Faradars Discount
۵۱٪ تخفیف جشنواره سال نو فرادرس کد تخفیف: NWYR98
Faradars Discount
فرصت باقیمانده تخفیف ویژه

آموزش افزایش سرعت اجرای برنامه ها در Python (پایتون) – پیش ثبت نام

دسترسی به اطلاعات این آموزش: اطلاعات کلی محتوا و سرفصل ها پیش نمایش و دانلود اطلاعات تکمیلی دیدگاه ها

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 هست و مشغول انجام کار بر روی پروژه های خود در زمینه های آکوستیک و ارتعاشات و پردازش تصویر می باشد. وی به مباحث دینامیک و ارتعاشات و هم چنین به برنامه نویسی علاقه مند است. (+)



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 اینکه 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.

👤 مدرس: مهندس پژمان اقبالی
روش دریافت: لینک دانلود و/یا ارسال فیزیکی

وضعیت انتشار در مرحله انتشار
زمان تقریبی انتشار ۱ تا ۴ هفته

درخواست اطلاع رسانی انتشار این آموزش

این آموزش در آخرین مراحل انتشار است و به زودی در فرادرس ارائه عمومی آن آغاز خواهد شد. شما می توانید با وارد کردن ایمیل خود، در اولین زمان، از انتشار نهایی این آموزش مطلع شوید.

مزایای درخواست اطلاع رسانی انتشار:

  • مطلع شدن از انتشار آموزش در اولین زمان پس از انتشار
  • دادن بیشترین اولویت انتشار به آموزش های مورد نظر خود (آموزش های با بیشترین پیش ثبت نام، با اولویت بیشتری منتشر می شوند)
  • دریافت تخفیف ویژه به هنگام انتشار، مختص افرادی که درخواست اطلاع رسانی در یک آموزش داشته اند.




    توضیحات

    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 اینکه 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 با استفاده از cProfile Module
      • پروفایلینگ با استفاده از line_profiler Module
      • پروفایلینگ با استفاده از 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 بصورت 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

    اطلاعات تکمیلی

    نام آموزش آموزش افزایش سرعت اجرای برنامه ها در Python (پایتون) – پیش ثبت نام
    ناشر فرادرس
    کد آموزش FVPHT97091
    زبان فارسی
    نوع آموزش آموزش ویدئویی     (کیفیت HD - مورد تایید فنی فرادرس)
    تعداد DVD یک عدد (در صورت دریافت غیر آنلاین)



    سایر آموزش های مهندس پژمان اقبالی




    دیدگاه ها

    نظر شما در مورد این فرادرس چیست؟

    امتیاز شما به این آموزش:

    *




درخواست اطلاع رسانی انتشار این آموزش

این آموزش در آخرین مراحل انتشار است و به زودی در فرادرس ارائه عمومی آن آغاز خواهد شد. شما می توانید با وارد کردن ایمیل خود، در اولین زمان، از انتشار نهایی این آموزش مطلع شوید.

مزایای درخواست اطلاع رسانی انتشار:

  • مطلع شدن از انتشار آموزش در اولین زمان پس از انتشار
  • دادن بیشترین اولویت انتشار به آموزش های مورد نظر خود (آموزش های با بیشترین پیش ثبت نام، با اولویت بیشتری منتشر می شوند)
  • دریافت تخفیف ویژه به هنگام انتشار، مختص افرادی که درخواست اطلاع رسانی در یک آموزش داشته اند.



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




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