Course Schedule

Veranstaltungen von Dr. Katrin Seddig


Lehrveranstaltungen

DATAx: Datenanalyse mit Python (15) (Übung)

Dozent/in: Katrin Seddig

Termin:
 wöchentlich | Montag | 16:00 - 16:55 | 14.10.2024 - 31.01.2025 | C 16.129 Seminarraum

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen die Studierenden (i) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python, (ii) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen sowie (iii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert das Erlernen von Fähigkeiten der Datenanalyse und Programmierung in Online-Übungen mit dem Selbststudium anhand von Jupyter-Notebooks. Zusätzlich werden die Studierenden durch erfahrene Studierende höherer Semester (Teaching Assistants) unterstützt. Regelmäßige Aufgaben ermutigen die Studierenden, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf ihr Studiengebiet zu übertragen. Am Ende des Semesters werden die Studierenden in ihrer Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem sie verschiedene Rollen einnehmen und gemeinsam lernen, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.

DATAx: Datenanalyse mit Python (16) (Übung)

Dozent/in: Katrin Seddig

Termin:
 wöchentlich | Montag | 17:00 - 17:55 | 14.10.2024 - 31.01.2025 | C 16.129 Seminarraum

Inhalt: Dieser Kurs bietet eine Einführung in die Programmierung und Datenanalyse mit Python. Er ist explizit auf Studierende ohne Vorkenntnisse und Erfahrungen in der Programmierung zugeschnitten. Im Kurs erlernen die Studierenden (i) die wesentlichen Schritte zur Durchführung von Datenanalysen mit Python, (ii) grundlegende Programmierkonzepte wie Variablen, Bedingungen, Schleifen und Funktionen sowie (iii) Strategien zur Lösung einfacher Probleme unter Anwendung des algorithmischen Denkens. Der Kurs ist als Übung organisiert und verfolgt einen Blended-Learning-Ansatz. Er kombiniert das Erlernen von Fähigkeiten der Datenanalyse und Programmierung in Online-Übungen mit dem Selbststudium anhand von Jupyter-Notebooks. Zusätzlich werden die Studierenden durch erfahrene Studierende höherer Semester (Teaching Assistants) unterstützt. Regelmäßige Aufgaben ermutigen die Studierenden, sich anzustrengen und praktische Erfahrungen in der Programmierung und Datenanalyse zu sammeln sowie das erworbene Wissen auf ihr Studiengebiet zu übertragen. Am Ende des Semesters werden die Studierenden in ihrer Lerngruppe an einem datengetriebenen Projekt arbeiten, bei dem sie verschiedene Rollen einnehmen und gemeinsam lernen, Erkenntnisse aus realen Daten zu gewinnen und zu präsentieren.