ProximityHash: Geohashes in Proximity (with the option of compression using Georaptor)

To recap, our findings, Vue’s strengths are:

• Flexible options for template or render functions
• Simplicity in syntax and project setup
• Faster rendering and smaller size

React’s strengths:

• Better at scale, studier and more testable
• Web and native apps
• Bigger ecosystem with more support and tools available

"3) Service virtualisation:

• Mountebank
• Wiremock (I used this one: very simple & efficient)
• Stubby4j
• VCR / Betamax
• Hoverfly"

Mainteneur de shaarli

J'en suis à 12 candidats contactés à Nantes, et je vais essayer d'en contacter d'autres à Angers.

Je vous engage chaudement à participer:

• chaque signature est un grand pas pour le développement du logiciel libre en France
• ça prend peu de temps et ça ne coûte que quelques emails
• c'est très gratifiant de sentir qu'on peut mettre son grain de sable dans les élections, au-delà du simple vote
• c'est fun !

Le pacte est très simple et court: http://candidats.fr/documents/Le_Pacte_Du_Logiciel_Libre_candidats_legislatives_2017.pdf
Et il existe même des exemples de courrier pour se simplifier la vie : http://wiki.april.org/w/FAQ_pour_candidats.fr#Existe-t-il_des_mod.C3.A8les_de_courriel_.3F

Festivale des libertés numérique mais pas que

"Cela correspond en particulier à la position que je porte depuis les premiers jours de Mastodon : les administrateurs d’instances ont de grands pouvoirs, donc de grandes responsabilités, ils peuvent y faire ce qu’ils veulent, mais ils ne doivent pas prendre en traître les utilisateurs et donc avoir des politiques de modération ou de censure très claires, publiques, correctement appliquées, de manière impartiale, etc."

"Les communautés « safe » sont tellement pas safe qu’en 2016, une conférence sur le sujet aurait du être tenue à PSES, mais les conférencier·ères ont préféré se rétracter par peur des représailles de la part des-dites communautés."

"L'April signe, avec les CEMEA, une prise de position contre la décision de l’Éducation nationale
de donner accès aux données numériques des élèves, des enseignant.e.s et personnels de l'Éducation aux grandes entreprises
de l'internet dont les intérêts sont avant tout mercantiles et qui hébergent souvent les données en dehors du territoire européen."

boomerang is a piece of javascript that you add to your web pages, where it measures the performance of your website from your end user's point of view. It has the ability to send this data back to your server for further analysis. With boomerang, you find out exactly how fast your users think your site is.

Programmable communications Embed messaging, voice, video, and authentication in your apps with a simple and powerful API.

"Here you have a trivially simple method of injecting legit-looking messages into text conversations with anyone, providing you know how your target stores the spoofee sender in their contacts. In the UK, that’s largely the difference between starting with 07, and +447.

The utterly exquisite reality is that, if your target then replies, that reply goes to the real sender, who is overwhelmingly likely to reply something like “what the hell are you on about?”, this being the first they’ve heard of this shady business. Does that look like backtracking or denial? I ain’t no Member of Parliament, but it sure sounds like it to me."

It is a pure python library for numerical computations.

Linear algebra example:

A = Matrix([[1,2],[4,9]])
print 1/A
print (A+2)*A
B = Matrix(2,2,lambda i,j: i+j**2)

Fitting

points = [(x0,y0,dy0), (x1,y1,dy1), (x2,y2,dy2), ...]
coefficients, chi2, fitting_function = fit_least_squares(points,POLYNOMIAL(2))
for x,y,dy in points:
print x, y, '~', fitting_function(x)

Solvers:

from math import sin
def f(x): return sin(x)-1+x
x0 = solve_newton(f, 0.0, ap=0.01, rp=0.01, ns=100)
print 'f(%s)=%s ~ 0' % (x0, f(x0))
(ap is target absolute precision, rp is target relative precision, ns is max number of steps)

Optimizers:

def f(x): return (sin(x)-1+x)**2
x0 = optimize_newton(f, 0.0, ap=0.01, rp=0.01, ns=100)
print 'f(%s)=%s ~ min f' % (x0, f(x0))
print 'f'(%s)=%s ~ 0' % (x0, D(f)(x0))

Statistics:

x = [random.random() for k in range(100)]
print 'mu =', mean(x)
print 'sigma =', sd(x)
print 'E[x] =', E(lambda x:x, x)
print 'E[x^2] =', E(lambda x:x2, x)
print 'E[x^3] =', E(lambda x:x3, x)
y = [random.random() for k in range(100)]
print 'corr(x,y) = ', correlation(x,y)
print 'cov(x,y) = ', covariance(x,y)

Finance:

google = YStock('GOOG')
current = google.current()
print current['price']
print current['market_cap']
for day in google.historical():
print day['date'], day['adjusted_close'], day['log_return']

Persistant Storage:

d = PersistentDictionary(path='test.sqlite')
d['key'] = 'value'
print d['key']
del d['key']
d works like a drop-in preplacement for any normal Python dictionary except that the data is stored in a sqlite database in a file called "test.sqlite" so it is still there if you re-start the program. Kind of like the shelve module but shelve files cannot safely be accessed by multiple threads/processes unless locked and locking the entire file is not efficient.

Neural Network:

pat = [[[0,0], [0]], [[0,1], [1]], [[1,0], [1]], [[1,1], [0]]]
n = NeuralNetwork(2, 2, 1)
n.train(pat)
n.test(pat)
[0, 0] -> [0.00...]
[0, 1] -> [0.98...]
[1, 0] -> [0.98...]
[1, 1] -> [-0.00...]

Plotting:

data = [(x0,y0), ...]
Canvas(title='my plot').plot(data, color='red').save('myplot.png')

Free for: max 20,000 Hits, 1 Application, 1 User, 30 Days Data Retention & max 10,000 Errors/Month

Closed-source server backend

Supported languages:
.NET, Adobe Air, Android, Cold Fusion, Drupal, Go, iOS, Java, JavaScript, Python, macOS, Nancy, Node.js, PHP, Ruby on Rails, Unity, WordPress

Closed-source server backend

https://airbrake.io/languages :
Ruby, Rails, Java, Javascript, Magento, Php, .NET, Python, Django, Node.js, Swift, Android, Go, Sinatra, Angularjs, Flask, Ember, Express, Hapi

Open-source server backend of Airbrake (which has a closed-source backend)