Aktualitások

• Órarendi információk (Jelenléti):
  • elmélet: szerda 14:15-16:00, F3213
  • labor: szerda 16:15-17:00, F3213
• A tantárgyhoz a házi feladatok és a projektek beadásához moodle rendszert használjuk (ld. Moodle szekció).
• A projekteket párban kell megcsinálni, ehhez előre lehet párokat alkotni.
• A jelenléti munkához lehet használni az F3213 terem gépeit, vagy saját laptopot.
• A házi feladatok és hozott laptop esetén az órai munkához szükség lesz az anaconda nevű csomagra. Letöltés: https://www.anaconda.com/download/. Kérem a 3.9-es verziót installálják!
• Alternatívaként lehet használni a google colabot is. Ezt a google drive-on belül lehet installálni: segítség itt

Oktatók

• Werner Miklós
• Török János

Moodle

• Az új kari moodle címe: https://edu.ttk.bme.hu/. BME címtáras azonosítóval lehet belépni. Ide kérjük feltölteni a házi feladatokat és a nagy projektet is. A notebookokat a moodle is fel fogjuk tölteni.

Követelmények

• Részvétel az alkalmak 70%-án.
• Házi feladatokon minimum 500 pont.
• A határidőn túli házi feladatok 80%-ról indulnak.
  A házi feladatok feltöltésének végső határideje június 8.
• Sikeres projektdemonstráció. A projekt egy szabadon választott fizikai probléma numerikus vizsgálata. A problémát a párok maguk választják, amelyet az oktatóknak jóvá kell hagyni.
  A projektfeladatok bemutatásának határideje június 14.  (bemutatók beosztása júni 13-14-re)
• Pontozás: házi feladatonként 100 pont (11db), végső projekt 1000 pont
• Ponthatárok a házi feladat+előadás pontok alapján:
  1. 0-799
  2. 800-999
  3. 1000-1299
  4. 1300-1599
  5. 1600-2100

Tematika

1. Python notebook installálás, alapok, python bevezető
2. Adattípusok, függvények, hibakezelés, fájlműveletek
3. Objektumorientált lehetőségek (osztályok, objektumok)
4. numpy, vektor és mátrixműveletek, lineáris algebra
5. scipy, műveletek ritka mátrixokkal, sajátérték, sajátvektor
6. Közönséges differenciálegyenletek numerikus megoldása, peremfeltételek
7. Parciális differenciálegyenletek numerikus megoldása 1.
8. Parciális differenciálegyenletek numerikus megoldása 2.
9. Kaotikus mozgás, kettős inga
10. Sztochasztikus optimalizálás
11. Csoport keresés, klaszterezés
12. Agent based modeling
13. Neurális hálózat tanítása

Konzultáció

• Az órák után, illetve emailes egyeztetés alapján.

Eredmények

• A moodle rendszerben

• 2019. év gyakorlatai
• 2020. év gyakorlatai