Detail předmětu

Automatizace výpočtů, simulace a vizualizace

FSI-LAVAk. rok: 2025/2026

Tento kurz nabízí strukturovaný přístup k základům programování a jejich aplikacím v kontextu energetického inženýrství. První týdny se zaměřují na vytvoření pevných základů, seznámení studentů se základními koncepty programování a technikami zpracování dat. Jak kurz pokračuje, ponoříme se hlouběji do pokročilých funkcí programování, jako je ladění, protokolování a profilování. Zkoumá se využití standardních knihoven i knihoven třetích stran. Kromě toho kurz zdůrazňuje význam analýzy a prezentace dat a vysvětuje použití knihoven Python, jako jsou Numpy, Pandas a Plotly, což umožňuje vytvářet vizuálně přitažlivé a interaktivní grafy.

Dále se studenti seznámí se specializovanými nástroji jako FeniCSx, Coolprop a Xsteam, které jsou nezbytné pro řešení úkolů souvisejících s energií. Kurz uzavírá pokrytí optimalizačních technik, paralelního programování pro zpracování velkých objemů dat a komplexní kontrola úkolů, které studenti během semestru splnili, což nakonec vede k získání zápočtu.

Jazyk výuky

čeština

Počet kreditů

2

Garant předmětu

Zajišťuje ústav

Vstupní znalosti

Základní porozumění matematice a fyzice na vysokoškolské úrovni spolu se schopnostmi analytického myšlení.

Pravidla hodnocení a ukončení předmětu

Pro udělení zápočtu je nutná pravidelná a aktivní účast ve cvičeních, dodání všech zadaných úkolů.

Učební cíle

V tomto kurzu se studenti naučí, jak automatizovat výpočty a návrhové procesy pro vývoj vlastního softwaru pomocí programovacího jazyka Python spolu s kompatibilními knihovnami a open-source softwarem. Tento přístup minimalizuje potřebu manuální a intelektuální práce a v konečném důsledku zvyšuje efektivitu. Dále se studenti také seznámí s nástroji pro vizuální prezentaci výsledků a dat prostřednictvím atraktivních diagramů, přesahujících technické výpočty.

Studijní opory

Kurz je doplněn řadou online zdrojů, především ve formě instruktážních videí, poskytujících detailní vysvětlení teoretických a praktických aspektů probíraných témat. Studentům se důrazně doporučuje, aby tyto zdroje využívali při řešení úkolů během semestru.

Základní literatura

FÜHRER, C.; SOLEM, J.E. a VERDIER, O. Scientific Computing with Python - Second Edition: High-performance scientific computing with NumPy, SciPy, and pandas. Packt Publishing, 2021. (EN)
STEINKAMP, V. Python for Engineering and Scientific Computing. Rheinwerk Computing, 2024. (EN)

Zařazení předmětu ve studijních plánech

  • Program N-SUE-P magisterský navazující 1 ročník, zimní semestr, povinný

Typ (způsob) výuky

 

Cvičení s počítačovou podporou

26 hod., nepovinná

Vyučující / Lektor

Osnova

1. týden - Úvod do programování 1 - Datové typy, Základní operace, Generické operace,

2. týden - Úvod do programování 2 - Flow control, Smyčky, Funkce, argumenty,

3. týden - Objekty, Dědičnost, Polymorfismus,

4. týden – Debugging, logging, profilling,

5. týden - Standartní knihovny Python, Moduly třetích stran, Importy,

6. týden - Práce se soubory, Textové a binární soubory,

7. týden - Arrays a Matrices, knihovna Numpy,

8. týden - Časové řady, Datová analýza, Pandas,

9. týden - Prezentace dat, Interaktivní grafy, Plotly, Dashboard,

10. týden - Vybrané knihovny pro Energitické inženýry, FeniCSx, Coolprop, Xsteam,

11. týden - Optimalizace, SciPy, PyTorch,

12. týden - Paralelní programování pro zpracování velkého objemu dat,

13. týden - Kontrola úkolů, Zápočet.