Παρουσίαση/Προβολή

Εισαγωγή στην Python για Φυσικούς
(Φ-254) - Σουροπάνης Δημήτρης
Περιγραφή Μαθήματος
Σκοπός του μαθήματος είναι η εισαγωγή στην γλώσσα προγραμματισμού Python, μέσα από πρακτική άσκηση σε προβλήματα Φυσικής, έτσι ώστε οι φοιτητές/φοιτήτριες να αποκτήσουν την αναγκαία εξοικείωση. Η εμπειρία αυτή είναι πολύτιμη τόσο για τις σπουδές τους αλλά και μετά από αυτές, καθώς η Python αποτελεί ίσως την πιο δημοφιλή γλώσσα με ποικίλες εφαρμογές, συμπεριλαμβανομένης της Μηχανικής Μάθησης (Machine Learning) και της Επιστήμης Δεδομένων (Data Science).
Γενικές πληροφορίες:
Ώρες: 6
ECTS: 6
Εξάμηνο: Εαρινό
Σουροπάνης Δημήτρης
Για οποιαδήποτε επικοινωνία χρησιμοποιήστε την πλατφόρμα e-class.
Μέρες και Ώρες μαθήματος:
Τετάρτη 11:00-14:00 Αίθουσα Υπολογιστών 3
Παρασκευή 13:00-16:00 Αίθουσα Υπολογιστών 3.
Το υλικό διδασκαλίας θα είναι προσβάσιμο και από το eClass. Θα χρησιμοποιήσουμε αποκλειστικά τους υπολογιστές στο εργαστήριο ώστε να μην δημιουργηθούν προβλήματα με τους προσωπικούς σας.
Ημερομηνία δημιουργίας
Πέμπτη 1 Φεβρουαρίου 2024
-
Τι θα μάθετε
- Να κατανοείτε και να ανατπύσσετε κώδικα σε Python.
- Να κατανοείτε τα δεδομένα σας και πως να τα διαχειριστείτε.
- Να μπορείτε να βρίσκετε και να αξιοποιείτε τις κατάλληλες βιβλιοθήκες.
- Να αντλείτε δεδομένα, να τα επεξεργάζεστε και να τα οπτικοποιείτε.
Τι θα δούμε στο μάθημα
Ενότητα Ι - βασική χρήση
- χρήση jupyter notebook
- εισαγωγή στη σύνταξη της γλώσσας
- μεταβλητές, συμβολοσειρές,
- έλεγχος ροής
- λίστες, λεξικά, πλειάδες
- διαχείριση σφαλμάτων
- εισαγωγή στη χρήση βιβλιοθηκών
- συναρτήσεις, κλάσεις, αντικείμενα
Ενότητα ΙΙ – αριθμητική χρήση και οπτικοποίηση δεδομένων
- μαθηματικές σειρές, βιβλιοθήκη NumPy
- εισαγωγή στην δημιουργία γραφημάτων
- βιβλιοθήκη matplotlib
- οπτικοποίηση δεδομένων
- αρχεία (είσοδος/έξοδος)
- άντληση δεδομένων και επεξεργασία από αρχεία
- βιβλιοθήκη Pandas και ανάλυση δεδομένων
Ενότητα ΙΙΙ – επιστημονική χρήση
- μοντελοποίηση προβλημάτων
- προσαρμογή καμπύλης
- εισαγωγή στην βιβλιοθήκη SciPy
- εφαρμογές στατιστικής
- προσομοιώσεις Monte Carlo
- εισαγωγή και βασικές αρχές Μηχανικής Μάθησης (Machine Learning)
- αλγόριθμοι ομαδοποίησης
- δέντρα αποφάσεων (decision trees),
- τυχαίο δάσος (random forest)
Πως θα γίνεται το μάθημα
Το μάθημα θα γίνεται στην αίθουσα υπολογιστών 2 για χρήση των υπολογιστών για την πρακτική εμβάθυνση.
Τα μαθήματα θα συνδυάζουν θεωρία και πρακτική και θα υπάρχουν ασκήσεις κατά την διάρκεια της παράδοσης.
Για αυτό το λόγο και είναι απαραίτητη η φυσική παρουσία ώστε να διασφαλίζεται η απρόσκοπτη ροή του μαθήματος. Ταυτόχρονα θα δίνεται αρκετός χρόνος για τις ασκήσεις και την επίλυση αποριών.
Πως θα βαθμολογηθείτε
Ο τελικός βαθμός θα καθοριστεί από 4 διαφορετικά τεστ.
> Εξέταση στο τέλος κάθε ενότητας (Ι, ΙΙ, ΙΙΙ), με ασκήσεις και ερωτήσεις.
Κάθε τεστ θα προσμετράται στο 20% (συνολικά δηλαδή 60% ) του τελικού βαθμού.> Τελική εξέταση (40%) που είναι υποχρεωτική, όπου θα γίνει εξέταση όλης της ύλης.
Προαπαιτούμενα
> Μάθημα [ΦΥΣ-150]: Χρήσεις του Υπολογιστή
> Μάθημα [ΦΥΣ-151]: Εισαγωγή στον Προγραμματισμό (Fortran)
Σημαντική σημείωση:
Το μάθημα απαιτεί στοιχειώδη γνώση χρήσης Linux και υπολογιστών γενικότερα, καθώς και μια μια εμπειρία με τον προγραμματισμό. Δεν θα διδάξουμε προγραμματισμό, παρά τις εντολές και πως αυτές εφαρμόζονται μέσα από την Python.
ΠΡΟΣΟΧΗ:
Όσοι και όσες δηλώσετε το μάθημα θα ελεγχθείτε για το αν έχετε περάσει τα παραπάνω μαθήματα. Αν όχι θα αφαιρεθείτε από το μάθημα και την θέση σας θα λάβει ο επόμενος επιλαχών / επόμενη επιλαχούσα.
Φροντίστε να είστε προσεκτικοί λοιπόν και σεβαστείτε τους συμφοιτητές/συμφοιτήτριες σας.
Προτεινόμενα συγγράμματα
1. Εισαγωγή στον Υπολογισμό και τον Προγραμματισμό με την Python,
John V. Guttag
2022,
ISBN 9789604911592,
Κωδικός Ευδόξου: 112696091,
2. Python - Εισαγωγή στους Υπολογιστές
Νικόλαος Αβούρης, Μιχαήλ Κουκιάς, Βασίλης Παλιουράς, Κυριάκος Σγάρμπας2023
ISBN 9789605245290,
Κωδικός Ευδόξου: 77117677
3. Σκέψου σε Python
Allen B. Downey2020
ISBN 9789606450907,
Κωδικός Ευδόξου: 94644736
Βιβλιογραφία
Μέρος του μαθήματος βασίζεται:
- στο μάθημα "Εισαγωγή στην Ανάλυση Δεδομένων με Python" (ECL-MISC104), που είχε προσφερθεί από τους Σάββα Χανλαρίδη και Νικόλαο Μανδαράκα.
- σε υλικό που έχει χρησιμοποιηθεί στα θερινά σχολεία Αστροστατιστικής στην Κρήτη (2024) από τους Paolo Bonfini, Κωνσταντίνο Κοβλακά, Γρηγόρη Μαραβέλιας και Ανδρέας Τερσένοβ.