Digicampus
Vorlesung + Übung: Data Analysis mit Python - Details
You are not logged into Stud.IP.
Lehrveranstaltung wird online/digital abgehalten.

General information

Semester SS 2022
Current number of participants 43
Home institute Prof. Dr. Yarema Okhrin - Statistik
Courses type Vorlesung + Übung in category Teaching
Next date Fri , 01.07.2022 08:15 - 09:45
Pre-requisites Voraussetzung für eine erfolgreiche Teilnahme sind solide statistische Kenntnisse, welche in den Veranstaltungen Statistik I/II bzw. Statistik vermittelt
werden.
Die Bereitschaft zum regelmäßigen Besuch der Vorlesung und zur eigenständigen Einarbeitung in die Programmiersprache Python, sowie die Vor- und Nachbereitung des Stoffes sind notwendig. Vorkenntnisse in Python werden nicht vorausgesetzt.
Learning organization Die Veranstaltung findet digital und asynchron statt. Es werden wöchentlich Vorlesungsvideos und Übungsmaterialien zur Verfügung gestellt. Zu Beginn der Veranstaltung gibt es eine Sprechstunde, in der Fragen zur Installation geklärt werden können.
Performance record „Die Frage, wie geprüft wird, befindet sich bei allen bayerischen Universitäten derzeit in Klärung. Sobald es hierzu Neuigkeiten gibt, werden diese an zentraler Stelle veröffentlicht.“
Online/Digitale Veranstaltung Veranstaltung wird online/digital abgehalten.
Hauptunterrichtssprache deutsch
Literaturhinweise Cutler, J. & Dickenson, M. (2020). Computational Frameworks for Political and Social Research with Python (1st ed.). Springer.
Dörn, S. (2020). Python lernen in abgeschlossenen Lerneinheiten. Programmieren für Einsteiger mit vielen Beispielen. Springer.
Feiks, M. (2019). Empirische Sozialforschung mit Python. Springer.
McKinney, W. (2017). Python for Data Analysis: Data Wrangling with Pandas, Numpy, and Ipython. O’Reilly Media.
Unpingco, J. (2016). Python for Probability Statistics, and Machine Learning (1st ed.). Springer.
Schwarz, J. S., Chapman, C. & Feit, E. M. D. (2020). Python for Marketing Research and Analytics. Springer.
Miscellanea Die Anzahl der Plätze zur Veranstaltung ist beschränkt. Nähere Informationen zu den Bewerbungsmodalitäten sowie Bewerbungsfristen finden sich auf der Website des Lehrstuhls.
ECTS points 5

Course location / Course dates

n.a Monday: 08:15 - 09:45, weekly
Friday: 08:15 - 09:45, weekly
Friday: 10:15 - 11:45, weekly
Mon , 25.04.2022 08:15 - 09:45

Module assignments

Admission settings

The course is part of admission "Anmeldung gesperrt (global)".
Settings for unsubscribe:
  • Admission locked.