长按二维码,关注官方公众号
使用微信扫一扫分享到朋友圈
使用微信扫一扫进入小程序分享活动
自2016年加入AWS以来致力于无服务器与容器技术的方案整合与推广，是AWS大中华地区最早结合无服务器与容器技术的先行者之一，除了在加入AWS之前曾经带领新创团队使用无服务器与容器技术构建家用商业物联网产品成功推向全球市场之外，在加入AWS之后也协助了许多企业客户完全投入AWS容器或无服务器技术。同时Pahud Hsieh也积极参与社群活动，曾经在台湾Golang社区与PHP社区分享Golang与PHP Laravel在AWS上运行容器与无服务器的最佳实践，足迹遍布AWS全球多个Global Summits包括上海、北京、深圳、台北、香港、印度孟买等，也活跃与全球多个AWS用户社区，包括台北、上海、深圳、广州、韩国(AWSKRUG)与日本(JAWS-UG)，并且积极参与CNCF活动，包括KubeCon Shanghai 2019以及CNCF第一个在中国的公开Webinar演讲。
Twitter: @pahudnet
Github: http://github.com/pahud
LinkedIn: http://linkedin.com/in/pahud
vnpy交易软件目前的开发者之一
T1: Pythonic Objects: idiomatic OOP in Python
( Presented at PyCon US 2019 )
主题简介：
从诞生之初，对象和类就是 Python 的一部分，而并非后来才有。所有的编程语言对于 OOP （面向对象编程）都有其不同的实现和支持方式。在其他地方行之有效的“经典”模式可能并不适用于 Python。而 Python 却为很多常见问题提供了其独特的解决方案。
本教程讨论 Python 3.7 中现代及惯用的 OOP 模式。其大部分内容都适用于 Python 2.7 以来的所有版本，而新特性也将重点讨论。
适合人群：
此教程面向有一定经验的 Python 开发者。按照预期，参与者应该是已熟悉 Python 官方教程的水平，有一些 Python 实践经历，并且知道面向对象编程的基本概念，即使是其他语言，如 Java、C#、C++、PHP 或 Ruby 等相关的面向对象编程的概念也可以。
讲者介绍：
Luciano Ramalho
《流畅的 Python》（曾被翻译成九种语言）作者，ThoughtWorks 首席咨询师，巴西首个创客空间 @garoahc 联合创始人
特别说明：
* 该 Tutorial 将安排 AI 字幕翻译（英译中）；及中文助教。
* 分享时间：2019年9月22日 早上： 09:00～12:00
T2: Plate Spinning: Modern Concurrency in Python
主题简介：
过去几年里，Python 增加了很多新的编码并发计算方式，比如在 3.3 版本中新加入的concurrent.futures 库，3.4 版本中新加入的 asyncio 库，以及3.5 版本中新加入的 async 和 await 关键字，这为 Python 引入了像 async dev、async for 和 async with 这样的新概念。
在这个教程里，我们将会看到所有这些特性的示例，同时我们也将针对 Python runtime 的基础并发概念及问题进行讨论，并对 I/O-bound 和 CPU-bound 并发问题给出解决方案。
适合人群：
此教程面向有一定经验的 Python 开发者。按照预期，参与者应该是已熟悉 Python 官方教程的水平，且已有一些 Python 实践经历。我们不要求参与者有 Python 线程或其他语言的使用经验，但有这些经验可以帮助参与者更好的理解教程内容。
讲者介绍
Luciano Ramalho
《流畅的 Python》（曾被翻译成九种语言）作者，ThoughtWorks 首席咨询师，巴西首个创客空间 @garoahc 联合创始人
特别说明：
* 该 Tutorial 将安排 AI 字幕翻译（英译中）；及中文助教。
* 分享时间：2019年9月22日 下午： 13:00～16:00
T3: Python Web 开发第一课
主题说明：
这是一个面向 Python 程序员的 Web 开发培训，目标听众需要对 Python 基本语法有一定的了解，但对 Web 开发的了解程度没有要求。
在这个 tutorial 里，嘉宾会将 Python Web 开发所涉及的相关概念进行一个系统的梳理和介绍，包括 HTTP 协议、前端基础知识、常用的 Python Web 框架以及其他各种工具。
这个 tutorial 还会包含一个动手编程的环节。嘉宾会从最让人头疼的开发环境搭建开始，一步一步教你如何使用 Flask 开发一个简单的 Web 程序。
在培训过后，参与者会对整个 Python Web 开发技术栈有一个全局认识，并掌握基本的 Web 开发知识，而且会对接下来的学习路径有一个清晰的了解。
Tutorial流程安排：
一、基本概念
Python Web 开发技术栈地图
HTTP 协议基础知识（请求与响应、URL 等）
前端基础知识（HTML、CSS、JavaScript、AJAX 等）
Python 后端框架的特点和选择（Flask、Django 等）
传统 Web 程序和 Web API 的对比
测试、部署、持续集成等相关概念快速扫盲
二、动手编程
开发环境搭建
运行和调试程序
编写 HTML 模板
添加表单支持
添加数据库支持
三、Q&A
介绍常见的学习误区和建议的学习方向
关于代码或其他任何相关内容的提问
内容难度： 初级
目标听众：
想了解 Web 开发的前端、运维、测试或其他工程师
想自己做网站的编程爱好者
Web 开发或 Python 初学者
讲者介绍
李辉
Flask 等相关项目的维护者，《Flask 入门教程》和《Flask Web 开发实战》的作者，HelloFlask 社区创建者。他撰写过大量技术文章，回答过大量技术问题，在这个过程中积累了一些编程教学的技巧，擅长用简单的语言解释复杂的编程概念。你可以在他的个人网站 greyli.com 了解到更多相关信息。
