Scientific programming - VPMDSPR1

Le cours couvre les bases de la programmation scientifique

• représentation des nombres sur un ordinateur et la précision associée
• les données en Python
  • structures de données de base: scalaires, chaînes de caractères, listes, dictionnaires, ensembles, n-tuples
  • structures de données "matricielles": numpy ndarray, tableau pandas
  • lire et écrire des données selon le type des données (CSV, JSON, pickle, ...)
• les opérations sur les tableaux (matrices)
  • opérateurs unitaires MX0 --> MX1
  • opérateurs n-aires (MX0, ..., MXn-1) --> MXn
• résoudre des équations
  • équations matricielles linéaires : application à l'interpolation, la régression, ...
  • équations différentielles : application à l'interpolation, la prédiction, ...
• les probabilités et les statistiques sous Python
  • lois de base : famille de distribution vs. variable aléatoire vs. réalisation
  • tests statistiques

connaissances mathématiques en

• probabilité et statistiques
• algèbre linéaire
• équations différentielles

Semestre 7 - L'examen existe uniquement en anglais 

• CC1 : rapports des séances pratiques et problème final
• CC2 : quizlets
• ORAL : examen oral de rattrapage
• DS : examen écrit de rattrapage

Under regular conditions

N1 = 70%CC1 + 30%CC2
N2 = 70%CC1 + 30%ORAL

When students have no longer access to the school

N1 = 70%CC1 + 30%CC2
N2 = 70%CC1 + 30%DS

Semestre 7 - Le cours est donné uniquement en anglais 

https://www.scipy.org/

E. Bashier, Practical scientific and numerical computing with MATLAB and Python. Boca Raton: CRC Press, 2020.

H. P. Langtangen, A Primer on Scientific Programming with Python. Springer Berlin Heidelberg, 2016.

P. O. J. Scherer, Computational Physics. Springer International Publishing, 2017.

B. A. Stickler and E. Schachinger, Basic Concepts in Computational Physics. Springer International Publishing, 2016.