Détails
- 5 Sections
- 26 Lessons
- 28 Hours
Expand all sectionsCollapse all sections
- Geavanceerde Python5
- 1.1Herhaling van fundamentele Python-concepten
- 1.2Goede praktijken / Codeontwerp
- 1.3Geavanceerde functionaliteiten van Python
- 1.4Prestatie-evaluatie
- 1.5Beperkingen van de prestaties van de native Python-taal
- Manipulatie van arrays en wiskundige bewerkingen met NumPy8
- 2.1Gegevensstructuur: numpy-array
- 2.2Aanmaken van arrays
- 2.3Bewerkingen op arrays: basisbewerkingen, broadcasting, specifieke methoden, werken met wiskundige formules
- 2.4Invoer/uitvoer met NumPy
- 2.5Uitleg over de optimalisatie van bewerkingen op arrays met NumPy: vectorisatie, geheugenallocatie, C++ binding, compilatie voor specifieke architecturen, optimalisatie van processorbronnen
- 2.6Vermijden van for-lussen
- 2.7Vergelijking van prestaties met native Python
- 2.8Profilering / Timing
- Wetenschappelijke berekeningen met SciPy2
- 3.1Algemene introductie tot de bibliotheek
- 3.2Presentatie van enkele voorbeelden: curve fitting, lineaire algebra, Fourier-transformatie, signaalverwerking…
- Gegevensverkenning en -analyse met Pandas9
- 4.1Gegevensstructuren: DataFrame, Series
- 4.2Essentiële functionaliteiten: attributen, beschrijvende statistieken, gegevenstypen…
- 4.3Indexering en selectie van gegevens: Basisprincipes Toegang via attributen Slicing Selectie op label, positie, callable-functie, selectie-methoden, maskergebaseerde selectie
- 4.4Wiskundige bewerkingen op DataFrames: versnelde bewerkingen op gegevens, toepassing van wiskundige functies
- 4.5Bewerkingen op DataFrames: concatenatie, samenvoeging, groepering
- 4.6Werken met tekstuele gegevens
- 4.7Werken met ontbrekende gegevens
- 4.8Werken met tijdreeksen
- 4.9Invoer/uitvoertools
- Versnellen van Python-code2
- 5.1Algemene en snelle introductie tot bestaande tools om Python-code te versnellen
- 5.2Schaalvergroting en parallelisatie met Dask
