SE-01 (B)


1. Basis Daten/ basic data


Status

FREIGEGEBEN

Modul-/Seminar-Nr.

SE-01

Fakultät / faculty

Business and Economics und Technology & Engineering

Titel

Vertiefung Programmierung (Python)

Verwendbarkeit / applicability

Verwendbar im Bachelorstudiengang Wirtschaftsinformatik

Modulteile / courses

-

Dauer / duration

Gesamtdauer: 37,5 (= 300 Stunden)

davon

Seminartage: 5 (= 40 Stunden)

Selbstlerntage: 12,5 (= 100 Stunden)

Transfertage: 20 (= 160 Stunden)

Sprache / language

D / E

Workload

10 CP

Leistungsnachweis / exam

Case

Noten werden von 1,0 bis 4,4 vergeben, ab einer Note von 4,5 gilt der Leistungsnachweis als nicht bestanden.

Gewichtung / weighting

10 CP / 180 CP bzw. 5,56 %

Terminierung / termination

Mindestens 1x pro Studienjahr

Eingangsvoraussetzung / entry requirement

§ 10 und § 11 BerlHG in Verbindung mit RSPO und SPO.

Voraussetzungen/ requirements

Das Modul ist ohne Vorkenntnisse aus anderen Modulen studierbar.

Modulverantwortlicher / Responsibility

Prof. Dr. Axel Lamprecht


2. Qualifikationsziele / Intention of Qualification

Bei der erfolgreichen Beendigung dieser Lehrveranstaltung ist der Lernende zu Folgendem in der Lage (erwartete Lernergebnisse und zu erwerbende Kompetenzen):

  • Er kann Abläufe in Form von Algorithmen darstellen

  • Er beherrscht eine Programmierumgebung (Python)

  • Er kennt Programmierrichtlinien und weiß um ihre Bedeutung

  • Er kann Programme in Python erstellen und interpretieren

  • Er kennt die verschiedenen Fehlerarten und kann Fehler beheben

  • Kennen und beherrschen von OOP in Python

  • Fortgeschrittene Python Techniken

  • Data Science und Machine Learning mit Python

  • Einrichtung und Anwendung einer Programmierumgebung (Python)

3. Inhalt /content

Grundlagen

  • Variablen und ihre Deklarationen

  • Konvertierung

  • Operatoren

  • Listen, Tupel und Dictionaries

  • Sequenz und Selektion

  • Daten und Kontrollstrukturen

  • Arrays

  • Stringverarbeitung

  • Ablauf und Fehlerbehandlung

  • Kommentare

  • Funktionen

  • Datenzugriff in Programmen

Objektorientierte Programmierung

  • OO-Sprachelemente

  • Klassen und Objekte

  • OO-Techniken

  • Implementierung (OOP)

Fortgeschrittene Python Techniken

  • Lambda, Map und Reduce

  • Listen Abstraktion

  • Generatoren

  • Dekorateure

Data Science

  • Statistik und Wahrscheinlichkeitstheorie

  • Grundlagen der Wahrscheinlichkeitsrechnung

  • Machine Learning

  • Empfehlungssysteme

  • Weitere Techniken und Konzepte

4. Lehr- und Lernmethoden

Asynchrones Lernen

☒ Pre-Reading

☒ Post-Reading

☒ E-Learning

Synchrones Lernen

☒ Vorlesung

☒ Seminar

☒ E-Learning

Transfer

☒ Transfer auf das eigene Unternehmen

☐ Projektarbeit

5. Literatur

  • Einführung in Python 3, Bernd Klein, Hanser Verlag, ISBN 978-3-446-45208-4
    Dieses Buch ist kostenlos als "Onlineausgabe" erhältlich:
    https://www.python-kurs.eu/

  • Python Tricks, Dan Bader, Dpunkt.verlag, ISBN 978-3-86490-568-1

  • Neuronale Netze, Tariq Rashid, O´REILLY, ISBN 978-3-96009-043-4

  • Python Data Science Handbook

  • Jake VanderPlas, O´REILLY, ISBN 978-1-491-91205-8