|
|
Code: PIM-SCOM |
|
2V+2U (4 Semesterwochenstunden) |
6 |
Studiensemester: 1 |
Pflichtfach: nein |
Arbeitssprache:
Deutsch |
Prüfungsart:
Erfolgreiche Bearbeitung von Übungsblättern sowies eines Projekts inkl. Bericht und Präsentation
[letzte Änderung 23.09.2024]
|
KIM-SCOM (P221-0208) Kommunikationsinformatik, Master, ASPO 01.10.2017
, 1. Semester, Wahlpflichtfach, telekommunikationsspezifisch
PIM-SCOM (P221-0208) Praktische Informatik, Master, ASPO 01.10.2017
, 1. Semester, Wahlpflichtfach, informatikspezifisch
|
Die Präsenzzeit dieses Moduls umfasst bei 15 Semesterwochen 60 Veranstaltungsstunden (= 45 Zeitstunden). Der Gesamtumfang des Moduls beträgt bei 6 Creditpoints 180 Stunden (30 Std/ECTS). Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 135 Stunden zur Verfügung.
|
Empfohlene Voraussetzungen (Module):
Keine.
|
Als Vorkenntnis empfohlen für Module:
|
Modulverantwortung:
Prof. Dr. Peter Birkner |
Dozent/innen: Prof. Dr. Peter Birkner
[letzte Änderung 09.02.2024]
|
Lernziele:
Die Studierenden wissen, was wissenschaftliches Rechnen ist und kennen typische Anwendungen. Sie beherrschen die wichtigsten Aspekte der Programmiersprache Python und können externe Bibliotheken einbinden und nutzen. Sie haben verstanden, wie man numerische Probleme in Python zusammen mit NumPy implementiert. Das Gleiche gilt für Probleme, die symbolisch mit SymPy gelöst werden. Die Studierenden können die Lösungen von mathematischen Problemen sowie Daten mit Hilfe von Matplotlib visualisieren. Die Studierenden wissen, was paralleles Rechnen ist und kennen den MPI-Standard; Sie beherrschen dessen Grundlagen und können einfache parallele Programme entwerfen und in Python und C implementieren. Die Studierenden kennen wichtige Computeralgebrasysteme (CAS) und wissen, welches für eine bestimmte Art von Problem am besten geeignet ist. Sie können auch grundlegende mathematische Berechnungen in den vorgestellten CAS ausführen. Weiterhin erkennen sie mathematische Konzepte aus den Vorlesungen Mathematik 1-3 wieder und können diese mit einem CAS und/oder Python und zugehörigen Bibliotheken praktisch umsetzen.
[letzte Änderung 25.03.2024]
|
Inhalt:
1. Organisatorisches 2. Einführung, Überblick und Anwendungen von Scientific Computing 3. Einführung in die Programmiersprache Python 4. JupyterLab und Jupyter Notebook 1. Überblick und Einführung 2. Installation und Einsatz von JupyterLab 3. Verwendung von verschiedenen Programming Language Kernels 5. Die drei wichtigsten Python-Module für wissenschaftliches Rechnen 1. Numerische Berechnungen mit NumPy 2. Symbolische Mathematik mit SymPy 3. Visualisierung mit Matplotlib 6. Parallel Computing mit MPI 1. Überblick über den MPI-Standard 2. Prozesskommunikation bei parallelen Berechnungen 3. Anwendungen mit Python und C 7. Computeralgebrasysteme und ihre Programmierschnittstellen 1. SageMath, Maxima und PARI/GP (Interactive Shell und C-Bibliothek) 2. Maple und MATLAB 8. Praktische mathematische Anwendungen 1. Iterative Nullstellenbestimmung 2. Polynom-Interpolation 3. Wichtige Operationen auf Matrizen und Vektoren 4. Lineare Gleichungssysteme 9. (Optional:) Mathematische Bibliotheken und wichtige Anwendungen 1. GNU Scientific Library 2. BLAS (Basic Linear Algebra Subprograms) 3. LAPACK (Linear Algebra Package)
[letzte Änderung 23.09.2024]
|
Literatur:
- Kofler: Python - Der Grundkurs, Rheinwerk, 2022 - Steinkamp: Mathematische Algorithmen mit Python, Rheinwerk, 2022 - Johansson: Numerical Python - Scientific Computing and Data Science Applications with Numpy, SciPy and Matplotlib (Second Edition), Apress, 2019 - Bressert: SciPy and NumPy, O’Reilly Media, 2012 - Idris: NumPy Beginner´s Guide (Third Edition), Packt Publishing, 2015 - Bauke, Mertens: Cluster Computing, Springer-Verlag, 2006 - Czech: Introduction to Parallel Computing, Cambridge University Press, 2016
[letzte Änderung 23.09.2024]
|