Course Syllabus

Export

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

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.

  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.

Conoscenza iniziale di Python.

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

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

Secondo semestre.

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

Su appuntamento.

Export

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

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.

  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

Basic knowledge of Python.

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.

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

Second semester.

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

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

  • MP
    Marco Paganoni

Enrolment methods

Manual enrolments