Lenguajes y Fundamentos de Programación · PY-120

NumPy: cálculo numérico

Arrays, álgebra lineal, estadística e indexación avanzada para cálculo científico y de ingeniería.

Disponible Intermedio 7 módulos · 34 clases

Formato asíncrono Desarrollo, Ingeniería / Industria Python, NumPy

DATOS DESARROLLO

Lo que aprenderás

Crear y manipular arrays multidimensionales controlando forma, tipo de dato y uso de memoria
Sustituir bucles por operaciones vectorizadas y medir la diferencia de tiempo de ejecución
Aplicar indexación avanzada con máscaras booleanas, índices enteros y rebanadas por eje
Resolver sistemas lineales, calcular determinantes, inversas y valores propios con numpy.linalg
Calcular estadísticos por eje y tratar valores ausentes con las funciones nan
Aplicar broadcasting para combinar arrays de formas distintas sin copiar datos innecesariamente
Guardar y recuperar arrays en formatos npy y npz para intercambiar resultados entre procesos

Contenido del curso

7 módulos · 34 clases en vídeo · práctica guiada en cada módulo

Módulo 1 · El array de NumPy 5 clases

Por qué una lista de Python no basta
Creación de arrays y tipos de dato
Forma, dimensiones y tamaño
Arrays de ceros, unos, rangos y aleatorios
Entorno de trabajo y primer cuaderno

Módulo 2 · Operaciones vectorizadas 5 clases

Aritmética elemento a elemento
Funciones universales sobre arrays
Comparación de tiempos frente a bucles
Reducciones: suma, media, mínimo y máximo
Operaciones acumuladas

Módulo 3 · Indexación y selección 5 clases

Rebanadas por eje y vistas frente a copias
Máscaras booleanas para filtrar
Indexación con listas de índices
where, nonzero y selección condicional
Modificación in situ y sus riesgos

Módulo 4 · Forma y combinación 5 clases

reshape, ravel y transpuesta
Añadir y eliminar ejes
Concatenación y apilado
División de arrays en bloques
Broadcasting explicado con casos

Módulo 5 · Álgebra lineal 5 clases

Producto matricial y producto escalar
Determinante, rango e inversa
Resolución de sistemas de ecuaciones
Valores y vectores propios
Descomposición y mínimos cuadrados

Módulo 6 · Estadística y datos incompletos 5 clases

Media, mediana, desviación y percentiles por eje
Histogramas y conteos
Valores NaN y funciones nan
Correlación y covarianza
Generación de datos aleatorios reproducibles

Módulo 7 · Caso práctico de cierre 4 clases

Tratamiento de una serie de medidas de laboratorio
Filtrado, corrección y estadísticos por bloque
Ajuste por mínimos cuadrados y evaluación
Guardado de resultados en npz y exportación

Requisitos

Programar en Python con bucles, funciones y colecciones
Matemáticas de nivel técnico: matrices, sistemas de ecuaciones y estadística descriptiva
Basta con un navegador si se trabaja en cuaderno, o Python instalado en el equipo

Descripción

En cálculo científico y en ingeniería el cuello de botella suele ser el mismo: series de miles de muestras recorridas con bucles de Python. El código es correcto pero tarda minutos donde debería tardar segundos, y cuando el volumen crece deja de ser viable. NumPy resuelve eso trasladando la operación al array completo en lugar de al elemento.

El curso empieza por la estructura del array, su forma y su tipo, y de ahí pasa a la vectorización, el broadcasting y la indexación avanzada, que es donde está la mayor parte de la potencia real. Después entra en álgebra lineal, estadística por eje, tratamiento de ausentes y entrada y salida de datos, siempre sobre series y matrices propias de trabajos de ingeniería.

NumPy es la base sobre la que se apoyan Pandas, Matplotlib, SciPy y las bibliotecas de aprendizaje automático, así que este curso es el paso previo a todas ellas. También sirve por sí solo para cálculos de laboratorio, tratamiento de señales muestreadas y simulaciones numéricas.

¿Para quién es este curso?

Ingenieros que procesan series de medidas y necesitan cálculo rápido sobre miles de muestras
Desarrolladores que preparan la base numérica antes de entrar en Pandas o en aprendizaje automático
Personal de laboratorio o I+D que resuelve cálculos matriciales de forma repetitiva