강의

멘토링

로드맵

Inflearn brand logo image
Data Science

/

Data Analysis

[PL 0302] データ演算のためのPython - NumPyマスタークラス

NumPyの使い方と、これを利用した実践練習を行う講義です。

  • asdfghjkl13551941
이론 중심
시리즈
데이터전처리
Numpy
Python
AI

こんなことが学べます

  • NumPy (ナムパイ)

  • データ処理

  • データ演算

NOTICE

本講義は、人工知能特化カリキュラムAll about AIのpre-semester(本学期前の事前準備学期)に属する講義であり、

データ処理ライブラリ NumPy, Matplotlib, Pandas
最も重要なNumPyを扱う講義です。

Miro Link: https://miro.com/app/board/uXjVNJ8PZSs=/?share_link_id=801072444784

All About AIの紹介については、オリエンテーション講義を参照してください。

Pythonを使用したデータ操作の中核NumPy!

NumPyは、Numerical Pythonの略で、ベクトル、行列、およびそれ以上の高次テンソルを計算するために特化されているライブラリです。

このNumPyは、Pythonを利用してデータを扱うすべての人にとって必須となる技術であり、最も汎用的に使われるため、一度学んでおくと、孝子の噂をふさぐライブラリです。

今後はNumPyを利用して機械学習、ディープラーニングアルゴリズムを直接実装するので、これらを本格的に学ぶ前に必ず正しく学習しなければならないライブラリです。

NumPyの汎用性!

NumPyは、データを扱う他のライブラリとの互換性がかなり良いです。

したがって、一度NumPyを正しく学ぶと、他のライブラリを使用するときの侵入障壁を減らすことができます。

NumPyの核心を扱う講義!

ほとんどNumPyを扱う講義や教材では

np.sum, np.hstack, np.histogram

このようなAPIの使い方だけを重点的に扱います。


しかし!断然NumPyを使用するときにもっと重要なのは

Broadcasting, Fancy Indexing, Vectorization

同様に、NumPyが提供するndarrayオブジェクトを利用してクイックコードを作成します


したがって、このレッスンでは、NumPyが提供する必須のAPIだけでなく、NumPyをより効率的に使用できる基本的なテクニックも大幅に扱います。

これにより、データを処理するコードを作成したときに、最も基本的なものが頑丈な人の一人になります。

講義で学ぶ196のAPI

このレッスンでは、次のようにNumPyが提供する必須APIの使い方を確実に学びます。

Chapter.2

np.array np.zeros np.ones np.empty np.full np.zeros_like np.ones_like np.empty_like np.full_like np.arange np.linspace

Chapter.3

np.positive np.negative np.add np.subtract np.multiply np.power np.divide np.floor_divide np.remainder

Chapter.4

np.equal np.not_equal np.greater np.greater_equal np.less np.less_equal np.logical_not np.logical_and np.logical_or np.logical_xor np。 all np。 any np.isclose np.allclose

Chapter.6

np.square np.reciprocal np.sqrt np.cbrt np.exp np.exp2 np.expm1 np.log np.log2 np.log10


np.log1p np.deg2rad np.radians np.rad2deg np.degrees np。 sin np。 cos np。タン np。 sinh np。 cosh


np。 tanh np.sign np.absolute np.trunc np。 floor np。 ceil np.round ndarray.round np.clip ndarray.clip

Chapter.10

ndarray.copy ndarray.view ndarray.flatten ndarray.flat numpy.ravel ndarray.ravel np.reshape ndarray.reshape np.resize ndarray.resize

Chapter.11

np.squeeze ndarray.squeeze np.expand_dims np.newaxis np.moveaxis np.swapaxes np.transpose ndarray.transpose np.arcsin np.arccos np.arctan


np.sinh np.cosh np.tanh np.sign np。 abs np.floor np.ceil np.clip np。 round np.trunc np.fix

Chapter.12

np.random.rand np.random.random np.random.uniform np.random.randint np.random.randn np.random.normal np.random.choice np.random.permutation np.random.shuffle np.random.seed


np.random.default_rng rng.random rng.uniform rng.integers rng.standard_normal rng.normal rng.permutation rng.choice rng.shuffle

Chapter.13

np。 sum ndarray。 sum np.prod ndarray.prod np.mean ndarray.mean np.var ndarray.var np.std ndarray.std


np.max ndarray.max np.min ndarray.min np.median np.percentile np.maximum np.minimum np.memdian np.histogram


np.cumsum ndarray.cumsum np.cumprod ndarray.cumprod np.ptp ndarray.ptp np.diff

Chapter.14

np.sort ndarray.sort np.argsort ndarray.argsort np.argmax ndarray.argmax np.argmin ndarray.argmin np.nonzero ndarray.nonzero np.where np.unique

Chapter.15

np.hstack np.vstack np.concatenate np.append np.hsplit np.vsplit np.split np.partition ndarray.partition np.argpartition ndarray.argpartition

