Koden din i Python kan kjøre korrekt, men du trenger at den kjører raskere. Denne utvidede utgaven, oppdatert for Python 3, viser deg hvordan du lokaliserer ytelsesflaskehalser og betydelig akselererer koden din i programmer med høyt datavolum.. Ved å utforske den grunnleggende teorien bak designvalg, hjelper High Performance Python deg med å få en dypere forståelse av Pythons implementasjon.
Hvordan utnytter du flerkjernearkitekturer eller klynger? Eller bygge et system som skalerer opp og ned uten å miste pålitelighet? Erfarne Python-programmerere vil lære konkrete løsninger på mange problemer, sammen med krigshistorier fra selskaper som bruker høyytelses-Python for analyse av sosiale medier, produksjonsklar maskinlæring og mer.
Få et bedre grep om NumPy, Cython og profileringsverktøy
Lær hvordan Python abstraherer den underliggende datamaskinarkitekturen
Bruk profilering for å finne flaskehalser i CPU-tid og minnebruk
Skriv effektive programmer ved å velge passende datastrukturer
Akselerer matrise- og vektorberegninger
Bruk verktøy for å kompilere Python ned til maskinkode
Administrer flere I/O- og beregningsoperasjoner samtidig
Konverter flerprosessorkode til å kjøre på lokale eller eksterne klynger
Distribuer kode raskere ved hjelp av verktøy som Docker
om forfatteren
Micha Gorelick var medgrunnlegger av Fast Forward Labs som resident gal vitenskapsmann. Selskapet ble kjøpt opp av Cloudera i 2017. Hun jobber med mange problemstillinger fra maskinlæring til effektive strømalgoritmer.
Ian er sjefsdataforsker og coach. Han er medarrangør av den årlige PyDataLondon-konferansen med over 700 deltakere og det tilhørende månedlige møtet med over 10 000 medlemmer.. Han leder det etablerte datavitenskapskonsulentselskapet Mor Consulting i London og holder konferanseforedrag internasjonalt, ofte som hovedtaler.. Han har 17 års erfaring som senior data science-leder, trener og teamcoach.. For moro skyld har han gått tur med sin energiske springerspaniel, surfer på Cornwalls kyst og drikker god kaffe.
