Programmation et données numériques M1 Physique Appliquée: Difference between revisions
Jump to navigation
Jump to search
| (One intermediate revision by the same user not shown) | |||
| Line 158: | Line 158: | ||
* optimisation, fits non-linéaire | * optimisation, fits non-linéaire | ||
* notes de cours : [https://owncloud.ias.u-psud.fr/index.php/s/tE6kRzYtSfzEasJ Cours 3 - 5] | * notes de cours : [https://owncloud.ias.u-psud.fr/index.php/s/tE6kRzYtSfzEasJ Cours 3 - 5] | ||
* Exemple de test Monte-Carlo : [https://owncloud.ias.u-psud.fr/index.php/s/xpJWbrCfCqLy6om Notebook] | |||
| Line 166: | Line 167: | ||
** quelques fichiers pour la correction : [http://lptms.u-psud.fr/membres/groux/enseignements/M1/Statistique.py Statistique.py] - [http://lptms.u-psud.fr/membres/groux/enseignements/M1/BarreErreur.py BarreErreur.py] - [http://lptms.u-psud.fr/membres/groux/enseignements/M1/Propagation.py Propagation.py] - [http://lptms.u-psud.fr/membres/groux/enseignements/M1/Correlations.py Correlations.py] - [http://lptms.u-psud.fr/membres/groux/enseignements/M1/FitLineaire.py FitLinaire.py] - [http://lptms.u-psud.fr/membres/groux/enseignements/M1/FitExponentiel.py FitExponentiel.py] - [http://lptms.u-psud.fr/membres/groux/enseignements/M1/JohnsonExp.py JohnsonExp.py] - [http://lptms.u-psud.fr/membres/groux/enseignements/M1/PolyFit.py PolyFit.py] - [http://lptms.u-psud.fr/membres/groux/enseignements/M1/IsingAnalytic.py IsingAnalytic.py] - [http://lptms.u-psud.fr/membres/groux/enseignements/M1/FitExpoNonLin.py FitExpoNonLin.py] - [http://lptms.u-psud.fr/membres/groux/enseignements/M1/RaiesGaussiennes.py RaiesGaussiennes.py] | |||
<!-- | <!-- | ||
Latest revision as of 10:22, 14 January 2025
Équipe pédagogique
- Cours : João Marques
- TDs : François Orieux, Adrien Gady et Paul Raux
Modalités de contrôle
- MCC :
- contrôles continus : sur machine à la fin des séances de TD (durée 1h), CC1 le 10/10/2024 et CC2 le 14/11/2024.
- informations sur la validation France-IOI
Préambule
- installer Python
- Références générales et conseils de lecture
- Le site France-IOI sur lequel vous devez vous inscrire et valider les niveaux I et II.
- Memento Python
- Une très bonne référence pour ce cours : Le livre informatique pour tous
Contenu approximatif du cours
Langages de programmation, algorithmes et numérisation de l'information (4h)
- architecture des ordinateurs, numérisation de l'information
- langages de programmation
- stockage de l'information (fichiers), compression, cryptage
- structure de données: vecteurs, listes, dictionnaires
- représentation numérique des signaux: entiers, réels, images, couleurs, caractères ASCII
- stockage de l'information (fichiers), compression, encryptage
- apprentissage du langage Python en Travaux dirigés (20h):
Lectures complémentaires, principalement wikipedia:
- Informatique
- Processeur
- Langage de programmation - Compilateur - Bibliothèque logicielle - Programmation orientée objet
- C - C++ - Python
- Virgule flottante - Codage des caractères - Précision machine
- Image numérique - Couleur primaire
- Compression - Encryptage
Incertitudes, ajustement des données et modélisation (6h)
- incertitudes expérimentales, barre d'erreur statistique, corrélations
- ajustement des données, régression linéaire
- optimisation, fits non-linéaire
- notes de cours : Cours 3 - 5
- Exemple de test Monte-Carlo : Notebook
- Travaux dirigés (6h)
- quelques fichiers pour la correction : Statistique.py - BarreErreur.py - Propagation.py - Correlations.py - FitLinaire.py - FitExponentiel.py - JohnsonExp.py - PolyFit.py - IsingAnalytic.py - FitExpoNonLin.py - RaiesGaussiennes.py
Modalités de l'examen
- date : Début 15 janvier 2025 à 8h30, sur machine sur session examen avec des questions de cours à rendre sur copie et des scripts à compléter. Documents non-autorisés.
- durée : 3h
- programme : les 3 derniers cours et TDs
- examen sur machine sur une session "examen" sous Linux
- pas d'accès internet, pas d'accès aux comptes personnels, pas de clé usb ni calculatrice autorisées
- un sujet papier sera distribué, le sujet contiendra des questions de cours et des exercices similaires aux TDs
- utilisation de spyder conseillée pour écrire les scripts Python, les scripts préremplis seront disponibles dans le dossier "Mes documents"
- pensez à venir en avance pour ne pas perdre de temps avec le démarrage des sessions