Работал с NumPy в различных проектах, в основном для обработки данных, научных вычислений и машинного обучения. Уверенно использую основные возможности: - **Массивы и операции**: создание, индексация, slicing, broadcasting - **Математические функции**: линейная алгебра (`dot`, `inv`), статистика (`mean`, `std`), тригонометрия - **Оптимизация производительности**: векторизация операций вместо циклов Пример: ``` import numpy as np # Создание массива и операции arr = np.array([1, 2, 3]) squared = arr ** 2 # [1, 4, 9] # Матричные операции matrix = np.random.rand(3, 3) inverse = np.linalg.inv(matrix) # Broadcasting result = arr + 10 # [11, 12, 13] ``` Также работал с `np.nan`, масками, сортировкой и конкатенацией массивов. NumPy — основа для pandas и многих ML-библиотек, поэтому опыт с ним критически важен.