Úvod do A-Ro-Ma-Math¶
A-Ro-Ma-Math jsou Aplikace Mat(-h)ematiky od Roberta Maříka. Tyto aplikace jsou uspořádány tematicky, nikoliv podle předmětů, ve kterých jsou ukázky zařazeny, ani podle harmonogramů výuky v těchto předmětech.
Důraz je na problematiku spojenou s Lesnickou a dřevařskou fakultou, tj. na věci týkající se nauky o materiálu a otázky spojené s ekologií, biologií, životním prostředím.
Text je psán v prostředí Jupyter Notebook. To umožňuje široké spektrum využití.
Můžete si vše prohlížet jako statický dokument. Pěkné, ale lepší je experimentovat s vlastními pokusy. Čtěte dál.
Dvěma kliknutími si můžete zápisník naklonovat do výpočetního prostředí Binder nebo Colab a samostatně upravovat dle libosti. Třeba to použít jako základ svého dokumentu. Licence knihy, kterou právě čtete, je velmi volná a takové použití umožňuje. U jednotlivých kapitol je nahoře ikonka rakety, která Vám naklonování zpřístupní. (Na této stránce takovou ikonku nehledejte, hledejte až na stránkách s modely. Vpravo nahoře vedle ikonky pro Fullscreen a stažení)
Jupyter zápisníky, ve kterých jsou jednotlivé stránky napsány, jsou to nejmodernější, co je v roce 2021 na poli výpočtů k dispozici. Pokud si některou stránku naklonujete a zpřístupníte k vlastním úpravám, (viz předchozí bod) otevřou se Vám široké možnosti z hlediska pořizování textu i z hlediska provádění numerických nebo statistických analýz.
Budete mít přístup k jazyku Python, nejpoužívanějšímu jazyku na numerické výpočty. V prostředí Colab máte zdarma dostatek výpočetní síly i na tak komplikované věci jako strojové učení pro automatické rozpoznávání obrázků. Naše výpočty jsou proti tomu nic a pro cloudové superpočítače jako malina. Python je také nejjednodušší jazyk pro numerické výpočty a rychle se s ním seznámíte.
Budete mít přístup k jazyku Markdown pro psaní textů. Neexistuje jednodušší alternativa pro psaní textů na počítači, než použití jednoduchých značek pro nadpisy, změny písma atd. Z webu Óda na markdown – co to vlastně je a proč se bez něj neobejdete: Tvůrce tohoto značkovacího jazyka John Gruber prohlásil, že markdown se naučí používat každý, kdo rozumí smajlíkům. Jakmile si osvojíte prostá markdownová pravidla, propadnete jeho kouzlu a budete své texty psát už jen v něm. Budete se divit, že jste mohli psát jinak.
Budete mít přístup k jazyku LaTeX. LaTeX je nejrychlejší, nejspolehlivější, nejtrvanlivější, nejlépe přenositelná, nejvíce typograficky propracovaná metoda psaní vzorců. Slyšeli jste, že je těžký na naučení? To platilo dávno a jenom pro dokumenty tvořené celé v LaTeXu. Pokud v LaTeXu píšeme jenom matematiku a zbytek necháme na Markdownu, není na vzorce nic jednoduššího.
S programovacím jazykem Python se můžete naučit i programy na kreslení grafů jako Matplotlib. Mrkněte se do textu této knihy. Pokud se vám bude tato jednoduchá metoda kreslení grafů líbit, naučte se na základy v rychlokurzu a poté používejte na vlastní projekty. Začněte mírným modifikováním již hotových a zpřístupněných věcí. Pokud něco nefunguje, použijte Google. Určitě podobný problém již někdo řešil, ptal se na nějakém webu určeném pro otázky a odpovědi a tam mu byla poskytnuta rada. Tuto radu můžete použít i Vy.
Se skriptovacím přístupem můžete projekt přirozeně rozdělit na moduly, kde se například nejprve zpracovávají data a poté vykreslují. S takovým modulárním přístupem máte na výběr mezi více nástroji a tento výběr můžete kdykoliv změnit podle aktuálních preferencí. Data si vykreslíte spolehlivým nástrojem Matplotlib, viz například Vývoj populace vystavené lovu. Pokud se Vám výstup nelíbí, nebo jej potřebujete mít modernější, předáte kreslící části knihovně Bokeh, jako například v modelu Energetická bilance Země a skleníkový efekt. Diferenciální rovnice vyřešíte nástroji knihovny SciPy. Ale jakmile najdete něco úžasnějšího, bez čeho nemůžete být, vyměníte jenom proceduru řešící rovnici. Vše ostatní běží jak má a dělá to co potřebujete. Takový modulární přístup vede k tomu, že projekt, na kterém pracujete, po dokončení neumře, ale bude možné jej nadále modernizovat.
Nejsnazší cesta, jak začít pracovat s numerickými modely a jejich analýzou je získat ostruhy spouštěním cizího kódu a postupně modifikovat a spojovat dle svých požadavků vlastní příkazy se snipety jiných autorů. Nenápadnou formou se tak čtenář, který je dostatečně motivovaný, naučí využívat sílu skriptovacích nástrojů k analýze numerickými postupy. Tento přístup je výhodný i při statistickém zpracování dat. Oproti klasickému klikání v Excelu můžete jednu analýzu použít v cyklu opakovaně na milion dalších tabulek. A poté mírnou úpravou zase na jiný druh tabulek.
Aby byla práce s modely co nejsnazší, je kód ukázek v knize poměrně bohatě okomentován. Váš kód tedy nebude tak ukecaný, ale jistá míra komentářů je vhodná i když člověk píše pouze pro vlastní využití. Pro detailnější popis jednotlivých příkazů využijte Google. Často lépe než definice příkazu z manuálu poslouží reakce v diskusním fóru, kde se na problematiku někdo ptá. Například na https://stackexchange.com/