Nível avançado: pensar como quem constrói e publica

Nível avançado · cerca de 16 semanas · 4 a 6 horas por semana

Você chegou aqui sabendo o que é um trânsito, como se lê um periodograma, por que SNR 7,1 é um limite razoável e o que cada teste do vetting procura. Este nível muda o ponto de vista. Até agora você aprendeu a usar e interpretar o PlanetHunter. A partir daqui você vai aprender a questionar as escolhas dele, ler os artigos que as justificam, medir o efeito de uma mudança e levar um candidato até a comunidade científica.

Ao final deste nível você vai conseguir

• Ler um artigo de método (BLS, TLS, Robovetter, triceratops, ExoMiner) e dizer o que ele faz, o que assume e onde falha.
• Comparar o vetting do PlanetHunter com o das missões Kepler e TESS e apontar o que falta.
• Interpretar uma probabilidade de falso positivo (FPP) sem tratá-la como verdade absoluta.
• Propor uma mudança num limite de config/thresholds.yaml, medir antes e depois e escrever o resultado com intervalo de confiança.
• Montar um pacote de submissão de CTOI completo, com busca de literatura e texto honesto.

Para quem é este nível

Para quem concluiu o nível médio e a trilha de programação até a aula P3. Você vai rodar comandos, editar um arquivo de configuração e ler código Python. Não precisa saber escrever um pipeline do zero, mas precisa conseguir seguir uma função de 50 linhas e entender o que entra e o que sai.

A matemática sobe um degrau. Aparecem somatórios, qui-quadrado, probabilidade condicional e o teorema de Bayes. Cada fórmula vem com a explicação em palavras e com um exercício numérico resolvido. Se uma equação travar você, leia a frase que vem depois dela, faça o exercício e volte.

As aulas

Aula	Semanas	Em uma frase
A1. Algoritmos de detecção	1–3	A estatística do BLS e do TLS, os trade-offs do detrending e por que monotrânsitos são o nicho mais promissor.
A2. Como as missões fazem vetting	3–6	Data Validation, Robovetter, catálogo de TOIs e catálogo de binárias, comparados lado a lado com os testes do PlanetHunter.
A3. Probabilidade de falso positivo	6–8	Raciocínio bayesiano, vespa e triceratops, os cenários de falso positivo e o caso real do WASP-100 b.
A4. Aprendizado de máquina	8–11	Redes neurais que classificam sinais, rótulos, vazamento, calibração e por que, no projeto, o ML só reordena.
A5. Medir o sistema	11–13	Recall, completude, injection-recovery, intervalo de Wilson e o método antes/depois para mudar um limite.
A6. Do candidato à comunidade	13–16	ExoFOP, submissão de CTOI, o programa de acompanhamento do TESS, busca de literatura e ética.
Autoavaliação	16	Dez perguntas abertas com modelos de resposta.

A ordem importa. A1 e A2 dão o vocabulário para A3. A5 depende de tudo que veio antes, porque medir só faz sentido quando você sabe o que está medindo. A6 fecha o ciclo e usa tudo.

Como ler um artigo científico

Neste nível você vai ler cerca de dez artigos. Ninguém lê um artigo técnico de ponta a ponta na primeira vez, nem os autores dos artigos. A técnica abaixo é uma variação do método de "três passadas" descrito por Keshav (2007).

Primeira passada (15 a 20 minutos): decidir se vale ler.

1. Leia o título e o resumo (abstract). Anote em uma frase: qual problema o artigo resolve?
2. Pule para a conclusão (ou "Summary", "Discussion"). Anote: o que eles afirmam ter conseguido?
3. Olhe todas as figuras e tabelas, com as legendas. Em artigos de exoplanetas, as figuras carregam metade do conteúdo: curvas de luz, periodogramas, histogramas de completude.
4. Leia os títulos das seções.

Ao fim, você deve saber dizer o que o artigo faz sem ter lido nenhuma equação.

Segunda passada (1 a 2 horas): entender o argumento.

1. Leia a introdução inteira. Ela diz o que já existia e qual lacuna o artigo preenche.
2. Leia a seção de método pulando derivações. Pare em cada equação e pergunte: o que entra, o que sai, em que unidade?
3. Leia os resultados com as figuras ao lado.
4. Marque as referências que aparecem várias vezes. Elas são a base do campo.

Terceira passada (quando precisar): reconstruir.

Só quando você for implementar algo ou discordar do artigo. Refaça as contas principais, reproduza uma figura com dados públicos e procure as hipóteses escondidas ("assumimos órbita circular", "ignoramos ruído correlacionado").

Onde achar os artigos

Quase todo artigo da área tem versão gratuita no arXiv (arxiv.org, seção astro-ph.EP para planetas). O ADS (ui.adsabs.harvard.edu) é o buscador da astronomia: digite autor e ano, por exemplo author:"Kovacs" year:2002, e ele mostra o link para o arXiv e para a revista. A aula A6 ensina a usar o ADS para busca de literatura sobre um alvo.

Caderno de leitura

Para cada artigo, escreva meia página com: (1) problema; (2) método em três frases; (3) o principal número ou figura; (4) uma hipótese que o artigo faz; (5) onde isso aparece no PlanetHunter, ou por que não aparece. Esse caderno vai ser a base das respostas da autoavaliação.

Ritmo sugerido

Cada aula tem leitura obrigatória (os artigos listados nas referências), exercícios resolvidos e uma prática na ferramenta. Uma semana típica:

• 2 horas de leitura (primeira e segunda passadas de um artigo).
• 1 hora com a aula do site e os exercícios.
• 1 a 2 horas de prática: rodar um comando, abrir um dossiê, mudar um parâmetro.
• 30 minutos para o caderno de leitura e o caderno de revisões.

Se uma semana render menos, não pule a prática. Ler sobre centróides sem nunca olhar uma imagem-diferença não fixa nada.

Como saber que terminou

Você terminou o nível avançado quando consegue, sem ajuda:

1. Explicar a um colega, com uma fórmula e um desenho, por que o BLS maximiza \(s^2/[r(1-r)]\) e o que isso tem a ver com SNR.
2. Pegar um artigo recente de validação de planeta do TESS e listar cada teste de vetting usado, marcando qual o PlanetHunter tem e qual não tem.
3. Olhar a saída do triceratops de um candidato e dizer qual cenário domina, o que o tornaria menos provável e qual observação ajudaria.
4. Fazer uma mudança em config/thresholds.yaml, rodar o benchmark antes e depois, calcular o intervalo de Wilson e escrever um relatório de uma página em docs/benchmarks/.
5. Montar o pacote de submissão de um candidato P1 (mesmo hipotético), com efeméride, incertezas, notas, busca de literatura e lista de citações.
6. Acertar com folga a autoavaliação.

Depois disso, o próximo passo não é mais um curso. É contribuir: revisar candidatos com critério, abrir issues quando um número parecer errado e, um dia, submeter um CTOI que sobreviva ao olhar da equipe do TESS.