Question 1

Wat is een ndarray in NumPy?

Accepted Answer

Een ndarray (N-dimensional array) is de fundamentele datastructuur van NumPy. Het is een homogene multidimensionale array, wat betekent dat alle elementen van hetzelfde type moeten zijn. Deze homogeniteit maakt zeer snelle gevectoriseerde bewerkingen mogelijk omdat gegevens aaneengesloten in het geheugen worden opgeslagen, in tegenstelling tot Python-lijsten die verwijzingen naar verspreide objecten opslaan.

Question 2

Hoe maak je een NumPy-array met de waarden [1, 2, 3, 4, 5]?

Accepted Answer

De functie np.array() is de standaardmethode om een ndarray te maken van een Python-sequentie zoals een lijst of tuple. Het converteert de sequentie naar een geoptimaliseerde NumPy-array. Andere functies zoals np.arange() genereren sequenties, maar met andere syntaxis (start, stop, step), en np.zeros()/np.ones() maken arrays gevuld met specifieke waarden.

Question 3

Welke functie gebruik je om een array van 10 gelijkmatig verdeelde elementen tussen 0 en 1 te maken?

Accepted Answer

np.linspace(0, 1, 10) maakt precies 10 gelijkmatig verdeelde waarden tussen 0 en 1, inclusief beide eindpunten. Het is ideaal wanneer het gewenste aantal punten bekend is. np.arange() gebruikt een vaste stap en bevat mogelijk niet het eindpunt. np.linspace() heeft de voorkeur voor intervallen met een nauwkeurig aantal punten, met name voor plotting of numerieke integratieberekeningen.

NumPy-grondbeginselen

Wat is een ndarray in NumPy?

Antwoord

Hoe maak je een NumPy-array met de waarden [1, 2, 3, 4, 5]?

Antwoord

Welke functie gebruik je om een array van 10 gelijkmatig verdeelde elementen tussen 0 en 1 te maken?

Antwoord

Welk attribuut geeft de dimensies (shape) van een NumPy-array?

Hoe maak je een 3x3-matrix gevuld met nullen?

Andere Data Science & ML-sollicitatieonderwerpen

Python-basisbeginselen

Python Objectgeoriënteerd Programmeren

Python-datastructuren

Git-Fundamenten

SQL-basisbeginselen

Pandas-basis

Jupyter & Google Colab

SQL Joins & geavanceerde queries

Geavanceerd Pandas

Visualisatie met Matplotlib & Seaborn

Interactieve visualisaties met Plotly

Beschrijvende statistiek

Inferentiële statistiek

Web Scraping

BigQuery & Cloud Data

Feature Engineering

Supervised ML: Regressie

Supervised ML: Classificatie

Beslissingsbomen & Ensembles

Ongesuperviseerd ML

ML Pipelines & Validatie

Tijdreeksen & Voorspelling

Fundamenten van Deep Learning

TensorFlow & Keras

CNN en beeldclassificatie

RNN & Reeksen

Transformers & Attention

NLP & Hugging Face

GenAI & LangChain

MLOps en Deployment

Beheers Data Science & ML voor je volgende gesprek