Aperçu du cours
Objectif de formation: Cette formation vise à fournir aux participants les compétences nécessaires pour exploiter la puissance de la programmation parallèle et du calcul distribué en utilisant Python. Les participants apprendront les concepts, les techniques et les outils pour accélérer l’exécution des programmes, optimiser les ressources et résoudre des problèmes de grande envergure en utilisant des approches parallèles et distribuées.
Programme d'études
-
Introduction à la Programmation Parallèle et au Calcul Distribué (3 heures)
-
Les concepts clés de la programmation parallèle et du calcul distribué
-
Les avantages et les défis de l’utilisation de ces approches en Python
-
Les modèles de programmation parallèle (ex. : multiprocessing, multithreading) et les architectures distribuées (ex. : client-serveur, calcul en grille)
-
-
Bibliothèques de Programmation Parallèle en Python (4 heures)
-
Utilisation de la bibliothèque multiprocessing pour exploiter les ressources multicœurs
-
La gestion des processus, des tâches et de la communication entre les processus
-
L’utilisation de la bibliothèque concurrent.futures pour exécuter des tâches asynchrones et parallèles
-
Travaux pratiques : Programmation parallèle avec multiprocessing et concurrent.futures
-
-
Calcul Distribué avec Python (4 heures)
-
L’utilisation de la bibliothèque de calcul distribué dask pour gérer des tâches distribuées
-
La création et la manipulation de tableaux de données distribués avec dask.dataframe
-
L’exécution de calculs parallèles sur des clusters de machines avec dask.distributed
-
Travaux pratiques : Calcul distribué avec dask sur un cluster de machines
-
-
Optimisation des Performances en Python (3 heures)
-
Les techniques d’optimisation des performances en Python
-
L’utilisation de la compilation JIT (Just-In-Time) avec Numba
-
L’accélération des calculs avec NumPy, pandas et autres bibliothèques optimisées
-
Travaux pratiques : Optimisation des performances de code en Python
-
Instructeur
