- Thema: Eine Einführung in statistische Programmierung mit Python
- Rahmen: HeFDI Data Week 2023
- Referent.in(nen):
- Johannes Keyser (Justus-Liebig-Universität Gießen)
- Amalaswintha Leh (Justus-Liebig-Universität Gießen)
- Datum: 15. Juni 2023
- DOI-Link: https://doi.org/10.5281/zenodo.8089459
Der Beitrag gibt eine Übersicht und Einführung zur wissenschaftlichen Datenanalyse mit Python. Im Fokus stehen Datenvisualisierung, sowie deskriptive und inferenzstatistische Verfahren anhand verschiedender Python-Module. Zusätzlich stehen begleitende Lernmaterialien (Jupyter Notebooks) zur selbständigen Vertiefung zur Verfügung. Es werden keine Vorkenntnisse von Programmierung oder Statistik benötigt, besonders Anfänger.innen sind willkommen.
Dieses Projekt beinhaltet nur editierbaren Formate; exportierte PDF-Dateien mit denselben Inhalten sind erhältlich unter https://doi.org/10.5281/zenodo.8089459.
Die verwendeten Folienmaterialien liegen im Unterordner slides. Für möglichst einfache Weiterverwendung sind die Folien per Markdown-Datei definiert, siehe slides/README.md für mehr Informationen.
Große Teile der Materialien liegen als Jupyter Notebooks im Unterordner notebooks.
Diese Notebooks (mit Dateiendung .ipynb) sind auf GitHub, GitLab, usw. per Webbrowser lesbar.
Das Ausführen und Ändern setzt eine Python-Umgebung voraus; eine Anleitung ist erhältlich unter https://jupyter.org/install.
Sofern nicht anders angegeben und mit Ausnahme von Logos unterliegen alle Materialien der Creative Commons Attribution 4.0 International (CC-BY-4.0), siehe LICENSES/CC-BY-SA-4.0.txt. Übersetzungen und Zusammenfassungen der Lizenz sind erhältlich unter https://creativecommons.org/licenses/by-sa/4.0/deed.de.
Dieses Projekt ist REUSE-konform:
Für die meisten Textdateien sind die Lizenzinformationen im Dateikopf.
Für alle anderen Dateien sind die Lizenzinformationen in einer Textdatei mit demselben Namen und Dateiendung .license.