- Docente: Robert Benton Metcalf
- Crediti formativi: 6
- SSD: FIS/05
- Lingua di insegnamento: Inglese
- Modalità didattica: Convenzionale - Lezioni in presenza
- Campus: Bologna
-
Corso:
Laurea Magistrale in
Astrophysics and Cosmology (cod. 5828)
Valido anche per Laurea Magistrale in Astrophysics and cosmology (cod. 6765)
Conoscenze e abilità da conseguire
Nontrivial data analysis problems are frequently encountered in modern astronomy, cosmology and physics. They require an understanding of statistical methods, practical skills with software tools and sometimes some ingenuity that comes with experience. The student will gain a practical knowledge of statistical methods and software as applied to many example problems. Basic probability theory will be covered before learning about Bayesian and frequentist inference problems, Monte Carlo techniques, Fisher matrices, parameter estimation, non-parametric tests, hypothesis testing, and supervised and unsupervised classification and regression problems. The student will become familiar with current software in Python for analysing data and fitting models while getting an understanding of the theory behind them.
Contenuti
Il corso tratterà le basi teoriche necessarie per comprendere molte delle moderne tecniche di analisi dei dati utilizzate in astrofisica e cosmologia.
Alcuni degli argomenti trattati sono:
1) the basic mathematics of probability
2) common probability distributions
3) Bayesian inference
4) regression
5) hypothesis testing
6) model selection
7) error forecasting and experimental design
8) numerical methods for Bayesian inference
9) some basic machine learning techniques
Testi/Bibliografia
Vengono fornite note dettagliate delle lezioni.
Metodi didattici
Ogni settimana sono previste 2 ore di lezioni frontali sulla teoria della statistica e 4 ore di laboratorio informatico in cui vengono svolti mini-progetti pratici.
I progetti di laboratorio rafforzano i concetti appresi a lezione. La maggior parte di essi si basa su problemi del mondo reale.
Sono inoltre disponibili ampie note di lezione.
Modalità di verifica e valutazione dell'apprendimento
Le esercitazioni informatiche/mini-progetti vengono valutate.
Un esame orale.
Il voto può essere rifiutato al massimo due volte
Strumenti a supporto della didattica
Blackboard
Power point
Python notebooks for tutorials
Online mini-courses on specific software tools.
Orario di ricevimento
Consulta il sito web di Robert Benton Metcalf