Chapter.16

np.repeat ndarray.repeat np.tile np.meshgrid

Chapter.17

np.linalg.norm np.dot ndarray.dot np.cross np.outer np.identity np.eye np.diag np.trace


ndarray.trace ndarray.transpose ndarray.T np.matmul np.linalg.det np.linalg.inv np.linalg.eig

Chapter.18

ndarray.dtype np.intX np.uintX np.floatX ndarray.itemsize ndarray.nbytes ndarray.astype

Chapter.19

np.save np.load np.savez np.savez_compressed


そして次の章では、ndarrayの基本的な使い方をそれぞれ学びます。

Chapter.5 - ブロードキャスト

Chapter.7 - Integer Indexing

Chapter.8 - Boolean Indexing

Chapter.9 - Slicing on ndarrays

Chapter.20 - ベクトル化技術

Practical Practices!

このレッスンでは、NumPyのAPI、ndarrayの技術と一緒にこれを復習するために、機械学習、ディープラーニングで実際に使用されるコードを書いてみます。

Outer

今後は、本講義で学んだ内容に基づいて様々なアルゴリズムを直接実装する予定です。

今回の機会に今後面白いアルゴリズムを作るためにNumPyをしっかり固める機会になればと思います。

こんな方に
おすすめです

学習対象は
誰でしょう?

  • NumPyを 제대로 배우고 싶은 분

  • データ分析をされる方

  • 機械学習、ディープラーニングを学んでいる方

前提知識、
必要でしょうか?

  • Pythonの基礎文法

こんにちは
です。

2,944

受講生

117

受講レビュー

81

回答

5.0

講座評価

13

講座

강의 이력

  • [멋쟁이 사자처럼] 인공지능중고급과정

  • [국립기상과학원] 2022년, 2023년, 2025년 기상 AI 부스트캠프

  • [삼성전기] 신입SW과정 전문반

  • [국가과학기술인력개발원] R&D 수행 역량 강화 장기 멘토링

  • [국가과학기술인력개발원] R&D 전문과정 이러닝 컨텐츠 제작

  • [국가과학기술인력개발원] 박사후연구원 연구 데이터 시각화 과정

  • [원광대학교] 원광대학교 AI 집체교육 및 AI 장단기과정

  • [한국지능정보사회진흥원] SW여성인재 교육

  • [SK m&service] 데이터 기반 의사결정

  • [한국IT비즈니스진흥협회] ICT COG Academy

  • [서울시 교육청] 신기술분야 연수

     

  • [KT] KT AI 역량향상 과정

  • [K-ICT] 데이터 안심구역 분석캠프

  • [경기도경제과학진흥원] 처음으로 배우는 비전 AI

  • [경기도경제과학진흥원] 파이썬 데이터 분석 입문

  • [서울과학기술원] AI 활용 심화교육

  • [서울대학교] AI 활용 역량강화 교육

  • [HD한국조선해양] AIC AI 연구직 역량 평가 개발

  • [멀티캠퍼스] 원리부터 구현까지, 머신러닝 핵심 알고리즘 마스터

     

     

     

 

  • [패스트캠퍼스] 수학적으로 접근하는 딥러닝

  • [패스트캠퍼스] 한 번에 끝내는 머신러닝과 데이터분석 A-Z

  • [패스트캠퍼스] 바이트 디그리 Lv.2 Deep Learning Essentials

  • [패스트캠퍼스] 딥러닝인공지능 초격차

  • [패스트캠퍼스] 컴퓨터 공학 초격차 VER.2

     

カリキュラム

全体

192件 ∙ (35時間 9分)

講座資料(こうぎしりょう):

授業資料
講座掲載日: 
最終更新日: 

受講レビュー

全体

4件

5.0

4件の受講レビュー

  • HeeSeok Jeong님의 프로필 이미지
    HeeSeok Jeong

    受講レビュー 9

    平均評価 4.1

    5

    8% 受講後に作成

    파이토치를 배우기 위한 밑거름 강의... 최고입니다. 신경식 강사님의 강의는 언제나 옳다 !!!

    • 공대형아(신경식)
      知識共有者

      감사합니다!! 더 좋은 컨텐츠의 강의 제공할 수 있도록 최선을 다하겠습니다😃

  • 권승님의 프로필 이미지
    권승

    受講レビュー 2

    平均評価 5.0

    5

    30% 受講後に作成

    • ysyang1009님의 프로필 이미지
      ysyang1009

      受講レビュー 13

      平均評価 5.0

      5

      24% 受講後に作成

      • 유준모님의 프로필 이미지
        유준모

        受講レビュー 2

        平均評価 5.0

        5

        30% 受講後に作成

        ¥5,355

        asdfghjkl13551941の他の講座

        知識共有者の他の講座を見てみましょう!

        似ている講座

        同じ分野の他の講座を見てみましょう!