Programming in Python for Business and Life Science Analytics

Worum geht's

Du lernst die Grundlagen von Python mit Fokus auf Anwendungen in Business Analytics und Life Science Analytics. Am Ende kannst du Python-Code lesen und schreiben, eigene Algorithmen implementieren sowie gängige Python-Pakete für Analyse, Visualisierung, Modellierung und Optimierung einsetzen.

Was du danach kannst

Python-Code lesen und schreiben; Umgang mit Paketen
Algorithmen mittlerer Komplexität implementieren
Grundlagen der objektorientierten Programmierung verstehen
Einfache Data-Science- und Optimierungsalgorithmen aus der Literatur umsetzen
Eigene Algorithmen zur Lösung grundlegender Analyse- und Optimierungsaufgaben entwickeln
Python-Pakete für komplexe Analyse-, Visualisierungs- und Optimierungsaufgaben nutzen
Teamarbeit, Kommunikations- und Berichtsschreibfähigkeiten (Gruppenarbeit)
Selbstständige Recherche, Codeentwicklung und Präsentation (individuelle Leistungen)

Aus was das Modul besteht

Seminar (Präsenz)Wöchentliche praktischen Coding-Aufgaben mit Feedback; Material wird vorab bereitgestellt
GruppenprojektBearbeitung eines realen Analysebeispiels oder eigener Themen; Präsentation in Woche 8

Lehrmethode

Präsenzunterricht mit praktischen ÜbungenFür direktes Coding-Training, zeitnahe formative Rückmeldung und Klärung von Fragen
Individuelles Codieren und FeedbackSicherstellung von Übung und Lernfortschritt; Lösungen werden am Ende der Sitzungen besprochen
Bereitstellung von VorabmaterialErmöglicht Vorbereitung und effizientere Teilnahme an den Sitzungen

Solltest du schon können

Eigener Laptop
Praktische Programmiererfahrung (vorteilhaft)empfohlen

Prüfung

ProjektarbeitPräsentationAbgabe

Bewertung erfolgt durch ein Gruppenprojekt. In Woche 8 hält jede Gruppe eine kurze Präsentation (<15 Minuten) zu Projektbeginn, Problemdefinition und Rollenverteilung (10%). Am Semesterende ist ein Gruppenbericht (max. 3.000 Wörter, Part A) zu reichen (50%) sowie der während des Projekts entwickelte Code (20%). Zusätzlich reicht jede:r Student:in einen individuellen Kurzbericht (500 Wörter) über den eigenen Beitrag und Reflexionen ein (Part B, 20%).

Literatur

Python manual - https://www.python.org/doc/
A. B. Downey - Think Python: How to Think Like a Computer Scientist
W. McKinney - Python for Data Analysis: Data wrangling with Pandas, NumPy, and IPython
S. Guido, A. Müller - Introduction to Machine Learning with Python: A Guide for Data Scientists
E. Jones, E. Oliphant, P. Peterson, et al. - SciPy: Open Source Scientific Tools for Python
C. H. Papadimitriou, K. Steiglitz - Combinatorial Optimization: Algorithms and Complexity
C. Reeves, J. E. Rowe - Genetic Algorithms: Principles and Perspectives – A Guide to GA Theory

Filter

Programming in Python for Business and Life Science Analytics

Worum geht's

Was du danach kannst

Aus was das Modul besteht

Lehrmethode

Termine

SeminarProgramming in Python for Business and Life Science Analytics (MGT001437, englisch)3 Gruppen zur Wahl

Modulbewertungen

Modul bewerten