Skip to content

Latest commit

 

History

History
56 lines (35 loc) · 2.17 KB

README.md

File metadata and controls

56 lines (35 loc) · 2.17 KB

correlaidx-kn-DataAnalysisWithPython

Work in Progress

CorrelAidxKonstanz Workshop-Series "Data Analysis with Python"

Für Contributors

Inspiration:

Part 1 - Programming Basics

Würde ich mehr oder weniger 1:1 aus dem Crashkurs übernehmen & etwas kürzen. Lernziele:

  • Absolute basics (calculations, variables & assignment)
  • Basic data types (int, float, str, bool)
  • Basic data structures (lists, tuples, dictionaries)
  • Control flow & iteration (if, elif, else; for & while-loops)
  • Functions & FP (defining functions (def), maybe lambda, map & filter)

Können wir hoffentlich "on the go" machen:

  • Classes & OOP (class; gloss over inheritance etc.)

Part 2 - Data Analysis with Pandas & Numpy

Kann man auch aus dem Crashkurs klauen; evtl. einen etwas spannenderen Beispieldatensatz nehmen. Lernziele:

  • Data structures (Series, DataFrame)
  • Importing & exporting data (from & to .csv-files etc.)
  • Data Exploration
  • Data Manipulation (creating new or modifying existing columns or entries of DataFrames, .assign(), .replace(), reshaping etc.)

Part 3 - Data Visualization

Ist überall doof weil es doof ist. Lernziele:

  • seaborn
  • matplotlib

Part 4 - Advanced stuff (opt.?)

Je nachdem wie schnell wir mit den anderen Sachen durchkommen könnte man entweder das Gelernte mit spannenderen Beispielen festigen, oder ein paar aufregendere Sachen zeigen, z.B.:

  • Webscraping
  • Absolute ML-basics
  • ...

Project Work

Der Großteil soll dann ja daraus bestehen, dass die Teilnehmenden selbständig an Projekten arbeiten. Hier wäre es natürlich cool, wenn sie eigene Ideen mitbringen, aber wir sollten eine handvoll Beispielprojekte vorhalten; am besten Sachen, die für jemanden ohne Vorkenntnisse realistisch innerhalb von ein paar Stunden zu schaffen sind. Alternativ auch einfach spannende Daten und die Teilnehmenden dazu freestylen lassen.