Aide à la Physique Chimie au Lycée

  • Augmenter la taille
  • Taille par défaut
  • Diminuer la taille
Aide à la Physique Chimie au Lycée

anaconda python

Envoyer Imprimer PDF

Python est un langage de programmation très polyvalent et modulaire, qui est utilisé aussi bien pour écrire des applications comme YouTube, que pour traiter des données scientifiques. Par conséquent, il existe de multiples installations possibles de Python. L’utilisateur débutant peut donc se sentir dérouté par l’absence d’une référence unique pour Python scientifique. Nous conseillons donc un logiciel unique pour la formation, la suite scientifique Anaconda développée par l’entreprise Continuum. Anaconda rassemble tout le nécessaire pour l’enseignement de Python scientifique: le langage Python et ses modules scientifiques.

En particulier, Anaconda fournit un environnement de travail adapté à l’enseignement et au calcul scientifique, spyder.

un installeur à partir de http://continuum.io/downloads.html, correspondant à votre système d’exploitation (Windows, Mac OS X, Linux). Il faut choisir entre 32 bits ou 64 bits selon que votre système d’exploitation est 32 bits ou 64 bits.

http://continuum.io/downloads

 

Choose Your Installer: x64 python 2.7

Windows 64-bit
Python 2.7
Graphical Installer
  • Size: 366M

Choose Your Installer: x64 python 3.4

I want Python 2.7*

Windows 64-bit
Python 3.4
Graphical Installer
  • Size: 363M

Python for Science

Geared toward scientists and engineers, Python for Science provides a strong foundation which will enable you to work and develop scientific and engineering work-flows much more rapidly.

Overview
This course begins with an abbreviated primer on Python (language syntax, data structures, basic data processing, Python functions, modules and classes). The remainder of the course covers open source Python tools relevant to solving your day-to-day scientific and engineering programming problems. Specific topics examined include: array computation and mathematics with NumPy; statistics, linear algebra, optimization, interpolation, and advanced computation with SciPy; working with tabular data in Pandas to generate summary statistics and rolling window calculations; and using matplotlib to create 2-d and 3-d visualizations.

To interface with the rest of your libraries, we teach ways of wrapping C/C++ and/or Fortran code in Python, along with ways to compile Python for dramatically improved performance. We will also cover how to call Python functions from Excel, manipulate spreadsheets and documents using Python, and expose your Python code over the web.

Syllabus

The course is taught over four days. It covers the Python language, critical library modules for science, and data visualization.

  1. Introduction to Python.
    The first section of the course is an introduction to the Python programming language. It introduces the details of how to start and stop the interpreter and write programs, and explains basic data-types, files, functions, and error handling.

  2. Working with Data.
    Section 2 provides a detailed tour of how to represent and work with data in Python. It covers tuples, lists, dictionaries, and sets, as well as NumPy arrays. Students will learn the critical aspects of Python's underlying object model including variables, reference counting, copying, and type checking and how to effectively use Python's very powerful list processing primitives.

  3. Program Organization and Functions.
    More information about how to organize larger programs into functions is provided in Section 3. A major focus is placed on design functions and the technical details of functions, including scoping rules and documentation strings.

  4. Modules and Libraries.
    Section 4 addresses how to organize programs into modules and use those modules as a tool for creating extensible programs. It concludes with a tour of some of the most commonly used library modules including those related to system administration, text processing, subprocesses, XML parsing, binary data handling, and databases.

  5. Classes and Objects.
    In Section 5, students are given an introduction to object-oriented programming in Python. Topics such as how to create new objects, overload operators, and utilize Python special methods will be explained, along with the basic principles of object oriented programming including inheritance and composition.

  6. NumPy.
    NumPy is Python's array and mathematics library. Section 6 covers how one can and should use NumPy to simplify and speed up code. It starts with a brief overview of NumPy's memory model and teaches ways to slice and dice data using NumPy's sophisticated indexing operations. Mathematical use cases, various interpolation functions, matrix decompositions, computing eigenvalues, solving systems of equations and inverting matrices are also covered.

  7. SciPy.
    SciPy is Python's scientific complement to NumPy. SciPy is quite broad and used in many different domains. Section 7 covers key areas relevant to finance, starting with SciPy's statistical functions, how to generate different distributions and perform statistical computations. It also covers some interpolation, linear algebra, optimizations, signal processing, and fourier transforms. These are useful in efficiently computing some moving window functions (moving averages, exponential moving averages, bollinger bands).

