Kurseinführung

Data Science 1 - Programmieren & Visualisieren

Saskia Otto & Monika Eberhard

Universität Hamburg, IMF

Wintersemester

Was ist ‘Data Science’?

Sehr populär geworden!

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

Unterschiedliche Rollen von Data Scientists

Quelle: Chirag Shah (2026)
A Hands-On Introduction to Data Science with R,
2. Auflage, Cambridge University Press

Der Trend der Daten

Quelle: Chirag Shah (2026) A Hands-On Introduction to Data Science with R, 2. Auflage, Cambridge University Press

Die 3 V’s des ‘Big Data’

Auch Biologie ist Datenwissenschaft

Was solltet Ihr an Fähigkeiten mitbringen?

Das Data Science in Biology Programm

Übersicht der Bachelormodule

Zu diesem Modul

Lernziele

Am Ende dieses Moduls werden Sie…

Modulstruktur

Interaktive Vorlesungen

• Web-basierte Vorlesungen (VL)
• Quizze während der VL (HTML)
• Paralleles Programmieren (RStudio Desktop/Workbench)
• Abschließende Wissensquizze (HTML) als Vorbereitung zur Klausur
• Hilfreich: Handy, Tablet oder Computer

Übungen

• Praktische Übungen mittels swirl-Kurs bzw. R Skripten 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
• Anwesenheitspflicht, 15% (= 2 Übungstage) Fehlzeit erlaubt

Vorlesungsthemen - Zeitplan

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 und interaktive Grafiken mit R
  • Handhabung spezieller Datentypen und fortgeschrittenes Programmieren

Übungen

Eine Übersicht der Übungsgruppen-Termine wird auf Moodle angezeigt.

Moodle Kurs

→ MIN Moodle Zugang

• Lernmaterial
• VL Aufzeichnungen + PDFs
• Übungsdateien
• Quizfragen
• Fallstudie
• Klausur
• Kommunikation (Forum/Nachrichten)

DSB Webseite mit Vorlesungsfolien

https://uham-bio.github.io/data-science/

Handbuch zum Modul

Das Handbuch enthält Hinweise und Erläuterungen zum Modul (Teil 1), eine Formelsammlung (Teil 2) und Beschreibungen der Übungsaufgaben (Teil 3) und Fallstudie (Teil 4).

Übungsdateien zum Download

Vor der ERSTEN Übungsstunde von Moodle herunterzuladen!

Software

Vorbereitung zu den Übungen

Installieren Sie auf Ihrem Computer (Tablets funktionieren nicht):

Vor dem ERSTEN Übungsttag

• Installieren Sie Libreoffice Calc (ODER Microsoft Excel).

Vor dem VIERTEN Übungsttag

• Installieren Sie R UND RStudio Desktop.
• Alternativ können Sie unsere RStudio/Posit Workbench (URL siehe Moodle) nutzen, die auch auf Tablets/iPads funktioniert.

Mehr Informationen zur Installation der Software finden Sie im Handout.

Fallstudie (ab November)

Citizen-Science-Initiative im Rahmen des Projekts Lebendige Alster

• Bearbeitung einer Fallstudie im 2-3er Team
• Datenerhebung als Übungsgruppe
• Abgabe:
  • Digitalisierung der Messdaten im CSV-Format
  • R Skript
  • Kurzbericht (MS Word/Libreoffice Writer)

Weitere Infos gibt es auf Moodle und im Handbuch.

Fallstudie 2025/2026

Beitrag im Newsroom der Universität Hamburg

Müll zählen statt Formeln pauken (Mai 2026)

Buchempfehlungen

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, Mine Çetinkaya-Rundel & Garrett Grolemund (2023), 2. Auflage, O’Reilly Media Inc., CA, U.S.A. \(\rightarrow\) online verfügbar
    • In der Vorlesung verweisen wir größtenteils auf die Kapitel dieser 2. Auflage. Die 1. Auflage (2017) ist weiterhin online verfügbar, Aufbau und Kapitelnummerierung unterscheiden sich aber.
  • A Hands-On Introduction to Data Science with R von Chirag Shah (2026), 2. Auflage, Cambridge University Press
• Visualisierung mit ggplot2
  • ggplot2 - Elegant Graphics for Data Analysis von Hadley Wickham (2016), 2. Edition, Springer International Publishing, Switzerland, 260 S. → online verfügbar
• 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.

Wichtigste Take-Home Message…

Ready for the jump?

Quelle: www.pixabay.com (CCO 1.0 Lizenz)

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.