fbpx

Cursus Scientific Python

In deze cursus leren de deelnemers wat kan worden gedaan met de Python SciPy library voor wetenschappelijke berekeningen.

Regio:
  • Inhoud
  • Training
  • Modules
  • Algemeen
    Algemeen
  • Reviews
  • Certificaat
  • Cursus Scientific Python : Inhoud

    Matrices in de Wetenschap

    De cursus start met een overzicht van de rol van matrices om problemen in wetenschappelijke berekeningen te lossen.

    Matrix Manipulatie

    Vervolgens wordt ingegaan op elementaire manipulatie en operaties op matrices, gevolgd door factorisaties van matrix vergelijkingen en de berekening van eigenwaarden en eigenvectoren.

    Interpolatie en Approximatie

    Ook interpolatie en approximatie worden behandeld, waarbij geavanceerde technieken bij approximatie functies en hun toepassingen in wetenschappelijke berekeningen worden besproken.

    Differentiatie en Integratie

    Differentiatie technieken voor het bepalen van de afgeleides van functies worden besproken evenals integratie technieken die laten zien hoe oppervlaktes en volumes effectief berekend kunnen worden.

    Computational Geometry

    De module Computational Geometry geeft een overzicht van de belangrijkste algoritmes in deze tak van de informatica.

    Statistiek en Data Mining

    En tot slot wordt aandacht besteed aan statistiek, machine learning en data mining.

  • Cursus Scientific Python : Training

    Doelgroep Cursus Scientific Python

    Wetenschappers, wiskundigen, ingenieurs en anderen die de SciPy Python library willen gebruiken bij applicaties en data analyses.

    Voorkennis Python programmeren

    Kennis van Python programmeren en de NumPy library is vereist. Enige kennis van numerieke methoden in de wetenschappelijke informatica is bevorderlijk voor de begripsvorming.

    Uitvoering Training

    De theorie wordt behandeld aan de hand van presentatie slides. De concepten worden toegelicht met demo's. De theorie wordt afgewisseld met oefeningen. De cursustijden zijn van 9.30 tot 16.30.

    Officieel Certificaat

    De deelnemers krijgen na het goed doorlopen van de cursus een officieel certificaat Scientific Python.

    Cursus Scientific Python
  • Cursus Scientific Python : Modules

    Module 1 : SciPy Intro

    Module 2 : Matrix Calculations

    Module 3 : Nonlinear Equations

    What is SciPy
    Installing SciPy stack
    Anaconda distribution
    Constructing matrices
    Using ndarray class
    Using matrix class
    Sparse matrices
    Linear operators
    Scalar multiplication
    Matrix addition
    Matrix multiplication
    Traces and determinants
    Transposes and inverses
    Singular value decomposition
    Matrix equations
    Least squares
    Spectral decomposition
    Interpolations
    Univariate interpolation
    Nearest-neighbors interpolation
    Other interpolations
    Differentiation and Integration
    Numerical differentiation
    Symbolic differentiation
    Symbolic integration
    Numerical integration
    Non-linear equations and systems
    Iterative methods
    Bracketing methods
    Secant methods
    Brent method
    Simple iterative solvers
    The Broyden method
    Powell's hybrid solver
    Large-scale solvers
    Optimization
    Unconstrained optimization
    Constrained optimization
    Stochastic methods

    Module 4 : Computational Geometry

    Module 5 : Descriptive Statistics

    Module 6 : Inference and Data Analysis

    Plane geometry
    Static problems
    Convex hulls
    Voronoi diagrams
    Triangulations
    Shortest paths
    Geometric query problems
    Point location
    Nearest neighbors
    Range searching
    Dynamic problems
    Bézier curves
    Probability
    Symbolic setting
    Numerical setting
    Data exploration
    Picturing distributions
    Bar plots
    Pie charts
    Histograms
    Time plots
    Scatterplots and correlation
    Regression
    Analysis of the time series
    Statistical inference
    Estimation of parameters
    Bayesian approach
    Likelihood approach
    Interval estimation
    Frequentist approach
    Bayesian approach
    Likelihood approach
    Data mining
    Machine learning
    Trees and Naive Bayes
    Gaussian mixture models

    Module 7 : Mathematical Imaging

    Digital images
    Binary
    Gray-scale
    Color
    Alpha channels
    Smoothing filters
    Multivariate calculus
    Statistical filters
    Fourier analysis
    Wavelet decompositions
    Image compression
    Image editing
    Rescale and resize
    Swirl
    Image restoration
    Noise reduction
  • Cursus Scientific Python : Algemeen

    Lees de algemene cursus informatie
  • Cursus Scientific Python : Reviews

  • Cursus Scientific Python : Certificaat