Física (plan 2002) 2021-2

Optativas, Temas Selectos de Astrofísica I

Hola a todo! Ya están activos en Google ClassRoom, si no recibieron la invitación a la clase, urge que me contacten via e-mail para que los agregue. Nos vemos mañana a las 8:00 am!

URGENTE: Ya les he enviado la invitación para unirse a nuestro curso en Google Classroom. Si no les ha llegado un correo con la invitación, por favor, escribanme un e-mail a: joelsb@astro.unam.mx antes del viernes 5 de Marzo.

Hola a todos, como acordamos en la reunión del pasado viernes. Las clases teóricas comenzaran el proximo lunes 8 de marzo a las 8:00 am.

Durante esta semana les pido que, por favor, instalen en sus computadoras lo siguientes programas:

PyChram - Éste es un editor de codigo para python: https://www.jetbrains.com/es-es/pycharm/

Anaconda - Ésta es una distribución de Python con los diferentes paquetes que vamos a utilizar: https://anaconda.org/anaconda/python

Una vez que hayan instalado Anacoda, por vafor instalen LMFIT. Éste es una suite de algoritmos de minimización que vamos a estar utilizando:

https://lmfit.github.io/lmfit-py/

Durante la semana recibirán un correo con los detalles de la conexión a Google ClassRoom para que se conecten la semana siguiente. Esten al pendiente de esta página.

Para toda la gente que me ha pedido ser oyente, son bienvenidos siempre y cuando haya compromiso de su parte para tomar las diferentes clasese y hacer los proyectos del curso.

Un saludo y buen inicio de clases a todos!

En caso de tener alguna duda, pueden contactarme a: joelsb@astro.unam.mx

La Astronomía moderna es una ciencia multidisciplinaria que requiere de instrumentación de punta para su desarrollo. Con el incremento en el número de telescopios, las mejoras en los detectores y el desarrollo de mejores computadoras, el volumen de datos a llegado al dominio de los petabytes. En este sentido los astrónomos requieren de herramientas estadísticas y de programación para el análisis de los datos que obtienen con los telescopios de última generación. Este curso pretende brindar al estudiante una introducción al modelado de datos astronómicos. Para ello utilizaremos herramientas de uso libre programadas en Python. Los datos con los que trabajaremos también son de uso libre para la comunidad y provienen de surveys reales como el Sloan Digital Sky Survey o de interferómetros como el Very Large Telescope Interferometer. Nuestro objetivo principal es que el estudiante conozca las los algoritmos y herramientas estadísticas para el modelado de datos. Además se espera que el alumno desarrolle habilidades para identificar posibles problemas en el modelado de datos así como, la capacidad de desarrollar experimentos para validar la efectividad e interpretación de los modelos. El format del curso será de manera práctica con aprendizaje basado en problemas.

Nota: Es indispensable que el estudiante tenga conocimientos de programación en Python.

El temario a cubrir en el curso es el siguiente:

• Probabilidad y estadística básica
• Probabilidad y distribuciones estadísticas
• Introducción a la probabilidad y variables random
• Teorema del limite central
• Coeficientes de correlación
• Estimadores de máxima probabilidad
• Ajustes y selección de modelos
• Estimadores de confianza: Algoritmos de tipo “bootstrap” y “jacknife”
• Modelado no paramétrico e histogramas
• Inferencia Estadística bayesiana
• Regresiones y modelado de datos
• Regresiones de modelos lineales
• Regresiones de modelos regularizados
• Métodos numéricos para problemas complejos (Monte Carlo)
• Análisis de series de tiempo