ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Python for Geeks: Build production-ready applications using advanced Python concepts and industry best practices

دانلود کتاب Python for Geeks: ساخت برنامه های آماده برای تولید با استفاده از مفاهیم پیشرفته Python و بهترین شیوه های صنعت

Python for Geeks: Build production-ready applications using advanced Python concepts and industry best practices

مشخصات کتاب

Python for Geeks: Build production-ready applications using advanced Python concepts and industry best practices

ویرایش:  
نویسندگان:   
سری:  
ISBN (شابک) : 1801070113, 9781801070119 
ناشر: Packt Publishing 
سال نشر: 2021 
تعداد صفحات: 546 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 7 مگابایت 

قیمت کتاب (تومان) : 32,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 4


در صورت تبدیل فایل کتاب Python for Geeks: Build production-ready applications using advanced Python concepts and industry best practices به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب Python for Geeks: ساخت برنامه های آماده برای تولید با استفاده از مفاهیم پیشرفته Python و بهترین شیوه های صنعت نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب Python for Geeks: ساخت برنامه های آماده برای تولید با استفاده از مفاهیم پیشرفته Python و بهترین شیوه های صنعت



مهارت‌های پایتون خود را برای توسعه برنامه‌های مقیاس‌پذیر و واقعی برای استقرار محلی و همچنین فضای ابری ارتقا دهید

ویژگی‌های کلیدی

< ul>
  • همه نمونه‌های کد با Python 3.7 و Python 3.8 تست شده‌اند و انتظار می‌رود که با هر نسخه 3.x آینده کار کنند
  • چگونگی ساخت برنامه‌های مدولار و شی گرا در پایتون را بیاموزید
  • li>
    • کشف نحوه استفاده از تکنیک های پیشرفته پایتون برای ابر و خوشه ها

    توضیحات کتاب

    Python یک زبان چند منظوره است که می تواند برای موارد استفاده چندگانه استفاده شود. . Python for Geeks به شما می آموزد که چگونه با کمک نکات و ترفندهای متخصص در حرفه خود پیشرفت کنید.

    شما با کاوش در راه های مختلف استفاده بهینه از Python، هم از نقطه طراحی و هم از نقطه اجرا شروع خواهید کرد. چشم انداز. در مرحله بعد، چرخه حیات یک پروژه Python در مقیاس بزرگ را درک خواهید کرد. همانطور که پیش می روید، با مدولار کردن یک پروژه پایتون بر روش های مختلف ایجاد یک طراحی زیبا تمرکز می کنید و بهترین شیوه ها و الگوهای طراحی برای استفاده از پایتون را یاد می گیرید. همچنین خواهید فهمید که چگونه پایتون را فراتر از یک رشته کوچک کنید و چگونه چند پردازش و چند رشته را در پایتون پیاده سازی کنید. علاوه بر این، متوجه خواهید شد که چگونه می‌توانید نه تنها از پایتون برای استقرار در یک ماشین استفاده کنید، بلکه از خوشه‌ها در محیط‌های محاسبات ابری خصوصی و همچنین عمومی استفاده کنید. سپس تکنیک‌های پردازش داده‌ها را بررسی می‌کنید، روی خطوط لوله داده قابل استفاده مجدد و مقیاس‌پذیر تمرکز می‌کنید و نحوه استفاده از این تکنیک‌های پیشرفته برای اتوماسیون شبکه، عملکردهای بدون سرور و یادگیری ماشینی را یاد می‌گیرید. در نهایت، شما بر روی استراتژی طراحی توسعه وب با استفاده از تکنیک ها و بهترین شیوه های پوشش داده شده در کتاب تمرکز خواهید کرد.

    در پایان این کتاب پایتون، می توانید برنامه نویسی جدی پایتون را برای بزرگ انجام دهید. -مقیاس پروژه های پیچیده.

