[커세라 강좌 소개]자료기반 천문학(Data-Driven Astronomy)
https://www.coursera.org/learn/data-driven-astronomy

온라인 대중 강좌(MOOC)를 진행하는 커세라(Coursera)의 천문학 관련 강좌입니다. 천체 관측자료를 IT 기술을 동원하여 분석하는 기법을 소개합니다. 즐겨듣는 팟캐스트 '과학과 사람들'에서 최근에 '어른의 코딩' 편이 방송 되었습니다. '코딩은 우리 주변에' 있고 할 줄 알면 유용할 거라며 공학 뿐만 아니라 '생물', '화학' 분야의 연구에도 활용된다며 여러 예를 들어 주셨는데 막상 천문학의 예가 빠졌더군요. 사실 현대 천문학의 발전 동력은 IT 기술이었는데 말이죠. 모든 천문 관측 자료(지상망원경, 우주망원경, 광학망원경 전파망원경을 모두 망라해서)는 전부 디지털 형태로 저장되고 배포됩니다. 이 자료들을 분석도 컴퓨터 소프트웨어를 사용하죠. 대개 영상처리와 통계 관련 프로그램이 활용됩니다. 이 강좌는 파이썬(Python) 코딩으로 대규모 천체관측 자료를 처리하는 기법을 공부합니다.

관련 강좌:
AstroTech: Science and Technology behind Astronomical Discovery
https://www.coursera.org/learn/astronomy-technology

Analyzing the Universe
https://www.coursera.org/learn/analyze

------------------------

Data-Driven Astronomy (자료기반 천문학)
https://www.coursera.org/learn/data-driven-astronomy



About this course:
이 강좌는,

Science is undergoing a data explosion, and astronomy is leading the way.
과학 분야에서 축적되는 자료의 양적 증가는 폭발적이다. 그중에 천문학분야가 그 선두에 있다.

Modern telescopes produce terabytes of data per observation, and the simulations required to model our observable Universe push supercomputers to their limits.
현대 천체망원경에서 생산되는 자료의 크기는 한회분 관측 대마다 거의 테라바이트(1,000기가 바이트)에 달하며 우리가 관측 가능한 우주 모델을 시뮬레이션 해보는데 만 해도 슈퍼 컴퓨터의 한계 성능을 요구한다.

To analyse this data scientists need to be able to think computationally to solve problems.
이렇게 방대한 자료를 분석하기 위해 과학자들은 문제 해결을 위한 컴퓨터 활용의 필요를 가지게 됐다.

In this course you will investigate the challenges of working with large data-sets:
이 강좌에서 방대한 일련의 자료들을 다루는어려움을 해결하는데 어떤 방법이 있는지 배울 것이다.

how to implement algorithms that work;
알고리즘들이 컴퓨터에서 실행되도록 구현하는 방법;

how to use databases to manage your data;
관측자료를 활용하고 그로부터 얻은 자료를 관리하는 방법;

and how to learn from your data with machine learning tools.
수집한 자료에서 기계학습 도구(자동분석-통계처리, 근사 곡선 그리기 등- 소프트웨어)로 유용한 결과를 도출해 내는 방법;

The focus is on practical skills - all the activities will be done in Python 3, a modern programming language used throughout astronomy.
매주 학습의 끝에 주어지는 모든 연습 문제는 천문학 전반에 두루 사용되고 있는 파이썬 3을 활용한 코딩에 촛점이 맞춰있다.

Regardless of whether you’re already a scientist, studying to become one, or just interested in how modern astronomy works ‘under the bonnet’, this course will help you explore astronomy: from planets, to pulsars to black holes.
이 강좌의 수강자가 이미 과학자이든, 학생이든 또는 앞으로 천문학을 꿈꾸는 이든 아니면 그져 현대 천문학의 업적에 흥미를 가진 '구경꾼'이건 상관 없이 현대 천문학을 둘러보는데 도움을 줄 것이다. 그 관측 대상은 행성에서 펄서 그리고 블랙홀을 아우른다.

Course outline:
강좌개요:

Week 1: Thinking about data
제1주차: 자료의 개념
- Principles of computational thinking
전자계산학에 기초한 자료처리의 원리
- Discovering pulsars in radio images
전파망원경 관측영상에서 펄서 찾기

Week 2: Big data makes things slow
제2주차: 자료가 방대해지면 뭘하든 느려진다.
- How to work out the time complexity of algorithms
복잡한 계산을 빠르게 수행하는 방법
- Exploring the black holes at the centers of massive galaxies
거대 은하의 중심부 블랙 홀 찾기

Week 3: Querying data using SQL
제3주차: 스퀠(SQL)을 이용한 자료 조회
- How to use databases to analyse your data
획득한 자료를 분석하기 위해 데이터베이스 활용하는 법
- Investigating exoplanets in other solar systems
다른 태양계의 외계행성 탐사

Week 4: Managing your data
제4주차: 획득 자료 관리
- How to set up databases to manage your data
수집한 자료의 관리를 위한 데이터 베이스 구축하기
- Exploring the life cycle of stars in our Galaxy
우리 은하내의 별의 일생 탐구

Week 5: Learning from data: regression
제5주차: 자료에서 정보 얻어내기(회귀/경향성 분석)
- Using machine learning tools to investigate your data
수집한 자료를 조사하기 위해 기계학습 도구(분석 소프트웨어)를 활용하기
- Calculating the red-shifts of distant galaxies
먼 은하의 적색편이 계산하기

Week 6: Learning from data: classification
제6주차: 자료에서 정보 얻어내기(자료분류)

수집한 자료를 분류하기 위해 기계학습 도구(분석 소프트웨어)를 활용하기


Each week will also have an interview with a data-driven astronomy expert.
각 주마다 자료기반 천문학 전문가의 인터뷰를 실도록 하겠다.

Note that some knowledge of Python is assumed, including variables, control structures, data structures, functions, and working with files.