-text in Python.

Now, the new problem at hand is how an artificially intelligent system can give a human-like voice to the written text because when a human speaks, there are a lot of intricacies in our speech that is so obvious for the human brain. Expressions in our voice, where to give a pause, and accent etc are few important factors that play a big role in how humans talk to each other. So, here I'm going to introduce WaveNet.

The talk will be divided in following four segments :

• 0-5 minutes: The talk will begin with explaining the Speech-to-text earlier existing libraries and which machine learning models they used. Comparison of various libraries like Cloud speech-to-text by Google, IBM Watson and DeepSpeech will be done
• 5-25 minutes: DeepSpeech is based on Baidu's DeepSpeech research paper. This model directly translates raw audio data into text - without any domain specific code in between. I'll quickly brief about the underlying deep learning architecture used in DeepSpeech. A short live-demo will be given and the code, written in Python, will be explained with the tips on hyper-parametric tuning to get the best possible results.
• 25-45 minutes: Now, the talk will switch to the latest research going on in the field of Text-to-speech and how products like Alexa, Siri, Google Assistant etc are leveraging this to behave like a human. The deep learning architecture of WaveNet, open sourced by Google's DeepMind, will be discussed followed by the live-demo and explaining the code written in Python.
• 45-50 minutes: For QA session.

La présentation s'adresse à des personnes débutantes ou confirmées. Elle a pour but de présenter la RFC GraphQL et son rapport avec Django.

Une première partie introductive permettra aux participants de comprendre ce qu'apporte l'utilisation de cette RFC, ses avantages et ses inconvénients. Cela s'articulera autour du concept de cette technologie sans parler d'implémentation.

Dans une seconde partie, on s'intéressera à une implémentation en python avec Graphene, blibliothèque python qui s'interface avec Django. Cette implémentation sera illustrée avec un exemple de mise en place d'une API GraphQL sur un projet simple pour présenter cette implémentation avant de discuter de l'état actuel de Graphene et de ses limitations.

De nos jours, la plupart des langages fournissent leur propre gestionnaire de paquets (pip, gem, etc.) ainsi que leur propre archive de paquets (PyPI, RubyGems, etc.). Il existe également de nombreuses distributions GNU/Linux (Debian, Fedora, etc.) et *BSD (FreeBSD, OpenBSD, etc.).

Les empaqueteurs doivent convertir les paquets "upstream" (disponibles dans les archives de paquets des langages) en paquets "downstream" (les paquets de nos distributions). Divers outils ont été écrits pour les aider dans ce travail quelque peu fastidieux : on trouve ainsi pypi2rpm, gem2rpm, pypi2deb, url2pkg, portgen, pytoport et bien d'autres. Tous ces outils ont une interface et un comportement différents. Ils réimplémentent tous du code similaire : lire des métadonnées depuis les archives de paquets, et écrire des paquets Debian/RPM/etc.

Durant cette présentation, je présenterai upt (Universal Packaging Tool, disponible à https://framagit.org/upt/upt), un outil modulaire combinant des "lecteurs" (qui lisent les métadonnées) et des "écrivains" (qui écrivent les paquets Debian/RPM/etc.) grâce à une représentation intermédiaire unifiée des paquets. Je le comparerai à des projets similaires et montrerai comment ajouter facilement le support pour votre langage ou votre distribution préféré.

Les APIs occupent de plus en plus de place au sein de notre activité informatique et dans les entreprises.

Sans nous en rendre compte, nous introduisons énormément de connaissances dans nos APIs, que ce soit coté serveur ou coté client. Cette somme de connaissance créé un couplage implicite entre le serveur et le client ce qui complique les évolutions.

Partant d'un example d'API ReST nous verrons comment elle permet de diminuer le couplage client/serveur et facilite les évolutions, en montrant comment elles peuvent être prise en charge par des clients qui n'étaient pas prévus pour. Un autre aspect est la limitation des règles metier du coté client et comment rester DRY pour la partie fonctionnelle.

Pour conclure, nous aborderons ce qui les limites de cette architecture et pourquoi il est si compliqué de créer de telles APIs.

Comment faire de la domotique avec des outils libres auto-hébergés et en partie avec du python.

Avec un retour d'experience sur les outils suivants :

• home-assistant.io
• graphite-api
• micropython
• wipy
• et d'autres trucs pas python

We have always been taught that the earlier you book a flight, the cheaper it is. What if I said it isn't? You see it's not a straight line and it has a minimum at some point (someday before the flight). We are going to see how historical Airfare data can help us derive the best day to book a flight so that you 'actually' get the cheapest fares.

The talk would talk about the entire process, from getting the data, to training a basic Neural network on the data. With advancements in deep learning in these few years, it is very easy to train a simple statistical model to predict the prices.

Travailler en équipe n'est jamais un défi simple. Travailler à distance est un enjeu encore plus complexe. Collaborer avec une équipe entièrement distribuée relève de l'exploit. Pourtant de plus de plus de projets (collaboratifs, associatifs, ou startups) choisissent ce mode de fonctionnement, qui offre aussi de nombreux avantages.

Avant même que les concepts de full-remote, de co-working, et de BYOD ne deviennent populaires, les mouvements Open Source se sont attelés à la tâche difficile de faire travailler ensemble des gens en les reliant uniquement par le réseau.

Après plusieurs années passées à collaborer avec des gens sur de nombreux projets, Open Source ou non, petit retour d'expérience du full-remote, ce qu'il engage, ce qu'il faut savoir, et les outils indispensables à un travail asynchrone efficace, ensemble.

