Python para Engenheiros e Cientistas/ Básico ao Avançado
- Descrição
- Currículo
- FAQ
- Revisões
O objetivo do Python para Engenheiros e Cientistas é fornecer ferramentas de programação, matemáticas e gráficas para os profissionais das mais diversas áreas.
Por que você deve fazer este curso?
Tanto o Python quanto as bibliotecas do ecosistema científico ensinadas aqui, são ferramentas GRATUITAS e de código aberto. Isso facilita a aderência a estas ferramentas no ambiente de trabalho e no ambiente acadêmico.
Além disso, a linguagem e suas bibliotecas tem crescido no mundo inteiro e com uma comunidade super ativa. Tenho visto isso desde 2015, quando fiz estágio de P&D em uma empresa de energia nuclear.
Não fique para trás, meu amigo/ minha amiga!
O que você ganha ao adquirir o curso?
Este é o curso mais completo e com melhor custo/benefício sobre Python e seu ecosistema científico. Além das mais de 18h de conteúdo, o aluno tem acesso ao fórum de perguntas e respostas, onde já temos uma interação construtiva com todos os alunos e muitas perguntas e respostas já feitas. E acesso a todo material/códigos feitos em sala de aula, tudo estruturado, tudo organizado!
O que aprenderei?
De maneira geral, o conteúdo do curso é:
– Fundamentos de Python: você aprenderá desde a intalação, até tópcios mais avançados como objetos. E também tópicos úteis para o dia-a-dia como automatização de tarefas.
-Sympy: você aprenderá manipulação algébrica de simbólicos, resolução de sistemas, equações diferenciais, funções do cálculo. Além de muito exercícios e desafios (propostos e resolvidos). O Sympy é um bom substituto do Matlab.
–Numpy: você aprenderá com profundidade a poderosa estrutura de arrays do Numpy.
-Pandas: você aprenderá o melhor substituto do Excel que temos na atualidade. Faremos filtros, tabelas dinâmicas, gráficos e trataremos dados reais com o Pandas.
-Matplotlib: você aprenderá com profundidade os objetos do matplotlib para fazer gráficos e dashboards.
-Scipy: você aprenderá o “bigboy” de matemática computacional do Python. Faremos álgebra linear, integrais e resolução de EDOs de maneira numérica. Com exercícios (propostos e resolvidos).
Convido a todos vocês a assitirem a primeira aula de cada seção, pois eu deixo as aulas liberadas para você ver o que aprenderemos.
-
1Python: Estrutura de aprendizadoVídeo Aula
-
21.1 Iniciando os estudosVídeo Aula
-
31.1 Instalação do WinpythonVídeo Aula
-
41.2 IDEsVídeo Aula
-
51.2 IDEs: Jupyter notebookVídeo Aula
-
61.3 PIP install: gerenciador de pacotesVídeo Aula
-
71.5 Instalação do Anaconda [ATUALIZADO 03/2022]Vídeo Aula
-
82.1 Iniciando com o PythonVídeo Aula
-
92.2 NúmerosVídeo Aula
-
102.3 StringVídeo Aula
-
112.4 ListasVídeo Aula
-
122.5 Similaridades entre listas e stringsVídeo Aula
-
132.6 Valores BooleanosVídeo Aula
-
143.1 Condicional ifVídeo Aula
-
153.2 Loop forVídeo Aula
-
163.3 Loop whileVídeo Aula
-
173.4 Exercício 1 (RESOLUÇÃO)Vídeo Aula
-
183.5 Exercício 2 (RESOLUÇÃO)Vídeo Aula
-
193.6 Exercício 3 (RESOLUÇÃO)Vídeo Aula
-
203.7 Desafio 1 - Números primos (RESOLUÇÃO)Vídeo Aula
-
213.8 Desafio 2 - Combinações (RESOLUÇÃO)Vídeo Aula
Olá pessoal. Um dos objetivos dessa aula é treinarmos os loops e as estruturas de dados vistas até agora.
No entanto, caso precisem fazer uma combinação na prática, sugiro que olhem a biblioteca itertools, que é nativa do Python.
https://docs.python.org/3/library/itertools.html
-
224.1 Método para listasVídeo Aula
-
234.2 Formas de trabalhar com listasVídeo Aula
-
244.3 Tuplas, conjuntos e dicionáriosVídeo Aula
-
254.4 Métodos para dicionáriosVídeo Aula
-
264.5 Exercício 1 (RESOLUÇÃO)Vídeo Aula
-
274.6 Exercício 2 (RESOLUÇÃO)Vídeo Aula
-
284.7 Exercício 3 (RESOLUÇÃO)Vídeo Aula
-
294.8 Exercício 4 (RESOLUÇÃO)Vídeo Aula
-
304.9 Preparação para o desafio 1 (MATPLOTLIB)Vídeo Aula
-
314.10 Desafio 1 - Circunferência (RESOLUÇÃO)Vídeo Aula
-
324.11 Preparação para o desafio 2 (LENDO ARQUIVOS)Vídeo Aula
-
334.12 Desafio 2 - Dados do IBGE (RESOLUÇÃO)Vídeo Aula
-
344.13 Desafio 2 - Dados do IBGE (RESOLUÇÃO com PANDAS)Vídeo Aula
-
355.1 FunçõesVídeo Aula
-
365.2 MódulosVídeo Aula
-
375.3 Criando um móduloVídeo Aula
-
385.4 Exercício 1 (RESOLUÇÃO)Vídeo Aula
-
395.5 Exercício 2 (RESOLUÇÃO)Vídeo Aula
Pessoal, há um pequeno erro na função que criei.
Como substituí o 'n' por um caractere nulo '', a função acaba juntando algumas palavras.
