Course Syllabus
Obiettivi
1. Conoscenza e capacità di comprensione
Al termine del corso si acquisiranno:
• conoscenze dei concetti fondamentali dell'utilizzo di Big Data Analytics per l'interpretazione dei dati in Fisica
2. Conoscenza e capacità di comprensione applicate
Si acquisiranno capacità di :
• utilizzo degli strumenti di Big Data Analytics per l'interpretazione dei dati in Fisica
3. Autonomia di giudizio
Si sarà capaci di:
• Interpretare correttamente le scelte strategiche per l'analisi dei dati in Fisica
4. Abilità comunicative
Si saprà:
• esporre con chiarezza gli argomenti oggetto del corso, utilizzando correttamente il linguaggio scientifico.
5. Capacità di apprendimento
Verranno fornite:
• le competenze metodologiche per affrontare lo studio degli argomenti oggetto del corso.
Contenuti sintetici
Il Laboratorio intende fornire esempi dettagliati ed aggiornati dell'uso dei Bg 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
-
Introduzione ai Bg Data nella Fisica delle Particelle e in Astrofisica.
-
Introduzione a Python e Jupiter Notebook.
-
Pandas dataframe e librerie per l'analisi dati.
-
Le tecniche di regressione applicate alla ricerca in Fisica.
-
I Decision Tree nella ricerca in Fisica.
-
Clusterizzazione e classificazione nell'analisi dati in Fisica
-
Le serie storiche nella ricerca in Fisica.
-
Le reti neurali nell'analisi di dati in Fisica.
Prerequisiti
Conoscenza iniziale di Python.
Modalità didattica
Lezioni frontali e sessioni di laboratorio.
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.
Sustainable Development Goals
Aims
1. Knowledge and Understanding
Upon completion of the course, students will acquire:
• knowledge of the fundamental concepts of using Big Data Analytics to interpret data in Physics
2. Applied Knowledge and Understanding
Students will acquire the following skills:
• use Big Data Analytics tools to interpret data in Physics
3. Independent Judgment
Students will be able to:
• correctly interpret strategic choices for data analysis in Physics
4. Communication Skills
Students will be able to:
• clearly explain the course topics, using appropriate scientific language.
5. Learning Skills
Students will be provided with:
• the methodological skills needed to study the course topics.
Contents
The Laboratory intends to provide detailed and updated examples of the use of Bg 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
-
Introduction to Bg Data in Particle Physics and Astrophysics.
-
Introduction to Python and Jupiter Notebook.
-
Pandas dataframe and libraries for data analysis.
-
Regression techniques applied to research in Physics.
-
Decision Trees in Physics research.
-
Clustering and classification in data analysis in Physics
-
Time series in Physics research.
-
Neural networks in data analysis in Physics
Prerequisites
Basic knowledge of Python.
Teaching form
Frontal lessons and practical laboratory sessions.
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.