Les réseaux de neurones ont révolutionné ces dernières années de nombreuses tâches comme la Vision par ordinateur ou le traitement du langague. L'objet de ce talk est d'introduire les Generative Adversarial Networks (GANs), une approche orienté deep learning pour la génération de données artificielles. Nous commencerons par introduire leur fonctionnement, avant de s'attarder sur les différences de la phase d'entrainement et les applications.

Les GANs ont été utilisés récemment pour la super-résolution (amélioration de la qualité d'une image), pour générer des titres correspondant à une image ou pour faire apparaitre Nicolas Cage dans tous les films. Ils s'organisent en deux réseaux de neurones, s'affrontant dans un jeu à somme nulle.

Avec la librairie Keras, nous construirons un modèle pour déflouter des images.

Roadmap du talk:

1. Qu'est ce que sont les Generative Adversarial Networks ?
2. Entrainer un GAN
3. Architecture pour notre tâche de défloutage
4. Autres applications des GANs

Une partie de ce talk sera basé sur cet article : http://bit.ly/deblurgan

Anyblok / WMS est un tout nouvel ensemble de bibliothèques pour écrire des applications de gestion de stocks et de logistique en Python3, avec PostgreSQL, AnyBlok et SQLAlchemy.

• https://pypi.org/project/anyblok-wms-base/
• https://blog.racinet.fr/tag/logistique.html
• https://anyblok-wms-base.readthedocs.io/
• https://github.com/AnyBlok/anyblok_wms_base

L'objectif est de fournir une fondation solide et agréable aux développeurs d'applications concrètes et à leurs mainteneurs.

Les cas d'utilisation potentiels concernent tout ce qui touche au suivi d'objets physiques, donc la partie logistique de l'e-commerce, bien sûr, mais aussi les petits magasins, les parcs de matériel technique, la gestion de production (GPAO) et pourquoi pas l'humanitaire.

Quelques mots d'ordre du développement en "té" : flexibilité, généricité, traçabilité, adaptabilité (à la réalité), euh… qualité et bien sûr liberté !

Le développement de la couche de base a commencé cette année ; on espère être en voie de sortir la version 1.0 au moment de la PyConFR, d'avoir une première application finale en production, de lancer des développements publics de plus haut niveau, d'accueillir des contributions…

Contexte : J'ai commencé à faire des cartes avec les données INSEE disponibles sur opendata il y a 2 semaines.

J'ai trouvé quelques outils comme qGIS, mais ayant une machine asthmatique, j'ai fini par construire les cartes depuis rien, juste en regardant les fichiers sources, et les cartes SVG et c'est facile : tout le monde peut y arriver.

C'est si simple avec les bons outils (python + SVG + HTML + matplotlib et une connaissance minimale en math), que ce serait bien de rendre ce savoir disponible pour tous.

La plupart des difficultés techniques comme : un point est il dans un polygone ?

Quel sont les points minimum et le maximum dans une carte ?

Sont résolues simplement sans classe avec un outil mal aimé de python : les nombres complexes.

(Ceci au passage est un "rant" contre la classe point 2D qui est donnée en exemple comme la classe pour apprendre, et une réaffirmation que les maths sont une abstraction plus importante que l'objet.)

Dans un premier temps on va prendre un fichier source, le regarder, et tenter naïvement de construire une carte.

On va rappeler très rapidement ce qu'est un nombre complexe.

On va prendre un fichier de destination et le regarder, et sans connaissance du SVG tenter de le construire.

Ensuite on va utiliser matplotlib pour automatiser la coloration par gradient.

On va y arriver.

On va aussi découvrir une méthode de résolution des problèmes de contraste par "non linéarisation" des niveaux de couleurs (tri ordonné) qui marche à quasiment tous les coups (merci les OrderedDict et les sets).

On va utiliser un algo simple pour trouver le polygone qui contient un point et le mettre en œuvre. Parler de distance et éviter en beauté le problème des projections en cartographie car j'y connais rien.

On va peut être comparer avec qgis en terme de vitesse pour la génération de carte SVG, et aux tutos disponibles sur internet, et se dire que ça vaut le coup de partager ce savoir.

Enfin on va montrer que la complexité afférente à écrire un cadricel étant supérieure à la 100 aine de ligne de codes pour faire le travail sans se fatiguer, c'est peut être pas nécessaire de faire un cadriciel.

Et évidemment, je vais conclure sur les quaternions, et leur utilisation par les riggers dans l'industrie du jeu plutôt que les matrices pour la 3D et souligner qu'on a des modules pour les quaternions en python, parce qu'on a une communauté de qualité avec des scientifiques qui contribuent et que sans eux, ce serait bien plus dur de faire le kakou en 100 lignes de codes. Remercions aussi les initiatives d'opendata sans lesquelles on pourrait rien faire et rendons hommage à la qualité de données si simple que leur mise en œuvre est aisée.

Et voilà comment on construit une carte de représentation de données sans rien y connaître en cartographie. Parce qu'il y a des gars biens qui partagent les données sans les "obscurcir" et d'autres leur code et qu'il y a une communauté au milieu pour mettre les savoirs en relation.

Plus que jamais, nous avons besoin de sécuriser nos échanges et de renforcer notre confiance dans nos outils pour garder nos données à l'abri des yeux indiscrets. Peut-être que franchir le pas vous semble insurmontable. Peut-être que vous vous dites que tout ça reste une affaire de groupes d'hackitivistes éclairés. Plus probablement, il vous manque sans doute juste une connaissance simple de l'univers du chiffrement, et de la fantastique boîte à outils qui l'accompagne.

Alors profitons-en, on embarque pour un tour d'horizon de la crypto : chiffrement, techniques, outils… Nous regarderons quels outils existent, pourquoi et comment les utiliser. Et parce que le web ne serait pas parfait s'il n'était pas ouvert, nous nous intéresserons aussi bien aux clients "lourds" qu'aux alternatives web (et il en y en a plein).

