Hackathon: Clasificación de Series de Tiempo con Aplicación a Datos Astronómicos
La participación en este hackathon representa una oportunidad única para involucrarse en una iniciativa y con infraestructura computacional de vanguardia en México, con datos de primera mano, producto de un observatorio que es un hito en la astronomía moderna.
La astronomía moderna está entrando en una etapa en la que el volumen, la velocidad y la complejidad de los datos hacen indispensable el uso de herramientas computacionales, modelos de aprendizaje automático y estrategias reproducibles de análisis.
Los grandes sondeos astronómicos han cambiado la forma en que estudiamos objetos variables y transitorios. Hoy no basta con observar objetos individuales: es necesario analizar millones de fuentes, extraer información de curvas de luz, combinar datos fotométricos y astrométricos, y construir modelos capaces de clasificar objetos de manera confiable.
En este contexto, el Hackathon propone trabajar con series de tiempo astronómicas provenientes de distintos sondeos, con el objetivo de desarrollar soluciones para la clasificación de objetos variables. La motivación es que las y los participantes puedan enfrentarse a problemas reales de astronomía de dominio temporal, pero de manera progresiva.
Para ello, el Hackathon se organizará en tres modalidades:
- Modalidad Básica
- Modalidad Intermedia
- Modalidad Avanzada
La progresión está pensada para que cada nivel represente un aumento natural en la dificultad del problema. En el nivel básico, los equipos trabajarán con curvas de luz relativamente bien caracterizadas. En el nivel intermedio, incorporarán información adicional como color, astrometría y propiedades físicas. En el nivel avanzado, enfrentarán un escenario más cercano a los retos de la astronomía de nueva generación, donde la clasificación debe ser robusta ante datos incompletos, ruidosos y de gran escala.
Este Hackathon es apoyado por CUDI y LAMOD, quienes brindan soporte técnico e infraestructura mediante PIG y Grid - UNAM.
Fecha del Hackathon
El hackathon será híbrido, teniendo como sede física el Instituto de Astronomía de la UNAM. Se llevará a cabo los días 22 y 23 de Agosto.
Objetivo general del Hackathon
El objetivo principal del Hackathon es diseñar, implementar, evaluar y presentar modelos computacionales capaces de clasificar series de tiempo astronómicas.
De forma más específica, se busca que los equipos puedan:
- Explorar y visualizar datos astronómicos de series de tiempo.
- Comprender la estructura de curvas de luz provenientes de distintos surveys.
- Diseñar estrategias de limpieza y preprocesamiento de datos.
- Extraer características relevantes de las observaciones.
- Entrenar modelos de clasificación supervisada o semi-supervisada.
- Evaluar el desempeño de sus soluciones de forma clara y reproducible.
- Comunicar resultados técnicos y científicos de manera comprensible.
- Reflexionar sobre las diferencias entre trabajar con datos bien caracterizados y datos más cercanos a escenarios reales de grandes surveys.
El Hackathon no busca únicamente premiar el modelo con mejor métrica. También se valorará la claridad del análisis, la reproducibilidad, la interpretación científica y la capacidad de comunicar adecuadamente las decisiones tomadas.
Requisitos de los participantes
Por la naturaleza del problema a resolver, y la estructura del Hackathon, los participantes deberán tener conocimientos básicos en algoritmos, ciencia de datos; y para las modalidades más avanzadas se espera la participación de personas con un nivel avanzado en ciencia de datos y machine learning. Los participantes pueden ser estudiantes desde educación media, superior, al igual que profesionistas ejerciendo en el área de investigación o en la empresa pública y/o privada, así como personas no asociadas a instituciones o empresas que sean entusiastas de la ciencia de datos. No se requiere conocimiento previo en astronomía, ya que los conocimientos necesarios para el reto serán proporcionados en una sesión antes de iniciar la actividad.
Estructura general del reto
El Hackathon estará dividido en tres modalidades con distintos niveles de dificultad. Cada modalidad constituye un reto completo por sí mismo y contará con evaluación propia.
La estructura propuesta es la siguiente:
- Nivel básico: clasificación de series de tiempo de OGLE.
- Nivel intermedio: clasificación de fuentes variables de Gaia, incorporando curvas de luz e información contextual.
- Nivel avanzado: clasificación de objetos variables o transitorios en un escenario tipo Rubin/LSST.
Esta estructura permite que los participantes puedan elegir una modalidad acorde con su experiencia, pero también abre la posibilidad de una ruta progresiva, donde los equipos comiencen con un reto más accesible y avancen hacia problemas más complejos.
La modalidad básica está pensada como una entrada al análisis de curvas de luz. La modalidad intermedia introduce el uso de información astrofísica adicional. La modalidad avanzada busca acercar a los equipos a los retos actuales de clasificación en surveys de gran escala.
Modalidad Básica: Clasificación con OGLE
Descripción
La modalidad básica está dirigida a participantes que se están acercando por primera vez al análisis de series de tiempo astronómicas, al aprendizaje automático aplicado a datos científicos o a la clasificación de objetos variables.
