Docencia
Clases, listas y notebooks abiertos.
Material de las asignaturas de Big Data y Astroinformática, Deep Learning, Electricidad Básica y Metodología Científica, organizado por semestre.
2021.2
Big Data y Astroinformática
Notebooks
- Notebook 01 — Abrir y graficar un catálogo FITS
- Notebook 02 — Operaciones con Pandas
- Notebook 03 — Operaciones con imágenes
- Notebook 04 — Ajuste por mínimos cuadrados de la constante de Hubble
- Notebook 05 — Corrimientos al rojo fotométricos con red neuronal densa
- Notebook 06 — Corrimientos al rojo fotométricos con Random Forest
- Notebook 07 — Redes neuronales convolucionales
- Documento de lluvia de ideas de los proyectos 2021.2
Diapositivas
- Clase 01 — Introducción
- Clase 02 — Pandas y FITS
- Clase 03 — Pandas y procesamiento de imágenes
- Clase 05 — Procesamiento de imágenes
- Clase 06 — Procesamiento de imágenes y segmentación
- Clase 07 — Segmentación
- Clase 08 — SExtractor
- Clase 09 — TOPCAT y AladinNo disponible
- Clase 10 — Conceptos estadísticos básicosNo disponible
- Clase 11 — Estimación de máxima verosimilitudNo disponible
- Clase 12 — Bases de datos y consultas astronómicasNo disponible
- Clase 13 — Máxima verosimilitud, mínimos cuadrados y regresión logísticaNo disponible
- Clase 14 — Machine Learning y redes neuronalesNo disponible
- Clase 15 — Machine Learning y redes neuronales IINo disponible
- Clase 16 — Árboles de decisión y Random ForestNo disponible
Ejercicios
1. Crea una nueva columna a partir de un catálogo FITS y guarda el nuevo catálogo.
2. Estima la magnitud límite del catálogo proporcionado usando la relación entre mag_err y S/N.
3. Crea tu catálogo usando SExtractor
sextractor file_name.fits -c config.sex -PARAMETERS_NAME sex.param -CATALOG_NAME output.fits -CATALOG_TYPE FITS_1.0 -GAIN 8116 -PIXEL_SCALE 0.06 -SEEING_FWHM 0.1 -MAG_ZEROPOINT 25.6651 -PHOT_FLUXFRAC 0.682 -DEBLEND_MINCONT 0.0015 -DEBLEND_NTHRESH 32
- Archivo de imagen (sustituye “file_name.fits”): Imagen del HST en la banda f435
- Compara con los catálogos de Molino et al. 2017 · catálogo de la imagen
- Crea tu propio archivo sex.param consultando la documentación de Source Extractor.
4. Obtén tu constante de Hubble a partir de varios conjuntos de datos: hubble_fit_data
5. Demuestra que un ajuste por mínimos cuadrados ordinarios equivale a la máxima verosimilitud de una variable gaussiana con un modelo lineal.
6. Demuestra que la máxima verosimilitud de una variable de Bernoulli con un modelo lineal equivale a minimizar la entropía cruzada entre predicciones y observaciones.
7. Demuestra que el mínimo de la entropía cruzada se alcanza cuando ambas probabilidades son iguales.