Inhalte des Fachs

1.    Installation von Python, Git und Erstellung eines GitHub-Profils. Weitere Anweisungen werden zu Beginn des Semesters folgen.
2.    Einführung in die Programmierung mit Python: Listen, Strings, Dictionaries, Schleifen, Funktionen, Grundlagen der objektorientierten Programmierung.
3.    Vektorisierte Berechnungen und Arrays: die Grundlagen von numpy.
4.    Pandas zum Laden, Bereinigen und Aufbereiten von Daten.
5.    Visualisierung von Daten (Liniendiagramme, Balkendiagramme, Streudiagramme, usw.) mit matplotlib und plotly.
6.    Datengestützte Entscheidungen treffen: die lineare und logistische Regression mit statsmodel.
7.    Wie man die Analyse effektiv kommuniziert. Darstellung und Präsentation der Datenergebnisse.

Qualifikationsziele des Fachs

Ziel des Kurses ist es, den Studierenden eine Einführung in der Programmiersprache Python für die Data Analytics (deutsch Datenanalyse) zu bieten. Mit dem Begriff Data Analytics ist der Prozess der Analyse von Rohdaten gemeint, um aussagekräftige und umsetzbare Erkenntnisse zu erzielen. Zunächst machen sich die Studierenden mit den grundlegenden Werkzeugen der Programmierung in Python vertraut. Die Studierenden lernen den Umgang mit Listen, Strings, Dictionaries, Schleifen und Funktionen in Python. Darüber hinaus werden die Studierenden die grundlegenden Libraries für die Datenarbeit kennenlernen, wie z. B. numpy für das wissenschaftliche Rechnen, pandas für das Data Wrangling (d. h. die Bereinigung und Aufbereitung von Daten) und matplotlib und plotly für die Datenvisualisierung. In einem nächsten Schritt lernen die Studierenden die Regressionsanalyse kennen. Die Regressionsanalyse ist das grundlegende statistische Instrument zur Untersuchung quantitativer Zusammenhänge zwischen Variablen. Die Studierenden lernen, wie man lineare und logistische Regressionen mit der Bibliothek statsmodel durchführt und deren Ergebnisse richtig interpretiert um eine Reihe von empirischen Problemen zu lösen. Die Studierenden setzen dann die erworbenen Kompetenzen bei der Analyse realer Datensätze (z. B. makroökonomische Daten, Finanzdaten) ein. Am Ende des Seminars werden die Studierenden in der Lage sein, kompetent und selbstständig mit Daten zu arbeiten, um statistisch fundierten Erkenntnisse zu gewinnen und zu präsentieren.

Art der Prüfung/ Voraussetzung für die Vergabe von Leistungspunkten

Die Prüfung ist eine kombinierte Prüfungsleistung 
und setzt sich zusammen aus einer mündlichen Prüfungsleistung 
in Form eines Gruppenprojekts (bis zu 3 Studierenden) mit einer Gewichtung von 60% 
und einer schriftlichen Prüfungsleistung mit einer Gewichtung von 40%.

Die mündliche Prüfungsleistung besteht aus der Entwicklung 
eines empirischen Projekts in Python, bei dem die Studierenden 
die im Seminar erworbenen Kompetenzen anwenden müssen.

Der von den Studierenden entwickelte Quellcode muss fehlerfrei 
auf anderen Rechnern vollständig reproduzierbar sein.

Außerdem müssen die Studierenden in der Lage sein, ihren 
Python-Code kompetent zu beschreiben und technische Fragen zu 
ihren Programmierentscheidungen zu beantworten. 

Die schriftliche Teilleistung besteht aus einem 60-minütigen Test in Papierform, 
in dem die Studierenden Codeblöcke interpretieren, vervollständigen 
und korrigieren müssen.

Zusätzliche Informationen

Lehr- und Lernformen

Die Lehrveranstaltung besteht aus Präsentationen des Dozenten und anwendungsbezogenen Lerneinheiten. Übungsaufgaben werden von TeilnehmerInnen an eigenen Laptops (allein oder in kleineren Gruppen) gelöst. Eine aktive Beteiligung an der Lehrveranstaltung ist erwartet.

Voraussetzungen für die Teilnahme

Semester 1-3 abzgl. 15 ECTS

Grundkenntnisse der deskriptiven Statistik und der linearen Regression sind erwünscht, aber nicht notwendig. Es ist keine vorherige Programmierer-fahrung gefragt, aber für eine erfolgreiche Teilnahme am Kurs sind ein starkes Interesse am Programmieren und an der empirischen Arbeit sehr wichtig. Der Kurs ist auf Deutsch, aber ein Großteil der verwendeten Literatur ist nur auf Englisch verfügbar. Gute Englischkenntnisse sind daher erforderlich.