Kurseinführung

Data Science 1 - Programmieren & Visualisieren

Saskia Otto

Universität Hamburg, IMF

Wintersemester 2023/2024

Was ist ‘Data Science’?

Quelle: Screenshot der Harvard Business Review Website vom 11. November 2017.

Praktische Übungen mittels swirl-Kurs bzw. R Skripten und Notebooks im Rahmen betreuter Gruppenarbeit
Angewandte Online-Quizze auf Moodle als weitere Vorbereitung zur Klausur
Bearbeitung einer Fallstudie mit abschließender Überprüfung (Moodle)
Nötig: Computer oder Tablet

Vorlesungen als HTML-Dokumente jederzeit verfügbar
- Mit abschließenden Quizfragen (HTML) als Vorbereitung zur Klausur
Screencast der VL (Moodle)

Praktische Übungen mittels swirl-Kurs bzw. R Skripten und Notebooks im Selbststudium
Angewandte Online-Quizze auf Moodle als weitere Vorbereitung zur Klausur
Bearbeitung einer Fallstudie mit abschließender Überprüfung (Moodle)

Termin: Montags, 11:15-12:45, Gr. Hörsaal (MLK 3)

Oktober: Data Science Allgemein
- Einführung in Daten und Datenmanagement
- Grundlagen der deskriptiven Statistik
- Biologische Prozesse mathematisch beschreiben
November/Dezember: R Programmierung
- Einführung in die (R) Programmierung
- Grundlagen in R: Variablen und Vektoren
- Grundlagen in R: Komplexere Objekte
- Datenaufbereitung mit tidyverse
- Datevisualisierung mit base R und ggplot2
- Maßgeschneiderte ggplot2 Diagramme
Januar: Visualisierung
- Grundlagen der Visualisierung
- Kartenerstellung mit ggplot und interaktive Grafiken
- Handhabung spezieller Datentypen
- Fallbeispiele

Schriftlicher Leistungsnachweis: Bearbeitung einer Fallstudie die frei ausgewählt werden kann.
Jede Fallstudie
- hat ein oder mehrere Datensätze und spezifische Fragen.
- soll mithilfe einer umfangreichen Datenanalyse in R bearbeitet werden.
Abgabe:
- R Skript
- Kurzbericht (MS Word, Libreoffice Writer)
Abschlussfragebogen auf Moodle

Gruppe	Tag	Zeit	Ort	BSc	Betreuung
A	Mo	14:00-15:30	IZS, gr. HS	BIO	Dr. Saskia Otto
B	Mo	14:00-15:30	IZS, Kosswig-HS	BIO	Marie-Christin Hardenbricker
C	Mi	11:00-12:30	IPM, CvL-HS	BIO	Marie-Christin Hardenbricker
D	Mi	11:00-12:30	IPM, E.004	BIO	Dirk Granse
E	Mi	15:15-16:45	IZS, 017	BIO	Prof. Dr. Kathrin Otte
F	Mi	15:15-16:45	IZS, Kosswig-HS	BIO	Dr. Monika Eberhard
G	Mi	15:30-17:00	IPM, E.303	BIO	Andrea-Carolin Menzel
H	Do	15:30-17:00	IPM, CvL-HS	BIO	Dirk Granse
I	Do	14:15-15:45	IZS, Kosswig-HS	BIO	Marie-Christin Hardenbricker
J	Mi	15:30-17:00	IPM, E.304	BIO	Prof. Dr. Jochen Fründ
K	Do	14:15-15:45	IZS, gr. HS	BIO	Prof. Dr. Kathrin Otte
L	Mi	13:15-14:45	IMF/GES, 107	BMARSYS	Dr. Saskia Otto

Hier ein paar Vorschläge…

Data Science mit R
- The R Book von Michael J. Crawley (2013), 2. Edition, Wiley & Sons, Ltd., West Sussex, UK, 975 S. → online verfügbar als PDF ( Link)
- R for Data Science von Hadley Wickham & Garret Grolemund (2017): , O’Reilly Media Inc., CA, U.S.A, 494 S. → online verfügbar
Visualisierung mit ggplot2
- ggplot2 - Elegant Graphics for Data Analysis von Hadley Wickham (2016), 2. Edition, Springer International Publishing, Switzerland, 260 S. → online verfügbar
- Guide to Create Beautiful Graphics in R von Alboukadel Kassambara (2013), 2. Edition, STHDA, 237 S.
Visualisierung allgemein
- Data Visualisation - A Handbook for Data Driven Design von Andy Kirk (2019), 2. Auflage, SAGE Publications Ltd., 312 S.
- Good Charts Workbook von Scott Berinato (2019), HBR Press, 279 S.

Bei weiteren Fragen: saskia.otto(at)uni-hamburg.de

Diese Arbeit is lizenziert unter einer Creative Commons Attribution-ShareAlike 4.0 International License mit Ausnahme der entliehenen und mit Quellenangabe versehenen Abbildungen.