https://github.com/cusyio/datenverarbeitung-mit-numpy
Kurs zum Schreiben und Optimieren eigener Programme zur Datenverarbeitung mit Numpy.
https://github.com/cusyio/datenverarbeitung-mit-numpy
numpy
Last synced: 8 days ago
JSON representation
Kurs zum Schreiben und Optimieren eigener Programme zur Datenverarbeitung mit Numpy.
- Host: GitHub
- URL: https://github.com/cusyio/datenverarbeitung-mit-numpy
- Owner: cusyio
- Created: 2017-02-02T13:52:04.000Z (over 9 years ago)
- Default Branch: main
- Last Pushed: 2021-03-10T13:58:55.000Z (over 5 years ago)
- Last Synced: 2025-09-10T07:37:52.018Z (9 months ago)
- Topics: numpy
- Size: 2.93 KB
- Stars: 1
- Watchers: 3
- Forks: 0
- Open Issues: 2
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# Datenverarbeitung mit NumPy
## Voraussetzungen
Grundkenntnisse in Python
## Ergebnis
Nach diesem Kurs können Sie eigene Programme zur Datenverarbeitung mit NumPy schreiben und optimieren.
## Zielgruppe
Analysten, Wissenschaftler und Ingenieure, die Berechnungen mit numerischen Daten durchführen möchten.
## Kursbeschreibung
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.
## Kursdauer
7 - 14 Stunden
## Agenda
| Tag 1 | Tag 2 |
|-------|-------|
| Einführung in NumPy | Broadcasting |
| Funktionen / ufuncs | Optimierung mit NumPy |
| Indizierung | Die Bibliothek Scipy |
| Typische Anwendungen | weitere Bibliotheken |
### Einführung in NumPy
* Überblick über den Funktionsumfang von NumPy
* arrays
* dtypes
* reshape
* Erstellen von arrays
* Laden/Speichern von Daten
### Indizierung
* Indizierung von arrays
* Views
* fancy indexing
* Sortieren
* Mengenlogik
### Funktionen
* Eingebaute Funktionen
* ufuncs
* Matrizenoperationen
* Rotation von Koordinaten
### Optimierung
* Eliminieren von Python-Schleifen mit NumPy
* Spärlich besetzte Matrizen
* Engpässe mit cProfile finden
### Typische Anwendungen
* Empfehlungssysteme
* Eigenvektoren
* Der PageRank Algorithmus
* ein neuronales Netzwerk in NumPy implementieren
### Broadcasting
* Broadcasting
* Stacking
* Raveling
### Die Bibliothek Scipy
* Nullstellen von Funktionen finden
* Anpassen von Polynomialfunktionen
* Fourier Transformation
* Datenvisualisierung
## Weitere Bibliotheken
* pandas
* Statistiken mit statsmodel
* maschinelles Lernen mit scikit-learn
* Lösen linearer Gleichungssysteme mit Pulp und Gurobi
* Spark
* Dask