wip: add numpy sections

docs/_toc.yml

@@ -22,7 +22,9 @@ parts:
           - file: python/python_fundamentals/modules_packages
   - caption: NumPy
     chapters:
-      - file: numpy/numpy
+      - file: numpy/intro_to_numpy
+      - file: numpy/numpy_quickstart
+      - file: numpy/numpy_fundamentals
   - caption: Pandas
     chapters:
       - file: pandas/pandas

docs/numpy/intro_to_numpy.md

@@ -0,0 +1,22 @@
+# Introduction to NumPy
+
+## Apa itu NumPy?
+
+NumPy adalah library fundamental untuk scientific computing di Python. NumPy digunakan untuk melakukan operasi matematika pada multi-dimensional array object, beserta objek turunannya seperti masked arrays dan matrix.
+
+NumPy menyediakan fungsi-fungsi yang efisien untuk operasi matematika pada array, seperti operasi linear algebra, operasi statistik, shape manimpulation, sorting, selecting, I/O, dan lainnya.
+
+Core dari Numpy adalah objek `ndarray` yang mengenkapsulasi array n-dimensi dengan elemen-elemen yang seragam, dimana operasi-operasinya dilakukan pada kode yang telah tekompilasi.
+
+Referensi: https://numpy.org/doc/stable/user/whatisnumpy.html#what-is-numpy
+
+## Mengapa menggunakan NumPy?
+
+Python memiliki built-in `list` yang dapat digunakan untuk menyimpan data dalam bentuk array. Namun, `list` tidak efisien untuk melakukan operasi matematika pada data yang besar dan lambat untuk diproses.
+
+Berikut beberapa perbedaan antara Numpy array dengan Python list:
+
+1. Numpy array memiliki ukuran yang tetap, sedangkan Python list memiliki ukuran yang dinamis. Perubahan pada ukuran Numpy array akan menghasilkan array baru dan menghapus array lama.
+2. Numpy array memiliki elemen-elemen yang seragam, sehingga ukuran mereka di dalam memori akan tetap sama.
+3. Numpy array mendukung operasi matematika pada array ukuran besar secara efisien, sedangkan Python list tidak.
+4. Bertambah banyaknya library scientific computing di Python yang menggunakan NumPy sebagai basisnya.

docs/numpy/numpy_fundamentals.md

@@ -0,0 +1,13 @@
+# NumPy Fundamentals
+
+Dokumen-dokumen dari situs resmi NumPy di bawah ini akan membantu kamu untuk lebih memahami konsep, design decisions, dan technical constrains dari NumPy.
+
+- [Array creation](https://numpy.org/doc/stable/user/basics.creation.html)
+- [Indexing on ndarrays](https://numpy.org/doc/stable/user/basics.indexing.html)
+- [I/O with NumPy](https://numpy.org/doc/stable/user/basics.io.html)
+- [Data types](https://numpy.org/doc/stable/user/basics.types.html)
+- [Broadcasting](https://numpy.org/doc/stable/user/basics.broadcasting.html)
+- [Copies and views](https://numpy.org/doc/stable/user/basics.copies.html)
+- [Working with Arrays of Strings And Bytes](https://numpy.org/doc/stable/user/basics.strings.html)
+- [Structured arrays](https://numpy.org/doc/stable/user/basics.rec.html)
+- [Universal functions (ufunc) basics](https://numpy.org/doc/stable/user/basics.ufuncs.html)

docs/numpy/numpy_quickstart.md

@@ -0,0 +1,11 @@
+# NumPy Quickstart
+
+Untuk mulai menggunakan NumPy dan mempelajari konsep dasar NumPy, kamu dapat membaca tutorial dari halaman resmi NumPy:
+
+[NumPy quickstart](https://numpy.org/doc/stable/user/quickstart.html)
+
+Tutorial di atas akan membantu kamu memahami tentang:
+
+1. Perbedaan antara one-, two-, dan n-dimensional arrays di NumPy
+2. Bagaimana cara menggunakan operasi-operasi aljabar linear untuk n-dimensional arrays tanpa menggunakan for-loops
+3. Memaham properti `axis` dan `shape` dari n-dimensional arrays

pyproject.toml

@@ -13,6 +13,7 @@ jupyterlab = "^4.2.4"
 black = "^24.4.2"
 isort = "^5.13.2"
 jupyterlab-code-formatter = "^3.0.0"
+numpy = "^2.0.1"
 
 
 [build-system]