特别说明：
* 听众需要了解 Python 基本语法；
* 需要有一台安装了 Python 和浏览器的电脑，并且了解命令行基本操作；
* 分享时间：9月22日早上 09:00～12:00
T4: Python⼤大数据分析与可视化
主题说明：
Python拥有⾮常丰富的工具集做大数据的处理，本课程着重介绍如何对5000万条规模级别的数据进行分析处理与可视 化。 现场学员将以实战形式实践大数据分析的完整环节，从数据规整、分析、交互式可视化到展示。现场学员将掌握如何有效做数据规整(补缺、过滤、转换、富化等)，如何常规统计、时间序列分析以及借助算法做预测比较等，掌握如何做分析交互式可视化以及结果对外展示。 将覆盖各种流行的Python工具集，包括不限于如 Numpy、Pandas、SeaBorn、Jupyter、Dash、Pyecharts等
适合观众
需要做数据开发、分析或运营的⼈人员。可以是一般开发、 IT/商务运维人员或者就是数据分析角色的人员;需要有基本的编程基础(不一定是Python)，并且知道数据分析的一般概念。
嘉宾介绍
丁来强
阿里云日志服务上海负责人
从业超过10年，长期任职于大数据平台DevSecOps、AIOps的构建相关领域，曾任大数据公司顶级公司Splunk高级架构师等。乐于分享，在历届PyCon、云栖等分享过十几场演讲或直播，覆盖大数据分析处理、调度监测、可视化分析与Python核心系列等十多个不同议题系列，观众赞誉极高。
* 分享时间：9月22日早上 09:00～12:00
T5：使⽤用Python与ElasticSearch做海海量量数据 爬取与分析可视化
主题说明：
Python做爬⾍非常适合，本议题介绍如何使用Python写爬虫 爬取海量数据，并结合ElasticSearch做海量(上百亿规模)的 数据分析与可视化。 现场学员将以实战形式实践海量数据爬取、分析可视化的完整环节，现场学员将掌握如何有效做大并发数据爬取(并发、请求、打码、JS运行等)，如何用ElasticSearch与Kibana做海量数据常规查询、统计、可视化等，掌握如何海海量数据规模的分析。 本主题覆盖各种流行的Python与ELK⼯工具集，包括不不限于如 requests、request-html、scrapy、selenum/webdriver, execjs、elasticsearch、kibana等
适合观众
需要做数据开发、分析或运营的⼈员。可以是一般开发、 IT/商务运维⼈员或者就是数据分析角色的工程师;需要有基本的Python编程基础，并且知道数据分析的一般概念。
嘉宾
丁来强
阿里云日志服务上海负责人
从业超过10年，长期任职于大数据平台DevSecOps、AIOps的构建相关领域，曾任大数据公司顶级公司Splunk高级架构师等。乐于分享，在历届PyCon、云栖等分享过十几场演讲或直播，覆盖大数据分析处理、调度监测、可视化分析与Python核心系列等十多个不同议题系列，观众赞誉极高。
* 分享时间：9月22日下午 13:00～16:00
T6: 从零开始打造一个 Python 开源项目
这是一个面向 Python 已入门者的教程，需要听众已了解 Python 的基本语法，懂得面向对象编程。本教程特别适合想做点个人项目，又不知道可以做什么，或者不知道应该如何做的人。
培训后，参与者会对 Python 的包结构有所熟悉。了解如何编写 setup.py，如何创建命令行程序，如何发布自己的 Python 库。
本教程将以一个实例来分析一个项目的诞生、创建、发布、改进以及完善。
教程流程安排:
1. 分析需求，作者以使用 Python 创建一个电子书生成工具为例分析做什么，为什么要做这个项目，以及如何去实现这个项目。
2. 准备工作，了解电子书的格式，以及如何分析电子书的格式，有哪些可用的方法。
3. 创建项目，寻找需要使用到的第三方库。这里我们将会使用到 requests, beautifulsoup, Jinja。我们将会分析为何会使用这些库，以及为何会找到这些库。
4. 熟悉第三方库，了解这些依赖的基础使用方法。
5. 编写项目，先以创建一本书作为例子，写出基本功能。听众将会了解到这些知识： HTTP 请求(requests)、网页解析(beautifulsoup)、模板引擎(Jinja)。
6. 改进项目，分析不同的网页结构，改进自己代码的封装，方便之后做扩展。
7. 发布项目，完成命令行的编辑，认识 Python 的打包，setup.py 的编写，了解各种发布工具。
8. 完善项目，如何扩展项目，如何写测试用例，如何构建插件系统。
本教程以一个实际的例子来教大家如何从零创建一个 Python 项目，适合 Python 初学者，以及对电子书感兴趣的人。
嘉宾
Hsiaoming Yang 是 Authlib 和 Typlog 的作者，Flask 等项目的维护者，Hsiaoming Ltd 创始人。
* 分享时间 ：9月22日下午 13:00～16:00
T7: Python调试：专业提示和不那么明显的技巧
主题说明：
让我们深入研究在CircuitPython、Raspberry Pi、Docker containers、远程Linux服务器和Jupyter笔记本等环境中调试远程Python的方法。
你也许和我一样，在刚开始使用 Python 时，会选择用 ‘print’ 来调试程序。但是，你会慢慢地发现他很慢，很乏味，而且不能用来处理更为复杂的问题。
让我们来深入研究在CircuitPython、Raspberry Pi、Docker containers、远程Linux服务器和Jupyter笔记本等环境中调试远程Python的方法。
您将学习如何将代码同步到设备、附加调试器以及单步执行代码。 现有Jupyter粉丝（或新的伪装的粉丝）将会学到调试笔记本的技巧。
这个有趣的章节涵盖了一系列场景，使您能够提升调试的技术！
带上你的电脑
这是一场手把手带你学习的培训，你需要带上你的电脑（Linux, macOS, or Windows 10系统都行）。
