Tham dự khóa học 22-25.november.2022?
Xem trang khóa học ở đây. Cho dù bạn là hoặc aren, tài liệu khóa học dưới đây.
Python là một ngôn ngữ lập trình hiện đại, hướng đối tượng, đã trở nên phổ biến trong một số lĩnh vực phát triển phần mềm. Khóa học này thảo luận về cách Python có thể được sử dụng trong điện toán khoa học. Khóa học bắt đầu bằng cách giới thiệu gói Python chính cho điện toán số, Numpy và thảo luận sau đó là hộp công cụ Scipy cho các tác vụ điện toán khoa học khác nhau cũng như trực quan hóa với gói matplotlib. Ngoài ra, nó nói về cách sử dụng Python: các thư viện khoa học liên quan, khả năng tái tạo và hệ sinh thái khoa học rộng lớn hơn trong Python.
Khóa học này [giống như bất kỳ khóa học nào] có thể dạy bạn Python, nó có thể chỉ ra một số ví dụ của bạn, cho bạn xem cách các chuyên gia làm mọi việc và chuẩn bị cho bạn học bản thân như bạn cần.
Điều kiện tiên quyết
Biết cú pháp Python cơ bản. Chúng tôi giả định rằng bạn có thể thực hiện một số chương trình Python, nhưng không nhiều hơn thế. Chúng tôi không bao gồm chương trình Python tiêu chuẩn.
Xem hoặc đọc khóa học Crash dòng lệnh, nếu bạn không quen thuộc.
Bạn sẽ có thể sử dụng trình chỉnh sửa văn bản để chỉnh sửa một số tệp.
Cài đặt phần mềm được mô tả dưới đây [về cơ bản, Anaconda].software installation described below [basically, anaconda].
Đây không phải là điều kiện tiên quyết:
Bất kỳ thư viện bên ngoài nào, ví dụ: Numpy
Biết cách tạo tập lệnh hoặc sử dụng Jupyter
[prereq] | Giới thiệu về Python |
30 phút | Jupyter |
60 phút | Numpy |
60 phút | Numpy |
60 phút | Numpy |
30 phút | Jupyter |
60 phút | Numpy |
Gấu trúc | Trực quan hóa dữ liệu với matplotlib |
30 phút | Jupyter |
60 phút | Numpy |
30 phút | Jupyter |
30 phút | Jupyter |
60 phút | Numpy |
Gấu trúc
Trực quan hóa dữ liệu với matplotlib
Các định dạng dữ liệu với gấu trúc và numpy
Kịch bản
15 phút
Scipy
Hệ sinh thái thư viện
45 phút
Lập trình song song
Quản lý phụ thuộc
Chất kết dínhvery slow language, which often doesn’t matter if you can offload the heavy lifting to fast compiled code, e.g. by using Numpy array operations. But if what you’re trying to do isn’t vectorizable then you’re out of luck. An alternative to Python, albeit much less mature and with a smaller ecosystem, but which provides very fast generated code, is Julia.
Bao bì
Khóa học dành cho ai?
Khóa học được nhắm mục tiêu vào những người học này:
A là một nhà nghiên cứu tiến sĩ đầu tiên đã sử dụng Python một chút, nhưng không chắc chắn những gì họ biết hoặc không biết. Họ muốn có thể thực hiện nghiên cứu của họ hiệu quả hơn và đảm bảo rằng họ đang sử dụng các công cụ phù hợp. Một người có thể biết rằng Numpy tồn tại, v.v. và về mặt lý thuyết có thể đọc một số về nó, nhưng aren chắc chắn nếu họ đi đúng hướng.
Tại thời điểm này, tất cả các dự án mới nên sử dụng Python 3 và các dự án được phát triển tích cực hiện tại nên được nâng cấp để sử dụng nó.Tuy nhiên, bạn có thể tìm thấy một số công cụ cũ không được công bố chỉ tương thích với Python 2.
Tín dụng
Khóa học này ban đầu được thiết kế bởi Janne Blomqvist.
Năm 2020, nó được thiết kế lại hoàn toàn bởi một nhóm sau:
Các tác giả: Radovan Bast, Richard Darst, Anne Fouilloux, Thor Wikfeldt,
Editor:
Người thử nghiệm và cố vấn: Enrico Glerean
Chúng tôi tuân theo Quy tắc ứng xử của Carpentries: //docs.carpentries.org/topic_folder/policies/code-of-pormed.html
Xem thêm
Phân tích dữ liệu hiệu suất cao trong Python là một phần tiếp theo hợp lý cho bài học này đi sâu hơn với các công cụ của Python hiệu suất cao và quy mô lớn.