Попробовали настольный Slay the Spire, и мне очень понравилось.
Кто не знает, Slay the Spire это изначально инди-видеоигра в жанре «роглайк на построение колоды». Нарисована она совсем простовато (не пиксель арт, и то хорошо), зато обладает своего рода эталонным геймдизайном. Там нет ничего лишнего, но есть всё нужное. Причём, большинство эффектов считается в уме, а пространство решений для игрока всё равно очень большое. Попытки других разработчиков скопировать эту игру и добавить в неё что-то дополнительное («Чёрная Книга», «Knock on the Coffin Lid») сразу показали, что результат становится сильно хуже.
Короче, если вам нужна игра не про «спинномозговой» геймплей, а про шевеление головой, при этом позволяющая зайти на 15 минуток в день сыграть пару боёв, реиграбельная и не зависящая от присутствия задротов (в отличие от онлайн игр), то это очень хороший вариант.
Поэтому, когда вышла настолка, вопрос о покупке не стоял. Да, настолки по видеоиграм нередко оказываются довольно вторичными и либо не предлагают ничего принципиально нового, либо, наоборот, переиначивают первоисточник сверх меры. Здесь у меня тоже были определённые опасения, например, о том, что потребуется перекладывать слишком много компонентов там, где в видеоигре действия выполнял компьютер.
К счастью, опасения не подтвердились, и авторы очень хорошо поработали над адаптацией: все числа уменьшили, сократили математику, упростили эффекты, не сломав их качественную суть, и добавили кооператив, который действительно играет роль. Прибавьте к этому приятные ощущения от того, что ты не на экране на карточки смотришь, а листаешь их в руках, плюс возможность разделить эмоции и тяготы прохождения с друзьями.
В общем, прямо очень порадовало. #games@clockstackwheels
http://scikit-learn.org/stable/
scikit-learn
#Machine#Learning in Python
Simple and efficient tools for data mining and data analysis
Accessible to everybody, and reusable in various contexts
Built on #NumPy, #SciPy, and #matplotlib
Open source, commercially usable - BSD license
http://scitools.org.uk/iris/docs/latest/userguide/index.html
Iris seeks to provide a powerful, easy to use, and community-driven Python library for analysing and visualising #meteorological and #oceanographic data sets.
With Iris you can:
Use a single #API to work on your data, irrespective of its original format.
Read and write (CF-)netCDF, GRIB, and PP files.
Easily produce graphs and maps via integration with #matplotlib and #cartopy.
http://scitools.org.uk/cartopy/docs/latest/index.html
Cartopy is a Python package designed to make drawing maps for data analysis and visualisation as easy as possible.
#Cartopy makes use of the powerful #PROJ.4, #numpy and #shapely libraries and has a simple and intuitive drawing interface to #matplotlib for creating publication quality maps.
Some of the key features of cartopy are:
object oriented projection definitions
point, line, vector, polygon and image transformations between projections
integration to expose advanced mapping in matplotlib with a simple and intuitive interface
powerful vector data handling by integrating shapefile reading with Shapely capabilities
http://matplotlib.org/
#matplotlib is a python #2D#plotting library which produces publication quality figures in a variety of hardcopy formats and interactive environments across platforms. matplotlib can be used in #python scripts, the python and #ipython shell (ala MATLAB®* or Mathematica®†), web application servers, and six #graphical user interface toolkits.
screenshots
http://devarea.com/machine-learning-with-python-introduction/#.Whs6iCehU8o
#Machine_Learning With Python – Introduction
#Numpy is package for multi dimension arrays – very effective implementation
#Scipy – package for scientific programming , mathematics , signal processing and more
#Pandas – package for data handling
#Matplotlib – package for data visualization (graphs)
#Seaborn – extend Matplotlib with statistical graphs
#Scikits – many extensions to spicy for specific fields like x-ray, image processing , deep learning and many more