请安装"Visual Studio Code Insiders Edition" (https://code.visualstudio.com/insiders/) ——一款免费的开源软件。
嘉宾
Dave Glover (Microsoft Developer Relations)
我已经记不清从什么时候开始沉迷于软件开发，我写 C# 与 Python 代码，使用 Windows 和 Linux 系统，同时也会涉足硬件领域。我曾在英国和澳大利亚的微软分部工作，跟客户，合作伙伴和开发者社区都打过交道。多年来，我涉猎过许多技术领域，从 Windows 和移动端，web 开发，IoT，通讯到云计算都有涉及。我生性对一切好奇，喜欢与开发者社区一起学习和交流。
* 该 Tutorial 将安排 AI 字幕翻译（英译中）；及中文助教。
* 分享时间：9月22日早上 09:00～12:00
*特别说明：该课程为微软特别支持，免费向所有参会者开放，报名需要进行审核。
签到
Python 的永恒之美
我热衷与学习程序语言的设计，并且从 1998 年就开始接触 Python。Python 是一个艺术品，这个演讲里我将会分享我个人认为 Python 中最美丽的部分。
构建 Python 物联网（IoT）图像分类解决方案并与 Azure 无服务器功能集成
这将会是一次十分有趣的演讲，首先，你将学到如何使用 Python 构建一个图片分类与 TTS 相结合的实用工具，这可以应用于超市收银台，用来帮助视障人士。接下来，我将讲述如何将图像分类工具与 Python Azure 相结合，并连接到一个实时 web 仪表板上。
通过这次演讲你将会学到如何用 Python 和免费的 Azure 服务来构建一个 IoT 图片分类系统，并用它来帮助你身边的人们。
从模块化到全球分发，Python在Serverless领域你不能错过的最新功能
自从2014年AWS Lambda发布以来，整个云原生运算领域与产业开始整个加速进入无服务器时代，经过这将近五年来的迭代，现在AWS Serverless又有哪些最前沿的技术呢？
这个session我们将会从一个Python开发者的角度来理解AWS Serverless最新的功能，包括Lambda Layer为你的Python应用进行更好的拆分与封装，Custom Runtime来打造更弹性丰富的架构，AWS SAR(Serverless Application Repository)来实现代码与应用全球分发，最后我们会示范最新的AWS CDK环境如何从Infrastructure Is Code的角度，包括基础建设、本地测试、AWS Lambda应用全面用Python开发撰写，成为完全使用Python一站式开发、测试与全球部署的当代无服务器高手。
调试是一种新的发布：慢语言的意外优势/Debug is the new Release: The Unexpected Benefits of Slow Languages
Python 调试新思路
首先将回顾已有的工具，列举常用的 Python 程序调试手段。传统的手段有一些不足之处，而最近的一些库给了我们启发，其实 Python 调试可以更加智能化。而所说的智能化调试，指的是用户设定目标变量，由调试工具自动根据程序执行流程溯源目标变量的变化过程，从而省去了用 pdb, PyCharm 等工具手动单步执行的麻烦。基于这个思路，我会提出一种新的调试思路和工具（也是我最近几个月在做的项目）。
可视化的 Python debugger：从内部原理到日常使用
在这个演讲中将会分享 Python debugger 的内部原理，它们有什么局限，以及近几年来在我们努力之下取得了什么突破。这个演讲不仅会讨论本地运行 debug，也同时会涉及到远程 debug 以及对不同文件格式的 debug。最后，我会分享一些在 PyCharm IDE 里使用可视化 debugger 的实用小技巧
GIL 的过去和未来
什么是 GIL？CPython 为什么要引入 GIL？它为了解决什么问题？为什么 Python 这么慢？如何摆脱 GIL 的限制？本次分享将带领大家了解 GIL 的方方面面，从 GIL 的产生历史背景，GIL 的原理分析，到如何在应用层上避开 GIL，并聊一聊 GIL 的未来，PEP 554 Multiple Interpreters in the Stdlib 的提出能否解决 GIL 的问题？
休息
Speed up file transfers and file copies in Python
Python语法扩展框架moshmosh和其上的CPython compatible JIT实现
模式匹配，大家想了很多年了。JIT，大家也想了很多年了。现在的模式匹配库，却远远不及其他语言内置的语言构造; 现在的JIT，却过于领域特定，局限于数值计算或者和脱离于CPython解释器。我们利用编译知识，基于一些意义重大的项目(如llvm, llvmlite), 实现了优化不同和use case程度的JIT实现; 同时也介绍了如何在现行python语法下扩展语义。
The dangerous Flask
关于 Flask 保密性的演讲 (itsdangerous, JWT, JWS)
基于 Flask 的 REST API 开发指南
作为一个微框架，轻量灵活的 Flask 很适合用来开发 REST API 服务。相对于 Django REST Framework 和 APIStar，Flask 有什么优势和缺点？为了减少工作量，我们通常会使用一些工具来辅助编写，面对 Flask-RESTful、Flask-RESTPlus、Flask-API、Webargs、Marshmallow 等扩展和工具库，我们应该如何选择？虽然我们经常使用 REST API 这个名称，但是大部分的 API 都不够 RESTful，那么什么样的 API 才能算是 REST API？在这个议题中，我们将对这几个问题逐一进行探讨，并了解如何使用 Flask 编写出功能完善的 REST API 服务。
Django 中的 GraphQL