Mieux : puisque nous ferons le tour des techniques, observons les outils que met à notre portée de dev le W3C avec l'API WebCrypto : ajouter du chiffrement et une gestion fine de la sécurisation se révèle désormais beaucoup plus pratique.

Ceinture et bretelles : attachez-vous bien, on chiffre !

L'accès aux attributs d'un objet en Python est plus complexe qu'il n'en a l'air.

Derrière une interface très simple, divers mécanismes interviennent pour récupérer la valeur de l'attribut demandé et nous permettent la mise en place de techniques avancées pour leur traitement.

À travers cette présentation, nous explorerons ces mécanismes et verrons comment rendre nos attributs plus dynamiques.

Niveau intermédiaire : Connaissances de base sur les classes et les objets en Python.

La gestion de version a profondément changé ces 10 dernières années, avec l’arrivée des gestionnaires de versions décentralisés et des plateformes comme Github. Pourtant, malgré son succès retentissant, git n’est pas non plus la solution ultime couvrant tous les besoins. De nombreuses personnes et entreprises font le choix de solutions plus anciennes (comme SVN), propriétaires (comme Perforce™) ou de la même génération (comme Mercurial).

Dans cette présentation, nous étudierons les besoins classiques qui ont façonnés et préservés les solutions actuelles, puis nous explorerons les nouvelles habitudes de développement auquelles les gestionnaires de versions doivent s’adapter. Cette présentation sera jalonnée d’exemples concrets qui vous permettront entre autre de comprendre en quoi les alternatives à Git sont utiles pour l’innovation et pourquoi, chez Octobus, nous avons choisi de travailler sur Mercurial plutôt que Git.

Depuis plusieurs années, les outils de qualité ont évolués, les outils de CI sont de plus en plus scalables, les librairies d'écriture de tests sont plus nombreuses et ont bien mûries et de nouveaux outils sont apparus pour améliorer encore plus la qualité du code que l'on produit.

Néanmoins, la plupart des outils de CI se contentent de lancer un script et de vérifier le code de retour, la plupart des librairies de tests nous imposent de choisir entre lancer l'ensemble de nos suites de tests ou s'arrêter pour voir le détail du test en échec et enfin la plupart des innovations des outils de CI, l'exécution en parallèle et l'exécution à distance, n'ont pas encore trouvé le chemin jusqu'au développeurs.

Comment améliorer la situation ? Je vous présenterai l'un de mes projets, LITF (https://github.com/Lothiraldan/litf) un nouveau format d'entrée et de sortie pour les librairies de test et BALTO (https://github.com/lothiraldan/balto), un orchestrateur de tests utilisant ce nouveau format. BALTO est écrit en Python 3.6 / Asyncio et supporte bien entendu Pytest comme première librairie compatible.

Grâce à ce nouveau format, BALTO peut exécuter plusieurs suites de tests dans des langages différents, à distance sur un clusteur Kubernetes et le tout en parallèle. En tout cas, c'est le but pour la version stable.

Entre un bout de code dans un coin qu'on décide de mettre en open-source, et un projet github, prêt à accueillir des contributions, il peut y avoir du travail.

Standardisation et formatage du code, écriture de tests unitaires et fonctionnels, documentation, et automatisation...

Un tas de sujets, et d'outils associés, qui permettent de rendre le code et le projet plus fiables, plus accessibles, plus "propre".

Continuant sur la lancée des "Aventuriers du Packaging Perdu" l'an dernier, nous vous embarquons dans un tour d'horizon de nos pratiques et logiciels préférés autour de la gestion d'un projet open source.

Venez découvrir les bienfaits de black, du test de mutations, des hooks de pre-commit et de l'intégration continue, et bien d'autres sujets.

Nous espérons faire découvrir au moins un petit quelque chose à chacun·e d'entre vous !

Un programme en Python est rarement script isolé effectuant quelques interactions basiques avec le système exploitation. Il est fréquent d'utiliser également des bibliothèques, des modules écrits dans d'autres langages, des systèmes de base de données... Il en résulte de nombreuses dépendances qui peuvent rendre un projet difficile à construire et à déployer.

L'écosystème Nix permet de gérer ce genre de dépendances efficacement. Il complète ou remplace certains outils classiques de Python mais également d'autres langages, fournissant ainsi un système commun pour construire et déployer des packages et des services.

Dans cette présentation, accessible à tous les niveaux, je rappellerai quelques outils de packaging classiques en Python, puis je présenterai l'écosystème Nix et montrerai comment l'utiliser pour développer, packager et déployer une application web Python comportant un module C++ et une base de données.

Python3.7 a apporté sa dizaine de changements, mais on verra en détails les changements apportés à asyncio par les Context Variables.

While consistent hashing is largely known and adopted in the NoSQL database clusters to solve data distribution and data access reliability, it is less known and used by the typical developers.

This talk will introduce you to consistent hashing and the problems it solves while going through a practical use case in a python application.

We will start from its standalone design and scale it out to an optimized clustered version thanks to consistent hashing.

La présentation reviendra sur des éléments de réflexion obtenus sur le démarrage du projet de recherche européen CHRONOS. Particulièrement sur les contraintes liées à l'application biomédicale du machine learning pour étudier le vieillissement musculaire. L’emphase sera mise sur notre approche globale via Python.

Isort, flake8, pylint et consorts nous permettent de rendre notre code plus lisible, mais pas que. Nous passerons en revue leurs options principales et leur bienfaits.

