Une bibliographie des ouvrages disponibles à la bibliothèque de l'OMP sur python et son écosystème.

CAFE PYTHON :

• 13h45 : Accueil.
• 14h00-14h10 : Introduction, Les ressources du service documentaire de l'OMP. Tour de table si pas trop nombreux.
  • E. Gondet et W. Exbrayat (OMP)
• 14h10-15h00 : L'écosystème Python pour la visualisation et 10 règles simples pour réaliser de meilleures figures.
  • Nicolas P. Rougier (LABRI). En distanciel. Voir Résumé et bio plus bas.
  • Le support.
• 15h00-15h30. Faire des cartes avec Cartopy. En distanciel.
  • L. Delbeke (LAERO). Le support.

• 15h30-16h00 : Pause-Café.

• 16h00-16h30 : Visualisations statistiques de données avec Seaborn.
  • R. Guillaume-Castel (LEGOS). 30mns. Le support.
• 16h30-17h00 : Retour d'expérience sur la visualisation de grands volumes de données sous Paraview.
  • Thibault Xavier (GET). Le support.
• 17h00-17h30 : Table ronde avec les intervenants.

Titre : L'écosystème Python pour la visualisation et 10 règles simples pour réaliser de meilleures figures.

Auteur : Nicolas P. Rougier (LABRI/INRIA).

Résumé : La visualisation scientifique est définie classiquement comme un processus de représentation graphique de données scientifiques. Cependant, ce processus est loin d'être direct ou automatique car il existe de nombreuses façons de représenter les mêmes données: courbes, nuages de points, histogrammes ou camemberts pour n'en citer que quelques-unes. De plus, les même données avec une même représentation peuvent être perçues très différemment selon la personne qui regarde la figure. Une définition plus précise de la visualisation scientifique serait donc une interface graphique entre les personnes et les données. L'objectif de cet exposé est de fournir un ensemble de règles de base pour améliorer la conception des figures et d'expliquer les écueils les plus fréquents.

Mini Bio : Je suis directeur de recherche à l'Inria et je travaille au sein de l'institut des maladies neurodégénératives (Bordeaux) où j'effectue mes recherches en neurosciences computationelles. J'ai par ailleurs un intérêt prononcé pour la visualisation scientifique et une expertise reconnue sur la librairie matplotlib (Python) pour laquelle j'ai réalisé les “cheatsheets” (https://matplotlib.org/cheatsheets/) et récemment (2021) publié un ouvrage en accès libre (https://www.labri.fr/perso/nrougier/scientific-visualization.html).

Titre : Retour d'expérience sur la visualisation de grands volumes de données sous Paraview.

Auteur : Thibault Xavier (GET/OMP).

Résumé : “L'augmentation des moyens de calcul et de la résolution des dispositifs expérimentaux conduit de plus en plus à la création de données de grande taille. Face à ces volumes, la pratique du post-traitement en local peut devenir douloureuse, voire impossible. Je vous propose un retour d'expérience sur l'adaptation facile de nos méthodes de visualisation et de traitement en utilisant le logiciel Paraview. Nous parlerons de scripting sous Paraview, pratique accessible sans avoir à écrire une ligne de code, et de visualisation déportée directement sur les calculateurs.”

Mini Bio : Issu de l'école d'ingénieur ENSEEIHT, je fais ma thèse à l'ONERA dans le contexte du givrage en aéronautique, en réalisant des simulations numériques de grande taille (calcul 3D jusqu'au milliard de mailles). Après un contrat d'ingénieur de recherche en calcul scientifique à l'ISAE-ENSMA, je rejoins finalement l'OMP en Septembre 2021 pour 3 ans dans le cadre de l' ANR HiPerBorea (https://hiperborea.omp.eu/) pour prendre en charge l'étude numérique de l'impact du changement climatique sur l'hydrogéologie du permafrost.