<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN"
"http://www.w3.org/TR/REC-html40/loose.dtd">
<html>
<head>
<meta http-equiv="content-type" content="text/html; charset=utf-8">
<title></title>
</head>
<body style="font-family:Arial;font-size:14px">
<p>Estimada comunidad,</p>
<div class="gmail_default" style="font-family: tahoma, sans-serif;">
<div class="gmail_default">
<div class="gmail_default" style="font-family: Arial;">
<div class="gmail_default">a continuación les enviamos las novedades de posgrado:<br>
<br>
</div>
</div>
</div>
</div>
<p><span style="font-family: tahoma, sans-serif;">==============================</span><wbr style="font-family: tahoma, sans-serif;"><span style="font-family: tahoma, sans-serif;">==============================</span><wbr style="font-family: tahoma, sans-serif;"><span style="font-family: tahoma, sans-serif;">====</span><br>
<br>
<span style="color: rgb(34, 34, 34); font-family: Arial, Helvetica, sans-serif; font-size: small; background-color: rgb(255, 255, 255);"><span style="font-size:16px;">Materia de postgrado <strong><span style="font-size:18px;">Astroestadística </span></strong></span></span><br>
<br style="color: rgb(34, 34, 34); font-family: Arial, Helvetica, sans-serif; font-size: small; background-color: rgb(255, 255, 255);">
<span style="color: rgb(34, 34, 34); font-family: Arial, Helvetica, sans-serif; font-size: small; background-color: rgb(255, 255, 255);">docente: Mariano Dominguez (IATE)<br>
Se dará en formato virtual durante el primer cuatrimestre </span><span style="color: rgb(34, 34, 34); font-family: Arial, Helvetica, sans-serif; font-size: small; background-color: rgb(255, 255, 255);">del 2022.</span><br style="color: rgb(34, 34, 34); font-family: Arial, Helvetica, sans-serif; font-size: small; background-color: rgb(255, 255, 255);">
<span style="color: rgb(34, 34, 34); font-family: Arial, Helvetica, sans-serif; font-size: small; background-color: rgb(255, 255, 255);">En caso de interés contactarse a </span><a href="mailto:mariano.dominguez@unc.edu.ar" style="color: rgb(17, 85, 204); font-family: Arial, Helvetica, sans-serif; font-size: small; background-color: rgb(255, 255, 255);" target="_blank">mariano.dominguez@unc.edu.ar</a><br>
<br></p>
<div>TÍTULO: Astroestadistica</div>
<div>AÑO: 2022 CUATRIMESTRE: 1° N° DE CRÉDITOS: VIGENCIA: 3 años</div>
<div>CARGA HORARIA: 60 horas de teoría y 60 horas de práctica</div>
<div>CARRERA/S: Doctorado en Astronomía<br>
</div>
<div>FUNDAMENTOS</div>
<div>Se discutirán los fundamentos teóricos de la astroestadística, fundamentales para comprender</div>
<div>en profundidad los algoritmos de aprendizaje automático.</div>
<div>Se aprenderán tópicos de Machine Learning haciendo hincapié en las técnicas y aplicaciones</div>
<div>prácticas, cubriendo todo el ciclo completo del análisis de datos.</div>
<div>Se introduce el completo stack científico de python y las herramientas computacionales para</div>
<div>el desarrollo del aprendizaje automático.<br>
</div>
<div>OBJETIVOS</div>
<div>Se pretende que el alumno se familiarice con los conceptos de clasificación, regresión</div>
<div>clustering, y con los principales métodos de implementación en python. Se revisarán los</div>
<div>problemas que se pueden presentar en un conjunto de datos real, para los cuales hay que</div>
<div>modificar y ajustar los modelos básicos.<br>
<br>
<div>PROGRAMA</div>
<div>Unidad I: Análisis y Estadística de Datos</div>
<div>Revisaremos lo que significa la Ciencia de Datos y cómo se relaciona con otros paradigmas</div>
<div>científicos. Diferencias entre alto y bajo nivel. Introducción al lenguaje Python. Librerías de</div>
<div>cómputo científico. Seguimos con una introducción a la probabilidad, las variables aleatorias,</div>
<div>y las herramientas que nos brinda la estadística descriptiva.</div>
