Python scientifique : principes et applications par Institut polytechnique de Grenoble (Grenoble INP)

Jour 1 - Le langage python et la programmation objet1.Eléments du langage pythono Notion de variables dynamiques, initialisation, portée d'une variable, affectation, opérateurs o Structures de contrôle : branchements, boucles, itérateurs et générateurs o Fonctions et librairies classiques. Arguments d'une fonction. Passage de paramètres par nom o Entrées / sorties sur fichiers ASCII. Formatage des sorties2.La programmation objet avancéeo Intérêt, concept de classe, apport de l'approche objet o Constructeur, destructeurs, méthodes magiques o Attributs et méthodes, méthodes statiques, accesseurs et décorateurs o Surcharge d'opérateurs o Fonction sur les objets o Gestion des exceptionsJour 2 - Les Librairies avancéeso Comment construire un tableau Numpy o Modifier le profil d'un tableau. Copie et référence o Référencer les éléments d'un tableau. Notion de slicing o Calcul numérique vectoriel. Opérations sur les matrices o Application : résolution d'un système linéaire par la méthode du pivot. Gestion des exceptions o Représenter des données avec Matplotlib et Plotly. Limitations o Module et sous
- modules de Scipy o Comment stocker les données dans une matrice creuse. Quel format choisir ? o Application : résolution de systèmes linéaires par la méthode du gradient conjuguéo Module Pandas : manipulation facile de données tabulées (DataFrames) à analysero Utilisation des fichiers HDF5 avec Pandas
Jour 3 -Développement de mini
- projets
oProjet Graphe1D : représentation de données et ajustement d'une fonction polynomiale.oProjet Convolution : application du sous
- module ndimage de la libraire ScipyoProjet Modes propres d'une corde : manipulation de listes et de matrices Numpy.oRésolution numérique d'une équation différentielle d'ordre n

o Connaitre la structure du langage Python dans sa version 3 ou ultérieure.
o Mettre en oeuvre les bonnes pratiques de développement objet en vue de créer une application.
o Utiliser les principales librairies mathématiques vectorielles dont Numpy/Scipy pour effectuer des calculs optimisés en temps.
o Visualiser les résultats de calcul avec la librairie graphique Matplotlib et Plotly.
o Savoir manipuler des données avec le module Pandas.