Python programmering til datavidenskab
Kursusindhold
Kurset er en introduktion til programmering i Python med fokus på databehandling og -analyse. Kurset indeholder grundlæggende begreber fra programmering såsom datatyper, kontrolstrukturer, løkker, funktioner, objektorienteret programmering, pattern matching (regulære udtryk) og beregningskompleksitet. Yderligere opnås der også grundlæggende tekniske færdigheder, der kan bruges i en datavidenskabssammenhæng; herunder brug af eksterne servere og navigation på samme vha. en Unix/Linux kommandolinje.
Python Programming for Data Science
Bacheloruddannelsen i molekylær biomedicin
Bacheloruddannelsen i sundhed og informatik
Viden om
Efter kurset vil deltagere beherske nøglebegreber inden for programmering såsom datatyper, variable, kontrolstrukturer, løkker og funktioner samt have en forståelse for centrale begreber inden for objektorienteret programmering, pattern matching og beregningskompleksitet. Endelig opnås en forståelse Unix/Linux baserede styresystemer med fokus på grundlæggende kommandolinjenavigation, pipes, netværk og proceskontrol.
Færdigheder i
Kursusdeltagere bliver i stand til at løse små til mellemstore programmeringsopgaver i Python, der fokuserer på opgaver i forhold til databehandling og -analyse. Deltagerne vil lære at skrive velstrukturerede og velkommenterede programmer. Endelig opnås færdigheder i at afvikle scripts på (beregnings-)servere og navigere på servere vha. af en Unix/Linux kommandolinje.
Kompetencer til
Efter gennemført kursus vil deltagerne være i stand til at løse mange af de programmeringsopgaver, der forekommer i forbindelse med Datavidenskab og skrive velstrukturerede programmer, der kan vedligeholdes og videreudvikles.
Yderligere vil man
- kunne forklare forskellen mellem forskellige datatyper i Python og kunne vælge relevante datatyper i forhold til en given programmingsopgave
- kunne give en detaljeret beskrivelse af kontrolstrukturer og løkker og være i stand til at forklare, hvordan brugen af løkker kan påvirke et programs beregnings-kompleksitet
- kunne give eksempler på hvordan fejl i programmer kan håndteres
- kunne motivere brugen af funktioner og moduler og give eksempler på relevant brug af klasser og objekter
- kunne identificere problemer, hvor brugen af regulære udtryk er velbegrundet samt være i stand til at konstruere regulære udtryk til løsning af konkrete pattern matching problemer
- være i stand til selvstændigt at finde online information om eksterne Python moduler/biblioteker og anvende fundne moduler til at løse en konkret opgave.
Forelæsninger og øvelser (6-9 timer per uge)
Offentliggøres på kursets Absalon-side ved kursusstart.
Kurset er et grundlæggende programmeringskursus, der ikke kræver forudgående programmeringserfaring. Kurset forudsætter matematiske kundskaber svarende til Gymnasialt niveau A.
Deltagerne forventes at medbringe en Laptop til timerne.
Kurset er sammenligneligt med NBIB20000U Python Programming for
Data Science og derfor kan man ikke tilmelde sig begge
kurser.
- ECTS
- 7,5 ECTS
- Prøveform
-
Skriftlig prøve, 4 timer med opsyn.
- Prøveformsdetaljer
- 4 timers skriftlig stedprøve med tilsyn
- Hjælpemidler
- Alle hjælpemidler tilladt
- Bedømmelsesform
- 7-trins skala
- Censurform
- Ingen ekstern censur
Flere interne bedømmere
Kriterier for bedømmelse
For at bestå skal den studerende vise beherskelse af viden, færdigheder og kompetencer, som beskrevet i målbeskrivelsen.
Enkeltfag dagtimer (tompladsordning)
- Kategori
- Timer
- Forelæsninger
- 21
- Forberedelse (anslået)
- 139
- Øvelser
- 21
- Eksamen
- 25
- Total
- 206
Kursusinformation
- Undervisningssprog
- Dansk
- Kursusnummer
- NDAB21003U
- ECTS
- 7,5 ECTS
- Niveau
- Bachelor
- Varighed
-
1 blok
- Placering
- Blok 2
- Skemagruppe
-
C
- Kapacitet
- 100
Der kan være færre pladser i eftertilmeldingsperioden - Studienævn
- Studienævn for Sundhed og informatik
Udbydende institut
- Datalogisk Institut
Udbydende fakultet
- Det Natur- og Biovidenskabelige Fakultet
Kursusansvarlig
- Daniel Spikol (2-677643676c316e7831676e)
Are you BA- or KA-student?
Courseinformation of students