我热衷与学习程序语言的设计，并且从 1998 年就开始接触 Python。Python 是一个艺术品，这个演讲里我将会分享我个人认为 Python 中最美丽的部分。
Luciano Ramalho《流畅的Python》作者
1989 年圣诞，Guido van Rossum 为了打发无聊的圣诞假期，决定找点事来做。他选择实现一门编程语言。这门编程语言就是 Python。
2000年10月16日，Python 2.0 发布。
2008年12月3日，Python 3.0 发布。
从创立之初到现在，在整整三十年的时间里，Python一步步的成长到现在，被广泛的应用于服务开发，运维，科学计算，理论模拟等计算机领域中。越来越多的人爱上 Python，并用自己的形式回馈 Python 社区。可能 Guido 他自己都没想到，当时的一时兴起所创造的语言，会在这么多的领域得到应用。某种意义上来讲，他所创造的这门语言，在一定程度上改变了计算机世界。
2019 年，Python 诞生三十周年之际。我们将举行 PyCon China 2019 活动来庆祝这一门伟大语言的生日。今年的大会的主会场将设立在上海，同时在北京、杭州、深圳、成都、南宁等地设立分会场。
无论您是服务端开发，亦或是运维，还是大数据，人工智能等领域的专家，如果您有任何想分享给全国 Python 开发者的经验，欢迎报名参加我们的主题演讲/闪电演讲！
我热衷与学习程序语言的设计，并且从 1998 年就开始接触 Python。Python 是一个艺术品，这个演讲里我将会分享我个人认为 Python 中最美丽的部分。
Luciano Ramalho
这将会是一次十分有趣的演讲，首先，你将学到如何使用 Python 构建一个图片分类与 TTS 相结合的实用工具，这可以应用于超市收银台，用来帮助视障人士。接下来，我将讲述如何将图像分类工具与 Python Azure 相结合，并连接到一个实时 web 仪表板上。
通过这次演讲你将会学到如何用 Python 和免费的 Azure 服务来构建一个 IoT 图片分类系统，并用它来帮助你身边的人们。
自从2014年 AWS Lambda 发布以来，整个云原生运算领域与产业开始整个加速进入无服务器时代，经过这将近五年来的迭代，现在 AWS Serverless 又有哪些最前沿的技术呢？
这个 session 我们将会从一个 Python 开发者的角度来理解 AWS Serverless 最新的功能，包括 Lambda Layer 为你的 Python 应用进行更好的拆分与封装，Custom Runtime 来打造更弹性丰富的架构，AWS SAR（Serverless Application Repository）来实现代码与应用全球分发，最后我们会示范最新的 AWS CDK 环境如何从 Infrastructure Is Code 的角度，包括基础建设、本地测试、AWS Lambda 应用全面用 Python 开发撰写，成为完全使用 Python 一站式开发、测试与全球部署的当代无服务器高手。
首先将回顾已有的工具，列举常用的 Python 程序调试手段。传统的手段有一些不足之处，而最近的一些库给了我们启发，其实 Python 调试可以更加智能化。而所说的智能化调试，指的是用户设定目标变量，由调试工具自动根据程序执行流程溯源目标变量的变化过程，从而省去了用 pdb, PyCharm 等工具手动单步执行的麻烦。基于这个思路，我会提出一种新的调试思路和工具（也是我最近几个月在做的项目）。
laike9m
在这个演讲中我将会分享 Python 调试器的内部工作原理，了解它存在什么瓶颈和限制，以及近几年来在我们的努力之下有哪些改进。这个演讲不仅会讨论本地运行调试，也同时会涉及到远程调试以及对不同文件格式的调试。最后，我会分享一些在 PyCharm IDE 里使用可视化调试器的实用小技巧。
Elizaveta Shashkova
什么是 GIL？CPython 为什么要引入 GIL？它为了解决什么问题？为什么 Python 这么慢？如何摆脱 GIL 的限制？本次分享将带领大家了解 GIL 的方方面面，从 GIL 的产生历史背景，GIL 的原理分析，到如何在应用层上避开 GIL，并聊一聊 GIL 的未来，PEP 554 Multiple Interpreters in the Stdlib 的提出能否解决 GIL 的问题？
张佳圆
模式匹配，大家想了很多年了。JIT，大家也想了很多年了。现在的模式匹配库，却远远不及其他语言内置的语言构造; 现在的 JIT，却过于领域特定，局限于数值计算或者和脱离于 CPython 解释器。我们利用编译知识，基于一些意义重大的项目(如llvm, llvmlite), 实现了优化不同和 use case 程度的 JIT 实现; 同时也介绍了如何在现行 Python 语法下扩展语义。
thautwarm
作为一个微框架，轻量灵活的 Flask 很适合用来开发 Web API 服务。相对于 Django REST Framework 和 APIStar，Flask 有什么优势和缺点？为了减少工作量，我们通常会使用一些工具来辅助编写，面对 Flask-RESTful、Flask-RESTPlus、Flask-API、Webargs、Marshmallow 等扩展和工具库，我们应该如何选择？虽然我们经常使用 REST API 这个名称，但是大部分的 Web API 都不够 RESTful，那么什么样的 Web API 才能算是 REST API？在这个议题中，我们将对这几个问题逐一进行探讨，并了解如何使用 Flask 编写出功能完善的 Web API 服务。
李辉
比起 RESTful 风格的 api，GraphQL 从公布到现在依然没有普及开来。很多公司的开发者一直处于观望状态。LeetCode 将全部接口迁移到 GraphQL 已有将近两年的时间，直到现在我们主站将近十几万行 Django 代码，几乎全部的接口都是 GraphQL。本次演讲的主题主要是分享 LeetCode 是如何使用 GraphQL 来减轻开发的工作以及我们是如何解决使用 GraphQL 中发生的问题的。
