Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
PHYSICS OF DATA
Insegnamento
LABORATORY OF COMPUTATIONAL PHYSICS (C.I.)
SCP8082524, A.A. 2019/20

Informazioni valide per gli studenti immatricolati nell'A.A. 2019/20

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
PHYSICS OF DATA
SC2443, ordinamento 2018/19, A.A. 2019/20
N0
porta questa
pagina con te
Crediti formativi
Tipo di valutazione Voto
Denominazione inglese LABORATORY OF COMPUTATIONAL PHYSICS (C.I.)
Sito della struttura didattica http://physicsofdata.scienze.unipd.it/2019/laurea_magistrale
Dipartimento di riferimento Dipartimento di Fisica e Astronomia "Galileo Galilei"
Obbligo di frequenza
Lingua di erogazione INGLESE
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile MARCO ZANETTI FIS/01

Moduli che appartengono al corso integrato
Codice Insegnamento Responsabile
SCP8082525 LABORATORY OF COMPUTATIONAL PHYSICS (MOD. A) MARCO ZANETTI
SCP8082526 LABORATORY OF COMPUTATIONAL PHYSICS (MOD. B) MARCO BAIESI

Organizzazione dell'insegnamento
Periodo di erogazione  
Anno di corso  
Modalità di erogazione frontale

Calendario
Inizio attività didattiche 30/09/2019
Fine attività didattiche 20/06/2020
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2018

Commissioni d'esame
Commissione Dal Al Membri
1 Commissione Laboratory of Computational Physics 2018-2019 01/10/2018 30/11/2019 ZANETTI MARCO (Presidente)
BAIESI MARCO (Membro Effettivo)
CARRARO GIOVANNI (Supplente)

Syllabus
Prerequisiti: Il corso non prevede propedeuticità, tuttavia si assume la frequenza di almeno due corsi di laboratorio di fisica alla laurea triennale.
Conoscenze e abilita' da acquisire: La finalità didattica del corso è l'insegnamento delle principali tecniche di analisi dati e la loro messa in pratica per la risoluzione di problemi fisici concreti.
Le lezioni frontali saranno volte ad esporre e rivedere dettagliatamente le problematiche tipiche legate all'estrazione di informazione da dataset fisici complessi. Gli studenti saranno in grado di cogliere, sintetizzare e visualizzare le caratteristiche dei dataset. Impareranno inoltre a confrontare quantitativamente e criticamente le previsioni teoriche con i dati sperimentali.
Gli studenti dovranno mettere poi in pratica tali conoscenze in esperienze laboratoriali di analisi dati. Queste ultime si baseranno su dataset relativi ad ambiti scientifici diversi, dalla biofisica, alla astronomia, alla fisica delle alte energie.
Modalita' di esame: Per accertare l'acquisizione delle competenze relative al corso verranno valutate le relazioni sulle esperienze di laboratorio assegnando a queste ultime un punteggio; tale punteggio dovrà essere confermato da una prova orale, durante la quale verranno verificate anche le conoscenze di carattere teorico.
Si prevede che la prova orale sarà divisibile in due parti, ciascuna relativa ad uno dei due moduli di cui è composto il corso.
Criteri di valutazione: Le relazioni sulle esperienze di laboratorio dovranno rispettare gli standard di una pubblicazione scientifica. L'elaborazione dei dati dovrà essere adeguata al problema da risolvere e dovrà dimostrare sia originalità che comprensione delle metodologie classiche.
Durante la prova orale, oltre alla discussione critica delle relazioni, si accerteranno le competenze teoriche acquisite durante le lezioni frontali.

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Laboratory
  • Problem based learning
  • Case study
  • Working in group
  • Problem solving
  • Files e pagine caricati online (pagine web, Moodle, ...)

Didattica innovativa: Software o applicazioni utilizzati
  • jupyter notebook

Obiettivi Agenda 2030 per lo sviluppo sostenibile
Istruzione di qualita' Industria, innovazione e infrastrutture Citta' e comunita' sostenibili