OBIETTIVI FORMATIVI

l corso fornisce metodi di analisi numerica e metodi avanzati di analisi dati.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

Il corso si occupa di fisica computazionale, affrontando la soluzione numerica delle equazioni differenziali ordinarie e alle derivate parziali, e di analisi dati avanzata, trattando rudimenti di simulazione Monte Carlo, approfondendo le tecniche di best-fit e accennando a tecniche multivariate di separazione di segnale dal fondo.

Il corso si prefigge inoltre di estendere le conoscenze informatiche acquisite a Laboratorio di Calcolo affrontando più approfonditamente la programmazione Object-Oriented in C++ e fornendo rudimenti di Python e shell scripting. Quando necessario si useranno pacchetti di più alto livello (ROOT, Octave/Matlab).

MODALITA' DIDATTICHE

Lezioni frontali ed esercitazioni di laboratorio.

PROGRAMMA/CONTENUTO

Programma delle lezioni:

• Programmazione OO (ereditarietà, polimorfismo), shell scripting e Python, esemplificazione dell'uso di pacchetti/librerie specifiche (ROOT, Octave/Matlab)
• Soluzione numerica delle equazioni differenziali ordinarie. Applicazioni alla fisica classica e alla meccanica quantistica (metodo di Numerov per l'equazione di Schrodinger).
• Soluzione numerica delle equazioni differenziali alle derivate parziale. Applicazioni a eletromagnetismo e propagazione del calore.
• Introduzione alla generazione di variabile aleatorie e alla simulazione Monte Carlo
• Estrazione di grandezze di interesse da un campione di dati: Likelihood binned e unbinned. Stima puntuale, intervalli di confidenza. Test d'ipotesi. Limiti.
• Cenni a tecniche di classificazione multivariata (Likelihood ratio, reti neurali).

TESTI/BIBLIOGRAFIA

Sono forniti appunti/slides durante il corso. Un'elenco di possibili testi per approfondimenti è disponibile sulla pagina del corso su Aulaweb.