Python NumPy cơ bản cho khoa học dữ liệu

Với NumPy, giúp xử lý các mảng đa chiều dễ dàng
Hãy bước những bước đầu tiên vào khoa học dữ liệu!

Chủ đề bài giảng 📖

NumPy là thư viện Python tiêu biểu đóng vai trò là nền tảng cho khoa học dữ liệu, học máy và hoạt động học sâu, cùng với Python Pandas, SciPy, Matplotlib và Pytorch.

Đây là một trong những thư viện cho phép thực hiện các phép toán số để xử lý các mảng đa chiều lớn và dữ liệu ma trận trong Python và được triển khai nội bộ bằng ngôn ngữ C, do đó giảm thiểu việc sử dụng bộ nhớ đồng thời cung cấp tốc độ hoạt động rất nhanh.

Vậy tại sao lại sử dụng mảng đa chiều ?

Khi xử lý dữ liệu, dữ liệu được lưu trữ dưới dạng một mảng số. Khi xử lý một hình ảnh như trên, toàn bộ hình ảnh được cấu trúc dưới dạng một mảng dữ liệu hai chiều, với mỗi điểm ảnh được xử lý dưới dạng một giá trị số từ 0 đến 255. Điều này là do việc tổ chức dữ liệu thành một mảng là quy trình cơ bản nhất để xử lý dữ liệu .

Cấu trúc và tiến trình bài giảng 🎢

Chúng tôi sẽ tiến hành đào tạo thực hành trên Google Colab , một môi trường phát triển Python dành cho khoa học dữ liệu.

Khóa học sẽ được chia thành bảy phần, kéo dài khoảng 30 bài giảng. Mỗi phần và chủ đề sẽ bao gồm các hàm có sẵn trong mô-đun NumPy, cùng với các ví dụ đơn giản. Ban đầu, bạn sẽ làm theo mã ví dụ và tự viết mã của riêng mình, sau đó sử dụng các tệp thực hành để ôn tập đầy đủ nội dung trong ngày. (Các tệp thực hành được giải thích bên dưới.)

Các khái niệm đại số tuyến tính khó và không quen thuộc cũng được học thêm thông qua tài liệu.

Trong phần cuối, chúng ta sẽ thực hành các ví dụ dựa trên lý thuyết và hàm đã học, củng cố kỹ năng viết mã Python và thư viện NumPy. (Các ví dụ thực tế có thể được bổ sung trong tương lai.)

Làm thế nào để tận dụng 100% bài giảng của bạn ✨

Tải xuống tệp thực hành đã tải lên Google Drive.

Từ thanh điều hướng trên cùng, nhấp vào Tệp - Lưu Bản sao vào Ổ đĩa. Thao tác này sẽ lưu tệp vào ổ đĩa của bạn. Tên tệp sẽ kết thúc bằng "Bản sao của ~practical_yjglab.ipynb". Bạn có thể sử dụng tệp bằng cách xóa phần "Bản sao của" khỏi tên tệp, ngoại trừ định dạng tệp.

Tệp này liệt kê các phần và chủ đề phụ trong bài giảng.
Sau khi tham dự bài giảng, hãy thử viết mã phù hợp với chủ đề dựa trên những gì bạn đã học ngày hôm đó.
Ví dụ, nếu hôm nay bạn đã học về hàm A và hàm B trong Phần 2, bạn sẽ viết ví dụ cho từng hàm mà không cần xem trực tiếp lý thuyết.

Không sao nếu bạn không nhớ. Hãy ghi chép lại càng nhiều càng tốt, xem lại tài liệu bài giảng để tìm ra những phần bạn bỏ sót và kiểm tra xem các ví dụ mã bạn đã viết có khớp với những gì đã học không.

Bạn sẽ học được gì 📚

Phần 0. Bắt đầu với NumPy

Bắt đầu bằng phần giới thiệu ngắn gọn về NumPy, chúng ta sẽ thiết lập môi trường thực hành Python và sau đó tìm hiểu các khái niệm cơ bản về mảng N chiều: mảng, trục, chiều, ma trận và tenxơ.

Phần 1. Tạo mảng N chiều (ndarray)

Chúng tôi sẽ hướng dẫn cách tạo mảng N chiều ở nhiều định dạng, kiểu dữ liệu khác nhau và cách trực quan hóa dữ liệu của bạn một cách dễ dàng.

Phần 2. Lập chỉ mục cho mảng N chiều

Chúng tôi sẽ giới thiệu cách truy cập giá trị bằng cách sử dụng chỉ mục mảng và cách tìm kiếm trong một phạm vi giá trị cụ thể.

Phần 3. Các phép toán trên mảng N chiều

Nó bao gồm các phép toán cơ bản như số học ma trận, phép toán tích vô hướng, phép toán so sánh và quy trình phép toán phát sóng.

Phần 4. Sắp xếp một mảng N chiều

Chúng tôi sẽ hướng dẫn cách sắp xếp các phần tử của một mảng theo thứ tự của chúng.

Phần 5. Thay đổi hình dạng của mảng N chiều

Chúng tôi sẽ trình bày cách thay đổi hình dạng của mảng và mở rộng hoặc thu nhỏ kích thước của mảng.

Mục 6. Hợp nhất mảng N chiều

Bao gồm cách thêm và xóa các phần tử khỏi một mảng, cũng như cách hợp nhất và phân tách dữ liệu.

Mục 7. Ví dụ thực tế

Chúng ta hãy giải một ví dụ thực tế dựa trên những gì chúng ta đã học.

Câu hỏi dự kiến Hỏi & Đáp 💬