Апроксимація експериментальних даних у Jupiter

Біла, К. О.; Концевой, С. А.; Bila, K.; Kontsevoi, S.; Белая, Е. А.; Концевой, С. А.

Full metadata record

DC Field	Value	Language
dc.contributor.author	Біла, К. О.	-
dc.contributor.author	Концевой, С. А.	-
dc.contributor.author	Bila, K.	-
dc.contributor.author	Kontsevoi, S.	-
dc.contributor.author	Белая, Е. А.	-
dc.contributor.author	Концевой, С. А.	-
dc.date.accessioned	2018-06-05T07:53:59Z	-
dc.date.available	2018-06-05T07:53:59Z	-
dc.date.issued	2018	-
dc.identifier.citation	Біла, К. О. Апроксимація експериментальних даних у Jupiter / К. О. Біла, С. А. Концевой // Комп’ютерне моделювання в хімії та технологіях і системах сталого розвитку – КМХТ-2018 : збірник наукових статей Шостої міжнародної науково-практичної конференції, м. Київ, 16-18 травня, 2018 р. – Київ : КПІ ім. Ігоря Сікорського, 2018. – С. 177-179.	uk
dc.identifier.uri	https://ela.kpi.ua/handle/123456789/23229	-
dc.language.iso	uk	uk
dc.source	Комп’ютерне моделювання в хімії та технологіях і системах сталого розвитку – КМХТ-2018 : збірник наукових статей Шостої міжнародної науково-практичної конференції	uk
dc.subject	експериментальні дані	uk
dc.subject	апроксимація	uk
dc.subject	програмований вибір	uk
dc.subject	Python	uk
dc.subject	Jupiter	uk
dc.subject	Numpy	uk
dc.subject	experimental data	uk
dc.subject	approximation	uk
dc.subject	programmable selection	uk
dc.subject	Python	uk
dc.subject	Jupiter	uk
dc.subject	Numpy	uk
dc.subject	экспериментальные данные	uk
dc.subject	аппроксимация	uk
dc.subject	программируемый выбор	uk
dc.subject	Python	uk
dc.subject	Jupiter	uk
dc.subject	Numpy	uk
dc.title	Апроксимація експериментальних даних у Jupiter	uk
dc.title.alternative	Approximation of Experimental Data in Jupiter	uk
dc.title.alternative	Аппроксимация экспериментальных данных в Jupiter	uk
dc.type	Article	uk
dc.format.page	С. 177-179	uk
dc.publisher.place	Київ	uk
dc.description.abstractuk	Представлено апроксимацію експериментальних даних, яка реалізована у середовищі Jupiter на мові Python з викристанням бібліотеки numpy. Основна відмінність запропонованого підходу від існуючих (Excel та Qbasic) полягає у програмному обранні функції, яка забезпечує найкращу точність апроксимації на основі відносної похибки. Вказано можливість застосування цього підходу у «хмарному» середовищі Azure Microsoft, яке, як і локальне (пакет Anaconda), є безкоштовним.	uk
dc.description.abstracten	An approximation of experimental data, which is implemented in the Jupiter environment with Python's library numpy, is presented. The main difference between the proposed approach and the existing (Excel and Qbasic) is the programmed selection of function, which provides the best approximation accuracy based on relative error. The possibility of using this approach in the "cloud" environment (Azure Microsoft) is discussed, which as the local (based on Anaconda package) is free.	uk
dc.description.abstractru	Представлено аппроксимацию экспериментальных данных, реализованная в среде Jupiter на языке Python с использованием библиотеки numpy. Основное отличие предлагаемого подхода от существующих (Excel и Qbasic) заключается в программном выборе функции, которая обеспечивает лучшую точность аппроксимации на основе относительной погрешности. Указано возможность применения этого подхода в «облачной» среде Azure Microsoft, которая, как и локальная (пакет Anaconda), является бесплатной.	uk
dc.publisher	КПІ ім. Ігоря Сікорського	uk
Appears in Collections:	Секція 3 «Комп'ютерне моделювання в хімії, комп'ютерні методи для синтезу нових речовин»