Didattica
Lezioni, esercizi e notebook aperti.
Materiale dei corsi di Big Data e Astroinformatica, Deep Learning, Elettricità di Base e Metodologia Scientifica, organizzato per semestre.
2021.2
Big Data e Astroinformatica
Notebook
- Notebook 01 — Aprire e rappresentare un catalogo FITS
- Notebook 02 — Operazioni con Pandas
- Notebook 03 — Operazioni con le immagini
- Notebook 04 — Fit ai minimi quadrati della costante di Hubble
- Notebook 05 — Redshift fotometrici con rete neurale densa
- Notebook 06 — Redshift fotometrici con Random Forest
- Notebook 07 — Reti neurali convoluzionali
- Documento di brainstorming dei progetti 2021.2
Slide
- Lezione 01 — Introduzione
- Lezione 02 — Pandas e FITS
- Lezione 03 — Pandas ed elaborazione di immagini
- Lezione 05 — Elaborazione di immagini
- Lezione 06 — Elaborazione di immagini e segmentazione
- Lezione 07 — Segmentazione
- Lezione 08 — SExtractor
- Lezione 09 — TOPCAT e AladinNon disponibile
- Lezione 10 — Concetti statistici di baseNon disponibile
- Lezione 11 — Stima di massima verosimiglianzaNon disponibile
- Lezione 12 — Database e interrogazioni astronomicheNon disponibile
- Lezione 13 — Massima verosimiglianza, minimi quadrati e regressione logisticaNon disponibile
- Lezione 14 — Machine Learning e reti neuraliNon disponibile
- Lezione 15 — Machine Learning e reti neurali IINon disponibile
- Lezione 16 — Alberi decisionali e Random ForestNon disponibile
Esercizi
1. Crea una nuova colonna a partire da un catalogo FITS e salva il nuovo catalogo.
2. Stima la magnitudine limite del catalogo fornito usando la relazione tra mag_err e S/N.
3. Crea il tuo catalogo 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
- File immagine (sostituisci “file_name.fits”): Immagine HST nella banda f435
- Confronta con i cataloghi di Molino et al. 2017 · catalogo dell’immagine
- Crea il tuo file sex.param consultando la documentazione di Source Extractor.
4. Ricava la tua costante di Hubble da diversi insiemi di dati: hubble_fit_data
5. Dimostra che un fit ai minimi quadrati ordinari equivale alla massima verosimiglianza di una variabile gaussiana con un modello lineare.
6. Dimostra che la massima verosimiglianza di una variabile di Bernoulli con un modello lineare equivale a minimizzare l’entropia incrociata tra previsioni e osservazioni.
7. Dimostra che il minimo dell’entropia incrociata si ottiene quando le due probabilità sono uguali.