import unittest
import numpy as np
import user_code  # ÐºÐ¾Ð´ ÑÑÑÐ´ÐµÐ½ÑÐ°

def _dynamic(tc, ok, ok_msg, fail_msg):
    tc._testMethodName = ok_msg if ok else fail_msg
    (tc.assertTrue if ok else tc.fail)(tc._testMethodName)

RTOL = 1e-7
ATOL = 1e-7

class TestCombinedTransformations(unittest.TestCase):

    def test_base_objects(self):
        reasons = []

        v = getattr(user_code, "v", None)
        S = getattr(user_code, "S", None)
        R = getattr(user_code, "R", None)

        # ÐÐµÑÐµÐ²ÑÑÐºÐ° Ð½Ð°ÑÐ²Ð½Ð¾ÑÑÑ ÑÐ° ÑÐ¾ÑÐ¼
        if not (isinstance(v, np.ndarray) and v.shape == (2,1)):
            reasons.append(f"v must be a (2,1) array; got {None if v is None else v.shape}")
        if not (isinstance(S, np.ndarray) and S.shape == (2,2)):
            reasons.append(f"S must be a (2,2) array; got {None if S is None else S.shape}")
        if not (isinstance(R, np.ndarray) and R.shape == (2,2)):
            reasons.append(f"R must be a (2,2) array; got {None if R is None else R.shape}")

        # ÐÑÑÐºÑÐ²Ð°Ð½Ñ Ð·Ð½Ð°ÑÐµÐ½Ð½Ñ Ð·Ð° ÑÐ¼Ð¾Ð²Ð¾Ñ
        v_exp = np.array([[2.0],[3.0]])
        S_exp = np.array([[2.0, 0.0],
                          [0.0, 0.5]])
        # ÐÐ»Ñ R Ð¾ÑÑÐºÑÑÐ¼Ð¾ 90Â° CCW: [[0,-1],[1,0]] Ð· Ð¼Ð¾Ð¶Ð»Ð¸Ð²Ð¾Ñ Ð¿Ð¾ÑÐ¸Ð±ÐºÐ¾Ñ
        R_exp = np.array([[0.0, -1.0],
                          [1.0,  0.0]])

        if isinstance(v, np.ndarray) and v.shape == (2,1) and not np.allclose(v, v_exp, rtol=RTOL, atol=ATOL):
            reasons.append(f"v values incorrect; expected {v_exp.ravel().tolist()}, got {v.ravel().tolist()}")
        if isinstance(S, np.ndarray) and S.shape == (2,2) and not np.allclose(S, S_exp, rtol=RTOL, atol=ATOL):
            reasons.append(f"S values incorrect; expected {S_exp.tolist()}, got {S.tolist()}")
        if isinstance(R, np.ndarray) and R.shape == (2,2) and not np.allclose(R, R_exp, rtol=1e-6, atol=1e-6):
            reasons.append(f"R should be 90Â° CCW rotation; expected approx {R_exp.tolist()}, got {R.tolist()}")

        _dynamic(self,
                 len(reasons) == 0,
                 "PASS: base objects (v, S, R) are correct",
                 "FAIL: " + " | ".join(reasons) if reasons else "FAIL")

    def test_scaled_vector(self):
        reasons = []

        v = getattr(user_code, "v", None)
        S = getattr(user_code, "S", None)
        scaled_v = getattr(user_code, "scaled_v", None)

        if not (isinstance(scaled_v, np.ndarray) and scaled_v.shape == (2,1)):
            reasons.append(f"scaled_v must be a (2,1) array; got {None if scaled_v is None else scaled_v.shape}")
        else:
            exp_scaled = S @ v
            if not np.allclose(scaled_v, exp_scaled, rtol=RTOL, atol=ATOL):
                reasons.append(f"scaled_v != S @ v; expected {exp_scaled.ravel().tolist()}, got {scaled_v.ravel().tolist()}")