李齐雨
Django 强大的 ORM 几乎屏蔽了 SQL 的复杂性，让我们只要写 Python 代码，然后 python manage.py makemigrations & migrate，就可以让数据持久化起来。但是这两行命令的背后发生了什么呢？为什么有时候这个命令会执行失败呢？在部署的什么过程去执行最合适？在PyCon 上我将和大家分享：
・ Django migrations 的工作原理；
・ 使用 Django migrations 会遇到的问题，如何从原理入手去解决问题；
・ 部署 Django migrations 的最佳实践；
・ 其他一些 migrations 的思路，如果做一个 migrations 平台，如何做数据库结构版本化，DDL 回滚。
作为一款 rpc 协议，thrift 都有哪些优劣？
pure Python 实现的 thriftpy 和 thriftpy2，是如何分层以应对不同的要求？
微服务是近些年互联网潮流方向，只要谈到微服务必涉及 rpc 协议。来自 Facebook，并由 Apache 基金会持续维护的 thrift 协议正是其中的一员。
而为了更好地使用，饿了么采用纯 Python 重新实现了 thrift 协议。
深入了解 thriftpy，不仅可以更好地使用它。还可以了解一款 rpc 协议的必要构成，以及 Python 项目如何通过合理分层的架构，来支持多种通信协议和传输协议。
Mars 已经于2018年11月开源（https://github.com/mars-project/mars）。目前，Mars 能将超过 70% 的 numpy 常见接口自动并行和分布式化，且正在大规模实现 pandas 接口的自动并行。那么 Mars 是如何自动将 numpy 和 pandas 等工具自动并行和分布式化的？Mars 在演进过程中又碰到了什么样的难题？Mars 的性能如何？关注系统设计的同学能从 Mars 的发展过程中得到什么经验教训？在这个演讲里都会得到解答。
秦续业
随着深度学习技术的不断进步，为了加快深度学习模型的运算速度，以及节约深度学习模型部署使用的内存，使用低精度浮点表示（半精度或者定点整数）来对深度学习模型进行训练正在逐渐地被应用于实践之中。本次演讲主要使用了 TensorFlow 的 Python 前端，介绍了如何使用 Python 来构建低精度模型，并且将该模型应用于训练之中，并且进一步将模型导出成 TensorRT 能够使用并运行的格式，从而完成模型的部署。希望对大家训练和上线深度学习模型有所帮助。
张校捷
本演讲深入浅出的介绍用 Python 做自然语言处理 (NLP) 的理论与实战应用，并特别在多语言挑战和法律文本处理上加大力道，力图在30分钟内给听众以全新视野与启发。内容主要分为3段：
1. Python NLP 入门
介绍用 Python 做汉语 NLP 的理论基础和必备工具。
2. 多语言 NLP 攻略
处理其他语言的 NLP 工具、中文分词和日文分词的不同点、多语言 NLP 的注意事项等。
3. “Python 合同风险预测模型”实战经验分享
通过解析模型构建过程，包括 EDA、Cosine Similarity、BLUE、ROUGE 等类似度算法的结果比较、文章语义分析等，具体提升听众处理法律文本的能力。
人和语言总是离不开的，NLP 可以处理森罗万象的生活中的语言现象，我希望通过这次的实战应用的内容，大家可以得到一些启发用 Python 去挑战自己感兴趣的领域的 NLP。
去年很荣幸分享了 Cloud TPU 的主题，了解到大部分同学未涉猎深度学习领域，为了帮助大家快速入门以及了解最新的行业进展，特别准备了从 mnist(深度学习的 hello world)到 CIFAR10， 从 ImageNet 到 BERT/xlnet 若干实战案例，结合常见问题分享最佳实践。
王顺
说起 Python，被吐槽最多的就是性能问题。但现实中不管是 Youtube 还是网易游戏，都用 Python 支撑起上亿的日活。近年大火的机器学习领域，Python 也是毫无疑问的第一语言。那么如何利用好 Profiler，精准定位性能瓶颈；如何利用各种黑科技，压榨语言和机器的性能极限，相信是大家比较关心的问题。本次我会分享香侬科技在 Python 深度学习服务开发中的最佳实践， 以基于 BERT 的服务为例，如何提升 QPS 从1到1000。
刘欣A
全面增强 AI 开发生产力，支持自动化机器学习。能够更快地确定最优算法，特性和参数，同时创建 Pipelines 实现自动化的 AI 开发全生命周期。
全面支持各种开源框架，技术和多种工具：
TensorFlow、CNTK、Caffe2、Keras、MxNET、PyTorch、Scikit-learn、Jupyter notebook、VS Code……
灵活的模型管理，部署方式。利用最新的容器技术和框架，可以方便地部署在 Azure， on premises 和 IoT edge。
机器学习是目前非常火热的一个研究领域，而 Python 的易学习和开源活跃特性使其适合机器学习编程。Azure 给数据科学从业者提供了 SDK 和服务，以用于快速准备数据并训练和部署机器学习模型，提高生产效率并降低成本。
王大伟
本次主题将会带大家了解目前 Azure Function，以及 Python 在 Azure 中生态，同时，将会通过实验演示方式带大家模拟客户遇到的问题，如何用 Azure Function + Python 来快速解决。
赵健
