Python Numpy - Historial de revisiones

SolidusAbi: /* Numpy */

2019-01-02T12:38:02Z

‎Numpy

SolidusAbi: /* Numpy */

2019-01-02T12:25:53Z

‎Numpy

SolidusAbi: /* Numpy */

2019-01-02T12:23:50Z

‎Numpy

SolidusAbi: /* Numpy */

2019-01-02T12:23:27Z

‎Numpy

SolidusAbi: /* Numpy */

2019-01-02T12:23:05Z

‎Numpy

SolidusAbi: /* Numpy */

2019-01-02T11:54:39Z

‎Numpy

Lukas en 22:48 6 jun 2018

2018-06-06T22:48:24Z

Lukas: Página creada con «=== Numpy===
Numpy.
...»

2018-06-06T22:31:45Z

Página creada con «=== <big> Numpy</big>=== <div style="border:none; margin-left: 2em; margin-right: 5em; text-align: justify; padding-left:5px; text-indent: 3%; color:#000"> Numpy. </div>...»

Página nueva

=== <big> Numpy</big>===

<div style="border:none; margin-left: 2em; margin-right: 5em; text-align: justify; padding-left:5px; text-indent: 3%; color:#000"> Numpy. </div>

[[Archivo:3dSlicerEcosystem.png|300x120px|borde|centro|3DSlicer Ecosystem]]

Lección 1. Python
[[Archivo:Building 3D Slicer.pdf|miniaturadeimagen|Building 3D Slicer]]

@@ Línea 2: / Línea 2: @@
 <div style="margin-left: 2em;  margin-right: 2em; text-align: justify; text-indent: 3%;">
-'''Numpy''' es un paquete de procesamientos de ''arrays'' de propósito general que '''permite trabajar de forma eficiente con ''arrays'' multidimensionales'''. De esta forma, Python es un lenguaje competitivo en el ámbito científico, mediante la computación de alto rendimiento. Numpy aprovecha los recursos de los procesadores actuales permitiendo utilizar operaciones ''SIMD'' (''Simple Intructions Multiple Data'') para aprovechar el estilo programación por vectorización donde las operaciones son aplicadas a todo el ''array'' en lugar de los elementos individuales.
+'''Numpy''' es un paquete de procesamientos de ''arrays'' de propósito general que '''permite trabajar de forma eficiente con ''arrays'' multidimensionales'''. Este paquete forma parte del núcleo de Python en el ámbito científico para realizar operaciones de alto coste computacional sin sacrificar rendimiento. Numpy aprovecha los recursos de los procesadores actuales permitiendo utilizar operaciones ''SIMD'' (''Simple Intructions Multiple Data'') para aprovechar el estilo programación por vectorización donde las operaciones son aplicadas a todo el ''array'' en lugar de los elementos individuales.
 </div>

@@ Línea 2: / Línea 2: @@
 <div style="margin-left: 2em;  margin-right: 2em; text-align: justify; text-indent: 3%;">
-'''Numpy''' es un paquete de procesamientos de ''arrays'' de propósito general que '''permite trabajar de forma eficiente con ''arrays'' multidimensionales''' permitiendo a Python ser un lenguaje competitivo en el ámbito científico, mediante la computación de alto rendimiento. Numpy aprovecha los recursos de los procesadores actuales permitiendo utilizar operaciones ''SIMD'' (''Simple Intructions Multiple Data'') para aprovechar el estilo programación por vectorización donde las operaciones son aplicadas a todo el ''array'' en lugar de los elementos individuales.
+'''Numpy''' es un paquete de procesamientos de ''arrays'' de propósito general que '''permite trabajar de forma eficiente con ''arrays'' multidimensionales'''. De esta forma, Python es un lenguaje competitivo en el ámbito científico, mediante la computación de alto rendimiento. Numpy aprovecha los recursos de los procesadores actuales permitiendo utilizar operaciones ''SIMD'' (''Simple Intructions Multiple Data'') para aprovechar el estilo programación por vectorización donde las operaciones son aplicadas a todo el ''array'' en lugar de los elementos individuales.
 </div>

