Versión imprimible Curso Académico
Análisis espectral de Datos
Curso 2017/18
1. Datos Descriptivos de la Asignatura
ASIGNATURA: Análisis espectral de Datos CÓDIGO: 299342905
- Centro: Facultad de Ciencias
- Titulación: Graduado en Matemáticas
- Plan de Estudios: G034 (publicado en 05-01-2012)
- Rama de conocimiento: Ciencias
- Itinerario/Intensificación: Matemática Pura y Aplicada
- Departamento/s: - Área/s de conocimiento:
  • Astronomía y Astrofísica
- Curso: 4
- Carácter: Optativa
- Duración: Cuatrimestral
- Créditos ECTS: 6.0
- Horario: http://www.ull.es/view/centros/matematicas/Horarios_5/es
- Dirección web de la asignatura: http://www.campusvirtual.ull.es
- Idioma: Español/Inglés (75%/25%)


2. Requisitos para cursar la asignatura
No existen requisitos para cursar esta asignatura. Se recomienda tener conocimientos y manejo de conceptos matemáticos básicos


3. Profesorado que imparte la asignatura
Profesor/a Coordinador/a: FLORENCIO CARLOS LAZARO HERNANDO
- Grupo: Teoría, PA y PE
- Departamento: Astrofísica
- Área de conocimiento: Astronomía y Astrofísica
- Lugar Tutoría: Despacho No. 13 en el Dpto. de Astrofísica, Sección de Física.
- Horario Tutoría: Martes y viernes de 11:00 a 14:00 h
- Teléfono (despacho/tutoría): 922 318 137
- Correo electrónico: clazaro@ull.es
- Dirección web docente: http://www.campusvirtual.ull.es


4. Contextualización de la asignatura en el plan de estudio
- Bloque formativo al que pertenece la asignatura: Optativas
- Perfil profesional: Graduado/a en Matemáticas


5. Competencias
Básicas
[CB5] Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
Específicas
[CE3] Asimilar la definición de un nuevo objeto matemático, en términos de otros ya conocidos, y ser capaz de utilizar este objeto en diferentes contextos.
[CE6] Proponer, analizar, validar e interpretar modelos de situaciones reales sencillas, utilizando las herramientas matemáticas más adecuadas a los fines que se persigan.
[CE8] Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para experimentar en Matemáticas y resolver problemas.


6. Contenidos de la asignatura
Contenidos teóricos y prácticos de la asignatura
- Profesor/a: F. Carlos Lázaro Hernando

- Temas (epígrafes):
0.- Introducción
Aplicaciones del análisis espectral.
1.- Introducción al lenguaje de programación Python.
2.- Series de Fourier.
Ajuste de series a datos reales.
3.- Transformada de Fourier (TF).
Propiedades. Espectro de potencia.
4.- Transformada de Fourier discreta (DFT) y transformada de Fourier rápida (FFT).
Aplicaciones en la búsqueda de periodicidades. Efectos del muestreo de los datos.
5.- Otras técnicas de búsqueda de periodicidades en datos de muestreo irregular.
6. Filtros en el dominio temporal y en el dominio transformado. Inversión espectral.
7.- Aplicaciones de la TF en la convolución y correlación de series de datos.
Efecto del ruido en la deconvolución con la TF. Filtrado óptimo.
8.- Transformada de Fourier en dos dimensiones.
Aplicaciones en óptica y tratamiento de imagen.
Actividades a desarrollar en otro idioma
Se procurará que los informes de las prácticas se presenten en inglés.
Se proporciona y discute bibliografía en inglés.


7. Metodología y volumen de trabajo del estudiante
Descripción
Los contenidos de la teoría estarán apoyados en un apreciable número de aplicaciones en diversos campos de la Ciencia. Las clases magistrales y clases teóricas se dedicarán a la exposición de contenidos teóricos y a la resolución de problemas o ejercicios que los complementen y hagan más sencilla su comprensión.
Las prácticas tienen una dedicación primordial. A lo largo del curso se realizan varias prácticas, cubriendo distintas técnicas de análisis de datos reales y simulados, donde se utiliza la programación en Python.
En general, los ejercicios prácticos se realizarán de manera individual, aunque en algún caso pueden plantearse para grupos de un número reducido de personas.
Durante el curso se realizarán dos controles, como parte de la evaluación continua de la asignatura.

