Calcolo Scientifico in Python - Strumenti Fondamentali
Questo Corso è parte del
Pathway in Calcolo Scientifico in Python
Introduzione al Corso
Il corso base si propone di illustrare come utilizzare il linguaggio Python per il calcolo scientifico attraverso esempi ed applicazioni. L’approccio del corso è quello della programmazione con gli strumenti della matematica: dati vettoriali, algoritmi e la loro validazione mediante sperimentazione numerica. In particolare, il corso propone esempi ed esercizi per introdurre concetti chiave e strumenti pratici per il calcolo matriciale e la sua efficienza nei tempi di calcolo richiesti, l’interpretazione grafica dei risultati, la simulazione di modelli matematici, l’accelerazione delle performance tramite il calcolo parallelo su GPU.Informatica, Gestione e Analisi dei Dati
Ore di Formazione30
LivelloIntermedio
Tutoraggio
Italiano
Durata3 Settimane
TipologiaOnline
Auto apprendimento
Agenda del Corso
Apertura Corso
Chiusura Corso
Risultati Attesi
- Programmare algoritmi di calcolo scientifico, in particolare utilizzando Python/NumPy
- Fare sperimentazione numerica e valutare le prestazioni dei metodi numerici
- Presentare graficamente dati e risultati multi-dimensionali, salvare e caricare file-dati in vari formati
- Creare e programmare algoritmi paralleli di algebra lineare su GPU con l’ausilio della libreria Numba
Pre-requisiti
I destinatari del corso sono studenti, laureati, ricercatori di qualunque disciplina, interessati al calcolo scientifico ad un livello intermedio/avanzato, tipico ormai di tutti i settori delle scienze applicate e dell'ingegneria.
Conoscenze pregresse necessarie sono:
Conoscenze di base di programmazione, in particolare in linguaggio Python;
Conoscenze di base di matematica, tipiche dei primi due anni delle lauree triennali di tipo scientifico o ingegneristico.
Verrà indicato del materiale introduttivo per colmare eventuali lacune. Per quanto riguarda il linguaggio Python, si raccomanda vivamente di consultare il materiale nel sito www.python.org
Libri di testo e letture consigliate
Libri di testo:
- Dispense del corso erogate sotto forma di slides PDF e iPython notebooks
Letture consigliate:
- Hans Petter Langtangen, “A Primer on Scientific Programming with Python”, Springer, 2016
- Documentazione Numpy https://docs.scipy.org/doc/numpy/contents.html
- Documentazione Scipy https://docs.scipy.org/doc/scipy/reference/
- Documentazione Matplotlib https://matplotlib.org/contents.html
- Scipy Lecture Notes http://www.scipy-lectures.org
- Scipy CookBook http://scipy-cookbook.readthedocs.io/index.html
- CUDA C Programming Guide: https://docs.nvidia.com/cuda/cuda-c-programming-guide/
- Numba for CUDA GPUs: http://numba.pydata.org/numba-doc/0.38.0/cuda/index.html
