Trainingen

In samenwerking met Springest, bieden wij een aantal trainingen aan. Word een expert in jouw vakgebied en leer de laatste ontwikkelingen en trends toe te passen! Of verdiep je eens in een nieuw onderwerp om kennis, vaardigheden en competenties te verbreden.

AT Computing : Numerical Python
Deze training wordt verzorgd door AT Computing

Lesmethode :

Klassikaal

Algemeen :

De cursus Numerical Python geeft inzicht in het gebruik van de Python pakketten NumPy, SciPy en Matplotlib. Deze pakketten leveren faciliteiten voor wetenschappelijk en technisch rekenwerk. Het zijn Open Source pakketten met een zeer vrije licentie. De nadruk ligt bij deze software op gemak en efficiëntie bij de manipulatie van grote hoeveelheden getallen.

Na deze cursus kun je binnen Python gebruik maken van speciale NumPy-ndarray-faciliteiten. Je hebt praktische oefeningen gemaakt met de meest-gebruikte NumPy-functies (methods) en datatypen. Je kunt één- en tweedimensionale data visualiseren met Matplotlib en plot-functies gebruiken om de functionaliteit van SciPy te verkennen. Met behulp van functies in SciPy kun je programma's maken voor complexe taken.

Doel :

De cursus behandelt de verschillende aspecten van het programmeren in Python. Je leert de syntax van de taal en je leert omgaan met de uitgebreide Python standaardbibliotheek waardoor je niet zelf steeds opnieuw het wiel hoeft uit te vinden en snel complexere programma's kunt bouwen.

Doelgroep :

Programmeurs die de taal Python willen gebruiken voor wetenschappelijk rekenwerk.

Voorkennis :

#Ervaring met programmeren in Python.
#Kennis van wiskunde op het niveau van wetenschappelijke toepassingen (complexe getallen, goniometrie, polynomen, integralen en afgeleiden, verdelingen, Fourier transformatie).
En de volgende cursussen:

  • De programmeertaal Python - voor ervaren programmeurs

Onderwerpen :


- NumPy arrays (ndarray), de bijbehorende datatypen en operaties
- De relatie tussen Python's standaard Math functies en hun 'vectorized' NumPy tegenhangers
- Scalar en array-operaties, linspace(), augmented assignments
- Array comparisons, any(),all(), slicing, indexing, reshape()
- Views vs. copies, ravel(),flatten(),transpose(), nog meer methods
- NaN en inf
- Data in tekst files, loadtxt
- Random numbers, distributies, Monte Carlo simulaties, polynomen
- Matrices en operaties daarop
- Matplotlib: 2D en 3D plots, image en contour plots, enhanced plots
- Speciale classes: figure, axes, axis, patch, histogram
- Surface plots met meshgrid
- SciPy modules misc, optimize, leastsq
- SciPy: de args parameter bij functie argumenten

Regio's & Data

Alle regio's

(geen specifieke locatie)

Alle data

  • maandag 18 november 2019 / Nieuwegein
  • vrijdag 27 maart 2020 / Nieuwegein