    آنچه یاد خواهید گرفت

    • آشنایی با نحوه طراحی و مدیریت پروژه های پیچیده پایتون
    • استراتژی توسعه تست محور (TDD) در پایتون
    • کاوش چند رشته ای و برنامه نویسی چند رشته ای در پایتون
    • از Python برای پردازش داده ها با Apache Spark و Google Cloud Platform (GCP) استفاده کنید
    • استقرار برنامه های بدون سرور در ابرهای عمومی مانند GCP
    • استفاده از Python برای ساخت برنامه های کاربردی وب و رابط های برنامه نویسی برنامه
    • استفاده از Python برای اتوماسیون شبکه و عملکردهای بدون سرور
    • برای تجزیه و تحلیل داده ها با Python آشنا شوید. و یادگیری ماشین

    این کتاب برای چه کسی است

    این کتاب برای توسعه دهندگان پایتون سطح متوسط ​​در هر زمینه ای است که به دنبال ایجاد مهارت های خود برای توسعه و مدیریت بزرگ هستند. پروژه های پیچیده در مقیاس توسعه‌دهندگانی که می‌خواهند ماژول‌های قابل استفاده مجدد و کتابخانه‌های پایتون و توسعه‌دهندگان ابری که برنامه‌های کاربردی برای استقرار ابری ایجاد می‌کنند، این کتاب را مفید خواهند یافت. تجربه قبلی با Python به شما کمک می‌کند از این کتاب بیشترین بهره را ببرید.

    فهرست محتوا

    1. چرخه حیات توسعه بهینه پایتون
    2. استفاده از مدولارسازی به زیبایی پروژه های پیچیده طراحی
    3. برنامه نویسی پیشرفته شی گرا پایتون
    4. کتابخانه های پایتون برای برنامه نویسی پیشرفته
    5. تست و اتوماسیون با پایتون
    6. نکات و ترفندهای پیشرفته در Python
    7. Multiprocessing و Multithreading
    8. مقیاس‌سازی Python به خوشه‌ها
    9. برنامه‌نویسی Python برای Cloud
    10. استفاده از Python برای توسعه وب و REST API
    11. استفاده از Python برای توسعه میکرو سرویس‌ها
    12. ساخت عملکردهای بدون سرور با استفاده از Python
    13. Python و یادگیری ماشین
    14. استفاده از پایتون برای اتوماسیون شبکه

  • توضیحاتی درمورد کتاب به خارجی

    Take your Python skills to the next level to develop scalable, real-world applications for local as well as cloud deployment

    Key Features

    • All code examples have been tested with Python 3.7 and Python 3.8 and are expected to work with any future 3.x release
    • Learn how to build modular and object-oriented applications in Python
    • Discover how to use advanced Python techniques for the cloud and clusters

    Book Description

    Python is a multipurpose language that can be used for multiple use cases. Python for Geeks will teach you how to advance in your career with the help of expert tips and tricks.

    You'll start by exploring the different ways of using Python optimally, both from the design and implementation point of view. Next, you'll understand the life cycle of a large-scale Python project. As you advance, you'll focus on different ways of creating an elegant design by modularizing a Python project and learn best practices and design patterns for using Python. You'll also discover how to scale out Python beyond a single thread and how to implement multiprocessing and multithreading in Python. In addition to this, you'll understand how you can not only use Python to deploy on a single machine but also use clusters in private as well as in public cloud computing environments. You'll then explore data processing techniques, focus on reusable, scalable data pipelines, and learn how to use these advanced techniques for network automation, serverless functions, and machine learning. Finally, you'll focus on strategizing web development design using the techniques and best practices covered in the book.

    By the end of this Python book, you'll be able to do some serious Python programming for large-scale complex projects.

    What you will learn

    • Understand how to design and manage complex Python projects
    • Strategize test-driven development (TDD) in Python
    • Explore multithreading and multiprogramming in Python
    • Use Python for data processing with Apache Spark and Google Cloud Platform (GCP)
    • Deploy serverless programs on public clouds such as GCP
    • Use Python to build web applications and application programming interfaces
    • Apply Python for network automation and serverless functions
    • Get to grips with Python for data analysis and machine learning

    Who this book is for

    This book is for intermediate-level Python developers in any field who are looking to build their skills to develop and manage large-scale complex projects. Developers who want to create reusable modules and Python libraries and cloud developers building applications for cloud deployment will also find this book useful. Prior experience with Python will help you get the most out of this book.

    Table of Contents

    1. Optimal Python Development Lifecycle
    2. Using Modularization to Elegantly Design Complex Projects
    3. Advanced Object Oriented Python Programming
    4. Python Libraries for Advanced Programming
    5. Testing and Automation with Python
    6. Advanced Tips and Tricks in Python
    7. Multiprocessing and Multithreading
    8. Scaling Out Python to Clusters
    9. Python Programming for the Cloud
    10. Using Python for Web Development and REST API
    11. Using Python for micro-services development
    12. Building serverless functions using Python
    13. Python and Machine Learning
    14. Using python for network automation