比起RESTful风格的api，GraphQL从公布到现在依然没有普及开来。很多公司的开发者一直处于观望状态。LeetCode将全部接口迁移到GraphQL已有将近两年的时间，直到现在我们主站将近十几万行Django代码，几乎全部的接口都是GraphQL。本次演讲的主题主要是分享LeetCode是如何使用GraphQL来减轻开发的工作以及我们是如何解决使用GraphQL中发生的问题的。
茶歇
Django Migration Under the Hood
Django强大的ORM几乎屏蔽了SQL的复杂性，让我们只要写 Python 代码，然后 python manage.py makemigrations & migrate，就可以让数据持久化起来。但是这两行命令的背后发生了什么呢？为什么有时候这个命令会执行失败呢？在部署的什么过程去执行最合适？在PyCon上我将和大家分享：
Django migrations的工作原理；
使用Django migrations会遇到的问题，如何从原理入手去解决问题；
部署 Django migrations 的最佳实践；
其他一些 migrations 的思路，如果做一个 migrations 平台，如何做数据库结构版本化，DDL 回滚；
从 thriftpy 中学习 rpc 协议
作为一款 rpc 协议，thrift 都有哪些优劣？
pure Python 实现的 thriftpy 和 thriftpy2，是如何分层以应对不同的要求？
微服务是近些年互联网潮流方向，只要谈到微服务必涉及 rpc 协议。来自 Facebook，并由 Apache 基金会持续维护的 thrift 协议正是其中的一员。
而为了更好地使用，饿了么采用纯 Python 重新实现了 thrift 协议。
深入了解 thriftpy，不仅可以更好地使用它。还可以了解一款 rpc 协议的必要构成，以及 Python 项目如何通过合理分层的架构，来支持多种通信协议和传输协议。
Mars：numpy 与 pandas 的并行和分布式加速器
Mars 已经于2018年11月开源（https://github.com/mars-project/mars）。目前，Mars 能将超过 70% 的 numpy 常见接口自动并行和分布式化，且正在大规模实现 pandas 接口的自动并行。那么 Mars 是如何自动将 numpy 和 pandas 等工具自动并行和分布式化的？Mars 在演进过程中又碰到了什么样的难题？Mars 的性能如何？关注系统设计的同学能从 Mars 的发展过程中得到什么经验教训？在这个演讲里都会得到解答。
使用Python训练和部署低精度模型
随着深度学习技术的不断进步，为了加快深度学习模型的运算速度，以及节约深度学习模型部署使用的内存，使用低精度浮点表示（半精度或者定点整数）来对深度学习模型进行训练正在逐渐地被应用于实践之中。本次演讲主要使用了TensorFlow的Python前端，介绍了如何使用Python来构建低精度模型，并且将该模型应用于训练之中，并且进一步将模型导出成TensorRT能够使用并运行的格式，从而完成模型的部署。希望对大家训练和上线深度学习模型有所帮助。
Python 的 NLP 实战分享-如何实现合同风险预测模型？
本演讲深入浅出的介绍用 Python 做自然语言处理 (NLP) 的理论与实战应用，并特别在多语言挑战和法律文本处理上加大力道，力图在30分钟内给听众以全新视野与启发。内容主要分为3段：
1. Python NLP 入门
介绍用 Python 做汉语 NLP 的理论基础和必备工具。
2. 多语言 NLP 攻略
处理其他语言的 NLP 工具、中文分词和日文分词的不同点、多语言 NLP 的注意事项等。
3. “Python 合同风险预测模型”实战经验分享
通过解析模型构建过程，包括 EDA、Cosine Similarity、BLUE、ROUGE 等类似度算法的结果比较、文章语义分析等，具体提升听众处理法律文本的能力。
人和语言总是离不开的，NLP可以处理森罗万象的生活中的语言现象，我希望通过这次的实战应用的内容，大家可以得到一些启发用Python去挑战自己感兴趣的领域的NLP。
茶歇
Python深度学习实践
去年很荣幸分享了Cloud TPU的主题，了解到大部分同学未涉猎深度学习领域，为了帮助大家快速入门以及了解最新的行业进展，特别准备了从mnist(深度学习的hello world)到CIFAR10， 从ImageNet到BERT/xlnet若干实战案例，结合常见问题分享最佳实践
Python机器学习性能优化——以BERT服务为例，从1到1000
说起Python，被吐槽最多的就是性能问题。但现实中不管是Youtube还是网易游戏，都用Python支撑起上亿的日活。近年大火的机器学习领域，Python也是毫无疑问的第一语言。那么如何利用好Profiler，精准定位性能瓶颈；如何利用各种黑科技，压榨语言和机器的性能极限，相信是大家比较关心的问题。本次我会分享香侬科技在Python深度学习服务开发中的最佳实践， 以基于BERT的服务为例，如何提升QPS从1到1000。
Python 在 Azure Notebook 产品发展中的核心地位以及通过 Visual Studio Code 的最佳 Azure 实践
现场演示：如何通过 Visual Studio Code 远程进入 Azure 控制 TensorFlow 完成基于 Python 代码的真实深度学习模型开发，训练和部署场景；并在 Azure Notebook 友好展示/记录整个过程和可视化图表；为Python开发者带来在微软的开发工具 Visual Studio Code 和云平台 Azure 上的极致开发体验。
Azure Machine Learning for Python
全面增强 AI 开发生产力，支持自动化机器学习。能够更快地确定最优算法，特性和参数，同时创建 Pipelines 实现自动化的 AI 开发全生命周期。
全面支持各种开源框架，技术和多种工具：
