• Startseite
• Allgemeine Informationen zur Lehrveranstaltung
• Einfaches Python Setup und Wichtige Informationen
• 0. Python Einführung und Checkup
• 1. Einführung und einfache Algorithmen
• 2. Differenzieren und Integrieren
• 3. Vektoren, Matrizen und Vektorisierung in Python
• 4. Datenanalyse bzw. Datenauswertung
• 5. Grundlagen der Optimierung und Gradient Descent
• 6. Stochastische Optimierung und Genetische Algorithmen
• 7. Monte-Carlo-Methoden – Simulation und Integration
• 8. Monte-Carlo-Methoden, Teil 2 – Monte-Carlo-Integration, Teil 2 und Random Walk
• 9. Unsupervised Machine Learning: Clustering von Daten
• 10. Supervised Machine Learning: Grundlagen
• 11. Einführung in künstliche neuronale Netzwerke

Die Jupyter-Notebooks zur Lehrveranstaltung finden Sie im zugehörigen GitHub-Repository.

Ein einfaches Setup für Python (egal auf welchem Betriebssystem)

In dieser VU werden wir die Programmiersprache Python verwenden. Hier die wichtigsten Informationen und Links in aller Kürze:

• Die offizielle Dokumentation für Python finden Sie hier.
• Ich empfehle die Verwendung einer Python-Distribution als Grundlage für Ihre Programmiertätigkeit in Python. Bewährt hat sich hier Anaconda, die Sie hier kostenlos, einfach und für die gängigsten Betriebssysteme herunterladen können.
• Die wichtigsten Werkzeuge für unsere Zwecke, die von Anaconda grundsätzlich bereitgestellt werden, sind der Stand-Alone-Editor Spyder und die interaktive Notebook-Oberfläche Jupyter.
• Ein weiterer Vorteil der Anaconda-Distribution sind die Umgebungen (Environments), mit denen man einfach zwischen verschiedenen verfügbaren oder kombinierten Sätzen von Zusatzpaketen wechseln und diese verwalten kann.
• Environments sind nicht zwingend nötig. Wenn Sie allerdings viele Pakete brauchen oder verschiedene Setups für verschiedene Problemstellungen zur Verfügung haben möchten, dann empfiehlt sich die Verwendung von Environments. Informationen dazu finden Sie hier.

Bitte installieren Sie sich die Anaconda-Distribution auf Ihrem Rechner, sodass Sie bereit sind, damit zu arbeiten (wir werden das in der ersten Einheit allerdings auch noch in Ruhe durchgehen und die dazu offenen Fragen klären).

Alternativ können Sie gerne auch ein anderes Python-Setup benutzen, Sie müssen das allerdings selbständig soweit erledigen, dass Sie Jupyter Notebook und einen Editor zur Verfügung haben und allfällig notwendige Bibliotheken leicht selbst installieren und einbinden können.

Python Lernen oder besser Verstehen (mit Videos)

Hier noch meine Empfehlungen, falls Sie an Ihren Python-Kenntnissen arbeiten wollen. Wenn Sie am liebsten ein Buch möchten, dann googeln Sie nach

A Primer on Scientific Programming with Python (Hans Petter Langtangen)

So finden Sie ein pdf. In diesem Buch wird zwar noch mit Python v2 gearbeitet, aber viel hat sich zur aktuellen Variante in v3 nicht geändert (für unsere Zwecke hauptsächlich der print-Befehl).

Dazu kann ich Ihnen noch diverse Videos auf YouTube empfehlen. Ein umfangreiches, aber sehr kompaktes Video dazu finden Sie hier:

Einen etwas anderen Zugang finden Sie in folgender Youtube-Playlist:

Für Fortgeschrittene oder alle, die Python anhand konkreter Probleme üben wollen, eignet sich z.B. die Python-Challenge.