Grundkenntnisse in Python
Nach diesem Kurs können Sie eigene Programme zur Datenverarbeitung mit NumPy schreiben und optimieren.
Analysten, Wissenschaftler und Ingenieure, die Berechnungen mit numerischen Daten durchführen möchten.
NumPy ist die beliebteste Python-Bibliothek zur Verarbeitung numerischer Daten. Sie kombiniert die Benutzerfreundlichkeit von Python mit der Geschwindigkeit einer reinen C-Implementierung. Mit NumPy lassen sich Berechnungen mit großen Datenreihen und Matrizen in wenigen Zeilen Code implementieren. NumPy eignet sich daher hervorragend zur Laufzeitoptimierung von Python-Programmen. Der Kurs gibt eine anschauliche Einführung in die wesentlichen Features von NumPy mit vielen praktischen Beispielen. Als logische Fortsetzung der Grundfunktionalität werden die Möglichkeiten des Pakets Scipy vorgestellt, das zahlreiche mathematische Verfahren zur Anwendung auf NumPy-Datenstrukturen enthält.
7 - 14 Stunden
| Tag 1 | Tag 2 |
|---|---|
| Einführung in NumPy | Broadcasting |
| Funktionen / ufuncs | Optimierung mit NumPy |
| Indizierung | Die Bibliothek Scipy |
| Typische Anwendungen | weitere Bibliotheken |
- Überblick über den Funktionsumfang von NumPy
- arrays
- dtypes
- reshape
- Erstellen von arrays
- Laden/Speichern von Daten
- Indizierung von arrays
- Views
- fancy indexing
- Sortieren
- Mengenlogik
- Eingebaute Funktionen
- ufuncs
- Matrizenoperationen
- Rotation von Koordinaten
- Eliminieren von Python-Schleifen mit NumPy
- Spärlich besetzte Matrizen
- Engpässe mit cProfile finden
- Empfehlungssysteme
- Eigenvektoren
- Der PageRank Algorithmus
- ein neuronales Netzwerk in NumPy implementieren
- Broadcasting
- Stacking
- Raveling
- Nullstellen von Funktionen finden
- Anpassen von Polynomialfunktionen
- Fourier Transformation
- Datenvisualisierung
- pandas
- Statistiken mit statsmodel
- maschinelles Lernen mit scikit-learn
- Lösen linearer Gleichungssysteme mit Pulp und Gurobi
- Spark
- Dask