Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
PHYSICS OF DATA
Insegnamento
LABORATORY OF COMPUTATIONAL PHYSICS (MOD. A)
SCP8082525, A.A. 2018/19

Informazioni valide per gli studenti immatricolati nell'A.A. 2018/19

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
PHYSICS OF DATA
SC2443, ordinamento 2018/19, A.A. 2018/19
N0
porta questa
pagina con te
Crediti formativi 6.0
Tipo di valutazione Voto
Denominazione inglese LABORATORY OF COMPUTATIONAL PHYSICS (MOD. A)
Sito della struttura didattica http://physicsofdata.scienze.unipd.it/2018/laurea_magistrale
Dipartimento di riferimento Dipartimento di Fisica e Astronomia "Galileo Galilei"
Sito E-Learning https://elearning.unipd.it/dfa/course/view.php?idnumber=2018-SC2443-000ZZ-2018-SCP8082525-N0
Obbligo di frequenza
Lingua di erogazione INGLESE
Sede PADOVA

Docenti
Responsabile MARCO ZANETTI FIS/01

Corso integrato di appartenenza
Codice Insegnamento Responsabile
SCP8082524 LABORATORY OF COMPUTATIONAL PHYSICS (C.I.) MARCO ZANETTI

Mutuazioni
Codice Insegnamento Responsabile Corso di studio
INP8084211 HIGH LEVEL PROGRAMMING MARCO ZANETTI IN2371
INP8084211 HIGH LEVEL PROGRAMMING MARCO ZANETTI IN2371
INP8084211 HIGH LEVEL PROGRAMMING MARCO ZANETTI IN2371

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
CARATTERIZZANTE Sperimentale applicativo FIS/01 6.0

Organizzazione dell'insegnamento
Periodo di erogazione Annuale
Anno di corso I Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LABORATORIO 3.0 24 51.0
LEZIONE 3.0 24 51.0

Calendario
Inizio attività didattiche 01/10/2018
Fine attività didattiche 28/06/2019
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2018

Commissioni d'esame
Nessuna commissione d'esame definita

Syllabus

Caratteristiche comuni al Corso Integrato

Prerequisiti: Il corso non prevede propedeuticità, tuttavia si assume la frequenza di almeno due corsi di laboratorio di fisica alla laurea triennale.
Conoscenze e abilita' da acquisire: La finalità didattica del corso è l'insegnamento delle principali tecniche di analisi dati e la loro messa in pratica per la risoluzione di problemi fisici concreti.
Le lezioni frontali saranno volte ad esporre e rivedere dettagliatamente le problematiche tipiche legate all'estrazione di informazione da dataset fisici complessi. Gli studenti saranno in grado di cogliere, sintetizzare e visualizzare le caratteristiche dei dataset. Impareranno inoltre a confrontare quantitativamente e criticamente le previsioni teoriche con i dati sperimentali.
Gli studenti dovranno mettere poi in pratica tali conoscenze in esperienze laboratoriali di analisi dati. Queste ultime si baseranno su dataset relativi ad ambiti scientifici diversi, dalla biofisica, alla astronomia, alla fisica delle alte energie.
Modalita' di esame: Per accertare l'acquisizione delle competenze relative al corso verranno valutate le relazioni sulle esperienze di laboratorio assegnando a queste ultime un punteggio; tale punteggio dovrà essere confermato da una prova orale, durante la quale verranno verificate anche le conoscenze di carattere teorico.
Si prevede che la prova orale sarà divisibile in due parti, ciascuna relativa ad uno dei due moduli di cui è composto il corso.
Criteri di valutazione: Le relazioni sulle esperienze di laboratorio dovranno rispettare gli standard di una pubblicazione scientifica. L'elaborazione dei dati dovrà essere adeguata al problema da risolvere e dovrà dimostrare sia originalità che comprensione delle metodologie classiche.
Durante la prova orale, oltre alla discussione critica delle relazioni, si accerteranno le competenze teoriche acquisite durante le lezioni frontali.

Caratteristiche proprie del modulo

Contenuti: - Schema di funzionamento dei calcolatori e delle loro principali componenti. Ottimizzazione dello hardware finalizzata a varie problematiche in ambito di calcolo scientifico: calcolo parallelo, reti e calcolo distribuito
- Il linguaggio di programmazione Python: dalle basi alla programmazione avanzata per il calcolo scientifico; principali librerie per la gestione e l'analisi dei dati (numpy, scipy, pandas, scikit-learn, etc.)
- Metodi Monte Carlo per la simulazione di fenomeni fisici
- Estrazione delle principali proprietà statistiche da dataset fisici e confronto con predizione teorica
- Visualizzazione e rappresentazione grafica dei dataset e delle loro proprietà
Attivita' di apprendimento previste e metodologie di insegnamento: Il corso prevede una parte di lezioni frontali (30%) e una parte di lezioni in laboratorio (70%) in aula informatica. Le ore di laboratorio saranno finalizzate ad approfondire ed esercitare le tecniche di analisi dati illustrate durante le lezioni frontali.
Verranno proposti esercizi da svolgere utilizzando le risorse di calcolo messe a disposizione dal Dipartimento di Fisica e Astronomia (cloud computing e HPC), nonché dei piccoli progetti di ricerca (esperienze di laboratorio) che gli studenti affronteranno in gruppi di lavoro
Eventuali indicazioni sui materiali di studio: Verranno fornite dispense di riferimento per la parte di programmazione in python e la descrizione delle sue principali librerie scientifiche.

Si farà spesso riferimento a materiale didattico in formato Jupyter notebook, disponibile su repository pubbliche GitHub.
Testi di riferimento:
  • Rubin Landau, Manuel Paez, Cristian Bordeianu, Computational Physics. --: Wiley-VCH, --. Cerca nel catalogo

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Lecturing
  • Laboratory
  • Problem based learning
  • Case study
  • Working in group
  • Problem solving

Didattica innovativa: Software o applicazioni utilizzati
  • jupyter notebook

Obiettivi Agenda 2030 per lo sviluppo sostenibile
Istruzione di qualita' Lavoro dignitoso e crescita economica Industria, innovazione e infrastrutture