Ускоряем код и учимся использовать данные. Анонс Python meetup от Evrone

17 мая 2022, 16:52
0

Ускоряем код и учимся использовать данные. Анонс Python meetup от Evrone

Не секрет, что Python медленный, и для его ускорения придумали множество вариантов. Один из них — использование C/C++. Но если опыта не хватает, можно сделать только хуже.
Ускоряем код и учимся использовать данные. Анонс Python meetup от Evrone

На очередном Python meetup спикеры из Утконоса и Duckstax расскажут как делать это правильно или не делать вовсе, но получать не менее эффективное ускорение. А коллеги из Яндекса поделятся опытом построения рекомендательных систем на основе Big Data.

Посмотреть доклады в прямом эфире и задать вопросы спикерам можно будет 25 мая в 19:00 на платформе Tulula. Для этого необходима регистрация по ссылке.

Как мы ускоряли код — Python + numba

Андрей Корчагин, Middle Python Developer Утконос ОНЛАЙН

«Есть довольно много вариантов, как ускорить Python, в том числе замена интерпретатора. Эталонная реализация — CPython, но есть еще PyPy. Если перейти с CPython на PyPy, скорее всего код будет быстрее, но при этом не факт, что все библиотеки будут работать как вы этого ожидали, некоторые придется перекомпилировать, а некоторые могут не завестись вообще. Я расскажу о том, как добиться сильного ускорения кода минимальным набором дополнительных строк».

Как вызвать C++ из Python и не стать медленнее

Александр Боргардт, Tech Lead Duckstax

«У питонистов есть простое правило: хочешь сделать быстро — пиши нативный код. Это действительно так, когда нативный код пишут опытные разработчики. А вот те, кто только начал погружаться в волшебный мир C/C++ кода могут столкнуться с тем, что их код стал не быстрее, а медленнее. Почему? Потому что неявные накладные расходы при вызове нативного кода из Python. Подробнее в моем докладе».

RecSys Cookbook: строим рекомендательную систему на Python без глубоких знаний математики

Пётр Ермаков ML Brand Director Yandex

«Компании все больше и больше собирают данные о своих пользователях, на этих данных можно сделать множество интересных и полезных продуктов. В докладе мы рассмотрим набор рецептов по созданию рекомендательной системы на Python не углубляясь в теорию. Возможно, рецепты вдохновят вас узнать про лежащие в основе методы больше, но в любом случае сразу после доклада у вас будет понимание, как применять полученные методы у себя в работе».

Вакансии

Если вы ищете, где применить глубокие знания Python на практике, вам сюда! Мы предлагаем разнообразные и сложные проекты в разных областях, поэтому открыты для профессионалов. А ещё мы оплачиваем разработку open source, образовательные мероприятия и помогаем делиться экспертизой с другими. Связаться с нами можно просто перейдя по ссылке.

Ответить?
Введите капчу