Computergestützte Datenanalyse mit Python

Worum geht's

Du lernst, datenanalytische Fragestellungen als rechnerische Probleme zu formulieren und mit Python komplette Analyse-Workflows umzusetzen. Am Ende kannst du Datensätze bereinigen und vorbereiten, grundlegende Modelle (Regression, Klassifikation, Dimensionsreduktion) anwenden und Ergebnisse interpretieren sowie entscheidungsrelevante Aussagen unter Unsicherheit kommunizieren.

Was du danach kannst

• Datenanalyseaufgaben als Inputs/Outputs, Annahmen, Metriken und Entscheidungskontext formulieren
• End-to-end-Analysen in Python implementieren und debuggen
• Analysefähige Datensätze erstellen durch Cleaning, Joinen, Reshaping und Validierung
• Umgang mit fehlenden Werten, Ausreißern und Datenqualitätsfragen begründen
• Unsicherheit in Daten (Messrauschen, Variabilität, Modellfehler) charakterisieren
• Modelle wählen, schätzen und interpretieren (Regression, Klassifikation)
• Modelle validieren, Generalisierungsfähigkeit beurteilen und Overfitting kontrollieren
• Ergebnisse als evidenzbasierte Story für technische und gestalterische Stakeholder präsentieren
• Grundlagen zu Foundation Models kennenlernen

Aus was das Modul besteht

• Flipped Classroom / SelbststudiumVorbereitung durch kurze Micro-Lectures, geführte Python-Notebooks und Lektüre mit Reflexionsaufgaben
• In-Person Sessions / praktische SitzungenLive-Tutorials und betreute Hack-Sprints zur Anwendung der Methoden an realen Datensätzen
• ProjektarbeitDreiphasige Projektarbeit (Datenanalyse, Modellentwicklung, Interpretation und Kommunikation) als zentrale Prüfungsleistung

Lehrmethode

• Flipped, projektorientiertes Formatermöglicht selbstständiges Erarbeiten von Grundlagen vor der Sitzung und fokussierte Praxis in Präsenz
• Geführte Python-Notebooks und Micro-Lessonsbereiten die praktische Umsetzung und Programmieraufgaben vor
• Supervised Hack-Sprints in Kleingruppentrainieren angewandte Problemlösung an realen Datensätzen und fördern Peer-Learning
• Kurzpräsentationen und Feedbackstützen die Reflexion und die Verbindung von technischem Vorgehen mit Entscheidungskontext