Інженерне програмування, частина 1
Спеціальність: Мікро- та наносистемна техніка
Код дисципліни: 6.153.00.O.003
Кількість кредитів: 6.00
Кафедра: Електронна інженерія
Лектор: асистент Варищук Василь Ігорович
Семестр: 1 семестр
Форма навчання: денна
Результати навчання: Дана дисципліна передбачає вивчення об'єктно-орієнтованої мови програмування Python, бібліотеки стандартних модулів та принципів розробки програм. Метою освоєння дисципліни є формування у студентів навичок, необхідних для вирішення наступних професійних завдань:
- розробка архітектури, алгоритмічних і програмних рішень системного та прикладного програмного забезпечення;
- розробка інструментальних засобів за тематикою науково-дослідних проектів;
- застосування інформаційних технологій для вирішення прикладних завдань в галузі фотоніки;
- розвиток і використання сучасних високопродуктивних обчислювальних технологій та автоматизованих систем в науковій і практичній діяльності;
Необхідні обов'язкові попередні та супутні навчальні дисципліни: - пререквізит: Основи інформатики
- кореквізити: Комп’ютерне моделювання пристроїв та технологій в мікро- та наносистемній техніці
Короткий зміст навчальної програми: Дисципліна «Інженерне програмування, частина 1» присвячена вивченню основ програмування на прикладі мови Python. При вирішенні ряду задач інженери та дослідники часто стикаються з необхідністю працювати з великими масивами даних різних типів. Для того щоб ефективно працювати з різними типами даних, необхідно володіти основами програмування, так як саме навички програмування дозволяють автоматично зібрати необхідну інформацію за досить короткий час. Дисципліна підрозділяється на два блоки: перший блок орієнтований на вивчення основ програмування, а другий блок присвячений вирішенню прикладних інженерних задач в області фотоніки з використанням мови Python.
Методи та критерії оцінювання: - Поточний контроль (30%): письмові звіти з лабораторних , усне опитування
- Підсумковий контроль (70%, модульний контроль, залік)
Рекомендована література: 1. Berendsen, H J C. 2011. A student’s guide to data and error analysis. Cambridge UK: Cambridge Univ. Press.
2. Cromey, D W. 2010. Avoiding twisted pixels: Ethical guidelines for the appropriate use and manipulation of scientific digital images. Sci. Eng. Ethics, 16(4), 639–667
3. Downey, A. 2012. Think Python. Sebastopol CA: O’Reilly Media Inc. http://www.greenteapress.com/thinkpython/thinkpython.pdf
4. Haenel, V, Gouillart, E, & Varoquaux, G. 2013. Python scientific lecture notes. Tech. rept. EuroScipy tutorial team. http://scipy-lectures.github.com
5. Landau, R H, Paez, M J, & Bordeianu, C C. 2012. Computational physics: Problem solving with computers. Enlarged etextbook, 3rd ed. New York: Wiley. http://physics.oregonstate.edu/?rubin/Books/CPbook/index.html
6. Langtangen, H P. 2014. A primer on scientific programming with Python. 4th ed. Berlin: Springer
7. Libeskind-Hadas, R, & Bush, E. 2014. Computing for biologists: Python programming and principles. Cambridge UK: Cambridge Univ. Press
8. Lutz, M. 2014. Python pocket reference. 5th ed. Sebastopol CA: O’Reilly Media Inc.
9. Perez, F, & Granger, B E. 2007. IPython: A system for interactive scientific computing. Computing in Science and Engineering, 9(3), 21–29.
10. Pine, D. 2014. Introduction to Python for science. https://github.com/djpine/pyman