1. Introduction

Version

Master de Physique Fondamentale, Université Lyon 1 du 22/02/21, 11:47

Auteur

Yannick Copin <ipnl.in2p3.fr>

1.1. Pourquoi un module d’analyse scientifique ?

• Pour générer ses données, p.ex. simulations numériques, contrôle d’expériences.

• Pour traiter ses données, i.e. supprimer les artefacts observationnels.

• Pour analyser ses données, i.e. extraire les quantités physiques pertinentes, p.ex. en ajustant un modèle.

• Pour visualiser ses données, et appréhender leur richesse multi-dimensionnelle.

• Pour présenter ses données, p.ex. générer des figures prêtes à publier.

Ce module s’addresse donc avant tout aux futurs expérimentateurs, phénoménologistes ou théoriciens voulant se frotter à la réalité des observations.

1.2. Pourquoi Python ?

Les principales caractéristiques du langage Python:

• syntaxe simple et lisible: langage pédagogique et facile à apprendre et à utiliser;

• langage interprété: utilisation interactive ou script exécuté ligne à ligne, pas de processus de compilation;

• haut niveau: typage dynamique, gestion active de la mémoire, pour une plus grande facilité d’emploi;

• multi-paradigme: langage impératif et/ou orienté objet, selon les besoins et les capacités de chacun;

• logiciel libre et ouvert, largement répandu (multi-plateforme) et utilisé (forte communauté);

• riche bibliothèque standard: Batteries included;

• riche bibliothèque externe: de nombreuses bibliothèques de qualité, dans divers domaines (y compris scientifiques), sont déjà disponibles.

L’objectif est bien d’apprendre un seul langage de haut niveau, permettant tout aussi bien des analyses rapides dans la vie de tous les jours – quelques lignes de code en intéractif – que des programmes les plus complexes (projets de plus de 100 000 lignes).

Liens:

• Getting Started

• Python Advocacy

1.3. Informations pratiques 2021

• Atelier Analyse scientifique avec Python

• Cours en ligne

• Responsable: Yannick Copin <ipnl.in2p3.fr>, Bureau 409 de l”IP2I Lyon (4 rue Fermi)

Calendrier

Toutes les séances (15h) ont lieu en distanciel via Webex.

Date	TD
lun 25/01/21	9h-12h 16h-18h
mar 26	9h-12h 16h-18h
jeu 28	9h-12h 16h-18h

Participants (etu.univ-lyon1.fr)

Nom	Statut	Projet
hanae.belaouchi	Astro	Romains
chaan.champagne	Astro	MasterMind
quentin.dos-santos	Astro	Casino
audrey.ficot	Astro	Taquin
tiffanie.gay	Astro	2048
joshua.gonnet	Astro	Oiseaux 2
maxence.lab	Astro	Oiseaux 2
ariane.le-cardinal	Astro	Taquin
leonard.martinez	Astro	2048
thibault.menez	Astro	HR 2
marawan.barakat	SUBA
thomas.belle	SUBA	HR 1
antoine.corbel	SUBA	HR 1
joel.dai	SUBA	Oiseaux 1
mathieu.flayol	SUBA	MasterMind
alexia.hocine	SUBA	Tas de sable
sukyung.kim	SUBA	Romains
corentin.pecontal	SUBA	Tas de sable
godefroy.vannoye	SUBA	Oiseaux 1

Évaluation

L’évaluation de l’atelier se fera sur un mini-projet à développer durant la semaine (intégralement dédiée à cette activité, y compris en dehors des heures de cours):

• s’organiser en binôme, et choisir un sujet de Mini-projets, ou proposer le sien propre (à discuter);

• partager le code correspondant sous la forme d’un notebook Datalore NOM1_NOM2 (pouvant évidemment faire appel à des bibliothèques externes) partagé avec yncopin[AT]gmail[DOT]com, ou bien (p.ex. pour les programmes demandant une intéraction avec l’utilisateur) d’un fichier NOM1_NOM2.py (qui doit être fonctionnel et autonome) envoyé à la même adresse;

• date limite de soumission des projets: jeu. 28/01, 16h

• lors de la soutenance, éxécuter et présenter oralement en 5 min les objectifs, les méthodes choisies et les résultats.

• Planning des soutenances

1.4. Index et recherche

• Index

• Page de recherche