Plano de Ensino - Astroinformática I

UNIVERSIDADE PRESBITERIANA MACKENZIE
Pró-Reitoria de Pesquisa e Pós-Graduação
Coordenadoria Geral de Pós-Graduação Stricto Sensu
PLANO DE ENSINO
Unidade Universitária:
Escola engenharia
Programa de Pós-Graduação:
Ciências e Aplicações Geoespaciais
Curso:
Mestrado Acadêmico
Mestrado Profissional
Doutorado
Disciplina
Astroinformática I
Professor(es):
Prof. Dr. Luciano Silva (Prof. Colaborador)
Observação:
Carga horária:
48
Obrigatória
Optativa
Eletiva
Créditos
04
Ementa:
Estudo e aplicação das principais técnicas e processos de obtenção, análise e visualização de
dados astronômicos e astrofísicos, tendo como base a linguagem de programação Python.
Conteúdo Programático:
Fundamentos de programação em Python. Entrada e modelos de dados astronômicos (arquivos
genéricos, arquivos FITS, observatórios virtuais). Visualização de dados. Análise de dados
unidimensionais. Análise de dados bidimensionais. Análise de dados tridimensionais. Noções de
mineração dados astronômicos e astrofísicos.
Critério de Avaliação
A avaliação da disciplina compreende dois instrumentos:
ARTIGO: desenvolvimento de artigo de pesquisa individual (Pontuação de 0 a 10)
SEMINÁRIO: Apresentação do artigo e discussão em grupo (Pontuação de 0 a 10)
A nota final da disciplina(MF), para obtenção do conceito final, é calculada pela seguinte fórmula:
=
+
Á
2
Segundo Regulamento Geral da Pós-Graduação Stricto Sensu, Art. 98:
A – excelente: corresponde às notas no intervalo entre os graus 9 e 10;
B – bom: corresponde às notas no intervalo entre os graus 8 e 8,9;
C – regular: corresponde às notas no intervalo entre os graus 7 e 7,9;
R – reprovado: corresponde às notas no intervalo entre os graus 0 e 6,9”
Campus Higienópolis: Rua da Consolação, 896 – Edifício João Calvino - 8º andar
Tel. (11) 2114-8143
www.mackenzie.br
Consolação
São Paulo - SP
[email protected]
CEP 01302-907
UNIVERSIDADE PRESBITERIANA MACKENZIE
Pró-Reitoria de Pesquisa e Pós-Graduação
Coordenadoria Geral de Pós-Graduação Stricto Sensu
Bibliografia:
BOSCHETTI, A., MASSARON, L. Python Data Science Fundamentals. New York: Pact
Publishing, 2015.
CARROLL, B.W., OSTLIE, D.A. An Introduction to Modern Astrophysics. New York: Pearson,
2006.
DOGLIO, F. Mastering Python High Performance Programming. New York: Pact Publishing,
2015.
IDRIS, I. Python Data Analysis Cookbook. New York: Pact Publishing, 2016.
______. Python Data Analysis. New York: Pact Publishing, 2014.
IVEZIC, Z., CONNOLLY, A.J., VANDERPLAS, J.T., GRAY, A. Statistics, Data Mining and
Machine Learning in Astronomy: A Practical Python Guide for the Analysis of Survey Data.
Princeton: Princeton University Press, 2014.
LAYTHON, R. Learning Data Mining with Python. New York: CRC Press, 2011.
RAMAN, K. Mastering Python Data Visualization. New York: Pact Publishing, 2015.
CRONOGRAMA (Preenchimento opcional)
ENCONTRO
1ª SEMANA
2ª SEMANA
3ª SEMANA
TEMA(S) DA AULA
Apresentação da disciplina.
Fundamentos de programação em Python.
Fundamentos de programação em Python.
4ª SEMANA
Entrada e modelos de dados astronômicos (arquivos genéricos, arquivos FITS,
observatórios virtuais).
Visualização de dados.
5ª SEMANA
Análise de dados unidimensionais.
6ª SEMANA
Análise de dados unidimensionais.
7ª SEMANA
Análise de dados bidimensionais.
8ª SEMANA
Análise de dados bidimensionais.
9ª SEMANA
Análise de dados bidimensionais.
10ª SEMANA
Noções de mineração de dados astronômicos e astrofísicos.
11ª SEMANA
Noções de mineração de dados astronômicos e astrofísicos.
12ª SEMANA
Seminário de apresentação dos artigos individuais e discussões em grupo.
Campus Higienópolis: Rua da Consolação, 896 – Edifício João Calvino - 8º andar
Tel. (11) 2114-8143
www.mackenzie.br
Consolação
São Paulo - SP
[email protected]
CEP 01302-907