آموزش محاسبات با کارایی بالا با پایتون 3.x [ویدئو]

سرفصل ها و درس ها

شروع کار با کد پایتون سریعتر و کارآمد Getting Started with Faster and Efficient Python Code

• بررسی اجمالی دوره The Course Overview

• کاوش انواع داده های پایتون Exploring Python Datatypes

• استفاده از عبارات لامبدا Using Lambda Expressions

• درک برای افزایش سرعت Comprehensions for Speedups

• مولدها و تکرار کننده ها Generators and Iterators

• استفاده از دکوراتورها برای تحلیل زمان Using Decorators for Time Analysis

برنامه نویسی موازی در پایتون Parallel Programming in Python

• مقدمه ای بر ماژول Threading Introduction to the Threading Module

• استفاده از Threads with Locks Using Threads with Locks

• قفل مترجم جهانی Global Interpreter Lock

• چند پردازش در پایتون Multiprocessing in Python

• استفاده از مجموعه ای از کارگران Using a Pool of Workers

استفاده از NumPy و SciPy برای افزایش سرعت محاسبات Using NumPy and SciPy to Speedup Computations

• مقدمه ای بر NumPy Introduction to NumPy

• کاوش در آرایه های NumPy Exploring NumPy Arrays

• نمایه سازی در آرایه های NumPy Indexing in NumPy Arrays

• عملیات و پخش در آرایه های NumPy Operations and Broadcasting on NumPy Arrays

• مقایسه عملکرد آرایه های NumPy Performance Comparison of NumPy Arrays

• ترکیب SciPy با NumPy Combining SciPy with NumPy

بهینه سازی کد پایتون با استفاده از Cython Optimizing Python Code Using Cython

• مقدمه ای بر Cython Introduction to Cython

• اجرای برنامه با استفاده از Cython Implement a Program Using Cython

• تجزیه و تحلیل زمانی یک برنامه Cython Time Analysis of a Cython Program

• انواع داده Cython Cython Data Types

• استفاده از توابع Cython Using Cython Functions

• ترکیب NumPy و Cython Combining NumPy and Cython

افزایش سرعت کد پایتون با استفاده از Numba Speeding Up Your Python Code Using Numba

• مقدمه ای بر نومبا Introduction to Numba

• راه اندازی Numba Setting Up Numba

• ایجاد اولین برنامه خود با Numba Creating Your First Program with Numba

• حفاری عمیق تر در Numba Digging Deeper into Numba

• نخ با استفاده از Numba Threading Using Numba

• مقایسه عملکرد با Numba Performance Comparison with Numba

محاسبات توزیع شده با استفاده از پایتون Distributed Computing Using Python

• مقدمه ای بر برنامه نویسی همزمان Introduction to Synchronous Programming

• آشنایی با برنامه نویسی ناهمزمان Understanding Asynchronous Programming

• برنامه نویسی ناهمزمان در پایتون Asynchronous Programming in Python

• معماری سیستم های توزیع شده Distributed Systems Architecture

برنامه نویسی توزیع شده با استفاده از Dask Distributed Programming Using Dask

• مقدمه ای بر Dask Introduction to Dask

• راه اندازی Dask Setting Up Dask

• الگوریتم های مسدود شده و آرایه های Dask Blocked Algorithms and Dask Arrays

• نوشتن اولین برنامه با استفاده از Dask Writing Your First Program Using Dask

• استفاده از @delayed برای موازی کردن کد Using @delayed to Parallelize Code

• مقایسه عملکرد با Dask Performance Comparison with Dask

برنامه نویسی واکنشی با استفاده از پایتون Reactive Programming Using Python

• مقدمه ای بر برنامه نویسی واکنشی Introduction to Reactive Programming

• مشاهدات و مشاهده کنندگان Observables and Observers

• مروری بر اپراتورهای داده Overview of Data Operators

• برنامه نویسی واکنشی در پایتون با استفاده از RxPy Reactive Programming in Python Using RxPy

• استفاده از اپراتورهای داده با RxPy Using Data Operators with RxPy