Om vol vertrouwen en succesvol deze cursus te voltooien, raden wij sterk aan om de volgende cursussen vooraf te voltooien (klik er gewoon op om te starten):

Vereisten

• Inleiding tot Python

In een wereld vol data is werken met matrices en arrays van groot belang. Daar komt NumPy goed van pas. Dankzij de hoge verwerkingssnelheid en het relatief gebruiksvriendelijke karakter is het de meest gebruikte Python-bibliotheek voor het werken met arrays.

Laten we nu de snelheid van NumPy bespreken en waar deze vandaan komt. Ondanks dat het een Python-bibliotheek is, is het grotendeels geschreven in C, een low-level programmeertaal die snelle berekeningen mogelijk maakt.

Een andere factor die bijdraagt aan de snelheid van NumPy is vectorisatie. Vectorisatie houdt in dat een algoritme wordt omgezet van het verwerken van één waarde tegelijk naar het verwerken van een verzameling waarden (vector) tegelijk, wat op CPU-niveau achter de schermen wordt uitgevoerd.