Nous verrons comment les mettre en place dans un projet, qu'il soit personnel ou en équipe.

Nous aborderons aussi le petit dernier : Black, qui fait une entrée fracassante dans la communauté.

Nous sommes une entreprise de maintenance Informatique.

Nous sommes également fainéants et enfin nous adorons l'automatisation.

Découvrez nos outils de prédilections pour automatiser :

• La configuration de nos serveurs
• La configuration des clients Windows / Mac / Linux

Nous aborderons le design de SaltStack et en quoi cette solution se différencie de Ansible / Puppet et les autres gestionnaires de configuration.

Des concepts seront abordés sur la puissance offerte par le bazard.

The aim of this paper is to introduce to the newcomers the ideas of Deep Neural Networks started by Yan LeCun and continued by Alex A., NYU, Google and Facebook teams, make a small panorama of the more common types of Neural Networks available and explain in detail a new and very successful architecture called Mask R-CNN that has won recognition all around the world.

After this big introduction, we will dive into the resolution of the problem of Lane Recognition with images taken from inside cars using CuLanes dataset and its implementation in TensorFlow. We will see how difficult and problematic this type of images can be due to the different and possible geometric issues that diverse landscapes have. Nevertheless, we will show that the technique is applicable to this specific problem and could be improved to be automatized and implemented in a self-driving car.

https://github.com/fmcalcagno/MASK_Lane_Detection @fmcalcagno

Intermediary level

Metric learning is an area of machine learning which aims to learn a distance (or similarity) measure between samples for a given task. In this presentation, I will start by briefly introducing the main ideas of metric learning and some of its applications, and show a concrete example of using metric-learn, the metric learning library in Python. I will then highlight the importance of making a machine learning package compatible with scikit-learn and discuss the challenges in the specific case of metric-learn, in particular regarding API constraints. Finally, we will dig into metric-learn's code to illustrate the main design choices, and emphasize some general issues (such as test design) that require special care when developing a machine learning toolbox.

https://github.com/metric-learn/metric-learn

Pour promouvoir Rolisteam, nous enregistrons trois parties de jeu de rôle virtuel par semaine.

Chaque vidéo dure plus de 2h30. Très peu d'outils de montage apprécient de travailler sur des données aussi conséquentes.

Nous allons voir comment Moviepy a facilité l'édition de nos vidéos et nous permet de mettre en ligne plus de 3 vidéos par semaine.

À travers cette histoire, nous ferons un tour des fonctionnalités de ce module.

La présentatino sera pour «tous les niveaux».

A talk on a technological iteration journey: replacing MongoDB + Hive by ScyllaDB in production to meet the requirements of business critical work loads.

I will share my recent experience in migrating our most intensive and JOIN hungry production work load from MongoDB + Hive to ScyllaDB.

This work and iteration allowed us to JOIN billions of rows in seconds while drastically reducing operation and development complexity by using one database (ScyllaDB) instead of two (MongoDB + Hive).

ScyllaDB is a C++ drop-in replacement of Cassandra that proved that its design was up to the challenge by squeezing every bit of performance from hardware. We will cover the approach and key aspects of this NoSQL database.

I will finally present the results of the benchmarks between Dask and Spark and highlight their differences and what we learned along the way.

Draft of the agenda

• Business context and work load details
• Problems and limitations in handling this work load using MongoDB + Hive
• How we conducted a thorough evaluation of ScyllaDB to replace MongoDB + Hive
• How we ended up challenging Spark with Dask
• Lessons learned and production feedback

OpenSVC est une solution mature, 100% python, open source, française et bénéficiant d'une forte adoption dans le secteur bancaire. Elle permet de provisionner et d'orchestrer très simplement des stacks applicatives avec ou sans docker. Elle propose de remplacer de façon homogène une large gamme de produits, de systemd à kubernetes en passant par Veritas cluster.

Cette présentation introduit aux concepts et fonctionnalités d'OpenSVC et démontre par l'exemple sa simplicité d'utilisation.

Niveau: Tout public

Tryton est une plateforme pour logiciels métiers écrit en Python. Elle est amenée à traiter de grosse quantité de données dans des délais court mais aussi à traiter rapidement des ordres volumineux.

Nous verrons dans cette présentation les différentes techniques mise en place afin d'optimiser au mieux les performances: traitement groupé, parallélisation des processus, gestion de différents niveaux de caches et techniques de contournements des goulots d'étranglement des performances.

En bref, nous ferons le tour des techniques déployées dans Tryton qui ont permis la facturation d'un million de contrats d'assurance en moins d'une heure.

Python 3.7 will ship with a new module called "dataclasses", which has been defined in PEP 557.

• What is this module?
• What are the problems that PEP 557 authors try to solve?
• What was the chosen design, and why?
• How does it compare against the tools that already exist?

This talk will deeply cover "dataclasses", but also "attrs", "box", "thingy", and others.

Le travail c'est la santé, mais des conseils kiné permettent de la préserver ! Il s'agit ici de présenter les risques d'une mauvaise posture au travail, quelques solutions possibles en matière d'ergonomie, le tout accompagné de conseils kiné. C'est une des rares conférences où avoir un ordinateur n'est pas nécessaire.

Tous les ans le monde Python se pose les même questions: “Est-ce que je propose une présentation à Pyconfr ?”, “De quoi je vais parler ?”, “Est-ce que j’aurais le temps de la préparer?”. Tous ses questionnements nous privent chaque année de présentations qui auraient été passionnantes. Pourtant, sans forcément s’en rendre compte, chacun de nous a déjà les réponses à toutes ces questions clefs. En suivant une suite de principes simples, il est possible de produire une présentation sur un sujet pertinent et d’une qualité correspondante au temps qu’on a trouvé à y consacrer.

