Vysoko výkonný Python: Praktické výkonné programovanie pre ľudí

Recenzie čitateľov

Kniha je oceňovaná za dôkladné pokrytie pokročilých programovacích techník jazyka Python, najmä pokiaľ ide o optimalizáciu výkonu a pamäte. Poskytuje praktické príklady a vysokokvalitný obsah, vďaka čomu je vhodná pre stredne pokročilých používateľov. Niektorí čitatelia ju však považujú za príliš dlhú so zbytočným výplňovým obsahom, mätúcim štýlom písania a nedostatočnou hĺbkou v niektorých oblastiach.

Hlboké metódy profilovania programov v jazyku Python, kvalitné príklady, komplexné pokrytie výkonnosti a správy pamäte, dobre štruktúrovaný obsah, ktorý slúži ako učebný nástroj aj referencia, napísaný skúsenými autormi, ponúka užitočné poznatky o interakcii jazyka Python s počítačovou architektúrou.

Kniha sa považuje za príliš dlhú s množstvom výplne, niektoré príklady sú príliš zložité, štýl písania je trhaný a mätúci a niektoré témy nemajú dostatočnú hĺbku, najmä pokiaľ ide o konkrétne moduly a praktické príklady.

(na základe 14 čitateľských recenzií)

Pôvodný názov:

High Performance Python: Practical Performant Programming for Humans

Obsah knihy:

Váš kód v jazyku Python môže bežať správne, ale potrebujete, aby bežal rýchlejšie. Toto rozšírené vydanie, aktualizované pre Python 3, vám ukáže, ako nájsť úzke miesta výkonu a výrazne zrýchliť kód v programoch s veľkým objemom dát. Skúmaním základnej teórie stojacej za návrhovými rozhodnutiami vám High Performance Python pomôže hlbšie pochopiť implementáciu jazyka Python.

Ako využiť výhody viacjadrových architektúr alebo klastrov? Alebo vytvoriť systém, ktorý sa škáluje nahor a nadol bez straty spoľahlivosti? Skúsení programátori v jazyku Python sa dozvedia konkrétne riešenia mnohých problémov spolu s vojnovými príbehmi zo spoločností, ktoré používajú vysoko výkonný Python na analýzu sociálnych médií, produkčné strojové učenie a ďalšie.

⬤ Získajte lepší prehľad o NumPy, Cythone a profilovačoch.

⬤ Zistite, ako Python abstrahuje základnú počítačovú architektúru.

⬤ Používajte profilovanie na hľadanie úzkych miest v čase procesora a vo využití pamäte.

⬤ Písať efektívne programy výberom vhodných dátových štruktúr.

⬤ Zrýchliť maticové a vektorové výpočty.

⬤ Používať nástroje na kompiláciu jazyka Python do strojového kódu.

⬤ Spravovať viacero I/O a výpočtových operácií súčasne.

⬤ Konvertovať viacprocesorový kód na beh na lokálnych alebo vzdialených klastroch.

⬤ Rýchlejšie nasadzovanie kódu pomocou nástrojov, ako je Docker.