Bonjour à tous,
Nouveau sur ce forum,
Je suis adhérent à la SAF et à la [url]Société Astronomique de Montpellier[https://societe-astronomique-montpellier.fr/] où j'anime des ateliers d'initiation à la spectroscopie et à la Data Astronomie.
Ma référence principale dans ce dernier domaine est l'article écrit en 2020 par Markus Pössel qui dirige l'IAU Office of Astronomy for Education (Pössel, M. (2020). A Beginner’s Guide to Working with Astronomical Data. _The Open Journal of Astrophysics_, _3_(1), 10.21105/astro.1905.13189. https://doi.org/10.21105/astro.1905.13189) qui me semble particulièrement éclairant et structurant (et dont je recommande largement la lecture).
La gestion des données issues des différents observatoires (dans et hors de l'atmosphère terrestre) me passionne. J'utilise un ensemble d'outils "open-source" basés la plupart du temps sur Python et ses bibliothèques (astropy, ...) pour reproduire ( dans un premier temps) certaines recherches déjà publiées. Puis dans un second temps réaliser des travaux sur des données délaissées par les chercheurs professionnels.
En m'inscrivant sur ce forum, je souhaite partager mes expériences et mes questionnements avec ceux d'entre-vous qui auraient la même sensibilité.
à très vite j'espère...
Présentation Pierre-Bernard Toubol
-
Francois Teyssier
- Posts: 1521
- Joined: Fri Sep 23, 2011 1:01 pm
- Location: Rouen
- Contact:
Re: Présentation Pierre-Bernard Toubol
Bonjour Pierre-Bernard,
Une démarche trés intéressante.
Peux-tu nous montrer un example ou deux?
Bienvenue sur le Forum
François Teyssier
Une démarche trés intéressante.
Peux-tu nous montrer un example ou deux?
Bienvenue sur le Forum
François Teyssier
François Teyssier
http://www.astronomie-amateur.fr
http://www.astronomie-amateur.fr
-
Pierre Toubol
- Posts: 4
- Joined: Wed Mar 06, 2024 4:49 pm
Re: Présentation Pierre-Bernard Toubol
La bibliographie disponible en langue française dans le domaine de la data-astronomie (ou astro-informatique) est relativement restreinte en dehors des supports de cours universitaires. Ces derniers restent, de plus, rarement accessibles au public "amateur" ou "amateur éclairé" auquel je m'adresse (comme à la SAM par exemple). L'objectif est donc de leur permettre de monter en compétence pour accompagner les chercheurs professionnels dans des projets de type "Pro-Am".
Les questions structurantes auxquelles je souhaite contribuer par un apport de réponses concrètes sont les suivantes :
1- A partir d'exemples : proposer et décrire le plus simplement et le plus rigoureusement possible les outils conceptuels et théoriques permettant de comprendre et d'exploiter des données astronomiques. Apprendre à collecter, gérer, analyser et interpréter ces données pour en tirer des informations significatives sur l'univers.
2- Permettre à chacun d'améliorer et d'approfondir ses compétences en analyse de données et en programmation.
3 - Présenter des études de cas de niveau de difficulté progressives, des exemples de recherche, de production de résultats propres à permettre l'exploreration de nouveaux horizons.
4 - Combiner les domaines d'expertise en astronomie et en informatique nécessaires pour aborder des problèmes astronomiques d'une manière nouvelle et innovante.
5 - Répondre à un besoin croissant de notre communauté en participant à offrir des conseils, des méthodes et des ressources pour exploiter ces données de manière efficace.
6 - Permettre une meilleure implantation de la "science dans la ville" en fournissant des moyens d'échanges constructifs entre amateurs et professionnels du domaine à l'instar des projets "zooniverses"[^zoo](https://www.zooniverse.org/), "Gemini"[^gemini](https://proam-gemini.fr/), "BOINC"[^boinc](https://boinc.berkeley.edu/), scistarter[^scistarter](https://scistarter.org/) ou rapas[^rapas](https://proam-gemini.fr/rapas/).
Le public intéressé devrait disposer d'un niveau de compétence minimal (Terminales spécialités scientifiques[^spe] ou L1 ) accompagné d'un enthousiasme certain. Cela comprend une connaissance pratique des bases de la programmation, des langages tels que Python, et de la manipulation de données à l'aide de bibliothèques spécifiques telles que NumPy, Pandas, ou des outils de visualisation de données tels que Matplotlib d'une part, et d'autre part la connaissance des concepts tels que les différentes échelles de temps et d'espace, les types d'objets astronomiques, les phénomènes célestes courants, etc. Une familiarité avec les télescopes et les instruments astronomiques serait également utile.
