Presentazione

Organizzazione della Didattica

DM270
PHYSICS ORD. 2017

Computing course

6

NuPhys - Nuclear Physics

 

Frontali Esercizi Laboratorio Studio Individuale
ORE: 24 0 24 102

Periodo

AnnoPeriodo
I anno1 semestre

Frequenza

Obbligatoria

Erogazione

Convenzionale

Lingua

Inglese

Calendario Attività Didattiche

InizioFine
30/09/201918/01/2020

Tipologia

TipologiaAmbitoSSDCFU
caratterizzanteSperimentale applicativoFIS/016


Responsabile Insegnamento

ResponsabileSSDStruttura
Prof. ZANETTI MARCOFIS/01Dipartimento di Fisica e Astronomia "Galileo Galilei" - DFA

Altri Docenti

Non previsti

Attività di Supporto alla Didattica

Non previste

Bollettino



Il corso prevede una parte di lezioni frontali (30%) e una parte di lezioni in laboratorio (70%) in aula informatica. Le ore di laboratorio saranno finalizzate ad approfondire ed esercitare le tecniche di analisi dati illustrate durante le lezioni frontali. Verranno proposti esercizi da svolgere utilizzando le risorse di calcolo messe a disposizione dal Dipartimento di Fisica e Astronomia (cloud computing e HPC), nonché dei piccoli progetti di ricerca (esperienze di laboratorio) che gli studenti affronteranno in gruppi di lavoro

- Schema di funzionamento dei calcolatori e delle loro principali componenti. Ottimizzazione dello hardware finalizzata a varie problematiche in ambito di calcolo scientifico: calcolo parallelo, reti e calcolo distribuito - Il linguaggio di programmazione Python: dalle basi alla programmazione avanzata per il calcolo scientifico; principali librerie per la gestione e l'analisi dei dati (numpy, scipy, pandas, scikit-learn, etc.) - Metodi Monte Carlo per la simulazione di fenomeni fisici - Estrazione delle principali proprietà statistiche da dataset fisici e confronto con predizione teorica - Visualizzazione e rappresentazione grafica dei dataset e delle loro proprietà



Rubin Landau, Manuel Paez, Cristian Bordeianu, Computational Physics. : Wiley-VCH,

Verranno fornite dispense di riferimento per la parte di programmazione in python e la descrizione delle sue principali librerie scientifiche. Si farà spesso riferimento a materiale didattico in formato Jupyter notebook, disponibile su repository pubbliche GitHub.