En esta modalidad, los equipos trabajarán con curvas de luz provenientes de OGLE. Este survey es especialmente adecuado para una primera etapa porque cuenta con catálogos de estrellas variables ampliamente utilizados, clases astronómicas bien definidas y fotometría multi-época. La colección de estrellas variables de OGLE incluye, entre otros objetos, Cefeidas, RR Lyrae, binarias eclipsantes, Miras y variables de largo periodo.
La idea de este nivel es que los equipos puedan concentrarse en entender el problema de clasificación sin enfrentarse desde el inicio a un conjunto de datos excesivamente irregular, incompleto o difícil de interpretar.
Objetivo específico
Construir un modelo capaz de clasificar series de tiempo de OGLE en distintas clases de objetos variables.
Este nivel busca que los equipos desarrollen un pipeline básico pero sólido: desde la carga de datos y visualización de curvas de luz, hasta la extracción de características, entrenamiento del modelo y evaluación de resultados.
Requisitos previos
Este nivel se llevará a cabo completamente en Google Colab, por lo que se le pide con anticipación a los participantes tener un cuenta de Google.
Actividades esperadas
Los equipos deberán:
- Cargar y explorar las curvas de luz proporcionadas.
- Visualizar ejemplos representativos de cada clase.
- Identificar patrones básicos en las series de tiempo.
- Realizar limpieza básica de datos.
- Manejar valores faltantes o mediciones atípicas.
- Extraer características simples de las curvas de luz.
- Entrenar uno o más modelos de clasificación.
- Evaluar el desempeño del modelo.
- Presentar una explicación clara de la metodología utilizada.
Entregables
Cada equipo deberá entregar:
- Código reproducible.
- Archivo con instrucciones para ejecutar la solución.
- Predicciones sobre el conjunto de evaluación.
- Breve reporte metodológico.
- Presentación final.
El reporte deberá incluir:
- Descripción del enfoque utilizado.
- Preprocesamiento realizado.
- Características extraídas.
- Modelo o modelos entrenados.
- Métricas obtenidas.
- Principales errores observados.
- Posibles mejoras.
Modalidad Intermedia: Clasificación con Gaia
Descripción
La modalidad intermedia está dirigida a equipos que ya tienen cierta experiencia con análisis de datos, programación, astronomía observacional o modelos de machine learning.
En este nivel, los equipos trabajarán con datos de Gaia. A diferencia del nivel básico, donde el foco principal está en la forma de la curva de luz, aquí el reto consiste en combinar información temporal con información contextual. Gaia DR3 incluye fuentes variables, series de tiempo fotométricas, información en bandas G, BP y RP, además de datos astrométricos y parámetros astrofísicos para una gran cantidad de fuentes.
Objetivo específico
Desarrollar un modelo de clasificación para fuentes variables de Gaia, utilizando series de tiempo fotométricas y, cuando sea posible, información contextual adicional.
El objetivo de esta modalidad es que los equipos aprendan a combinar diferentes tipos de información astronómica. No sólo se evaluará si el modelo clasifica bien, sino también si el equipo logra justificar qué información usó y cómo esa información ayuda a separar distintas clases de objetos.
Requisitos previos
Este nivel se llevará a cabo usando la plataforma de PIG, por lo que se requerirá completar la capacitación para el uso de PIG que se impartirá el primer día, al terminar el nivel básico.
Actividades esperadas
Los equipos deberán:
- Explorar la estructura de los datos de Gaia.
- Visualizar curvas de luz en una o más bandas.
- Analizar la distribución de clases.
- Identificar posibles desbalances en el conjunto de datos.
- Diseñar una estrategia de preprocesamiento.
- Extraer características temporales de las curvas de luz.
- Incorporar información fotométrica y astrométrica.
- Entrenar y comparar modelos de clasificación.
- Evaluar el desempeño por clase.
- Analizar errores comunes del modelo.
- Discutir qué información aportó más al desempeño final.
Entregables
Cada equipo deberá entregar:
- Código reproducible.
- Archivo de instrucciones.
- Predicciones sobre el conjunto de evaluación.
- Reporte técnico.
- Análisis breve de errores.
- Presentación final.
El reporte deberá incluir:
- Descripción de los datos utilizados.
- Estrategia de preprocesamiento.
- Características seleccionadas.
- Modelos probados.
- Comparación de resultados.
- Análisis por clase.
- Discusión sobre la utilidad de la información contextual.
- Limitaciones de la solución.
Modalidad Avanzada: Clasificación con Rubin/LSST
Descripción
La modalidad avanzada está pensada para equipos con mayor experiencia técnica o científica. En este nivel, el reto busca acercarse a los problemas que surgirán con Rubin/LSST: grandes volúmenes de datos, objetos variables y transitorios, alertas astronómicas, clasificación probabilística y necesidad de priorizar objetos para seguimiento.
Rubin/LSST está diseñado para producir alertas asociadas a detecciones de fuentes variables o transitorias en imágenes de diferencia. Estas alertas serán procesadas y distribuidas mediante brokers, los cuales pueden realizar tareas como filtrado, clasificación fotométrica, cruces con catálogos y priorización para observaciones de seguimiento.
