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 bioinformatik
Bacheloruddannelsen i molekylær biomedicin
Bacheloruddannelsen i sundhed og informatik
Viden
Efter kurset vil deltagerne mestre nøglebegreber inden for programmering, såsom datatyper, variabler, kontrolstrukturer, loops og funktioner, samt have forståelse for nøglebegreber indenfor objektorienteret programmering, mønstermatching og beregningsmæssig kompleksitet. Endelig opnås en grundlæggende forståelse af Unix/Linux baserede operativsystemer med fokus på grundlæggende kommandolinjenavigation, pipes, netværk og proceskontrol.
Færdigheder
Kursusdeltagerne vil kunne løse små til mellemstore programmeringsopgaver i Python, der fokuserer på databehandling og analyseopgaver. Deltagerne lærer at skrive velstrukturerede og velkommenterede programmer. Endelig erhverves færdigheder i at køre scripts på (computer)servere og enkel navigation på servere ved hjælp af en Unix/Linux kommandolinje.
Kompetencer
Efter endt kursus kan deltagerne løse mange programmeringsopgaver i forbindelse med Data Science og skrive velstrukturerede programmer, der kan vedligeholdes og videreudvikles.
Ydermere vil kursusdeltageren:
- Kunne forklare forskellen mellem forskellige datatyper i Python og vælge relevante datatyper om en given programmeringsopgave
- Kunne give en detaljeret beskrivelse af kontrolstrukturer og loops og kunne forklare hvordan brugen af loops kan påvirke et programs beregningsmæssige kompleksitet.
- Giv 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
- Søg uafhængigt online information om eksterne Python-moduler/biblioteker og brug fundne moduler til at løse en specifik opgave.
- Kunne bruge basale regulære udtryk i til at konstruere regulære udtryk til at løse specifikke mønstermatchningsproblemer.
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 ækvivalent med Python Programming for Data Science og
derfor kan man ikke få ECTS point for begge kurser.
- ECTS
- 7,5 ECTS
- Prøveform
-
Skriftlig stedprøve, 4 timer med opsyn.
- Prøveformsdetaljer
- 4 timers skriftlig stedprøve med tilsyn
- Krav til indstilling til eksamen
-
Der stilles 5-6 opgaver i løbet af kurset, hvoraf alle undtagen én skal godkendes for at deltage i eksamen.
- Hjælpemidler
- Alle hjælpemidler tilladt
- Bedømmelsesform
- 7-trins skala
- Censurform
- Ingen ekstern censur
Flere interne bedømmere
- Reeksamen
-
Reeksamen afholdes som ordinær eksamen.
80% af ugentlige afleveringer skal afleveres og godkendes senest 3 uger før reeksamen.
Såfremt der er 10 eller færre tilmeldte, afholdes reeksamen som en mundtlig eksamen 30 minutters mundtligt eksamen med 30 minutters forberedelse
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, hvis du tilmelder dig i eftertilmeldingsperioden (BA og KA) eller som merit- eller enkeltfagsstuderende. - Studienævn
- Studienævn for Sundhed og informatik
Udbydende institut
- Datalogisk Institut
Udbydende fakultet
- Det Natur- og Biovidenskabelige Fakultet
Kursusansvarlig
- Daniel Spikol (2-71804d71763b78823b7178)
Se skema
Er du BA- eller KA-studerende?
Kursusinformation for indskrevne studerende