Chazallet Sébastien

Ai-je déjà eu l'occasion de vous préciser à quel point PostgreSQL est une base de données impressionnante ? On ne le dit jamais assez, PostgreSQL est la base de données client-serveur offrant les meilleures performances et les plus diverses possibilités.Cet article va vous présenter multicorn, une extension permettant d'intégrer des données présentes ailleurs. Les fichiers de démonstration seront téléchargeables.

Requests est une bibliothèque Python dont l'objectif est de rendre HTTP accessible aux humains. C'est la bibliothèque du Web d'aujourd'hui. En effet, la plupart de ce qui existe demande de fournir une quantité faramineuse de travail pour effectuer des tâches pourtant relativement simples. C'est l'arsenal idéal pour utiliser des services web ou faire du Web crawling.

PrestaShop est une solution de commerce électronique open source très populaire et très utilisée. Elle dispose d'une large palette de modules, qui permettent de l'adapter assez simplement à de nombreux besoins. La version 1.5, sortie en 2012, offrait une extension notable de son périmètre fonctionnel ; la version 1.6, sortie en mars 2014, vient notamment lui ajouter le côté « responsive », qui est le nouvel impératif des solutions web actuelles. Nous allons présenter cette solution et quelques-uns des nombreux modules disponibles.

Il existe déjà un certain nombre de CRM (gestionnaires de relation client), y compris dans le monde libre, qui ont tous leurs avantages ou inconvénients et qui peuvent convenir à diverses méthodes commerciales. OroCRM se distingue parce qu'il cible en particulier les boutiques en ligne. Son objectif est d'analyser finement les achats et les paniers abandonnés, afin de créer des segments d'action marketing adéquats.

On ne peut concevoir une application sans aucune donnée et dans le monde informatique, le stockage de données implique très souvent l'utilisation de bases de données relationnelles. Dans ce contexte, le SQL est un langage qu'il est indispensable de maîtriser. Au minimum, il est important de comprendre les bases du fonctionnement d'une base de données relationnelle. C'est ce que l'on se propose de voir dans cet article.

NumPy est aujourd'hui une bibliothèque de référence pour le calcul scientifique. Elle permet de déclarer des polynômes, vecteurs, matrices ou tableaux multidimensionnels et de les manipuler à l'aide de fonctions mathématiques de haut niveau.

Lorsque l'on réalise certaines opérations complexes, la recherche de performances est une clé importante. Il y a beaucoup d'options pour rendre un algorithme performant, mais on n'a pas forcément accès à un serveur de 32 processeurs et disposant de 64 Go de RAM ! On se contente en général d'un seul CPU dont les meilleurs ont deux, quatre ou huit cœurs.

SciPy est l'autre grande bibliothèque pour le calcul scientifique. Pour être plus précis, il s'agit aussi d'un projet qui a pour vocation de réunir diverses bibliothèques en une seule (dont NumPy et Matplotlib), le tout offrant un large ensemble de fonctionnalités dédiées au calcul scientifique.

Quel peut être l'intérêt de paralléliser un traitement ? Pourquoi et comment cela rend-il le programme plus rapide ? Quelle est la différence entre tâches et processus ? Lequel utiliser pour résoudre ma problématique ? Entrez dans les méandres de la programmation parallèle et découvrez à quel point paralléliser un programme peut être simple en Python.