لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش محاسبات با کارایی بالا با پایتون 3.x [ویدئو]
High-Performance Computing with Python 3.x [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
پایتون یک زبان برنامه نویسی همه کاره است. اکنون بسیاری از صنایع از پایتون برای پروژه های محاسباتی با کارایی بالا استفاده می کنند.
این دوره به شما یاد می دهد که چگونه از پایتون در معماری های موازی استفاده کنید. شما یاد خواهید گرفت که از قدرت NumPy، SciPy و Cython برای سرعت بخشیدن به محاسبات استفاده کنید. سپس با بهینهسازی بخشهای حیاتی هسته با استفاده از ابزارهای مختلف آشنا میشوید. همچنین یاد خواهید گرفت که چگونه برنامه نویس خود را با استفاده از Numba بهینه کنید. شما یاد خواهید گرفت که چگونه محاسبات در مقیاس بزرگ را با استفاده از Dask انجام دهید و برنامه های کاربردی توزیع شده را در پایتون پیاده سازی کنید. در نهایت، با استفاده از برنامه نویسی Reactive، برنامه های قوی و پاسخگو می سازید.
در پایان، دانش کاملی از رایج ترین ابزارها برای شروع HPC با پایتون به دست خواهید آورد.
همه فایل های کد در GitHub در این لینک قرار دارند https://github.com/PacktPublishing/High-Performance-Computing-with-Python-3.x
[*]از عبارات لامبدا، مولدها و تکرارکنندهها برای افزایش سرعت کد خود استفاده کنید.
[*] درک کاملی از چند پردازش و چند رشته در پایتون.
[*]با استفاده از NumPy، SciPy و Cython برای محاسبات عددی، عملکرد و کارایی را بهینه کنید.
[*]داده های بزرگ را با استفاده از Dask در یک تنظیمات توزیع شده بارگیری کنید.
[*]از قدرت Numba استفاده کنید تا برنامه های پایتون خود را سریعتر اجرا کنید.
[*]برنامه های واکنشی با استفاده از پایتون بسازید.
این دوره به برنامه نویسان پایتون، تحلیلگران داده و متخصصان مشتاق علم داده که با برنامه نویسی پایه پایتون آشنا هستند کمک می کند تا مجموعه مهارت های خود را به گونه ای گسترش دهند که کد خود را مقیاس بندی کرده و عملکرد کد خود را بهبود بخشند. [*]تسلط بر استفاده از NumPy، SciPy، و Cython برای سرعت بخشیدن به محاسبات عددی خود. * [*]از قدرت چند پردازشی و چند رشته ای در پایتون برای موازی سازی استفاده کنید. * [*]تسلط بر استفاده از Dask برای مدیریت داده های بزرگ در تنظیمات توزیع شده و برنامه های واکنشی در پایتون. * *
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
نمایش نظرات
Packtpub یک ناشر دیجیتالی کتابها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرمافزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتابها، ویدیوها و دورههای آموزشی میپردازد که به توسعهدهندگان و متخصصان فناوری اطلاعات کمک میکند تا مهارتهای خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامهنویسی، توسعه وب، دادهکاوی، امنیت سایبری و هوش مصنوعی را پوشش میدهد. محتوای این منابع به صورت کاربردی و بهروز ارائه میشود تا کاربران بتوانند دانش و تواناییهای لازم برای موفقیت در پروژههای عملی و حرفهای خود را کسب کنند.
محمد کاشف به عنوان یک دانشمند داده در Nineleaps هند کار می کند و بیشتر با تجزیه و تحلیل داده های نموداری سر و کار دارد. قبل از این، او به عنوان یک توسعه دهنده پایتون در کوالکام کار می کرد. او مدرک کارشناسی ارشد خود را در رشته علوم کامپیوتر از IIIT دهلی با تخصص در مهندسی داده به پایان رساند. زمینه های مورد علاقه او شامل سیستم های توصیه کننده، NLP و تجزیه و تحلیل گراف است. در اوقات فراغت خود، او دوست دارد سؤالات را در StackOverflow حل کند و به رفع اشکال افراد دیگر از بدبختی آنها کمک کند. او همچنین یک دستیار آموزشی با تجربه با سابقه کار در صنعت آموزش عالی است.
نمایش نظرات