根据 Gartner 的报告，AIOps 将在未来5-10年落地开花，并集中统一各种 Ops 平台（Dev、IT、Net、Sec），本议题介绍 AIOps 的核心作用、相关工程难点（数据采集、数据中台、智能算法、自动化等）与开源方案选择，并介绍 Python 在其中的主要作用，覆盖开源方案有：Kafka、ELK、K8S、Prometheus、Grafana、Graphite、Ansible、Airflow、Flink、TensorFlow、OpenTelemetry 等。
丁来强
在云计算环境中，微服务和容器等技术已经将应用系统运行态的复杂度再次提高，可观测性逐渐成为软件工程师们不可回避的问题。日志、指标和 APM 就是可观测性所谓的一体三面，需要先将以上三个方面都整合在统一的数据后台里，才可以进行有效的搜索、关联、索引和分析，同时还需要运用机器学习的辅佐来降低人工系统排错分析的难度和成本。本演讲还将通过 Elastic Stack 技术栈来展示对可观测性的应对之道和效果。
刘征
过去一年，我在一个 to B 创业公司，基于 Python 和其他开源软件构建了一个极简的 DevOps 系统，在这个过程中产生的一些思考和实践。
张裕
一套优秀的自动化测试体系，不仅可以帮助企业优化开发流程，提升产品质量，而且还能大幅度的提高测试效率，节省人力。
2年前，为了解决游戏自动化测试难题，提高自动化脚本编写效率，我们开源了 Airtest(https://github.com/AirtestProject/Airtest) ，到目前为止，这套框架已经累计帮助近4万名海内外的开发人员和测试人员搭建自动化测试流程，帮助了数千企业提升产品质量，提高测试效率。
但 Airtest 只是我们完整生态中的一部分，这次分享将首次从产品设计和技术架构的角度，分享网易游戏内部从底层测试框架到大规模测试集群构建，从支持全球真机测试的云平台到企业级自动化解决方案的完整实践。
中国量化投资近年来高速发展。但传统的基于 C++ 的量化投资工具给广大中小投资者设置了过多的门槛。而 Python 出现后，其灵活、易懂、高效便捷的特性使得越来越多的投资者可以进入量化投资领域。我将介绍 Python 在量化投资中数据处理、策略研究、交易执行、风险管理等方向的各种应用，涉及期货、期权、ETF 等适合进行量化化交易的金融品种。
刘欣B
PYNQ 项目是 Xilinx 研究院发起的将丰富的 Python 生态与 FPGA 硬件编程结合的开源框架。这是全球第一次尝试将面向生产力的 Python 语言和面向应用加速的可定制计算架构（Domain Specific Architecture）结合。软件开发者通过 Python 编程就可以将 FPGA 并行计算和可灵活配置的特性应用于端设备，适用于加速广泛的应用。而硬件开发者（芯片设计）通过 PYNQ 框架可以快速获得 Python 支持加速其数据分析，展示等。目前在 PYNQ 开源社区中已经提供了上百个硬件加速 Overlay，其中包括人工智能推理、机器视觉、视频转码、数据压缩，工业物联网等。报告中将介绍利用该框架进行 ROS， Ray，OpenCV 等开源框架的实践，并分析 Python 语言对 FPGA 进行编程应用开发时对 FPGA 器件的影响，性能结果等，并介绍项目后续开发的线路图。
陆佳华
图形学是很有意思的一门学科，用简洁优雅的 Python 来实现图形学算法，更是一件充满了情怀和乐趣的事。在这个主题中我将分享用 Python 实现一个简单的软件渲染器的过程中遇到的一些有意思的事情。
谭啸
OWL 是用于本体论知识管理的描述语言，而 OwlReady2 是它的 Python 接口，OwlReady2 封装了推理引擎 HermiT 和 Pellet, 可以进行基于描述逻辑 (DLs) 的推理。利用 Python 的动态编程功能，实现具有推理能力的人机对话系统。为使用自然语言，还建立了一个文法解析模块。系统可以通过简单对话任务的测试。
宋丛威
从 Python3.6 开始， Byte Code 进行了一场革命——引入一套新指令系统 Word Instruction。 本演讲通过对这次革命的起源和发展进行介绍，让听众了解 Byte Code 的内部工作原理，主要内容如下:
* 一个 Python 脚本、类和函数和 Byte Code 之间的映射关系
* Python 核心函数 PyEval_EvalFrameEx 执行一个函数的 Byte Code 的详细步骤
* Byte Code 革命的起源和革命成功带来的变化，和原来的指令系统相比的好处。
Sphinx 是一种工具，它允许开发人员以纯文本格式编写文档，可以输出各种文档，如 PDF, HTML 等。Sphinx 是用 Python 编写的，并且最初是为 Python 语言文档而创建，多个项目都是用 sphinx 工具制作的文档，如：matplotlib, scrapy, 等。默认情况下，Sphinx 会为 Python 突出显示代码，但它还允许定义其他编程语言，比如 C 和 Ruby。和 MarkDown 相比，它复杂一点，但灵活度更高，制作的文档更加精美，支持自定义语法。在我看来，markdown 好比一张纸，而 sphinx 好比一本书。如果你觉得你要记录的东西很多，不妨试试 sphinx。
陈照强
随着 Python 的应用领域额越来越广泛，越来越多的领域开发者倾向于使用 Python 开发新的代码。
不少领域早期用的不是 Python，而是其他语言。用 Python 的话，重写所有代码是一件头疼的事情。但是如果只需要一个命令，就能让 Python 使用旧语言的代码呢？
这个小项目（c2py）提供了一种针对 C/C++ 语言的解决方案：在大部分情况下只需要一两个命令，就可以生成可供 Python 直接调用的 pyd（或者能直接生成 pyd 的源码）。并且会自动生成所有生成的 Python 对象的类型信息（pyi 文件）。
目前能自动封装的 C++ 对象包括：enum, class/struct/union, function, namespace, typedef/using, #define(仅部分可识别的常量), variables.
