Laboratorio di fisica computazionale

A.A. 2019/2020
6
Crediti massimi
66
Ore totali
SSD
FIS/01 FIS/02 FIS/03 FIS/04 FIS/05 FIS/06 FIS/07 FIS/08
Lingua
Italiano
Obiettivi formativi
Lo scopo del corso è Fornire nozioni base per rompere il ghiaccio con alcuni tool computazionali (C++, shell e linguaggi di scripting, python, latex), e competenze di "Data Science" nel senso di analisi ragionata e visualizzazione dati.
La filosofia del corso è che il modo in cui si impara ad usare e a concettualizzare tool computazionali non è con lezioni frontali, ma usandoli, con un progetto e uno scopo. Il corso fornisce alcuni elementi essenziali per decollare e dei progetti, allo scopo di creare la motivazione per usare alcuni strumenti "sul campo".
Risultati apprendimento attesi
Lo studente deve padroneggiare un toolbox tecnico che comprende
C++, Shell scripting, AWK, Python, Data Visualization
Inoltre lo studente deve essere in grado di affrontare "data challenge", progetti che partono da un dataset e mirano a estrarne i trend principali e compunicarli chiaramente in un report scritto.
Corso singolo

Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.

Programma e organizzazione didattica

Edizione unica

Periodo
Secondo semestre

Programma
Parte I "Toolbox"
Ia Toolbox tecnico:
C++
Shell scripting / AWK
Rudimenti Python
LaTeX

Ib Toolbox scientifico
Data Visualization
Elementi di Probabilità e Modelli Nulli

Parte II "Data Challenge"
Tre data challenge della durata di una settimana.
Prerequisiti
Conoscenze di base di informatica e programmazione.
Metodi didattici
La filosofia del corso è che il modo in cui si impara ad usare e a concettualizzare tool computazionali non è con lezioni frontali, ma usandoli, con un progetto e uno scopo. Il corso fornisce alcuni elementi essenziali per decollare e dei progetti, allo scopo di creare la motivazione per usare alcuni strumenti "sul campo".
Materiale di riferimento
Il corso non segue alcun libro specifico, ma i seguenti libri possono essere utili

Jeroen Janssens. Data Science at the Command Line: Facing the Future with Time-Tested Tools

Steve Blair. Python Data Science

William S. Cleveland. The Elements of Graphing Data
Modalità di verifica dell’apprendimento e criteri di valutazione
La valutazione è basata su "data challenge", da svolgere in laboratorio che partono da un dataset per raggiungere un certo numero di obiettivi.

Al termine di ogni data challenge gli studenti devono consegnare un report DI MAX 3 PAGINE scritto in LaTeX che descrive i risultati conseguiti e include i plot.
FIS/01 - FISICA SPERIMENTALE
FIS/02 - FISICA TEORICA, MODELLI E METODI MATEMATICI
FIS/03 - FISICA DELLA MATERIA
FIS/04 - FISICA NUCLEARE E SUBNUCLEARE
FIS/05 - ASTRONOMIA E ASTROFISICA
FIS/06 - FISICA PER IL SISTEMA TERRA E PER IL MEZZO CIRCUMTERRESTRE
FIS/07 - FISICA APPLICATA (A BENI CULTURALI, AMBIENTALI, BIOLOGIA E MEDICINA)
FIS/08 - DIDATTICA E STORIA DELLA FISICA
Laboratori: 54 ore
Lezioni: 12 ore
Docente/i
Ricevimento:
Su appuntamento, in presenza e via Teams o altre piattaforme.
Ricevimento:
Su appuntamento
Dipartimento di Fisica, via Celoria 16, Milano --- Ufficio DC/1/3