Calcolo Scientifico in Python - Ottimizzazione ed equazioni differenziali per la modellistica
Questo Corso è parte del
Pathway in Calcolo Scientifico in Python
Introduzione al Corso
Il corso avanzato si propone di illustrare metodi computazionali più complessi, che richiedono conoscenze matematiche più avanzate. In particolare questo corso presenta diversi algoritmi di ottimizzazione nonlineare, evidenziandone vantaggi e svantaggi a seconda delle applicazioni, ed espone i concetti base della simulazione di semplici modelli della meccanica del continuo, mediante differenze finite ed elementi finiti.
AVVISO - Completamento corso e procedure da verificare a cura del singolo utente
Si ricorda che il completamento del corso è vincolato alle regole specificate nelle diverse sezioni, le prove di valutazione sono superate con i tentativi indicati.
https://learn.eduopen.org/blog/index.php?entryid=12376
ATTENZIONE:
NUOVO PERIODO DI TUTORAGGIO AGGIUNTO:
4 - 29 Novembre 2019
Informatica, Gestione e Analisi dei Dati
Ore di Formazione20
LivelloIntermedio
Modalità CorsoTutoraggio
Italiano
Durata2 Settimane
TipologiaOnline
Stato del CorsoAuto apprendimento
Agenda del Corso
Avvio Iscrizioni
Apertura Corso
Inizio Tutoraggio
Fine Tutoraggio
Autoapprendimento
Chiusura Corso
Risultati Attesi
- Risolvere numericamente problemi di ottimizzazione nonlineare;
- Progettare e implementare semplici algoritmi su discretizzazioni dello spazio (“mesh”);
- Simulare al calcolatore semplici modelli del continuo, statici e dinamici.
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
