Основы программирования

Чеклист перед сдачей заданий

1. Запустить (как минимум, в программе нет синтаксических ошибок)

2. В зависимости от того, программа или блокнот

   • Программа

     1. PyLint pylint --disable=missing-docstring my_program.py ставит балл не менее 5.0

     2. MyPy mypy my_program.py не выдаёт ошибок

     3. Проверить, что файл .py назван по принципу snake_case.py

   • Блокнот

     1. Kernel → Restart kernel and run all cells

     2. Проверить, что файл не назван Untitled.ipynb или .... (1).ipynb и т.д.

3. Перепроверить, что программа делает то, что подразумевалось автором

4. Перепроверить, что программа делает то, что подразумевалось преподавателем

Задания (весна 2021)

1. Распараллелить или распределить любую вычислительную задачу, которая распараллеливается/распределяется. Можно пользоваться numba + prange (+ Google Collab), multiprocessing или MPI. Пояснения в соответсттвующих слайдах. Примеры задач, которые хорошо распределяются (а значит и распараллеливаются), и это позволяет повысить точность:

   • генерируя координаты псевдослучайных точек в квадрате [0, 1]×[0, 1] проверять, попадают ли они в единичную окружность и вычислить при помощи этого приблизительно число π;

   • запустить несколько раундов генерации сумм равномерно распределённых псевдослучайных величин, собрать результаты, построить и показать гистограмму при помощи matplotlib;

   • аналогичная ваша задача.

2. Основываясь на примерах, полученных знаниях, технической эрудиции и смекалке, реализовать любую несложную программу с GUI (желательно PyQT5), возможно сделав графический интерфейс для одной из своих предыдущих программ.

3. Сделать модуль или пакет из одной из своих уже решённых задач. В будущем рекомендуется использовать его в веб-приложении и в приложении с GUI.

4. Реализовать веб-приложение, отталкиваясь от предоставленного примера. Рекомендуется сделать веб-интерфейс к тому же модулю, что и в предыдущем задании.

5. Взять любые свои экспериментальные данные с и проверить при помощи критерия Колмогорова-Смирнова (используя Scipy и Pandas), соответствуют ли они ожидаемому распределению. Данные к решению приложить.

6. БД: доработать блокнот и DML-скрипты: дополнить данными о курсах и оценках; попробовать другие запросы на чтение данных.

7. На основе примеров с нейронными сетями обучить нейронную сеть распознавать попадание точки в какую-нибудь геометрическую фигуру.

Задания (осень 2020)

0. Инсталлировать программное обеспечение из списка ниже

1. Регистрация, создание репозитория, подключение к Discord

   • До 10.09 зарегистрировать аккаунт на GitHub, создать репозиторий и заполнить форму

   • До 10.09 зарегистрироваться в Discord, зайти в чатик, поставить себе там ник в виде фамилии, имени [отчества], со всеми радостно поздороваться

2. Первая программа — на основе этой — прокомментировать (комментарий — от # до конца строки) каждую строку, которую можно, рекомендуется модифицировать функцию

3. Публикация кода на GitHub в своём репозитории

4. Вычисление функции по ряду Тейлора — следует данный блокнот и переделать под свою функцию. И в Git выложить, конечно же, тоже блокнот. Чтобы сейчас и после было проще, рекомендуется клонировать себе весь репозиторий — git clone https://github.com/dluciv/python-intro-course.git

5. Алгоритм Рабина-Карпа. Примерное описание приводится на лекциях, отправную точку для задания содержит блокнот Ответы на вводный тест. Наконец, можно даже в Википедии посмотреть, только для простоты никакие мудрёные хэши не брать, а просто сумму ord(symbol)

6. Пользуясь для вдохновения блокнотом Функции, декораторы, статическая типизация, Lint, сделать, как в нём предлагается, «декоратор с параметром», который из функции делает функцию, применяющуюся заданное количество раз к её же результату

7. Пользуясь блокнотом Гаубица Д-30 и «Катюша», допрограммировать физическую модель реактивного снаряда (а можно нафантазировать и ещё что-нибудь похитрее)

