Python编程道场的科学问题
我们正在巴西的Python社区组织一个关于科学应用的编码道场，主要目标是：提升我们在Numpy（以及其他一些科学库）方面的技能；提高在这类应用中使用测试驱动开发（TDD）的能力；更好地理解这些API的局限性。
我在寻找适合这些目标的问题（主要是使用Numpy）。有什么建议吗？
更新 1：
这是一个随机编码道场。
我们对特定领域没有偏好（主要是在不同领域工作），而且这是我们第一次举办“科学道场”，所以我们不太清楚什么样的问题最适合科学道场。
无论如何，这些问题必须比较简单，可能我们需要解释一下问题背后的理论，所以它们也不能太复杂（除非在特殊情况下）。举个例子：实现一个多元正态分布函数。
给未来的总结：
- 主成分分析（PCA），用于将一组数据投影到二维平面上。
- 使用维特比算法实现一个词性标注器。
- 使用高斯混合模型和EM算法对图片颜色进行量化（用scikit吗？）
- 模拟随机偏微分方程。
- 实现一个多元正态函数。
- ... 还有什么其他的？ ...
4 个回答
你没有提到你在用什么代码练习资源，以及为什么这些资源不合适。
其实很多代码练习的内容都是很不错的，适合这种情况。
如果想为科学家们创建一个新的代码练习，你需要先想想哪些是常见的数据处理任务。你需要收集一些用户故事，这样才能设计出一个好的代码练习。
比如说，我和精算师一起工作时，常常需要花很多时间来阅读原始数据，进行筛选、清理、整理和总结。通常，我会在一个简短的Python程序中完成这些工作，使用CSV文件，写几个if语句，几个字典，最后再用一个打印循环输出结果。
通常情况下，我可以在一两个小时内搞定这样的程序，具体时间取决于任务的复杂程度和我需要写多少测试，以确保程序能正常运行。
你可以看看麻省理工学院的这节课。当年我在这里学到了一些新知识，也学会了如何使用Python。他们有一些简单的例子，展示了不同的内容，并介绍了计算的基本概念。
我觉得你应该尝试一些SciPy食谱中的例子，还有一些NumPy的例子。没有NumPy或SciPy，做科学计算几乎是不可能的。而且，像多元正态分布这样的功能，NumPy已经实现了，自己再去写一遍是浪费时间，也不高效。我建议你可以做一些像牛顿迭代法这样的计算，这种方法简单易编程，而且在Python中看起来也不错。此外，还有一本小书非常适合你的课程，内容是关于如何用Python进行科学计算。这本书涉及了NumPy、SciPy、Matplotlib以及其他对科学家很重要的例子。书中的内容很有用，不过我在谷歌上没找到。我会在我的小书库里帮你找找，但可能需要一些时间（它就在那儿，我知道）。
希望这些对你有帮助。
软件木工是一个为科学计算准备的学习资料，主要使用Python语言，并且里面有很多经过深思熟虑的示例问题。