F4500 Python pro fyziky

Přírodovědecká fakulta
jaro 2022
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)
Mgr. Adam Obrusník, Ph.D. (přednášející)
Dr. Martin Topinka, PhD. (přednášející)
Mgr. Petr Zikán, Ph.D. (přednášející)
Garance
Mgr. Filip Hroch, Ph.D.
Ústav fyziky a technologií plazmatu – Fyzikální sekce – Přírodovědecká fakulta
Kontaktní osoba: Mgr. Petr Zikán, Ph.D.
Dodavatelské pracoviště: Ústav fyziky a technologií plazmatu – Fyzikální sekce – Přírodovědecká fakulta
Rozvrh
Čt 17:00–19:50 F1 6/1014
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
Studijní materiály
Předmět je vyučován každoročně.
Předmět je zařazen také v obdobích jaro 2017, jaro 2018, jaro 2019, jaro 2020, jaro 2021, jaro 2023, jaro 2024, jaro 2025.