    فهرست مطالب

    Cover
    Title Page
    Copyright and Credits
    Dedication
    Contributors
    Table of Contents
    Preface
    Section 1: Python, beyond the Basics
    Chapter 1: Optimal Python Development Life Cycle
    	Python culture and community
    	Different phases of a Python project
    	Strategizing the development process
    		Iterating through the phases
    		Aiming for MVP first
    		Strategizing development for specialized domains
    	Effectively documenting Python code
    		Python comments
    		Docstring
    		Functional or class-level documentation
    	Developing an effective naming scheme
    		Methods
    		Variables
    		Constant
    		Classes
    		Packages
    		Modules
    		Import conventions
    		Arguments
    		Useful tools
    	Exploring choices for source control
    		What does not belong to the source control repository?
    	Understanding strategies for deploying the code
    		Batch development
    	Python development environments
    		IDLE
    		Sublime Text
    		PyCharm
    		Visual Studio Code
    		PyDev
    		Spyder
    	Summary
    	Questions
    	Further reading
    	Answers
    Chapter 2: Using Modularization to Handle Complex Projects
    	Technical requirements
    	Introduction to modules and packages
    	Importing modules
    		Using the import statement
    		Using the __import__ statement
    		Using the importlib.import_module statement
    		Absolute versus relative import
    	Loading and initializing a module
    		Standard modules
    	Writing reusable modules
    	Building packages
    		Naming
    		Package initialization file
    		Building a package
    	Accessing packages from any location
    	Sharing a package
    		Building a package as per the PyPA guidelines
    		Installing from the local source code using pip
    		Publishing a package to Test PyPI
    		Installing the package from PyPI
    	Summary
    	Questions
    	Further reading
    	Answers
    Chapter 3: Advanced Object-Oriented Python Programming
    	Technical requirements
    	Introducing classes and objects
    		Distinguishing between class attributes and instance attributes
    		Using constructors and destructors with classes
    		Distinguishing between class methods and instance methods
    		Special methods
    	Understanding OOP principles
    		Encapsulation of data
    		Encompassing data and actions
    		Hiding information
    		Protecting the data
    		Using traditional getters and setters
    		Using property decorators
    		Extending classes with inheritance
    		Simple inheritance
    		Multiple inheritance
    	Polymorphism
    		Method overloading
    		Method overriding
    		Abstraction
    	Using composition as an alternative design approach
    	Introducing duck typing in Python
    	Learning when not to use OOP in Python
    	Summary
    	Questions
    	Further reading
    	Answers
    Section 2: Advanced Programming Concepts
    Chapter 4: Python Libraries for Advanced Programming
    	Technical requirements
    	Introducing Python data containers
    		Strings
    		Lists
    		Tuples
    		Dictionaries
    		Sets
    	Using iterators and generators for data processing
    		Iterators
    		Generators
    	Handling files in Python
    		File operations
    		Using a context manager
    		Operating on multiple files
    	Handling errors and exceptions
    		Working with exceptions in Python
    		Raising exceptions
    		Defining custom exceptions
    	Using the Python logging module
    		Introducing core logging components
    		Working with the logging module
    		What to log and what not to log
    	Summary
    	Questions
    	Further reading
    	Answers
    Chapter 5: Testing and Automation with Python
    	Technical requirements
    	Understanding various levels of testing
    		Unit testing
    		Integration testing
    		System testing
    		Acceptance testing
    	Working with Python test frameworks
    		Working with the unittest framework
    		Working with the pytest framework
    	Executing TDD
    		Red
    		Green
    		Refactor
    	Introducing automated CI
    	Summary
    	Questions
    	Further reading
    	Answers
    Chapter 6: Advanced Tips and Tricks in Python
    	Technical requirements
    	Learning advanced tricks for using functions
    		Introducing the counter, itertools, and zip functions for iterative tasks
    		Using filters, mappers, and reducers for data transformations
    		Learning how to build lambda functions
    		Embedding a function within another function
    		Modifying function behavior using decorators
    	Understanding advanced concepts with data structures
    		Embedding a dictionary inside a dictionary
    		Using comprehension
    	Introducing advanced tricks with pandas DataFrame
    		Learning DataFrame operations
    		Learning advanced tricks for a DataFrame object
    	Summary
    	Questions
    	Further reading
    	Answers
    Section 3: Scaling beyond a Single Thread
    Chapter 7: Multiprocessing, Multithreading, and Asynchronous Programming
    	Technical requirements
    	Understanding multithreading in Python and its limitations
    		What is a Python blind spot?
    		Learning the key components of multithreaded programming in Python
