Wczytuję dane...
Zasoby dotyczące bezpieczeństwa i produktów
X
  • Załączniki bezpieczeństwa
    Załczniki do produktu
    Załączniki dotyczące bezpieczeństwa produktu zawierają informacje o opakowaniu produktu i mogą dostarczać kluczowych informacji dotyczących bezpieczeństwa konkretnego produktu
  • Informacje o producencie
    Informacje o producencie
    Informacje dotyczące produktu obejmują adres i powiązane dane producenta produktu.
    helion
  • Osoba odpowiedzialna w UE
    Osoba odpowiedzialna w UE
    Podmiot gospodarczy z siedzibą w UE zapewniający zgodność produktu z wymaganymi przepisami.
Kod EAN: 9788328931244
Waga produktu: 0.774 kg
Realizacja zamówienia: 3 dni
EAN: 9788328931244
Wysyłka: Wysyłka gratis!
Wydawnictwo: helion
KUP TERAZ!

Każdy, kto się zetknął z językiem Python, wie, że jest on prosty i przyjazny dla programistów, ale ma też swoje ograniczenia przy pracy z dużymi wolumenami danych szybko pojawiają się problemy z wydajnością i ze skalowaniem. Niekiedy pomaga mocniejsza konfiguracja sprzętowa, jednak najczęściej kluczowe jest zastosowanie odpowiednich technik programistycznych i właściwych narzędzi.

Dzięki kolejnemu, poszerzonemu i zaktualizowanemu wydaniu tego praktycznego podręcznika zdobędziesz wszechstronną wiedzę o czynnikach wpływających na wydajność kodu. Dowiesz się, jak lokalizować wąskie gardła wydajności i optymalizować kod w programach, które przetwarzają duże wolumeny danych. Lepiej też zrozumiesz zasady implementacji kodu Pythona. W książce poruszono takie zagadnienia jak architektury wielordzeniowe, klastry, skalowanie systemu poza limity pamięci RAM lub z wykorzystaniem procesorów graficznych. Zaprezentowano praktyczne sposoby radzenia sobie z różnymi wyzwaniami, przybliżono również optymalizację kodu Pythona w wielu realnych scenariuszach, w tym na przykład w sytuacji wyodrębniania danych generatywnej sztucznej inteligencji i uczenia maszynowego w wersji produkcyjnej.

W książce:

  • narzędzia NumPy i Cython, a także narzędzia profilujące
  • wyszukiwanie wąskich gardeł wykorzystania czasu procesora i pamięci
  • dobór odpowiednich struktur danych, macierze i wektory
  • przyspieszanie sieci neuronowych i obliczeń opartych na procesorach GPU
  • zarządzanie wieloma operacjami obliczeniowymi i operacjami wejścia-wyjścia
  • przetwarzanie współbieżne w klastrze

To lektura obowiązkowa dla każdego programisty Pythona!

Polecamy także