Présentation générale sur ce que sont les PWA :

• À quels critères doit répondre une application pour être qualifiée de "progressive web app" ?
• Rapide présentation des services workers, de la cache API et du manifest.
• Les outils pour mettre en place une PWA (lighthouse, workbox,...)
• Fonctionnement des push notifications

Niveau : Tous les niveaux

Au sein d'une université, la gestion des identités et la qualité des données sont deux domaines de l'ombre. Avec environ 50 000 comptes informatiques actifs et des utilisateurs variés : étudiants, enseignants-chercheurs, administratifs, ces sujets ont des impacts au quotidien au sein d'un DSI.

Lors des journées inscriptions les plus chargées, les défis sont nombreux avec plusieurs milliers de créations de comptes.

Après avoir présenté succinctement l'architecture de la solution et les raisons de nos choix techniques, du langage Python et de la base de données PostgreSQL avec PL/Python, nous nous intéresserons plus spécialement à la bibliothèque ldap3.

Nous expliquerons alors notre utilisation et nous afficherons les performances obtenues. Les résultats seront décrits sur les environnement LDAP (relatifs à la normal SupAnn) et Active Directory.

We are living the last months of Python 2... Lots of companies are always using the version 2 of Python and have to migrate to Python 3 in the next months. A migration is a long journey, most of the time it's boring with lots of production risks/issues. Purpose of my conference is to give the keys to reach the objective in avoiding traps.

Python is often used to maintain application backends. When the backend should implement user oriented workflows, it may rely on a RDBMS component to take care of the system's integrity.

PostgreSQL is the world's most advanced open source relational database, and is very good at taking care of your system's integrity. PostgreSQL also comes with a ton of data processing power, and in many cases a simple enough SQL statement may replace hundreds of lines of code written in Python.

In this talk, we learn advanced SQL techniques and how to reason about which part of the backend code should be done in the database, and which parf of the backend code is so easier to write as a SQL query.

All levels.

The goal of this talk is to demonstrate how monads can be useful in Python. After having explained what is a monad, I'll show some use cases and do a benchmark against traditional Python solutions. I'll also talk about existing implementations of monads in Python.

Intermediary level.

Depuis 20 ans, j'utilise Python au quotidien en tant qu'amateur et depuis 2008 en tant que pro. Cependant, depuis quelques années je suis devenu un membre "actif" de la communauté Python et j'aimerais vous montrer pourquoi j'aime Python. Comme Brett Cannon l'a déjà dit, nous venons pour le language mais nous restons pour la communauté. Alors cette talk est fait pour vous, je veux partager mon enthousiasme concernant Python et si vous me connaissez, vous aimerez être présent à ma talk, car certains se reconnaîtront comme mes amis ;-)

Talk complètement improvisé, mais certainement fun comme à mon habitude.

Cdiscount is the French leader on e-commerce, with millions of visitors and millions of products sold. But that is not all: Cdiscount is also a company where dozens of Data Scientists are daily challenged with a massive amount of data coming from visitors, customers, its product catalogue and internal search engine. Their goal: deliver performing and innovating algorithms in a short delay. The Cdiscount’s Data Science teams use Python for both prototyping and production, trying to shorten the path between a research idea and its industrialization.

In this talk, we are going to present some examples of Python applications in Cdiscount and we are going to focus on one in particular: the keyword clusterisation in Google Ads campaigns using the Word-2-Vec algorithm of the gensim package. The solution of this NLP problem allows to use the signal of high-traffic keywords to predict the performance of lower-traffic ones and improve the bidding.

Writing tests is not that easy. People tend to overlook this task, often seen as less interesting than writing “real code”. Until they join a new company, where nobody told them they would have to maintain a legacy codebase, with temporary fixes everywhere and a test coverage of 30%, and that developers who wrote it already left several years ago…

In this talk, we will see how to write tests with Pytest for your web applications: from acceptance tests, to unit tests, without forgetting integration tests of course! Applying best practices like Behavior-Driven Development, we will try to identify traps on our way and learn how to avoid them. And because we are living in the 21st century, we will also automate our development workflow with Docker Compose, to make our day-to-day work more enjoyable.

Expected level of attendees: all levels.

OpenStack is arguably the biggest Python project, it consist of a collection of libraries, clients, services that all interact with each others. In short, releasing such Behemoth ain't an easy task.

During this talk, there'll be no magical powder, I have nothing to offer but blood, toil, tears and sweat.

You'll discover how RDO the most popular community distro of OpenStack integrates with upstream OpenStack production chain to release a rock solid OpenStack distro with cross-CI, innovative distro making approach. We'll also present the challenges we have faced and we're currently facing (Python 3 we're coming!).

Depuis quelques années maintenant, ReadTheDocs est devenu incontournable dans l'univers Python. La plupart des projets disponibles en ligne passent par ce service afin de mettre à disposition une version toujours à jour de la documentation Sphinx, associée à leur projet.

Le projet ReadTheDocs est un projet Open Source, et à ce titre, leur code est entièrement ouvert. De fait, nombre d'entreprises peuvent être intéressées par le déploiement de ce service, en interne. Et c'est à ce moment précis que commencent les ennuis. Le modèle économique de la société reposant sur la vente de services, aucune aide, ou presque, n'est apportée à la communauté pour le déploiement en interne.

À travers cette conférence, nous vous proposons un retour d'expérience sur le déploiement interne d'un serveur ReadTheDocs, et le paramétrage de certaines options.

Un DSL (Domain Specific Langage) est un langage spécialisé capable de décrire des problématiques business avec un langage commun à l'ensemble des intervenants et donner de l'autonomie au métier.

