Data Science Academy · Pelajaran

Matematika Vektor Tanpa Perulangan

Operasi per elemen pada seluruh array.

Matematika Vektor Tanpa Perulangan adalah pelajaran Data Science Academy gratis di CoddyKit. Ini adalah pelajaran 3 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Data Science Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Data Science Academy mencakup 4 pelajaran total.

Bagian dari pelajaran ini belum diterjemahkan dan ditampilkan dalam bahasa Inggris.

Math on Whole Arrays

With NumPy you rarely write loops for math. You apply an operation to a whole array at once, and every element updates together. ⚡

The Old Loop Way

In plain Python, doubling numbers means looping one by one. It works, but it's verbose and slow for big datasets.

out = []
for x in nums:
    out.append(x * 2)

The Vectorized Way

NumPy collapses that loop into one line. Vectorization means the operation runs across the entire array in fast compiled code.

arr * 2  # every element doubled

Element-Wise by Default

Add two arrays and NumPy pairs them up position by position. This element-wise behavior is the heart of array math.

np.array([1, 2, 3]) + np.array([10, 20, 30])

Scalars Spread Everywhere

Add a single number to an array and it touches every element. NumPy calls this broadcasting the scalar across the whole grid.

np.array([1, 2, 3]) + 100

All the Operators Work

Subtraction, division, and powers all behave element-wise too. One expression transforms a million numbers in an instant.

arr ** 2  # square each element

Universal Functions

NumPy ships fast math helpers called ufuncs. np.sqrt and np.exp run across an entire array without a single loop.

np.sqrt(np.array([1, 4, 9]))  # 1 2 3

Compare Whole Arrays

Comparisons vectorize too. An expression like arr > 5 returns a boolean array, one True or False per element.

np.array([3, 7, 5]) > 5  # F T F

Why It Runs So Fast

Vectorized code pushes the loop down into optimized C. You skip Python's per-step overhead, so the same work finishes far faster. 🚀

Clearer Code, Too

Beyond speed, vectorized math reads like the formula itself. Less code means fewer bugs and an analysis anyone can follow.

celsius = (fahrenheit - 32) * 5 / 9

Think in Arrays

The mindset shift is simple: stop thinking one number at a time and start thinking in whole arrays. That habit unlocks NumPy's power. 🧠

Quick Check

Let's see what vectorized math returns.

Recap

You learned to drop the loop: vectorized math applies operations element-wise across whole arrays, with scalars broadcast and ufuncs for the rest. Faster and clearer. 🎉

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Matematika Vektor Tanpa Perulangan” gratis?

Ya — teks lengkap “Matematika Vektor Tanpa Perulangan” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Data Science Academy, upgrade ke CoddyKit PRO. Kursus Data Science Academy mencakup 4 pelajaran total.

Apa yang akan aku pelajari di “Matematika Vektor Tanpa Perulangan”?

Operasi per elemen pada seluruh array. Kamu berlatih Data Science Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai Data Science Academy?

Tidak diperlukan pengalaman sebelumnya. Data Science Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 3 dari 4.

Berapa lama pelajaran “Matematika Vektor Tanpa Perulangan” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran Data Science Academy ini?

Ya. Setiap pelajaran Data Science Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

← Kembali ke Data Science Academy