Ana Sayfa ⇋ Ders Kataloğu ⇋ Python ile Bilimsel Hesaplama

🐍 Python ile Bilimsel Hesaplama

---

Programlamanın temel yapıtaşlarını hızlıca geçerek; NumPy, Pandas ve SciPy gibi endüstri standardı kütüphanelerle diferansiyel denklem simülasyonları, matris optimizasyonları, polinom analizleri ve kök bulma algoritmaları gibi ileri düzey sayısal analiz problemlerini Python ortamında modellemeyi öğreten modern bir uygulamalı matematik dersidir.

INFO

• 1. Python'a Hızlı Giriş ve Veri Yapıları (Crash Course)
  • Temel Sözdizimi, Veri Tipleri ve Kontrol Yapıları (if-elif-else, loops)
  • İleri Veri Yapıları: Listeler, Sözlükler ve Comprehension (Kavrama) Yapıları
  • Fonksiyonel Programlama, Lambda İfadeleri ve Hata Yakalama (Try-Except)
• 2. Vektörel Hesaplamalar ve Lineer Cebir (NumPy & SciPy)
  • NumPy ile N-Boyutlu Diziler (Arrays) ve Matris Operasyonları
  • NumPy Polynomial Modülü ile Polinom Tanımlama, Aritmetik ve Kök Bulma
  • Vektörizasyon Mantığı, Yayınlama (Broadcasting) ve Performans Optimizasyonu
  • Lineer Denklem Sistemlerinin ve Özdeğer (Eigenvalue) Problemlerinin Çözümü
• 3. Veri Manipülasyonu ve Zaman Serileri (Pandas)
  • Pandas Serileri ve Veri Çerçeveleri (DataFrames)
  • Gerçek Dünya Verilerini Temizleme, Filtreleme ve Gruplama (Groupby)
  • Kantitatif Veriler ve Zaman Serisi (Time Series) Analizi
• 4. Sayısal Analiz ve Diferansiyel Modelleme (SciPy & SymPy)
  • SciPy ile Kök Bulma (Root Finding) ve Optimizasyon (Minimize) Algoritmaları
  • Sayısal İntegrasyon (Quad, Trapezoidal) ve Türev Hesaplamaları
  • Adi ve Kısmi Diferansiyel Denklemlerin Sayısal Çözümü (odeint, solve_ivp)
  • SymPy ile Sembolik Matematik ve Denklem Çözümleri
• 5. Veri Görselleştirme ve Simülasyon (Matplotlib & İleri Uygulamalar)
  • Matplotlib ve Seaborn ile 2D/3D Analitik Çizimler ve Özelleştirme
  • Dinamik Sistemlerin ve Faz Düzlemlerinin (Phase Portraits) Simülasyonu
  • Monte Carlo Simülasyonları ve Rastgele Yürüyüş (Random Walk) Modelleri