• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Бакалавриат 2020/2021

Компьютерный практикум "Python в науке и инженерии"

Статус: Курс обязательный (Прикладная математика)
Направление: 01.03.04. Прикладная математика
Когда читается: 1-й курс, 3, 4 модуль
Формат изучения: с онлайн-курсом
Язык: русский
Кредиты: 3

Программа дисциплины

Аннотация

Практикум нацелен на приобретение начальных навыков работы с научным стеком языка Python: Numpy, Matplotlib, Scipy, Sympy, Pandas. В результате освоения практикума студент научится взаимодействовать с интерактивной средой Jupyter Notebook, применять численные методы для решения задач (Scipy), выполнять символьные вычисления (Sympy), анализировать полученные результаты (Pandas), строить графики (Matplotlib).
Цель освоения дисциплины

Цель освоения дисциплины

  • Получение знаний и навыков программирования на языке Python и использования имеющих широкое применение модулей научного стека (Numpy, Scipy, Matplotlib, Pandas).
Планируемые результаты обучения

Планируемые результаты обучения

  • Устанавливает сборку Anaconda, запускает и использует Jupyter Notebook, пишет простую программу на Python, использует Google Colab
  • Реализует алгоритм на Python в процедурной парадигме
  • Реализует вычислительный алгоритм используя NumPy
  • Создает графики используя Matplotlib
  • Реализует вычислительный алгоритм используя SciPy, визуализирует результаты используя Matplotlib.
  • Загружает и обрабатывает данные используя Pandas
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Введение в Python
    Знакомство с Python, cборка Anaconda (miniconda), среда программирования Jupyter Notebook, Google Colab.
  • Типы данных
    Cтроки, списки, генераторы списков, кортежи, словари, функции.
  • Управляющие конструкции и процедурное программирование
    Условные операторы, циклы, процедурное программирование
  • Модуль NumPy и его применение
    Работа с массивами, матрицами
  • Модуль Matplotlib
    Построение различных типов графиков
  • Модуль SciPy
    Численное решение уравнений, интерполяция, оптимизация, линейная алгебра, интегрирование
  • Модуль SymPy
    Символьные вычисления
  • Модуль Pandas
    Работа с таблицами и анализ данных
Элементы контроля

Элементы контроля

  • неблокирующий Тест
  • неблокирующий Домашнее задание (3 модуль)
  • неблокирующий Онлайн-курс
  • неблокирующий Домашнее задание (4 модуль)
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (4 модуль)
    0.25 * Домашнее задание (3 модуль) + 0.25 * Домашнее задание (4 модуль) + 0.25 * Онлайн-курс + 0.25 * Тест
Список литературы

Список литературы

Рекомендуемая основная литература

  • Downey, A. (2015). Think Python : How to Think Like a Computer Scientist (Vol. Second edition). Sebastopol, CA: O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1105725
  • Vanderplas, J. T. (2016). Python Data Science Handbook : Essential Tools for Working with Data (Vol. First edition). Sebastopol, CA: Reilly - O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=nlebk&AN=1425081

Рекомендуемая дополнительная литература

  • Idris, I. (2015). NumPy Cookbook - Second Edition (Vol. Second edition). Birmingham, UK: Packt Publishing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=986717
  • Idris, I. (2015). NumPy: Beginner’s Guide - Third Edition (Vol. 3rd edition). Birmingham, UK: Packt Publishing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1018109
  • Romano, F. (2015). Learning Python. Birmingham: Packt Publishing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=nlebk&AN=1133614