Lors de ce retour d'expérience, nous discuterons de l'implémentation d'un DSL. Ce DSL a pour but de donner de l'autonomie aux experts métier pour énoncer leurs règles.

Nous utiliserons ce cas d'étude pour discuter des DSLs, de leur base théorique à leur implémentation en python.

Messagerie instantanée, (micro)blogage, « réseau social », forums, partage de fichiers, albums photos, organisation d'événements, gestion de tickets, gestion de patchs (« merge requests »), chiffrement de bout en bout sont autant de choses qu'il est possible de faire avec Salut à Toi, un écosystème de communication libre et décentralisé qui s'appuie sur le protocole standard XMPP.

Cet outil unique en son genre est développé en Python, et fonctionne à la fois sur bureau, appareils mobiles (Android), web, interface console (« TUI »), et ligne de commande (« CLI ») grâce notamment à une architecture démon/frontaux et à la popularité de ce langage de programmation qui le rend disponible là où on ne l'attend pas forcément (une des interfaces dynamiques web, dans le navigateur donc, est également développée en Python).

La dernière version a vu l'apparition d'un cadriciel (« framework ») web orignal, qui permet de développer des sites web en utilisant XMPP en arrière plan, permettant de gérer facilement l'authentification et les permissions, les composants courants (comme les commentaires), et les rendant naturellement décentralisés.

Cette conférence va présenter le projet, son architecture, et son utilisation de Python, avant de faire une démonstration de certaines de ses possibilités.

I will present a sample web application inspired from the real world (so not an application doing hello worlds) and showcase several ways of scaling it up, layer after layer, doing benchmarks at every step, up to 1000 queries per second — or 86.4 millions per day — on one Amazon server.

We will talk about:

• stateful vs stateless
• web servers and process managers
• WSGI, AWSGI
• asynchronicity
• different sort of caches for different sort of things
• various system hacks on Linux
• monitoring

Le fait de pouvoir utiliser asyncio en python 3.6 est une révélation.

Dans cette présentation je propose de revenir sur le concept de l'ioloop et les cas d'usages où j'ai eu à utiliser asyncio ces derniers temps. Que ce soit pour paralléliser des tâches IO-bound et CPU bound ou pour faire des services web.

def afficher(liste):

for texte in liste:

print(texte)

Une fonction simple.

Mais dans cette présentation en live coding mélangeant bonnes pratiques et artisanat, elle va vite prendre du galon.

Depuis 20 ans l'informatique a été revolutionnée par des nouvelles technologies de virtualisation, cloud, conteneurs et maintenant serverless. Ces technologies aident à optimiser l'utilisation des servers, de faciliter le déploiement, ainsi que d'augmenter l'agilité et de faciliter l’innovation.

Serverless existe depuis une décennie mais a été propulsé sur le devant de la scène avec le lancement d’AWS Lambda en Nov 2014 - plutôt beta a l'époque. Aujourd'hui il existe un choix de plateformes et d'outils impressionants de services en ligne, d'outils Open Source pour faciliter leur usage et des plateformes entièrement Open Source.

Nous allons commencer par regarder le déploiement d'un service Python sur AWS Lambda - car même si propriétaire il reste le leader aujourd'hui. Puis on regardera des outils open source tel que Chalice et Zappa spécifiquement pour déployer des fonctions Python sur Lambda et l'outil Serverless(.com) qui facilite le déploiement de différents langages vers differentes plateformes Serverless.

Mais il existe aussi des plateformes entièrement Open Source telles que OpenFaaS, OpenWhisk, Nuclio, Kubeless, Fission, Fn… vous avez l'idée... il y a du choix !

Nous regarderons comment déployer des fonctions Python sur OpenFaaS et OpenWhisk.

Bien sûr avec plein de démos a l'appui !

Software Heritage is a non-profit initiative whose goal is to become the most comprehensive archive of publicly accessible source code in the world, together with its full development history. The project archive already contains more than 4.5 billion source code files, more than 1 billion commits, coming from almost a hundred million software projects. It is a modern time Great Library of Source Code, growing daily.

The Software Heritage stack is entirely written in Python and supports archiving git repositories, subversion repositories, mercurial repositories, Debian source packages, as well as arbitrary archives (zip files, tarballs…) released by upstream authors. Everything gets stored in a common, fully deduplicated data model, allowing unified access to all archived content, regardless of the original means of distribution. The archive front-end, built upon the Django framework, allows people to browse the contents of the archive and download snapshots of source code that may have disappeared upstream.

While initially focused on archiving collaborative development forges such as GitHub, BitBucket, and GitLab, Software Heritage also supports archiving traditional software distributions, such as GNU/Linux distributions, and language-specific ecosystems. As an acknowledgement of the importance of the Python community for us, we are proud to announce the archival of PyPI into Software Heritage. This presentation will give a brief overview of the Software Heritage project and then drill down through the technical details of the integration with PyPI.

As a Django dev you cannot ignore Javascript frameworks anymore. But integrating React (or any javascript framework) with Django is not seamless: there's no documented guide to setup a project, getting hot reloading to work is a painful must-have, and then how do you even leverage the power of both frameworks to code faster? Doing this without losing time and productivity is very hard.

After 4 years of building a dozen django/react projects at Theodo, I want to share with you the very efficient setup we came up with, both for development and production use.