8. Улучшить свою реализацию алгоритма Рабина-Карпа: вставить свой код в пример с модульными тестами (именно свой код → в пример, и редактировать пример, где отмечено в файле!), добиться, чтобы тесты успешно проходили (не запрещается и ещё тестов добавить!), добиться, чтобы PyLint выдавал как минимум 9,5 из 10 и MyPy не выдавал ошибок

9. Вдохновляясь капустой и борщевиком, придумать своё описание фрактала и нарисовать при помощи черепашьей графики

10. Реализовать алгоритм Евклида, проверку на простоту, а также расширенный алгоритм Евклида (линейное разложение)

    • С проверкой на простоту просьба вспомнить пункт B вот этого блокнота и реализовать один вариант «в лоб», а другой — любой изощрённый, или их сочетания, и сравнить быстродействия при помощи %timeit

11. Помедитировать над блокнотом про свои пространства и реализацией многочлена, придумать своё пространство (можно из тех примеров, которые перечислены), желательно кольцо, поле или алгебру, чтобы операций было побольше, реализовать и продемонстрировать операции над ним

12. На основании последнего примера (class Fib6) из блокнота «Срезы, итераторы и генераторы» сделать свой класс, объекты которого могут бесконечно выдавать числа Фибоначчи, значения факториала или элементы другой последовательности, чтобы по нему можно было «бегать» циклом for. Про «бесконечно выдавать» — важно, в этом и была идея! Ограничить-то вывод всегда можно через itertools.islice(my_fibs, 300), например.

13. На основе блокнота «Задача N тел и второй закон Кеплера» сделать класс Universe2D по аналогии с Universe3D, промоделировать движение небесных тел

14. На основе блокнота «Задача N тел и второй закон Кеплера» для случая Universe3D численно проверить приблизительное выполнение второго закона Кеплера

15. На основе блокнота «Метод Гаусса решения СЛАУ» реализовать метод Гаусса решения СЛАУ с использованием векторных возможностей numpy или без. Программный код для проверки в блокноте уже есть.

Ресурсы — слайды, листинги, блокноты

Перечисленные блокноты также доступны в режиме предпросмотра GitHub (с некоторыми ошибками, но GiHub умеет их показывать).

1. Слайды: Python: что это, откуда и зачем

2. Слайды: Немного практики

3. Блокнот: Основы

4. Блокнот: Ответы на вводный тест

5. Блокнот: Функции, декораторы, статическая типизация, Lint

6. Блокнот: Гаубица Д-30 и «Катюша»

7. Блокнот: Кунг фу графиков, поверхностей и гистограмм

8. Слайды: Статический анализ, анализ типов, модульные тесты

9. Примеры на черепашью графику — капуста, борщевик, а также летящие тела с управлением

10. Блокнот: Простые задачки для хорошего настроения

11. Блокнот: Определяем свои пространства

12. Блокнот: Срезы, итераторы и генераторы

13. Блокнот: Задача N тел и второй закон Кеплера

14. Блокнот: Метод Гаусса решения СЛАУ

15. Блокнот: Just-in-Time компиляция (ничего не заработало? Ладно, можно использовать Google Collab)

16. Слайды: Параллельное программирование: потоки, процессы, сопрограммы, циклы обработки сообщений и примеры

17. Примеры: Декларативный GUI; Множественное наследование

18. Пример: Модуль и пакет

19. Пример: Простое Web-приложение

20. Блокнот: Немного данных и статистики

21. Блокнот: Реляционные БД и ORM

22. Слайды: Классификаторы — простейший линейный и на базе нейронной сети

23. Блокноты: Примеры нейронных сетей

1. Пример (неоконченный): Игра на PyGame

Программное обеспечение

Программное обеспечение для Windows устанавливается с официальных сайтов, для Unix-подобных систем — при помощи системного менеджера пакетов.

