numerical-mooc, 在工程师和科学家的python 数值方法中,课程

分享于 

6分钟阅读

GitHub

  繁體 雙語
A collaborative educational initiative in computational science and engineering.
  • 源代码名称:numerical-mooc
  • 源代码网址:http://www.github.com/numerical-mooc/numerical-mooc
  • numerical-mooc源代码文档
  • numerical-mooc源代码下载
  • Git URL:
    git://www.github.com/numerical-mooc/numerical-mooc.git
    Git Clone代码到本地:
    git clone http://www.github.com/numerical-mooc/numerical-mooc
    Subversion代码到本地:
    $ svn co --depth empty http://www.github.com/numerical-mooc/numerical-mooc
    Checked out revision 1.
    $ cd repo
    $ svn up trunk
    
    基于的实际数值计算方法

    本项目从 2014年开始,作为一个多校园,有关科学和工程数值方法的连接课程( 加 MOOC )。

    在Fall和,第二和第三次运行的课程,我们让这些导师参与了( 把这些材料作为他们课程大纲的一部分):

    "使用 python的实用数值方法" 是一个开放的在线课程,它托管在独立安装的开放edX软件平台的独立安装之上。 windows ( 大规模开放式在线课程) 在 2014年首次运行了 MOOC。 Barba大学的。 同时,它的他两位参与者在他们的机构上运行了本地课程。

    MOOC

    你可以在在线开放 edX 平台的任何时候为MOOC进行 register,体验完整的课程( 包括测验,例子和讨论板)。

    所有内容都是开放的-really开放,换句话说,你可以使用,共享,mod,remix-和大多数在课程平台之外也可以使用。

    你可以在 Wiki找到IPython的列表,其中包含到nbviewer的链接。

    启动

    课程模块

    • 对滑翔机飞行模型的收费。 - 描述了两个非线性常微分方程,phugoid模型激励数值时间积分方法,并从一个简单的方程开始,我们将它从一个简单的方程开始,在初始值问题中包含 3或者 4教训。 this,2,leapfrog,leapfrog,stability,stability,stability,stability,stability,stability,stability,stability。 使用NumPy的array 操作;SymPy符号计算;ODE积分器和库;编写和使用函数。
    • PDEs积分空间与偏微分方程有限差分解的时间介绍。 从一个偏微分方程( PDE ) -the对流方程表示的最简单模型出发,建立了偏微分方程的有限差分基础。 模块是基于"cfd python"集合,步骤 1至 4.它通过泰勒级数。数值扩散。有限差分近似和泰勒级数的物理思想以及守恒定律的物理思想来激励。 计算技术:使用NumPy和带有SymPy的符号运算更多 array 操作;通过 NumPy array 操作获得更好的性能。
    • ::: 在conservation的概念overview这个模块使用交通流模型来研究不同的shocks问题的解决方法。 迎风,lax friedrichs,lax wendroff,MacCormack,然后 MUSCL (。讨论 limiters )。 加强数值扩散和稳定性的概念,在带有冲击的解决方案的背景下。 它将激励对方案。色散误差。吉布斯现象。保守方案的频谱分析。
    • 扩展:扩散问题。 解抛物型偏微分方程的解,用扩散( 热) 方程举例。 从 1D 热方程出发,详细地了解了实现边界条件的细节,并首次引入隐式方案。 这个模块中的另一个是二维问题的解。 用显式和implict方法求解 2D 热方程,每次都特别考虑边界条件。 最后一课用曲柄nicolson方案构建解决方案。
    • 放轻松,保持稳定: elliptic方程拉普拉斯方程和泊松方程在边界条件和拉普拉斯算子的影响下被认为是系统 Slack 。 discretizign PDEx产生的代数方程的迭代方法: Jacobi法。高斯Seidel和连续过 Slack 法。 共轭梯度法。

    计划的模块:

    • 按专业的方式执行 :: 使用编译代码可以使代码运行速度更快,使用just-in-time编译,以Numba和PyCUDA为目标,从而提高性能。
    • 边界接管:边界元素方法( 边界元)。 椭圆型偏微分方程的弱和边界积分公式格林方程的自由空间函数。 边界离散:基函数;配位与伽辽金系统。 边界元刚度矩阵:稠密与稀疏矩阵法。 求解边界元系统:奇异奇异积分和高斯正交积分。

    赞助商

    美国海海大学首次部署edX实例,并从Engineering工程和应用Scineces的seed支持 funded ( 秋季 2014 )的支持以及来自Nvidia公司的附加支持,资助了platform的第一课程 creation。 学术计划和亚马逊 AWS (。第一年捐赠的云学分)。