Kurseinführung

Data Science 1 - Programmieren & Visualisieren

Saskia Otto & Monika Eberhard

Universität Hamburg, IMF

Wintersemester 2025/2026

Was ist ‘Data Science’?

Aktuell sehr populär!

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

Die perfekten Wissenschaftler

Die 5 Hauptkomponenten in Data Science

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 mit ggplot und leaflet und interaktive Grafiken
  • Handhabung spezieller Datentypen

Übersicht zu den Übungen

Gruppenzeiten

Gruppe	Tag	Zeit	Ort	Betreuung
A	Mo	14:00-15:30	IZS, gr. HS	Monika Eberhard
B	Mo	14:00-15:30	IZS, Kosswig Saal	Simon Bober
C	Mi	11:00-12:30	IPM, CvL-HS	Rebecca Oester & Katharina Meyer
D	Mi	11:00-12:30	IPM, E.004	Julian Mittmann-Götsch
E	Mi	15:15-16:45	IZS, 017	Alexej Sinner & Stephanie Schultz
F	Mi	15:15-16:45	IZS, Kosswig Saal	Monika Eberhard
G	Mi	15:30-17:00	IPM, E.303	Dirk Granse
H	Mi	15:30-17:00	IPM, E.004	Carolin Menzel
I	Do	14:15-15:45	IZS, Kosswig Saal	Joanna Malukiewicz
J	Do	14:15-15:45	IZS, gr. HS	Simon Bober
K	Do	15:30-17:00	IPM, CvL-HS	Rebecca Oester & Katharina Meyer
BMARSYS	Mi	13:15-14:45	IMF, GES107	Saskia Otto

Moodle Kurs

→ MIN Moodle Zugang

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

Webseite mit Vorlesungsfolien

Kurswebseite: https://uham-bio.github.io/bsc-data-science-1/

Handbuch zum Modul

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

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 Workbench nutzen, die auch auf Tablets/iPads funktioniert.

Mehr Informationen zur Installation der Software finden Sie im Handout.

Fallstudie (ab November)

Pilotprojekt zur Citizen Science Initiative 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.

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 & 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.

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.