Universität Wien

280482 VU WM-c-Dat Data Science in der Astrophysik (PI) (2022S)

8.00 ECTS (4.00 SWS), SPL 28 - Erdwissenschaften, Meteorologie - Geophysik und
Prüfungsimmanente Lehrveranstaltung
Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 30 Teilnehmer*innen
Sprache: Deutsch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Weitere Termine im Computerraum Univ. Sternwarte Do 13:15-16.30
2 Gruppen zu je 15 Personen

  • Donnerstag 03.03. 13:15 - 16:30 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 10.03. 13:15 - 16:30 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 17.03. 13:15 - 16:30 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 24.03. 13:15 - 16:30 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 31.03. 13:15 - 16:30 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 07.04. 13:15 - 16:30 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 28.04. 13:15 - 16:30 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 05.05. 13:15 - 16:30 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 12.05. 13:15 - 16:30 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 19.05. 13:15 - 16:30 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 02.06. 13:15 - 16:30 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 09.06. 13:15 - 16:30 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 23.06. 13:15 - 16:30 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 30.06. 13:15 - 16:30 Seminarraum 1 Astronomie Sternwarte, Türkenschanzstraße 17

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

Die Arbeit mit großen Datensätzen, die von Observatorien oder Supercomputern geliefert werden, ist ein wesentlicher Bestandteil der modernen Astrophysik und Astronomie. Dieses Praktikum behandelt wichtige Aspekte moderner Statistik, Datenanalyse und maschinellem Lernen in diesem Zusammenhang. Die Kurseinheiten bestehen aus einem Vorlesungsteil, gefolgt von Praktikumseinheiten, in denen (wo möglich) direkt mit astrophysikalischen Daten gearbeitet wird.
Der voraussichtliche Vorlesungsplan ist:
1. Einführung
2. Statistik und räumliche Statistik
3. Repräsentation von Daten
4. Dichteschätzung
5. Regression und statistische Inferenz 1
6. Regression und statistische Inferenz 2
7. Gaußsche Prozesse
8. Klassisches maschinelles Lernen
9. Maschinelles Lernen und neuronale Netze 1
10. Maschinelles Lernen und neuronale Netze 2
11. Generative Modelle
12. Datenvisualisierung
13. Lernen von dynamischen Prozessen
14. Fokusprojekt

Art der Leistungskontrolle und erlaubte Hilfsmittel

Es wird zu jeder Einheit Praktikumsaufgaben geben, die bearbeitet werden müssen.

Mindestanforderungen und Beurteilungsmaßstab

Anwesenheit (min. 75% für Bestehen)
Funktionierendes Programm/Skript (d.h. läuft und liefert korrekte/konsistente Ergebnisse) (min. 50% für Bestehen)
Protokollausarbeitungen (min. 50% für Bestehen)

Prüfungsstoff

Literatur

Vorlesungsskripte werden während des Kurses über Moodle bereitgestellt werden.

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Do 03.03.2022 16:29