Uniwersytet Mikołaja Kopernika w Toruniu - Centralny punkt logowania

NA SKRÓTY
STUDENCI, PRACOWNICY
JEDNOSTKI ORGANIZACYJNE
PRZEDMIOTY
- Introduction to Python for Doctoral Students
STUDIA
AKADEMIKI
POMOC

Introduction to Python for Doctoral Students

Informacje ogólne

Kod przedmiotu:	7404-ITP
Kod Erasmus / ISCED:	(brak danych) / (brak danych)
Nazwa przedmiotu:	Introduction to Python for Doctoral Students
Jednostka:	Szkoła Doktorska Nauk Ścisłych i Przyrodniczych
Grupy:
Punkty ECTS i inne:	3.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS: roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS; tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h; 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się; tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS; nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia:	angielski
Wymagania wstępne:	(tylko po angielsku) None
Rodzaj przedmiotu:	przedmiot fakultatywny
Całkowity nakład pracy studenta:	(tylko po angielsku) 30 h laboratory 30 h own work
Efekty uczenia się - wiedza:	(tylko po angielsku) Knowledge about python language and packages numpy, scipy,matplotlib and others
Efekty uczenia się - umiejętności:	(tylko po angielsku) Ability to write test and debug python programs
Efekty uczenia się - kompetencje społeczne:	(tylko po angielsku) None
Metody dydaktyczne:	(tylko po angielsku) None
Skrócony opis:	(tylko po angielsku) 1. Working in console mode, script mode, and with cells. 2. Most important build-in types 3. Conditional statements 4. Functions 5. Loops, iterators, generator functions, itertools 6. List comprehensions and generator expressions 7. Functional programming 8. String formating 9. Modules and imports 10. modules: math, random 11. Standard input, command-line arguments 12. Handling exceptions 13. Working with files 14. Performance measurements 15. Serialization 16. Interfacing system commands 17. Handling www-data 18. Classes and instances 19. Special methods: constructor, operators 20. Inheritance and shadowing 21. Raising exceptions 22. Iterators as class instances 23. Context managers as class instances 24. Function attributes, decorators 25. Managing class attributes 26. Numpy arrays, vectorisation 27. matplotlib 28. Numerical integration 29. Solving differential equations 30. Optimisation 31. pandas module
Pełny opis:	(tylko po angielsku) 1. Working in console mode, script mode, and with cells. 2. Most important build-in types 3. Conditional statements, 4. Functions 5. Loops, iterators, generator functions, itertools 6. List comprehensions and generator expressions 7. Functional programming 8. String formating 9. Modules and imports 10. Math functions and pseudorandom numbers 11. Standard input, command-line arguments 12. Handling exceptions 13. Working with files 14. Performance comparisons, running time measurements 15. Serialization 16. Interfacing system commands 17. Handling www-data 18. Classes and instances 19. Special methods: constructor, operators 20. Inheritance and shadowing 21. Raising exceptions 22. Iterators as class instances 23. Context managers as class instances 24. Function attributes, function and class decorators 25. Managing class attributes, properties, descriptors, __slots__, static methods, class methods 26. Numpy arrays, vectorisation 27. matplotlib - ploting data, animated plots, interactive plots 28. Numerical integration 29. Solving differential equations with scipy.integrate 30. Optimisation with scipy.optimize 31. Data analysis with pandas module
Literatura:	(tylko po angielsku) Mark Lutz Python https://docs.python.org/3/
Metody i kryteria oceniania:	(tylko po angielsku) Solutions of homework excersises
Praktyki zawodowe:	(tylko po angielsku) None

Zajęcia w cyklu "Rok akademicki 2023/24" (zakończony)

Okres:	2023-10-01 - 2024-09-30	Wybrany podział planu: tygodniowy cykl przedmiotu Przejdź do planu PN WT LAB ŚR CZ PT LAB
Typ zajęć:	Laboratorium, 30 godzin więcej informacji
Koordynatorzy:	Gniewomir Sarbicki
Prowadzący grup:	Thiliban Manivarma, Gniewomir Sarbicki
Lista studentów:	(nie masz dostępu)
Zaliczenie:	Zaliczenie lub ocena

Zajęcia w cyklu "Rok akademicki 2024/25" (w trakcie)

Okres:	2024-10-01 - 2025-09-20	Wybrany podział planu: tygodniowy cykl przedmiotu Przejdź do planu PN WT ŚR CZ PT
Typ zajęć:	Warsztaty, 30 godzin więcej informacji
Koordynatorzy:	Gniewomir Sarbicki
Prowadzący grup:	Biswarup Biswas, Gniewomir Sarbicki
Lista studentów:	(nie masz dostępu)
Zaliczenie:	Przedmiot - Zaliczenie lub ocena Warsztaty - Zaliczenie lub ocena

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.