给数据科学家的 Python 3 指导；简单 chatbot 代码实现| Github 项目推荐

Minigo —— 用纯 Python 实现的神经网络围棋 AI

Github：https://github.com/tensorflow/minigo

这是一个基于 TensorFlow 用纯 Python 实现的神经网络围棋 AI，虽然 Minigo 受到 DeepMind AlphaGo 算法的启发，但不是 DeepMind 项目，也不是 AlphaGo 的子项目，而是围棋爱好者独立研发的项目。

Minigo 以 Brian Lee 的「MuGo」为基础的，它用 TensorFlow、Kubernetes 和 Google 云平台提供了一套在各种硬件加速器上使用强化学习管道的学习示例，并且用开源的工具尽可能忠实地重现原始的 DeepMind AlphaGo 论文方法。

seq2seq_chatbot —— 基于 seq2seq 模型的简单对话系统的 tf 实现

Github：https://github.com/lc222/seq2seq_chatbot

本文是知乎主刘冲基于 seq2seq 模型的简单对话系统的 tf 实现，代码参考了 DeepQA，在其基础上添加了 beam search 的功能和 attention 的机制。

python3_with_pleasure —— 给数据科学家的 Python 3 特征指南

Github：https://github.com/arogozhnikov/python3_with_pleasure

Python 已经成为机器学习和数据科学的主要编程语言，同时 Python 2 和 Python 3 共存与 Python 的生态体系内。不过，在 2019 年底，科学计算库将停止支持 Python 2.7，NumPy 2018 年后的新版本只支持 Python 3。为了让数据科学家们快速上手 Python 3，该库收集了一些 Python 3 的新功能，供数据工作者参考。

wtfpython —— 一些好玩的 Python 代码集合

Github：https://github.com/satwikkansal/wtfpython

What the f*ck Python!

Python 是一种非常棒的编程语言，给程序员提供了很多让人感到舒适的功能。但有的时候，一段 Python 代码编译出来的结果对于普通用户来说不是那么明显。

这个 Python 集里收集了一些棘手的问题、反直觉的项目以及 Python 中一些鲜为人知的特性，并试图探索出在 Python 底层到底发生了什么。通过这些代码，用户会发现学习 Python 是件很有趣的事情。如果你是个很有经验的 Python 开发者，你可以把这些代码当作挑战来试试。