Universität Wien
Achtung! Das Lehrangebot ist noch nicht vollständig und wird bis Semesterbeginn laufend ergänzt.

280522 VU Data Science in Astrophysics (2024S)

8.00 ECTS (4.00 SWS), SPL 28 - Erdwissenschaften, Meteorologie - Geophysik und
Prüfungsimmanente Lehrveranstaltung
Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 55 Teilnehmer*innen
Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

Introduction on 04.03.2024 11:30 - 13:00 Littrow-Hörsaal Astronomie Sternwarte

  • Montag 04.03. 11:30 - 13:00 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 07.03. 09:45 - 11:15 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Montag 11.03. 11:30 - 13:00 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 14.03. 09:45 - 11:15 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Montag 18.03. 11:30 - 13:00 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 21.03. 09:45 - 11:15 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Montag 08.04. 11:30 - 13:00 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 11.04. 09:45 - 11:15 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Montag 15.04. 11:30 - 13:00 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 18.04. 09:45 - 11:15 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Montag 22.04. 11:30 - 13:00 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 25.04. 09:45 - 11:15 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Montag 29.04. 11:30 - 13:00 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 02.05. 09:45 - 11:15 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Montag 06.05. 11:30 - 13:00 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Montag 13.05. 11:30 - 13:00 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 16.05. 09:45 - 11:15 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 23.05. 09:45 - 11:15 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Montag 27.05. 11:30 - 13:00 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Montag 03.06. 11:30 - 13:00 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 06.06. 09:45 - 11:15 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Montag 10.06. 11:30 - 13:00 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 13.06. 09:45 - 11:15 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Montag 17.06. 11:30 - 13:00 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 20.06. 09:45 - 11:15 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Montag 24.06. 11:30 - 13:00 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17
  • Donnerstag 27.06. 09:45 - 11:15 Littrow-Hörsaal Astronomie Sternwarte, Türkenschanzstraße 17

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

A big part of modern astrophysics and astronomy consists in working with large datasets obtained from observatories and supercomputing facilities. This lab course will cover essential aspects of modern statistics, data analysis, and machine learning with a focus to the application to astrophysical problems. The courses will include introductory lectures, followed by hands-on sessions using astrophysical data sets (where possible). The relevant astrophysical concepts will be introduced as well, so that for non-astrophysics majors a key interest will lie in the application of modern methods to relevant astrophysical problems.

Topics will include (sometimes split into multiple units, and not necessarily in chronological order):
- density estimation
- spatial statistics
- data representation and compression, singular value decomposition, autoencoders
- regression
- gaussian processes
- classical machine learning
- supervised machine learning and neural networks
- physics informed neural networks
- generative models
- data visualisation

The final part of the course is dedicated to a ‘focus project’, i.e. an individually carried out small project extending an aspect of the course beyond what is covered.

Art der Leistungskontrolle und erlaubte Hilfsmittel

The final mark will be determined based on a series of weekly issued projects/homework problem sets that are to be solved and for which a report has to be written that will be graded; as well as an independent focus project (i.e. a more in-depth follow-up project on one of the topics of the course; possible topics will be mutually agreed upon)

Mindestanforderungen und Beurteilungsmaßstab

Minimum requirement: at least 50% of points on homework projects, and submission of 4-5 page focus project.

Final mark will come 67% from homework, and 33% from focus project. Homework can be done in groups of 2, focus project must be carried out and submitted individually.

Note that students in the Computational Science Master need to submit only a proportionally reduced number of projects (75%, as they receive only 6 ECTS for this course).

Prüfungsstoff

n/a

Literatur

Lecture notes will be provided ahead of each session through moodle.

Zuordnung im Vorlesungsverzeichnis

DAT

Letzte Änderung: Sa 02.03.2024 10:46