🔖 Последний шанс на предзаказ! Перевод книги «Сверхбыстрый Python» (Fast Python) завершен, она уже в предпечатной подготовке! Если вы еще не записались на предзаказ на мои промокоды со скидками 22-25%, сейчас самое время оставить свой электронный адрес в комментариях к этому посту или в личке (https://t.me/alexan805), чтобы первым получить заветный промокод!

Как я уже говорил, эта книга не для новичков в Python. Ее полное содержание – в предыдущем посте на канале. Если вы, как и я, проходили курсы, в которых есть Python (вроде «Аналитика данных» и прочих), то наверняка задумывались о том, как бы научиться оптимизировать свой код на медленном по своей природе Python. И эта книга от крутого специалиста по биоинформатике и соавтора пакета Biopython прольет свет на многие вопросы в плане ускорения решений.

Если у вас есть друзья и знакомые из мира Python, киньте им ссылку на этот пост – возможно, им будет интересна эта книга. Кроме того, впереди новые книги по Python, в том числе еще не вышедший Pandas Workout и книга по распределенным вычислениям с Dask.

Книга получилась довольно объемная, с минимумом рисунков и максимумом примеров. Я просто перечислю темы, которые очень полно освещаются в книге, а вы для себя решите, стоит ли (да!))) уделять ей внимание:

– Профилирование кода на Python с поиском узких мест (cProfile, SnakeViz, line_profiler);
– Оптимизация работы базовых структур данных Python: списки, множества и словари и их вычислительная сложность;
– Поиск избыточного выделения памяти, правильная оценка памяти, занимаемой объектами;
– Ленивые вычисления и генераторы для работы с большими данными;
– Конкурентность, многопоточность, многопроцессность, параллелизм, асинхронность, сопрограммы, map-reduce (multiprocessing, threading, concurrent.futures, asyncio) – если вам интересно, как можно запускать обработку в разных процессах и потоках, здесь это всё есть;
– оптимизация работы NumPy: транслирование, векторизация, настройка внутренней архитектуры NumPy;
– Реализация критически важного кода с помощью Cython (обход ограничений GIL, преобразование кода Python в C, параллелизм и профилирование в Cython);
– Иерархия памяти и хранение данных: кеш процессора, Blosc, сжатие данных, библиотека NumExpr, использование протокола UDP;
– Высокопроизводительный pandas и Apache Arrow, взаимодействие pandas с NumPy, Cython и NumExpr, использование сервера Plasma;
– Хранение больших данных: fsspec, Parquet, Zarr;
– Задействование в вычислениях графического процессора: архитектура GPU, использование JIT-компилятора Numba, CuPy, CUDA C;
– Распределенные вычисления с использованием библиотеки Dask: распределенные датафреймы, секционирование, планировщик.

Если вы дочитали до этого момента, значит, вам это интересно. Хотите книгу с промокодами и большими скидками от переводчика? Оставляйте электронный адрес в комментариях к этому посту или в личке (https://t.me/alexan805), и при отправке книги в типографию вы первым получите свой промокод на почту!

Приводите друзей на канал и оставайтесь сами! Впереди много новых переводов, а также моих традиционных розыгрышей книг!