原文：[Python Weekly Issue 247](http://us2.campaign-archive2.com/?u=e2e180baf855ac797ef407fc7&id=4ecb8be2a6&e=148158c7b4)

欢迎来到Python周刊第243期。让我们直奔主题。

通过conda包管理器，在[Anaconda Cloud的Intel Channel](https://software.intel.com/en-us/articles/using-intel-distribution-for-python-with-anaconda)上轻松访问高性能的[Intel® Python发布*](https://software.intel.com/en-us/python-distribution)包。我们最新的更新包括Jupyter notebook集成，pyDAAL中的神经网络API和numpy.random中的优化随机数生成。

[如何使用Python构建你第一个Slack机器人](https://www.fullstackpython.com/blog/build-first-slack-bot-python.html)

机器人是一种与诸如Slack的聊天服务交互的有效方式。如果你之前从未构建过一个机器人，那么这篇文章提供一个很容易上手的教程，它将Python与Slack API结合起来，以创建你第一个机器人。

[Django测试驱动开发菜谱(Cookbook)](https://www.youtube.com/watch?v=41ek3VNx_6Q)

在这次演讲中，Martin Brochhaus将向你展示你可以如何使用py.test安装第一个Django测试套件，如何用mixer创建fixture，以及可以如何测量测试覆盖率。他也将展示通用模式和片段，这将帮助你克服测试的最初障碍：如何加速测试？如何模拟第三方库？如何使用Django的RequestFactory测试表单和基于类的视图？如何测试admin函数和管理命令？如何测试Django Rest Framework的API视图和序列化器？

[Podcast.__init__ 第60集 - 与Augie Fackler聊聊Mercurial](http://pythonpodcast.com/augie-fackler-mercurial.html)

作为开发者，我们每天使用的最重要的工具之一是我们的版本控制系统。Mercurial是其中的一种工具，它用Python编写，使得它特别的灵活，可定制以及令人难以置信的强大。本周，我们将与Augie Fackler聊聊，以了解Mercurial的历史，特效及未来。

[使用机器学习刺激销售](https://medium.com/xeneta/boosting-sales-with-machine-learning-fbcf2e618be3)

我们如何使用自然语言处理赋予潜在客户资格。

[使用scikit-learn，在Python中的Ensemble机器学习算法](http://machinelearningmastery.com/ensemble-machine-learning-algorithms-python-scikit-learn)

ensembles可以为你的数据集提供一个精度的飞跃。在这篇文章中，你将会发现，如何可以使用scikit-learn在Python中创建一些ensembles的最强大的类型。本案例研究将手把手教你Boosting, Bagging和Majority Voting，以及向你展示如何可以继续冲高你自己数据集中的模型的准确性。

[使用非常少的数据构建强大的图像分类模型](http://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html)

在本教程中，我们将提出几个简单但是有效的方法，你可以只用很少的训练样本就可以构建一个强大的图像分类器 —— 只需你想要识别的每个类中几百或几千图片。

[Python大肆宣传调查结果](https://www.linkedin.com/pulse/python-hype-survey-results-experience-any-drastic-decline-brian-ray)

任何时候，Python的受欢迎程度都将不会经历任何极具下降。

[一篇使用Python中的XGBoost的Gradient Boosted Tree指南](https://jessesw.com/XG-Boost/)

[记录每天数以百万计的请求以及需要采取哪些措施](http://engineering.hackerearth.com/2015/02/26/logging-millions-requests-what-it-takes/)

[构建一个数据科学文件夹：用数据讲故事](https://www.dataquest.io/blog/data-science-portfolio-project/)

[误植域名编程语言包管理器](http://incolumitas.com/2016/06/08/typosquatting-package-managers/)

[用于所有学科的10种有用的Python数据可视化库](https://blog.modeanalytics.com/python-data-visualization-libraries/)

[建立一个播客推荐算法](http://lindsayvass.com/2016/05/27/003-building-a-podcast-recommendation-algorithm/)

[Tablet Hotels招聘首席后端工程师](http://jobs.pythonweekly.com/jobs/lead-backend-engineer/)

作为技术负责人，你将在开发我们的技术、人员和在扩大规模过程中保持团队凝聚力的流程上与我们的技术总监合作。在编程中，你将带头架构讨论、指导，并对那些欣赏对复杂问题简单优雅解决的后端工程师组成的一个小团队负责。利用你的经验和直觉，你将提出创造性的解决方案，并通过思虑周全的谈话以满足经历流量和用户的大量涌入的快速发展的产品，从而从从你的团队获得必要的认同感。

[q](https://github.com/zestyping/q)

为疲惫的程序员提供的快速糟糕的调试输出。

[neural-art-mini](https://github.com/pavelgonchar/neural-art-mini)

mxnet神经技术实施方案的轻量级版本。

[tensorbuilder](https://github.com/cgarciae/tensorbuilder)

一个TensorFlow轻量包装器，它使你能够通过一个功能流畅不变的API，使用Builder Pattern简单的创建复杂的深层神经网络。

[dl-docker](https://github.com/saiprashanths/dl-docker)

用于深度学习的集所有功能于一身的Docker image。包括所有流行DL框架（TensorFlow, Theano, Torch, Caffe等等）

[django-scarface](https://github.com/dreipol/django-scarface)

使用Amazon SNS发送推送通知给移动设备。

[flask-konch](https://github.com/sloria/flask-konch)

一个用于Flask命令行界面的改善的shell命令。

[Scientific Python Cheatsheet](https://ipgp.github.io/scientific_python_cheat_sheet/)

对于那些有助于科学工作的python, numpy, scipy, matplotlib函数的简单概述。

[PyPy2 v5.3](https://morepypy.blogspot.com/2016/06/pypy2-v53-released-major-c-extension.html)

[使用Kubernetes对MongoDB进行容器化 - Princeton, NJ](http://www.meetup.com/pug-ip/events/231423621/)

在这次演讲中，fuboTV的Dan Worth和Brian MacNamara将会分享如何以及为什么他们为fuboTV实现Kubernetes编排系统。

[2016年6月IndyPy每月聚会 - Indianapolis, IN](http://www.meetup.com/indypy/events/228228232/)

这个月，来自Six Feet Up的Rob McBroom将展示虚拟环境及相关工具。

[2016年6月硅谷Python聚会 - 旧金山，加州](http://www.meetup.com/silicon-valley-python/events/231570932/)

来自Sandstorm核心开发的Drew Fisher将谈谈用于设计称为对象能力安全性的安全系统的，受面向对象编程启发的技术。加入我们吧。

[DC Python Meetup June 2016 - Washington, DC](http://www.meetup.com/DCPython/events/230680063/)