项目地址：https://github.com/nanoric/c2py
大多数人都会在 Python 虚拟环境和依赖管理的路上经历重重困难。一开始，你使用 pip + virtualenv + requirements.txt 的工具组合，或者再加上 virtualenvwrapper；接着，更高级的新东西出现了。Pipenv 号称新一代 Python 项目环境和依赖管理工具，打算替代上面的复杂组合，但是发展并不顺利；接着，竞争者出现了，其中实力最强的 Poetry 除了可以替代 Pipenv 来管理依赖之外，甚至还可以让你不用写 setup.py。故事就这样结束了吗？当然没有，尚在草案阶段的 PEP 582 在一边虎视眈眈，试图终结这一切混乱……
李辉
主题说明
从诞生之初，对象和类就是 Python 的一部分，而并非后来才有。所有的编程语言对于 OOP （面向对象编程）都有其不同的实现和支持方式。在其他地方行之有效的“经典”模式可能并不适用于 Python。而 Python 却为很多常见问题提供了其独特的解决方案。
本教程讨论 Python 3.7 中现代及惯用的 OOP 模式。其大部分内容都适用于 Python 2.7 以来的所有版本，而新特性也将重点讨论。
适合观众
此教程面向有一定经验的 Python 开发者。按照预期，参与者应该是已熟悉 Python 官方教程的水平，有一些 Python 实践经历，并且知道面向对象编程的基本概念，即使是其他语言，如 Java、C#、C++、PHP 或 Ruby 等相关的面向对象编程的概念也可以。
主题说明
过去几年里，Python 增加了很多新的编码并发计算方式，比如在 3.3 版本中新加入的concurrent.futures 库，3.4 版本中新加入的 asyncio 库，以及3.5 版本中新加入的 async 和 await 关键字，这为 Python 引入了像 async dev、async for 和 async with 这样的新概念。
在这个教程里，我们将会看到所有这些特性的示例，同时我们也将针对 Python runtime 的基础并发概念及问题进行讨论，并对 I/O-bound 和 CPU-bound 并发问题给出解决方案。
适合观众
此教程面向有一定经验的 Python 开发者。按照预期，参与者应该是已熟悉 Python 官方教程的水平，且已有一些 Python 实践经历。我们不要求参与者有 Python 线程或其他语言的使用经验，但有这些经验可以帮助参与者更好的理解教程内容。
介绍 ：
这是一个面向 Python 程序员的 Web 开发课程，目标听众需要对 Python 基本语法有一定的了解，但对 Web 开发的了解程度没有要求。在这个课程里，我会将 Python Web 开发所涉及的相关概念进行一个系统的梳理和介绍，包括 HTTP 协议、前端基础知识、常用的 Python Web 框架以及其他各种工具。这个课程还会包含一个动手编程的环节。我会从最让人头疼的开发环境搭建开始，一步一步教你如何使用 Flask 开发一个简单的 Web 程序。
在结束课程后，参与者会对整个 Python Web 开发技术栈有一个全局认识，并掌握基本的 Web 开发知识，而且会对接下来的学习路径有一个清晰的了解。
课程流程：
一、基本概念
・ Python Web 开发技术栈地图
・ HTTP 协议基础知识（请求与响应、URL 等）
・ 前端基础知识（HTML、CSS、JavaScript、AJAX 等）
・ Python 后端框架的特点和选择（Flask、Django 等）
・ 传统 Web 程序和 Web API 的对比
・ 测试、部署、持续集成等相关概念快速扫盲
二、动手编程
・ 开发环境搭建
・ 运行和调试程序
・ 编写 HTML 模板
・ 添加表单支持
・ 添加数据库支持
三、Q&A
・ 介绍常见的学习误区和建议的学习方向
・ 关于代码或其他任何相关内容的提问
内容难度： 初级
适合听众：
・ 想了解 Web 开发的前端、运维、测试或其他工程师
・ 想自己做网站的编程爱好者
・ Web 开发或 Python 初学者
・ 了解 Python 基本语法
・ 有一台安装了 Python 和浏览器的电脑，并且了解命令行基本操作
主题说明
Python 拥有非常丰富的工具集做大数据的处理，本课程着重介绍如何对 5000 万条规模级别的数据进分析处理与可视化。现场学员将以实战形式实践数据分析的完整环节，从数据规整、分析、交互式可视化到最终展示。现场学员将掌握如何有效地做数据规整(补缺、过滤、转换、富化等)，如何进行常规统计、时间序列分析以及借助算法做预测比较等，如何做分析交互式可视化以及结果对外展示。本次课程将覆盖各种流的 Python 工具集，包括但不限于 Numpy、Pandas、SeaBorn、Jupyter、Dash、Pyecharts 等。
适合观众
需要做数据开发、分析或运营的⼈员。可以是一般开发、 IT/商务运维人员或是数据分析角色的人员；需要有基本的编程基础(不一定是 Python)，并且了解数据分析的一般概念。
主题说明
Python 做爬虫非常适合，本议题将介绍如何使用 Python 写爬虫程序，从而爬取海量数据，并结合 ElasticSearch 做海量(上百亿规模)的数据分析与可视化。现场学员将以实战形式实践海量数据爬取、分析可视化的完整环节，同时也将掌握如何有效做并发数据爬取(并发、请求、打码、JS运行等)，如何 ElasticSearch 与 Kibana 做海量数据常规查询、统计、可视化等，以及如何进行海量数据规模的分析。本主题覆盖各种流行的 Python 与 ELK 聚集，包括但不限于 requests、request-html、scrapy、selenum/webdriver, execjs、elasticsearch、kibana 等。
适合观众
需要做数据开发、分析或运营的人员。可以是一般开发、 IT/商务运维人员或是数据分析⻆色的工程师；需要有基本的 Python 编程基础，并且了解数据分析的一般概念。
主题说明
这是一个面向 Python 已入门者的教程，需要听众已了解 Python 的基本语法，懂得面向对象编程。本教程特别适合想做点个人项目，又不知道可以做什么，或者不知道应该如何做的人。
