• Гость, подпишитесь сейчас

    📥 Наш адрес сайта меняется, чтобы быть в курсе актуального адреса, подпишитесь на телеграм канал «Подписаться»
Скачать 

[БХВ] Высокопроизводительный Python. 3-е издание (Миха Горелик, Йен Освальд)

Описание складчины

Читайте [БХВ] Высокопроизводительный Python. 3-е издание (Миха Горелик, Йен Освальд) в удобном формате без необходимости ждать доставку. Складчина позволяет купить электронную книгу значительно дешевле.

Зарегистрируйтесь, чтобы посмотреть контент
Организатор
Организатор
Организую Складчины
Команда форума
Сообщения
678 001
Реакции
16 989
Монеты
325
Оплачено
1
Ссылка на картинку
Книга посвящена методам повышения производительности кода на Python. Рассматриваются профилирование, оптимизация структур данных, векторизация с NumPy, обработка данных с Pandas, Dask и Polars, компиляция с Cython и Numba, асинхронный ввод-вывод, многопроцессорность, кластерные вычисления и работа с большими данными. Приведены практические примеры и реальные кейсы. В третьем издании добавлены разделы о GPU-вычислениях, нейросетях и генеративном ИИ, а также обновлен материал по современным инструментам оптимизации.

Для Python- разработчиков и специалистов по данным

Ваш код на Python может работать правильно, но что если ему нужно работать быстрее? Эта книга покажет вам, как на практике находить узкие места в производительности и значительно ускорять код в программах, работающих с большими объемами данных. В ней объясняются фундаментальные основы, стоящие за типичными проектными решениями, что помогает опытным программистам глубже понять их реализацию на Python.

Как использовать преимущества многоядерных архитектур или компиляции? Или как построить систему, которая масштабируется за пределы оперативной памяти или использует GPU? Авторы предлагают конкретные решения многих проблем и делятся реальными историями из деятельности компаний, которые используют высокопроизводительный код на Python для извлечения данных с помощью генеративного искусственного интеллекта, внедрения машинного обучения в производство и многого другого.

  • Получите глубокое понимание NumPy, Cython и профилировщиков
  • Узнайте, как Python скрывает детали архитектуры компьютера
  • Используйте профилирование для поиска узких мест по загрузке процессора и памяти
  • Выбирайте подходящие структуры данных для повышения эффективности программ
  • Ускоряйте матричные и векторные вычисления
  • Быстро обрабатывайте DataFrames с помощью Pandas, Dask и Polars
  • Ускоряйте нейросети и вычисления на GPU
  • Используйте Cython, Numba и PyPy для компиляции программ на Python в оптимизированный машинный код
  • Управляйте параллельными операциями ввода-вывода и вычислениями
  • Масштабируйте параллельные вычисления на локальные и удаленные кластеры
Страниц 496
Формат скан pdf
Показать больше
 
Зарегистрируйтесь , чтобы посмотреть авторский контент.
cython it-литература numpy pandas polars йен освальд миха горелик
Похожие складчины
Найти больше схожих складчин

Зарегистрируйте учетную запись

У вас появится больше возможностей!

Создать учетную запись

Пройдите быструю регистрацию

Войти

Уже зарегистрированы? Войдите.

Сверху