SylabUZ
Course name | Język Python w obliczeniach numerycznych |
Course ID | 11.3-WF-FizP-PrL1-L-S14_genO3U0N |
Faculty | Faculty of Exact and Natural Sciences |
Field of study | physics / Computer Physics |
Education profile | academic |
Level of studies | First-cycle studies leading to Bachelor's degree |
Beginning semester | winter term 2016/2017 |
Semester | 5 |
ECTS credits to win | 6 |
Course type | obligatory |
Teaching language | polish |
Author of syllabus |
|
The class form | Hours per semester (full-time) | Hours per week (full-time) | Hours per semester (part-time) | Hours per week (part-time) | Form of assignment |
Lecture | 30 | 2 | - | - | Exam |
Laboratory | 30 | 2 | - | - | Credit with grade |
Celem przedmiotu jest zapoznanie studentów z nowoczesnym językiem wysokiego poziomu Python oraz możliwościami wykorzystania języka i jego bibliotek do obliczeń numerycznych z zakresu fizyki i dziedzin pokrewnych.
Ukończony kurs podstaw programowania i programowania obiektowego.
− Wstęp do języka Python
- składnia języka i typy danych
- instrukcje sterujące, wyjątki
- interaktywny shell
- skrypty
- funkcje
- moduły
− Operacje plikowe
- odczyt i zapis do pliku
- serializacja
- błędy związane z operacjami I/O
− Programowanie obiektowe
- klasy, obiekty
- dziedziczenie, polimorfizm
- abstrakcja
− Numeryczne obliczenia
- moduł math
- praca z tablicami NumPy
- liczby losowe
- elementy algebry liniowej – NumPy
- równania różniczkowe
- wstęp do wizualizacji danych - matplotlib
− Wizualizacja i animacja – Vpython
- scena i prymitywy graficzne
- wykresy
- animacje
Wykład:
Wykład konwencjonalny, problemowy, pokaz, dyskusja, warsztaty (testowanie aktualnie omawianych fragmentów kodu), burza mózgów
Laboratoria:
Ćwiczenia laboratoryjne, metoda projektu, praca w grupie, giełda pomysłów, burza mózgów, prezentacja, praca z dokumentacją, samodzielne pozyskiwanie wiedzy
Outcome description | Outcome symbols | Methods of verification | The class form |
Wykład:
Egzamin praktyczny polegający na rozwiązaniu postawionego problemu (wylosowanego z listy problemów). Ocenie końcowej podlega analiza problemu, przedstawienie algorytmów rozwiązania problemu, kod źródłowy oraz ocena i weryfikacja uzyskanych wyników
Laboratorium:
Ocena końcowa z laboratorium składa się w 30% z średniej ocen uzyskanych w trakcie laboratoriów i w 70% z oceny końcowej projektu.
Przed przystąpieniem do egzaminu student musi uzyskać zaliczenie z ćwiczeń laboratoryjnych.
Ocena końcowa: średnia ważona ocen z egzaminu (60%) i ćwiczeń laboratoryjnych (40%).
[1] Mark Lutz, Python. Wprowadzenie, Wydanie IV, Helion, Gliwice 2010.
[2] http://python.org
[3] http://python-ebook.blogspot.com/
[4] http://numpy.scipy.org
[5] Hans Petter Langtangen, A primer on scientific programming with Python, Springer, Berlin 2009.
[1] Internet
Modified by prof. dr hab. Mirosław Dudek (last modification: 30-09-2016 18:26)