Python kodunuzu ölçerek hızlandırın
Python performans eğitimi: cProfile, line_profiler, tracemalloc ile profilleme; veri yapısı ve cache optimizasyonu; NumPy, Numba; threading, multiprocessing ve asyncio.
Python performans optimizasyonu
Eğitim, ölçüm odaklı Python optimizasyonunu öğretir: timeit, cProfile, pstats, line_profiler, tracemalloc ve py-spy, doğru veri yapısı seçimi, lru_cache, generator ve __slots__, NumPy vektörel hesaplama, pandas apply yerine vektörel işlem, Numba @njit, GIL etkisi, threading, ProcessPoolExecutor, asyncio ve Python 3.13 free-threading.
4 Gün. Her gün dört modül; 1. gün Profilleme ve Ölçüm; 2. gün Algoritma ve Veri Yapısı Optimizasyonu; 3. gün Vektörel Hesaplama ve Derleme; 4. gün Eşzamanlılık ve Paralellik. Her modül uygulamalı alıştırmalarla pekiştirilir.
İleri Seviye — Python kodunu profilleyip algoritma, NumPy, Numba ve eşzamanlılık ile hızlandırmayı kapsar.
Her teknik gerçekten yavaş çalışan örnek koda uygulanır; profil raporları öncesi-sonrası karşılaştırmalı okunur.
Tahmin yerine profil çıktısıyla darboğazı bulur, doğru yeri iyileştirirsiniz.
NumPy, Numba ve paralellik ile örnek kodlarda çoklu kat hız artışı görürsünüz.
I/O ve CPU işleri için thread, process ve asyncio arasında doğru seçimi yaparsınız.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Sınıflar, istisna yönetimi, modüller ve paketler konusunda iş deneyimi veya eşdeğer bilgi gereklidir.
Python 3.10+, Git, Docker (tercihen) ve bir IDE kurulu dizüstü bilgisayar gereklidir.
Terminal kullanımı, pip/venv ve temel Git komutları bilinmelidir.
HTTP, JSON ve temel veritabanı kavramlarını bilmek uygulamalı bölümleri hızlandırır.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
cProfile ve tracemalloc ile darboğazları ölçüp önceliklendirebilirsiniz
Hash mantığını anlayıp set ve dict aramalarının neden hızlı olduğunu ölçerek gösterebilirsiniz
Doğru veri yapısı, lru_cache ve generator ile kodu hızlandırabilirsiniz
Comprehension ve generator ifadeleriyle okunaklı, bellek dostu kod yazabilirsiniz
Eksik, hatalı tipli ve aykırı verileri temizleyip analize hazır hale getirebilirsiniz
merge, concat ve melt ile farklı tabloları doğrulayarak birleştirebilirsiniz
Zaman aşımı, yeniden deneme ve sayfalama ile dayanıklı API istemcisi yazabilirsiniz
Kapsama ölçümü, statik analiz ve CI hattıyla test sürecini otomatikleştirebilirsiniz
Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.
Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.
pandas ileri özellikler eğitimi: rolling pencereler, transform, kategorik veri, bellek optimizasyonu, Parquet/Arrow, method chaining ve performans.
Detayları Gör →
Python ve Django (PDWAD) eğitimi: MVT, ORM, admin, formlar, CBV, kimlik doğrulama, DRF, test ve Gunicorn/Nginx ile dağıtım.
Detayları Gör →
Ağ otomasyonu için Python (PNA) eğitimi: Netmiko, TextFSM, Jinja2, RESTCONF, NETCONF, NAPALM, Nornir ve Git ile otomatik doğrulama.
Detayları Gör →
pandas ile görselleştirme ve zaman serisi eğitimi: DataFrame.plot, DatetimeIndex, resample, rolling, mevsimsellik ve anomali tespiti.
Detayları Gör →
pandas Series ve DataFrame eğitimi: oluşturma, index ve hizalama, loc/iloc, vektörel işlemler, eksik veri, sıralama, groupby giriş ve dosya işlemleri.
Detayları Gör →