培训后，参与者会对 Python 的包结构有所熟悉。了解如何编写 setup.py，如何创建命令行程序，如何发布自己的 Python 库。
本教程将以一个实例来分析一个项目的诞生、创建、发布、改进以及完善。
教程流程安排
1. 分析需求，作者以使用 Python 创建一个电子书生成工具为例分析做什么，为什么要做这个项目，以及如何去实现这个项目。
2. 准备工作，了解电子书的格式，以及如何分析电子书的格式，有哪些可用的方法。
3. 创建项目，寻找需要使用到的第三方库。这里我们将会使用到 requests, beautifulsoup, Jinja。我们将会分析为何会使用这些库，以及为何会找到这些库。
4. 熟悉第三方库，了解这些依赖的基础使用方法。
5. 编写项目，先以创建一本书作为例子，写出基本功能。听众将会了解到这些知识： HTTP 请求(requests)、网页解析(beautifulsoup)、模板引擎(Jinja)。
6. 改进项目，分析不同的网页结构，改进自己代码的封装，方便之后做扩展。
7. 发布项目，完成命令行的编辑，认识 Python 的打包，setup.py 的编写，了解各种发布工具。
8. 完善项目，如何扩展项目，如何写测试用例，如何构建插件系统。
本教程以一个实际的例子来教大家如何从零创建一个 Python 项目，适合 Python 初学者，以及对电子书感兴趣的人。
难度：初级
让我们深入研究在 CircuitPython、Raspberry Pi、Docker containers、远程 Linux 服务器和Jupyter Notebooks 等环境中调试远程 Python 的方法。
摘要
你也许和我一样，在刚开始使用 Python 时，会选择用 ‘print’ 来调试程序。但是，你可能会发现，它有些慢，有些乏味，而且不能用来处理更为复杂的问题。
你将学习如何将代码同步到设备、附加调试器以及单步执行代码。 如果你是 Jupyter 的拥趸（或是新晋的 Jupyter 迷），你将学到调试 Notebooks 的技巧。
这个有趣的章节涵盖了一系列场景，可以帮助你全面提高调试技术！
带上你的电脑
这是一场手把手带你学习的培训，你需要带上你的电脑（Linux, macOS, or Windows 10系统都行）。
请安装"Visual Studio Code Insiders Edition" (https://code.visualstudio.com/insiders/) ——一款免费的开源软件。
培训内容
PyCon Debugging Tutorial: https://github.com/gloveboxes/PyCon-Hands-on-Lab
RobotFramework 是一个基于 Python 自动化的开源测试框架，用于进行自动化的测试以便进行持续集成。RobotFramework 采用一种自定义的脚本语言(DSL)进行编写，但往往需要自动化测试工程师记住大量的函数名和规则，调试起来不是很方便。本话题分享一个基于 QScintilla+PyQt5 做的异步面向 RobotFramework 的脚本开发工具，支持语法高亮、自动化补全、自定义图标等，通过该分享，听众可以了解如何基于 QScintilla 编写语法高亮、自动补全、错误提示等，可以定制面向 DSL 领域的 IDE。
崔衡
将信息从自然文本中提取出来并形成结构化的数据可以帮助我们理解文本、辅助决策等。本次话题会分享用 Python 实现文本信息的结构化信息提取的过程，基于一个结构化信息提取的案例介绍一些技术实践和工程化的经验。
王祎
这个话题将探讨 Flask 应用程序迁移到 AWS Lambda 的过程。我们将分析现有的应用程序，将其分解为单独的微服务，调整身份验证、前端、测试和数据模型，最后将其部署到云中。通过这个分享，您将了解无服务器的优点，以及它将如何改变对可伸缩性、可用性、安全性、基础设施管理和成本优化的看法。
费良宏
我将介绍如何使用 Python 的数据分析 web 框架 Dash 有效的实现数据的挖掘、监测及共享。特别是数据共享。
・ 共享更多数据的能力。
・ 提高最高管理层以及客户对数据的理解，并在数据分析中反映他们的意见。
・ 能够加快业务发展。
我将使用 Dash 应用进行演示。
・ 语言比较：Python 在快速编程、开源工具库上的优势
・ Python 的智能问答实践及策略快速迭代
・ 性能瓶颈及应对措施
・ 期望：语言本身支持更多的协程、高并发、多核等
Python 中的 AST（Abstract Syntax Tree）是把文本形式源代码转化成具有抽象语法结构的树状表达式。灵活运用 AST 可以在编译成 bytecode 前对源代码二次修改，以达到某些特殊的功能。也可以根据修改后的 AST 对代码进行转义或者二次生成任何具有语法的文本。
何翔宇
基于图分析和半监督学习的方式来检测金融反欺诈，使用 Python 与 Neo4j 系统交互，存储、展示和分析客户交易关系图。内容包含：
(1) 图算法的简介以及应用时机（国内外使用情境 e.g. LinkedIn、论文研究，例如使用 Label Propagation 方法检测交易欺诈）；
(2) 可使用的图算法工具；
(3) 图算法的社区与资源分享等（neo4j 中文社区、paper with codes、twiML@AI）。
最后会有简单的实作展示，在 Python 端进行数据清理后，将节点、边、关系属性与权重等写入图数据库，透过不同定义的中心度去计算角色重要性与视觉化，并且可以更好地理解图算法本质。
介绍 Python 在视效行业的应用与案例，包括视效行业特点，视效制作流程简介，炫酷的视效镜头如何从创意想象变成观众看到的效果，国内视效公司与国外视效公司的差距，Python 在视效制作领域的应用，希望通过主题分享让更多的程序员了解视效技术，加入视效行业，让大荧幕上呈现更多精彩的画面。
郭李灼
站在开发者的角度，在工作中大家最关注的是业务功能是否实现，业务逻辑是否正确，高级别的一些同学的会关注可扩展性等架构层面的问题。然而，大家都有共同特点：在完成工作（编写代码）时，几乎都是正向思维，会假定用户是按产品设计的流程操作的。