TensorFlow、CNTK、Caffe2、Keras、MxNET、PyTorch、Scikit-learn、Jupyter notebook、VS Code……
灵活的模型管理，部署方式。利用最新的容器技术和框架，可以方便地部署在 Azure， on premises 和 IoT edge。
茶歇
基于Azure的Python机器学习
机器学习是目前非常火热的一个研究领域，而 Python 的易学习和开源活跃特性使其适合机器学习编程。Azure 给数据科学从业者提供了 SDK 和服务，以用于快速准备数据并训练和部署机器学习模型，提高生产效率并降低成本。
Python on Azure Function
本次主题将会带大家了解目前 Azure Function，以及 Python 在 Azure 中生态，同时，将会通过实验演示方式带大家模拟客户遇到的问题，如何用 Azure Function + Python 来快速解决。
开源 AIOps 数据中台搭建与 Python 的作用
根据 Gartner 的报告，AIOps 将在未来5-10年落地开花，并集中统一各种 Ops 平台（Dev、IT、Net、Sec），本议题介绍 AIOps 的核心作用、相关工程难点（数据采集、数据中台、智能算法、自动化等）与开源方案选择，并介绍 Python 在其中的主要作用，覆盖开源方案有：Kafka、ELK、K8S、Prometheus、Grafana、Graphite、Ansible、Airflow、Flink、TensorFlow、OpenTelemetry 等。
分层次构建应用系统的可观测性
在云计算环境中，微服务和容器等技术已经将应用系统运行态的复杂度再次提高，可观测性逐渐成为软件工程师们不可回避的问题。日志、指标和 APM 就是可观测性所谓的一体三面，需要先将以上三个方面都整合在统一的数据后台里，才可以进行有效的搜索、关联、索引和分析，同时还需要运用机器学习的辅佐来降低人工系统排错分析的难度和成本。本演讲还将通过 Elastic Stack 技术栈来展示对可观测性的应对之道和效果。
从零开始快速构建 DevOps 系统 - 一个小型 to B 团队的 DevOps 系统诞生之路
过去一年，我在一个 to B 创业公司，基于 Python 和其他开源软件构建了一个极简的 DevOps 系统，在这个过程中产生的一些思考和实践。
茶歇
基于Python构建高稳定可扩展的自动化测试集群——网易游戏自动化测试实践分享
一套优秀的自动化测试体系，不仅可以帮助企业优化开发流程，提升产品质量，而且还能大幅度的提高测试效率，节省人力。
2年前，为了解决游戏自动化测试难题，提高自动化脚本编写效率，我们开源了Airtest(https://github.com/AirtestProject/Airtest) ，到目前为止，这套框架已经累计帮助近4万名海内的开发人员和测试人员搭建自动化测试流程，帮助了数千企业提升产品质量，提高测试效率。
但Airtest只是我们完整生态中的一部分，这次分享将首次从产品设计和技术架构的角度，分享网易游戏内部从底层测试框架到大规模测试集群构建，从支持全球真机测试的云平台到企业级自动化解决方案的完整实践。
Python 在量化投资领域的应用
中国量化投资近年来高速发展。但传统的基于 C++ 的量化投资工具给广大中小投资者设置了过多的门槛。而 Python 出现后，其灵活、易懂、高效便捷的特性使得越来越多的投资者可以进入量化投资领域。我将介绍 Python 在量化投资中数据处理、策略研究、交易执行、风险管理等方向的各种应用，涉及期货、期权、ETF 等适合进行量化化交易的金融品种。
当 Python 遇上 FPGA – PYNQ 开源项目的实践与体会
PYNQ 项目是 Xilinx 研究院发起的将丰富的 Python 生态与 FPGA 硬件编程结合的开源框架。这是全球第一次尝试将面向生产力的 Python 语言和面向应用加速的可定制计算架构（Domain Specific Architecture）结合。软件开发者通过 Python 编程就可以将 FPGA 并行计算和可灵活配置的特性应用于端设备，适用于加速广泛的应用。而硬件开发者（芯片设计）通过 PYNQ 框架可以快速获得 Python 支持加速其数据分析，展示等。目前在 PYNQ 开源社区中已经提供了上百个硬件加速 Overlay，其中包括人工智能推理、机器视觉、视频转码、数据压缩，工业物联网等。报告中将介绍利用该框架进行 ROS， Ray，OpenCV 等开源框架的实践，并分析 Python 语言对 FPGA 进行编程应用开发时对 FPGA 器件的影响，性能结果等，并介绍项目后续开发的线路图。
FPGA 助力 Python 加速计算
AWS Work Shop：在AWS部署与发布你面向全球的Python Serverless应用
学习与开发了一整天的Python，我该如何封装我的应用面向全球发布呢？
在这三小时的workshop里面，我们将会带你一步一步发布你的Python应用到无服务器环境成为全球开发者皆可使用的AWS Lambda Layer，并且介绍如何用最新的AWS CDK(Cloud Development Kit)来封装你的应用发布到无服务器容器环境(AWS Fargate)、无服务器函数环境(AWS Lambda)以及全受管的Kubernetes环境(Amazon EKS)。
1. AWS Serverless最新功能介绍，包括AWS Lambda Layer, AWS Lambda Custom Runtime, AWS Serverless App Repository等
2. 封装与发布你的Python Library成为AWS Lambda Layer并且面向全球发布
3. 进一步封装你的Python核心应用与Layer并且发布到AWS SAR(Serverless App Repository)
4. 生成与发布你的SAR Buttons提供全球用户一键部署
5. AWS CDK介绍
6. 在你自己熟悉的IDE运行AWS CDK in Python
7. 使用AWS CDK in Python来开发一个无服务器端网址应用