<div>Práctica: github, Jupyter, Colab, numpy, scipy<br>
<br>
<div>Unidad II: Curación y Visualización de Datos</div>
<div>Rrevisaremos las técnicas que debemos aplicar previamente al análisis sobre los features</div>
<div>incluyendo curación, imputación, anonimización, normalización y mucha visualización</div>
<div>incluyendo exploración con datos astronómicos.</div>
<div>Práctica: pandas, matplotlib, seaborn, astropy, glue, Firefly.<br>
</div>
<div>Unidad III: Inferencia Estadística Clásica</div>
<div>Revisaremos los conceptos de Estimación por máximo Likelihood. Selección de modelos.</div>
<div>Aplicación a mixtura de Gaussianas, el algoritmo de maximización de la expectativa.</div>
<div>Estimación de intervalos de confidencia, Técnicas de bootstrap y Jackknife. Testeo de</div>
<div>Hipótesis. Comparación de distribuciones. Modelado no paramétrico e Histogramas.</div>
<div>Práctica: Efectos de selección, Aplicación: Determinación de Funciones de Luminosidad.</div>
<div>astroML.<br>
</div>
<div>Unidad IV: Inferencia Bayesiana</div>
<div>Revisaremos los métodos Bayesianos. Priors.Quantificacion Bayesiana de las incertezas de</div>
<div>los parámetros. Selección de modelos Bayesiana. Priors no uniformes: sesgos de Eddington,</div>
<div>Malmquist. Ejemplos de estimación de parámetros y selección de modelos.</div>
<div>Práctica: Métodos numéricos MCMC en análisis de CMB con MCMC. PyMC. NASA Lambda.<br>
<div>Unidad V: Aprendizaje automático no Supervisado</div>
<div>Revisaremos las Estimas de densidades no paramétricas. Estimación de densidad de puntos</div>
<div>cercanos. Búsqueda de cúmulos en los datos. Funciones de Correlación. Problemas en</div>
<div>muchas dimensiones: Análisis de Componentes Principales. Factorización de matrices no</div>
<div>negativas. Aprendizaje automático. Análisis de Componentes independientes y Proyecciones</div>
<div>TLAs. Comparativa de Técnicas de selección de Features.</div>
<div>Práctica: Aplicaciones en catálogos de galaxias con redshift. Scikit-learn.<br>
</div>
<div>Unidad VI: Aprendizaje automático Supervisado: Regresión</div>
<div>Formulamos la Regresión en modelos lineales. Regularización. Regresión de Componentes</div>
<div>principales. Regresión no lineal local. Regresiones no lineales. Incertezas en los datos.</div>
<div>Regresion con Procesos Gaussianos. Ajuste excesivo y deficiente, métodos de validación</div>
<div>cruzada.<br>
</div>
<div>Práctica: Aplicaciones y Visualización. Sklearn.</div>
<div>Unidad VII: Aprendizaje automático Supervisado: Clasificación</div>
<div>Revisaremos la asignación de categorías. Clasificadores por vecinos más cercanos. Máquinas</div>
<div>de soporte vectorial. Árboles de decisión. Evaluación de los clasificadores, curvas ROC.</div>
<div>Control de la tasa de descubrimientos falsos.</div>
<div>Práctico: Detección de objetos objetos extendidos y puntuales, identificaciones. LSST</div>
<div>pipelines.<br>
<br>
<div>Unidad VIII: Análisis de Series Temporales</div>
<div>Nos preparamos para la era del dominio temporal. Análisis de series temporales periódicas.</div>
<div>Señales temporalmente localizadas. Análisis de procesos estocásticos. Técnicas de DIA.</div>
<div>Clases no Balanceadas. Brokers en ZTF, LSST y RSP.</div>
<div>Práctica: Detección y Clasificación de transitorios ópticos en conjuntos de datos masivos.<br>
</div>
<div>Unidad IX: El futuro del Aprendizaje Automático</div>
<div>Revisamos el reciente progreso de las técnicas de aprendizaje profundo y su profundo</div>
<div>impacto en la sociedad. Librerias de DL: Keras, Tensorflow, PyTorch, Técnicas de</div>
<div>diferenciación automática: Jax, el auto ML: auto-sklearn, autoKeras. DL para descubrimiento</div>
<div>en física y programación con IAs, consideraciones éticas y sociales.</div>
<div>Práctica: arquitecturas de Deep Learning en problemas a seleccionar.<br>
