Главная страницаКатегория pythonПрограммирование численных методов на Python

Программирование численных методов на Python

Name: Программирование численных методов на Python
Rating: 5 (4 reviews)

Programming Numerical Methods in Python

udemy

★5 (всего оценок - 4)

Продолжительность

11 ч 23 мин

Категория

Python

Количество уроков

53 Видео

Дата добавления

26 авг. 2019 г., 15:13

Язык

Английский

Дата выхода

1 авг. 2019 г., 14:44

Дата обновления

29 апр. 2026 г., 04:17

Курс по программированию численных методов на Python создан для тех, кто хочет не просто пользоваться готовыми формулами из учебников, а понимать, как численные методы реализуются на практике и уверенно писать собственный код для научных и инженерных расчётов.

Почему этот курс важен

Традиционные курсы по численному анализу делают упор на теорию, оставляя программирование на втором плане. Из-за этого студенты часто используют готовые решения, не разбираясь в процессе их разработки. Данный курс устраняет этот пробел и учит создавать рабочий код шаг за шагом.

Основные преимущества изучения численных методов на Python

Python — один из лучших языков для обучения и научных вычислений благодаря своей простоте, универсальности и обширной экосистеме библиотек. На курсе последовательно используются:

NumPy — для работы с массивами и численными операциями;
matplotlib — для визуализации данных и результатов вычислений;
SciPy — для использования расширенных функций численного анализа.

Студенты учатся как программировать методы с нуля, так и применять готовые функции, что формирует целостное понимание инструментов.

Чему вы научитесь

Курс сочетает практику, программирование и анализ численных методов. После изучения материалов вы сможете уверенно реализовывать популярные алгоритмы, анализировать погрешности и создавать эффективные решения для реальных задач.

Темы курса

Корни уравнений высокой степени
Интерполяция и кривая подгонка
Численное дифференцирование
Численная интеграция
Системы линейных уравнений
Обыкновенные дифференциальные уравнения

Как построено обучение

Каждая тема включает:

объяснение принципов метода;
пошаговую реализацию алгоритмов на Python;
практические упражнения для закрепления материала;
примеры использования функций из SciPy для расширения возможностей.

Кому подходит курс

Этот курс будет особенно полезен:

студентам математических, инженерных и технических специальностей;
разработчикам и исследователям, работающим с научными данными;
тем, кто знаком с Python и хочет углубиться в численные методы;
самоучкам, стремящимся понять, как создаются алгоритмы численного анализа.

Итог

Программирование численных методов на Python — это практическое руководство, которое поможет вам овладеть важнейшими навыками научного программирования и уверенно применять их в учёбе, исследованиях и профессиональной деятельности.

Урок 1.00:04:51
Introduction
Урок 2.00:05:42
Introduction and Simple Iterations Method
Урок 3.00:26:26
Simple Iterations Method: Code I (for Loop)
Урок 4.00:14:23
Simple Iterations Method: Code II (while Loop)
Урок 5.00:05:55
Convergence vs Divergence
Урок 6.00:15:29
Newton-Raphson Method
Урок 7.00:11:46
Bisection Method: Algorithm
Урок 8.00:17:30
Bisection Method: Code
Урок 9.00:11:03
User-Defined Functions & Run-Time Input
Урок 10.00:10:47
Root Finding in SciPy & Summary
Урок 11.00:15:27
Introduction and Linear Interpolation Method
Урок 12.00:07:32
Lagrange's Method: Algorithm
Урок 13.00:17:34
Lagrange's Method: Code
Урок 14.00:10:59
Newton's Method: Algorithm
Урок 15.00:16:07
Newton's Method: Code
Урок 16.00:04:10
Linear Regression: Algorithm
Урок 17.00:08:18
Linear Regression: Code I (for Loop)
Урок 18.00:08:29
Linear Regression: Code II (NumPy Arrays)
Урок 19.00:04:44
Polynomial Fit: Algorithm
Урок 20.00:24:01
Polynomial Fit: Code
Урок 21.00:08:59
Interpolation Functions of SciPy
Урок 22.00:14:54
Curve Fitting Functions of SciPy & Summary
Урок 23.00:12:06
Introduction and Finite Differences Method
Урок 24.00:11:31
Finite Differences Method: Code I
Урок 25.00:11:27
Finite Differences Method: Code II
Урок 26.00:17:41
Plotting Derivative Curves
Урок 27.00:10:01
Numerical Differentiation Function in SciPy & Summary
Урок 28.00:07:39
Introduction & Trapezoidal Rule: Algorithm
Урок 29.00:11:59
Trapezoidal Rule: Code
Урок 30.00:07:23
Simpson's 1/3 Rule: Algorithm
Урок 31.00:08:18
Simpson's 1/3 Rule: Code
Урок 32.00:05:28
Simpson's 3/8 Rule: Algorithm
Урок 33.00:09:42
Simpson's 3/8 Rule: Code
Урок 34.00:07:55
Double Integration: Algorithm
Урок 35.00:16:02
Double Integration: Code
Урок 36.00:14:21
Quadrature in SciPy & Summary
Урок 37.00:26:02
Introduction & Gauss Elimination Method: Algorithm
Урок 38.00:21:10
Gauss Elimination Method: Code I (Elimination)
Урок 39.00:21:41
Gauss Elimination Method: Code II (Back-Substitution)
Урок 40.00:16:39
Gauss Elimination Method: Code III (Modifications)
Урок 41.00:07:15
Jacobi's Method: Algorithm
Урок 42.00:32:08
Jacobi's Method: Code
Урок 43.00:10:49
Gauss-Seidel's Method
Урок 44.00:05:07
Diagonal Dominance
Урок 45.00:08:37
Linear System Solution in NumPy and SciPy & Summary
Урок 46.00:16:23
Introduction & Euler's Method
Урок 47.00:08:23
Second Order Runge-Kutta's Method
Урок 48.00:08:38
Fourth Order Runge-Kutta's Method
Урок 49.00:15:58
Fourth Order Runge-Kutta's Method: Plot Numerical and Exact Solutions
Урок 50.00:08:28
Higher-Order ODE's: Algorithm
Урок 51.00:22:53
Higher-Order ODE's: Code
Урок 52.00:20:13
Higher-Order ODE's: Plotting Solutions
Урок 53.00:16:48
ODE Solution in SciPy & Summary

Автор - udemy

udemy

Udemy - одна из самых больших площадок в мире по доставке обучающего контента от разных авторов всего мира. Присутсвуют курсы практически на любую тему.

+198

Комментарии