Tutorial de Python para ciencias e ingenierías

Un curso de Python orientado a estudiantes de ingenieria, ingenieros e investigadores.

disertante:	Ing. Martín Gaitán
evento:	II Conferencia Latinoamericana de Python en la Ciencia - ScipyConAr 2014
fecha:	23 y 24 de octubre de 2014

Material

Las clases se encuentran en formato IPython Notebook y se usan como soporte dinámico. Cada ejemplo de código se manipula en vivo.

Attention!

se utiliza Python 3.3 o superior.

Desde estos links se pueden visualizar estáticamente:

Clase Nº 1

Instalación, modos de usar Python. Tipos básicos, estructuras de datos, sentencias de control de flujo, funciones incorporadas
Clase Nº 2

Definición de funciones, excepciones, lectura de archivos, clases
Clase Nº 3

Conceptos de módulos y paquetes, algunos módulos de de la biblioteca estándar, intro a matplotlib y numpy
Clase Nº 4

Más de numpy y matplotlib avanzado. Intro a Scipy.
Clase Nº 5

Intro a Sympy. Vectorización de funciones con Numpy.

Instalación de entorno para python en windows/linux. Anaconda. Spyder y Ipython Notebook
Tipos: enteros, floats, complejos, strings.
Estructuras de datos: listas, tuplas, diccionarios, conjuntos. (packing/unpacking, indexado, slicing, etc.)
Conceptos de mutabilidad/inmutabilidad, secuencia, iterador,
control de flujo: if, for, while, manejo de excepciones
Funciones: definicion, argumentos posicionales y nominales. Valor vs referencia. sentencia yield
funciones built-in: zip, range, enumerate, etc.
estructura de proyectos: módulos, paquetes, importacion.
Manejo de I/O: lectura y escritura de archivos, CSV, json, pickle
Conceptos básicos de orientación a objetos. Clases
Matplotlib: introducción, generación de gráficos cartesianos continuos, puntos, histogramas
Numpy: introduccion a Arrays. slicing extendido, metodos y funciones builtin, loadtxt, algebra lineal, resolucion de sistemas de ecuaciones lineales.
Matplotlib avanzado: integración con numpy, plots 3d, otros tipos de gráficos, labels, formato, subplots.
Scipy: algoritmos listos para usar. Estadistica, interpolación. regresiones. Otros?

Parte de este material ha sido inspirado y/o adaptado de múltiples fuentes