Curso Gratuito Python
Curso de Python para científicos e ingenieros por Juan Luis Cano
Introducción al mundo Jupyter
1.1 Jupyter (IPython) y Nature- Curso online de Python científico (2ª ed)
1.2 Instalación de Python con Anaconda en Windows
1.3 Instalación de Python en Windows (y otros sistemas operativos)(opcional)
1.4 Gestión de entornos con conda (Anaconda) Actualización de Python y librerías
1.5 Introducción a Jupyter (IPython 3.0) y novedades
1.6 Manejo y tutorial de uso rápido".Notebooks de Jupyter
2 Introducción a los comando básicos Python.
2.1 Tipos de datos. Operador de asignación. Operadores de comparación.
2.1 Operadores de comparación básicos. Estructuras de control: condicionales, bucles "while"
2.3 Bucles "for". sentencias "break" y "pass". Otros tipos de datos: listas y tuplas. Definición de funciones: "def".
2.4 Definición de funciones: cadena de documentación. Guía de estilo PEP8
3 Introducción a la biblioteca Numpy.
3.1 Introducción a NumPy. Arrays de NumPy. Constantes y funciones matemáticas. Utilidad de los arrays.
3.2 Indexación de arrays. Creacion de arrays: funciones "empty", "eye", "identity", "*_like". Creación de rangos: funciones "linspace", "logspace" y "mehsgrid".
3.3 Operaciones con arrays
4 Visualización con matplotlib.
4.1 ¿Qué es matplotlib? Interfaz pyplot. Galería de ejemplos de matplotlib.org
4.2 Interfaz orientada a objetos de matplotlib: función "subplots", propiedades, mapas de colores y tipos de marcadores.
4.3Gráficas en dos dimensiones: funciones "meshgrid", "contour", "contourf". Importación de datos.
5 Introducción a la biblioteca SciPy.
5.1 Integración numérica: paquete "integrate" funciones "quad". Ecuaciones diferenciales ordinarias: funcion "odeint".
5.2 Sistemas de ecuaciones diferenciales ordinarias (transformación de una ecuación diferencial de segundo orden). Ecuaciones algebraicas no lineales: paquete "optimize".
5.3 Interpolación, paquete "interpolate", ajuste a curvas, función "curve_fit".
6 Buenas prácticas de programación con Python.
(6.1) Corrección de código y pruebas.
(6.2) Depuración de fallos y optimización de código.
7 Widget (Valor agregado a nuestras visualizaciones).
7.1 Mi primer widget interactivo de IPython 3.0 - Jupyter
7.2 Tutorial de Widgets interactivos de IPython 3.0 - Jupyter
7.3 Ejemplos aplicados de widgets interactivos de IPython 3.0 - Jupyter
8 Calculo simbólico con Sympy.
8.1 Tutorial de SymPy: introducción y comandos básicos
8.2 Tutorial de SymPy: Expresiones, símbolos e hipótesis
8.3 Tutorial de SymPy: Simplificación y manipulación de ecuaciones
8.4Tutorial de SymPy: Derivadas e integrales simbólicas
8.5Tutorial de SymPy: Series, ecuaciones algebraicas y diferenciales
8.6 Tutorial de SymPy: Algebra lineal, matrices y gráficos
8.7Tutorial de SymPy: lambdify, de simbólico a numérico
9 Acelerar Codigo con numba.
9.1 Acelerando código Python con numba: introducción y ejemplos
9.2 Optimizando código Python con numba, resolución de un caso real
10 Extrañas la GUI de MATLAB ? para eso esta Spyder.
10.1 Spyder, un IDE Python tipo MATLAB: Instalación y uso
11 Cómo seguir: Software-Carpentry y nbviewer
12Ciencia Open source en GitHub
13 Informe de errores en Python a desarrolladores
Introducción al mundo Jupyter
1.1 Jupyter (IPython) y Nature- Curso online de Python científico (2ª ed)
1.2 Instalación de Python con Anaconda en Windows
1.3 Instalación de Python en Windows (y otros sistemas operativos)(opcional)
1.4 Gestión de entornos con conda (Anaconda) Actualización de Python y librerías
1.5 Introducción a Jupyter (IPython 3.0) y novedades
1.6 Manejo y tutorial de uso rápido".Notebooks de Jupyter
2 Introducción a los comando básicos Python.
2.1 Tipos de datos. Operador de asignación. Operadores de comparación.
2.1 Operadores de comparación básicos. Estructuras de control: condicionales, bucles "while"
2.3 Bucles "for". sentencias "break" y "pass". Otros tipos de datos: listas y tuplas. Definición de funciones: "def".
2.4 Definición de funciones: cadena de documentación. Guía de estilo PEP8
3 Introducción a la biblioteca Numpy.
3.1 Introducción a NumPy. Arrays de NumPy. Constantes y funciones matemáticas. Utilidad de los arrays.
3.2 Indexación de arrays. Creacion de arrays: funciones "empty", "eye", "identity", "*_like". Creación de rangos: funciones "linspace", "logspace" y "mehsgrid".
3.3 Operaciones con arrays
4 Visualización con matplotlib.
4.1 ¿Qué es matplotlib? Interfaz pyplot. Galería de ejemplos de matplotlib.org
4.2 Interfaz orientada a objetos de matplotlib: función "subplots", propiedades, mapas de colores y tipos de marcadores.
4.3Gráficas en dos dimensiones: funciones "meshgrid", "contour", "contourf". Importación de datos.
5 Introducción a la biblioteca SciPy.
5.1 Integración numérica: paquete "integrate" funciones "quad". Ecuaciones diferenciales ordinarias: funcion "odeint".
5.2 Sistemas de ecuaciones diferenciales ordinarias (transformación de una ecuación diferencial de segundo orden). Ecuaciones algebraicas no lineales: paquete "optimize".
5.3 Interpolación, paquete "interpolate", ajuste a curvas, función "curve_fit".
6 Buenas prácticas de programación con Python.
(6.1) Corrección de código y pruebas.
(6.2) Depuración de fallos y optimización de código.
7 Widget (Valor agregado a nuestras visualizaciones).
7.1 Mi primer widget interactivo de IPython 3.0 - Jupyter
7.2 Tutorial de Widgets interactivos de IPython 3.0 - Jupyter
7.3 Ejemplos aplicados de widgets interactivos de IPython 3.0 - Jupyter
8 Calculo simbólico con Sympy.
8.1 Tutorial de SymPy: introducción y comandos básicos
8.2 Tutorial de SymPy: Expresiones, símbolos e hipótesis
8.3 Tutorial de SymPy: Simplificación y manipulación de ecuaciones
8.4Tutorial de SymPy: Derivadas e integrales simbólicas
8.5Tutorial de SymPy: Series, ecuaciones algebraicas y diferenciales
8.6 Tutorial de SymPy: Algebra lineal, matrices y gráficos
8.7Tutorial de SymPy: lambdify, de simbólico a numérico
9 Acelerar Codigo con numba.
9.1 Acelerando código Python con numba: introducción y ejemplos
9.2 Optimizando código Python con numba, resolución de un caso real
10 Extrañas la GUI de MATLAB ? para eso esta Spyder.
10.1 Spyder, un IDE Python tipo MATLAB: Instalación y uso
11 Cómo seguir: Software-Carpentry y nbviewer
12Ciencia Open source en GitHub
13 Informe de errores en Python a desarrolladores
Comentarios
Publicar un comentario