        _dynamic(self,
                 len(reasons) == 0,
                 "PASS: scaled_v equals S @ v",
                 "FAIL: " + " | ".join(reasons) if reasons else "FAIL")

    def test_rotated_vector(self):
        reasons = []

        R = getattr(user_code, "R", None)
        scaled_v = getattr(user_code, "scaled_v", None)
        rotated_v = getattr(user_code, "rotated_v", None)

        if not (isinstance(rotated_v, np.ndarray) and rotated_v.shape == (2,1)):
            reasons.append(f"rotated_v must be a (2,1) array; got {None if rotated_v is None else rotated_v.shape}")
        else:
            exp_rot = R @ scaled_v
            if not np.allclose(rotated_v, exp_rot, rtol=1e-6, atol=1e-6):
                reasons.append(f"rotated_v != R @ scaled_v; expected {exp_rot.ravel().tolist()}, got {rotated_v.ravel().tolist()}")

            # ÐÐ¾Ð´Ð°ÑÐºÐ¾Ð²Ð¸Ð¹ ÑÐ¸ÑÐ»Ð¾Ð²Ð¸Ð¹ ÑÐµÐº Ð¾ÑÑÐºÑÐ²Ð°Ð½Ð¸Ñ ÐºÐ¾Ð¾ÑÐ´Ð¸Ð½Ð°Ñ (-1.5, 4)
            exp_num = np.array([[-1.5],[4.0]])
            if not np.allclose(rotated_v, exp_num, rtol=1e-6, atol=1e-6):
                reasons.append(f"rotated_v should be approximately [-1.5, 4]; got {rotated_v.ravel().tolist()}")

        _dynamic(self,
                 len(reasons) == 0,
                 "PASS: rotated_v equals R @ scaled_v and matches expected coords",
                 "FAIL: " + " | ".join(reasons) if reasons else "FAIL")


test_code.py

Beherrschen Sie die mathematischen Grundlagen, die für Data Science unerlässlich sind. Erkunden Sie zentrale Konzepte in Funktionen, Analysis, Linearer Algebra, Wahrscheinlichkeit und Dimensionsreduktion. Erwerben Sie sowohl theoretisches Verständnis als auch praktische Programmiererfahrung, um Ihre Fähigkeiten zur Datenanalyse, Modellierung komplexer Systeme und Anwendung fortgeschrittener Methoden im maschinellen Lernen zu stärken.

Erkunden Sie die Grundlagen mathematischer Funktionen. Verschiedene Typen algebraischer und transzendenter Funktionen, deren Eigenschaften sowie deren Implementierung in Python zur Lösung praxisnaher Probleme.

Beherrschen Sie die Konzepte von Mengen und Reihen, von grundlegenden Operationen bis zu praktischen Anwendungen. Sammeln Sie praktische Erfahrungen bei der Implementierung von Mengenoperationen sowie beim Arbeiten mit arithmetischen und geometrischen Reihen in Python.

Fundiertes Verständnis von Grenzwerten, Ableitungen, Integralen und partiellen Ableitungen. Verbindung von Theorie und Praxis durch Implementierung dieser Konzepte in Python und Anwendung auf Optimierung mittels Gradientenabstieg.

Fundierte Kenntnisse über Vektoren, Matrizen und Transformationen. Vermittlung von Zerlegungsmethoden und Eigenwertanalyse, mit Vertiefung der Konzepte durch Python-Programmierungsaufgaben und praxisnahe Anwendungen in der Datenwissenschaft.

Vertiefung in Wahrscheinlichkeitstheorie und Statistik. Untersuchung von bedingter Wahrscheinlichkeit, Satz von Bayes und statistischen Kennzahlen. Umsetzung zentraler Konzepte in Python, Simulation von Verteilungen sowie Festigung der Kenntnisse durch Herausforderungen und Quizfragen.

Herausforderung: Kombinierte Transformationen Eines Vektors

Aufgabe:

Lösung