Python für Machine Learning und Data Science

Deutschsprachiges Modul im Rahmen von Werkzeuge für das wissenschaftliche Arbeiten an der Universität zu Lübeck

• Modulhandbuch: Werkzeuge für das wissenschaftliche Arbeiten (Archiv)
• Modulverantwortlich: Prof. Dr. rer. nat. Ralf Möller
• Dozierend: Magnus Bender
• Unterlagen im FIS-System der Universität Hamburg

Lehrinhalte

1. Programmiersprache Python
   • Einführung, Erste Schritte (pdf, pdf ohne Animationen)
   • Grundlagen (pdf, pdf ohne Animationen)
   • Fortgeschritten (pdf, pdf ohne Animationen)
2. Auszeichnungssprachen
   • LaTeX, Markdown (pdf, pdf ohne Animationen)
3. Benutzeroberflächen und Entwicklungsumgebungen
   • Jupyter Notebooks lokal und in der Cloud (Google Colab) (pdf, pdf ohne Animationen)
4. Versionsverwaltung
   • Git, GitHub (pdf, pdf ohne Animationen)
5. Wissenschaftliches Rechnen
   • NumPy, SciPy (pdf, pdf ohne Animationen)
6. Datenverarbeitung und -visualisierung
   • Pandas, matplotlib, NLTK (pdf, pdf ohne Animationen)
7. Machine Learning (scikit-learn)
   • Grundlegende Ansätze (Datensätze, Auswertung) (pdf, pdf ohne Animationen)
   • Einfache Verfahren (Clustering, …) (pdf, pdf ohne Animationen)
8. Deep Learning
   • TensorFlow, PyTorch, HuggingFace Transformers (pdf, pdf ohne Animationen)

Einen Großteil der auf den Folien genutzten Codebeispiele gibt es hier zum Download.

Zielgruppe

• Bachelor Angebot fächerübergreifend für Gesundheitswissenschaften (Wahlpflicht), Fachübergreifende Kompetenzen, Beliebiges Fachsemester
• Bachelor Informatik 2019 (Pflicht), Fachübergreifende Kompetenzen, 3. Fachsemester
• Bachelor Medizinische Informatik 2014 (Wahlpflicht), Fachübergreifende Kompetenzen, Beliebiges Fachsemester
• Bachelor Medizinische Informatik 2019 (Wahlpflicht), Fachübergreifende Kompetenzen, Beliebiges Fachsemester
• Bachelor Informatik 2016 (Pflicht), Fachübergreifende Kompetenzen, 3. Fachsemester
• Bachelor Angebot fächerübergreifend (Wahlpflicht), Fächerübergreifende Module, Beliebiges Fachsemester
• Bachelor Medieninformatik 2014 (Wahlpflicht), Fachübergreifende Kompetenzen, 5. oder 6. Fachsemester
• Bachelor Informatik 2014 (Pflicht), Fachübergreifende Kompetenzen, 3. Fachsemester

Umfang und Prüfung

• Umfang
  • 2 ECTS, Kreditpunkte
  • 2 SWS (90 Minuten pro Woche)
• Prüfung
  • Bearbeitung von Projektaufgaben & Abschlussquiz
  • Vier von fünf Projektaufgaben erfolgreich bearbeiten
  • Abschlussquiz als E-Test über Moodle

Semester

• Wintersemester 2022/23
• Wintersemester 2023/24