Ensino
Aulas, listas e notebooks abertos.
Material das disciplinas de Big Data e Astroinformática, Deep Learning, Eletricidade Básica e Metodologia Científica, organizado por semestre.

2021.2
Big Data e Astroinformática
Notebooks
- Notebook 01 — Abrir e plotar catálogo FITS
- Notebook 02 — Operações com Pandas
- Notebook 03 — Operações com imagens
- Notebook 04 — Ajuste por mínimos quadrados da constante de Hubble
- Notebook 05 — Redshifts fotométricos com rede neural densa
- Notebook 06 — Redshifts fotométricos com Random Forest
- Notebook 07 — Redes neurais convolucionais
- Documento de brainstorm dos projetos 2021.2
Slides
- Aula 01 — Introdução
- Aula 02 — Pandas e FITS
- Aula 03 — Pandas e processamento de imagens
- Aula 05 — Processamento de imagens
- Aula 06 — Processamento de imagens e segmentação
- Aula 07 — Segmentação
- Aula 08 — SExtractor
- Aula 09 — TOPCAT e AladinIndisponível
- Aula 10 — Conceitos estatísticos básicosIndisponível
- Aula 11 — Estimativa de máxima verossimilhançaIndisponível
- Aula 12 — Bases de dados e consultas astronômicasIndisponível
- Aula 13 — Máxima verossimilhança, mínimos quadrados e regressão logísticaIndisponível
- Aula 14 — Machine Learning e redes neuraisIndisponível
- Aula 15 — Machine Learning e redes neurais IIIndisponível
- Aula 16 — Árvores de decisão e Random ForestIndisponível
Exercícios
1. Crie uma nova coluna a partir de um catálogo FITS e salve o novo catálogo.
2. Estime a magnitude limite do catálogo fornecido usando a relação entre mag_err e S/N.
3. Crie seu catálogo usando o 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
- Arquivo de imagem (substitua “file_name.fits”): Imagem do HST na banda f435
- Compare com os catálogos de Molino et al. 2017 · catálogo da imagem
- Crie seu próprio arquivo sex.param, consultando a documentação do Source Extractor.
4. Derive sua constante de Hubble a partir de diversos conjuntos de dados: hubble_fit_data
5. Demonstre que um ajuste por mínimos quadrados ordinários equivale à máxima verossimilhança de uma variável gaussiana com modelo linear.
6. Demonstre que a máxima verossimilhança de uma variável de Bernoulli com modelo linear equivale a minimizar a entropia cruzada entre previsões e observações.
7. Demonstre que o mínimo da entropia cruzada é obtido quando as duas probabilidades são iguais.