For å føle deg trygg og fullføre dette kurset med suksess, anbefaler vi sterkt at du fullfører følgende kurs på forhånd (bare klikk på dem for å starte):

I en verden full av data er det ekstremt viktig å jobbe med matriser og arrays. Det er her NumPy kommer til nytte. Med sin lynraske hastighet og relativt brukervennlige grensesnitt, har det blitt det mest brukte Python-biblioteket for å jobbe med arrays.

La oss nå diskutere hastigheten til NumPy og hvor den kommer fra. Til tross for at det er et Python-bibliotek, er det for det meste skrevet i C, et lavnivåspråk som tillater raske beregninger.

En annen medvirkende faktor til NumPys hastighet er vektorisering. I hovedsak innebærer vektorisering å transformere en algoritme fra å operere på en enkelt verdi om gangen til å operere på et sett av verdier (vektor) samtidig, som utføres under panseret på CPU-nivå.