8. 使用AWS CDK 来开发与部署你的无服务器容器应用
9. 使用AWS CDK 来快速部署你的Amazon EKS(Elastic Kubernetes Service)应用
10. Q&A
请回到会场B 为大会的结束来一场快乐的纪念，明年继续。
【链接世界的Python Community?】Noah Chen - Python软件基金会管理成员之一
【500 行 Python 写一个渲染器】- 谭啸 - 蚂蚁金服开发工程师
【基于 OwlReady2 的人机交互】- 宋从威 - 浙江工业大学之江学院讲师
【Byte Code 的革命】- 赵俊德 - 西安德新软件创始人
【使用 Sphinx 制作 Web 文档】- 陈照强 - 中科院上海药物所高级研究员
【一键将 C/C++ 代码转换为 Python 能调用的代码】- 韦泽华 - 上海韦纳科技有限公司
【Python 虚拟环境和依赖管理工具大乱斗】 - 李辉 - 独立 Web 开发者，Flask 维护者
《流畅的 Python》（曾被翻译成九种语言）作者， @ThoughtWorks 首席咨询师，巴西首个创客空间 @garoahc 联合创始人。
T1：Pythonic Objects: idiomatic OOP in Python (presented at PyCon US 2019)
Python 对象：Python 中惯用的 OOP 模式
主题说明：
从诞生之初，对象和类就是 Python 的一部分，而并非后来才有。所有的编程语言对于 OOP （面向对象编程）都有其不同的实现和支持方式。在其他地方行之有效的“经典”模式可能并不适用于 Python。而 Python 却为很多常见问题提供了其独特的解决方案。
本教程讨论 Python 3.7 中现代及惯用的 OOP 模式。其大部分内容都适用于 Python 2.7 以来的所有版本，而新特性也将重点讨论。
适合观众
此教程面向有一定经验的 Python 开发者。按照预期，参与者应该是已熟悉 Python 官方教程的水平，有一些 Python 实践经历，并且知道面向对象编程的基本概念，即使是其他语言，如 Java、C#、C++、PHP 或 Ruby 等相关的面向对象编程的概念也可以。
特别说明：
* 该 Tutorial 将安排 AI 字幕翻译（英译中）；及中文助教。
* 分享时间：2019年9月22日 早上： 09:00～12:00
T2: 转盘：Python 中的现代并发概念 / Plate Spinning: Modern Concurrency in Python
主题说明
过去几年里，Python 增加了很多新的编码并发计算方式，比如在 3.3 版本中新加入的concurrent.futures 库，3.4 版本中新加入的 asyncio 库，以及3.5 版本中新加入的 async 和 await 关键字，这为 Python 引入了像 async dev、async for 和 async with 这样的新概念。
在这个教程里，我们将会看到所有这些特性的示例，同时我们也将针对 Python runtime 的基础并发概念及问题进行讨论，并对 I/O-bound 和 CPU-bound 并发问题给出解决方案。
适合观众
此教程面向有一定经验的 Python 开发者。按照预期，参与者应该是已熟悉 Python 官方教程的水平，且已有一些 Python 实践经历。我们不要求参与者有 Python 线程或其他语言的使用经验，但有这些经验可以帮助参与者更好的理解教程内容。
特别说明：
* 该 Tutorial 将安排 AI 字幕翻译（英译中）；及中文助理教；
* 分享时间：2019年9月22日 下午： 13:00～16:00
李辉，Flask 等相关项目的维护者，《Flask 入门教程》和《Flask Web 开发实战》的作者，HelloFlask 社区创建者。他撰写过大量技术文章，回答过大量技术问题，在这个过程中积累了一些编程教学的技巧，擅长用简单的语言解释复杂的编程概念。你可以在他的个人网站 greyli.com 了解到更多相关信息。
英文版本地址：https://shimo.im/docs/3JQh8pwWHdWJkdkg
T3: Python Web 开发第一课
介绍 ：这是一个面向 Python 程序员的 Web 开发课程，目标听众需要对 Python 基本语法有一定的了解，但对 Web 开发的了解程度没有要求。在这个课程里，我会将 Python Web 开发所涉及的相关概念进行一个系统的梳理和介绍，包括 HTTP 协议、前端基础知识、常用的 Python Web 框架以及其他各种工具。这个课程还会包含一个动手编程的环节。我会从最让人头疼的开发环境搭建开始，一步一步教你如何使用 Flask 开发一个简单的 Web 程序。
在结束课程后，参与者会对整个 Python Web 开发技术栈有一个全局认识，并掌握基本的 Web 开发知识，而且会对接下来的学习路径有一个清晰的了解。
课程流程：
一、基本概念
• Python Web 开发技术栈地图
• HTTP 协议基础知识（请求与响应、URL 等）
• 前端基础知识（HTML、CSS、JavaScript、AJAX 等）
• Python 后端框架的特点和选择（Flask、Django 等）
• 传统 Web 程序和 Web API 的对比
• 测试、部署、持续集成等相关概念快速扫盲
二、动手编程
• 开发环境搭建
• 运行和调试程序
• 编写 HTML 模板
• 添加表单支持
• 添加数据库支持
三、Q&A
• 介绍常见的学习误区和建议的学习方向
• 关于代码或其他任何相关内容的提问
• 内容难度： 初级
适合听众：
• 想了解 Web 开发的前端、运维、测试或其他工程师
• 想自己做网站的编程爱好者
• Web 开发或 Python 初学者
• 了解 Python 基本语法
• 有一台安装了 Python 和浏览器的电脑，并且了解命令行基本操作
从业超过10年，长期任职于大数据平台 DevSecOps、AIOps 的构建相关领域，曾任大数据公司顶级公司 Splunk 高级架构师等。
