Chcete pracovat
nezávisle?
Chcete vyvíjet bez nadměrných počátečních nákladů?
Chcete se naučit něco,
co můžete aplikovat i bez nákupu
drahých licencí?
Chcete vidět
vice souvislostí mezi vyučovanou teorií a skutečným využitím?
Python
je open-source programovací jazyk,
který disponuje knihovnami, které nahradí mnoho funkcí
známých z Matlabu.
Aplikace napsané v Pythonu lze spouštět ve
Windows, Linuxu i na Androidu
v mobilním telefonu.
Buďte obeznámeni s tím, jak své programy
reprezentovat v grafickém rozhraní
Mimo této alternativy budete seznámeni s hardwarovými možnostmi jak nově
nabyté znalosti využít v praxi. Jednou z nich bude seznámení
s levným miniaturním počítačem Raspberry Pi a měřící kartou LabJack.
Dále se zde, mimo klasické numerické
metody naučíte několik nových progresivních technik z oblasti naměření a zpracování signálů, analýzy dat; případně
i adaptivního modelování, neuronových sítí a regulace.
Volitelný
předmět 237 5004
Rozsah: 2+2
Způsob zakončení: kz
Počet kreditů: 4
Vyučuje: Ivo Bukovský, (Google: ivo bukovsky)
Vědecké výpočty a zpracování online měřených dat v programovém prostředí Python, komunikace s připojenými zařízeními, ukládání a vizualizace online měřených dat do PC v reálném čase v Pythonu. Knihovny, řešení běžných úloh numerické matematiky, vytváření uživatelských rozhraní, vizualizace. Ukázky řešených problémů. Klasifikace na základě řešení individuálně zadaného projektu. Během kurzu budou diskutovány analogie prostředí Matlab. Předmět je vhodný i pro studenty bakalářského studia (doporučuje se po absolvování předmětů 1. semestru, zejména PPS a MA1).
1. Seznámení s prostředím
Python a jeho možnostmi
2. Programovací jazyk Python
pro vědecké výpočty a zpracování dat (knihovny NumPy,
Scipy)
3. Práce s vektory a
maticemi - maticové operace; řešení soustav lineárních rovnic
v Pythonu
4. Vlastní čísla a vektory
v Pythonu; komprese dat metodou PCA v Pythonu
5. Vizualizace dat (knihovna MatplotLib)
6. Jednoduchý ODE solver pro simulaci diferenciálních rovnic a jejich
soustav; výpočet časově diskrétní (diferenční) rovnice v Pythonu
7. Tvorba uživatelského
rozhraní (GUI)
8. Vizualizace a zpracování
signálů v Pythonu (statistické ukazatele, korelační analýza, analýza šumu
v datech, výkonové spektrum)
9. Základní algoritmy
aproximace statických funkcí (gradientová kroková
metoda, dávkový algoritmus Levenberg-Marquardt) a jejich implementace v Pythonu
10. Příklady aproximace
dynamických systémů gradientovou metodou v Pythonu
11. Hardware pro Python, měření
přes USB/Ethernet (LabJack, Raspberry
Pi, Q-Python for Android…)
12. Záznam online měřených
laboratorních dat do PC a vizualizace v Pythonu
13. Příklad optimalizace
parametrů regulátoru (reálné) laboratorní úlohy v Pythonu
14. Další možnosti programového
prostředí Python, ukázka – např. možnosti návrhu neuronové sítě a fuzzy systému v prostředí Python.
Obr. 2: Ukázka z
bakalářské práce realizované v Pythonu v roce 2012
(http://diplomky.fs.cvut.cz/v2/detail.php?id=55500)