Skip to content
Curso de Python orientado a estudiantes de ciencias e ingeniería, profesores, investigadores e ingenieros
Branch: edenor
Clone or download
Latest commit e0567d7 Jun 11, 2017
Permalink
Type Name Latest commit message Commit time
Failed to load latest commit information.
data empezando clase 4 Aug 28, 2013
ejemplos clase 8. pandas, seaborn Jun 15, 2015
extra renames y pdf Jun 12, 2017
img actualizacion Jun 11, 2017
scripts
.gitignore git ignore Aug 28, 2013
Clase 5.ipynb actualizacion Jun 11, 2017
Clase 5b.ipynb actualizacion Jun 11, 2017
Clase 6.ipynb
Clase 7.ipynb actualizacion Jun 11, 2017
Clase 8.ipynb
README.rst Update README.rst Sep 25, 2016
notebook1.ipynb
notebook2.ipynb renames y pdf Jun 12, 2017
notebook3.ipynb renames y pdf Jun 12, 2017
notebook4.ipynb
notebook5.ipynb renames y pdf Jun 12, 2017
notebook6.ipynb renames y pdf Jun 12, 2017
python-cientifico.pdf
requirements.txt reqs Jun 9, 2017
test.py

README.rst

Curso de Python para ciencias e ingenierías

Un curso de Python orientado a estudiantes, investigadores y profesionales de ingeniería y ciencias.

docente:Ing. Martín Gaitán

Resumen

En las últimas décadas la computación se ha convertido en un pilar de la ingeniería y el desarrollo científico-tecnológico. En la mayoría de las áreas, el trabajo computacional es un complemento fundamental de la experimentación tradicional y de la teoría, ya que cada vez más se involucra simulaciones numéricas y modelado computacional. Frecuentemente, la tarea de los profesionales involucra el uso de aplicaciones específicas que requieren un gran trabajo de procesamiento de los datos de entrada y un post-procesamiento de los resultados utilizando otras herramientas.

Este curso brinda una introducción sólida al poderoso lenguaje de programación Python (http://python.org) y a las herramientas fundamentales del "ecosistema científico" (Jupyter, Numpy, Matplotlib, Scipy, entre otras) que conforman un entorno de programación interactivo de vanguardia, simple, libre, gratuito y multiplataforma.

Sobre el docente

Martín Gaitán es Ingeniero en Computación por la Universidad Nacional de Córdoba (2011). Socio fundador de Phasety, emprendimiento incubado en la UNC entre 2012 y 2015, donde desarrolló software de simulación especializado para la industria del petróleo y el gas. Actualmente trabaja en Onapsis. Pythonista desde hace muchos años, es especialista en el framework web Django y cree entender las necesidades del software científico. Es frecuente orador en eventos de software libre. Hincha de Boca y fundamentalista del locro.

Más información en su blog

Programa

Clase 1:
Características de Python. Instalación de entorno en Windows/Linux. Modos de usar Python. Anaconda. Introducción a Ipython Notebook. Tipos de datos: enteros, floats, complejos, strings. Estructuras de datos incorporadas: listas, tuplas, diccionarios, conjuntos. Packing, indexing, slicing. Conceptos de mutabilidad, inmutabilidad, secuencia, iterador. Control de flujo: if, for, while. Estructuras por comprensión.
Clase 2:
Funciones: definición, argumentos posicionales y nominales. Generadores. Funciones incorporadas: zip, range, enumerate, etc. Manejo de I/O: lectura y escritura de archivos. Manejo de excepciones. Manejadores de contexto.
Clase 3:
Estructura de proyectos: módulos, paquetes, importación. Paseo por la biblioteca estandar: math, CSV, json, pickle Conceptos básicos de programacion orientada a objetos. Introduccion a Matplotlib y Numpy.
Clase 4:
Numpy: introducción al objeto Array. Slicing extendido, métodos y funciones importantes, importación de datos. Concepto de vista. Máscaras y fancy indexing. Aplicación de Numpy en álgebra lineal. Resolución de sistemas de ecuaciones lineales. Matplotlib: generación de gráficos cartesianos continuos, puntos, histogramas. Matplotlib avanzado: API orientada a objetos. Manipulación del formato y apariencia. Gráficos 3D, otros tipos de gráficos 2D. Exportación con calidad de publicación.
Clase 5:
Vectorización de funciones. Scipy: algoritmos optimización, integración, procesamiento de imágenes, ajuste de curvas etc. Sympy, cálculo simbólico de precisión arbitraria con Python. Evaluación numérica de expresiones Sympy con Numpy y otras herramientas de alta performance

Licencia

http://i.creativecommons.org/l/by-sa/2.5/ar/88x31.png

Créditos

Parte de este material ha sido inspirado y/o adaptado de múltiples fuentes

You can’t perform that action at this time.