AST9240 – Bayesiansk kosmologisk dataanalyse
Beskrivelse av emnet
Timeplan, pensum og eksamensdato
Kort om emnet
Emnet gir en oversikt over radio- og mikrobølgeastronomi og observasjoner i moderne kosmologi. Det gir grundig opplæring i Bayesiansk dataanalyse med kosmologiske anvendelser, med vektlegging av observasjoner av den kosmiske bakgrunnstrålinga.
Hva lærer du?
Etter å ha fullført emnet kan du:
- beskrive de fysiske prosessene bak radio- og mikrobølgestråling fra Melkeveien og andre galakser
- drøfte moderne metoder for kosmologisk dataanalyse, inkludert Bayesiansk parameterestimering
- identifisere relevante datasett for analyse av den kosmiske bakgrunnstrålinga og andre kosmologiske signaler, inkludert COMAP, PASIPHAE, Planck, SPIDER, WMAP, DIRBE osv.
- bruke Commander-programpakken til å analysere observasjoner av den kosmiske bakgrunnsstrålinga
Opptak til emnet
Ph.d.-kandidater ved UiO søker plass på undervisningen og melder seg til eksamen i Studentweb.
Hvis emnet har begrenset kapasitet, vil ph.d.-kandidater som har emnet i sin utdanningsplan ved UiO bli prioritert. Noen nasjonale forskerskoler kan ha egne regler for rangering av søkere til emner med begrenset kapasitet.
Ph.d.-kandidater som har opptak ved andre utdanningsinstitusjoner må innen 15. juni søke om hospitantplass. Det vil ikke være mulig å melde seg på emnet etter at undervisning har begynt. Nærmere informasjon finnes ved å følge denne lenken.
Maksimalt 15 studenter per år. Hvis emnet har begrenset kapasitet, vil søkere fra INTPART-institusjoner i Global Component Separation Network og studenter som har emnet i sin utdanningsplan ved UiO bli prioritert. Det vil ikke være mulig å melde seg på emnet etter at undervisning har begynt. Erfaringsmessig er det plass til alle som søker opptak til emnet innen fristen.
Anbefalte forkunnskaper
- Bachelorgrad fra programmet Fysikk og astronomi (bachelor)
- Emne:AST3220
- Emne:AST5220
Overlappende emner
- 5 studiepoeng overlapp med AST5240 – Bayesiansk kosmologisk dataanalyse.
Undervisning
Dette er et intensivemne, med forelesninger og studentaktive gruppeøvelser. Emnet varer i to uker med 20 undervisningstimer og resten av tiden vil bestå av prosjektarbeid. Under prosjektarbeidet er det forventet at studenten skal først reprodusere et kjent komponentseparingstilfelle og så utvide dette med et selvvalgt datasett.
Undervisning foregår i to første ukene av september, og det vil ikke være mulig for studenter å melde seg på etter at undervisning har begynt. Det er forventet at studenter skal gi en muntlig presentasjon av prosjektarbeidet ved slutten av den andre uken av kurset. Studenter skal også levere en skriftlig rapport to uker etter gjennomføring av emnet.
Det er obligatorisk oppmøte til alle undervisningsaktiviteter i emnet for å bestå emnet.
Eksamen
I løpet av emneperioden skal studenten gjøre et større prosjektarbeid som teller 100 % ved sensureringen. Resultater fra prosjektarbeidet skal først presenteres muntlig i slutten av emneperioden. To uker etter gjennomføring av emnet, skal studenten også levere en skriftlig rapport av prosjektarbeidet som blir i form av hjemmeeksamen. Hele karakteren fastsettes på grunnlag av prosjektarbeidet.
Det er obligatorisk oppmøte til alle undervisningsaktiviteter i emnet for å bestå emnet.
Hjelpemidler til eksamen
Alle hjelpemidler er tillatt under arbeid med prosjektoppgaven og hjemmeeksamen.
Eksamensspråk
Eksamensoppgaven blir gitt på engelsk, og du skal besvare eksamenen på engelsk.
Karakterskala
Emnet bruker karakterskala bestått/ikke bestått. Les mer om karakterskalaen.
Adgang til ny eller utsatt eksamen
Det gis ikke utsatt eksamen ved oppstått sykdom e.l. Dersom sykdom eller annet gyldig grunn forhindrer kandidaten å gjennomføre eksamen, så skal dette dokumenteres med gyldig legeattest e.l. før kursperioden tar slutt. Instituttet vurderer om det kan innvilges utsatt innlevering og muntlig presentasjon.
Mer om eksamen ved UiO
- Kildebruk og referanser
- Tilrettelegging på eksamen
- Trekk fra eksamen
- Syk på eksamen / utsatt eksamen
- Begrunnelse og klage
- Ta eksamen på nytt
- Fusk/forsøk på fusk
Andre veiledninger og ressurser finner du på fellessiden om eksamen ved UiO.