爆速Python―巨大データセットを扱うための高速化テクニック(Programmers SELECTION) [単行本]Ω

要旨（「BOOK」データベースより）本書の目的は、Ｐｙｔｈｏｎエコシステムでより効率的なアプリケーションを記述する手助けをすることにあります。より効率的とは、コードが使うＣＰＵサイクル、ストレージ領域、ネットワーク通信が少なくなることを意味します。本書では、パフォーマンスの問題に総合的なアプローチでのぞみます。ピュアＰｙｔｈｏｎでのコード最適化テクニックについて説明するだけではなく、ＮｕｍＰｙやｐａｎｄａｓなど広く使われているデータライブラリの効率的な使い方についても検討します。Ｐｙｔｈｏｎでは十分なパフォーマンスが得られないケースがあるため、スピードがさらに求められる場合はＣｙｔｈｏｎについても検討します。この総合的なアプローチの一環として、コードの設計にハードウェアが与える影響にも目を向け、現代のコンピュータアーキテクチャがアルゴリズムのパフォーマンスにおよぼす影響を分析します。また、ネットワークアーキテクチャが効率におよぼす影響と、高速なデータ分析でのＧＰＵコンピューティングの使い方も調べます。出版社からのコメントすべては速さのために。大規模データを扱う際に役立つ、より速く、より効率的なPythonの活用術。内容紹介「そう、すべては速さのために」Pythonでデータセットを扱う際、最後に重要になってくるのはやはり「処理速度」です。データが巨大であればあるほど、ちょっとした工夫が処理速度を向上させ、「データの氾濫」ともいえる現状を打開する鍵になってくれます。Pythonの特性を理解しつつそのパフォーマンスを最大限に引き出し、さらにハイパフォーマンスなライブラリを正しく利用することができれば、遅い遅いといわれがちなPythonにおいても、爆速な処理を手にすることができるのです。本書は、組み込み機能やスレッディング特性、CPythonのグローバルインタプリタロック（GIL）などに始まり、Cythonへの移行やGPUの利用に至るまでの多面的なアプローチを紹介し、単にマシン性能を上げたり、マシンの数を増やすだけでは得られない、効率的なPythonアプリケーションの記述をサポートします。【本書は『Fast Python: High performance techniques for large datasets』の邦訳書です。】◆◆◆◆◆もくじ◆◆◆◆◆●Part 1　基礎的なアプローチ　・Chapter 1　データ処理の効率化が急がれている　・Chapter 2　組み込み機能のパフォーマンスを最大限に引き出す　・Chapter 3　並行性、並列性、非同期処理　・Chapter 4　ハイパフォーマンスなNumPy●Part 2　ハードウェア　・Chapter 5　Cythonを使って重要なコードを再実装する　・Chapter 6　メモリ階層、ストレージ、ネットワーク●Part 3　現代のデータ処理のためのアプリケーションとライブラリ　・Chapter 7　ハイパフォーマンスなpandasとApache Arrow　・Chapter 8　ビッグデータの格納●Part 4　高度なトピック　・Chapter 9　GPUコンピューティングを使ったデータ分析　・Chapter 10　Daskを使ったビッグデータの分析　・付録A　環境のセットアップ　・付録B　Numbaを使って効率的な低レベルコードを生成する著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）アントン,チアゴ・ロドリゲス(アントン,チアゴロドリゲス／Antão,Tiago Rodrigues)情報学の工学士号とバイオインフォマティクスの博士号を持つ。現在はバイオテクノロジー分野に従事している。科学計算とデータエンジニアリングのタスクを実行するためにＰｙｔｈｏｎとそのすべてのライブラリを使っている。アルゴリズムの重要な部分を最適化するために、ＣやＲｕｓｔなどの低水準言語をよく使っている。現在はＡｍａｚｏｎ　ＡＷＳベースのインフラで開発を行っているが、キャリアの大部分ではオンプレミスのコンピューティングクラウドと科学クラウドを使っていた。業界での活動に加えて、科学計算の研究では、ケンブリッジ大学とオックスフォード大学でデータ分析のポスドクを務めた経験がある。モンタナ大学では、リサーチサイエンティストとして生物学データを分析するための科学計算インフラ全体を一から開発した