Bienvenida e Información Útil 36
Valentino González C. 7 Ago 202207/08/22 a las 15:40 hrs.2022-08-07 15:40:07
Hola a todos,
Bienvenidos a AS4501-Astroinformática. El propósito de este post es entregarles información sobre cómo funcionará este curso.
Casi todo el material del curso será entregado a través de videos, los cuales serán publicados en una lista de YouTube cada semana. Los links estarán en la sección "Enlaces".
Uds. deben estudiar el material cada semana y responder un test (en la sección "Tests") casi todas las semanas. Estos tests deben ser respondidos antes del comienzo de la clase del Viernes a las 10:15 AM. El primer test será publicado pronto y debe ser respondido antes de la clase de este viernes 12 de Agosto a las 10:15 AM.
Los tests semanales son "libro abierto" y los pueden responder mientras ven los videos (recomendado), pero NO pueden discutir las respuestas con otras personas (especialmente con sus compañeros). Se recomienda revisar los tests con tiempo en caso de dudas, las cuales deben postear en el foro.
Clases presenciales. Salvo por este Lunes 8 de Agosto, tendremos sólo clases los Viernes (NO usaremos el módulo de clase de los Lunes). Durante la clase de los Viernes discutiremos el test semanal, resolveremos dudas y resolveremos problemas asociados al tema de la semana. A veces, cubriremos contenidos extra en esta clase. La clase auxiliar se utilizará aproximadamente 4-5 veces en todo el semestre para cubrir temas especiales.
Este curso tiene 3 formas de evaluación:
- (20%) Tests semanales. La nota final será el promedio simple de estos tests (no se elimina ninguno).
- (40%) 3 o 4 Tareas. La nota final será el promedio simple de las tareas.
- (40%) Un proyecto final. La nota se basa en el trabajo presentado durante una presentación al final del semestre. Este proyecto se desarrolla durante las últimas 3 a 3.5 semanas del semestre y es un trabajo grupal. Los grupos son creados basados principalmente en interés científico. Una parte de la evaluación corresponde a evaluación entre compañeros del grupo. Más información durante el semestre.
Estos son los libros en los cuales el curso está basado:
- Statistics, Data Mining, and Machine Learning in Astronomy, 2014; Ivezić, Connolly, VanderPlas, and Gray. (Incluye un módulo de Python y un repositorio con material útil: github.com/astroML)
- Modern Statistical Methods for Astronomy, With R Applications, 2012; Fiegelson and Babu.
- Practical Statistics for Astronomers (Cambridge Observing Handbooks for Research Astronomers), 2003; Wall and Jenkins. Also 2nd edition from 2012.
- Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2019; Géron, Aurélien; O'Reilly (preferentemente la 2da edición).
- Numerical Recipes (cualquier edición, las antiguas están disponibles gratis en pdf).
No necesitan tener estos libros pero pueden ser útiles.
Además, todos los materiales para la clase (presentados en los videos semanales) se encuentran en un repositorio de GitHub de libre acceso: github.com/ ... 450-astroinformatica (link en la sección "Enlaces". Asegúrense de hacer checkout a la rama "2022B". Si no entienden esta instrucción, por favor deje la pregunta en el foro).
Muy buena suerte a todos, espero que tengamos un semestre muy productivo.
Saludos,
Los profesores.
Bienvenidos a AS4501-Astroinformática. El propósito de este post es entregarles información sobre cómo funcionará este curso.
Formato
Casi todo el material del curso será entregado a través de videos, los cuales serán publicados en una lista de YouTube cada semana. Los links estarán en la sección "Enlaces".
Uds. deben estudiar el material cada semana y responder un test (en la sección "Tests") casi todas las semanas. Estos tests deben ser respondidos antes del comienzo de la clase del Viernes a las 10:15 AM. El primer test será publicado pronto y debe ser respondido antes de la clase de este viernes 12 de Agosto a las 10:15 AM.
Los tests semanales son "libro abierto" y los pueden responder mientras ven los videos (recomendado), pero NO pueden discutir las respuestas con otras personas (especialmente con sus compañeros). Se recomienda revisar los tests con tiempo en caso de dudas, las cuales deben postear en el foro.
Clases presenciales. Salvo por este Lunes 8 de Agosto, tendremos sólo clases los Viernes (NO usaremos el módulo de clase de los Lunes). Durante la clase de los Viernes discutiremos el test semanal, resolveremos dudas y resolveremos problemas asociados al tema de la semana. A veces, cubriremos contenidos extra en esta clase. La clase auxiliar se utilizará aproximadamente 4-5 veces en todo el semestre para cubrir temas especiales.
Evaluaciones
Este curso tiene 3 formas de evaluación:
- (20%) Tests semanales. La nota final será el promedio simple de estos tests (no se elimina ninguno).
- (40%) 3 o 4 Tareas. La nota final será el promedio simple de las tareas.
- (40%) Un proyecto final. La nota se basa en el trabajo presentado durante una presentación al final del semestre. Este proyecto se desarrolla durante las últimas 3 a 3.5 semanas del semestre y es un trabajo grupal. Los grupos son creados basados principalmente en interés científico. Una parte de la evaluación corresponde a evaluación entre compañeros del grupo. Más información durante el semestre.
Bibliografía
Estos son los libros en los cuales el curso está basado:
- Statistics, Data Mining, and Machine Learning in Astronomy, 2014; Ivezić, Connolly, VanderPlas, and Gray. (Incluye un módulo de Python y un repositorio con material útil: github.com/astroML)
- Modern Statistical Methods for Astronomy, With R Applications, 2012; Fiegelson and Babu.
- Practical Statistics for Astronomers (Cambridge Observing Handbooks for Research Astronomers), 2003; Wall and Jenkins. Also 2nd edition from 2012.
- Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2019; Géron, Aurélien; O'Reilly (preferentemente la 2da edición).
- Numerical Recipes (cualquier edición, las antiguas están disponibles gratis en pdf).
No necesitan tener estos libros pero pueden ser útiles.
Además, todos los materiales para la clase (presentados en los videos semanales) se encuentran en un repositorio de GitHub de libre acceso: github.com/ ... 450-astroinformatica (link en la sección "Enlaces". Asegúrense de hacer checkout a la rama "2022B". Si no entienden esta instrucción, por favor deje la pregunta en el foro).
Muy buena suerte a todos, espero que tengamos un semestre muy productivo.
Saludos,
Los profesores.
