import timeit import numpy as np a = np.random.default_rng(1).normal(5, 2, 1_000_000) L, m = a.tolist(), a.mean() def boucle(): s = 0.0 for x in L: s += (x - m) ** 2 return s vec = lambda: ((a - m) ** 2).sum() print(min(timeit.repeat(boucle, number=1, repeat=5))) # 0,079 s print(min(timeit.repeat(vec, number=1, repeat=7))) # 0,0043 s # np.append : 10 000 ajouts -> 49 995 000 valeurs recopiées x = np.array([]) for i in range(10_000): x = np.append(x, i * 0.5) # 30 ms, contre 0.5 ms avec une liste
Statistiques, finance quantitative, machine learning, deep learning, LLM, agents IA, MLOps : 321 épisodes avec des simulateurs à manipuler, pas des vidéos.
Statistics, quantitative finance, machine learning, deep learning, LLMs, AI agents, MLOps: 321 interactive episodes with simulators to play with, not videos.