En esta modalidad, los equipos trabajarán con datos de Rubin disponibles a través de los brokers. Esto permite mantener el reto viable aun si no todos los productos finales de Rubin están disponibles al momento del Hackathon.
Objetivo específico
Desarrollar una solución avanzada para la clasificación de objetos variables o transitorios en un escenario tipo Rubin/LSST.
El objetivo no es únicamente obtener una buena métrica de clasificación, sino diseñar una estrategia que tenga sentido en un contexto realista de astronomía de dominio temporal.
Actividades esperadas
Los equipos deberán:
- Explorar datos tipo Rubin/LSST.
- Analizar la estructura temporal y multi-banda de las observaciones.
- Diseñar una estrategia de limpieza y preprocesamiento.
- Considerar incertidumbres fotométricas.
- Construir representaciones útiles para curvas de luz incompletas.
- Entrenar modelos de clasificación.
- Generar probabilidades o puntajes de confianza.
- Evaluar el desempeño global y por clase.
- Analizar errores y casos ambiguos.
- Proponer un esquema de priorización científica.
- Discutir limitaciones y posibles mejoras.
Entregables
Cada equipo deberá entregar:
- Código reproducible.
- Archivo de instrucciones.
- Predicciones sobre el conjunto de evaluación.
- Reporte técnico extendido.
- Análisis de incertidumbre o confiabilidad.
- Presentación final.
- Opcionalmente, una demo o visualización interactiva.
El reporte técnico deberá incluir:
- Descripción del problema.
- Descripción de los datos.
- Preprocesamiento.
- Representación de las curvas de luz.
- Modelos utilizados.
- Métricas obtenidas.
- Evaluación por clase.
- Análisis de errores.
- Discusión de incertidumbre.
- Limitaciones.
- Posibles mejoras.
- Aplicabilidad en un escenario Rubin/LSST.
Esquema de participación
Ruta progresiva
Todos los equipos comienzan con la modalidad básica. Los equipos que deseen continuar pueden avanzar al nivel intermedio y posteriormente al avanzado.
La modalidad básica funciona como una primera etapa de aprendizaje y calibración. Después, los equipos que quieran asumir un reto mayor pueden avanzar hacia Gaia y Rubin/LSST.
Premios
- 1er. lugar: acceso a CARLA 2026 (EDOHPC) un ticket de avión en categoría económica de hasta 1000 USD.
- 2do. lugar: una Laptop Gamer Ryzen y horas HPC, nodos UNAM (tarjetas disponibles L40)
- 3er. lugar: una Tablet Xiaomi REDMI Pad 2 Pro
Reglas generales
Participación
Se fomentará la participación en grupo y los grupos serán definidos el primer día del hackaton de acuerdo a la infraestructura disponible para el hackaton.
Los grupos podrán redefinirse en cada etapa.
El registro al hackaton se hará de forma individual en el formulario https://forms.gle/FKeXumbXpNGSX9ed8.
Uso de herramientas
Se proporcionará a las y los participantes acceso a PIG y a GRID-UNAM y contarán con contenedores con una amplia cantidad de bibliotecas y herramientas (incluyendo herramientas básicas necesarias y algunas más sofisticadas, ampliamente usadas en el área). Los contenedores cuentan con las principales bibliotecas de arquitecturas de machine learning, así como bibliotecas para el acceso a modelos pre-entrenados en Huggingface. Se ha elegido Huggingface por su transparencia, accesibilidad y facilidad de uso, además de que ofrece un gran número de modelos pre-entrenados que pueden ser usados en el contexto de este Hackathon.
Reproducibilidad
Todas las soluciones deberán incluir instrucciones claras para reproducir los resultados. Esto incluye, al menos:
- Pasos de ejecución.
- Archivos necesarios.
- Orden recomendado para correr notebooks o scripts.
Integridad académica
Cada equipo deberá entregar trabajo propio. Se permitirá el uso de bibliotecas, documentación, tutoriales y modelos públicos, siempre que se cite o reconozca adecuadamente su uso.
No se permitirá compartir predicciones, código o soluciones completas entre equipos durante la competencia.
Consideraciones sobre los datos
Datos de entrenamiento
Se le proporcionará a todos los participantes un conjunto de entrenamiento con etiquetas conocidas, la cual se encontrará en un espacio compartido entre todos los participantes. Este conjunto permitirá a los equipos construir y validar sus modelos.
Datos de validación
Se le proporcionará a todos los participantes un conjunto de validación o se permitirá que los equipos generen su propia partición a partir del conjunto de entrenamiento.
Datos de evaluación
Se le proporcionará a todos los participantes un conjunto de evaluación sin etiquetas públicas. Los equipos deberán generar predicciones sobre este conjunto y entregarlas en el formato solicitado.
Formato de entrega de predicciones
El archivo de predicciones deberá incluir, como mínimo:
- Identificador del objeto.
- Clase predicha.
- Probabilidades por clase, si se solicitan.
Consideraciones finales
Evaluación y resultados
Los entregables serán evaluados por un comité de expertos. Los entregables se recibirán por parte del comité evaluador en formato doble ciego, asegurando la imparcialidad de la evaluación. El resultado será inapelable.
Estamos trabajando para ti
