F4500 Python pro fyziky

Přírodovědecká fakulta
jaro 2021
Rozsah
1/2/0. 3 kr. (plus ukončení). Ukončení: k.
Vyučující
Mgr. Filip Hroch, Ph.D. (přednášející)
Mgr. Petr Klenovský, Ph.D. (přednášející)
Mgr. Filip Münz, PhD. (přednášející)
Garance
Mgr. Filip Hroch, Ph.D.
Ústav fyzikální elektroniky - Fyzikální sekce - Přírodovědecká fakulta
Kontaktní osoba: Mgr. Petr Zikán, Ph.D.
Dodavatelské pracoviště: Ústav fyzikální elektroniky - Fyzikální sekce - Přírodovědecká fakulta
Předpoklady
Předmět doporučený pro studenty fyziky a příbuzných oborů.
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Tento kurs je úvodem do použití Pythonu k fyzikálním účelům. Kurs je koncipován od jednoduchých začátků ke komplexnějším úkolům. Od jednoduchých jazykových struktur po komplexní frameworky. Vše vysvětleno na řadě běžných fyzikálních úloh. Výuka je vedena formou work-shopů, tedy střídání přednášek a praktických úkolů. Výběr témat je rozdělen mezi několik osob. Po úspěšném ukončení by měl student být schopen efektivního zpracování úlohy (praktika, bakalářské či diplomové práce) v Pythonu včetně grafů, obrázků či tabulek.
Výstupy z učení
Hlavním cílem je seznámení se s jazykem Python a jeho využitím ve fyzikální praxi.
Student bude možná po absolvování předmětu schopen:
Spouštění a instalace Pythonu,
použití základních datových typů, datových struktur a řídících příkazů,
být schopen použit pokročilé struktury vhodné na práci s daty,
být schopen vykreslovat grafy,
a používat matematických knihoven.
Osnova
  • 1. Úvod (osnova, demo, disputace, běhové prostředí, úvod do Pythonu).
  • 2. ... pokračování úvodu do Pythonu ...,
  • 3. ... pokračovaní úvod do Pythonu ...,
  • 4. Zpracování osciloskopických dat pomocí základních kontejnerů.
  • 5. Úvod do objektů.
  • 6. Numpy + matplotlib -- fyzikální praktikum.
  • 7. Spektroskopická data - pokročilé numpy.
  • 8. Regrese.
  • 9. Pohyb částic v elektromagnetických polích.
  • 10. Automatické stahování dat z Internetu + databáze.
  • 11. Úvod do strojového učení.
  • 12. Ovládání dalekohledu.
Literatura
    doporučená literatura
  • MCKINNEY, Wes. Python for data analysis : [agile tools for real world data]. 1st ed. Sebastopol, Calif.: O'Reilly, 2013. xiii, 452. ISBN 9781449319793. info
Výukové metody
Přednášky, prezentace odborníků, demonstrace a cvičení.
Metody hodnocení
Vypracováni praktika pomocí Pythonu
Další komentáře
Předmět je vyučován každoročně.
Výuka probíhá každý týden.
Předmět je zařazen také v obdobích jaro 2017, jaro 2018, jaro 2019, jaro 2020.
  • Statistika zápisu (nejnovější)
  • Permalink: https://is.muni.cz/predmet/sci/jaro2021/F4500