Obliczenia naukowe 1000-MS1-ObliNau
Wiele wolnodostępnych języków wysokiego poziomu jest wykorzystywanych do obliczeń w problemach naukowych. W tym praktycznym kursie poznamy różne biblioteki obliczeń numerycznych oraz symbolicznych. Poznamy różne problemy matematyczne oraz ich rozwiązanie poprzez wykorzystanie narzędzi programistycznych. Szczególny nacisk będzie położony na praktyczne wykorzystanie zdobytych umiejętności oraz skupienie się na łatwych i efektywnych sposobach rozwiązywania skomplikowanych zadań obliczeniowych. Poznamy różne techniki oraz metody profesjonalnej wizualizacji danych naukowych. Dowiemy się jak radzić sobie z różnymi typami oraz strukturami danych. Ponadto skupimy się na temacie narzędzi zapewniających szybkie przetwarzanie oraz analizę danych. Omówione zostanie wykorzystanie dodatkowych bibliotek programistycznych w celu poprawy efektywności obliczeń.
Program ramowy kursu:
1. Wprowadzenie do obliczeń naukowych. Prezentacja dostępnych programów oraz środowisk programistycznych.
2. Przegląd bibliotek obliczeń symbolicznych.
3. Przegląd narzędzi statystycznych oraz praca z prostymi formatami danych.
4. Wprowadzenie do narzędzi obliczeń numerycznych.
5. Pakiety rozwiązujące problemy optymalizacyjne.
6. Biblioteki wizualizacji danych.
7. Narzędzia wstępnej obróbki i przetwarzania danych. Praca z różnymi formatami danych (XLS, CSV).
8. Wprowadzenie do tematu eksploracji danych na przykładzie regresji przy wykorzystaniu narzędzi programistycznych.
9. Prezentacja dostępnych programów eksploracji oraz analizy danych.
10. Narzędzia przetwarzania obrazów.
11. Biblioteki pomocne przy pracy z grafami.
W cyklu 2022/23L:
Wiele wolnodostępnych języków wysokiego poziomu jest wykorzystywanych do obliczeń w problemach naukowych. W tym praktycznym kursie poznamy różne biblioteki obliczeń numerycznych oraz symbolicznych. Poznamy różne problemy matematyczne oraz ich rozwiązanie poprzez wykorzystanie narzędzi programistycznych. Szczególny nacisk będzie położony na praktyczne wykorzystanie zdobytych umiejętności oraz skupienie się na łatwych i efektywnych sposobach rozwiązywania skomplikowanych zadań obliczeniowych. Poznamy różne techniki oraz metody profesjonalnej wizualizacji danych naukowych. Dowiemy się jak radzić sobie z różnymi typami oraz strukturami danych. Ponadto skupimy się na temacie narzędzi zapewniających szybkie przetwarzanie oraz analizę danych. Omówione zostanie wykorzystanie dodatkowych bibliotek programistycznych w celu poprawy efektywności obliczeń. Program ramowy kursu: |
W cyklu 2023/24L:
Wiele wolnodostępnych języków wysokiego poziomu jest wykorzystywanych do obliczeń w problemach naukowych. W tym praktycznym kursie poznamy różne biblioteki obliczeń numerycznych oraz symbolicznych. Poznamy różne problemy matematyczne oraz ich rozwiązanie poprzez wykorzystanie narzędzi programistycznych. Szczególny nacisk będzie położony na praktyczne wykorzystanie zdobytych umiejętności oraz skupienie się na łatwych i efektywnych sposobach rozwiązywania skomplikowanych zadań obliczeniowych. Poznamy różne techniki oraz metody profesjonalnej wizualizacji danych naukowych. Dowiemy się jak radzić sobie z różnymi typami oraz strukturami danych. Ponadto skupimy się na temacie narzędzi zapewniających szybkie przetwarzanie oraz analizę danych. Omówione zostanie wykorzystanie dodatkowych bibliotek programistycznych w celu poprawy efektywności obliczeń. Program ramowy kursu: |
Całkowity nakład pracy studenta
Efekty uczenia się - wiedza
Efekty uczenia się - umiejętności
Efekty uczenia się - kompetencje społeczne
Metody dydaktyczne
Metody dydaktyczne podające
- wykład informacyjny (konwencjonalny)
Wymagania wstępne
Koordynatorzy przedmiotu
Kryteria oceniania
Ocena części laboratoryjnej będzie wystawiona na podstawie projektów zaliczeniowych wykonywanych częściowo w trakcie laboratoriów i częściowo samodzielnie, sprawdzających efekty ON_W2, ON_U1-ON_U5 oraz ON_K2. Laboratoria kończą się zaliczeniem na ocenę. Podstawowym kryterium otrzymania zaliczenia są:
- oddanie projektu programistycznego,
- systematyczne rozwiązywanie zadań programistycznych przedstawionych na zajęciach.
Zaliczenie wykładu na podstawie oceny z ćwiczeń oraz egzaminu ustnego, który będzie sprawdzał wiedzę teoretyczną oraz efekty ON_W1, ON_W2, ON_W3, ON_K1.
Literatura
[1] Fast Lane to Python, Norman Matloff
[2] Thinking in Python, Bruce Eckel, http://www.mindview.net/Books/TIPython
[3] Python scripting for computational science, Langtangen, Hans Petter, Berlin; Heidelberg: Springer, cop. 2009.
[4] Matplotlib for Python Developers, Sandro Tosi, Packt Publishing, 2009.
[5] Python for Data Analysis, Wes McKinney, O'Reilly Media, Inc., 2012.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: