База по Numpy

27 flashcards · Programming Languages · by pyramidheadshark

1. Основная структура данных NumPy?

   ndarray (N-мерный массив).

2. Основное назначение NumPy в ML?

   Основа для векторов и матриц в ML.

3. Что такое NumPy?

   Библиотека Python для численных вычислений.

4. Почему NumPy быстрее списков Python для численных задач?

   Реализация на C и Fortran, векторизованные операции, однородность типов.

5. Для чего матрицы используются для хранения наборов данных?

   Каждая строка матрицы представляет отдельный объект, столбцы - признаки.

6. Приведите пример использования векторов в ML.

   Представление признаков объекта, например, цветовых каналов пикселя в изображении.

7. В каком случае следует использовать массивы NumPy вместо списков Python в ML?

   Когда требуются эффективные численные операции и работа с многомерными данными.

8. В чем преимущество фиксированного размера массивов NumPy?

   Улучшает производительность за счет оптимизации управления памятью.

9. Как многомерность массивов NumPy помогает в ML?

   Позволяет эффективно представлять сложные данные, такие как изображения и временные ряды.

10. Почему однородность типов данных важна в NumPy?

    Увеличивает эффективность численных операций и снижает использование памяти.

11. Изменение размера NumPy массива после создания?

    Нельзя, размер фиксирован.

12. Применение матриц в ML?

    Хранение наборов данных, преобразования.

13. Определение ndarray?

    Сетка однотипных значений, индексированная целыми числами.

14. Операции линейной алгебры в NumPy?

    Мощные инструменты для векторов и матриц.

15. Роль векторов в ML?

    Представление признаков данных.

16. Разница вектор/матрица в ML?

    Вектор: признаки точки данных, матрица: наборы данных.

17. Как создать 1D вектор в NumPy?

    np.array([элементы])

18. Ключевая характеристика NumPy по типу данных?

    Однородность: все элементы одного типа.

19. Скалярное умножение NumPy массива?

    Массив * скаляр

20. Поэлементное умножение NumPy?

    Умножение соответствующих элементов массивов.

21. Пример поэлементного сложения NumPy массивов?

    a + b

22. Что такое 'многомерность' в NumPy?

    Массивы могут быть векторами, матрицами, тензорами.

23. Как создать 2D матрицу в NumPy?

    np.array([[строка1], [строка2]])

24. Различие массивов NumPy и списков Python по размеру?

    NumPy массивы фиксированного размера.

25. Эффективность NumPy vs Python списков?

    NumPy быстрее благодаря C и Fortran.

26. Важность NumPy для ML?

    Базовый инструмент для числовых данных в ML.

27. Тип данных элементов NumPy массива?

    Один и тот же тип данных для всех элементов.