Durée
20h Th, 10h Pr
Nombre de crédits
| Master en sciences spatiales, à finalité approfondie | 4 crédits | |||
| Master en sciences spatiales, à finalité spécialisée | 4 crédits |
Enseignant
Langue(s) de l'unité d'enseignement
Langue anglaise
Organisation et évaluation
Enseignement au deuxième quadrimestre
Horaire
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 est une introduction pratique à l'analyse de données appliquée aux ondes gravitationnelles et couvre les techniques suivantes de traitement des signaux:
- Analyse de séries temporelles en temps et fréquences
- Filtrage spectral pour la reduction du bruit instrumental
- Filtrage adaptatif pour la recherche de coalesences binaires compactes
- Recherche d'excès de puissance avec hypothèses minimales sur les propriétés du signal
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement
Comprendre les principes de base du traitement des signaux actuellement utilisés dans le domaine des ondes gravitationnelles et explorer des données avec des propriétés à priori inconnues ainsi que l'utilisation d'outils utiles aux experts en mégadonnées.
Savoirs et compétences prérequis
Prerequis: Une connaissance du langage Python et de ses libraires scientifiques de base (Numpy / Scipy / Matplotlib / Astropy) telle qu'enseignée dans le cours "Programming techniques, numerical methods and machine learning" (SPAT0002-1).
Conseillé: Une connaissance des principes de détection & des sources d'ondes gravitationnelles telle qu'enseignée dans le cours "Gravitational waves" (SPAT0075-1) est également recommandée.
Activités d'apprentissage prévues et méthodes d'enseignement
Le cours se base sur des notebooks Jupyter interactifs introduits en début de session.
Page web du cours
Mode d'enseignement (présentiel, à distance, hybride)
Cours donné exclusivement en présentiel
Explications complémentaires:
Cours donné en présentiel à raison de 2h/semaine, le 2ème quadrimestre.
Supports de cours, lectures obligatoires ou recommandées
Python for Signal Processing, José Unpingco
Modalités d'évaluation et critères
Travail à rendre - rapport
Stage(s)
Remarques organisationnelles et modifications principales apportées au cours
Ordinateurs disponibles dans la salle de cours.
Si vous souhaitez utiliser votre propre ordinateur portable, une pre-installation des logiciels est necessaire. Veillez contacter l'enseignant avant de debut du cours.
Contacts
Maxime Fays (maxime.fays@uliege.be) Room 4.43 Bât. B5A Inter. fondamentales en physique et astrophysique (IFPA) Quartier Agora allée du six Août 19 4000 Liège 1 Belgique Téléphone de service: +32 4 3663643