Studieninformation
Hintergrundbild
Hintergrundbild
Hintergrundbild
Druckversion  Sprachumschaltung
 

Modul 39-Inf-Pro Programming

Fakultät

Modulverantwortliche/r

Turnus (Beginn)

Jedes Wintersemester

Leistungspunkte und Dauer

5 Leistungspunkte

Die Angaben zur Moduldauer finden Sie bei den Studiengängen, in denen das Modul verwendet wird.

Kompetenzen

Die Studierenden erlangen in den Vorlesungen und Übungen ein grundlegendes Verständnis der algorithmischen Modellierung, des Entwurfs und der Analyse von Algorithmen und die Fähigkeit, selbstständig einfache Algorithmen zu analysieren und Programmieraufgaben durchzuführen. Die Programmiersprache, auf die wir uns in dieser Vorlesung konzentrieren, ist Python. Das Modul beinhaltet eine Klausur zu Semesterende.

In the lectures and are the exercise courses, students will build a basic understanding of algorithmic modeling, the design and analysis of algorithms, and develop the ability to independently analyse simple algorithms and to carry out programming tasks. The programming language that we focus on in this lecture is Python. The module includes an exam at the end of the term.

Lehrinhalte

Bevor Daten analysiert werden können, müssen sie oft erst beschafft und dann transformiert, gereinigt und strukturiert werden ? das heißt, sie sind selten in genau der erforderlichen Form verfügbar. Dieses Modul gibt eine Einführung in die Programmiersprache Python und in die für die Datenanalyse relevanten Bibliotheken.

Lehrinhalte:

  1. Einführung in die Programmierung in Python
  2. Standardalgorithmen und Datenstrukturen in Python
  3. Die Jupyter Notebook-Umgebung
  4. Datenvorbereitung und -analyse mit Pandas
  5. Wissenschaftliches Rechnen mit NumPy
  6. Maschinelles Lernen mit scikit-learn
  7. Statistische Datenvisualisierung mit Seaborn und Bokeh
  8. Verarbeitung natürlicher Sprache mit NLTK
  9. Datenbankprogrammierung
  10. Interagieren mit Datenbanken (z. B. Apache HBase)

Before data can be analyzed it often needs to be obtained and then it needs to be transformed, cleansed and structured ? that means, it is rarely available in exactly the required form. This module provides an introduction to the programming language Python and to the libraries relevant for data analysis.

Topics of this module include:

  1. Introduction to programming in Python
  2. Standard algorithms and data structures in Python
  3. The Jupyter Notebook environment
  4. Data munging, preparation and analysis with Pandas
  5. Scientific computing with NumPy
  6. Machine learning with scikit-learn
  7. Statistical data visualization with Seaborn and Bokeh
  8. Natural Language Processing with NLTK
  9. Database Programming
  10. Interacting with Databases (e.g., Apache HBase)

Empfohlene Vorkenntnisse

—

Notwendige Voraussetzungen

—

Erläuterung zu den Modulelementen

Modulstruktur: 1 bPr 1

Veranstaltungen

Titel Art Turnus Workload (Kontaktzeit + Selbststudium) LP2
Programming Vorlesung WiSe 60h (30 + 30) 2 [Pr]
Programming Übung WiSe 60h (30 + 30) 2

Prüfungen

Organisatorische Zuordnung Art Gewichtung Workload LP2
Programming (Vorlesung)

60 Minuten
60 minutes

 Klausur 1 30h 1
Diese Leistung kann gemeldet und verbucht werden.

In diesen Studiengängen wird das Modul verwendet:

Studiengang Profil Empf. Beginn 3 Dauer Bindung 4
Data Science / Master of Science [FsB vom 06.04.2018 mit Änderung vom 01.07.2019] Variante 1 1. ein Semes­ter Pflicht

Automatische Vollständigkeitsprüfung

In diesem Modul kann eine automatische Vollständigkeitsprüfung vom System durchgeführt werden.

Legende

1
Die Modulstruktur beschreibt die zur Erbringung des Moduls notwendigen Prüfungen und Studienleistungen.
2
LP ist die Abkürzung für Leistungspunkte.
3
Die Zahlen in dieser Spalte sind die Fachsemester, in denen der Beginn des Moduls empfohlen wird. Je nach individueller Studienplanung sind gänzlich andere Studienverläufe möglich und sinnvoll.
4
Erläuterungen zur Bindung: "Pflicht" bedeutet: Dieses Modul muss im Laufe des Studiums verpflichtend absolviert werden; "Wahlpflicht" bedeutet: Dieses Modul gehört einer Anzahl von Modulen an, aus denen unter bestimmten Bedingungen ausgewählt werden kann. Genaueres regeln die "Fächerspezifischen Bestimmungen" (siehe rechtes Menü).
SL
Studienleistung
Pr
Prüfung
bPr
Anzahl benotete Modul(teil)prüfungen
uPr
Anzahl unbenotete Modul(teil)prüfungen
Diese Leistung kann gemeldet und verbucht werden.
Diese Leistung kann gemeldet und verbucht werden.

Modulelemente

Veranstaltungen

Prüfungen

Lehrangebot im eKVV

Lehrangebot im eKVV

Modullisten zeigen

Data Science / Master of Science // Variante 1