사이파이 수치 해석
Numerical Methods in SciPy

소개
Introduction

이 저장소는 다양한 수치 해법을 Python 언어와 그 확장 기능인 SciPy 를 이용하여 설명하고자 함.
This repository aims to describe various numerical methods in Python programming language and its extension SciPy.

과정 구성
Course Structure

flowchart TD
    A["00 Introduction<br>소개"]
    B["10 Root Finding<br>방정식의 근"]
    C["15 Optimization<br>최적화"]
    D["20 Probability & Statistics<br>확률과 통계"]
    E["28 Interpolation<br>보간법"]
    F["30 Numerical Integration<br>수치 적분"]
    G["35 SymPy<br>기호 연산"]
    H["40 Linear Algebra 1<br>선형대수 1"]
    I["50 ODE<br>상미분방정식"]
    J["60 Linear Algebra 2<br>선형대수 2"]

    A --> B
    A --> D
    A --> H
    B --> C
    B --> E
    E --> F
    F --> G
    F --> I
    H --> J
    H --> I

Loading

폴더 Folder	주제 Topic	주요 내용 Key Contents
00_introduction	소개 Introduction	부동소수점, 파이썬 복습 Floating point, Python review
10_root_finding	방정식의 근 Root Finding	순차, 이분법, 뉴턴-랩슨 Sequential, Bisection, Newton-Raphson
15_optimization	최적화 Optimization	커브피팅, 분류, 선형계획 Curve fitting, Classification, LP
20_probability	확률 통계 Probability	확률변수, 회귀, 판다스 Random variables, Regression, Pandas
28_interpolation	보간법 Interpolation	보간법 Interpolation
30_num_int	수치 적분 Numerical Integration	직사각형, 사다리꼴, 심프슨, 수렴 차수 Rectangle, Trapezoid, Simpson, Convergence order
35_sympy	기호 연산 SymPy	기호 연산, 보 반력 Symbolic math, Beam reaction
40_linear_algebra_1	선형대수 1 Linear Algebra 1	벡터, 내적, 외적, 행렬 Vectors, Dot/Cross product, Matrix
50_ode	상미분방정식 ODE	오일러, 훈, 룽게-쿠타 Euler, Heun, Runge-Kutta
60_linear_algebra_2	선형대수 2 Linear Algebra 2	연립방정식, 고유값, 가우스 소거 Systems of equations, Eigenvalues, Gauss elimination

Google Colab 에서 실행하기
Running on Google Colab

노트북 열기
Opening a notebook

1. 이 저장소의 ipynb 파일을 엶
   Open an ipynb file of this repository
2. 클릭
   Click on
3. 런타임 아래 모두 실행 시도
   Try Run all under Runtime

변경 사항 저장하기
Saving changes to GitHub

1. 저장소의 분기 사본을 만듦
   Fork the repository
2. 분기된 저장소에서 ipynb 파일을 엶
   Open the ipynb file from the forked repository
3. 클릭
   Click on
4. 파일을 수정
   Make changes
5. 파일 메뉴 아래 Github 에 사본 저장
   Choose Save a copy in GitHub under File menu

로컬 설치
Local Installation

요구 사항
Requirements

• Git
• Miniconda 또는
  or Anaconda

설치 및 실행
Setup and Run

git clone https://github.com/kangwonlee/nmisp
cd nmisp
conda env create -n nmisp -f ./tests/environment.2023.09.yml
conda activate nmisp
jupyter notebook

테스트 실행
Running Tests

conda activate nmisp
pytest -n auto tests/

설치 동영상
Installation video

알림
Acknowledgement

• This software was initially supported by the Korea Ministry of Land, Infrastructure, and Transportation. It was also supported by the Korean Agency for Infrastructure Technology Advancement. (18TLRP-B117133-03)
  이 소프트웨어는 대한민국 국토교통부 건설교통과학기술진흥원 교통물류연구사업의 지원을 받아 시작되었음. (18TLRP-B117133-03)
• Also, this software got help from generative artificial intelligence : Google Gemini Advance and Anthropic Claude Opus 4.6 in improving the text and source code quality.
  또한, 이 소프트웨어는 문장과 코드 품질 향상을 위해 생성형 인공지능 구글 제미니 어드밴스와 앤스로픽 클로드 오퍼스 4.6의 도움을 받았음.

추가 참고 자료
Further Reading

수치 해석과 과학 계산 교육에 관한 외부 자료.
External resources on numerical methods and scientific-computing pedagogy.

• Wilson, G. et al. (2014). Best Practices for Scientific Computing. PLOS Biology.
• scipy-lecture-notes
• jpmorganchase/python-training