Baue mit 100 gezielten Übungen in einem einzigen Jupyter Notebook praktische NumPy-Routine auf. Die ersten 50 Übungen vermitteln die Grundlagen der Array-Erstellung, Berechnung, Indizierung, Formänderung, Sortierung und Statistik; die übrigen 50 optionalen Aufgaben verbinden diese Techniken zu anspruchsvolleren Problemen.
Jede Übung enthält ein ausgearbeitetes Codebeispiel und anschließend eine leere Zelle, in der du die Lösung selbst nachvollziehen oder anpassen kannst. Der Weg führt von alltäglichen ndarray-Operationen bis zu fehlenden Werten, Normalisierung, Korrelationen, Eigenwerten und der Umwandlung eines Bildes in ein Array – mit konsequentem Fokus auf praktischem numerischem Python.
Was du lernen wirst
- Ein-, zwei- und dreidimensionale Arrays mit NumPy-Konstruktoren erstellen
- Elementweise Arithmetik, Matrixoperationen und mathematische Funktionen anwenden
- Daten durch Indizierung, Slicing, Umformen, Stapeln und Aufteilen auswählen und transformieren
- Arrays mit Extremwerten, Mittelwerten, Varianz, Standardabweichung und Perzentilen zusammenfassen
- Arrays sortieren, Werte lokalisieren, fehlende Daten behandeln und Elemente vergleichen
- Numerische Daten normalisieren sowie Abstände, Korrelationen und Eigenwerte berechnen
- Mehrere NumPy-Operationen kombinieren, um kompakte Array-Aufgaben zu lösen
- Bilddaten in ein
ndarrayumwandeln und das rekonstruierte Ergebnis anzeigen
Für wen dieser Kurs geeignet ist
Dieser Kurs richtet sich an Python-Lernende, die NumPy intensiv praktisch üben möchten, sowie an angehende Data Scientists, die ihre Grundlagen in der Array-Manipulation stärken wollen. Einsteiger können den ausgearbeiteten Beispielen der ersten Hälfte folgen; Lernende mit NumPy-Erfahrung können die optionale zweite Hälfte als Wissenscheck nutzen.
Voraussetzungen: Grundkenntnisse der Python-Syntax, einschließlich Variablen, Funktionen und Listen, werden empfohlen. Frühere Erfahrung mit NumPy ist hilfreich, aber nicht erforderlich.
Lernumgebung: Bereitgestellt wird ein browserbasiertes Jupyter Notebook unter Ubuntu 22.04 mit Python 3.10 und NumPy 2.0.0. Das Notebook enthält alle 100 Übungen, ausgearbeitete Beispiele und leere Übungszellen; eine lokale Installation ist nicht nötig.
Häufig gestellte Fragen
Ist dies ein geführter Kurs oder eine Aufgabensammlung?
Es handelt sich um ein umfangreiches einzelnes Übungs-Notebook und nicht um eine Reihe separater geführter Labs. Kurze Erklärungen führen die wichtigsten Konzepte ein, doch die meiste Zeit verbringst du mit dem Lesen, Ausführen und erneuten Schreiben von NumPy-Code.
Werden Lösungen zu den Übungen bereitgestellt?
Ja. Jede Übung zeigt eine ausgearbeitete Implementierung und bietet eine leere Codezelle zum eigenen Üben. Für den größten Lernerfolg solltest du versuchen, das Ergebnis nachzubilden, ohne das Beispiel direkt zu kopieren.
Muss ich alle 100 Übungen der Reihe nach bearbeiten?
Die ersten 50 bilden den Grundlagenteil und bieten die klarste Progression. Die Übungen 51–100 sind ausdrücklich optional und können gezielt ausgewählt oder zur Wiederholung bestimmter Themen genutzt werden.
Vermittelt der Kurs Machine Learning oder Data-Science-Projekte?
Nein. Er trainiert NumPy-Techniken, die als Grundlage für diese Bereiche dienen, entwickelt aber weder Vorhersagemodelle noch vollständige End-to-End-Projekte. Im Mittelpunkt stehen Array-Operationen und numerisches Problemlösen.
