Особливості використання Python в умовах дистанційного навчання у технічних вузах
Вантажиться...
Файли
Дата
Автори
Науковий керівник
Редактор
Інші учасники
Відповідальний
ORCID
Назва журналу
Номер ISSN
Назва тому
DOI
Альтернативна назва
Анотація
The paper the features of using Python for distance learning. The advantages of using Python during the educational process are substantiated. Tools for simulation and digital signal processing are given.
У роботі розглянуто особливості використання Python в умовах дистанційного навчання. Обгрунтовано переваги використання Python під час навчального процесу. Наведено інструменти для виконання моделювання та цифрової обробки сигналів.
У роботі розглянуто особливості використання Python в умовах дистанційного навчання. Обгрунтовано переваги використання Python під час навчального процесу. Наведено інструменти для виконання моделювання та цифрової обробки сигналів.
Опис
Ключові слова
УДК
Тип документа
Мова
ISSN
Посилання на публікацію
Серія, номер
ISBN
ББК
Інші ідентифікатори
Пов’язані матеріали
Спонсорська підтримка
Правовласник
Бібліографічний опис
Онищук О. В. Особливості використання Python в умовах дистанційного навчання у технічних вузах. Матеріали IX Mіжнародної науково-технічної конференції «Сучасні проблеми інфокомунікацій, радіоелектроніки та наносистем (СПІРН-2023)», 15-17 листопада 2023 р. Електрон. текст. дані. Вінниця, 2023. URL: https://conferences.vntu.edu.ua/index.php/spirn/spirn2023/paper/viewFile/19272.
Зібрання
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (8)
- Рамський Ю.С., Твердохліб І.А., Ящик О.Б., Рамський А.Ю. Використання відкритих онлайн курсів в умовах змішаного навчання майбутніх фахівців з інформаційних технологій. Інформаційні технології і засоби навчання. № 84. 2021. С. 138– 157
- Downey A. B. Think DSP: Digital Signal Processing in Python. Green Tea Press, 2014. 153 р.
- Charbit M. Digital Signal Processing with Python Programming. Wiley, 2017. 284 p
- Unpingco J. Python for Signal Processing. Featuring IPython Notebooks. Springer, 2014. 133 p
- Idris I. Python Data Analysis. Learn how to apply powerful data analysis techniques with popular open source Python modules. Packt Publishing, 2014. 348 p
- Blanco-Silva F. J. Mastering SciPy. Implement state-of-the-art techniques to visualize solutions to challenging problems in scientific computing, with the use of the SciPy stack. Packt Publishing, 2015. 404 p
- Johansson R. Numerical Python. Scientific Computing and Data Science Applications with Numpy, SciPy and Matplotlib. 2nd Edition. Apress, 2019. 709 p. 7. Gorelick M., Ozsvald I. High Performance Python. O’Reilly, 2014. 370 p
- Яценко О.І., Яценко О.С. Можливості використання некомерційного програмного забезпечення під час вивчення дисципліни "Інформатика і інформаційні технології". Вісник Житомирського державного університету імені Івана Франка. Педагогічні науки. 2016. Вип. 2. С. 142-147.