آموزش کد پایتون سریعتر - آخرین آپدیت

دانلود Faster Python Code

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

با بهینه سازی کد پایتون خود ، می توانید اطمینان حاصل کنید که کد شما از منابع کمتری استفاده می کند و سریعتر از گذشته کار می کند. در این دوره پیشرفته ، نکات و تکنیک هایی را کشف کنید که می تواند به شما در بهینه سازی کد خود کمک کند تا آن را کارآمدتر کنید. مربی Miki Tebeka ابزارهای عمومی تجارت را پوشش می دهد ، از جمله نحوه بهره برداری از ابزارهایی که Python برای اندازه گیری زمان ارائه می دهد ، و نحوه استفاده از Line_Profiler برای به دست آوردن اطلاعات پروفایل خط به خط. MiKi همچنین نحوه انتخاب ساختارهای داده مناسب را به اشتراک می گذارد ، چگونه الگوریتم های تقریبی می توانند کد شما را سرعت بخشند ، و نحوه استفاده از NUMPY برای محاسبه عددی سریع. او این دوره را با بحث در مورد چگونگی ادغام عملکرد در فرآیند خود پایان می دهد.

این دوره با CodeSpaces GitHub ، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به تنظیمات محلی محلی ارائه می دهد ، یکپارچه شده است. با استفاده از Codepaces GitHub ، می توانید از هر دستگاهی ، در هر زمان استفاده کنید-همه در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد. برای یادگیری نحوه شروع کار ، از فیلم "استفاده از CodeSpaces GitHub با این دوره" دیدن کنید.


سرفصل ها و درس ها

مقدمه Introduction

  • خوش آمدی Welcome

  • آنچه باید بدانید What you should know

  • با این دوره از Codespaces استفاده کنید Use Codespaces with this course

1. ابزار تجارت 1. Tools of the Trade

  • همیشه اول نمایه کنید Always profile first

  • نکات کلی General tips

  • اندازه گیری زمان Measuring time

  • پروفایل CPU CPU profiling

  • line_profiler line_profiler

  • ردیابی تخصیص حافظه Tracing memory allocations

  • حافظه_فروشنده memory_profiler

2. چیدن ساختار داده مناسب 2. Picking the Right Data Structure

  • نماد بزرگ-O Big-O notation

  • بیتکت bisect

  • گوزن deque

  • انبوه heapq

  • فراتر از کتابخانه استاندارد Beyond the standard library

3. ترفندهای تجارت 3. Tricks of the Trade

  • ذخیره محلی نامها Local caching of names

  • تماسهای عملکرد را حذف کنید Remove function calls

  • با استفاده از __slots__ Using __slots__

  • ساخته شده Built-ins

  • اختصاص دادن Allocate

4. ذخیره سازی 4. Caching

  • بررسی اجمالی Overview

  • پیش محاسبه Pre-calculating

  • lru_cache lru_cache

  • جابلیب Joblib

5. تقلب 5. Cheating

  • وقتی تقریب به اندازه کافی خوب باشد When approximation is good enough

  • مثال تقلب Cheating example

6. محاسبات موازی 6. Parallel Computing

  • قانون Amdahl Amdahl's Law

  • موضوعات Threads

  • مراحل Processes

  • asyncio asyncio

7. فراتر از پایتون 7. Beyond Python

  • NumPy NumPy

  • نومبا Numba

  • سیتون Cython

  • پیپی PyPy

  • پسوندهای C C extensions

8. اضافه کردن بهینه سازی به فرآیند شما 8. Adding Optimization to Your Process

  • چرا ما نیاز به یک فرآیند داریم؟ Why do we need a process?

  • طراحی و بررسی کد Design and code reviews

  • معیار Benchmarks

  • نظارت و هشدار Monitoring and alerting

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

آموزش کد پایتون سریعتر
جزییات دوره
2h 5m
40
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
87,871
- از 5
ندارد
دارد
دارد
Miki Tebeka
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Miki Tebeka Miki Tebeka

مدیر عامل در 353Solutions

Miki Tebeka مدیرعامل 353Solutions است.

در کار خود در 353Solutions، Miki کارگاه های عملی ارائه می دهد که به متخصصان کمک می کند درک خود را از Python تقویت کنند. و برو. علاوه بر این، او خدمات مشاوره ای متناسب با تخصص در ساخت زیرساخت های کلان داده را ارائه می دهد. همانطور که کار او در 353Solutions نشان می دهد، او در Python and Go و همچنین C++، JavaScript، Clojure و موارد دیگر مهارت بالایی دارد.