- عنوان کتاب: Python Debugging for AI, Machine Learning, and Cloud Computing
- نویسنده: Krishnendu Dasgupta
- حوزه: برنامه نویسی پایتون
- سال انتشار: 2024
- تعداد صفحه: 244
- زبان اصلی: انگلیسی
- نوع فایل: pdf
- حجم فایل: 9.79 مگابایت
پایتون زبان غالبی است که در هوش مصنوعی و یادگیری ماشین با داده ها و خطوط لوله در محیط های ابری استفاده می شود. این کتاب علاوه بر اشکال زدایی کد پایتون در IDEها، نوت بوک ها و دیباگرهای خط فرمان محبوب، شامل پوششی از رابط سیستم عامل بومی (ویندوز و لینوکس) است که برای درک، تشخیص و اشکال زدایی مسائل پیچیده نرم افزار ضروری است. کتاب با مقدمه‌ای بر فرآیندهای تشخیص و اشکال‌زدایی نرم‌افزار الگو محور شروع می‌شود که قبل از انجام اشکال‌زدایی پایتون، مشکلات موجود در مصنوعات نرم‌افزاری مختلف مانند تخلیه‌های حافظه، ردیابی‌ها و گزارش‌ها را تشخیص می‌دهند. سپس، الگوهای اشکال زدایی مختلف را با استفاده از مطالعات موردی پایتون که رفتار غیرعادی نرم افزار را مدل می کند، آموزش می دهد. علاوه بر این، ویژگی‌های اشکال‌زدایی پایتون را در محیط‌های یادگیری ماشینی و بومی ابری پوشش می‌دهد. به این نتیجه می رسد که چگونه پیشرفت های اخیر در AI/ML می تواند به اشکال زدایی پایتون کمک کند. این کتاب همچنین برای مطالعات موردی در مواردی که مشکلات زیست محیطی، خرابی ها، هنگ، افزایش منابع، نشت و کاهش عملکرد وجود دارد، عمیق می شود. این شامل ردیابی و ورود به سیستم علاوه بر تخلیه حافظه و تجزیه و تحلیل آنها با استفاده از اشکال زدایی WinDbg و GDB بومی است. این کتاب برای کسانی است که می خواهند بدانند اشکال زدایی پایتون چگونه است و می تواند برای توسعه هوش مصنوعی قوی و قابل اعتماد، یادگیری ماشین و نرم افزار محاسبات ابری استفاده شود. از یک رویکرد الگو محور جدید برای تشخیص و اشکال زدایی ساختار و رفتار نرم افزار غیرعادی استفاده می کند. توسعه دهندگان نرم افزار، مهندسان AI/ML، محققان، مهندسان داده، MLOps، DevOps و هرکسی که از Python استفاده می کند از این کتاب بهره مند خواهند شد. کد منبع: تمام کدهای منبع استفاده شده در این کتاب را می توانید از github دانلود کنید. com/Apress/Python-Debugging-for-AI-Machine-Learning-and-Cloud-Computing.
Python is the dominant language used in AI and machine learning with data and pipelines in cloud environments. Besides debugging Python code in popular IDEs, notebooks, and command-line debuggers, this book also includes coverage of native OS interfacing (Windows and Linux) necessary to understand, diagnose, and debug complex software issues. The book begins with an introduction to pattern-oriented software diagnostics and debugging processes that, before doing Python debugging, diagnose problems in various software artifacts such as memory dumps, traces, and logs. Next, it teaches various debugging patterns using Python case studies that model abnormal software behavior. Further, it covers Python debugging specifics in cloud native and machine learning environments. It concludes with how recent advances in AI/ML can help in Python debugging. The book also goes deep for case studies when there are environmental problems, crashes, hangs, resource spikes, leaks, and performance degradation. It includes tracing and logging besides memory dumps and their analysis using native WinDbg and GDB debuggers. This book is for those who wish to understand how Python debugging is and can be used to develop robust and reliable AI, machine learning, and cloud computing software. It uses a novel pattern-oriented approach to diagnosing and debugging abnormal software structure and behavior. Software developers, AI/ML engineers, researchers, data engineers, MLOps, DevOps, and anyone who uses Python will benefit from this book. Source Code: All source code used in this book can be downloaded from github. com/Apress/Python-Debugging-for-AI-Machine-Learning-and-Cloud-Computing.
این کتاب را میتوانید از لینک زیر بصورت رایگان دانلود کنید:
Download: Python Debugging for AI, Machine Learning, and Cloud Computing
نظرات کاربران