<div dir="ltr"><div dir="ltr" class="gmail_attr">On Wed, 27 Nov 2019 at 00:37, Jesus Cea <<a href="mailto:jcea@jcea.es">jcea@jcea.es</a>> wrote:<br></div><div class="gmail_quote"><blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left:1px solid rgb(204,204,204);padding-left:1ex">Tal vez sea al único que le pasa, pero estoy cansado de acudir a<br>
encuentros y congresos "Python" en los que Python es puramente<br>
anecdótico. Se habla de machine learning, NLP, big data, cloud. Todo el<br>
mundo es "data scientist", el puto amo, etc etc etc... pero... yo hecho<br>
de menos contenido en Python.<br></blockquote><blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left:1px solid rgb(204,204,204);padding-left:1ex">
<br>
Echo de menos encuentros sobre el lenguaje, la tecnología, cómo depurar<br>
código, cómo evitar y enfrentarse a memory leaks, cómo hacer profiling,<br>
qué novedades hay en las nuevas versiones del lenguaje, cómo integrar<br>
Python dentro de un programa grande en C, cómo escribir un módulo en C,<br>
cómo convertir un objeto python lento a cython...<br></blockquote><div><br></div><div>Yo estoy en el mundo de "data science" (siendo el puto amo y esas cosas), y no sólo estoy de acuerdo, veo lo mismo a todos los niveles. Es decir, en charlas sobre machine learning, tenemos a gente mostrándote lo guay que es lo que han hecho, pero nada de cómo, o al menos, nada que yo pueda aprender.</div><div><br></div><div>Tengo una sugerencia para evitarlo. En la universidad, lo normal es que las charlas estén centradas en los resultados, y a partir de ahí, añades introducción y métodos hasta que se puedan entender. Lo que yo intento hacer es buscar algo que sea útil para mi audiencia, y entonces usar mi investigación para ilustrarlo.<br></div><div><br></div><div>Por ejemplo, si tuviera que dar una charla en Python Madrid, lo haría sobre mi nueva biblioteca favorita para acelerar código, Pythran: <a href="https://github.com/serge-sans-paille/pythran">https://github.com/serge-sans-paille/pythran</a> Sus ventajas y desventajas sobre Cython y Numba, y cómo usando Pythran reescribí cierto programa a un nivel más alto, que me permitió reducir el tiempo de ejecución a la mitad cambiando el algoritmo. Si tuviera tiempo, pondría algunas proteínas para ilustrar el contexto, pero es enfoque sería la parte de Python.<br></div><div><br></div><div> </div></div></div>