Доклады Python meetup от Evrone: numba, C++ и аналитика Big Data

Python meetup прошёл, но доклады его живут! В этот раз со спикерами из Утконоса, Duckstax и Яндекса мы говорили об ускорении и строительстве рекомендательных систем на основе big data. Если вы не успели на прямой эфир или просто хотите освежить полученную информацию, все доклады можно найти в записи на нашем YouTube-канале.

Андрей Корчагин, Middle Python Developer Утконос ОНЛАЙН

Есть несколько вариантов решения проблемы скорости на Python, самое каноничное и гарантированно быстрое — переписать тормозящий метод на С, Rust. Есть еще вариант переписать на Cython. Но не все Python разработчики умеют в С или в Rust. Если вы в своей тормозящей функции делаете много математических расчетов, используете только стандартные типы (int, float и тд), не используете сторонние либы (помимо некоторых типа numpy), то используя всего лишь один декоратор можно ускорить код в десятки, сотни, а иногда и в тысячи раз.

Александр Боргардт, Tech Lead Duckstax

В Python есть правило: хочешь сделать быстро — пиши нативный код. Вот только, чтобы действительно было быстро, нужен опыт и знания. Если вы ещё мало знакомы с C/C++, можно сделать только хуже, и всё будет работать даже медленнее чем раньше. Потому что вызов нативного кода из Python сопровождают неявные накладные расходы. Этим подводным камням и посвящён доклад.

Пётр Ермаков ML Brand Director Yandex

Данные — это золото, но ими нужно уметь распоряжаться. Создание рекомендательных сервисов — одна из возможностей сделать пользу для пользователей и бизнеса на основе этих данных. В докладе Пётр рассказал о создании рекомендательной системы на Python, какие данные для этого нужны и как их правильно использовать. Доклад будет полезен Python-разработчикам, новичкам в Data Science и всем инженерам, кто хочет сделать свой рекомендательный сервис.