Afin de souligner l'importance croissante des données astronomiques massives collectées par les télescopes modernes et décrire comment ces données peuvent être utilisées pour de nouvelles découvertes scientifiques, un rappel ou une sensibilisation aux concepts de base en analyse de données tels que les statistiques, les méthodes d'apprentissage automatique (machine learning) et la visualisation des données serait bénéfique pour tirer pleinement parti des applications pratiques qui seront proposées.
Quelques références :
Borne, K. D. (2010). Astroinformatics: data-oriented astronomy research and education. *Earth Science Informatics*, *3*(1‑2), 5‑17. https://doi.org/10.1007/s12145-010-0055-2
Pössel, M. (2020). A Beginner’s Guide to Working with Astronomical Data. *The Open Journal of Astrophysics*, *3*(1), 10.21105/astro.1905.13189. https://doi.org/10.21105/astro.1905.13189
Midavaine, T. & Herpin, F. (2019). Status of the amateur-professional collaborations. Dans *SF2A-2019: Proceedings of the Annual meeting of the French Society of Astronomy and Astrophysics* .
[^spe]: Mathématiques, Physique, chimie, Sciences de la vie et de la Terre, Sciences de l’ingénieur, Numérique et sciences informatique
Les questions structurantes auxquelles je souhaite contribuer par un apport de réponses concrètes sont les suivantes :
1- A partir d'exemples : proposer et décrire le plus simplement et le plus rigoureusement possible les outils conceptuels et théoriques permettant de comprendre et d'exploiter des données astronomiques. Apprendre à collecter, gérer, analyser et interpréter ces données pour en tirer des informations significatives sur l'univers.
2- Permettre à chacun d'améliorer et d'approfondir ses compétences en analyse de données et en programmation.
3 - Présenter des études de cas de niveau de difficulté progressives, des exemples de recherche, de production de résultats propres à permettre l'exploreration de nouveaux horizons.
4 - Combiner les domaines d'expertise en astronomie et en informatique nécessaires pour aborder des problèmes astronomiques d'une manière nouvelle et innovante.
5 - Répondre à un besoin croissant de notre communauté en participant à offrir des conseils, des méthodes et des ressources pour exploiter ces données de manière efficace.
6 - Permettre une meilleure implantation de la "science dans la ville" en fournissant des moyens d'échanges constructifs entre amateurs et professionnels du domaine à l'instar des projets "zooniverses"[^zoo](https://www.zooniverse.org/), "Gemini"[^gemini](https://proam-gemini.fr/), "BOINC"[^boinc](https://boinc.berkeley.edu/), scistarter[^scistarter](https://scistarter.org/) ou rapas[^rapas](https://proam-gemini.fr/rapas/).
Le public intéressé devrait disposer d'un niveau de compétence minimal (Terminales spécialités scientifiques[^spe] ou L1 ) accompagné d'un enthousiasme certain. Cela comprend une connaissance pratique des bases de la programmation, des langages tels que Python, et de la manipulation de données à l'aide de bibliothèques spécifiques telles que NumPy, Pandas, ou des outils de visualisation de données tels que Matplotlib d'une part, et d'autre part la connaissance des concepts tels que les différentes échelles de temps et d'espace, les types d'objets astronomiques, les phénomènes célestes courants, etc. Une familiarité avec les télescopes et les instruments astronomiques serait également utile.
Afin de souligner l'importance croissante des données astronomiques massives collectées par les télescopes modernes et décrire comment ces données peuvent être utilisées pour de nouvelles découvertes scientifiques, un rappel ou une sensibilisation aux concepts de base en analyse de données tels que les statistiques, les méthodes d'apprentissage automatique (machine learning) et la visualisation des données serait bénéfique pour tirer pleinement parti des applications pratiques qui seront proposées.
Quelques références :
Borne, K. D. (2010). Astroinformatics: data-oriented astronomy research and education. *Earth Science Informatics*, *3*(1‑2), 5‑17. https://doi.org/10.1007/s12145-010-0055-2
Pössel, M. (2020). A Beginner’s Guide to Working with Astronomical Data. *The Open Journal of Astrophysics*, *3*(1), 10.21105/astro.1905.13189. https://doi.org/10.21105/astro.1905.13189
Midavaine, T. & Herpin, F. (2019). Status of the amateur-professional collaborations. Dans *SF2A-2019: Proceedings of the Annual meeting of the French Society of Astronomy and Astrophysics* .
[^spe]: Mathématiques, Physique, chimie, Sciences de la vie et de la Terre, Sciences de l’ingénieur, Numérique et sciences informatique