Python, Calculs scientifiques
Les objectifs
En quelques mots...
Public
Développeurs et scientifiques
Pré-requis
Disposer des connaissances de base du langage Python et des concepts de programmation orientée objet. De bonnes connaissances mathématiques seront fortement appréciées.
Méthodes et Moyens pédagogiques
Formation réalisée en présentiel ou à distance selon la formule retenue
Exposés, cas pratiques, synthèse, assistance post-formation pendant trois mois
Un poste par stagiaire, vidéoprojecteur, support de cours fourni à chaque stagiaire
Modalités de suivi et d'évaluations
Feuille de présence émargée par demi-journée par les stagiaires et le formateur
Exercices de mise en pratique ou quiz de connaissances tout au long de la formation permettant de mesurer la progression des stagiaires
Questionnaire d’évaluation de la satisfaction en fin de stage
Auto-évaluation des acquis de la formation par les stagiaires
Attestation de fin de formation
Informations pratiques
Accessibilité , modalités et délais d'accès
Programme mis à jour le 02/02/2023
Programme détaillé
INTRODUCTION
- Visualiser vos données avec MatPlotLib
- Installer les librairies nécessaires
UTILISATION DE MATPLOTLIB
- Un outil de visualisation de données mathématiques
- Produire un graphique en 2D
- Produire un graphique en 3D
- Afficher plusieurs figures simultanément
- Sauvegarder un graphique MatPlotLib
- Intégration MatPlotLib / Application Qt
NUMPY ET LES CALCULS ALGÉBRIQUES ET MATRICIELS
- Les tableaux et les matrices
- Le shape des matrices et le reshape
- NumPy et les fichiers
- Indexing, subsetting et slicing
- Opérations proposées sur vecteurs et matrices
- Les fonctions trigonométriques
- Algèbre linéaire avec NumPy
- Les nombres complexes et l'algèbre complexe
- Visualisation des résultats avec MatPlotLib
SCIPY ET LE CALCUL SCIENTIFIQUE
- L’écart-type et la variance
- La régression linéaire
- Intégration
- Opérations d'algèbre linéaire avec SciPy
- Interpolation avec le module scipy.interpolate
- Ajustement de courbe avec le module scipy.optimize
- Transformée de Fourier avec le module scipy.fft
- Traitement d'images avec SciPy
UTILISATION DE PANDAS
- Introduction
- Les différentes sources de données supportées par Pandas
- Series et DataFrame
- Indexation et sélection des données
- Manipulation des données