Plano de Estudos
Ciência de Dados em Física e Astrofísica CDFA
Contextos
Groupo: 1_MFA 2023/24 > 2º Ciclo > Parte Escolar
ECTS
6.0 (para cálculo da média)
Objectivos
A investigação em Física e Astrofísica envolve atualmente dados experimentais e/ou resultados de simulações, de grande dimensão e complexidade, que não permitem uma exploração plena com as técnicas tradicionais. O objetivo deste curso é dar uma visão alargada, com forte componente prática, de métodos estatísticos e computacionais avançados adequados para prospeção de dados (data mining) e aprendizagem automática (machine learning) em Física e Astrofísica. Como resultado, os alunos devem aprender a resolver problemas Físicos com ferramentas estatísticas e computacionais.
Programa
Tópicos principais: • Estrutura em conjuntos de dados • Redução de dimensionalidade e seleção de atributos • Classificação supervisionada e não supervisionada • Inferência e model fitting • Autovalidação e resampling • Visualização de dados • Indexação • Séries temporais A componente prática (TPs), consiste em exercícios em Python (ou outra linguagem/ambiente), utilizando bibliotecas adequadas como Scikit-learn, Keras, pyTorch ou TensorFlow, e outras. Os exercícios abordam diferentes áreas da Física e Astrofísica investigadas no Departamento de Física.
Método de Avaliação
A avaliação consiste na entrega de um trabalho escrito final, consistindo na aplicação de ciência dos dados numa área da Física ou Astrofísica escolhida pelo aluno.
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 126.0
Carga Total -
Bibliografia
Principal
- Machine learning and the physical sciences: Giuseppe Carleo et al. 2019 https://ui.adsabs.harvard.edu/link_gateway/2019RvMP...91d5002C/doi:10.1103/RevModPhys.91.045002
- A high-bias, low-variance introduction to Machine Learning for physicists: Pankaj Mehta et al. 2019 https://doi.org/10.1016/j.physrep.2019.03.001
- An Introduction to Statistical Learning: with Applications in Python: Gareth James, et al. 2023 https://doi.org/10.1007/978-3-031-38747-0