Module 39-Inf-Pro Programming

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.

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)

—

—