280522 VU Data Science in Astrophysics (2024S)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 05.02.2024 00:00 bis Di 27.02.2024 23:59
- Anmeldung von Do 29.02.2024 00:00 bis Mi 06.03.2024 23:59
- Abmeldung bis So 31.03.2024 23:59
Details
max. 55 Teilnehmer*innen
Sprache: Englisch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Introduction on 04.03.2024 11:30 - 13:00 Littrow-Hörsaal Astronomie Sternwarte
Montag
04.03.
11:30 - 13:00
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Donnerstag
07.03.
09:45 - 11:15
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Montag
11.03.
11:30 - 13:00
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Donnerstag
14.03.
09:45 - 11:15
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Montag
18.03.
11:30 - 13:00
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Donnerstag
21.03.
09:45 - 11:15
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Montag
08.04.
11:30 - 13:00
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Donnerstag
11.04.
09:45 - 11:15
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Montag
15.04.
11:30 - 13:00
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Donnerstag
18.04.
09:45 - 11:15
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Montag
22.04.
11:30 - 13:00
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Donnerstag
25.04.
09:45 - 11:15
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Montag
29.04.
11:30 - 13:00
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Donnerstag
02.05.
09:45 - 11:15
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Montag
06.05.
11:30 - 13:00
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Montag
13.05.
11:30 - 13:00
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Donnerstag
16.05.
09:45 - 11:15
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
N
Donnerstag
23.05.
09:45 - 11:15
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Montag
27.05.
11:30 - 13:00
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Montag
03.06.
11:30 - 13:00
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Donnerstag
06.06.
09:45 - 11:15
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Montag
10.06.
11:30 - 13:00
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Donnerstag
13.06.
09:45 - 11:15
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Montag
17.06.
11:30 - 13:00
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Donnerstag
20.06.
09:45 - 11:15
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Montag
24.06.
11:30 - 13:00
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Donnerstag
27.06.
09:45 - 11:15
Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
The final mark will be determined based on a series of weekly issued projects/homework problem sets that are to be solved and for which a report has to be written that will be graded; as well as an independent focus project (i.e. a more in-depth follow-up project on one of the topics of the course; possible topics will be mutually agreed upon)
Mindestanforderungen und Beurteilungsmaßstab
Minimum requirement: at least 50% of points on homework projects, and submission of 4-5 page focus project.Final mark will come 67% from homework, and 33% from focus project. Homework can be done in groups of 2, focus project must be carried out and submitted individually.Note that students in the Computational Science Master need to submit only a proportionally reduced number of projects (75%, as they receive only 6 ECTS for this course).
Prüfungsstoff
n/a
Literatur
Lecture notes will be provided ahead of each session through moodle.
Zuordnung im Vorlesungsverzeichnis
DAT
Letzte Änderung: Sa 02.03.2024 10:46
- density estimation
- spatial statistics
- data representation and compression, singular value decomposition, autoencoders
- regression
- gaussian processes
- classical machine learning
- supervised machine learning and neural networks
- physics informed neural networks
- generative models
- data visualisationThe final part of the course is dedicated to a ‘focus project’, i.e. an individually carried out small project extending an aspect of the course beyond what is covered.