In this session we'll see how to:

• setup a JS frontend alongside Django for a smooth development experience (with hot reloading!)
• package and deploy a JS app with a Django project
• make frontend and backend work together: automatically harvest Django REST framework validation errors inside redux-form and get free validation in React

Pas assez de temps, pas assez de connaissances, pas assez d'argent, pas assez de... L'écriture des tests n'est souvent pas une tâche aisée. Le débutant ne sait pas quoi tester, le professionnel n'a pas le temps, le hobbyist n'a pas besoin. Les tests basés sur les propriétés ont pour objectif de proposer une solution à ces problèmes. Popularisé par la bibliothèque la Quickcheck (Haskell), ce concept est adapté en Python à l'aide de la bibliothèque 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 les tests correspondants à ces spécifications, à votre place. 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 génèrera plus de tests que ceux que vous auriez générés manuellement et permettra de démasquer plus d'erreurs. L'étudiant gagne ainsi en expérience, le professionnel gagne du temps et le hobbyist se dit pourquoi pas.

Cette présentation a pour objectif d'introduire au concept des tests basés sur les propriétés ainsi qu'à l'utilisation de la bibliothèque Hypothesis: pour les étudiants, pour les professionnels et pour les hobbyists.

A retrospective and prospective of Python’s adoption in the data-driven industries and how it has and should influence its ecosystem and communities.

Thanks to its versatility, Python’s usage and adoption has changed a lot over the last decade to go beyond the very act of software programming.

From Developers to SysOps, closely followed by Scientists and Data analysts, Python has spread to become a common tongue for a wide range of people.

We will start by looking at how this increased adoption impacted Python ecosystem and is still shaping it today. While this talk is not walk through all the Python technologies around data, some of them will be outlined so you will hear words like Numpy, Pandas or Jupyter.

Then we will try to project ourselves in the future and by highlighting the pitfalls Python has to overcome to keep up with its pace and mature in its ability to scale!

TkInter est le toolkit graphique fourni en standard avec Python. Il traîne une réputation de rusticité, de pauvreté et d'obsolescence qui élude bien trop ses qualités et progrès. Après un état des lieux du design d'interfaces, du skeuomorphisme au "flat design", démystifions TkInter par l'exemple et construisons des interfaces graphiques utilisables et néanmoins modernes !

La programmation concurrente est un paradigme très utiles: site web jonglant avec une multitude de websockets, bot de chat gérant plusieurs conversations, web crawler travaillant sur plusieurs pages en parallèle etc.

Toutefois écrire un programme concurrent n'est jamais une balade de santé, et ce même pour un développeur expérimenté.

Python étant connu pour sa capacité à rendre simple les choses complexes, il devrait y avoir une façon Pythonique d'écrire des programmes asynchrones. Et c'est justement ce que Trio tente d’accomplir !

Trio est une bibliothèque de programmation asynchrone se basant sur les dernières fonctionnalités fournit par Python3 (async/await, boucles et context manager asynchrones etc.) tout en définissant un nouveau jeu de primitives rendant l'écriture de programmes asynchrones plus simple, plus testable, plus fun... bref plus Pythonique ;-)

Have you heard about SRE Book from Google ? or Maybe about USE Method, RED or Golden Signals ?

In this talk, we will talk briefly about these different methods and

• how we can use them in your observability strategy...
• how we can apply them for performance analysis troubleshooting and monitoring...
• how to approach these methods in a native cloud environment...

We will use simple python API but most of the talk will apply to other technologies as well.

Python a la réputation d'être lent. C'est pourtant un langage largement utilisé dans des contextes de calculs numériques intensifs. La clé de ce paradoxe ? NumPy.

NumPy, ou Numerical Python, permet un stockage efficace des matrices numériques de dimension arbitraire. Cette présentation a pour objectif de donner quelques trucs et astuces qui vous permettront un usage optimal des NumPy arrays. Nous aborderons notamment la vectorisation, le broadcasting, les ufuncs et les strides.

L'apprenti écrivain développe son art en lisant les Maîtres, l'apprenti architecte affûte sa lame en redessinant les merveilles de ce monde, et le dev fait des MOOCs. Github, Bitbucket ou Gitlab regorgent d'exemples pratiques, de code, de patterns architecturaux, de tests unitaires, de structures de données, d'algos, de lignes de doc. L'objectif de cette présentation est de réfléchir aux exercices, aux méthodologies, aux techniques, aux outils nécessaires pour développer une habitude littéraire pythonique chez l'apprenant, novice ou avancé. Pratiquer la lecture de code sur des projets grandeur nature est intimidant, affolant parfois, mais le retour sur investissement est potentiellement énorme. Cette compétence s'apprend puis s'exerce.

Competitive programming has grown exponentially in the last decade. Millions of students, teachers, professionals solve problems including complex optimisations every minute. With the influx of programming languages, developers have a wide range of tools to choose from and use them to solve competitive challenges. Some of the popular platforms include Codeforces, Codechef, Hackerrank, Hackerearth, Topcoder etc.

In this talk we are going to use the dataset of codes scraped from Codeforces from a variety of challenges. These include programs written by top rated coders across the world to the newbies. The platform allows you to code in 26 different languages which obviously include popular programming languages like C, C++, Java, Javascript, PHP, Python etc. There are a very wide range of challenges in competitive programming like Sorting, Binary Search, Trees, Graphs, Dynamic Programming to name a few. The talk will cover the visualization of the dataset among broad classifications of how each programming language performs in these classifications. How efficient are programming languages across classifications in terms of time and memory and several others? The talk would also specifically cover the ease of using Python to solve different classes of challenges in competitive programming and the usage of Python over time.

Major takeaways :

• ABC of web scraping and best practices.
• Optimizing web scraping to scale.
• No-SQL databases for storing unstructured data
• How does Python as a language fare in competitive programming in terms of
• efficiency and popularity?
• Can I pursue competitive programming using Python ONLY?
• An analysis of popular programming languages used for solving challenges.

