NEw framework in python to manage configuration. Small thing, but in general you always finish by develop your custom tool when your project increase in complexity, so this could be very useful.

Nombre aléatoire et sécurité en Python, avec quelques conseils pour sécuriser son serveur web.

Autre article sur les Mocks en Python, avec quelques erreurs courantes expliquées.

Librairies de visualisation en Python. Pratique pour du prototypage apparamment. À tester éventuellement (fournis par Pwass : http://www.nicolas-cellier.net/ et shaarli.nicolas-cellier.net)

Un article par le créateur de Flask sur comment implémenter une politique de retry dans une application multi-micro-services, pour éviter que la mise à jour d'un deux fasse tomber toute l'application. Un article que j'aurais bien aimé avoir sous la main pour certains de mes anciens projets... Mais mieux vaut tard que jamais !

La vidéo de ma présentation sur Python et Big Data à pydata 2016. Ok, mon accent est pas terrible mais c'est ma première présentation dans un évènement de cette envergure !
Pour résumer, j'explique en quelques points pourquoi Python me semble être un excellent langage pour faire du Big-Data.

Une explication des différentes implémentations de python (car oui, python, en soi, n'est qu'un interface).

Quelques manières de gérer les exceptions en python, avec les bons patterns.

Jupyter continue d'évoluer tous les jours, avec notamment une très bonne intégration aujourd'hui du langage R (pour infos, il y a plus de 50 langages intégrés par jupyter). Et si vous avez du mal à vous décider entre R et python pour vos analyses, faites comme ici et utiliser les deux ! À voir de ce côté pour l'utilisation de R et sa transformation en slide si besoin (quand je vous dis qu'on peut tout faire avec Jupyter...) : https://www.continuum.io/blog/developer/jupyter-and-conda-r
À noter aussi pour ceux que ça intéresse un projet intéressant, jupyterhub : https://github.com/jupyter/jupyterhub qui permet d'avoir un serveur jupyter multi-utilisateurs, chacun pouvant être relié à un user unix et à un répertoire de données. C'est ce qui me montre que jupyter commence à être assez mature pour être mis dans un système en production désormais (ce que l'on commence à faire chez des clients où on implémente des datalakes, avec de la donnée stockée et des notebooks jupyter dans différents langages pour interréagir avec, le tout parfois mixé à du docker)

Hé oui, en plus d'être un langage extrêmement polyvalent et très répandu dans le monde du Big-Data, python s'incruste de plus en plus dans le monde universitaire (en remplacement de Matlab notamment). Et ce n'est pas Nicolas Cellier qui me dira le contraire ! shaarli.nicolas-cellier.net pour ceux qui ne le savent pas encore (essentiellement du python scientifique). Bon le seul défaut, c'est que ça ne poste plus trop en ce moment...