CFU
4
Durata
14 Settimane
Semestre DD
Secondo
Questo corso introduce lo studente ad una varietà di metodi e applicazionidi tecniche di Machine Learning in Astrophisica.
Cosa è il Machine Learning? Quali problemi tenta di risolvere? Qualsi sono le sue categorie principali e i suoi concetti fondamentali?
Imparare fittando un modello a dei dati. Ottimizzazione di una funzione di merito.
Gestire, pulire e preparare i dati.
Scegliere il modello e aggiustare i parametri usando la cross-validazione
Le sfide dell'approccio Machine Learning.
Ridurre la dimensionalità del set di apprendimento per combattere la maledizione della dimensionalità.
Gli algoritmi più usati: Linear and Polynomial Regression, Logistic Regression, k-Nearest Neighbors, Support Vector Machines, Decision Trees, Random Forests, e metodi di Ensemble.
Le lezioni sono accompagnate da una cospicua parte in laboratorio. Nei laboratori gli studenti imparano a programmare in Python e scrivere le proprie routine per applicare su dati astrofisici le tecniche apprese a lezione.
OBIETTIVI FORMATIVI: Il corso è incentrato sulla analisi avanzata di dati, approfondendo gli approcci Big Data e Machine LEarning su dataset astrofisici..
Il corso si prefigge inoltre di estendere le conoscenze informatiche pregresse affrontando più approfonditamente la programmazione Object-Oriented in Python.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Approfondita comprensione delle tecniche numeriche di analisi dati. - Buona conoscenza dello stato dell'arte dell’uso del Machine Learning in ambito astrofisico.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Comprendere i limiti dell’approccio numerico. - Capacità di analizzare data-set astrofisici in modo autonomo con metodi numerici.
AUTONOMIA DI GIUDIZIO: Capacità di eseguire ricerche bibliografiche per l'utilizzo del Machine Learningn in astrofisica, selezionando i materiali interessanti e valutandone i risultati principali. Capacità di discernere quale sia il miglior approccio per la risoluzione di un problema computazionale.
ABILITÀ COMUNICATIVE: Capacità di presentare ed organizzare l’esposizione di un argomento specialistico di approfondimento di analisi dati inastrofisica.- Padronanza del linguaggio Python tale da permettere l’uso avanzato dei tool e delle librerie più diffuse per l’astrofisica.