Métodos Computacionais 2019/1
Ementa
Fundamentos e aplicações de programação procedural e funcional, representações numéricas, convergência numérica, otimização matemática multidimensional (minimização), aplicações para análise de dados (inclui minimização de chi quadrado, curvas de confiança, manipulação de tabelas, manipulação de arquivos e tópicos de estatística), resolução de equações diferenciais e integrais (por métodos numéricos e analíticos), otimização de performance.
Programa
a. Introdução ao Mathematica, seus princípios e funções básicas, e breve introdução ao Python e comparação com outras linguagens.
b. Programação procedural e funcional: fundamentos e aplicações.
c. Criação de pacotes.
d. Representações numéricas e critérios gerais de convergência
e. Resolução de integrais e equações diferenciais. Métodos analíticos e numéricos.
f. Otimização matemática (minimização) multidimensional: princípios, métodos e aplicações.
g. Aplicações para análise de dados: inclui manipulação de arquivos, tabelas, histogramas, PDF's, curvas de confiança e outros tópicos de estatística.
h. Computação paralela e otimização de códigos.
Bibliografia
Bibliografia principal:
P. Wellin, Programming with Mathematica, Cambridge (2013)
S. Mangano, Mathematica Cookbook, O'Reilly Media (2010)
Bibliografia complementar:
W. McKinney, Python for Data Analysis, O'Reilly Media; 2 edition (October 20, 2017)
A. Gelman et al, Bayesian Data Analysis, Chapman and Hall/CRC; 3 edition (2013)
Avaliações
Fundamentos e aplicações de programação procedural e funcional, representações numéricas, convergência numérica, otimização matemática multidimensional (minimização), aplicações para análise de dados (inclui minimização de chi quadrado, curvas de confiança, manipulação de tabelas, manipulação de arquivos e tópicos de estatística), resolução de equações diferenciais e integrais (por métodos numéricos e analíticos), otimização de performance.
Programa
a. Introdução ao Mathematica, seus princípios e funções básicas, e breve introdução ao Python e comparação com outras linguagens.
b. Programação procedural e funcional: fundamentos e aplicações.
c. Criação de pacotes.
d. Representações numéricas e critérios gerais de convergência
e. Resolução de integrais e equações diferenciais. Métodos analíticos e numéricos.
f. Otimização matemática (minimização) multidimensional: princípios, métodos e aplicações.
g. Aplicações para análise de dados: inclui manipulação de arquivos, tabelas, histogramas, PDF's, curvas de confiança e outros tópicos de estatística.
h. Computação paralela e otimização de códigos.
Bibliografia
Bibliografia principal:
P. Wellin, Programming with Mathematica, Cambridge (2013)
S. Mangano, Mathematica Cookbook, O'Reilly Media (2010)
Bibliografia complementar:
W. McKinney, Python for Data Analysis, O'Reilly Media; 2 edition (October 20, 2017)
A. Gelman et al, Bayesian Data Analysis, Chapman and Hall/CRC; 3 edition (2013)
Avaliações
- Problemas a serem feitos em casa e enviados por email: 50% da nota
- Resolução e apresentação oral de um trabalho-desafio no final do semestre: 30%
- Participação em sala de aula: 20%
Notas de aula
|
Principal
|
Complementos
| ||||||||||||||||||||||||||||||||
Extras
| Código em Python de introdução ao Python (Renan de Oliveira) |
|
|
Quadro de notas
| ||