<br>
<div>PRÁCTICAS</div>
<div>Las practicas fueron descriptas en la unidad correspondiente. Se realizan mediante notebooks</div>
<div>en Google Colab aplicando conceptos y bibliotecas de software. Se revisan por el docente</div>
<div>que provee feedback mediante comentarios hasta alcanzar el objetivo<br>
<br>
<div>MODALIDAD DE EVALUACIÓN</div>
<div>La regularizacion se realiza aprobando el 80 de los practicos. La evaluacion final es oral con</div>
<div>una exposicion de un trabajo a eleccion del alumno intercalado con conceptos teoricos y</div>
<div>practicos de la materia.<br>
</div>
<div>REQUERIMIENTOS PARA EL CURSADO</div>
<div>Algebra Lineal y Analisis Diferencial</div>
</div>
</div>
</div>
</div>
</div>
</div>
<p><span style="font-family: tahoma, sans-serif;">==============================</span><wbr style="font-family: tahoma, sans-serif;"><span style="font-family: tahoma, sans-serif;">==============================</span><wbr style="font-family: tahoma, sans-serif;"><span style="font-family: tahoma, sans-serif;">====</span></p>
<div class="gmail_default" style="font-family: tahoma, sans-serif;">
<div class="gmail_default"> </div>
</div>
<div class="gmail_default" style="font-family: tahoma, sans-serif;"> <span style="font-family: Arial, Helvetica, sans-serif;">Enlace para ver el </span><span style="font-family: Arial, Helvetica, sans-serif; font-size: 16px;"><b>Boletín Informativo de la Prosecretaría de Posgrado de la UNLP </b></span><br>
</div>
<div>https://mailchi.mp/17741f9feaf5/boletn-informativo-8589197?e=d0f1de2a46<br>
<font color="#222222" face="Arial, Helvetica, sans-serif" size="2"> </font></div>
<div class="gmail_default" style="font-family: tahoma, sans-serif;">==============================<wbr>==============================<wbr>====<br>
<div>
<div style="color: rgb(34, 34, 34); font-family: Arial, Helvetica, sans-serif; font-size: small;">Saludos cordiales,</div>
</div>
<div class="gmail_default"><span style="font-family: Arial;">Posgrado</span></div>
</div>
<p><br></p>
<div><span style='font-size: 13px; font-family: "Helvetica Neue", "Segoe UI", Helvetica, Arial, "Lucida Grande", sans-serif; background-color: rgb(255, 255, 255);'>--------------------------------------------------------------</span>
<div dir="ltr" style="color: rgb(32, 33, 36); font-family: Arial, Helvetica, sans-serif; font-size: small; background-color: rgb(255, 255, 255);"><font color="#000000"><font face="arial, sans-serif">Dra. María Laura Rosa </font><font face="arial, sans-serif">Geof. Consuelo Sagarra<br>
Secretaria de Posgrado Prosecretaria de Posgrado</font></font></div>
<div dir="ltr" style="color: rgb(32, 33, 36); font-family: Arial, Helvetica, sans-serif; font-size: small; background-color: rgb(255, 255, 255);"> </div>
<div dir="ltr" style="color: rgb(32, 33, 36); font-family: Arial, Helvetica, sans-serif; font-size: small; background-color: rgb(255, 255, 255);"><font color="#000000" face="arial, sans-serif">Facultad de Ciencias Astronómicas y Geofísicas<br>
Universidad Nacional de La Plata</font>
<div><font color="#000000" face="arial, sans-serif"><b style="line-height: 16.5px; background-color: rgb(252, 252, 252);">Teléfono</b><span style="line-height: 16.5px; background-color: rgb(252, 252, 252);">: (0221) - 423 - 6593 int. 1050</span><br>
<a href="http://www.fcaglp.unlp.edu.ar/area-docente/posgrado/posgrado" style="margin: 0px; padding: 0px; outline: none; background-image: initial; background-position: initial; background-repeat: initial;" target="_blank">http://www.fcaglp.unlp.edu.ar/posgrados</a></font><br>
<span style='color: rgb(0, 0, 0); font-family: "Helvetica Neue", "Segoe UI", Helvetica, Arial, "Lucida Grande", sans-serif; font-size: 13px;'>--------------------------------------------------------------</span></div>
</div>
</div>
</body>
</html>