|
Курс · Python · NumPy
О курсе
Основы NumPy: от типов Python до универсальных функций
Практический курс по фундаменту NumPy: память, типы данных, ndarray, срезы, форма массивов и быстрые векторные вычисления.
|
Цели курса
Дать системное и практическое понимание фундамента библиотеки NumPy - от устройства памяти до быстрых поэлементных вычислений. После курса вы сможете уверенно читать и писать код с ndarray, не спотыкаясь о форму, типы и поведение срезов.
|
Почему стоит выбрать именно этот курс
Глубина без воды. Каждая тема объясняется не поверхностно: "вот функция, вот пример", а с пониманием того, что происходит под капотом: почему list медленный, как устроен буфер ndarray.
Огромный банк заданий. 239 тестовых вопроса пяти разных форматов: выбор одного ответа, нескольких, сортировка, сопоставление, пропуски, и 67 практических задач с автоматической проверкой. Это не пара примеров на слайде - это тренировка до автоматизма.
Экзамены после каждой главы. 3 полноценных экзамена: по 30 тестов + 10-15 практических задач, написанных с новыми ракурсами, чтобы проверить понимание, а не запоминание.
Последовательная структура. Темы идут в логичном порядке: сначала типы и память, потом массивы и манипуляции, затем вычисления. Каждая глава опирается на предыдущую.
|
Для кого этот курс
|
1. Для начинающих аналитиков данных, которые хотят перейти от Excel и базового Python к работе с числовыми массивами.
2. Для студентов технических специальностей, изучающих Python для научных вычислений, физики, математики и инженерии.
3. Для разработчиков на Python, которые встречают NumPy в проектах: машинное обучение, обработка изображений, финансы, аналитика, и хотят понять, что стоит за np.array.
4. Для выпускников вводных курсов Python, готовых к следующему шагу в сторону data science.
5. Для самоучек, которые копировали код с NumPy из Stack Overflow и хотят наконец разобраться, как он работает.
|
Начальные требования
- Python на базовом уровне: переменные, условия, циклы
for / while, функции, списки, словари, работа с print и input.
- Умение запускать Python-код: через терминал, Jupyter Notebook, VS Code, PyCharm или любую другую среду.
- Установленный NumPy:
pip install numpy.
- Рекомендуемая версия: NumPy 1.20+ и вплоть до последних версий NumPy 2.x.
- Математика на уровне школы: арифметика, степени, корни, синус, косинус, логарифм. Углубленная математика не нужна.
Опыт работы с NumPy не требуется - курс начинается с нуля.
|
Что вы изучите
|
Устройство данных в Python. Как Python хранит числа и списки, почему объекты Python гибкие, но не всегда удобные для больших числовых вычислений.
Переход к массивам NumPy. Чем array.array и ndarray отличаются от обычного списка, как устроен плотный буфер данных.
Типы данных NumPy. int8, int64, float32, float64, переполнение, машинный эпсилон и выбор подходящего типа.
Работа с массивами. Атрибуты shape, size, dtype, индексация, срезы, view и copy.
Изменение формы и объединение массивов. reshape, -1, склейка, разбиение и работа с осями.
Универсальные функции. Почему циклы Python медленные на массивах, как работают векторные операции, ufunc, out, reduce, accumulate, outer.
|
Программа курса
|
Глава 1. Типы данных Python и NumPy
Память, числа Python, списки, array.array, ndarray, создание массивов, стандартные типы NumPy, переполнение, точность float и машинный эпсилон.
Глава 2. Массивы NumPy
Атрибуты массивов, форма, размер, тип данных, индексация, срезы, представления и копии, изменение формы, склейка и разбиение массивов.
Глава 3. Универсальные функции
Медлительность циклов Python, векторизация, арифметические операции, тригонометрия, экспоненты, логарифмы, expm1, log1p, out, reduce, accumulate, outer.
Экзамены
После каждой главы - отдельный экзамен: 30 тестов и 10-15 практических задач с новыми ракурсами, чтобы проверить понимание, а не механическое запоминание.
|
Курс в цифрах
239 тестовых вопросов пяти разных форматов
67 практических задач с автоматической проверкой
3 экзамена после глав
306 заданий с проверкой
Это курс не только для чтения, но и для тренировки. Главная цель практики - довести базовые операции с массивами до уверенного навыка.
|
После курса вы сможете
|
Уверенно читать код с np.array, ndarray, shape, dtype и понимать, что происходит с данными.
Создавать массивы разными способами и выбирать подходящий тип данных под задачу.
Работать с индексацией, срезами, view и copy без неожиданных ошибок.
Менять форму массивов, склеивать и разрезать данные по нужным осям.
Заменять медленные циклы Python быстрыми векторными операциями NumPy.
Переходить к Pandas, SciPy, Matplotlib, scikit-learn и другим инструментам data science с нормальным пониманием фундамента.
|
Главное
Этот курс - стартовая точка для уверенной работы с числовыми данными в Python. Здесь мы учимся не просто запоминать функции NumPy, а понимать массивы: как они устроены, как меняется их форма, как работают типы и почему векторные операции быстрее обычных циклов Python.
|
|
548