O número de palavras deve ser 15.
Dicas: cuidado para não juntar palavras e cuidado para não contarem os espaços vazios como sendo uma palavra.
Créditos ao Aluno Wagner Rissardo.
-
405.6 Exercício 3 (RESOLUÇÃO)Vídeo Aula
-
415.7 Preparação para o desafio 1 (MATPLOLIB 3D)Vídeo Aula
-
425.8 Desafio 1 (RESOLUÇÃO)Vídeo Aula
-
436.1 Noção sobre objetosVídeo Aula
-
446.2 V2- Executando módulos como scripts ( __name__ == "__main__")Vídeo Aula
Essa aula foi aprimorada graças às contribuições do aluno Vinícius Emanoel nos comentários.
-
456.3 Manipulando stringsVídeo Aula
-
466.4 Escrevendo arquivosVídeo Aula
-
47DICA 1 - Gráficos: onde procurar e como aprenderVídeo Aula
-
48DICA 2 - Como Automatizar tarefas - Estudo guiadoVídeo Aula
-
49Sympy: Estrutura de aprendizadoVídeo Aula
-
507.0 Visão geral da seção de SympyVídeo Aula
-
517.1 Introdução ao Spyder e ao SympyVídeo Aula
-
527.2 SímbolosVídeo Aula
-
537.3 MatrizesVídeo Aula
-
547.4 Funções do Cálculo: derivadas e integraisVídeo Aula
-
557.5 Solvers: álgebra, sistemas lineares e não-lineares, EDOVídeo Aula
-
567.5.2 [NOVA] Atualização dos SolversVídeo Aula
-
577.6 Exercício 1: Matrizes (RESOLUÇÃO)Vídeo Aula
-
587.7 Exercício 2: Derivadas e integrais (RESOLUÇÃO)Vídeo Aula
-
597.8 Exercício 3: Integral dupla (RESOLUÇÃO)Vídeo Aula
-
607.9 Exercício 4: solver para álgebra (RESOLUÇÃO)Vídeo Aula
-
617.10 Exercício 5: solver para sistema linear (RESOLUÇÃO)Vídeo Aula
-
627.11 Exercício 6: EDOs (RESOLUÇÃO)Vídeo Aula
-
637.12 Desafio 1: Área de superfície/CÁLCULO 3 (RESOLUÇÃO)Vídeo Aula
-
647.13 Desafio 2: Longarina de asa: AERONÁUTICA/CARGAS/RDM (RESOLUÇÃO)Vídeo Aula
Olá pessoal,
Observação: tomem cuidado caso tenham a intenção de utilizarem esse cálculo para alguma aplicação. Eu fiz para fiz didáticos de Python e, portanto, posso ter deixado alguns pontos passarem.
Dois pontos observados pelo nosso aluno Gustavo:
-Erro na fórmula do cálculo da inércia de área (d3 deveria estar elevado ao cubo e está ao quadrado)
-Falta de rigor com sinais na hora da integração
Ainda assim, acredito que a essência do que eu queria mostrar continua válida. Caso tenham mais observações, sintam-se a vontade para me comunicar.
Créditos ao aluno Gustavo Kenzo.
-
657.14 Desafio 3: Impacto de tronco: CARGAS (RESOLUÇÃO)Vídeo Aula
Olá pessoal,
Obervação: Caso forem utilizar esta modelagem para alguma aplicação de vocês, avaliem o código com rigor. Pois o fiz com o fim didático de mostrar como podemos fazer em Python, mas não o revisei.
Caso tenham algum comentário, estou a disposição.
-
66Numpy: Estrutura de aprendizadoVídeo Aula
-
67Visão geral da Seção de NumpyVídeo Aula
-
688.0 Introdução ao Numpy e a estrutura de arraysVídeo Aula
-
698.1 Arrays NumpyVídeo Aula
-
708.2 Operações com Arrays (manipulando dados)Vídeo Aula
-
718.3 Funções de criação de Arrays (criando dados)Vídeo Aula
-
728.4 Método Copy()Vídeo Aula
-
738.5 Métodos matemáticos para ArraysVídeo Aula
-
748.6 Índices e fatias (reduzindo os dados)Vídeo Aula
-
758.7 Operações com vetores e matrizes no NumpyVídeo Aula
-
768.8 Autovalor e autovetorVídeo Aula
-
778.9 Solver para sistemas linearesVídeo Aula
-
78Pandas: Estrutura de aprendizadoVídeo Aula
-
79Visão geral da seção de PandasVídeo Aula
-
809.1 Estrutura de dados no Pandas (tabelas e vetores)Vídeo Aula
-
819.2 Funcionalidades básicasVídeo Aula
-
829.3 Tratando dados (Exemplo prático 1)Vídeo Aula
-
839.4 Fatiando DataFrames com loc e iloc (reduzindo os dados)Vídeo Aula
-
849.5 Merge e concat (cruzando dados)Vídeo Aula
-
859.6 Índices booleanos (filtrando dados)Vídeo Aula
-
869.7 Tabela dinâmica (tratando carteira de ações)Vídeo Aula
-
879.8 Visualização de gráficos com PandasVídeo Aula
-
889.9 Tratando dados de itinerário (exemplo prático 2)Vídeo Aula
-
899.10 Limpando os dados - pré-processamentoVídeo Aula
-
909.11 Multi índices (ex. com pyNastran)Vídeo Aula
Essa aula contém alguns fã services para meus colegas de engenharia de estruturas da Embraer.
Aproveitem para conhecerem o pyNastran.
-
919.12 [NOVO 04/21] Regressão linear - StatsmodelsVídeo Aula
-
929.13 [NOVO] Desafio: Regressão com múltiplas variáveisVídeo Aula