Esta colección de Jupyter notebooks tiene el propósito de introducir conceptos básicos de programación, cálculo numérico y visualización utilizando el lenguaje de programación Python y herramientas de software libre, dirigido a los alumnos de cursos ofrecidos por el Grupo de Materiales Granulares (GMG) del Departamento de Ingeniería Mecánica de la UTN - FRLP. La idea es presentar diferentes conceptos y herramientas en forma activa y dinámica por lo que este material se irá modificando y ampliando según las necesidades de dichos cursos.
- Tener Python 3.5 o más nuevo instalado. La versión de Python puede verificarse con
python3 --version
en la línea de comandos. La última versión de Python puede descargarse de aquí. - Tener instalado Jupyter Notebook.
- Nota: En sistemas derivados de Debian la instalación es simplemente
apt install jupyter
- Nota: En sistemas derivados de Debian la instalación es simplemente
- Alternativamente, se puede tener una instalación bastante completa de un entorno Python instalando JupyterLab-desktop. Esta es una opción muy recomendada.
Si no es posible acceder a Python y/o Jupyter en forma local, es posible seguir el curso con el material en la web, sin embargo es siempre preferible poder editar y ejecutar código localmente.
- Clonar o descargar este repositorio.
- Ejecutar
jupyter notebook
en la línea de comando dentro del directorio del repositorio. - Se abrirá una sesión de notebook de Jupyter en el navegador y se puede comenzar a navegar a través de los notebooks disponibles.
- Introducción
- Variables y tipos de datos
- Control de flujo - Problemas
- Funciones - Problemas
- Aritmética de punto flotante
- Introducción a Numpy
- Introducción a la visualización de datos
- Introducción a pandas
El contenido de estos notebooks resulta de una recopilación de diferentes fuentes reseñadas a continuación:
- Tutorial de Python. Esta es la referencia central del curso
- Recursos ofrecidos por la comunidad amiga PyAr.
- Learn Python3. Buena colección de diversos temas desarrollados con Jupyter notebooks.
- Introduction to Computer Science and Programming in Python. Material del curso ofrecido por el Massachusetts Institute of Technology.
- Think Python 2e. Un libro con licencia CC clásico para aprender Python en el ámbito académico.
- Introduction to scientific computing with Python. Otra buena fuente de Jupyter notebooks orientado al cálculo científico.
- Scipy Lecture Notes Un conjunto muy completo de ejemplos desde un nivel básico a avanzado orientado a aplicaciones científicas.
- Python Data Science Handbook. Texto completo y Jupyter notebooks del libro de Jake VanderPlas.