Обработка и анализ данных физического эксперимента

Бакалавриат 2022/2023

Лучший по критерию «Полезность курса для Вашей будущей карьеры»

Лучший по критерию «Новизна полученных знаний»

Статус: Курс обязательный (Физика)

Направление: 03.03.02. Физика

Кто читает: Факультет физики

Где читается: Факультет физики

Когда читается: 2-й курс, 3, 4 модуль

Формат изучения: с онлайн-курсом

Онлайн-часы: 10

Охват аудитории: для своего кампуса

Преподаватели: Бочарников Владимир Олегович, Корнилов Матвей Викторович

Язык: русский

Кредиты: 3

Контактные часы: 84

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

Курс «Обработка и анализ данных физического эксперимента» посвящен основным методам и подходам, применяемым в современной физике для обработки и анализа данных экспериментов. В рамках курса, изучаемые методы и подходы реализуются в виде программ для ЭВМ с использованием языка Python, что позволяет сформировать практические навыки обработки и анализа данных в современном эксперименте, обладающим высокой степенью автоматизации. Результатом освоения курса является формирование базовых представлений об основных методах обработки экспериментальных данных, базовых навыков построения математических моделей для анализа данных экспериментов, навыков использования языка Python и библиотек numpy, scipy, sklearn, базовых навыков применения машинного обучения для для анализа данных физического эксперимента. Курс предполагает базовые знания основных физических законов и явлений, теории вероятности и статистики, и начальные навыки программирования на языке Python. Курс предназначен для студентов бакалавриата образовательной программы Физика.

Цель освоения дисциплины

формирование у студентов базовых знаний об основных методах обработки экспериментальных физических данных;
формирование у студентов знаний по теоретическим основам статистических методов обработки и анализа данных;
формирование у студентов навыков применения методов машинного обучения для анализа данных физического эксперимента;
формирование навыков работы с научными библиотеками языка Python: numpy, scipy, sklearn.

Планируемые результаты обучения

знает и умеет применять : хранение данных в виде текстовых файлов. Хранение данных в виде бинарных файлов. Системы контроля версий. Git и основы работы с ним
знает и умеет применять линейный и нелинейный метод наименьших квадратов.
знает принцип максимального правдоподобия. Оценка функции правдоподобия в моделях со скрытыми параметрами, EM-алгоритм
имеет навыки моделирование методом Монте-Карло с помощью Марковских цепей (MCMC).
умеет обрабатывать шумовые сигналы
умеет оценивать параметры статистического распределения из набора экспериментальных данных
умеет применять детерминистические методы оптимизации и метод крыловских подпространств: метод сопряженных градиентов и его модификации.
умеет применять методы машинного обучения для решения задач обработки научных данных
умеет применять оптимизация с ограничениями, метод множителей Лагранжа, линейное программирование, симплекс-метод.
умеет работать с системами с общей памятью.