XLIII. IMPLEMENTACIÓN DE TÉCNICAS DE MACHINE LEARNING EN LA EDUCACIÓN SUPERIOR

Resumo

A situação global causada pela COVID-19 nos levou a repensar nossos métodos de ensino. A educação superior não é estranha a esta transformação e, como resultado, professores e pesquisadores têm implementado novas técnicas e metodologias em nossos projetos. No campo da astronomia, os algoritmos de aprendizado de máquina estão ganhando cada vez mais força devido à sua versatilidade e alto poder de previsão, que resulta da implementação dessas técnicas em grandes conjuntos de dados. Há vários projetos que implementei com meus alunos: o primeiro explora o potencial das redes neurais para melhorar a estimativa de alguns parâmetros cosmológicos do modelo padrão ΛCDM. O segundo utiliza um algoritmo K significa que o K não supervisionado classifica
quasares (objetos muito luminosos e distantes), baseados em diferentes propriedades físicas observadas pelo SDSS (Sloan Digital Sky Survey) nas campanhas 12 e 14. A partir dos espectros de poderosos buracos negros em altos redshifts, e outras propriedades físicas detectadas pelo Sloan, geramos uma classificação de quasares com certas linhas de absorção.
O principal objetivo deste trabalho é mostrar o impacto da implementação de modernas técnicas de Aprendizagem de Máquinas em projetos de pesquisa com estudantes de engenharia e as perspectivas destes projetos em outras disciplinas.