Materia
Programación Científica en Python
Datos generales de la materia
- Modalidad
- Presencial
- Idioma
- Castellano
Descripción y contextualización de la asignatura
La asignatura de Programación Científica en Python sienta las bases para cursar otras materias de este máster en las que la programación científica y la visualización y análisis de datos juegan un papel central y, además, prepara a los y las estudiantes para resolver con éxito problemas complejos susceptibles de ser resueltos computacionalmente que les surgirán durante su devenir profesional, utilizando Python como lenguaje de programación vehicular.Profesorado
Nombre | Institución | Categoría | Doctor/a | Perfil docente | Área | |
---|---|---|---|---|---|---|
CALVO GORDILLO, ISIDRO | Universidad del País Vasco/Euskal Herriko Unibertsitatea | Profesorado Agregado | Doctor | No bilingüe | Ingeniería de Sistemas y Automática | isidro.calvo@ehu.eus |
GARCIA ADEVA, ANGEL JAVIER | Universidad del País Vasco/Euskal Herriko Unibertsitatea | Profesorado Titular De Universidad | Doctor | No bilingüe | Física Aplicada | angel.garcia-adeva@ehu.eus |
Tipos de docencia
Tipo | Horas presenciales | Horas no presenciales | Horas totales |
---|---|---|---|
Magistral | 15 | 22.5 | 37.5 |
P. Ordenador | 30 | 45 | 75 |
Actividades formativas
Denominación | Horas | Porcentaje de presencialidad |
---|---|---|
Clases expositivas | 30.0 | 50 % |
Ejercicios | 20.0 | 50 % |
Trabajo Personal del Alumno/a | 22.5 | 0 % |
Trabajos con equipos informáticos | 40.0 | 50 % |
Sistemas de evaluación
Denominación | Ponderación mínima | Ponderación máxima |
---|---|---|
Prácticas de ordenador | 60.0 % | 60.0 % |
Realización y presentación de trabajos e informes | 40.0 % | 40.0 % |
Resultados del aprendizaje de la asignatura
Conocimientos o contenidos:RCO10: Conocer algoritmos eficientes para la resolución de problemas científicos reales asociados al procesamiento masivo de datos.
Competencias:
RC1: Ser capaz de evaluar y comparar los resultados obtenidos.
RC3: Conocer y utilizar las Tecnologías de la Información y la Comunicación científica.
Habilidades o destrezas:
RHE22: Habilidad de análisis de problemas científicos susceptibles de ser resueltos computacionalmente.
RHE23: Habilidad para implementar algoritmos en Python utilizando los entornos de programación y las librerías más adecuadas para cada situación.
RHE24: Habilidad de crear representaciones gráficas de datos en Python que permitan entender y visualizar fenómenos de distintos tipos.
Temario
Programación científica.¿Qué es la programación científica? ¿Qué la diferencia de la programación ¿estándar?
El entorno de desarrollo: Anaconda, Ipython, Jupyter Notebooks.
Uso de entornos en Python para simplificar y organizar las tareas de desarrollo.
Introducción a Python: tipos de variables. Operadores y expresiones. Sintaxis. Control de flujo. Funciones. Entrada/Salida.
Elementos del lenguaje básicos para poder hacer programas sencillos en Python.
Computación numérica: NumPy.
El paquete numpy para realizar operaciones matemáticas en Python.
Visualización: Matplotlib.
Representación gráfica de datos en Python.
Computación científica de alto nivel: SciPy
El paquete SciPy para realizar operaciones matemáticas avanzadas con Python.
Manipulación y análisis de datos: Pandas.
Tratamiento y análisis de grandes volúmenes de datos con Python.
Machine Learning en Python: scikit-learn.
Análisis de datos predictivo y aprendizaje automático con Python.
Bibliografía
Bibliografía básica
El tutorial de Python: https://docs.python.org/es/3/tutorial/M. González Harbour, J. J. Gutiérrez García, J. C. Palencia Gutiérrez, J. I. Espeso Martínez y A. Garandal Martín, Programación en Python, OCW, Universidad de Cantabria (2020). https://ocw.unican.es/course/view.php id=286§ion=1
A. P. Hinojosa Gutiérrez, Python. Paso a paso, RA-MA S.A. ISBN-10: 8499646115, ISBN-13: 978-8499646114 (2016).
R. Johansson, Numerical Python: Scientific Computing and Data Science Applications with Numpy, SciPy and Matplotlib, Apress, ISBN: 1484242452 (2018).
Pandas tutorial: https://www.w3schools.com/python/pandas/default.asp
scikit-learn Tutorials: https://scikit-learn.org/stable/tutorial/index.html
Bibliografía de profundización
Mark Lutz, Programming Python: Powerful Object-Oriented Programming, O'Reilly Media, Inc, USA, ISBN-10: 0596158106, ISBN-13: 978-0596158101 (2011).Robert Johansson, Numerical Python Scientific Computing and Data Science Applications with Numpy, Scipy and Matplotlib, Kindle (2021)
Chris Albon, Machine Learning with Python Cookbook: Practical solutions from preprocessing to deep learning, O'Reilly Media, ISBN-10: 9781491989388, ISBN-13: 978-1491989388 (2018).