Бакалавриат 2020/2021

Компьютерный практикум "Python в науке и инженерии"

Статус: Курс обязательный (Прикладная математика)

Направление: 01.03.04. Прикладная математика

Кто читает: Департамент прикладной математики

Где читается: Московский институт электроники и математики им. А.Н. Тихонова

Когда читается: 1-й курс, 3, 4 модуль

Формат изучения: с онлайн-курсом

Преподаватели: Бобер Станислав Алексеевич, Буровский Евгений Андреевич, Гуськова Мария Сергеевна

Язык: русский

Кредиты: 3

Контактные часы: 12

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

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

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

• 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

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

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

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