Técnicas Computacionales Básicas
(Curso Académico 2025 - 2026)

Mostrar Todo Ocultar Todo

• CE8 - Saber programar, al menos, en un lenguaje relevante para el cálculo científico en Astrofísica
• CE11 - Saber utilizar la instrumentación astrofísica actual (tanto en observatorios terrestres como espaciales) especialmente aquélla que usa la tecnología más innovadora y conocer los fundamentos de la tecnología utilizada

• CG1 - Conocer las técnicas matemáticas y numéricas avanzadas que permitan la aplicación de la Física y de la Astrofísica a la solución de problemas complejos mediante modelos sencillos
• CG4 - Evaluar los órdenes de magnitud y desarrollar una clara percepción de situaciones físicamente diferentes que muestren analogías permitiendo el uso, a nuevos problemas, de sinergias y de soluciones conocidas

• CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
• CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios
• CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios
• CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo

El contenido teórico y práctico del curso se divide en los siguientes temas:
Tema 1. Introducción a la programación con Python
1.1 Introducción a los lenguajes de programación
1.2 Instalación y puesta en marcha
1.3 Tipos de datos
1.4 Operadores
1.5 Módulos
1.6 Operaciones y estructuras de datos
1.7 Sentencias de control de flujo
1.8 Lectura y escritura de archivos
1.9 Funciones definidas por el usuario
1.10 Ejecución de código con excepciones
1.11 Paso de argumentos en la línea de comandos
1.12 Clases
1.13 Gráficos

Tema 2. Representación gráfica de datos científicos
2.1 Filosofía de un gráfico con calidad de publicación
Excurso: trabajo y escritura científica
2.2. Estructura y construcción de una figura en Python
2.3 Gráficos 2D
2.4 Gráficos 3D
2.5 Excursus: Renderizado de vídeos

Tema 3. Análisis estadístico de datos
3.1 Introducción, bibliotecas
3.3 Materiales
3.4 Conceptos preliminares: Medición; Precisión y exactitud; Errores aleatorios y sistemáticos; Observable; Sesgo; Estimador; Ruido; Modelo de datos
3.5 Caracterización de las mediciones: Media, mediana y moda; Desviaciones; Varianza; Significancia; Matriz de covarianza
3.6 Funciones de distribución de densidad de probabilidad: Distribuciones continuas y discretas; Representación de distribuciones; Asimetría/asimetría y curtosis; Ejercicios
3.7 Funciones de probabilidad: Muestreo de funciones de probabilidad
3.8 Intervalos de confianza

Tema 3. Ajuste lineal y no lineal
4.1 Método de mínimos cuadrados
4.2 Funciones no lineales

Tema 5. Fundamentos del análisis de series de tiempo en Python
5.1 Filosofía del análisis de series de tiempo
5.2 Análisis de Fourier y Transformada Rápida de Fourier
5.3 Periodograma de Lomb-Scargle
5.4 Minimización de la dispersión de fase
5.5 Autocorrelación/correlación cruzada
5.6 Los colores del ruido
Excurso: Análisis wavelet y procesos gaussianos

El curso se impartirá en inglés.

El material educativo, los ejercicios propuestos en clase y los exámenes serán en inglés.

Cada semana se impartirán dos clases de dos horas de duración cada una en el Centro de Cálculo del Alumnado (CCA), utilizando un ordenador por persona. La primera parte de la clase se dedicará a explicar los contenidos de los temas, que se pondrán a disposición del alumnado en el Aula Virtual al principio del curso en forma de apuntes. La segunda parte se dedicará a desarrollar de forma práctica los conocimientos adquiridos. Se procurará la implicación y participación del alumnado. Las clases de problemas estarán supervisadas por el profesor y serán dedicadas a la resolución individual, o por parejas, de distintas listas de problemas y su posterior corrección y puesta en común.

En caso de situaciones de riesgo declaradas oficialmente, para la programación y realización de las actividades docentes se estará a lo previsto en el plan específico del centro.

Actividades formativas	Horas presenciales	Horas de trabajo autónomo	Total horas	Relación con competencias
Clases teóricas	4,00	0,00	4,0	[CG1], [CE8]
Clases prácticas (aula / sala de demostraciones / prácticas laboratorio)	26,00	0,00	26,0	[CB6], [CG1], [CE8]
Realización de trabajos (individual/grupal)	0,00	18,00	18,0	[CG4], [CB6], [CB7], [CB8], [CB10], [CG1], [CE8], [CE11]
Estudio/preparación de clases teóricas	0,00	0,00	0,0	[CG4], [CB6], [CB7], [CB8], [CB10], [CG1], [CE8], [CE11]
Estudio/preparación de clases prácticas	0,00	0,00	0,0	[CB6], [CG1], [CE8]
Preparación de exámenes	0,00	0,00	0,0	[CB6], [CB7], [CB8], [CB10], [CG1], [CE8]
Realización de exámenes	0,00	0,00	0,0	[CG1], [CE8]
Asistencia a tutorías	0,00	0,00	0,0	[CG1], [CE8]
Estudio/preparación de Clases	0,00	27,00	27,0	[CG1], [CE8]
Total horas
Total ECTS

Apuntes del curso: Kitaura et al., Técnicas Computacionales Básicas - Máster en Astrofísica; disponible en el
Campus Virtual ULL
.

Bevington, P. R. And Robinson, D. K., Data Reduction and Error Analysis for the Physical Sciences, 1969;
ENLACE BIBLIOTECA ULL

David B. Dunson, D. B., Gelman, A., Rubin, D. B., Stern, H. S., Vehtari, A., Carlin, J. B., Bayesian Data Analysis - 3rd edition, 2013;
ENLACE BIBLIOTECA ULL

Kwong-Tin, T., Mathematical Methods for Engineers and Scientists 3: Fourier Analysis, Partial Differential Equations and Variational Methods, 2006;
ENLACE BIBLIOTECA ULL

Brillinger, D. R., Some Examples of Empirical Fourier Analysis in Scientific Problems, Springer, 2011;
ENLACE BIBLIOTECA ULL

E-Handbook of Statistical Methods;
ENLACE
 

Van Loan, C., Computational Frameworks for the Fast Fourier Transform, SIAM, 1992;
ENLACE BIBLIOTECA ULL

La asignatura está integrada en el
Aula Virtual de la ULL

La evaluación del curso se basa en un trabajo práctico (50%) y un examen final (50%, 9.1.26). Ambas partes (práctica y examen) deben aprobarse por separado para aprobar el curso. El trabajo práctico consistirá en desarrollar un algoritmo específico para resolver un problema a determinar. Un requisito previo para aprobar el trabajo práctico es explicarlo al profesor en una tutoría, dado que el curso es práctico.

Tipo de prueba	Competencias	Criterios	Ponderación
Pruebas objetivas	[CB6], [CB7], [CB8], [CB10], [CG1], [CE8]	Precisión en las respuestas que evalúan los conocimientos adquiridos en la asignatura.	10,00 %
Pruebas de respuesta corta	[CB6], [CB7], [CB8], [CB10], [CG1], [CE8]	Precisión en las respuestas que evalúan los conocimientos adquiridos en la asignatura.	10,00 %
Pruebas de desarrollo	[CB6], [CB7], [CB8], [CB10], [CG1], [CE8]	Pruebas escritas constituidas por preguntas teórico-prácticas. El interés no sólo se centra en evaluar una respuesta como producto, sino también en obtener información sobre cómo el estudiante estructura o desarrolla la respuesta para llegar al resultado esperado.	30,00 %
Trabajos y proyectos	[CG4], [CB6], [CB7], [CB8], [CB10], [CG1], [CE8], [CE11]	Capacidad de aplicar los conocimientos adquiridos a casos prácticos. Demostración de las habilidades para resolver problemas astrofísicos que requieren un lenguaje de programación de alto nivel.	30,00 %
Informes memorias de prácticas	[CG4], [CB6], [CB7], [CB8], [CB10], [CG1], [CE8], [CE11]	Se comprobará que el alumnado ha sabido plasmar por escrito las competencias adquiridas en los trabajos y proyectos.	20,00 %

Se empleará como guía principal el escrito para el curso desarrollado por Kitaura et al., Técnicas Computacionales Básicas, enfatizando la resolución de problemas concretos y resumiendo la parte teórica correspondiente a la estadística Bayesiana y análisis de Fourier. Las fechas de impartición de los temas son orientativas.

Se realizará un proyecto práctico, que representa el 50% de la calificación. La fecha límite para la entrega de este proyecto es el 31 de octubre. La semana siguiente, los equipos del proyecto tendrán una reunión de una hora para presentar y discutir su proyecto con el profesor.

Semana	Temas	Actividades de enseñanza aprendizaje	Horas de trabajo presencial	Horas de trabajo autónomo	Total
Semana 1:	1	Introducción. Explicación de los objetivos de aprendizaje y métodos de evaluación. Clases teóricas y prácticas	4.00	5.00	9.00
Semana 2:	1	Clases teóricas y prácticas	4.00	5.00	9.00
Semana 3:	1	Clases teóricas y prácticas	4.00	5.00	9.00
Semana 4:	2	Clases teóricas y prácticas	4.00	5.00	9.00
Semana 5:	2 y 3	Clases teóricas y prácticas	4.00	5.00	9.00
Semana 6:	4	Clases teóricas y prácticas	4.00	5.00	9.00
Semana 7:	5	Clases teóricas y prácticas. presentación del informe del proyecto	4.00	5.00	9.00
Semana 8:			2.00	10.00	12.00
Total			30.00	45.00	75.00