@@ Línea 6: / Línea 6: @@
 <div style="margin-left: 2em;  margin-right: 2em; text-align: justify; text-indent: 3%;">
-Los ''array'' de Numpy son un contenedor de valores, todos del mismo tipo, e indedexados por una tupla de valores enteros. Dentro de la nomenclatura del paquete, las dimensiones son conocidas como '''''axes''''', o ejes, y el número dimensiones es conocido como '''''rank'''''. Por último, el '''''shape''''' de un ''array'' da la información en forma de tupla de enteros, del tamaño del ''array'' en cada dimensión.
+Los ''array'' de Numpy son un contenedor de valores, todos del mismo tipo, e indedexados por una tupla de valores enteros. Dentro de la nomenclatura del paquete, las dimensiones son conocidas como '''''axes''''', o ejes, y el número dimensiones es conocido como '''''rank'''''. Por último, el '''''shape''''' de un ''array'' da la información, en forma de tupla de enteros, del tamaño del ''array'' en cada dimensión.
 </div>

@@ Línea 6: / Línea 6: @@
 <div style="margin-left: 2em;  margin-right: 2em; text-align: justify; text-indent: 3%;">
-Los ''array'' de Numpy son un contenedor de valores, todos del mismo tipo, e indedexados por una tupla de valores enteros. Dentro de la nomenclatura del paquete, las dimensiones son conocidas como '''''axes''''', o ejes, y el número dimensiones es conocido como '''''rank''''. Por último, el '''''shape''''' de un ''array'' da la información en forma de tupla de enteros, del tamaño del ''array'' en cada dimensión.
+Los ''array'' de Numpy son un contenedor de valores, todos del mismo tipo, e indedexados por una tupla de valores enteros. Dentro de la nomenclatura del paquete, las dimensiones son conocidas como '''''axes''''', o ejes, y el número dimensiones es conocido como '''''rank'''''. Por último, el '''''shape''''' de un ''array'' da la información en forma de tupla de enteros, del tamaño del ''array'' en cada dimensión.
 </div>

@@ Línea 1: / Línea 1: @@
 === <big> Numpy</big>===
-<div style="border:none; margin-left: 2em;  margin-right: 5em; text-align: justify; padding-left:5px; text-indent: 3%; color:#000"> Numpy. </div>
+<div style="margin-left: 2em;  margin-right: 2em; text-align: justify; text-indent: 3%;">
@@ Línea 7: / Línea 14: @@
 Lección 1. Numpy
 [[Archivo:PythonNumPy.pdf|miniaturadeimagen|PythonNumPy]]

← Revisión anterior		Revisión del 11:54 2 ene 2019
Línea 7:		Línea 7:

	Lección 1. Numpy		Lección 1. Numpy
		+	asdadad
	[[Archivo:PythonNumPy.pdf\|miniaturadeimagen\|PythonNumPy]]		[[Archivo:PythonNumPy.pdf\|miniaturadeimagen\|PythonNumPy]]

@@ Línea 4: / Línea 4: @@
-[[Archivo:3dSlicerEcosystem.png|300x120px|borde|centro|3DSlicer Ecosystem]]
+[[Archivo:Python-numpy-logo-672x263.png|300x120px|borde|centro|PythonNumPy]]
+Lección 1. Numpy
-Lección 1. Python
+[[Archivo:PythonNumPy.pdf|miniaturadeimagen|PythonNumPy]]

Python Numpy - Historial de revisiones

SolidusAbi: /* Numpy */

SolidusAbi: /* Numpy */

SolidusAbi: /* Numpy */

SolidusAbi: /* Numpy */

SolidusAbi: /* Numpy */

SolidusAbi: /* Numpy */

Lukas en 22:48 6 jun 2018

Lukas: Página creada con «=== Numpy=== Numpy. ...»

Lukas: Página creada con «=== Numpy===
Numpy.
...»