Actividades formativas en créditos ECTS, su metodología de enseñanza-aprendizaje y su relación con las competencias que debe adquirir el estudiante
Actividades formativas Horas presenciales Horas de trabajo autónomo Total Horas Relación con competencias
Clases teóricas  18.00   45.00   63  [CB5], [CE3], [CE6]
Clases prácticas (aula / sala de demostraciones / prácticas laboratorio)  12.00      12  [CE6], [CE8]
Preparación de exámenes     22.50   22.5  [CE6], [CE8]
Realización de exámenes  3.00      3  [CB5], [CE3], [CE6], [CE8]
Prácticas de informática / Laboratorios  18.00      18  [CE6], [CE8]
Otros (seguimientos, seminarios y tutorías)  9.00   22.50   31.5  [CB5], [CE3], [CE6], [CE8]
Total horas  60   90   150 
Total ECTS  6 


8. Bibliografía / Recursos
Bibliografía básica
Bracewell, Ronald N.: The Fourier Transform and its Applications. McGraw-Hill [BULL]
 Oran Brighan E.: The Fast Fourier Transform and its Applications,  Prentice Hall.
[BULL]
Lázaro, C.: Apuntes de la asignatura en el Campus Virtual.
Bibliografía complementaria
Lynn, P.A.: An introduction to the analysis and processing of signal [BULL]



9. Sistema de evaluación y calificación
Descripción
En la evalución continua se tendrán en cuenta dos aspectos, ponderados al 50% cada uno:

1- La entrega de ejercicios prácticos que requieren hacer programas en Python, para analizar datos reales o simulados.
2. Evaluación de conocimientos teóricos en dos controles a lo largo del curso.

Se realizará un examen final, cuya repercusión al ponderarlo con la evaluación continua será como máximo de un 70% y como mínimo de un 40%.

La calificación final de la asignatura será la máxima entre la nota del examen final y la ponderación del examen final con la evaluación continua.


Estrategia Evaluativa
TIPO DE PRUEBA COMPETENCIAS CRITERIOS PONDERACIÓN
Pruebas objetivas  [CB5], [CE3], [CE6], [CE8]   Corrección y precisión en las
respuestas 
 50% 
Informes memorias de prácticas  [CB5], [CE3], [CE6], [CE8]   Descripción de los procedimientos, planificación del trabajo, resumen de las actividades, resultados experimentales.   20% 
Pruebas de ejecuciones de tareas reales y/o simuladas  [CB5], [CE3], [CE6], [CE8]   Habilidad en el manejo de las
herramientas de análisis de datos
reales o simulados, y corrección en los resultados. 
 30% 


10. Resultados de Aprendizaje
 Proporcionar al alumno los conceptos, las herramientas y la habilidad para introducirse en los métodos de procesamiento de señal, utilizando en general datos digitales reales.
Contribuir a que el alumno asimile los conceptos de la experimentación científica, a través de aplicaciones de la Transformada de Fourier, en una amplia variedad de campos de la Ciencia. 


11. Cronograma / calendario de la asignatura

Segundo Cuatrimestre
SEMANA Temas Actividades de
enseñanza aprendizaje
Horas
de trabajo
presencial
Horas
de trabajo
autónomo
Total
Semana 1:  0-1   Teoría
 
 2.00   2.00   4 
Semana 2:  2   Teoría y prácticas
 
 4.00   6.00   10 
Semana 3:  2   Teoría y prácticas
 
 3.00   6.00   9 
Semana 4:  3   Teoría y prácticas

 
 4.00   6.00   10 
Semana 5:  3   Teoría y prácticas

 
 4.00   6.00   10 
Semana 6:  4   Teoría y prácticas
 
 4.00   6.00   10 
Semana 7:  4   Teoría y prácticas
 
 4.00   5.00   9 
Semana 8:  5   Teoría y prácticas

 
 4.00   5.00   9 
Semana 9:   5   Teoría y prácticas

 
 4.00   5.00   9 
Semana 10:  6   Teoría y prácticas
 
 4.00   6.00   10 
Semana 11:  6   Teoría y prácticas   4.00   5.00   9 
Semana 12:  7   Teoría y prácticas
 
 4.00   5.00   9 
Semana 13:  7   Teoría y prácticas
 
 4.00   5.00   9 
Semana 14:  8   Teoría y prácticas
 
 4.00   6.00   10 
Semana 15:  8   Teoría y prácticas   4.00   6.00   10 
Semanas 16 a 18:     Examen   3.00   10.00   13 
Total horas 60 90 150

Fecha de última modificación: 19-07-2017
Fecha de aprobación: 19-07-2017