Disciplina destinada aos alunos do Bacharelado em Astronomia. Alunos do Bacharelado em Física poderão cursá-la como disciplina optativa. O objetivo é dar ao aluno uma introdução prática aos conceitos e métodos de análise de dados de uso corrente em Astronomia, fazendo uso da linguagem R.
1. Introdução à probabilidade e estatística; 2. Introdução à linguagem R; 3. Estatística descritiva e distribuições de probabilidades; 4. Simulações de Monte Carlo e MCMC; 5. Testes de hipóteses; 6. Análise de correlação; 7. O método da máxima verossimilhança; 8. Inferência Bayesiana; 9. Comparação de modelos; 10. Introdução ao Aprendizado de Máquina (ML); 11. Métodos não-supervisionados em ML; 12. Regressão e Classificação com ML; 13. Introdução a algoritmos de Deep Learning.
Esta disciplina aborda tópicos de estatística aplicada à análise de dados astronômicos. 1. Introdução à probabilidade e estatística; 2. Introdução à linguagem R; 3. Estatística descritiva e distribuições de probabilidades; 4. Simulações de Monte Carlo e MCMC; 5. Testes de hipóteses; 6. Análise de correlação; 7. O método da máxima verossimilhança; 8. Inferência Bayesiana; 9. Comparação de modelos; 10. Introdução ao Aprendizado de Máquina (ML); 11. Métodos não-supervisionados em ML; 12. Regressão e Classificação com ML; 13. Introdução a algoritmos de Deep Learning.
• Numerical Recipes: the Art of Scientific Computing, Press, Teukolsky, Vetterling e Flannery, 2007 (3a. edição) • Bayesian Data Analysis, Gelman, Carlin, Stern, Dunson, Vehtari e Rubin, 2014 (3a. edição) • Modern Statistical Methods for Astronomy: With R Applications , Feigelson & Babu, 2012 • Data Analysis: a Bayesian Tutorial, Sivia & Skilling, 2006 • Statistics, Data Mining, and Machine Learning in Astronomy, Ivezić, Connolly, VanderPlas & Gray, 2014 • Deep Learning with R, François Chollet, com J.J. Allaire, 2018