Un constat s'est fait lors de rencontres Python à Lyon : il n'y a pas d'outil de surveillance de serveurs simple et léger, et ça nous manque. Nous avons donc décidé d'en créer un. Nous avons choisi des outils asynchrones pour gagner en performance sur les appels réseaux. Nous avons utilisé en particulier Tornado, AioFTP et AsyncSSH pour créer Watchghost, un outil simple de surveillance de services réseaux. Nous allons vous présenter ce que nous avons fait, comment nous l'avons fait, ainsi que la suite du projet.

Écrire une ligne de Python, c'est facile. Incroyable mais vrai : c'est toujours la première étape lors de la création d'un nouveau logiciel. Vous êtes capable d'écrire cette première ligne ? Alors vous êtes capable de créer le futur logiciel de vos rêves. Vous ne me croyez pas ? Venez donc vous laisser convaincre lors de cette conférence :).

Nous prendrons l'exemple de WeasyPrint, un générateur de documents basé sur les technologies du web, qui après 8 ans de développement atteint (enfin) sa première version stable. Nous verrons comment il a évolué en 8 ans, quelles sont ses nouvelles fonctionnalités et comment il évoluera dans le futur, vers l'infini et au-delà.

Lors de cet atelier nous allons découvrir les bases de Django 2.0 (Backend).

Le seul prérequis est de venir avec son ordinateur et un environnement de développement prêt (Python et Django 2.0 installé)

Cet atelier est le premier d'une suite de trois ateliers. L'atelier 2 s'intéressera à Django Rest Framework (API). Dans le troisième et dernier vous utiliserez Vue.JS (Front) afin de manipuler l'API de l'atelier 2.

Chaque atelier se base sur le précédent.

Cet atelier est pour tous les niveaux.

Lors de cet atelier nous allons découvrir Django REST framework pour faire une API.

Cet atelier fait suite à celui "Back API Front - Atelier 1 Django" qui est un pré-requis et se poursuit avec un dernier portant sur une interface VueJS.

Le but est donc d'utiliser l'application faite précédemment pour exposer des données via une API JSON. En fonction du temps seront abordés des sujets comme l'identification et les permissions, la pagination, le filtrage.

Ajouter Vuejs proprement dans son application Django et intéragir avec une API conçu avec Django Rest Framework.

Nous parlerons de l'interaction de plus en plus forte entre le Backend et le Frontend.

La logique de nos applications, dédiée au Backend au départ, à de plus en plus tendance à être relayée au Frontend. Nous utiliserons Vuejs pour récupérer des données via l'API, créer du contenu et le modifier.

L'objectif et de démarer un projet en AnyBlok

• Utilisation de cookiecutter pour le bootstrap
• Déclaration de model
• Définition des dépendances
• Ajout de route / view Pyramid
• Ajout de test Unitaire
• Génération de la documentation du projet

Over the course of the Week-End, we will set up a web server offering different types of security challenges, available to anyone that wishes to participate.

This workshop is coordinated by the C.L.U.B., which is a computer security club of IMT Lille Douai.

Ce tutorial montrera aux participants des concepts/architecture de Kubernetes jusqu'aux use cases tels que rolling upgrades, cordoning, healthchecks, ingress controllers.

https://github.com/ContainerOrchestration/Labs

Les participants pourront

• regarder simplement
• faire tourner le tutorial dans le cloud (VMs fournies)
• ou faire tourner le tutorial sur leur propre laptop (si minikube ou Docker Desktop déjà installé/demarré à l'avance).

Ce tutorial démontrera aussi l’utilisation du module API Kubernetes "kubernetes-python".

Tous les supports seront mis à jour sur GitHub.com et disponibles après l'atelier.

ZeroMQ et NanoMQ sont au réseau ce que python est à la programmation: des boîtes à outils extrêmement légères, flexibles et performantes permettant à des acteurs distribués d'échanger un grand nombre de messages en utilisant des mécanismes de transport variés (in-process, inter-process, TCP, multicast). A la base conçues et optimisées pour le backend de systèmes de trading en ligne, ces bibliothèques représentent aujourd'hui des solutions génériques et multi-langages pour l'échange de messages et elles sont utilisées par un large spectre d'applications et de microservices. Ce workshop propose de vous introduire par la pratique aux patterns d'utilisation de ces bibliothèques, des plus simples vers les plus évoluées: pub-sub, request-reply, dealer-router, router-router, heartbeating sans oublier les questions de fiabilité et de sécurité (libsodium). La question de la concurrence sera également au centre des exemples avec threading, multiprocessing, asyncio, async, await. Ce workshop sera l'occasion d'expérimenter, de comprendre, de pratiquer les super pouvoirs offerts par ces frameworks ultra-souples associés à python 3.5+.

Mon boss m'a dit de mettre en place un virtualenv, installer les libs, lister les dépendances, ajouter les linters, les formateurs, les tests unitaires, le task runner puis packager le tout et uploader ça sur pypi quand on a un coverage de 120%

Y a une doc pour ça ? Pas vrai ?

(La participation à cet atelier demande d'avoir les droits administrateurs ainsi que Python3.6 installé avant le début du cours)

Big Data, Intelligence Artificielle, Deep Learning, autant de buzz words qui peuvent sembler nébuleux. Pourtant, il existe des librairies Python solildes et bien documentées qui rendent le Machine Learning accessibles à tous.

Le but de cet atelier est d'accompagner les développeurs Python dans leur premier projet en Data Science, de la préparation des données à l'apprentissage d'un modèle de Machine Learning.

Aucune expérience préalable en Machine Learning n'est nécessaire, mais il est recommandé d'avoir quelques bases en programmation.