Universidad Austral de Chile.

Instituto de Acústica.

ACUS220: Acústica Computacional con Python.

Descripción.

La asignatura ”Acústica Computacional con Python” tiene como propósito que las y los estudiantes utilicen métodos acústicos basados en lenguaje matemático y los apliquen a través de códigos de programación, para que analicen comportamientos de sistemas acústicos, interpreten gráficamente cambios en las variables acústicas que intervienen y evalúen numéricamente resultados.

• Semestre:
  • Primavera 2023.
• Requisitos:
  • Programación (INFO058).
• Docente responsable:
  • Dr. Víctor Poblete Ramírez, vpoblete@uach.cl
• Ayudantes:
  • Diego Espejo A., diego.espejo@alumnos.uach.cl
  • Rafael Peñailillo H., rafael.penailillo@alumnos.uach.cl
  • Esteban Vargas, esteban.vargas01@alumnos.uach.cl

Contenidos

• Unidad 1: Entornos de trabajo.

• Instalación de Python3, miniconda y Jupyter Notebook.
• Repaso Python3:

  • Operadores lógicos.
  • Objetos.
  • Paquetes y librerías.
  • Lectura de archivos.

• Utilidad de Jupyter Notebook.
• Uso básico de controlador de versiones Git.
• Uso básico de ambientes virtuales.

• Unidad 2: Acústica computacional.

  • Qué es la acústica computacional?.
  • Razonamiento matemático versus planteamiento de la programación.
  • Acústica computacional, una rama de la ciencia computacional.

  • Interdisciplina.
  • Comunicación.
  • Buenas prácticas en la computación científica.

• Unidad 3: Desarrollo en acústica de aplicaciones computacionales.

  • Data science.
  • Machine learning.
  • Modeling.
  • Computer music.
  • Otros:

  • PyRoomAcoustics. Ver por ejemplo: https://arxiv.org/pdf/1710.04196.pdf
  • Numerical simulations in acoustics using the Finite Element Method. Ver http://spatialaudio.net/jupyter-notebooks-on-finite-element-method-in-acoustics/ como una fuente de información.
  • libAcoustics. Por ejemplo, https://github.com/unicfdlab/libAcoustics.
  • Pytorch WaveNet. Ver https://medium.com/@evinpinar/wavenet-implementation-and-experiments-2d2ee57105d5 como una fuente de información.
  • AI-song-writer. Por ejemplo, ver https://github.com/Uttam580/Taylor-s_lyrics_generator

Ambiente de desarrollo y manejo de datos:

• Clases expositivas, presentación de contenido mediante ejemplos en formato de cuadernillo interactivo de Jupyter.
• Clases practicas guiadas mediante tutoriales y ejercicios en formato de cuadernillo interactivo de Jupyter.
• Uso de repositorio en Github para almacenamiento y actualización de las clases del curso.
• Uso de aplicación Slack como medio oficial de comunicación. .

Proyectos:

• Pueden ser resueltos en grupos de máximo dos estudiantes.
• Resolver la evaluación parcial 1 (30%).
• Se espera que el alumno pueda crear sus propias rutinas de Python.
• Plantear un proyecto (P1) de una rama de la acústica, alojarlo en el repositorio privado del alumno. (30%).
• Se espera que el alumno pueda investigar y modelar en lenguaje Python un problema de la acústica.
• Proponer un trabajo grupal (TG1) maximo 2 personas, de un proyecto de una rama de la acústica a elección, alojarlo en el repositorio privado del alumno(s). (40%).
• Se espera que el/los alumno(s) pueda(n) investigar y modelar en lenguaje Python un problema de la acústica y trabajar en equipo integrando y colaborando en el contexto profesional e interprofesional.

Evaluaciones y nota final:

• Evaluaciones: Fechas y ponderaciones.

• La nota final se calcula: NF = 0.30 EV1 + 0.30 P1 + 0.4 TG.
• Por cada unidad al final de la 5ta semana se entrega la evaluación, a excepción de la unidad 3 que se debe entregar a la 6ta semana. Se descontará 1 punto por cada día de atraso.

• Se aprueba con NotaFinal >= 4.0.

Bibliografía:

• Obligatoria:

  • Greg, W. et al. 2014. Best practices for scientific computing. PLOS Biology. Vol. 12 (1), e1001745. (Artículo científico disponible en bases de datos Web of Science a través de Biblioteca UACh.)
  • Kaltenbacher, M. 2017. Computational Acoustics. Springer; Edición: 1era ed. 2018 (11 de julio de 2017). Suiza.
  • Stephenson, B. 2014 The Python Workbook. Springer 1era ed. 2014. Suiza.

• Complementaria:

  • Hunt, J. 2019. A Beginners Guide to Python 3 Programming. Springer 1era ed. 2020. UK.
  • Hunt, J. 2019. Advanced Guide to Python 3 Programming. Springer 1era ed. 2019. UK.

• Sugerida:

  • Nolasco, J. 2018 Python Aplicaciones prácticas. Ra-Ma, 1era ed 2018. España.

Otros recursos:

• Lenguaje: Python 3.8.2 documentation
• Ambiente: Jupyter
• Librerías para computación científica: Numpy, Scipy
• Librerías para visualización: Matplotlib
• Librerías para análisis de audio y música: LibROSA
• Tutorial introducción para Markdown y GitHub Markdown Help, LaTeX
• Repositorio del curso: https://github.com/vpobleteacustica/ACUS220-Acustica-Computacional-con-Python