¿Hay algún curso universitario que se centre en Python científico (por ejemplo, NumPy, SciPy, MatPlotLib, etc.)?

No sé sobre otras universidades, pero en mi universidad no hay un curso específico sobre estos paquetes científicos de Python. Dicho esto, estos paquetes no son imposibles de aprender si dedicas parte de tu tiempo a aprenderlo seriamente. La mayoría de las personas que son competentes en esto adquirieron sus habilidades al usar estos paquetes una y otra vez para resolver su problema, y ​​aprendieron de su experiencia previa con otras herramientas numéricas ampliamente utilizadas como MATLAB (que tiene una sintaxis mucho más fácil para ese propósito y tienen excelentes bibliotecas para cálculos científicos).

Por lo tanto, si sabe cómo usar MATLAB para resolver sus problemas numéricos y conoce los conceptos básicos de Python (flujo de control, objetos de Python, estructuras de datos de Python), entonces es bastante fácil pasar de MATLAB a estos paquetes científicos de Python.

Lo primero es lo primero, no debe comenzar por el hecho de que desea aprender estos paquetes. Más bien, debe comenzar por el hecho de que desea aprender estos paquetes para resolver su problema numérico y poder extender su proyecto con Python de una manera más creativa y programable.

¿Pero por dónde empezar? Al menos así es como aprendo esos paquetes en primer lugar. Esto se da por supuesto que usted tiene los conceptos básicos de Python y tiene la comprensión de la forma “Pythonic” de codificar las cosas (que probablemente es la razón por la que hizo esta pregunta en primer lugar)

  • Hágase una pregunta: ¿sé cómo codificar en MATLAB? Si su respuesta es sí, continúe con el siguiente paso.
  • Si tiene algunos conceptos básicos en un idioma como MATLAB, entonces está en muy buena forma para aprender estos paquetes. Ahora, hágase esta pregunta: ¿Utilizo con frecuencia MATLAB para trabajar en problemas numéricos? Si su respuesta es sí, continúe con el siguiente paso.
  • Ahora recuerda tus experiencias con MATLAB. Piensa en lo que hiciste con frecuencia en MATLAB. Por ejemplo, “Hey, usé la descomposición de Cholesky para resolver mi sistema de ecuaciones en MATLAB. ¿Cómo hago lo mismo en NumPy?
  • Luego consulte la documentación oficial. Por ejemplo, esta es una documentación oficial para la descomposición de Cholesky en NumPy. Verás ejemplos.
  • Ahora hay una buena posibilidad de que aún no comprenda completamente la estructura de NumPy, pero ahora tiene la determinación de poder resolver el mismo problema que podría hacer en MATLAB. Debido a esto, esto le permitirá avanzar; ahora se referirá a la documentación oficial sobre Estructura de matrices NumPy y sus conceptos básicos.
  • En este punto, tiene suficientes herramientas para abordar el mismo problema en NumPy. ¡Adelante, sigue los ejemplos y boom! Ahora puede hacer la descomposición de Cholesky en NumPy mientras se afianza en el paquete.
  • Enjuague y repita para otros tipos de problemas que haya hecho en MATLAB, intente realizar lo mismo en NumPy una y otra vez. ¡Eventualmente dominarás NumPy! ¡Confía en mí, funciona! (Por supuesto, lo mismo también aplica para aprender SciPy y matplotlib)

¿Qué pasa si no he codificado en MATLAB antes?

  • Antes de aprender NumPy, te sugiero que pruebes idiomas con una sintaxis más fácil como MATLAB. En mi opinión, MATLAB tiene una sintaxis muy simple para operaciones numéricas y también excelente para trazar, por lo que será más fácil realizar la tarea.
  • ¿Pero MATLAB tiene licencia y es caro? No se preocupe, puede aprender una sintaxis numérica similar de GNU Octave. Su sintaxis es casi idéntica a la de MATLAB
  • Una vez que se sienta cómodo con la sintaxis de MATLAB / Octave y pueda realizar las tareas que desee, ahora puede probar estos paquetes científicos de Python.

Lamento no haber podido ayudarte con tu pregunta principal, pero creo que si tienes algunos conceptos básicos en Python y MATLAB, ¡aprender Python científico es pan comido! La documentación oficial tiene ejemplos que puede seguir y puede verificar su código (que le recomiendo que instale jupyter en su máquina, haciendo que Python científico cobre vida interactiva).

¡Buena suerte!