Scientific Python


SciPy is een open source Python-bibliotheek, die wordt gebruikt voor wetenschappelijk en technisch computergebruik. SciPy bevat onder anderen modules voor optimalisaties, lineaire algebra, integreren, interpolatie, speciale functies, FFT en signaal- en beeldverwerking.

Tijdens de cursus Scientific Python leren de deelnemers wat kan worden gedaan met de Python SciPy library voor wetenschappelijke berekeningen. De cursus start met een overzicht van de rol van de matrices om problemen in wetenschappelijke berekeningen op te lossen. Vervolgens wordt ingegaan op elementaire manipulatie en operaties op matrices, gevolgd door factorisaties van matrixvergelijkingen en de berekening van eigenwaarden en eigenvectoren.

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

Vervolgens worden differentiatietechnieken voor het bepalen van de afgeleides van functies besproken, evenals integratietechnieken die laten zien hoe oppervlaktes en volumes effectief berekend kunnen worden. De module Computational Geometry geeft een overzicht van de belangrijkste algoritmes in deze tak van de informatica. Tot slot wordt aandacht besteed aan statistiek, machine learning en data mining.

Tijdens de cursus wordt de stof behandeld aan de hand van presentatieslides. De concepten worden toegelicht met demo’s. De theorie wordt afgewisseld met oefeningen.

Cursusmateriaal en lunch zijn bij de prijs inbegrepen.

Doelgroep

Deze cursus is bestemd voor wetenschappers, wiskundigen, ingenieurs en anderen die de SciPy Python library willen gebruiken bij applicaties en data-analyses.

Voorkennis

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

Duur

De duur van deze cursus is twee dagen.

Groepsgrootte

De maximale groepsgrootte bedraagt acht personen.

Certificaat

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

Module 1: SciPy Intro
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

Module 2: Matrix Calculations
Singular value decomposition
Matrix equations
Least squares
Spectral decomposition
Interpolations
Univariate interpolation
Nearest-neighbors interpolation
Other interpolations
Least squares approximation
Differentiation and Integration
Numerical differentiation
Symbolic differentiation
Symbolic integration
Numerical integration

Module 3: Nonlinear Equations
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
Plane geometry
Static problems
Convex hulls
Voronoi diagrams
Triangulations
Shortest paths
Geometric query problems
Point location
Nearest neighbors
Range searching
Dynamic problems
Bézier curves

Module 5: Descriptive Statistics
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

Module 6: Inference and Data Analysis
Statistical inference
Estimation of parameters
Frequentist approach
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

Voor deze cursus zijn momenteel geen data gepland. Neem via onderstaand formulier contact met ons op voor meer informatie over de mogelijkheden.