例如写用户余额减扣的代码，也只会写 if user.balance >= product.price, 紧接着一句 user.balance -= product.price。实际上这样的语句存在很大的安全隐患。
应用开发者们一般很少去思考自己所编写的代码可能存在的瑕疵和安全漏洞，就算其中有部分同学具有较强的安全意识，对如何编写安全的代码也只是停留在：内存访问别越界，别用 eval 函数，入参要做非法字符校验。
本演讲主题将分享给大家的是，在利用 Python 编写程序的过程中，有哪些不经意的“正常写法”可能存在安全隐患以及改进做法，使代码变得更安全，并介绍两个用于 Python 代码审查的工具。
随着 Python2.x 的停止维护时间（2020年1月1日）越来越近，各大流行 Python 包（Flask,Django,Ipython）也终止了 Python2 版本的支持。遗留项目切换到 Python3 的计划也要提上日程。本次主题演讲主要介绍 Python3 各个版本的新特性，改进，背后的原因，和从 Python2 代码迁移过来时需要注意的点。
杜逸先
Pandas 作为最受数据科学家欢迎的分析库，提供了超多的接口来进行数据处理和分析。然而，在很多具体任务过程中，会遇到性能不尽如人意，但又不知如何优化的情况。本次演讲会介绍 Pandas 的常见优化策略，以及 Pandas 背后的实现原理。最后在常见优化手段都不起作用时，可以使用 Mars DataFrame 来并行和分布式加速计算。
何开圣
1) BCC(BPF Compiler Collection, 利用扩展的伯克利包过滤器 eBPF 来高效地跟踪内
核和操作应用程序的工具箱)的 Python 前端解析
2) 深入分析 LISA（Linux Integrated System Analysis, 基于 Python 的 Linux 内核交互
式分析和自动化测试利器）项目
3) 脚本化内核调试器 drgn 简介
4) 在开源 ARM 平台（如树莓派4等）上实践 BCC 和 drgn，以及 LISA 项目的扩展设计
议题涉及的主要技术链接：
https://en.wikipedia.org/wiki/Berkeley_Packet_Filter
https://github.com/iovisor/bcc
https://github.com/ARM-software/lisa
https://github.com/osandov/drgn
https://www.raspberrypi.org/products/raspberry-pi-4-model-b/
从个人经历出发，介绍本人在使用 VS Code 进行 Python 项目开发的经验教训以及总结出来的一些最佳实践。内容包括：
1. Python 开发环境的配置（Windows, Mac OS, Linux, Container）；
2. 介绍说明使用 VS Code 进行 Python 开发的常用插件和必要配置，包括 Python，Visual Studio IntelliCode，GitLens，Git Graph，gitignore Generator，Live Share，Settings Sync，Project Manager 等个人经常使用的 VS Code 插件；
3. 创建一个示例Flask项目并实现一个短链生成器，并结合之前介绍的插件充分展示VS Code开发Python项目的编码，调试，测试阶段的实践。
Side Project 可以让你实践自己的想法，拓展自己的技术广度，检验自己的能力。在 Side Project 中你必须独立解决问题，这里面有很多挑战，但是乐趣更多！做自己的 Side Project，不用担心老板，同事，可以按照自己的想法做事。这个演讲分享做 Side Project 的一些经验，包括如何找到自己的 Side Project，如何知道可行不可行，如何维护它们等等。
赖信涛
什么是 PySpark？
为什么选择 PySpark？
使用 PySpark 进行大数据处理？
使用 PySpark 进行机器学习？
本快速演讲主题将分享给大家的是，在利用 PySpark 在大数据处理和机器学习方向的应用，并介绍使用过程中的一些经验总结，优点以及不足的地方。
结合当前主流深度学习框架流行趋势及实际业务情况说明选择 Keras 作为部门深度学习主要框架的原因。随后进行 Keras 的简单介绍，介绍如何使用 Keras 模块进行序贯式及函数式编程来搭建神经网络的过程及实施过程。最后结合公司研发的产品介绍人工智能技术在医学及公共卫生领域的一些应用方向，前景与挑战。
许振影
随着 DevOps 理念的普及，云服务的开发人员也是测试人员，在快速迭代的过程中保证测试质量和效率变得尤为重要。那么如何设计出一个通用、好用、高效与可靠的云服务测试框架？如何利用好 asyncio 的异步特性？希望通过本次分享，能为大家带来启发。
王斌鑫
对于特定领域的智能问答系统，通过对整个过程的数据处理，对抗样本的干扰，多个模型的融合等，基于 Tensorflow 框架，es 检索数据库等工具，建立了有精准答案和推荐的智能问答系统，当然，也有考虑过一些基于 wide&deep 的推荐思路，最后很好地对单一领域的问答给出较好的结果和客户的满意度。
徐富盛
近几年 SRE 职位的广泛出现，证明了这套起源于 Google 的运维体系的巨大价值和生命力。SRE 其实也可以是一个广泛通用的套路，但是你必至少须熟练掌握 SLO、监控、告警、减少琐事和简单化等核心原则。本演讲还将探讨如何将它们转化成为在你的组织里也可用实践的技巧，并包含针对一套典型应用系统的 SLO 指定的流程讲解。
刘征
理财是全民性的话题，有保守的余额宝、稳健的股票期货、激进的虚拟币和百倍杠杆炒外汇。题主在经历过各种理财方法之后，决定分享在激进投资项目里用 Python 做较低风险的投资方法：量化交易之网格交易虚拟币。本主题从零开始，简单讨论网格交易的原理及方法，讲述如何通过 Python 调用相关交易所 API 接口、获取投资标的信息、记录交易、测试和正确运行程序的历程，给听众对量化交易一个基本的概念，从用程序去赚钱引申出编程可以很有趣的观点。
邝泽徽
一行代码，加速科学计算框架 pandas.
・ modin 是什么？modin 与 pandas 的区别? 怎么用 modin?