• Python 3.8+ https://www.python.org/downloads/, очень желательно 64-битный

  • Для Windows:

    • говорим, что хотим изменить настройки

    • ставим галочку на тему того, что надо внести Python в системные пути

    • каталог для инсталляции выбираем c:\Python38

• Пакеты для Python — либо при помощи системного пакетного менеджера, либо (например, для Windows) при помощи менеджера Python:

  • Обновление пакетного менеджера (необязательно) python -m pip install --upgrade pip

  • Инсталляция пакетов pip install ipython scipy numpy pandas jupyterlab matplotlib

• Git

  • Например отсюда: https://git-scm.com/download/win

  • Не очень рекомендуется, но можно воспользоваться GitHub Desktop

• Не вредно — IDE. Популярные варианты:

  • Для маленьких программ (наш случай) — любой текстовый редактор + командная строка или совсем простая среда IDLE (под Windows инсталлируется вместе с Python)

  • Для средних программ (тоже наш случай) или «средни» ПК — Visual Studio Code + плагин для Python

  • Для крупных проектов и мощных ПК — JetBrains PyCharm, при наличии Email в домене университета — Professional Edition

Удобный файловый менеджер, позволяющий быстро бегать по файловой системе и редактировать текстовые файлы, например (но не обязательно) двухпанельные Far Manager или Midnight Commander — научиться пользоваться без мышки

• Любой современный веб-браузер

Язык программирования Python

1. История и предназанчение языка, основные свойстваю.

2. Оболочки Python, IPython, Jupyter Notebook, Jupyter Lab. Система контроля версий Git, основные операции.

3. Встроенные типы данных языка, операции над ними.

4. Модули стандартной и внешней библиотек.

5. Функции. Встроенная документация. Передача параметров, рекурсивные функции. Продвинутая тема — декораторы.

6. Пользовательские типы данных. Описание классов.

7. Реализация стандартных операций над пользовательскимим типами. Операции, вызываемые встроенными функциями и операторами.

8. Реализация собственных модулей.

9. Промежуточная консультация.

10. Немного ускоримся: Numba, PyPy, Cython

11. Работа с массивами данных: чтение/запись CSV, HDF5.

12. Анализ массивов данных: библиотека Pandas.

13. Сопроцедуры. AsyncIO — пример того, как Python очень не хочет быть функциональным.

14. Веб-приложения. Фреймворки для веб-приложений.

15. Параллельное и распределённое программирование.

Литература

1. Mark Lutz. Learning Python, 5th Edition // O'Reilly Media, 2013, 1648 p.

2. R. Sedgewick, K. Wayne, R. Dondero. Introduction to Programming in Python: An Interdisciplinary Approach // Addison-Wesley Professional, 2015, 792 p.

3. [перевод предыдущей книги] Роберт Седжвик, Кевин Уэйн, Роберт Дондеро. Программирование на языке Python. Учебный курс / пер. с англ. — СПб.: ООО "Альфа-книга" // М.: Диалектика, 2017, 736 с.

4. Брайсон Пэйн. Python для детей и родителей. Играй и программируй / пер. с англ. М.А. Райтман // М.: Издательство «Э», 2017. — 352 с. [книжку можно почитать с Google Books]

5. Сегаран. Т. Программируем коллективный разум. / пер. с англ. – СПб: Символ-Плюс, 2008. – 368 с.

6. Дейт К. Дж. Введение в системы баз данных / пер. с англ. Introduction to Database Systems. — 8-е изд. — М.: Вильямс, 2005. — 1328 с.

Не литература

• Командные оболочки

  • Командная оболочка Windows — первые три лекции этого курса

  • Git Bash (кусочек UNIX-подобного окружения для Windows)

  • Для нердов (т.к., считай отдельный учебник) — собственно оригинальный Bash — командный интерпретатор для UNIX-подобных систем, но в Windows тоже может работать

• Семён Лукашевский. Краткое руководство по Matplotlib

• Питонтьютор

• Python Tutorial

• Грозин Андрей Геннадьевич. Питон в научных вычислениях // Новосибирский государственный университет

• https://pep8.ru/blog/ (RSS: http://feeds.feedburner.com/pep8blogs)

• Pro Git Book

• Введение в Pandas

Отдельные лекции, комментарии, важные реплики и прочие материалы

• Модульные тесты Python

• Про волшебную конструкцию транспонирования list(map(list, zip(*l)))