Description
Day 2, 15:10–15:40
無論是資料分析師或研究人員，進行科學運算時，經常會使用Python中的NumPy套件輔助計算，常遭遇的問題之一，是在開發時的測試資料上，程式運算速度相當快速，但當將其ㄧ部署到線上，接收到幾個量級大的實際資料後，運算時間遠遠不如預期，而嚴重影響了系統整體效能或是研究產出。
本場talk會使用一個常見的數學函數當例子，使用4(*)種熱門的方式對其進行最佳化，比較各方案對同一個函數改進後的效能差異，最後分享實際的使用心得、各方案的易用性、相關優劣並且推薦適合的使用情境。
- 會眾需有NumPy使用經驗
Slides: https://github.com/clyang/PyConTW2020
Speaker: clyang
Cybersecurity hobbyist Python performance tuning enthusiast