Ciência dos Dados em Física

Conhecimentos de Base Recomendados

Conhecimentos avançados de estatística e programação.

Métodos de Ensino

Ensino eminentemente prático recorrendo a:

- dados experimentais de Física das Partículas;

- ferramentas computacionais para cálculos de primeiros princípios em Física da Matéria Condensada.

Resultados de Aprendizagem

- Compreender as técnicas estatísticas de análise de dados na perspetiva da Física das Partículas.

- Compreender como tratar incertezas sistemáticas e quais os critérios usados para estabelecer uma descoberta em Física das Partículas.

- Compreender o processo de determinação da sensibilidade experimental.

- Aplicar ferramentas computacionais de ciência dos dados para reconstrução de objetos como, por exemplo, os jatos hadrónicos.

- Aplicar métodos de Monte Carlo na análise de dados de Física das Partículas.

- Compreender o uso de ferramentas de "machine learning" em Física da Matéria Condensada.

- Compreender os diversos classificadores utilizados em Física da Matéria Condensada.

- Analisar, sintetizar e processar informação.

- Preparar, processar, interpretar e comunicar informação física, utilizando fontes bibliográficas, discurso adequado e as ferramentas apropriadas.

Estágio(s)

Não

Programa

Introdução.

Revisão de tópicos de análise de dados.

Medidas experimentais e critérios para uma descoberta.

Determinação da sensibilidade experimental.

Tratamento de incertezas sistemáticas.

Ferramentas computacionais de análise de dados.

Exercícios práticos utilizando dados experimentais de Física das Partículas.

Aprendizagem automática em Física da Matéria Condensada: desenho de materiais e aceleração de métodos de primeiros princípios.

Docente(s) responsável(eis)

José Ricardo Morais Silva Gonçalo

Métodos de Avaliação

Avaliação
Resolução de problemas: 40.0%
Projecto: 60.0%

Bibliografia

Glen Cowan, Statistical Data Analysis, Oxford University Press, 1998

 

Ilya Narsky and Frank C. Porter, Statistical Analysis Techniques in Particle Physics, Wiley, 2014

 

Luca Lista, Statistical Methods for Data Analysis in Particle Physics, Springer, 2017

 

Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006

 

A. R. Oganov, ed., Modern methods of crystal structure prediction, Wiley, 2010

 

T. Lookman, S. Eidenbenz, F. Alexander, and C. Barnes, eds., Materials Discovery and Design By Means of Data Science and Optimal Learning, Springer, 2018

 

Jonathan Schmidt, Mário R. G. Marques, Silvana Botti, and Miguel A. L. Marques, Recent advances and applications of machine learning in solid-state materials science, Psi_k Scientific Highlight Of The Month, March 2019