На этом шаге мы подведем краткие итоги по изученному материалу.
На предыдущих шагах вы познакомились с основами NumPy: массивами, формами, осями координат, типами, транслированием, расширенным доступом по индексу, срезами, сортировкой, поиском, агрегированием и статистическими показателями. Вы также улучшили основные навыки работы с Python, поработав на практике с такими важными вещами, как списковое включение, логические операции и лямбда-функции. Наконец, что не менее важно, вы научились лучше читать, понимать и писать лаконичный код, по ходу дела решая основополагающие задачи науки о данных.
Продолжим столь же быстрое изучение различных интересных вопросов в сфере Python. Далее мы углубимся в захватывающий мир машинного обучения. Вы познакомитесь с простейшими алгоритмами машинного обучения и узнаете, как воспользоваться всеми их возможностями в одной строке кода с помощью популярной библиотеки scikit-learn. Она хорошо знакома любому специалисту по машинному обучению. Но не бойтесь - только что полученные вами навыки работы с NumPy помогут вам разобраться в описанных далее фрагментах кода.
Со следующего шага мы начнем знакомиться с машинным обучением.
