NumPy
Масиви, индексиране, broadcasting, векторизация и линейна алгебра в код: основата на всички библиотеки за ИИ.
15 урока · около 335 минНОИИIOAIНужно: Основи на Python
Първо завърши: Функции
- 1
NumPy: масиви
Създаване на масиви, форма, индексиране и срезове
25 мин Заключен
- 2
Типове данни и памет
dtype, преобразуване, препълване и NaN
20 мин Заключен
- 3
Срезове, изгледи и копия
Кога промяната на част от масива променя и оригинала
20 мин Заключен
- 4
Булеви маски и избор по индекси
Филтриране на данни, np.where и fancy indexing
20 мин Заключен
- 5
NumPy: операции и broadcasting
Векторизирани операции, оси, матрично умножение и broadcasting
30 мин Заключен
- 6
Статистики по оси
sum, mean, std, cumsum и percentile по редове и колони
20 мин Заключен
- 7
Broadcasting в детайли
Правилата, по които NumPy съчетава масиви с различни форми
20 мин Заключен
- 8
reshape, stack и concatenate
Промяна на формата и съединяване на масиви
20 мин Заключен
- 9
Математически функции в NumPy
exp, log, clip, round и други функции върху цели масиви
20 мин Заключен
- 10
Линейна алгебра в NumPy
@, inv, solve, norm, det и eig
20 мин Заключен
- 11
Случайни числа и симулации
default_rng, разпределения, разбъркване и метод Монте Карло
20 мин Заключен
- 12
Сортиране и търсене
sort, argsort, argmax, unique и топ k
20 мин Заключен
- 13
Векторизация вместо цикли
Как да превърнеш Python цикъл в NumPy операция
20 мин Заключен
- 14
Числена стабилност
Препълване, log-sum-exp и стабилен softmax
25 мин Заключен
- 15
Проект: k-means с NumPy
Клъстеризация без нито един цикъл по точките
35 мин Заключен
Изпит на курса
Отключва се, когато завършиш всички уроци.