Programme des cours 2016-2017
SPAT0002-1  
Programming techniques, numerical methods and machine learning
Durée :
10h Th, 20h Pr
Nombre de crédits :
Master en sciences spatiales, à finalité3
Nom du professeur :
Benoît Bovy, Dominique Sluse
Coordinateur(s) :
Benoît Bovy
Langue(s) de l'unité d'enseignement :
Langue anglaise
Organisation et évaluation :
Enseignement au deuxième quadrimestre
Unités d'enseignement prérequises et corequises :
Les unités prérequises ou corequises sont présentées au sein de chaque programme
Contenus de l'unité d'enseignement :
Ce cours propose une introduction pratique aux méthodes numériques couramment utilisées en astrophysique et en sciences spatiales. Il donne également un aperçu et une initiation à quelques outils de développement utiles à l'implémentation ou l'intégration de ces méthodes, et pouvant plus généralement aider le scientifique dans ses tâches au quotidien.
Le cours se divise en deux parties principales:


  • La partie « Programmation » présente une vue d'ensemble des outils du développeur (Shell, IDE, types de langages et leur usage, systèmes de contrôle  de version de type Git), quelques concepts dans le cadre du développement open-source ainsi qu'une introduction au langage Python et à ses libraires scientifiques de base (Numpy / Scipy / Matplotlib / Astropy).
  • La partie « Méthodes Numériques » vise à introduire les étudiants à une gamme étendue de méthodes numériques. Suivant les intérêts et besoins des étudiants, plusieurs éléments parmi les thèmes suivants seront étudiés:  les méthodes numériques d'inférence statistique classique ou fréquentiste (Maximum Likelihood Estimation, estimation des intervalles de confiance via Jackknife et bootstrapping, test d'hypothèse), les méthodes d'inférence statistique bayésienne (MCMC appliquée à l'estimation d'intervalles de confiance, à la sélection de modèles), le principe général des méthodes de réseaux de neurones et de machine learning (supervisé, non-supervisé). La présentation de ces méthodes est accompagnée d'exemples et de problèmes concrets.
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement :
  • Comprendre les principes de base d'une large gamme de méthodes numériques couramment utilisées en sciences spatiales et en astrophysique.
  • Etre capable d'implémenter un traitement numérique ainsi que les opérations relatives à son exécution et/ou l'exploitation des résultats (entrée/sortie, visualisation, etc.).
  • Suivre les bonnes pratiques en matière de programmation et développement de projet (lisibilité, reproductibilité...).
Savoirs et compétences prérequis :
Une maîtrise des concepts de base de la programmation (boucles, boucles conditionelles, fonction, notions d'objet, ...), par exemple abordés dans le cours "Introduction à la programmation (INFO0201-1)". Une connaissance de base en statistiques (calcul de probabilités, probabilités conditionelles, notions d'inférence bayesienne) telle qu'enseignée dans le cours "Statistique des données expérimentales de la physique STAT0064-3" est également indispensable.
Activités d'apprentissage prévues et méthodes d'enseignement :
Le support du cours théorique est sous forme de notebooks Jupyter (http://jupyter.org) qui contiennent, en plus de la matière vue, des exemples et des petits exercices interactifs permettant aux étudiants une expérience directe des méthodes et notions présentées. Les travaux pratiques sont consacrés à l'étude de problèmes plus avancés dont la résolution se fera à l'aide de librairies Python dans lesquelles plusieurs algorithmes vus au cours sont implémentés.
 
Mode d'enseignement (présentiel ; enseignement à distance) :
Cours donné à raison de 3h/semaine, le 2ème quadrimestre.
Lectures recommandées ou obligatoires et notes de cours :
Le cours s'appuiera principalement sur le livre suivant ainsi que sur divers notebooks et cours en ligne existants:
D'autres références utiles seront fournies aux étudiants durant les cours.
 
Modalités d'évaluation et critères :
L'évaluation sera fondée sur
  • la réalisation et la présentation d'un projet de recherche et de programmation (personnel ou par petits groupes);
  • et/ou examen oral.
Stage(s) :
Remarques organisationnelles :
Contacts :
Benoît Bovy  /    Dominique Sluse Université de Liège Institut d'Astrophysique et de Géophysique (Bât. B5c) 17, allée du Six-Août B-4000 Liège Tél.: (+32) (4) 366 9797  (D. Sluse)
eMail: bbovy@ulg.ac.be   /    dsluse@ulg.ac.be