Laboratorio di modellizzazione dati
A.A. 2020/2021
Obiettivi formativi
Il corso fornirà allo studente, anche con esercitazioni al computer, gli
strumenti per interpretare, in modo statisticamente rigoroso, dati fisici
utilizzando modelli appropriati. Il corso combina elementi di data science con un approccio di modellizzazione fisica, che sono i due pilastri del corso di laurea.
strumenti per interpretare, in modo statisticamente rigoroso, dati fisici
utilizzando modelli appropriati. Il corso combina elementi di data science con un approccio di modellizzazione fisica, che sono i due pilastri del corso di laurea.
Risultati apprendimento attesi
Lo studente sarà in grado, partendo da un set di dati fisici e non, di
formulare modelli quantitativi, di valutarne l'affidabilità e di
costruire modelli nulli.
formulare modelli quantitativi, di valutarne l'affidabilità e di
costruire modelli nulli.
Periodo: Secondo semestre (se vi sono più edizioni controllare anche il periodo dell'edizione, che può essere diverso)
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Programma e organizzazione didattica
Edizione unica
Responsabile
Periodo
Secondo semestre
L'insegnamento verrà erogato interamente da remoto in caso di limitazioni alla mobilità legate all'emergenza sanitaria. In tal caso sia le lezioni che le esercitazioni verranno effettuate in aule virtuali (piattaforma zoom) in
collegamento sincrono, con la possibilità di interazione in tempo reale
tra gli studenti e il docente. Per le esercitazioni verranno create delle "breakout rooms" per ciascun dei gruppi di lavoro degli studenti.
collegamento sincrono, con la possibilità di interazione in tempo reale
tra gli studenti e il docente. Per le esercitazioni verranno create delle "breakout rooms" per ciascun dei gruppi di lavoro degli studenti.
Programma
Il programma del corso si baserà su una serie di esperimenti basati su un modello statistico rigoroso di un dato problema fisico. Ogni esperimento sarà autonomo e durerà circa 9-12 ore di laboratorio, durante le quali gli studenti dovranno ottenere dei dati scientifici (generalmente presi da grandi dataset scientifici), formulare l'interpretazione fisica, modellare il processo di misurazioni in modo statistico modo corretto e scrivere un programma per eseguire l'analisi. Ogni esperimento coprirà un campo fisico diverso.
Prerequisiti
Si ritengono indispensabili i contenuti dei corsi di fisica e di matematica della laurea triennale. Inoltre, si farà ampio uso dei concetti di statistica discussi nel corso "Probabilità e statistica". Per le esercitazioni si farà uso del linguaggio di programmazione Python 3.
Metodi didattici
Il corso prevede una serie di lezioni frontali in cui vengono fornite le basi necessarie. Durante le prime lezioni verranno anche ridiscussi i concetti principali di programmazione nel linguaggio Python. Successivamente, all'inizio di ciascuna esperienza, viene brevemente descritto il problema fisico che si intende risolvere in modo che gli studenti siano in grado di affrontarne l'analisi indipendentemente.
Materiale di riferimento
David MacKay, "Information Theory, Inference, and Learning Algorithms", Cambridge University Press, 2003
Modalità di verifica dell’apprendimento e criteri di valutazione
Durante le esercitazioni di laboratorio gli studenti, divisi in gruppi, dovranno autonomamente svolgere il compito loro assegnato. I risultati ottenuti dovranno poi essere presentati da ciascun gruppo in una breve relazione, che verrà valutata. La valutazione finale terrà conto dei voti ottenuti da ciascuno studente nelle relazioni e dal risultato di un esame orale (della durata di circa 45 minuti).
FIS/05 - ASTRONOMIA E ASTROFISICA - CFU: 0
FIS/06 - FISICA PER IL SISTEMA TERRA E PER IL MEZZO CIRCUMTERRESTRE - CFU: 0
FIS/06 - FISICA PER IL SISTEMA TERRA E PER IL MEZZO CIRCUMTERRESTRE - CFU: 0
Laboratori: 48 ore
Lezioni: 14 ore
Lezioni: 14 ore
Docenti:
Lombardi Marco, Roca Maza Javier
Docente/i
Ricevimento:
Mercoledì, 14-15
Ufficio personale presso il Dipartimento di Fisica
Ricevimento:
Previo appuntamento con il docente via email. Si prega di scrivere con suficiente anticipo.
Ufficio: Celoria 16, edificio LITA, primo piano; oppure piattaforma videoconferenza Zoom