Titulación | Tipo | Curso | Semestre |
---|---|---|---|
4313861 Física de Altas Energias, Astrofísica y Cosmología | OB | 0 | 1 |
Puede consutarlo a través de este enlace. Para consultar el idioma necesitará introducir el CÓDIGO de la asignatura. Tenga en cuenta que la información es provisional hasta el 30 de noviembre del 2023.
Para el "Bootcamp" de Python (parte 2), es necesario el uso de un ordenador portátil personal con una instalación de Python 3.
Se recomienda instalar Python 3 con el intalador de Anaconda. De esta manera, su distribución de Python contendrá todos los paquetes asociados necesarios para este curso.
Siga estos pasos:
1. Descargue el instalador de Anaconda para Python 3 aquí https://www.anaconda.com/download/
2. Siga las instrucciones de instalación; tanto la GUI como las versiones de terminal funcionan bien. Si se le solicita, seleccione la opción para agregar el nuevo directorio de anaconda a su ruta.
El uso de GNU/Linux es altamente recomendado.
En este curso aprenderemos cómo extraer conocimiento científico de datos experimentales, un proceso que se basa en métodos estadísticos. Aprenderemos los conceptos básicos de Probabilidad y Estadística (en sus marcos Frequentista y Bayesiano). Además, estudiaremos y practicaremos varios métodos estadísticos particulares y técnicas de análisis de datos que normalmente se utilizan en los campos de Física de Alta Energía, Astrofísica y Cosmología. Con ese fin, aprenderemos y practicaremos el uso de herramientas modernas de software de análisis y estadísticas.
Parte 1: Conceptos básicos sobre probabilidad, estadística y técnicas de Monte Carlo.
Parte 2: Python para estadísticas y análisis de datos
Parte 3: Estimación de parámetros, test de hipótesis y "Unfolding".
Parte 4: Estadística Bayesiana
Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.
Título | Horas | ECTS | Resultados de aprendizaje |
---|---|---|---|
Tipo: Dirigidas | |||
Clases | 56 | 2,24 | 1, 2, 4 |
Estudio de la teoría y ejemplos prácticos | 64 | 2,56 | 1, 2, 3, 4 |
Tipo: Autónomas | |||
Discusión, grupos de trabajo, resolución de problemas. | 60 | 2,4 | 1, 2, 3, 4 |
La evaluación tendrá en cuenta:
Para aquellas y aquellos estudiantes que no aprueben el curso después del procedimiento de evaluación regular, habrá una ronda de evaluación de recuperación consistente en ejercicios específicos para las diferentes partes del curso y de un examen final de síntesis. No habrá una nota de umbral para ser elegible para la ronda de evaluación de recuperación, a parte del requisito general de haber sido evaluada/evaluado al menos de un 66% del total de actividades de calificación en la primera ronda.
Esta asignatura/módulo no prevee el sistema de evaluación única.
Título | Peso | Horas | ECTS | Resultados de aprendizaje |
---|---|---|---|---|
Asistencia y participación activa en las clases. | 5% | 0 | 0 | 1, 2, 4 |
Resolución de ejercicios de clase | 45% | 40 | 1,6 | 1, 2, 3, 4 |
Resolución de un examen final de síntesis | 50% | 5 | 0,2 | 1, 2, 4 |
Introduciremos y haremos uso del lenguaje de programación Python (consulte la sección "Prerequisitos" para obtener información detallada sobre la instalación)
En particular, estudiaremos y utilizaremos las siguientes librerías Python: NumPy, pandas, matplotlib, scipy y scikit learn