From 9502fba58520d2e5648d50c8e1423967fea114bc Mon Sep 17 00:00:00 2001 From: =?UTF-8?q?Mart=C3=ADn=20Gait=C3=A1n?= Date: Thu, 4 Aug 2016 19:23:42 -0300 Subject: [PATCH] links --- README.rst | 12 ++++++------ 1 file changed, 6 insertions(+), 6 deletions(-) diff --git a/README.rst b/README.rst index bb9f18b..f114ea2 100644 --- a/README.rst +++ b/README.rst @@ -24,28 +24,28 @@ Más información en su `blog `_ Programa --------- -Clase 1: +`Clase 1 `: Características de Python. Instalación de entorno en Windows/Linux. Modos de usar Python. Anaconda. Introducción a Ipython Notebook. Tipos de datos: enteros, floats, complejos, strings. Estructuras de datos incorporadas: listas, tuplas, diccionarios, conjuntos. Packing, indexing, slicing. Conceptos de mutabilidad, inmutabilidad, secuencia, iterador. Control de flujo: if, for, while. Estructuras por comprensión. -Clase 2: +`Clase 2 `: Funciones: definición, argumentos posicionales y nominales. Generadores. Funciones incorporadas: zip, range, enumerate, etc. Manejo de I/O: lectura y escritura de archivos. Manejo de excepciones. Manejadores de contexto. -Clase 3: +`Clase 3 `: Estructura de proyectos: módulos, paquetes, importación. Paseo por la biblioteca estandar: math, CSV, json, pickle Conceptos básicos de programacion orientada a objetos. Introduccion a Matplotlib y Numpy. -Clase 4: +`Clase 4 `: Numpy: introducción al objeto Array. Slicing extendido, métodos y funciones importantes, importación de datos. Concepto de vista. Máscaras y fancy indexing. Aplicación de Numpy en álgebra lineal. Resolución de sistemas de ecuaciones lineales. Matplotlib: generación de gráficos cartesianos continuos, puntos, histogramas. Matplotlib avanzado: API orientada a objetos. Manipulación del formato y apariencia. Gráficos 3D, otros tipos de gráficos 2D. Exportación con calidad de publicación. -Clase 5: +`Clase 5 `: Vectorización de funciones. Scipy: algoritmos optimización, integración, procesamiento de imágenes, ajuste de curvas etc. Sympy, cálculo simbólico de precisión arbitraria con Python. Evaluación numérica de expresiones Sympy con Numpy y otras herramientas de alta performance @@ -74,4 +74,4 @@ Parte de este material ha sido inspirado y/o adaptado de múltiples fuentes * `Matplotlib tutorial `_ por Nicolas P. Rougier * `Integrar Fortran con Python usando F2py `_ por Pybonacci. * `Numba vs Python, take 2 `_ de Jake Vanderplasf -* `Cómo acelerar tu código python con numba `_ por Pybonacci \ No newline at end of file +* `Cómo acelerar tu código python con numba `_ por Pybonacci