bmstu.py lecture 11

aori.ru

			bmstu.py
		

План лекции

Python & science

IPython

numpy

numpy


>>> import numpy as np
>>> a = np.array([[1.0, 2.0], [3.0, 4.0]])
>>> b = np.array([[6, 7], [8, 9]])
>>> np.dot(a, b)
array([[ 22.,  25.],
       [ 50.,  57.]])
        

scipy

scipy

>>> import numpy as np
>>> from scipy.optimize import minimize
>>> def rosen(x):
...     return sum(100.0*(x[1:]-x[:-1]**2.0)**2.0 + (1-x[:-1])**2.0)

>>> x0 = np.array([1.3, 0.7, 0.8, 1.9, 1.2])
>>> res = minimize(rosen, x0, method='nelder-mead',
...                options={'xtol': 1e-8, 'disp': True})

>>> print(res.x)
[ 1.  1.  1.  1.  1.]
        

pandas

scikit-learn

scikit-learn


>>> from sklearn import svm
>>> clf = svm.SVC(gamma=0.001, C=100.)
>>> clf.fit(digits.data[:-1], digits.target[:-1])
>>> clf.predict(digits.data[-1:])
array([8])
        

matplotlib

Собеседования

Кто я?

А кто вы?

Зачем нужны собеседования?

Что делать перед собеседованием?

Как подготовиться?

На что смотрит работодатель?

Как оценить профессиональный уровень?

Что за базовые компетенции?

Какие бывают мотиваторы?

О чём спрашивать работодателя?

Что ещё я получу?