|
|
|
||
Last update: Mgr. Hana Kudrnová (05.05.2023)
|
|
||
Last update: doc. Mgr. Tomáš Ledvinka, Ph.D. (03.05.2023)
Students ready to express a thought in a programming language (like Python, C, Fortran). |
|
||
Last update: RNDr. Ladislav Hanyk, Ph.D. (09.10.2017)
Pro absolvování předmětu je předepsán zápočet i zkouška. Pro získání zápočtu je třeba zpracovat v požadovaném rozsahu práci zadanou vyučujícím (tj. vedoucím cvičení), obvykle jednu rozsáhlejší zápočtovou úlohu a/nebo několik průběžně zadávaných jednodušších úloh. Součástí hodnocení může být i ocenění účasti na cvičeních, splnit zápočet je však možné odevzdáním požadované práce i bez účasti na cvičeních. Vyučující může stanovit bodový systém, se kterým seznámí studenty na začátku semestru. Konání zkoušky není podmíněno získáním zápočtu ani účastí na přednáškách. |
|
||
Last update: doc. Mgr. Tomáš Ledvinka, Ph.D. (03.05.2023)
Lecture notes:
and also
|
|
||
Last update: HANYK/MFF.CUNI.CZ (12.04.2008)
Lecture + practicals |
|
||
Last update: RNDr. Ladislav Hanyk, Ph.D. (09.10.2017)
Konání zkoušky není podmíněno získáním zápočtu ani účastí na přednáškách. Zkouška má písemnou a ústní část, student musí úspěšně vykonat obě části. Během písemné části student prokazuje schopnost algoritmizace několika drobnějších úloh pomocí vybraného programovacího jazyka, v ústní části je prověřena studentova znalost látky vyučované na přednáškách. |
|
||
Last update: doc. Mgr. Tomáš Ledvinka, Ph.D. (03.05.2023)
Structured procedural programming Programming languages, source code, program execution, command line. Python program structure. Variables, values, types. Programming statements: assignment statement, conditional statement, loop statements, jump statements. Elementary data types. Expressions and evaluation rules. Lists, arrays and other structured data types. Procedures and functions, parameters, returning function results, global and local variables. Using object types, methods and attributes. Libraries, program modularization.
Numerical programming toolbox Properties of real data types, spreading of numerical error. Standard mathematical functions, random numbers. Data input and output, formatting, text and binary files. Using numerical libraries. Visualization of computed data. Input and output redirection. Debugging.
Numerical algorithms Algorithm complexity. Integer algorithms: Euclidean algorithm, Eratosthenes sieve. Mini-algorithms: quadratic equation, Horner’s method. Numerical linear algebra: matrix multiplication, Gauss elimination, LU factorization. Polynomial approximation. Numerical quadrature formulas, Monte Carlo method. Root finding: bisection, Newton’s method. Initial-value problem for system of ordinary differential equations: Euler and Runge-Kutta methods.
Non-numerical problems Dynamic data structures, searching, sorting. |