Calcolo Scientifico in Python - Ottimizzazione e PDE per la modellistica
Questo Corso è parte del
Pathway in Scientific Computing with Python
Introduzione al Corso
Il corso avanzato si propone di illustrare metodi computazionali più complessi, che richiedono conoscenze matematiche più avanzate. In particolare questo corso presenta diversi algoritmi di ottimizzazione nonlineare, evidenziandone vantaggi e svantaggi a seconda delle applicazioni, ed espone i concetti base della simulazione di semplici modelli della meccanica del continuo, mediante differenze finite ed elementi finiti.
Computer and Data Sciences
Ore di Formazione0
LivelloAvanzato
Modalità CorsoTutoraggio
Italian
Durata2 Settimane
TipologiaOnline
Stato del CorsoTutoraggio Soft
Agenda del Corso
Avvio Iscrizioni
Apertura Corso
Inizo Tutoraggio
Fine Tutoraggio
Tutoraggio Soft
Chiusura Corso
Risultati Attesi
- Risolvere numericamente problemi di ottimizzazione nonlineare;
- Progettare e implementare semplici algoritmi su discretizzazioni dello spazio (“mesh”);
- Simulare al calcolatore semplici modelli del continuo, statici e dinamici.
Pre-requisiti
I destinatari del corso sono
studenti, laureati, ricercatori di qualunque disciplina, interessati al
calcolo scientifico ad un livello intermedio/avanzato, tipico ormai di
tutti i settori delle scienze applicate e dell'ingegneria.
Conoscenze pregresse necessarie sono:
Conoscenze di base di programmazione, in particolare in linguaggio Python;
Conoscenze di base di matematica, tipiche dei primi due anni delle lauree triennali di tipo scientifico o ingegneristico.
Verrà
indicato del materiale introduttivo per colmare eventuali lacune. Per
quanto riguarda il linguaggio Python, si raccomanda vivamente di
consultare il materiale nel sito www.python.org
Libri di testo e letture consigliate
Libri di testo:
- Dispense del corso erogate sotto forma di slides PDF e iPython notebooks
Letture consigliate:
- Hans Petter Langtangen, “A Primer on Scientific Programming with Python”, Springer, 2016
- Documentazione Numpy https://docs.scipy.org/doc/numpy/contents.html
- Documentazione Scipy https://docs.scipy.org/doc/scipy/reference/
- Documentazione Matplotlib https://matplotlib.org/contents.html
- Scipy Lecture Notes http://www.scipy-lectures.org
- Scipy CookBook http://scipy-cookbook.readthedocs.io/index.html
- CUDA C Programming Guide: https://docs.nvidia.com/cuda/cuda-c-programming-guide/
- Numba for CUDA GPUs: http://numba.pydata.org/numba-doc/0.38.0/cuda/index.html
