For at føle dig sikker og gennemføre dette kursus med succes, anbefaler vi stærkt, at du gennemfører følgende kurser på forhånd (klik blot på dem for at starte):

I en verden fuld af data er det ekstremt vigtigt at arbejde med matricer og arrays. Det er her, NumPy kommer til nytte. Med sin lynhurtige hastighed og relativt brugervenlige grænseflade er det blevet det mest brugte Python-bibliotek til at arbejde med arrays.

Lad os nu diskutere hastigheden af NumPy og hvor den kommer fra. På trods af at det er et Python-bibliotek, er det for det meste skrevet i C, et lavniveau-sprog, der muliggør hurtige beregninger.

En anden medvirkende faktor til NumPys hastighed er vektorisering. Grundlæggende involverer vektorisering at transformere en algoritme fra at operere på en enkelt værdi ad gangen til at operere på et sæt af værdier (vektor) på én gang, hvilket udføres under motorhjelmen på CPU-niveau.