Laboratorio di fisica computazionale

A.A. 2025/2026
6
Crediti massimi
66
Ore totali
SSD
FIS/01 FIS/02 FIS/03 FIS/04 FIS/05 FIS/06 FIS/07 FIS/08
Lingua
Italiano
Learning objectives
L'insegnamento si propone di fornire nozioni base di alcuni strumenti computazionali (C++, shell e linguaggi di scripting, python, LaTex), e competenze di "Data Science", nel senso di analisi dati ragionata e guidata da modelli, visualizzazione dati e comunicazione efficace dei risultati. Le caratteristiche principali di questo insegnamento sono l'utilizzo e la concettualizzazione di strumenti avanzati di analisi dati attraverso il loro uso, con un progetto e obiettivi chiari. L'insegnamento fornisce il bagaglio tecnico-scientifico essenziale per lavorare sui progetti di "data challenge
Expected learning outcomes
Al termine dell'insegnamento la/lo studente dovrà padroneggiare un bagaglio tecnico essenziale che comprende C++, Shell scripting, AWK, Python, data visualization e strumenti statistici di analisi dati. Essa/o sarà inoltre in grado di utilizzare le competenze tecniche in "data challenge", progetti che partono da un dataset e mirano a estrarne i trend principali. Questo implica anche l'acquisizione di capacità critiche nell'interpretazione e nella comprensione dei trend nei dati. Infine ci si aspetta che la/lo studente sarà in grado di comunicare i propri risultati e il proprio lavoro nei report scritti in inglese, che comprendono plot e figure illustrative.
Corso singolo

Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.

Course syllabus and organization

Edizione unica

Periodo
Secondo semestre

Programma
Parte I "Toolbox"
Ia Toolbox tecnico:
C++
Shell scripting / AWK
Rudimenti Python
LaTeX

Ib Toolbox scientifico
Data Visualization
Elementi di Probabilità e Modelli Nulli

Parte II "Data Challenge"
Tre data challenge della durata di una settimana.
Prerequisiti
Conoscenze di base di informatica e programmazione.
Metodi didattici
Lezioni frontali
Sessioni pratiche ed esercizi
Progetti hands-on, "data challenge".
Materiale di riferimento
Il laboratorio non segue alcun libro specifico, ma i seguenti libri possono essere utili

Jeroen Janssens. Data Science at the Command Line: Facing the Future with Time-Tested Tools

Steve Blair. Python Data Science

William S. Cleveland. The Elements of Graphing Data
Modalità di verifica dell’apprendimento e criteri di valutazione
La valutazione è basata su "data challenge", da svolgere in laboratorio che partono da un dataset per raggiungere obiettivi scientifici, e di comunicazione.

I criteri di valutazione sono i seguenti:
Struttura logica e comunicazione
Visualizzazione dati
Aspetti tecnici analisi
Aspetti scientifici e supporto dei claim

Al termine di ogni data challenge gli studenti devono consegnare un report DI MAX 3 PAGINE scritto in LaTeX che descrive i risultati conseguiti e include i plot.

La valutazione si basa sui report e non c'è una parte orale.
FIS/01 - FISICA SPERIMENTALE
FIS/02 - FISICA TEORICA, MODELLI E METODI MATEMATICI
FIS/03 - FISICA DELLA MATERIA
FIS/04 - FISICA NUCLEARE E SUBNUCLEARE
FIS/05 - ASTRONOMIA E ASTROFISICA
FIS/06 - FISICA PER IL SISTEMA TERRA E PER IL MEZZO CIRCUMTERRESTRE
FIS/07 - FISICA APPLICATA (A BENI CULTURALI, AMBIENTALI, BIOLOGIA E MEDICINA)
FIS/08 - DIDATTICA E STORIA DELLA FISICA
Laboratori: 54 ore
Lezioni: 12 ore
Professor(s)
Ricevimento:
Su appuntamento, in presenza e via Teams o altre piattaforme.