Py学习  »  Python

这些珍藏的优质 Python 播客值得推荐

编程派 • 4 年前 • 370 次点击  

前段时间分享了一篇介绍Python英文播客的文章:《一边练英语听力,一边学 Python》,在头条号和公众号里的反馈数据还不错,说明有很多人对听播客学技术的方式是按兴趣的。

今天和大家分享一篇介绍更为详细的介绍文章,更新了Python播客列表,同时加入了软件开发和数据科学方面播客介绍,希望能够帮助大家。

英文  | Best Python Podcasts[0]

译者  | 豌豆花下猫@Python猫公众号

Python 社区里有很多免费或低成本的学习资源,对新手与有经验的开发者来说,是一大福音。这些优秀的资源就包括很多定期更新的 Python 播客节目。

本文介绍了一些活跃的、与 Python 或软件工程相关的、高质量的播客。

Python 相关的播客

这些播客的运营者都是 Python 开发者,他们关注的都是我们领域内很重要的话题。每个播客系列都有很长的历史列表,有的节目录于几年前,因此我们有丰富的材料可以聆听与学习。

播客:Talk Python to Me

  • Talk Python to Me[1] 专注于 Python 开发者和组织,每期节目会邀请不同的嘉宾来谈论 ta 的工作

  • Podcast.__init__[2] 提供有关 Python 的故事,以及“与那些让它变得更棒的人们的访谈”

  • Python Bytes[3] 是来自“Talk Python to Me”和“Test and Code Podcast”创作者的新播客

  • Test and Code Podcast[4] 侧重于测试与相关主题,如模拟(mock)和代码度量

  • Philip Guo 教授有一个名为 PG Podcast[5] 的视频播客,基本是关于 Python 主题的

  • Import This[6] 是 Kenneth Reitz 和 Alex Gaynor 间歇更新的播客,对有影响力的 Python 社区成员进行深度的采访

K神主持的播客

最喜欢的播客节目

以下是我从各大播客中收集的最喜欢的一些节目,听听这些内容,你可以感受到其余播客节目的风格。

  • SQLAlchemy and data access in Python[7] 让我理解了对象关系映射库 SQLAlchemy 的知识及其演变过程。这期节目采访了 SQLAlchemy 的作者,主持人 Michael Kennedy 根据他对 SQLAlchemy 的深入研究和使用经验提出了很多问题。

  • Python past, present, and future with Guido van Rossum[8] 涵盖了 Python 的历史、Guido 创造并持续三十年来发展这门语言的动机。有趣的事实:当播客主持人迈克尔·肯尼迪向我征询话题时,我贡献了一个问题,即 Python 的开源是否是促使它成功的原因?

  • Deploying Python Web Applications[9] 剧透预警:这是我在 Talk Python to Me 上的一期节目,介绍了 Python Web 应用程序部署的工作原理。

  • Python Bytes 栏目在第 39 集中广泛地讨论了 object-relational mappers (ORMs)[10] ,其中不少讨论是基于 Full Stack Python 上的文章。谢谢大家对我们提出的反馈与建议。

  • Python at Netflix[11] 出自 Talk Python to Me,通过一个非常棒的视角,介绍了 Python 是怎么运用于这家最大的网络流媒体公司,以及如何适应它们的多语言组织。

  • 另一个很棒的 Talk Python to Me 节目,Python in Finance[12],介绍了 Python 在金融行业中的广泛用途:股票交易、定量分析和数据分析。如果你想知道像对冲基金这样的不透明的私营企业是如何利用 Python 赚取(大量)钱财的,一定要听听这个。

节目:Python at Netflix

通用软件开发的播客

这些播客主要探讨的是软件开发相关的主题,但经常也会涉及 Python 的内容。聆听和学习这些播客,你将会成为更加优秀的软件开发者。

  • Software Engineering Daily[13] 令人难以置信的是每天邀请不同的开发者嘉宾,谈论话题非常广泛,与开发相关。

  • All things Git[14] 教人如何使用、构建及将 Git 用于工作,每两周一更。

  • CodeNewbie[15] 采访新入行的开发者,谈论为什么他们要从事编程工作,以及他们的工作内容。该栏目也会采访一些经验丰富的、打造了知名项目的开发者。

  • Developer on Fire[16] 采访程序员、架构师和测试人员,讲述他们成功、失败和卓越的故事。

  • Command_line Heroes[17] 涵盖操作系统级的主题以及 DevOps。

  • Embedded.fm[18] 涵盖嵌入式系统和硬件黑客攻击。

  • The Changelog[19] 周更播客,关于常规软件开发的问题。

  • Full Stack Radio[20] 虽与 Full Stack Python 无关,但值得关注!