乐于分享，在历届 PyCon、云栖等分享过十几场演讲或直播，覆盖大数据分析处理、调度监测、可视化分析与 Python 核心系列等十多个不同议题系列，观众赞誉极高。
T4: Python 数据分析与可视化
介绍：
Python 拥有非常丰富的工具集做大数据的处理，本课程着重介绍如何对 5000 万条规模级别的数据进⾏分析处理与可视化。现场学员将以实战形式实践⼤数据分析的完整环节，从数据规整、分析、交互式可视化到最终展示。现场学员将掌握如何有效地做数据规整(补缺、过滤、转换、富化等)，如何进行常规统计、时间序列分析以及借助算法做预测比较等，如何做分析交互式可视化以及结果对外展示。本次课程将覆盖各种流⾏的 Python 工具集，包括但不限于 Numpy、Pandas、SeaBorn、Jupyter、Dash、Pyecharts 等。
适合观众：
需要做数据开发、分析或运营的⼈员。可以是一般开发、 IT/商务运维人员或是数据分析角色的人员；需要有基本的编程基础(不一定是 Python)，并且了解数据分析的一般概念。
T5：使用 Python 与 ElasticSearch 做海量数据爬取与分析可视化
主题简介：
Python 做爬虫非常适合，本议题将介绍如何使用 Python 写爬虫程序，从而爬取海量数据，并结合 ElasticSearch 做海量(上百亿规模)的数据分析与可视化。现场学员将以实战形式实践海量数据爬取、分析可视化的完整环节，同时也将掌握如何有效做并发数据爬取(并发、请求、打码、JS运行等)，如何 ElasticSearch 与 Kibana 做海量数据常规查询、统计、可视化等，以及如何进行海量数据规模的分析。本主题覆盖各种流行的 Python 与 ELK 聚集，包括但不限于 requests、request-html、scrapy、selenum/webdriver, execjs、elasticsearch、kibana 等。
适合观众：
需要做数据开发、分析或运营的人员。可以是一般开发、 IT/商务运维人员或是数据分析⻆色的工程师；需要有基本的 Python 编程基础，并且了解数据分析的一般概念。
Hsiaoming Yang 是 Authlib 和 Typlog 的作者，Flask 等项目的维护者，Hsiaoming Ltd 创始人。
T6:从零开始打造一个 Python 开源项目
主题介绍：
这是一个面向 Python 已入门者的教程，需要听众已了解 Python 的基本语法，懂得面向对象编程。本教程特别适合想做点个人项目，又不知道可以做什么，或者不知道应该如何做的人。
培训后，参与者会对 Python 的包结构有所熟悉。了解如何编写 setup.py，如何创建命令行程序，如何发布自己的 Python 库。
本教程将以一个实例来分析一个项目的诞生、创建、发布、改进以及完善。
教程流程安排：
1. 分析需求，作者以使用 Python 创建一个电子书生成工具为例分析做什么，为什么要做这个项目，以及如何去实现这个项目。
2. 准备工作，了解电子书的格式，以及如何分析电子书的格式，有哪些可用的方法。
3. 创建项目，寻找需要使用到的第三方库。这里我们将会使用到 requests, beautifulsoup, Jinja。我们将会分析为何会使用这些库，以及为何会找到这些库。
4. 熟悉第三方库，了解这些依赖的基础使用方法。
5. 编写项目，先以创建一本书作为例子，写出基本功能。听众将会了解到这些知识： HTTP 请求(requests)、网页解析(beautifulsoup)、模板引擎(Jinja)。
6. 改进项目，分析不同的网页结构，改进自己代码的封装，方便之后做扩展。
7. 发布项目，完成命令行的编辑，认识 Python 的打包，setup.py 的编写，了解各种发布工具。
8. 完善项目，如何扩展项目，如何写测试用例，如何构建插件系统。
本教程以一个实际的例子来教大家如何从零创建一个 Python 项目，适合 Python 初学者，以及对电子书感兴趣的人。
难度：初级
我已经记不清从什么时候开始沉迷于软件开发，我写 C# 与 Python 代码，使用 Windows 和 Linux 系统，同时也会涉足硬件领域。我曾在英国和澳大利亚的微软分部工作，跟客户，合作伙伴和开发者社区都打过交道。多年来，我涉猎过许多技术领域，从 Windows 和移动端，web 开发，IoT，通讯到云计算都有涉及。我生性对一切好奇，喜欢与开发者社区一起学习和交流。
T7: Python 调试：专业小贴士和不那么明显的技巧
让我们深入研究在 CircuitPython、Raspberry Pi、Docker containers、远程 Linux 服务器和Jupyter Notebooks 等环境中调试远程 Python 的方法。
课程简介：
你也许和我一样，在刚开始使用 Python 时，会选择用 ‘print’ 来调试程序。但是，你可能会发现，它有些慢，有些乏味，而且不能用来处理更为复杂的问题。
你将学习如何将代码同步到设备、附加调试器以及单步执行代码。 如果你是 Jupyter 的拥趸（或是新晋的 Jupyter 迷），你将学到调试 Notebooks 的技巧。
这个有趣的章节涵盖了一系列场景，可以帮助你全面提高调试技术！
带上你的电脑
这是一场手把手带你学习的培训，你需要带上你的电脑（Linux, macOS, or Windows 10系统都行）。
请安装"Visual Studio Code Insiders Edition" (https://code.visualstudio.com/insiders/) ——一款免费的开源软件。
培训内容：
https://github.com/gloveboxes/PyCon-Hands-on-Lab
* 该 Tutorial 将安排 AI 字幕翻译（英译中）；及中文助教。
* 分享时间：9月22日早上 09:00～12:00
*特别说明：该课程为微软特别支持，免费向所有参会者开放，报名需要进行审核。
签到
