Vývojářský software

Podíváme se na řešení, na které jsem se odkazoval již v úvodu této série článků, a sice na auditní záznamy o běhu aplikace. V podstatě se jedná o perzistentní uložení vybraných údajů o událostech vzniklých za běhu aplikace.

Dnes budou popsány základní operace s vektory i s maticemi, tedy se základními datovými strukturami, s nimiž tento projekt nějakým způsobem manipuluje. Prozatím bude nejvíce prostoru věnováno spojování vektorů a matic.

Dnes se začneme věnovat projektu SciLua. Ten lze s určitou dávkou zobecnění považovat za obdobu knihoven Numpy a SciPy, ovšem pro Luu. SciLua je postavena nad interpretrem LuaJIT a numerické algoritmy využívají knihovnu OpenBLAS.

Automatizace a kontejnery dnes umožňují snadno realizovat věci, kvůli kterým jsme dřív museli udržovat křehké sady skriptů. Ukážeme si, jak zařídit, aby se pro každou pushnutou větev automaticky nasadila vlastní instance webu.

Třetí článek o nástroji Pygubu určeného pro návrh grafického rozhraní. Ukážeme si automatické nastavování proměnných knihovnou Tkinter při běhu aplikace a nezapomeneme ani na popis základních vlastností kreslicího plátna.

Ve druhém článku o nástroji Pygubu určeného pro návrh grafického uživatelského rozhraní v Pythonu založeného na knihovně Tkinter si ukážeme některé další možnosti nabízené Tkinterem. Tyto možnosti jsou pochopitelně podporovány i v Pygubu.

Dnes se seznámíme s nástrojem s podivným jménem Pygubu. Jedná se o jednoduchý nástroj určený pro interaktivní tvorbu grafického uživatelského rozhraní pro aplikace vyvíjené v Pythonu s využitím knihovny Tkinter.

Jednou z předností Jupyter Notebooku je jeho schopnost integrovat v rámci diáře různé typy textů (včetně zdrojových kódů), rastrových obrázků i vektorových kreseb. Kromě grafů tak lze pracovat s obrázky či UML diagramy.

Ve třetí části miniseriálu o projektu Jupyter Notebook dokončíme téma vykreslování grafů s využitím knihoven Numpy a Matplotlib. Ukážeme si další typy grafů, některé triky a dokonce i způsob tvorby animací.

Jupyter Notebook, s nímž jsme se ve stručnosti seznámili v úterním článku, lze použít pro mnoho činností. Využívá se mj. i pro přípravu dat a tvorbu grafů. A právě přípravou grafů se budeme zabývat dnes.

V sérii článků o nástrojích vhodných (mj.) i pro výuku nesmíme zapomenout na velmi populární a univerzální nástroj nazvaný Jupyter Notebook. Ten je používán v mnoha oblastech – jak programátory a výzkumníky, tak i lektory.

Jestli se jedná o recept? Jistě. Jestli se jedná o radu jak nepřipravovat špagety? Také. Opravdu patří článek do kategorie softwarový vývoj? Ano, co vás nemá? Získal jsem vaši pozornost? Skvěle, tak čtěte dál.

V šiestom pokračovaní série článkov o Symfony si spojíme viaceré koncepty, o ktorých sme hovorili v minulých častiach a pridáme flashové správy. Ukážeme si tiež, ako pomocou relácie uchováme vyplnené políčka formulára.

Vo piatom pokračovaní série článkov o Symfony sa budeme venovať validácii dát. V minulom článku sme použili na validáciu dát externú knižnicu Rakit Validation. Symfony má vlastný komponent pre validáciu: symfony/validator.

Vo štvrtom pokračovaní série článkov o PHP frameworku Symfony budeme rozoberať jednoduché formuláre. Keďže je problematika formulárov rozsiahla, bude rozdelená do viacerých častí.

V ďalšom pokračovaní série o frameworku Symfony si povieme niečo viac o request-response cykle, ktorý spracúva komponent HttpFoundation. Popíšeme si aj viaceré funkcie triedy AbstractController.

V druhom článku o Symfony si vytvoríme a opíšeme našu prvú aplikáciu. Pre naše príklady potrebujeme mať nainštalovaný PHP 7.1.3+ a composer. Aplikácie budeme spúšťať pod zabudovaným serverom.

Článok predstavuje Symfony, čo je populárny PHP webový framework, ktorý sa často využíva na tvorbu webových aplikácií. Ide o prvý zo série článkov, v ktorých by som sa rád venoval tomuto frameworku.

GitHub představil první změnu od té doby, co ho v loňském roce koupil Microsoft: nabízí soukromé repozitáře zdarma. Pokud vám stačí tři spolupracovníci, nebudete muset za neveřejné repozitáře platit.

Ještě před rokem jen málo firem používalo GraphQL na produkci. Situace se ale změnila a většina programátorů dnes chápe, proč je GraphQL užitečné. Otázkou však zůstává, jak ho správně používat a jaká jsou úskalí.

Ve druhé části článku o knihovně Jedi si ukážeme další funkce dostupné při statické analýze zdrojových kódů napsaných v Pythonu. Samozřejmě nezapomeneme na ukázku propojení knihovny Jedi s textovým editorem Atom a taktéž s modulem určeným pro slavný Emacs.