آموزش افزایش سرعت اجرای برنامه ها در Python

دسترسی به اطلاعات این آموزش: اطلاعات کلی محتوا و سرفصل ها پیش نمایش و دانلود اطلاعات تکمیلی دیدگاه ها
آموزش افزایش سرعت اجرای برنامه ها در Python

درباره ناشر

فرادرس
فرادرس

فرادرس بزرگ‌ترین ناشر دیجیتال آموزش‌های تخصصی، دانشگاهی و مهندسی است.

درباره مدرس

مهندس پژمان اقبالی
مهندس پژمان اقبالی

مدرس فرادرس

دانشجوی کارشناسی ارشد مهندسی مکانیک


پژمان اقبالی شمس آبادی دانشجوی سال دوم کارشناسی ارشد دانشگاه علم و صنعت ایران هستند و مشغول انجام کار بر روی پروژه های خود در زمینه های آکوستیک، ارتعاشات و پردازش تصویر هستند. وی به مباحث دینامیک و ارتعاشات و هم چنین برنامه نویسی علاقه مند است. (+)



پایتون یک زبان برنامه نویسی بسیار قدرتمند که استفاده از آن روز به روز در حال افزایش است و می توان با آن خیلی راحت برنامه نویسی کرد و ایده ها را توسعه داد، اما یک مصالحه بین توسعه راحت کد و اجرای برنامه با بیشترین سرعت ممکن وجود دارد. یعنی این که گاهی استفاده از روش های راحت برای برنامه نویسی در پایتون موجب کاهش سرعت برنامه ها می شود و برای افزایش سرعت نیازمند استفاده از روش های پیشرفته تری هستیم.

👤 مدرس: مهندس پژمان اقبالی
🕓 مدت زمان: ۱۴ ساعت و ۲۶ دقیقه
🎓 تعداد دانشجو: ۱۰۵ نفر این آموزش را تهیه کرده اند. — ۱۰۴ نفر در یک ماه اخیر
روش دریافت: لینک دانلود و/یا ارسال فیزیکی

هزینه آموزش: ۳۵,۰۰۰ تومان


آنچه شما در این فرادرس خواهید دید:
آموزش ویدئویی مورد تایید فرادرس
فایل برنامه ها و پروژه های اجرا شده در حین آموزش
فایل PDF یادداشت های مدرس در حین آموزش

تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش، به انتخاب شما:
  • به صورت رایگان یک یا چند آموزش معادل دیگر دریافت می کنید.
  • و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می شود.
    (توضیحات بیشتر +)
دانلود آنی و ارسال سریع
فعال‌سازی آنی لینک دانلود، بلافاصله پس از ثبت سفارش
ارسال پستی به همراه کد رهگیری مرسوله در اولین ساعت اداری روز
ارسال پیک موتوری در تهران، در همان روز ثبت سفارش

(توضیحات بیشتر +)



    توضیحات

    چکیده آموزش


    پایتون یک زبان برنامه نویسی بسیار قدرتمند است که استفاده از آن روز به روز در حال افزایش است و می توان با آن خیلی راحت برنامه نویسی کرد و ایده ها را توسعه داد، اما یک مصالحه بین توسعه راحت کد و اجرای برنامه با بیشترین سرعت ممکن وجود دارد. یعنی این که گاهی استفاده از روش های راحت برای برنامه نویسی در پایتون موجب کاهش سرعت برنامه ها می شود و برای افزایش سرعت نیازمند استفاده از روش های پیشرفته تری هستیم.

    تعداد بسیاری از کسانی که با پایتون کار می کنند با مشکلات CPU یا حافظه محدود رو به رو هستند، بنابراین در این فرادرس به روش هایی برای حل این مشکل اساسی در پایتون پرداخته می شود. روش های مختلفی به منظور افزایش سرعت اجرای برنامه ها ارائه می شود تا مخاطبین این آموزش بتوانند از آن برای حل مشکلات خود در برنامه نویسی استفاده کنند.

     

    فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
    • درس یکم: کارایی پایتون در اجرای برنامه
      • واحدهای اصلی محاسبات در کامپیوتر
        • Computing Unit
        • Amdahl’s Law
        • Memory Unit
        • Communications Layers
      • اجرای برنامه در پایتون برای مقایسه محاسبات ایده آل در مقابل Python Virtual Machine
      • دلیل استفاده از پایتون
    • درس دوم: مشخصه سازی
      • معرفی مساله Julia Set
      • پیاده سازی مساله Julia Set در پایتون
      • بررسی زمان اجرای برنامه Julia Set
      • پروفایلینگ (Profiling) مساله Julia Set با Print
      • پروفایلینگ مساله Julia Set با Timeit
      • پروفایلینگ
        • cProfile Module
        • line_profiler Module
        • memory_profiler Module
      • رسم خروجی memory_profiler با Matplotlib
      • معرفی ابزارهایی برای پروفایلینگ در Python 2
      • ماژول dis برای CPython Bytecode
      • Unit Testing در پایتون
    • درس سوم: داده ساختارهای List و Tuple در پایتون
      • پیاده سازی Linear Search روی List و Tuple
      • پیاده سازی Binary Search روی List و Tuple
      • موارد استفاده List برای بهبود کارایی برنامه
      • موارد استفاده Tuple برای بهبود کارایی برنامه
    • درس چهارم: داده ساختارهای Dictionary و Set در پایتون
      • مفهوم Hash Table
      • Lookup برای Dictionary و List
      • Inserting and Retrieving برای Dictionaries and Sets
      • Hash Function مناسب در پایتون
      • Dictionaries and Namespaces و کاربردش در افزایش کارایی برنامه
    • درس پنجم: کاربرد Iterator و Generator در پایتون
      • مفهوم generator و مساله Fibonacci
      • Iterator برای سری بی نهایت
      • کاربرد generator در خواندن فایل های داده سنگین و پردازش روی آن
      • مفهوم Lazy Generator Evaluation
    • درس ششم: محاسبات ماتریسی و برداری در پایتون
      • معرفی مساله Diffusion و تقریب Euler برای حل عددی
      • پیاده سازی مساله Diffusion به صورت یک بعدی و دو بعدی در پایتون
      • پروفایلینگ مساله Diffusion با استفاده از line_profiler
      • چند راهکار ساده برای بهبود کارایی برنامه
      • Memory Fragmentation
      • ماژول Numpy و بازنویسی مساله Diffusion با استفاده از آن
      • بررسی زمان اجرای مساله Diffusion با و بدون Numpy
      • کاربرد عملیات های In-Place
      • بازنویسی یک تابع Numpy برای شرایط مرزی و تاثیر آن روی زمان اجرای برنامه
      • Numexpr و زمان اجرای برنامه با استفاده از آن
      • استفاده از تابعی از SciPy در مساله Diffusion و بررسی زمان اجرای برنامه
    • درس هفتم: کامپایل کردن کد پایتون به زبان C
      • کامپایلرهای JIT و AOT
      • معرفی Cython
      • استفاده از Cython برای کامپایل کردن مساله Julia Set و بررسی زمان اجرای مساله بعد از کامپایل
      • مشخص کردن Type و تاثیر آن بر سرعت اجرای برنامه
      • استفاده از Numpy در مساله Julia Set و کامپایل با Cython و بررسی زمان اجرای برنامه
      • موازی سازی مساله Julia Set با استفاده از OpenMP
      • Numba برای سرعت بخشیدن به کد پایتون و پیاده سازی روی مساله Julia Set
      • pythran برای سرعت بخشیدن به کد پایتون و پیاده سازی روی مساله Diffusion
    • درس هشتم: هم زمانی (Concurrency) در پایتون
      • مفهوم Concurrency و نحوه پیاده سازی در پایتون
      • پیاده سازی یک برنامه به صورت Concurrent در پایتون و مقایسه زمان اجرا با حالت Non-concurrent
      • Async IO برای Concurrency
      • پیاده سازی چند مساله Concurrent با استفاده از Async IO در پایتون

    نرم افزارهای مرتبط با آموزش

    Python 3.7

    پیش نیاز

    پیش نمایش

    بخش ۱ : کارایی پایتون در اجرای برنامه - ۳۶ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم - حجم دانلود ۲۱ مگابایت (کلیک کنید +)


    پیش نمایش ۲ : مشخصه‌ سازی - ۱۹ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم پیش نمایش - حجم دانلود ۱۸ مگابایت (کلیک کنید +)


    بخش ۳ : داده‌ ساختارهای List و Tuple در پایتون - ۲۹ دقیقه


    توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.

    دانلود مستقیم - حجم دانلود ۲۶ مگابایت (کلیک کنید +)


    بخش ۴ : داده‌ ساختارهای Dictionary و Set در پایتون - ۲۸ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۵ : کاربرد Iterator و Generator در پایتون - ۱۲ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    بخش ۶ : محاسبات ماتریسی و برداری در پایتون - ۲۹ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۷ : کامپایل کردن کد پایتون به زبان C - ۱۳ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.

    پیش نمایش ۸ : هم‌ زمانی (Concurrency) در پایتون - ۱۰ دقیقه


    مشاهده آنلاین و یا دانلود رایگان این پیش نمایش، نیازمند عضویت و ورود به سایت (+) است.


    آموزش‌های پیشنهادی و مرتبط




    اطلاعات تکمیلی

    نام آموزش آموزش افزایش سرعت اجرای برنامه ها در Python
    ناشر فرادرس
    کد آموزش FVPHT97091
    مدت زمان ۱۴ ساعت و ۲۶ دقیقه
    زبان فارسی
    نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
    حجم دانلود ۱۲۰۸ مگابایت     (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)
    تعداد DVD یک عدد (در صورت دریافت غیر آنلاین)


    ​راهنمای تهیه آموزش ها

    آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

    راهنمایی بیشتر ( +)

    در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟ 
    • با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
    • از طریق بخش چت آنلاین، با پشیبان های فرادرس گفتگو کنید.- همه روزهای کاری هفته از ساعت ۸ صبح تا ۱۲ شب
    • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه

    با شروع یادگیری، یک کلیک فاصله دارید. همین حالا شروع کنید.

    آموزش افزایش سرعت اجرای برنامه ها در Python

    هزینه آموزش: ۳۵,۰۰۰ تومان



    سایر آموزش های مهندس پژمان اقبالی




    دیدگاه ها

    تا کنون ۱۰۵ نفراز این آموزش استفاده کرده اند.

    نظر شما در مورد این فرادرس چیست؟

    پاسخ دهید

    نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

    امتیاز شما به این آموزش:



​همین امروز شروع به آموختن کنید​

آموزش افزایش سرعت اجرای برنامه ها در Python

هزینه آموزش: ۳۵,۰۰۰ تومان


برچسب‌ها: , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

دسته های مرتبط: ,



فرادرس در رسانه ها و جشنواره ها

روزنامه ایرانیان مرکز توسعه فناوری اطلاعات و رسانه های دیجیتال روز آفرین نت استارت کنفرانس مهندسی برق ایران جشنواره وب ایران