Skip to main content
If you continue browsing this website, you agree to our policies:
  • Condizioni di utilizzo e trattamento dei dati
Continue
x
If you continue browsing this website, you agree to our policies:
  • Condizioni di utilizzo e trattamento dei dati
Continue
x
e-Learning - UNIMIB
  • Home
  • More
Listen to this page using ReadSpeaker
 Log in
e-Learning - UNIMIB
Home
Percorso della pagina
  1. Science
  2. Master Degree
  3. Data Science [FDS02Q - FDS01Q]
  4. Courses
  5. A.A. 2024-2025
  6. 2nd year
  1. Big Data Management and Analysis in Physics Research
  2. Summary
Unità didattica Course full name
Big Data Management and Analysis in Physics Research
Course ID number
2425-2-FDS01Q024-FDS01Q026M
Course summary SYLLABUS

Blocks

Back to Data Science Lab in Environment and Physics

Course Syllabus

  • Italiano ‎(it)‎
  • English ‎(en)‎
Export

Obiettivi

Fornire un quadro completo e aggiornato dell'uso di Big Data Analytics nella ricerca in Fisica.

Contenuti sintetici

Il Laboratorio intende fornire esempi dettagliati ed aggiornati dell'uso dei Big Data Analytics nella ricerca in Fisica, con introduzione teorica alle varie metodologie, esempi su dati reali e possibilità di analizzarte in profondità casi concreti.

Programma esteso

  1. Introduzione ai Bog Data nella Fisica delle Particelle e in Astrofisica.

  2. Introduzione a Python e Jupiter Notebook.

  3. Pandas dataframe e librerie per l'analisi dati.

  4. Le tecniche di regressione applicate alla ricerca in Fisica.

  5. I Decision Tree nella ricerca in Fisica.

  6. Clusterizzazione e classificazione nell'analisi dati in Fisica

  7. Le serie storiche nella ricerca in Fisica.

  8. Le reti neurali nell'analisi di dati in Fisica.

Prerequisiti

Conoscenza iniziale di Python.

Modalità didattica

Lezioni frontali e sessioni di laboratorio in presenza.
Le lezioni frontali sarannio in modalità erogativa, mentre le sessioni di laboratorio saranno in modalità interattiva.

Materiale didattico

Una copia di quanto mostrato e altro materiale in inglese verrà fornito agli studenti.

Periodo di erogazione dell'insegnamento

Secondo semestre.

Modalità di verifica del profitto e valutazione

Esame orale. Discussione di esercizi assegnati nel corso del laboratorio.

Orario di ricevimento

Su appuntamento.

Export

Aims

Provide a complete and updated picture of the use of Big Data Analytics in Physics research.

Contents

The Laboratory intends to provide detailed and updated examples of the use of Big Data Analytics in Physics research, with a theoretical introduction to the various methodologies, examples of real data and the possibility of analyzing concrete cases in depth.

Detailed program

  1. Introduction to Big Data in Particle Physics and Astrophysics.

  2. Introduction to Python and Jupiter Notebook.

  3. Pandas dataframe and libraries for data analysis.

  4. Regression techniques applied to research in Physics.

  5. Decision Trees in Physics research.

  6. Clustering and classification in data analysis in Physics

  7. Time series in Physics research.

  8. Neural networks in data analysis in Physics

Prerequisites

Basic knowledge of Python.

Teaching form

Frontal lessons and practical laboratory sessions, alla ctivities will be held in presence.
Lessons will be in instructional mode, while laboratory sessions will be in interactive mode.

Textbook and teaching resource

Slides and additional material in english will be provided to students.

Semester

Second semester.

Assessment method

Oral exam. Discussion of exercises proposed during the laboratory sessions.

Office hours

On appointment.

Enter

Key information

Field of research
FIS/01
ECTS
3
Term
Second semester
Activity type
Mandatory to be chosen
Course Length (Hours)
25
Degree Course Type
2-year Master Degreee
Language
English

Staff

    Teacher

  • Andrea Biancini
    Andrea Biancini
  • MP
    Marco Paganoni

Enrolment methods

Manual enrolments
Self enrolment (Student)

You are not logged in. (Log in)
Policies
Get the mobile app
Powered by Moodle
© 2025 Università degli Studi di Milano-Bicocca
  • Privacy policy
  • Accessibility
  • Statistics