" Procesamiento y análisis de datos astronómicos"
Objetivos:
En este curso se pretende abordar el procesamiento y análisis de datos astronómicos utilizando Python para crear herramientas y códigos desde cero con el objeto de comprender claramente los procedimientos a aplicar y sus limitaciones. Al finalizar el curso se espera que los alumnos manejen adecuadamente los temas abordados y que sean capaces de extraer información científica del material observacional.
Días, Horarios y Condiciones para Regularizar y Aprobar:
El curso se dicta en la Facultad de Ciencias Exactas, Físicas y Naturales, Universidad Nacional de San Juan, durante el primer semestre del año. Los días y horarios de clase son martes y jueves en el horario de 10:30 a 12:30 hs. El curso tiene alta carga computacional y de trabajos prácticos por lo cual se debe completar con actividades extra-aúlicas. Carga horaria total de 90 (noventa) horas.
Las consultas se pactan por correo electrónico.
Para regularizar el curso se deben presentar los trabajos prácticos planificados y para aprobar la materia se deberá presentar un trabajo final sobre algún tema relacionado con los contenidos del curso, el cual deberá ser presentado por escrito y luego expuesto oralmente. El tema de la monografía será acordado por la catedra con el alumno.
Las fechas que se fijen oportunamente para todas las presentaciones, tanto escritas como orales, son estrictas sin excepción.
Programa Analítico - Año 2020
- Introducción al Python 3: instalación y configuración. Sintaxis básica. Tipos de variables. Operadores básicos. Bucles y toma de decisión. Funciones. Módulos. Lectura y escritura de datos a archivo. Manejo de excepciones. Numpy. Matplotlib. Scipy. Astropy.
- Números aleatorios y ordenamiento: Generadores uniforme, binomial, normal y exponencial. Generadores uniformes portables. Método de transformación. Integración de Monte Carlo. Métodos de ordenación: métodos de inserción, Shell, Heapsort y Quicksort.
- Descripción estadística de datos: Datos experimentales. Poblaciones y muestreo. Representación de muestras. Agrupamiento. Momentos de una distribución. Errores: tipos y propagación.
- Probabilidad: Noción de probabilidad. Axiomas de Kolmogorov. Condicionalidad e independencia. Teorema de Bayes. Distribuciones de probabilidad. Distribuciones discretas y continuas. Teorema central del límite.
- Análisis de correlación: pruebas de correlación. Coeficiente de correlación. Análisis de componentes principales.
- Pruebas de hipótesis: metodología clásica. Métodos paramétricos. Métodos no paramétricos para muestras simples. Métodos no paramétricos para dos muestras independientes.
- Modelado de datos y estimación de parámetros: Método de máxima verosimilitud. Cuadrados mínimos. Método de chi cuadrado. Modelado mediante Monte Carlo. Integración de Monte Carlo.
- Problemas de detección: Faslos positivos y completitud. Catálogos y efectos de selección. Función de luminosidad: propagación de errores, comparación y correlación. Análisis de supervivencia. Límite de confusión.
- Distribuciones en dos dimensiones: Estadística en una superficie esférica. Representación en el cielo. Función de correlación angular. Conteo en celdas.
- Procesamiento y análisis de imágenes: Reducción básica de imágenes astronómicas. Reducción de fotometría, espectroscopía y polarimetría. Filtrado en el dominio espacial y en frecuencia. Restauración.
Bibliografía:
- “Numerical Recipes”, Press et al. Cambridge University Press, 2007.
- “Practical Statistics for Astronomers”, J. Wall y C. R. Jenkins, Cambridge University Press, 2003.
- “Numerical Methods in Astrophysics'', P. Bodenheimer et al. Taylor and Francis, 2007.
- “Computer Simulation using Particles'', R. Hockney y J. Eastwood. Taylor and Francis, 1988.
- “Monte Carlo Statistical Methods'', C. Robert y G. Casella. Springer, 2004.
- “Digital image processing”, R. Gonzalez y R. Woods, 1993.
- “The image processing handbook”, J. C. Russ, 2007.
- “Image restoration and reconstruction”, R. H. T. Bates y M. J. McDonnell, 1989.
- Artículos científicos varios de revistas especializadas.
Material disponible:
Algunos tutoriales y programas útiles:
- En esta página puede encontrar tutoriales y cursos sobre Python en inglés.
- En esta página puede encontrar tutoriales y cursos sobre Python en castellano.