Python编码Dojos的科学问题

Question

我们正在巴西Python社区组织一个科学应用程序的编码Dojo，主要目标是：提高我们在Numpy（以及其他一些科学库）的技能;在这种应用中改进TDD的使用;并且更好地理解这些API的局限性。

我正在寻找符合这些目标的问题（主要是使用Numpy）。有什么建议吗？

更新1 ：

这是一个randori编码道场。

我们没有特定区域的偏好（主要是在不同区域工作），因为这是我们的第一个“科学道场”，我们并不确切知道什么是sci-dojo的最佳问题。

无论如何，问题必须小，可能我们需要解释问题背后的理论，所以，它们也不能复杂（除非在特殊场合）。例如：实现multivariate normal function

下一代摘要：

• 主成分分析（PCA），用于在2D计划上投射一组数据。
• 使用Vitterbi算法实现词性标注器。
• 使用高斯混合物和EM算法（使用scikit？）
进行图像颜色量化
• 模拟随机偏微分方程。
• 实施多元正态函数。
• ... 还有什么？ ......

Answer 1

Software Carpentry，一套用于科学计算的教育材料，主要使用Python，并且有很多经过深思熟虑的示例问题。

Answer 2

你卖了看麻省理工学院的this lecture。回到过去，我学到了一些新东西，并学会了如何处理python。他们有一些不同事物的简单例子，并提出了计算的基本思想。

我的观点是你应该实现SciPy cookbook的一些例子以及一些Numpy例子。在没有NumPy / SciPy的情况下做一些科学的东西是不可能的。 NumPy已经可用的方法（multivariate normal distribution）的实现也是浪费时间和低效率的。我会说，使用一些计算，如Newton-Iterations或类似的东西，这很容易编程，在python中看起来很好。还有一本小书，非常适合您的课程。这是关于将python用于科学。本书涉及Numpy / Scipy，Matplotlib以及其他对科学家很重要的例子。这里介绍的内容很有用，但我没有通过Google找到它。我将在我的小型图书馆中搜索你，但可能需要一些时间（它在某处 - 我知道）。

希望这会对你有所帮助。

Answer 3

您没有提及您正在使用的代码kata资源以及它们不适合的原因。

许多代码kata帖子都适用于此类事情。

要为科学家创建新的代码kata，您需要集体讨论常见数据处理任务的各种事物。你需要一堆用户故事，你可以从中获得一个好的代码kata。

例如，与精算师合作，我花了很多时间阅读原始数据，过滤，清理，组织和总结。通常，在一个简短的Python应用程序中使用CSV一些if语句，一些字典和最终的打印循环。

通常情况下，我可以在一两个小时内敲出其中一个，这取决于我必须写的测试的复杂性和数量，以确保任何好事都会发生。

Answer 4

你需要多长时间？

• 用于在2D计划上投射一组数据的PCA
• 使用Vitterbi算法实现词性标注器。
• 使用高斯混合和EM算法
的图片颜色量化
• 模拟随机偏微分方程。