Section: Numpy — vecka 3 | Numpy (Beräkningsprogrammering för EDAA85)

Section: Numpy — vecka 3 | Numpy (Beräkningsprogrammering för EDAA85) | moodle

DIFFERENTIALEKVATIONER

KURVANPASSNING

HANTERA MÄTSERIER

LAB 3
- Select activity Material vecka 3
  
  Se veckans filmer:
  
  3.1kurvanpassning med polynom (2:33)
  
  3.2kurvanpassning med variabelbyte (4:45)
  
  Att lösa differentialekvationer
  
  3.3första ordningens differentialekvationer (10:31)
  
  3.4system med differentialekvationer (5:34)
  
  3.5högre ordningens differentialekvationer (3:56)
  
  Datahantering och matrisfunktioner med neuralt nätverk som exempel
  
  3.6Neurala nätverk (repetition) (8:16)
  
  Kod för nätverket
  
  3.7Hämta data online med requests (4:45)
  
  3.8Matrisfunktioner, argmax och reshape (4:20)
  
  3.9Matriser: filtrera med villkor (3:37)
  
  3.10Förbered träningsdatan (3:22)
  
  3.11where (2:46)
  
  3.12Matriser med slumpvärden (3:09)
  
  Övning: slumpvektor
  
  Övning: where
  
  3.13Intro träning av nätverket (2:15)
  
  3.14Backpropagation (8:10)
  
  3.15(Överkurs) Härledning av ekvationerna med kedjeregeln (8:19)
  
  3.16Kod för att träna det neurala nätverket (5:17)
  
  Övning: känn igen alla siffror
  
  3.17Laboration 3: np.roll (1:39)
  
  Bonusexempel
  
  3.18Advent of Code 1 dec 2021, läsa från fil och np.roll (5:46)
  
  3.19requests och cookies (3:29)
  
  Föreläsningsbilder (PDF)
  
  Genomför och redovisa laboration 3 (obligatorisk). Observera att denna laboration måste redovisas på beräkningsprogrammerings-tillfällena i schemat.
  
  Läsanvisningar i boken Scientific computing with Python av Claus Führer (online via Lunds Universitetsbibliotek).
  
  Funktioner som objekt: 7.6
  
  Läsa och skriva från filer: 14.1
  
  Funktionen where: 5.3.2
  
  Övrig dokumentation:
  
  Den nya modulen för anpassning av polynom: numpy.polynomial.polynomial
  
  Lösa differentialekvationer med scipy: scipy.integrate.solve_ivp