
Python Debugging for Ai, Machine Learning, and Cloud Computing: A Pattern-Oriented Approach
Dieses Buch richtet sich an alle, die verstehen wollen, wie Python-Debugging zur Entwicklung robuster und zuverlässiger KI-, Machine-Learning- und Cloud-Computing-Software eingesetzt werden kann. Es vermittelt Ihnen einen neuartigen, musterorientierten Ansatz zur Diagnose und Fehlersuche bei abnormaler Softwarestruktur und -verhalten.
Das Buch beginnt mit einer Einführung in den musterorientierten Software-Diagnose- und Debugging-Prozess, der vor der Durchführung von Python-Debugging Probleme in verschiedenen Software-Artefakten wie Speicherabzügen, Traces und Protokollen diagnostiziert. Anschließend lernen Sie anhand von Python-Fallstudien, die abnormales Softwareverhalten modellieren, die Verwendung verschiedener Debugging-Muster. Sie werden auch mit Python-Debugging-Techniken vertraut gemacht, die für Cloud-Native- und Machine-Learning-Umgebungen spezifisch sind, und erfahren, wie die jüngsten Fortschritte im Bereich KI/ML beim Python-Debugging helfen können. Im Laufe des Buches werden Sie anhand von Fallstudien lernen, wie Sie Probleme mit der Umgebung, Abstürze, Hänger, Ressourcenspitzen, Lecks und Leistungseinbußen beheben können. Dazu gehören Tracing, Logging und die Analyse von Speicherauszügen mit den nativen Debuggern WinDbg und GDB.
Nach Abschluss dieses Buches verfügen Sie über das Wissen und die Werkzeuge, die Sie benötigen, um Python-Debugging bei der Entwicklung von KI-, Machine Learning- und Cloud Computing-Anwendungen einzusetzen.
Was Sie lernen werden
⬤ Ein musterorientierter Ansatz für das Python-Debugging, der mit der Diagnose von häufigen Softwareproblemen beginnt.
⬤ Tipps und Tricks anwenden, um das Beste aus gängigen IDEs, Notebooks und dem Python-Debugging über die Kommandozeile herauszuholen.
⬤ Python-Interna verstehen, um mit Betriebssystemen und externen Modulen zusammenzuarbeiten.
⬤ Python-Speicherauszugsanalyse, Tracing und Logging durchführen.
Für wen ist dieses Buch gedacht?
Softwareentwickler, KI/ML-Ingenieure, Forscher, Dateningenieure sowie MLOps- und DevOps-Experten.