T01.1
Що таке динамічна система як інженерний об’єкт
Пояснити власними словами, показати у моделі, підтвердити графіком або чисельним експериментом.
Topic W01 · 10.02.2026
Старт курсу та інженерний контракт
Курс як семестровий інженерний спринт: ролі, Git, evidence pack, структура репозиторію, очікування до звіту.
Навчальний фокус
Що студент має зрозуміти
T01.2
Артефакти курсу: модель, код, графіки, демо, звіт
Пояснити власними словами, показати у моделі, підтвердити графіком або чисельним експериментом.
T01.3
Definition of Done для академічної та прикладної роботи
Пояснити власними словами, показати у моделі, підтвердити графіком або чисельним експериментом.
Практика
Практична робота
Формування команд A/B/C, створення репозиторію, перший README, матриця ролей, план автентичності.
- Підготувати 3 контрольні питання до теми і відповісти на них без LLM-підказок.
- Додати до Git короткий commit note: що змінилось і чому.
- Додати один графік, який показує не лише результат, а й проблему або обмеження моделі.
- Описати один ризик неправильного застосування методу в реальній інженерній задачі.
- Зробити мінімум один ручний розрахунок або sanity check для перевірки чисельної моделі.
Лабораторна
ЛР-01: середовище, Git, структура репозиторію, перший Jupyter notebook.
Очікуваний артефакт: Repo skeleton, README, role matrix, weekly status template.
Додаткові матеріали
Старт і організація роботи: онлайн-база для поглиблення
Ключові ресурси теми
Розгорнути
- Coursera · Differential Equations for EngineersОДУ, базова теорія, інженерні застосування.
- Jupyter DocumentationNotebook як лабораторний журнал.
- Git DocumentationВерсійність, diff, історія технічних рішень.
- GitHub Docs · IssuesBacklog, task tracking, evidence через issues.
- GitHub Docs · ProjectsKanban/roadmap для командної роботи.
- The Scrum GuideЛегка рамка для weekly review/status.
- Coursera · Control Systems coursesКаталог курсів з control systems.
- Coursera · MATLAB / Simulink coursesКаталог MATLAB/Simulink курсів.
Практичне застосування
Розгорнути
- Знайти в одному з ресурсів приклад, близький до командного проєкту, і додати коротке посилання в README.
- Порівняти матеріал з власною моделлю: що збігається, а що відрізняється через фізичні припущення.
- Додати один sanity check або один графік, який підтверджує правильність обраного підходу.
- Зафіксувати у weekly status: що було використано, чому саме це джерело, який результат отримано.
Контроль якості та автентичності
Розгорнути
- Git DocumentationКоміти, branches, diff, історія рішень.
- Jupyter DocumentationNotebook як журнал експерименту.
- Matplotlib documentationГрафіки з підписаними осями та легендами.
- Не копіювати готові рішення без пояснення. Кожне посилання має завершитись власним висновком.
- У звіті окремо відмітити: source → застосований фрагмент → власна модифікація → результат.