۴۴٬۰۰۰تومان
نوع فایل دانلود: EPUB
پس از خرید، یک فایل EPUB دریافت می‌کنید.
این فایل با Calibre، Apple Books و سایر کتابخوان‌های دیجیتال مناسب است.
با استفاده از بهینه‌سازی‌های داخلی پایتون، ابزارهای پیشرفته سنجش کارایی و کتابخانه‌های مدرن، برنامه‌هایی سریع، پایدار و با قابلیت استفاده مجدد بالا بنویسید.
ویژگی‌های کلیدی:
- سنجش، تحلیل و تسریع برنامههای پایتون با ابزارهای بهینه‌سازی
- مقیاس‌پذیر کردن برنامه‌ها برای اجرا روی چندین پردازنده با برنامهنویسی همگام و ناهمگام
- پایدار و قابل‌استفاده مجدد کردن برنامه‌ها با الگوهای طراحی کارآمد
توضیحات کتاب:
قابلیت‌های قدرتمند پایتون برای پیاده‌سازی برنامههای پایدار و کارآمد، آن را به یکی از محبوب‌ترین زبان‌های برنامهنویسی تبدیل کرده است.
در این کتاب، ابزارهایی را بررسی می‌کنید که به شما اجازه می‌دهند کارایی را بهبود ببخشید و برنامههای پایتون خود را به سطح بالاتری ارتقا دهید.
کتاب با بررسی کتابخانه‌های داخلی و خارجی آغاز می‌شود که کارهای چرخه توسعه، مانند سنجش کارایی، تحلیل کد و بهینه‌سازی را ساده‌تر می‌کنند. سپس یاد می‌گیرید که چگونه از ابزارهای تخصصی مانند کتابخانه‌ها و کامپایلرهای اختصاصی برای افزایش سرعت در پردازش‌های سنگین عددی، از جمله آموزش مدل‌های یادگیری ماشین، استفاده کنید.
این کتاب موضوع همگام‌سازی را پوشش می‌دهد که راهکار اصلی برای کارآمدتر و مقیاس‌پذیرتر کردن برنامه‌هاست؛ و تکنیک‌های مختلف برنامهنویسی همگام مانند چندرشته‌ای (multithreading)، چندپردازشی (multiprocessing) و برنامهنویسی ناهمگام (asynchronous) را بررسی می‌کند.
همچنین مشکلات رایجی را که باعث بروز رفتارهای نامطلوب در برنامههای همگام می‌شوند، درک خواهید کرد.
در نهایت، با طیف وسیع و متنوعی از الگوهای طراحی، از جمله الگوهای خلقی، ساختاری و رفتاری آشنا می‌شوید که به شما امکان می‌دهند چالش‌های پیچیده در طراحی و معماری را حل کنید و برنامه‌هایی پایدارتر و با قابلیت نگهداری آسان‌تر بسازید.
تا پایان این کتاب، با طیف گسترده‌ای از قابلیت‌های پیشرفته در پایتون آشنا شده و به دانش عملی مورد نیاز برای به کارگیری آن‌ها در پروژه‌های خود مجهز خواهید شد.
آنچه خواهید آمخْت:
- نوشتن کدهای عددی کارآمد با NumPy، pandas و Xarray
- استفاده از Cython و Numba برای رسیدن به کاراییِ کدهای بومی (Native)
- یافتن نقاط ضعف و گلوگاه‌های کد پایتون با ابزارهای تحلیل کد (Profilers)
- بهینه‌سازی مدل‌های یادگیری ماشین با JAX
- پیاده‌سازی برنامههای چندرشته‌ای، چندپردازشی و ناهمگام
- حل مشکلات رایج در برنامهنویسی همگام، مانند بن‌بست‌ها (Deadlocks)
- غلبه بر چالش‌های معماری با استفاده از الگوهای طراحی
این کتاب برای چه کسانی است:
این کتاب برای برنامه‌نویسان سطح متوسط تا باتجربه پایتون نوشته شده است که می‌خواهند برنامههای خود را به شکلی نظام‌مند و پایدار مقیاس‌پذیر کنند. برنامه‌نویسان با پیشینه‌های گوناگون، از جمله مهندسان نرم‌افزار، برنامه‌نویسان حوزه‌های علمی و معماران نرم‌افزار، این کتاب را بسیار کاربردی خواهند یافت.
