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

Part of the

Pathway in Scientific Computing with Python


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.


Attendance and Credentials

Attendance
FREE!
Attendance Certificate
FREE!

Category

Computer and Data Sciences

Training hours

20

Level

Intermediate

Course Mode

Tutored

Language

Italiano

Duration

2 weeks

Type

Online

Course Status

Pre-enrolling

Enrollments Start

Feb 25, 2019

Course Opens

Jun 3, 2019

Tutoring Starts

Jun 3, 2019

Tutoring Stops

Jun 26, 2019

Self Paced from

Jun 27, 2019

Course Closes

Not Set

  • 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.

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:

  • 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


Il corso è strutturato in brevi video di spiegazione dei programmi e della sperimentazione legata agli esempi, nonché in test che prevedono anche brevi attività di programmazione e sperimentazione numerica.L’approccio didattico è orientato ad esporre i concetti teorici tramite esempi applicativi ed attività sperimentali al calcolatore.

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”