آموزش عملکرد پایتون 3

Python 3 Performance

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: توسعه دهندگان پایتون عاشق بهره وری بالای پایتون هستند. متاسفانه، بسیاری از برنامه های پایتون از عملکرد کند رنج می برند. این دوره در مورد رویکردهای مشخص برای بهبود عملکرد برنامه های پایتون شما است. آیا برنامه های پایتون شما به کندی اجرا می شوند؟ اگر بله، این دوره آموزشی Python 3 Performance به شما رویکردهای مشخصی برای افزایش سرعت برنامه های کاربردی پایتون ارائه می دهد. ابتدا یاد خواهید گرفت که چگونه عملکرد برنامه های پایتون را اندازه گیری کنید. در مرحله بعد، نحوه نوشتن کدهای سریعتر پایتون را با استفاده از ساختارهای داده مناسب کشف خواهید کرد. در نهایت، یاد خواهید گرفت که چگونه با استفاده از Thread ها، asyncio و فرآیندهای دیگر، برنامه های خود را سرعت بخشید. این دوره را بگذرانید و برنامه های پایتون خود را سریعتر کنید!

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

اندازه گیری کارایی Measuring Performance

  • درک عملکرد Understanding Performance

  • استراتژی برای بهبود عملکرد Strategy to Improve Performance

  • روش های اساسی برای اندازه گیری عملکرد Basic Ways to Measure Performance

  • چرا پروفایل؟ Why Profile?

  • پروفایل های بیشتر More Profilers

  • تجسم پروفایل سازی داده ها Visualizing Profiling Data

استفاده از ساختارهای داده مناسب Using the Right Data Structures

  • کدام ساختار داده سریعتر است؟ Which Data Structure Is Faster?

  • مقایسه لیست ها و آرایه ها Comparing Lists and Arrays

  • مقایسه مجموعه ها و تاپل ها Comparing Sets and Tuples

  • مقایسه صف و دک Comparing Queues and Deques

  • استفاده از دیکشنری ها Using Dictionaries

  • مقایسه Dataclass، Dictionary و NamedTuple Comparing Dataclass, Dictionary, and NamedTuple

بهینه سازی کد پایتون Optimizing Python Code

  • ذخیره سازی Caching

  • برای درک فهرست در مقابل For vs. List Comprehension

  • تکرارهای کارآمد با ژنراتورها Efficient Iterations with Generators

  • الحاق سریع رشته ها Fast Concatenation of Strings

  • اجازه یا بخشش؟ Permission or Forgiveness?

  • توابع سریعتر Faster Functions

  • بهینه سازی محاسبات عددی Optimizing Numerical Calculations

  • بهینه سازی های مبتنی بر مترجم Interpreter-based Optimizations

  • بهینه سازی های مخاطره آمیز Risky Optimizations

استفاده از موضوعات بیشتر Using More Threads

  • موضوعات چیست؟ What Are Threads?

  • چالش های کار با نخ ها Challenges of Working with Threads

  • زمان استفاده از Multithreading When to Use Multithreading

استفاده از کد ناهمزمان Using Asynchronous Code

  • کد ناهمزمان Asynchronous Code

  • چالش های کار با asyncio Challenges of Working with asyncio

  • زمان استفاده از asyncio When to Use asyncio

استفاده از فرآیندهای بیشتر Using More Processes

  • موازی سازی مبتنی بر فرآیند Process-based Parallelism

  • ارتباطات فرآیندها Processes Communication

  • زمان استفاده از فرآیندهای بیشتر When to Use More Processes

  • مقیاس بندی از یک به ماشین های بیشتر Scaling from One to More Machines

  • خلاصه Summary

نمایش نظرات

آموزش عملکرد پایتون 3
جزییات دوره
2h 58m
33
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
از 5
دارد
دارد
دارد
Dan Tofan
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Dan Tofan Dan Tofan

دن دهه ها پیش برنامه نویسی را بر روی Clone Spectrum آغاز كرد و فعالیت حرفه ای برنامه نویسی خود را از سال 2003 آغاز كرد. دن با اشتیاق به یادگیری برای تحصیل در دانشگاه گرونینگن به هلند مهاجرت كرد. اکنون ، دان به پایان نامه دکترای خود در زمینه تصمیم گیری و کسب دانش در معماری نرم افزار و حدود دوازده نشریه با صدها استناد افتخار می کند. دن سالها از فناوریهای مایکروسافت استفاده می کرد ، اما به تدریج به پایتون ، لینوکس و AWS مهاجرت کرد تا اطلاعات بیشتری در مورد دنیای رایانه کسب کند. در حال حاضر ، دان یک برنامه نویس تمام وقت پایتون در دفتر رومانی یک شرکت جهانی در حوزه تحقیق است.