Laboratorio di fisica computazionale

A.A. 2021/2022
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
L'insegnamento si propone di fornire nozioni base di alcuni strumenti computazionali (C++, shell e linguaggi di scripting, python, LaTex), e competenze di "Data Science", nel senso di analisi dati ragionata e guidata da modelli, visualizzazione dati e comunicazione efficace dei risultati. Le caratteristiche principali di questo insegnamento sono l'utilizzo e la concettualizzazione di strumenti avanzati di analisi dati attraverso il loro uso, con un progetto e obiettivi chiari. L'insegnamento fornisce il bagaglio tecnico-scientifico essenziale per lavorare sui progetti di "data challenge
Risultati apprendimento attesi
Al termine dell'insegnamento la/lo studente dovrà padroneggiare un bagaglio tecnico essenziale che comprende C++, Shell scripting, AWK, Python, data visualization e strumenti statistici di analisi dati. Essa/o sarà inoltre in grado di utilizzare le competenze tecniche in "data challenge", progetti che partono da un dataset e mirano a estrarne i trend principali. Questo implica anche l'acquisizione di capacità critiche nell'interpretazione e nella comprensione dei trend nei dati. Infine ci si aspetta che la/lo studente sarà in grado di comunicare i propri risultati e il proprio lavoro nei report scritti in inglese, che comprendono plot e figure illustrative.
Programma e organizzazione didattica

Edizione unica

Periodo
Secondo semestre
Lezioni Zoom e spazio Slack dedicato
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
Lezioni frontali
Sessioni pratiche ed esercizi
Progetti hands-on, "data challenge".
Materiale di riferimento
Il laboratorio 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 obiettivi scientifici, e di comunicazione.

I criteri di valutazione sono i seguenti:
Struttura logica e comunicazione
Visualizzazione dati
Aspetti tecnici analisi
Aspetti scientifici e supporto dei claim

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.

La valutazione si basa sui report e non c'è una parte orale.
FIS/01 - FISICA SPERIMENTALE - CFU: 0
FIS/02 - FISICA TEORICA, MODELLI E METODI MATEMATICI - CFU: 0
FIS/03 - FISICA DELLA MATERIA - CFU: 0
FIS/04 - FISICA NUCLEARE E SUBNUCLEARE - CFU: 0
FIS/05 - ASTRONOMIA E ASTROFISICA - CFU: 0
FIS/06 - FISICA PER IL SISTEMA TERRA E PER IL MEZZO CIRCUMTERRESTRE - CFU: 0
FIS/07 - FISICA APPLICATA (A BENI CULTURALI, AMBIENTALI, BIOLOGIA E MEDICINA) - CFU: 0
FIS/08 - DIDATTICA E STORIA DELLA FISICA - CFU: 0
Laboratori: 54 ore
Lezioni: 12 ore
Docente/i
Ricevimento:
Su appuntamento e via spazio slack dei corsi
Ricevimento:
Su appuntamento
Dipartimento di Fisica, via Celoria 16, Milano --- Ufficio DC/1/3