اپلیکیشن اندرویدی فلش‌کارت آموزشی بهینه‌سازی و تسریع برنامه‌های پایتون با Cython و AsyncIO

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی و تسریع برنامه‌های پایتون با Cython و AsyncIO

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: توسعهٔ برنامه‌های کاربردی با کارایی بالا

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر سرعت در پایتون
• 2. چالش‌های کارایی در پایتون
• 3. نیاز به زبان‌های سطح پایین‌تر
• 4. مقدمه‌ای بر Cython
• 5. نصب و راه‌اندازی Cython
• 6. نوشتن اولین افزونه Cython
• 7. انواع داده در Cython
• 8. تبدیل انواع داده در Cython
• 9. ارث‌بری از کلاس‌های پایتون در Cython
• 10. استفاده از CDEF برای تعریف متغیرهای C
• 11. استفاده از CTDEF برای تعریف توابع C
• 12. بهینه‌سازی حلقه‌ها در Cython
• 13. بهینه‌سازی فراخوانی توابع در Cython
• 14. مدیریت حافظه در Cython
• 15. استفاده از NumPy در Cython
• 16. تکنیک‌های پیشرفته Cython
• 17. اشکال‌زدایی برنامه‌های Cython
• 18. کامپایل Cython برای معماری‌های مختلف
• 19. مقدمه‌ای بر برنامه‌نویسی ناهمگام
• 20. مفهوم Event Loop
• 21. نکودهای (Coroutines) در AsyncIO
• 22. نحوهٔ اجرای نکودها
• 23. مدیریت وظایف (Tasks) در AsyncIO
• 24. همزمانی (Concurrency) با AsyncIO
• 25. شبکه‌سازی ناهمگام با AsyncIO
• 26. کار با سوکت‌های ناهمگام
• 27. تایمرها و تأخیرها در AsyncIO
• 28. مدیریت خطا در AsyncIO
• 29. استفاده از Futures در AsyncIO
• 30. مقدمه‌ای بر Threading
• 31. مقایسه Threading و AsyncIO
• 32. مقدمه‌ای بر Multiprocessing
• 33. مقایسه Multiprocessing و AsyncIO
• 34. استفاده از Cython با AsyncIO
• 35. بهینه‌سازی نکودها با Cython
• 36. فراخوانی توابع C از درون نکودهای AsyncIO
• 37. استفاده از CDEF در نکودهای AsyncIO
• 38. مدیریت داده‌های مشترک بین فرآیندها
• 39. مقدمه‌ای بر پایگاه‌های دادهٔ رابطه‌ای
• 40. کار با پایگاه داده در پایتون
• 41. بهینه‌سازی دسترسی به پایگاه داده
• 42. استفاده از ORMها
• 43. مقدمه‌ای بر پایگاه‌های دادهٔ NoSQL
• 44. کار با پایگاه داده‌های NoSQL
• 45. بهینه‌سازی دسترسی به پایگاه داده‌های NoSQL
• 46. مقدمه‌ای بر معماری میکروسرویس
• 47. طراحی میکروسرویس‌های کارا
• 48. ارتباط بین میکروسرویس‌ها
• 49. مدیریت صف پیام (Message Queue)
• 50. استفاده از Kafka
• 51. استفاده از RabbitMQ
• 52. مقدمه‌ای بر Docker
• 53. کانتینرسازی برنامه‌های پایتون
• 54. استفاده از Docker Compose
• 55. مقدمه‌ای بر Kubernetes
• 56. استقرار برنامه‌های کارا در Kubernetes
• 57. مدیریت منابع در Kubernetes
• 58. مقدمه‌ای بر CI/CD
• 59. خودکارسازی فرآیند ساخت و استقرار
• 60. ابزارهای CI/CD
• 61. مقدمه‌ای بر تست برنامه‌ها
• 62. انواع تست (واحد، یکپارچه‌سازی)
• 63. نوشتن تست‌های کارا
• 64. مقدمه‌ای بر امنیت برنامه‌ها
• 65. تکنیک‌های امن‌سازی برنامه‌های پایتون
• 66. مدیریت مجوزها و دسترسی‌ها
• 67. مقدمه‌ای بر مانیتورینگ برنامه‌ها
• 68. ابزارهای مانیتورینگ
• 69. تحلیل لاگ‌ها و خطاها
• 70. مقدمه‌ای بر Big Data
• 71. پردازش داده‌های حجیم
• 72. ابزارهای پردازش داده‌های حجیم
• 73. مقدمه‌ای بر یادگیری ماشین
• 74. پیاده‌سازی مدل‌های یادگیری ماشین
• 75. بهینه‌سازی مدل‌های یادگیری ماشین
• 76. مقدمه‌ای بر شبکه‌های عصبی
• 77. پیاده‌سازی شبکه‌های عصبی
• 78. بهینه‌سازی شبکه‌های عصبی
• 79. مقدمه‌ای بر پردازش زبان طبیعی
• 80. کار با داده‌های متنی
• 81. بهینه‌سازی پردازش زبان طبیعی
• 82. مقدمه‌ای بر توسعهٔ وب
• 83. فریم‌ورک‌های وب پایتون
• 84. بهینه‌سازی برنامه‌های وب
• 85. مقدمه‌ای بر APIهای RESTful
• 86. طراحی APIهای کارا
• 87. امنیت APIها
• 88. مقدمه‌ای بر GraphQL
• 89. مقایسه REST و GraphQL
• 90. پیاده‌سازی GraphQL
• 91. مقدمه‌ای بر داده‌کاوی
• 92. تکنیک‌های داده‌کاوی
• 93. کاربرد داده‌کاوی
• 94. مقدمه‌ای بر هوش تجاری
• 95. ابزارهای هوش تجاری
• 96. تحلیل داده‌ها برای تصمیم‌گیری
• 97. مقدمه‌ای بر بلاک‌چین
• 98. مفاهیم پایه بلاک‌چین
• 99. کاربرد بلاک‌چین
• 100. مقدمه‌ای بر اینترنت اشیا (IoT)