Осенью я беру уроки численного анализа с сильным прикладным / программным уклоном. У меня так себе опыт программирования (я прошел несколько курсов и работал над Java-программированием на стажировке), но я хочу отточить свои навыки, прежде чем начать этот класс. Итак, мой вопрос: какие навыки программирования полезны для численного анализа?
Насколько важны структуры данных, ООП, алгоритмы? Есть ли какие-либо ресурсы, которые вы бы порекомендовали мне изучить перед началом занятий?
Алгоритмы и структуры данных. Не столько ООП. В курсе численного анализа, который я прошел в колледже, мы много программировали алгоритмы на Python и Matlab.
Лучше всего использовать numpy и / или scipy, если вы хотите быстро создавать прототипы с помощью численного анализа. Учебник по python для python 2.7 или версии 3 занимает около 120 страниц и доступен на docs.python.org, и его очень легко получить за день. numpy и scipy требуют некоторого обучения.
Выгоды от использования ООП могут быть значительными, но для этого требуется много навыков. Если бы я использовал C ++, я бы использовал книгу Брайана Х. Флауэрса, которая может дать вам быстрое введение в прикладную инженерию, а первые 5 глав дадут вам возможность писать хорошие классы ООП на C ++ примерно за 8 часов работы, включая написание тестовых сценариев. Проблема в том, что многие пакеты ООП находятся в стандартных библиотеках шаблонов. Многие люди изобретают велосипед заново, потому что не знают, что есть в наличии. Вот почему вам может быть лучше просто пойти на Python numpy или scipy или, как было предложено выше, просто использовать Matlab, поскольку большинство вещей предопределено. Оба языка хороши для быстрого прототипирования, но если вы хотите делать довольно сложные вещи, такие как создание конечно-элементных / конечно-разностных сеток, вам нужно будет перейти к библиотекам BLAS Dongarra.