    		Case study – a multithreaded application to download files from Google Drive
    	Going beyond a single CPU – implementing multiprocessing
    		Creating multiple processes
    		Sharing data between processes
    		Exchanging objects between processes
    		Synchronization between processes
    		Case study – a multiprocessor application to download files from Google Drive
    	Using asynchronous programming for responsive systems
    		Understanding the asyncio module
    		Distributing tasks using queues
    		Case study – asyncio application to download files from Google Drive
    	Summary
    	Questions
    	Further reading
    	Answers
    Chapter 8: Scaling out Python Using Clusters
    	Technical requirements
    	Learning about the cluster options for parallel processing
    		Hadoop MapReduce
    		Apache Spark
    	Introducing RDDs
    		Learning RDD operations
    		Creating RDD objects
    	Using PySpark for parallel data processing
    		Creating SparkSession and SparkContext programs
    		Exploring PySpark for RDD operations
    		Learning about PySpark DataFrames
    		Introducing PySpark SQL
    	Case studies of using Apache Spark and PySpark
    		Case study 1 – Pi (π) calculator on Apache Spark
    		Case study 2 – Word cloud using PySpark
    	Summary
    	Questions
    	Further reading
    	Answers
    Chapter 9: Python Programming for the Cloud
    	Technical requirements
    	Learning about the cloud options for Python applications
    		Introducing Python development environments for the cloud
    		Introducing cloud runtime options for Python
    	Building Python web services for cloud deployment
    		Using Google Cloud SDK
    		Using the GCP web console
    	Using Google Cloud Platform for data processing
    		Learning the fundamentals of Apache Beam
    		Introducing Apache Beam pipelines
    		Building pipelines for Cloud Dataflow
    	Summary
    	Questions
    	Further reading
    	Answers
    Section 4: Using Python for Web, Cloud, and Network Use Cases
    Chapter 10: Using Python for Web Development and REST API
    	Technical requirements
    	Learning requirements for web development
    		Web frameworks
    		User interface
    		Web server/application server
    		Database
    		Security
    		API
    		Documentation
    	Introducing the Flask framework
    		Building a basic application with routing
    		Handling requests with different HTTP method types
    		Rendering static and dynamic contents
    		Extracting parameters from an HTTP request
    		Interacting with database systems
    		Handling errors and exceptions in web applications
    	Building a REST API
    		Using Flask for a REST API
    		Developing a REST API for database access
    	Case study– Building a web application using the REST API
    	Summary
    	Questions
    	Further reading
    	Answers
    Chapter 11: Using Python for Microservices Development
    	Technical requirements
    	Introducing microservices
    	Learning best practices for microservices
    	Building microservices-based applications
    		Learning microservice development options in Python
    		Introducing deployment options for microservices
    		Developing a sample microservices-based application
    	Summary
    	Questions
    	Further reading
    	Answers
    Chapter 12: Building Serverless Functions Using Python
    	Technical requirements
    	Introducing serverless functions
    		Benefits
    		Use cases
    	Understanding the deployment options for serverless functions
    	Learning how to build serverless functions
    		Building an HTTP-based Cloud Function using the GCP Console
    		Case study – building a notification app for cloud storage events
    	Summary
    	Questions
    	Further reading
    	Answers
    Chapter 13: Python and Machine Learning
    	Technical requirements
    	Introducing machine learning
    	Using Python for machine learning
    		Introducing machine learning libraries in Python
    		Best practices of training data with Python
    	Building and evaluating a machine learning model
    		Learning about an ML model building process
    		Building a sample ML model
    		Evaluating a model using cross-validation and fine tuning hyperparameters
    		Saving an ML model to a file
    	Deploying and predicting an ML model on GCP Cloud
    	Summary
    	Questions
    	Further reading
    	Answers
    Chapter 14: Using Python for Network Automation
    	Technical requirements
    	Introducing network automation
    		Merits and challenges of network automation
    		Use cases
    	Interacting with network devices
    		Protocols for interacting with network devices
    		Interacting with network devices using SSH-based Python libraries
    		Interacting with network devices using NETCONF
    	Integrating with network management systems
    		Using location services endpoints
    		Getting an authentication token
    		Getting network devices and an interface inventory
    		Updating the network device port
    	Integrating with event-driven systems
    		Creating subscriptions for Apache Kafka
    		Processing events from Apache Kafka
    		Renewing and deleting a subscription
    	Summary
    	Questions
    	Further reading
    	Answers
    About Packt
    Other Books You May Enjoy
    Index




    نظرات کاربران