Python 的永恒之美
构建 Python 物联网（IoT）图像分类解决方案并与 Azure 无服务器功能集成
从模块化到全球分发，Python在Serverless领域你不能错过的最新功能
自2016年加入AWS以来致力于无服务器与容器技术的方案整合与推广，是AWS大中华地区最早结合无服务器与容器技术的先行者之一，除了在加入AWS之前曾经带领新创团队使用无服务器与容器技术构建家用商业物联网产品成功推向全球市场之外，在加入AWS之后也协助了许多企业客户完全投入AWS容器或无服务器技术。同时Pahud Hsieh也积极参与社群活动，曾经在台湾Golang社区与PHP社区分享Golang与PHP Laravel在AWS上运行容器与无服务器的最佳实践，足迹遍布AWS全球多个Global Summits包括上海、北京、深圳、台北、香港、印度孟买等，也活跃与全球多个AWS用户社区，包括台北、上海、深圳、广州、韩国(AWSKRUG)与日本(JAWS-UG)，并且积极参与CNCF活动，包括KubeCon Shanghai 2019以及CNCF第一个在中国的公开Webinar演讲。
Twitter: @pahudnet
Github: http://github.com/pahud
LinkedIn: http://linkedin.com/in/pahud
调试是一种新的发布：慢语言的意外优势/Debug is the new Release: The Unexpected Benefits of Slow Languages
Python 调试新思路
可视化的 Python debugger：从内部原理到日常使用
GIL 的过去和未来
休息
Speed up file transfers and file copies in Python
Python语法扩展框架moshmosh和其上的CPython compatible JIT实现
The dangerous Flask
基于 Flask 的 REST API 开发指南
Django 中的 GraphQL
茶歇
Django Migration Under the Hood
从 thriftpy 中学习 rpc 协议
Mars：numpy 与 pandas 的并行和分布式加速器
使用Python训练和部署低精度模型
Python 的 NLP 实战分享-如何实现合同风险预测模型？
茶歇
Python深度学习实践
Python机器学习性能优化——以BERT服务为例，从1到1000
Python 在 Azure Notebook 产品发展中的核心地位以及通过 Visual Studio Code 的最佳 Azure 实践
Azure Machine Learning for Python
茶歇
基于Azure的Python机器学习
Python on Azure Function
开源 AIOps 数据中台搭建与 Python 的作用
分层次构建应用系统的可观测性
从零开始快速构建 DevOps 系统 - 一个小型 to B 团队的 DevOps 系统诞生之路
茶歇
基于Python构建高稳定可扩展的自动化测试集群——网易游戏自动化测试实践分享
Python 在量化投资领域的应用
当 Python 遇上 FPGA – PYNQ 开源项目的实践与体会
FPGA 助力 Python 加速计算
AWS Work Shop：在AWS部署与发布你面向全球的Python Serverless应用
自2016年加入AWS以来致力于无服务器与容器技术的方案整合与推广，是AWS大中华地区最早结合无服务器与容器技术的先行者之一，除了在加入AWS之前曾经带领新创团队使用无服务器与容器技术构建家用商业物联网产品成功推向全球市场之外，在加入AWS之后也协助了许多企业客户完全投入AWS容器或无服务器技术。同时Pahud Hsieh也积极参与社群活动，曾经在台湾Golang社区与PHP社区分享Golang与PHP Laravel在AWS上运行容器与无服务器的最佳实践，足迹遍布AWS全球多个Global Summits包括上海、北京、深圳、台北、香港、印度孟买等，也活跃与全球多个AWS用户社区，包括台北、上海、深圳、广州、韩国(AWSKRUG)与日本(JAWS-UG)，并且积极参与CNCF活动，包括KubeCon Shanghai 2019以及CNCF第一个在中国的公开Webinar演讲。
Twitter: @pahudnet
Github: http://github.com/pahud
LinkedIn: http://linkedin.com/in/pahud
【链接世界的Python Community?】Noah Chen - Python软件基金会管理成员之一
【500 行 Python 写一个渲染器】- 谭啸 - 蚂蚁金服开发工程师
【基于 OwlReady2 的人机交互】- 宋从威 - 浙江工业大学之江学院讲师
【Byte Code 的革命】- 赵俊德 - 西安德新软件创始人
【使用 Sphinx 制作 Web 文档】- 陈照强 - 中科院上海药物所高级研究员
【一键将 C/C++ 代码转换为 Python 能调用的代码】- 韦泽华 - 上海韦纳科技有限公司
【Python 虚拟环境和依赖管理工具大乱斗】 - 李辉 - 独立 Web 开发者，Flask 维护者
vnpy交易软件目前的开发者之一
T1：Pythonic Objects: idiomatic OOP in Python (presented at PyCon US 2019)
Python 对象：Python 中惯用的 OOP 模式
T2: 转盘：Python 中的现代并发概念 / Plate Spinning: Modern Concurrency in Python
T3: Python Web 开发第一课
T4: Python 数据分析与可视化
T5：使用 Python 与 ElasticSearch 做海量数据爬取与分析可视化
T6:从零开始打造一个 Python 开源项目
T7: Python 调试：专业小贴士和不那么明显的技巧