・ modin vs pandas 速度比较？
・ modin 底层实现原理，如何做到充分利用计算机多核并行科学计算？
・ modin 的局限， modin 社区展望。
微软从开发工具到云端方案对 Python 都有很好的支持。 Microsoft Azure Machine Learing Service 结合 Python 让人工智能应用开发更加快速便捷，不论从模型训练，到模型调优，再到模型部署都有很大帮助。而 Visual Studio Code 有非常棒的Python插件，支持服务端到云端以及人工智能应用开发。本课程通过使用 Visual Studio Code 结合 Microsoft Azure Machine 完成一个基于 Python 从训练，调优再到模型云端部署的现代化人工智能应用场景，并结合 Azure DevOps 完成 CI/CD 的开发管理。
A. Visual Studio Code Python 组件介绍
1. Python 程序调试@Visual Studio Code
2. Visual Studio Code 运行Jupyer
3. Flask + Docker@Visual Studio Code
B. Python@Azure
1. Python 在微软云的支持
2. Azure 快速部署一个Flask + Docker 的应用
3. Azure DevOps 管理 Flask 开发
C. Azure Machine Learning
1. Azure Machine Learning Service 介绍
2. 示例 Python在Azure Machine Learning Serivce 模型训练, 调优
3. 示例通过 Azure Machine Learning Service 快速发布一个 Serverless 应用
D. 实战演示
本演讲内容将介绍 FPGA 并行计算和加速计算的理念，同时基于 Xilinx ARM SOC 器件的 Python 编程框架 PYNQ (Python Productivity for Zynq)，详细讲述基于安富利公司Ultra96 开发板的 PYNQ 开发环境和开发工具链以及基于 PYNQ 框架的参考设计和相关的演示，包括计算机视觉和人工智能的应用。最后介绍安富利公司计划配合 Python 社区进行的一系列技术交流活动，旨在推动 Python 编程在嵌入式平台的广泛应用，促进在计算机视觉、人工智能和边缘计算等领域的产品落地。
陈志勇
在 Python 的世界中，依赖管理从来不是件容易的事。用 pip + requirements.txt 是否已经足够？我们为什么需要一个专门的工具来管理包和依赖？ 本演讲尝试从基本机制说起，厘清 pip, virtualenv, pipenv 各自的目标。讲述依赖管理中的痛点和解决办法。并进一步说说 Pipenv 之外的其他工具们，各自解决了 Python 包管理中的什么问题。
明希
・ 介绍 Python 包发布流程，C 拓展，Fortran 拓展和 C++
・ 拓展打包在不同操作系统上如何编译 wheel, 面向 Linux 操作系统如何编译 manylinux 的二进制包，Windows 平台如何解决依赖问题，如何结合持续集成工具发布到 pypi.org。
工作中经常有给自己和其他同事编写一些简短的 Python 脚本的需求（通常只是一个函数），对于不熟悉 Python 的同事使用起来相对困难，一段时间后会积累较多的零碎的脚本，难以管理并且不便使用。利用 Python 3 Annotations 特性可以获取函数签名信息，为常见类型的参数自动生成 Web UI。将零碎的函数放置在单个 Python 文件中，程序解析指定的脚本文件，自动生成 Web UI，只需要输入参数点击运行就能直接使用，无需了解 Python，大大降低了使用难度，也方便集中管理。
彭未康
编写数字货币交易系统是一件很有意思的事情，不同的人有不同的处理方案，该选用Python的哪些框架，有哪些注意事项，很荣幸和大家一起讨论。
代少飞
本演讲深入浅出的介绍用 Python 做自然语言处理 (NLP) 的理论与实战应用，并特别在多语言挑战和法律文本处理上加大力道，力图在30分钟内给听众以全新视野与启发。内容主要分为3段：
1. Python NLP 入门
介绍用 Python 做汉语 NLP 的理论基础和必备工具。
2. 多语言 NLP 攻略
处理其他语言的 NLP 工具、中文分词和日文分词的不同点、多语言 NLP 的注意事项等。
3. “Python 合同风险预测模型”实战经验分享
通过解析模型构建过程，包括 EDA、Cosine Similarity、BLUE、ROUGE 等类似度算法的结果比较、文章语义分析等，具体提升听众处理法律文本的能力。
人和语言总是离不开的，NLP 可以处理森罗万象的生活中的语言现象，我希望通过这次的实战应用的内容，大家可以得到一些启发用 Python 去挑战自己感兴趣的领域的 NLP。
Python 自诞生以来一直有“胶水语言”的美誉，如今互联网开发进入了云时代，Python 同样是云的“胶水”。这次分享了领先的云平台 AWS 的 Python 应用，充分展示 Python 语言优雅简洁的魅力。通过结合云平台的 Python，几行代码实现云端应用程序，几行代码管理海量基础设施，几行代码连接 IoT 平台，几行代码调用高级人工智能，甚至，你想象过吗，几行代码实现一个卫星地面接收站。
张孝峰
模式匹配，大家想了很多年了。JIT，大家也想了很多年了。现在的模式匹配库，却远远不及其他语言内置的语言构造; 现在的 JIT，却过于领域特定，局限于数值计算或者和脱离于 CPython 解释器。我们利用编译知识，基于一些意义重大的项目(如llvm, llvmlite), 实现了优化不同和 use case 程度的 JIT 实现; 同时也介绍了如何在现行 Python 语法下扩展语义。
thautwarm
Great code is just one part of a great career in information technology. Over the last three decades I’ve been privileged to work on a wide variety of teams and have benefited from the wisdom of great colleagues, friends and mentors along the way. To encourage you in your own careers, I’ll share some lessons I’ve learned about the other challenges we face as developers: What’s the right answer to “How long will it take”? Should I build a solution, download open-source or buy one? What does my boss want from me? What do my teammates need? How do I get along with other departments?