فهرست مطالب:
- سنجش کارایی و تحلیل کد
- بهینه‌سازی‌های پایتون خالص
- عملیات سریع روی آرایه‌ها با NumPy و Pandas
- کارایی زبان C با Cython
- بررسی کامپایلرها
- مشتق‌گیری خودکار و جبر خطی شتاب‌یافته برای یادگیری ماشین
- پیاده‌سازی برنامهنویسی همگام
- پردازش موازی
- درخواست‌های وب همگام
- پردازش همگام تصویر
- ساخت کانال‌های ارتباطی با asyncio
- بن‌بست‌ها (Deadlocks)
- گرسنگی منابع (Starvation)
- شرایط مسابقه (Race Conditions)
- قفل مفسر جهانی (GIL)
- الگوی کارخانه (Factory Pattern)
- الگوی سازنده (Builder Pattern)
- سایر الگوهای خلقی
- الگوی آداپتور (Adapter Pattern)
- الگوی دکوراتور (Decorator Pattern)
- الگوی پل (Bridge Pattern)
- الگوی نما (Facade Pattern)
- سایر الگوهای ساختاری
- الگوی زنجیره مسئولیت (Chain of Responsibility Pattern)
- الگوی فرمان (Command Pattern)
- الگوی ناظر (Observer Pattern)
Write fast, robust, and highly reusable applications using Python's internal optimization, state-of-the-art performance-benchmarking tools, and cutting-edge librariesKey Features Benchmark, profile, and accelerate Python programs using optimization tools Scale applications to multiple processors with concurrent programming Make applications robust and reusable using effective design patterns Book Description Python's powerful capabilities for implementing robust and efficient programs make it one of the most sought-after programming languages.In this book, you'll explore the tools that allow you to improve performance and take your Python programs to the next level.This book starts by examining the built-in as well as external libraries that streamline tasks in the development cycle, such as benchmarking, profiling, and optimizing. You'll then get to grips with using specialized tools such as dedicated libraries and compilers to increase your performance at number-crunching tasks, including training machine learning models.The book covers concurrency, a major solution to making programs more efficient and scalable, and various concurrent programming techniques such as multithreading, multiprocessing, and asynchronous programming.You'll also understand the common problems that cause undesirable behavior in concurrent programs.Finally, you'll work with a wide range of design patterns, including creational, structural, and behavioral patterns that enable you to tackle complex design and architecture challenges, making your programs more robust and maintainable.By the end of the book, you'll be exposed to a wide range of advanced functionalities in Python and be equipped with the practical knowledge needed to apply them to your use cases.What you will learn Write efficient numerical code with NumPy, pandas, and Xarray Use Cython and Numba to achieve native performance Find bottlenecks in your Python code using profilers Optimize your machine learning models with JAX Implement multithreaded, multiprocessing, and asynchronous programs Solve common problems in concurrent programming, such as deadlocks Tackle architecture challenges with design patterns Who this book is for This book is for intermediate to experienced Python programmers who are looking to scale up their applications in a systematic and robust manner. Programmers from a range of backgrounds will find this book useful, including software engineers, scientific programmers, and software architects.Table of Contents Benchmarking and Profiling Pure Python Optimizations Fast Array Operations with NumPy and Pandas C Performance with Cython Exploring Compilers Automatic Differentiation and Accelerated Linear Algebra for Machine Learning Implementing Concurrency Parallel Processing Concurrent Web Requests Concurrent Image Processing Building Communication Channels with asyncio Deadlocks Starvation Race Conditions The Global Interpreter Lock The Factory Pattern The Builder Pattern Other Creational Patterns The Adapter Pattern The Decorator Pattern The Bridge Pattern The Facade Pattern Other Structural Patterns The Chain of Responsibility Pattern The Command Pattern The Observer Pattern
هنر
رایانه و برنامهنویسی
زبان انگیسی (رایگان)
درسی و کمک درسی (رایگان)