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.
-
1
Python: Estrutura de aprendizado -
2
1.1 Iniciando os estudos
-
3
1.1 Instalação do Winpython
-
4
1.2 IDEs
-
5
1.2 IDEs: Jupyter notebook
-
6
1.3 PIP install: gerenciador de pacotes
-
7
1.5 Instalação do Anaconda [ATUALIZADO 03/2022]
-
8
2.1 Iniciando com o Python
-
9
2.2 Números
-
10
2.3 String
-
11
2.4 Listas
-
12
2.5 Similaridades entre listas e strings
-
13
2.6 Valores Booleanos
-
14
3.1 Condicional if
-
15
3.2 Loop for
-
16
3.3 Loop while
-
17
3.4 Exercício 1 (RESOLUÇÃO)
-
18
3.5 Exercício 2 (RESOLUÇÃO)
-
19
3.6 Exercício 3 (RESOLUÇÃO)
-
20
3.7 Desafio 1 - Números primos (RESOLUÇÃO)
-
21
3.8 Desafio 2 - Combinações (RESOLUÇÃO)
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
-
22
4.1 Método para listas
-
23
4.2 Formas de trabalhar com listas
-
24
4.3 Tuplas, conjuntos e dicionários
-
25
4.4 Métodos para dicionários
-
26
4.5 Exercício 1 (RESOLUÇÃO)
-
27
4.6 Exercício 2 (RESOLUÇÃO)
-
28
4.7 Exercício 3 (RESOLUÇÃO)
-
29
4.8 Exercício 4 (RESOLUÇÃO)
-
30
4.9 Preparação para o desafio 1 (MATPLOTLIB)
-
31
4.10 Desafio 1 - Circunferência (RESOLUÇÃO)
-
32
4.11 Preparação para o desafio 2 (LENDO ARQUIVOS)
-
33
4.12 Desafio 2 - Dados do IBGE (RESOLUÇÃO)
-
34
4.13 Desafio 2 - Dados do IBGE (RESOLUÇÃO com PANDAS)
-
35
5.1 Funções
-
36
5.2 Módulos
-
37
5.3 Criando um módulo
-
38
5.4 Exercício 1 (RESOLUÇÃO)
-
39
5.5 Exercício 2 (RESOLUÇÃO)
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.
-
40
5.6 Exercício 3 (RESOLUÇÃO)
-
41
5.7 Preparação para o desafio 1 (MATPLOLIB 3D)
-
42
5.8 Desafio 1 (RESOLUÇÃO)
-
43
6.1 Noção sobre objetos
-
44
6.2 V2- Executando módulos como scripts ( __name__ == "__main__")
Essa aula foi aprimorada graças às contribuições do aluno Vinícius Emanoel nos comentários.
-
45
6.3 Manipulando strings
-
46
6.4 Escrevendo arquivos
-
47
DICA 1 - Gráficos: onde procurar e como aprender
-
48
DICA 2 - Como Automatizar tarefas - Estudo guiado
-
49
Sympy: Estrutura de aprendizado
-
50
7.0 Visão geral da seção de Sympy
-
51
7.1 Introdução ao Spyder e ao Sympy
-
52
7.2 Símbolos
-
53
7.3 Matrizes
-
54
7.4 Funções do Cálculo: derivadas e integrais
-
55
7.5 Solvers: álgebra, sistemas lineares e não-lineares, EDO
-
56
7.5.2 [NOVA] Atualização dos Solvers
-
57
7.6 Exercício 1: Matrizes (RESOLUÇÃO)
-
58
7.7 Exercício 2: Derivadas e integrais (RESOLUÇÃO)
-
59
7.8 Exercício 3: Integral dupla (RESOLUÇÃO)
-
60
7.9 Exercício 4: solver para álgebra (RESOLUÇÃO)
-
61
7.10 Exercício 5: solver para sistema linear (RESOLUÇÃO)
-
62
7.11 Exercício 6: EDOs (RESOLUÇÃO)
-
63
7.12 Desafio 1: Área de superfície/CÁLCULO 3 (RESOLUÇÃO)
-
64
7.13 Desafio 2: Longarina de asa: AERONÁUTICA/CARGAS/RDM (RESOLUÇÃO)
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.
-
65
7.14 Desafio 3: Impacto de tronco: CARGAS (RESOLUÇÃO)
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.
-
66
Numpy: Estrutura de aprendizado
-
67
Visão geral da Seção de Numpy
-
68
8.0 Introdução ao Numpy e a estrutura de arrays
-
69
8.1 Arrays Numpy
-
70
8.2 Operações com Arrays (manipulando dados)
-
71
8.3 Funções de criação de Arrays (criando dados)
-
72
8.4 Método Copy()
-
73
8.5 Métodos matemáticos para Arrays
-
74
8.6 Índices e fatias (reduzindo os dados)
-
75
8.7 Operações com vetores e matrizes no Numpy
-
76
8.8 Autovalor e autovetor
-
77
8.9 Solver para sistemas lineares
-
78
Pandas: Estrutura de aprendizado
-
79
Visão geral da seção de Pandas
-
80
9.1 Estrutura de dados no Pandas (tabelas e vetores)
-
81
9.2 Funcionalidades básicas
-
82
9.3 Tratando dados (Exemplo prático 1)
-
83
9.4 Fatiando DataFrames com loc e iloc (reduzindo os dados)
-
84
9.5 Merge e concat (cruzando dados)
-
85
9.6 Índices booleanos (filtrando dados)
-
86
9.7 Tabela dinâmica (tratando carteira de ações)
-
87
9.8 Visualização de gráficos com Pandas
-
88
9.9 Tratando dados de itinerário (exemplo prático 2)
-
89
9.10 Limpando os dados - pré-processamento
-
90
9.11 Multi índices (ex. com pyNastran)
Essa aula contém alguns fã services para meus colegas de engenharia de estruturas da Embraer.
Aproveitem para conhecerem o pyNastran.
-
91
9.12 [NOVO 04/21] Regressão linear - Statsmodels
-
92
9.13 [NOVO] Desafio: Regressão com múltiplas variáveis
