Információk

• Aktualitások
• Oktatók
• Moodle
• Követelmények
• Gyakorlat anyagok
• Tematika
• Konzultáció
• Eredmények

Aktualitások

• Órarendi információk (Jelenléti):
  • elmélet: szerda 14:15-16:00, F3213
  • labor: szerda 16:15-17:00, F3213
• Órarendi információk (Online):
  • elmélet: videó a microsoft steamen, link a teamsben, legkésőbb kedd 24:00-ig
  • konzultáció: szerda 14:15-15:45, teams
• A tantárgyhoz a házi feladatok és a projektek beadásához moodle rendszert használunk (ld. Moodle szekció).
• A projekteket párban kell megcsinálni, ehhez előre lehet párokat alkotni.
• A jelenléti munkához lehet használni az F232 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 3.8-es verziót installálják!
• Alternatívaként lehet használni a google colabot is. Ezt a google drive-on belül lehet installálni: segítség itt

Oktatók

• Török János
• Werner Miklós

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

• Házi feladatokon 500 pont
• A határidőn túli házi feladatok 80%-ról indulnak.
• Sikeres projektdemonstráció. A projekt egy szabadon választott fizikai probléma numerikus vizsgálata. A problémát a párok maguk választják, amelyet az oktatóknak jóvá kell hagyni.
• 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

Gyakorlat anyagok

1. gyakorlat
2. gyakorlat
3. gyakorlat

• 2019. év gyakorlatai
• 2020. év gyakorlatai

Tematika

1. Python notebook installálás, alapok, python bevezető
2. Adattípusok
3. Függvények, hibakezelés, fájlműveletek
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. Adatfájlok (json, xml) kezelése
10. Adatok analízise, hierarchikus csoportosítás
11. Sztochasztikus optimalizálás
12. Neurális hálózat tanítása, képfeldolgozás

Konzultáció

• Emailes egyeztetés alapján.

Eredmények

• A moodle rendszerben