آموزش سریعتر کد پایتون

Faster Python Code

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: با بهینه سازی کد پایتون ، می توانید اطمینان حاصل کنید که کد شما از منابع کمتری استفاده می کند و سریعتر از آنچه در گذشته کار می کرد ، اجرا می شود. در این دوره پیشرفته ، نکات و تکنیک هایی را جستجو کنید که به شما کمک می کند کد خود را برای کارآیی بیشتر بهینه کنید. مربی Miki Tebeka ابزارهای عمومی تجارت را شامل می شود ، از جمله چگونگی استفاده از ابزارهایی که پایتون برای اندازه گیری زمان ارائه می دهد و نحوه استفاده از line_profiler برای دریافت اطلاعات پروفایل خط به خط. Miki همچنین نحوه انتخاب ساختارهای داده مناسب ، چگونگی الگوریتم های تقریب برای سرعت بخشیدن به کد شما و نحوه استفاده از NumPy برای محاسبه سریع عددی را به اشتراک می گذارد. او دوره را با بحث در مورد چگونگی ادغام عملکرد در روند کار خود به پایان می برد.
موضوعات شامل:
  • قوانین بهینه سازی
  • زمان اندازه گیری
  • استفاده از line_profiler
  • انتخاب ساختار داده مناسب
  • استفاده از ماژول bisect
  • تخصیص حافظه در پایتون
  • ذخیره سازی ، تقلب و محاسبات موازی
  • NumPy ، Numba و Cython
  • طراحی و بررسی کد

سرفصل ها و درس ها

مقدمه Introduction

  • خوش آمدی Welcome

  • آنچه باید بدانید What you should know

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 سریعتر کد پایتون
جزییات دوره
2h 4m
39
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
37,541
- 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.