Skip to main content
  • Expand
  • Courses
  • Pathways
  • English ‎(en)‎‎Español - Internacional ‎(es)‎‎Italiano ‎(it)‎‎
  •  Log in
  • Home

SOGEI LMS: Dashboard

University of Padova
Pathway in

Scientific Computing with Python


0%
Complete

Current

Enrol now

Language: Italiano

Category: Computer and Data Sciences

Duration: 50 Hours

Target: Open Science, Lifelong Learning

Attendance: Free


3 Enrolled Students

Mar 4

2019

Not Set

  • Cover
  • Courses
  • Overview
    The aim of this pathway is to teach Scientific Computing through numerical and applied examples and to introduce high-level software libraries that are state-of-the-art and open source.
    Python is nowadays the most widely used language to integrate these libraries. This pathway assumes basic knowledge of Python programming, and shows how to do Scientific Computing with Python at an intermediate/advanced level.
    The focus of this pathway is on modelling, efficiency and parallelism. Modelling is introduced through examples derived from mathematical-physics or data-driven approaches. Efficiency concerns mainly linear algebra (matrix computations). Parallelism is explored in the context of GPU computing.
  • Background and Requirements

    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 

  • Struttura del Pathway

    Il pathway prevede di seguire prima il corso Base e poi quello Avanzato. Il corso Avanzato può essere seguito singolarmente, tuttavia si consiglia di frequentarli entrambi in quanto il secondo contiene molti riferimenti al primo.

  • Valutazione e Certificazioni

    Ognuno dei due corsi prevede degli esercizi e dei test, il cui superamento permette di ottenere dei Badge di certificazione.

  • Risorse di computing

    Per i partecipanti al pathway interessati, è possibile richiedere l'accesso remoto ad una macchina con GPU del Dipartimento di Matematica dell'Università di Padova. Per richiedere le credenziali di accesso è necessario seguire le istruzioni contenute nel file pdf "istruzioni_accesso_gpuMOOC" contenuto nella cartella Dropbox del pathway.

  • Instructors
    MONICA DESSOLE

    MONICA DESSOLE

    Dipartimento di Matematica “Tullio Levi Civita”
    MARTA GATTO

    MARTA GATTO

    Dipartimento di Matematica “Tullio Levi Civita”
    FABIO MARCUZZI

    FABIO MARCUZZI

    Dipartimento di Matematica “Tullio Levi Civita”
    MARTA GATTO

    MARTA GATTO

    Dipartimento di Matematica “Tullio Levi Civita”
    MONICA DESSOLE

    MONICA DESSOLE

    Dipartimento Di Matematica "Tullio Levi Civita"
  • Course List
  • Scientific Computing with Python - Basic Course
    FABIO MARCUZZI

    University of Padova

    Scientific Computing with Python - Basic Course

    • 30 Hours
    • Mar 4, 2019
    • Not Set

  • Calcolo Scientifico in Python - Ottimizzazione ed equazioni differenziali per la  modellistica
    Featured
    FABIO MARCUZZI

    University of Padova

    Calcolo Scientifico in Python - Ottimizzazione ed equazioni differenziali per la modellistica

    • 20 Hours
    • Sep 16, 2019
    • Not Set

  • [CAPSTONE] Scientific Computing with Python
    Unpublished
    FABIO MARCUZZI

    University of Padova

    [CAPSTONE] Scientific Computing with Python

    • 0 Hours
    • Mar 4, 2019
    • Not Set

EDUOPEN

Project and Mission
MOOCs and Pathways
Institutions
Teachers
Accessibility

TERMS

EDUOPEN:
Disclosure
Terms of use and Privacy Policy
Licences

INFO

 www.learn.eduopen.org



EduOpen LMS has been proudly developed by LMS of India & Centro Interateneo Edunova
based on MOODLE LMS and the EDWISER remUI  theme

Eduopen Project was financially supported by MIUR , Ministero italiano dell'Istruzione , dell'Università e della Ricerca


Miur logo


Eduopen LMS (c) Version 2.0.0, November 19th, 2018 - All Rights Reserved


Licenza Creative Commons
EduOpen contents are distribute with a Creative Commons 4.0 International
Attribution - NonCommercial - ShareAlike License.