Jonathan Lindstrom
不同于从实践的角度来安利静态类型标注，本次演讲将从类型论的角度讲述 Python 类型化的必要性，静态类型语言相较于等价动态语言的区别的本质是什么，以及安利渐进式类型系统与科普全局类型推导。
刘知杭
作为一个微框架，轻量灵活的 Flask 很适合用来开发 Web API 服务。相对于 Django REST Framework 和 APIStar，Flask 有什么优势和缺点？为了减少工作量，我们通常会使用一些工具来辅助编写，面对 Flask-RESTful、Flask-RESTPlus、Flask-API、Webargs、Marshmallow 等扩展和工具库，我们应该如何选择？虽然我们经常使用 REST API 这个名称，但是大部分的 Web API 都不够 RESTful，那么什么样的 Web API 才能算是 REST API？在这个议题中，我们将对这几个问题逐一进行探讨，并了解如何使用 Flask 编写出功能完善的 Web API 服务。
李辉
1. 介绍 MicroPython 的使用场景及生态环境。
2. 分享自己学习 MicroPython 的经历
3. 展示一个心电图实践项目,通过实践使用心电传感器读取自己的心跳，并使用 oled 展示。(将开发板带到现场)。
4. 展示一个实践的项目（使用 micropython 读取温湿度并上传到服务器），现场展示网址。
5. MicroPython 的学习资源分享。
物联网项目通常包含单片机、嵌入式 Linux、服务端等多个模块，涉及多种编程语言及技术栈。传统的开发模式以及多种技术栈的壁垒降低了物联网项目开发效率。
本议题通过一个实战项目展示物联网从设备到云端开发的全貌，主要采用 Python 一种语言实现单片机终端、嵌入式 Linux 网关、服务端程序的全栈开发。得益于 Python 简洁的语法以及丰富的第三方库，开发者可快速构建出物联网产品。
知识图谱（KG）是 AI 应用不可或缺的基础资源，近年来受到了各行各业的广泛关注，无论是研究院所、企业、还是开发者个人，都对这项技术有着极大的认知与使用需求。而 Python 作为一门简洁、高效、功能强大的编程语言，对于构建大规模 KG 有着领先的优势。
基于上述，本次分享将围绕以下三个方面进行展开：
一是介绍数据驱动的 KG 构建方法；
二是介绍在 Python 生态中已开发的、面向图数据管理与分析的工具包；
三是以上述一、二中所提到的方法与工具为基础，面向知网学术数据与多媒体新闻文本数据，构建两套完整的知识图谱系统，并详细阐述其中重要的设计思路、算法模型、质量验证标准、可视化展现，以及系统部署。
公司系统并发量上来的时候，数据库里面始终有部分数据没有修改成功，将相关代码独立出来使用的时候，并发执行果然发现了这个问题，一步一步查找问题，在排除了数据库锁的问题之后，我把目光瞄到了 sqlalchemy 的 session 上面，终于发现，每次保存数据的时候，都会获取到新的 session，测试之后果然是这个问题。
吴强
随着硬件的不断升级和数据的暴增,使得深度神经网络的训练成为可能。从最早的卷积神经网络 LeNet，后到 AlexNet 的出现，让人们意识到了神经网络的强大，Deep Learning 便开始了爆炸式增长,各种模型层出不穷，性能也愈加强大，也逐渐应用到实践当中。本次演讲将使用 Pytorch 框架和 Yolo 模型对视频进行分析，实现人流量的统计分析，希望能给大家带来一点启示。
姜原
介绍 MicroPython 的发展史、在硬件开发中的应用；MicroPython的开发环境，主流编辑器和 Mu 开发环境，开发环境的使用；MicroPython 涉及的相关开发板，STM32、ESP8266 等，不同开发板之间的硬件差异，开发板上的基本硬件功能使用，通用 IO口、彩灯控制、传感器使用；物联网硬件和云平台的互联互通、数据存储、数据分析；如何实现 Python 语言的全栈开发; MicroPython 和 Python 开发的异同，如何避免开发误区。
黄盈樟
这几年一直在从事运维开发相关的工作，议题包括从最基础的实体机自建机房，涉及到资产管理，发布系统，监控系统，都是基于 Flask 来进行后端开发，主要围绕基于开源软件的二次开发、快速构建自动化运维体系，从基础设施出发到 DevOps 体系构建，到如今在 Kubernetes 环境下如何快速实现 CI/CD。
小罗
根据亲身经历回顾/分享中国大陆环境中程序猿的成长模式, 以及可能的另外途径;
论及:
0: 究竟什么是 Pythonic
1: 为什么中国企业反感35+程序猿?
2: 技术社区和程序猿应该的关系是什么?
3: 个人职业发展的被重启或隐重启
松宇集团近年来着力推进信息化建设，在初期，选择了以 SAP 为核心的企业套装管理软件，随着深入使用，发现并没有完全满足松宇信息化的建设战略，遂决定采用自主研发的方式实现信息化平台的改造升级。在新的架构中，采用了以 FastAPI 框架为核心的后台技术体系。我会介绍一下项目的规划思路、整体架构、初步成果，以及为何选择 Python 和 FastAPI 作为核心技术栈。
石继志
这是一个开放式主题。会通过一些 PYTHON 的应用场景，展开一系列可讨论的主题，大家就自己感兴趣的内容，进行讨论。
沈崴
随着互联网技术更新迭代，提升效率也是企业增强市场竞争力的核心，而自动化是有效提升效率、提高生产力的有效方式。
自动化工具允许自动化简单且重复的任务，这些工具会通过以正确的、特定的顺序执行任务并运行每个任务来计算如何达到目标。本次演讲将分享如何使用自动化工具快速实现 Django 构建，希望能给大家持续构建的工作带来一些帮助。
Odoo 的发展史以及全球社区开放的应用模块介绍；
基于 Python 的 Odoo 架构技术优势（物联网接入、模块扩展、报表扩展、数据库扩展）；
基于 Python 的 Odoo 架构应用优势（国内外电商平台接口、物流接口、社交平台接口等）；
基于 Python 的平台信息化建设（行业案例）。