  8. Pandas.
    Pandas is Python's answer to the R dataframe, which provides a very convenient way to work with tabular data. It helps organize your data by handling missing data and data alignment automatically. In Section 8, students learn about Pandas ability to do simple olap aggregations and drill downs without additional code, as well as executing efficient computations for statistical functions, like moving window functions and rolling regressions.

  9. Integrating with Native Code.
    Python is fantastic, but often we have to work with code in pre-existing C/C++ libraries. One of the easiest ways to do this is with Python's built-in ctypes libraries, but SWIG/Cython/Boost and hand-generated wrappings are all ways to get the job done as well. We will preview using Numba to compile Python syntax directly to machine code. In Section 9, students will examine several use cases that show how to write Python code first and optimize for speed later.

  10. Data Visualization.
    Matplotlib is a Python visualization library which makes it easy to generate static plots. Section 10 will show students how to use Matplotlib to create basic line plots, scatter plots, density estimation plots, as well as date handling. If you have any specific plotting requirements, let us know and we can cover those use cases as well.
Mise à jour le Vendredi, 19 Décembre 2014 18:55
 

Light Table

Envoyer Imprimer PDF

Light Table : l'environnement de développement avenir ?

Light Table is an open source IDE that lets you modify running programs and embed anything from websites to games. It provides the real time feedback we need to not only answer questions about our code, but to understand how our programs really work.

Un nouveau concept d’IDE assez intéressant qui permettra au développeur de se concentrer uniquement sur son code avec des gains en temps importants.

Le projet Light Table est une surface de développement et de simulation d’application qui élimine tous les outils et fonctionnalités encombrants dans les IDE actuels.
- Le développeur ne devra jamais avoir à chercher la documentation : en passant juste le curseur au-dessus d’une fonction, l’aide s’affichera automatiquement à droite. Cela implique que le développeur n’aura plus jamais à se soucier des choses comme l’ordre des arguments.

http://www.chris-granger.com/lighttable/

http://lighttable.com/

https://d35ac8ww5dfjyg.cloudfront.net/playground/bins/0.7.2/LightTableWin.zip

Learn more

Project links

Mise à jour le Vendredi, 19 Décembre 2014 18:38
 

Haroopad

Envoyer Imprimer PDF

Haroopad ?
Toute personne ayant à rédiger dans un format dit “web-compatible” connait le Markdown. Il s’agit d’un langage offrant une syntaxe ultra simple à lire et à écrire,
tout en favorisant l’export vers du HMTL à la volée.
Depuis son invention, de nombreux éditeurs ont vu le jour, dont l’excellent Microsoft Word Byword. Ces derniers permettent l’export vers des pages internet, des mails, des documents au format pdf. En j’en passe !
Seulement, pour ceux qui veulent intégrer des contenus dits “exotiques” comme des formules maths (j’entends déjà les “beurk”), on est bai… bien embêtés.
Pour cela, il existe une solution du nom de Haroopad.
Petit logiciel multiplateforme (Mac, Linux, Windows) va vous permettre de vous mettre au Markdown sans avoir à sortir votre portefeuille.
http://pad.haroopress.com/


Alors comment ajouter des maths ?

L’un des gros points forts de Haroopad, c’est qu’il est le seul éditeur Markdown à intégrer la prise en charge du format LaTeX (aucun rapport avec les combinaisons en cuir et les boules rouges…) qui permet de rédiger à la volée des maths.

Il suffit de jeter un coup d’oeil au screenshot suivant pour se rendre compte à quel point la prise en charge est simplifiée.
Pour information, il s’agit des équations de Navier-Stokes.

Vous l’aurez remarqué, pour créer un “block math”, il suffit d’utiliser la double balise $$. Par contre, si vous voulez intégrer du contenu LaTeX directement dans le texte, il faut alors utiliser la double balise $$$.

 

Modelio

Envoyer Imprimer PDF

Modelio est un outil de modélisation UML / BPMN complet et extensible, distribué sous licence open source.

  • Gratuit
  • Large gamme de modules gratuits et open source
  • Communauté actif

dl-modelioTélécharger Modelio

 

Modelio

Envoyer Imprimer PDF

Modelio est un outil de modélisation UML / BPMN complet et extensible, distribué sous licence open source.

  • Gratuit
  • Large gamme de modules gratuits et open source
  • Communauté actif

dl-modelioTélécharger Modelio

Mise à jour le Vendredi, 19 Décembre 2014 18:24
 


Page 9 sur 23