  • Exponent[21] 不是一个软件开发的播客,但它以深入的方式揭示了企业的战略和技术,使我能够更好地理解企业在构建和发布软件时所做出的决策。我听了每一集(以 1.5 倍速),非常推荐每周花 45 到 60 分钟,听 Ben Thompson 和 James Allworth 深入讨论一个主题。

  • Test Talks[22] 每周考察一个软件测试的主题,通常会特邀一位钻研该领域的嘉宾。

  • The Cloudcast[23] 聚焦于云计算和 DevOps 的相关主题。

数据科学与数据分析的播客

Python不仅是数据科学社区的核心编程语言,而且几乎在每个使用数据分析的组织中都发挥着重要作用。以下播客广泛地涵盖数据科学,并经常涉及到 Python 生态系统中特定的工具。

播客:DataFramed

  • DataFramed[24] 是一个数据科学播客,内容涵盖 Python 标准库,以及数据分析者感兴趣的其它内容。

  • Data Skeptic[25] 涵盖数据科学、统计、机器学习、人工智能,以及“科学怀疑论”(scientific skepticism)等内容。

  • Data stories[26] 是个关于数据可视化的播客。

  • Partially Derivative[27] 是一个关于机器学习、人工智能和数据行业的播客,在 2017 年底已停播,节目列表包含了大量的内容。

References

[0] Best Python Podcasts: https://www.fullstackpython.com/best-python-podcasts.html
[1] Talk Python to Me: https://talkpython.fm
[2] Podcast.__init__: http://podcastinit.com
[3] Python Bytes: https://pythonbytes.fm
[4] Test and Code Podcast: http://pythontesting.net/test-podcast
[5] PG Podcast: http://pgbovine.net/PG-Podcast.htm
[6] Import This: https://www.kennethreitz.org/import-this
[7] SQLAlchemy and data access in Python: https://talkpython.fm/episodes/show/5/sqlalchemy-and-data-access-in-python
[8] Python past, present, and future with Guido van Rossum: https://talkpython.fm/episodes/show/100/python-past-present-and-future-with-guido-van-rossum
[9] Deploying Python Web Applications: https://talkpython.fm/episodes/show/26/deploying-python-web-applications-updated
[10] object-relational mappers (ORMs): https://www.fullstackpython.com/object-relational-mappers-orms.html
[11] Python at Netflix: https://talkpython.fm/episodes/show/16/python-at-netflix
[12] Python in Finance: https://talkpython.fm/episodes/show/120/python-in-finance
[13] Software Engineering Daily: https://softwareengineeringdaily.com
[14] All things Git: https://www.allthingsgit.com
[15] CodeNewbie: https://www.codenewbie.org/podcast
[16] Developer on Fire: http://developeronfire.com
[17] Command_line Heroes: https://www.redhat.com/en/command-line-heroes
[18] Embedded.fm: http://embedded.fm
[19] The Changelog: https://changelog.com
[20] Full Stack Radio: http://www.fullstackradio.com
[21] Exponent: http://exponent.fm
[22] Test Talks: https://joecolantonio.com/testtalks
[23] The Cloudcast: http://www.thecloudcast.net
[24] DataFramed: https://www.datacamp.com/community/podcast
[25] Data Skeptic: https://www.dataskeptic.com
[26] Data stories: http://datastori.es
[27] Partially Derivative: http://partiallyderivative.com

回复下方「关键词」,获取优质资源


回复关键词「 pybook03」,立即获取主页君与小伙伴一起翻译的《Think Python 2e》电子版

回复关键词「pybooks02」,立即获取 O'Reilly 出版社推出的免费 Python 相关电子书合集

回复关键词「书单02」,立即获取主页君整理的 10 本 Python 入门书的电子版



印度小伙写了套深度学习教程,Github上星标已经5000+

上百个数据文件合并,只能手动复制粘贴?教你一招十秒搞定!

一个提升图像识别准确率的精妙技巧

一文读懂:从 Python 打包到 CLI 工具

如何使用 Python 进行时间序列预测?

美亚Kindle排名第一的Python 3入门书,火遍了整个编程圈

十分钟搭建私有 Jupyter Notebook 服务器

使用 Python 制作属于自己的 PDF 电子书

12步轻松搞定Python装饰器

200 行代码实现 2048 游戏

题图:pexels,CC0 授权。

点击阅读原文,查看更多 Python 教程和资源。


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/31783
 
370 次点击