Course Syllabus
Obiettivi formativi
Acquisire competenze di base nel trattamento e analisi di dati georeferenziati. L'insegnamento si colloca tra le attività dell'area statistica e informatica.
Contenuti sintetici
Modulo 1: Introduzione ai dati geospaziali
Modulo 2: Dati da osservazioni nelle sceinze del clima
Modulo 3: Modelli climatici
Modulo 4: Analisi di dati climatici
Modulo 5: Sintesi ed ultimi esempi
Programma esteso
Le lezioni frontali (2 ore per modulo) descrivono il contesto del campo di applicazione, con particolare attenzione alla relazione tra i dati ed i sistemi fisici che li hanno generati, in modo da fornire agli studenti gli strumenti per la gestione dei dati stessi, a livello teorico.
Le lezioni pratiche (3 ore per modulo) forniscono gli strumenti software per la gestione, visualizzazione e analisi dei dati geospaziali. Il linguaggio di programmazione Python viene utilizzato sia per gli esempi illustrati dal docente, che per gli esercizi individuali o a gruppi proposti agli studenti. Sono previsti brevi assignments da consegnare entro l'ultima settimana del corso (è previsto un malus di 2/30 per ogni assignment non consegnato per tempo).
Nel Modulo 1 si introduce l'argomento dei dati geospaziali, compreso le tipologie dei dati e i concetti di base legati alla cartografia e ai sistemi informativi territoriali.
Nei Moduli 2-4 si trattano esempi e applicazioni tratti dalle sceinze del clima. Si presentano diverse tipologie di dati geospaziali, fra cui quelli derivanti da osservazioni del mondo fisico (M2) e quelli prodotti da simulazioni numeriche (M3), ognuno caratterizzato da specifiche caratteristiche e problematiche. In termini di analisi integratata dei dati, vengono introdotte diverse applicazioni che spaziano da semplici test di ipotesi fino al pattern recognition (M4).
Nel Modulo 5 è prevista una revisione degli argomenti principali, domande da parte degli studenti, correzione degli assignments, ultimi esempi.
Prerequisiti
Basi di Python.
Metodi didattici
5 lezioni da 2 ore svolte in modalità erogativa in presenza
5 attività di laboratorio da 3 ore svolte in modalità interattiva in presenza
Modalità di verifica dell'apprendimento
Esame orale: 50% presentazione e discussione del progetto individuale finale, 50% argomenti ed assignments del corso.
La discussione degli esempi pratici visti a lezione e degli assigments (la cui risoluzione sarà stata presentata durante l’ultima lezione del corso) mira a verificare che gli studenti abbiano compreso i passaggi specifici per la soluzione di problemi di analisi e visualizzazione dei dati.
La presentazione e discussione del progetto individuale finale mira a verificare che gli studenti siano in grado di sviluppare autonomamente un’applicazione di analisi dati pertinente alle tematiche del corso, sia applicando metodi visti a lezione, sia integrando nel contesto specifico tecniche acquisite più in generale durante il percorso di studi della laurea magistrale.
Testi di riferimento
Presentazioni del docente; links a paper scientifici e pagine web per approfondimenti. Il materiale viene reso disponibile sulla pagina elearning del corso.
Periodo di erogazione dell'insegnamento
Secondo semestre
Lingua di insegnamento
Inglese
Sustainable Development Goals
Learning objectives
The aim of the module is to enable students to have a basic competence to manage and analyze georeferenced data. The teaching module is part of the offer in the statistics and informatics disciplinary area.
Contents
Module 1: Introduction to geospatial data
Module 2: Observational data in climate sciences
Module 3: Climate models
Module 4: Analysis of climate data
Module 5: Synthesis and final remarks
Detailed program
The frontal lessons (2 hours per module) will present some background on the field of application, with specific attention to the relation between the data and the system that generated them, providing the theoretical tools for their management.
The practical sessions (3 hours per module) will provide the software tools for geospatial data handling, visualization and analysis. Python will be used for examples shown by the teacher and for students individual or group exercises. Small assignments are foreseen, due by the last week of classes (a malus of 2/30 will be applied for every assignmnet not delivered on time).
Module 1 will introduce the topic of geospatial data, including data types, and basic concepts related to cartography and Geographic Information Systems.
In Modules 2-4 examples and applications will be drawn from the domain of climate science. Different geospatial data types will be presented, including from observations of the physical world (M2) and from computer model simulations (M3), each characterized by different features and challenges. Integrated data analysis applications, ranging from simple hypothesis testing to space-time pattern recognition, will be introduced (M4).
A review of the main concepts will be carried out in Module 5, along with questions from students, correction of the assignments, and final examples.
Prerequisites
Basic knowledge of Python.
Teaching methods
5 two-hour lectures (delivered didactics, in person)
5 three-hours laboratory sessions (interactive teaching, in person)
Assessment methods
Oral exam: 50% presentation and discussion of a final individual project, 50% topics and assignments from the course.
The discussion of practical examples and assigments (by then reviewed during the last lesson) aims at verifying the understanding that students have of specific passages for the solution of data analysis and visualization problems.
The presentation and discussion of a final individual project aims at testing the students’ ability to autonomously develop a data analysis application appropriate for the topics of the course, by applying both methods presented in class and techniques acquired elsewhere with the master program in data science.
Textbooks and Reading Materials
Teacher slides; links to scientific papers and webpages. Distributed via elearning.
Semester
Second semester
Teaching language
English.
Sustainable Development Goals
Key information
Staff
-
Samuel Albani