Python-Datenanalyse und wissenschaftliches Rechnen mit Python

Python-Datenanalyse und wissenschaftliches Rechnen mit Python mit den Modulen Numpy, Pandas, SciPy und Matplotlib
Mit den Paketen Numpy, Pandas, SciPy und Matplotlib wird Python zu einem umfassenden Werkzeug für das wissenschaftlich-technische Rechnen. Diese Basismodule, in Verbindung mit zahlreichen anwendungsspezifischeren Bibliotheken, stellen eine kostenfreie und extrem performante Alternative zu kommerziellen Tools wie z.B. Matlab dar. In diesem Seminar werden zunächst die Grundlagen der Programmierung in Python vertieft. Danach werden die grundlegenden Datenstrukturen und Funktionen der Pakete Numpy, Pandas, SciPy und Matplotlib eingeführt. Ausgewählte Programmierbeispiele geben einen Einblick in die weitgefächerten Anwendungsfelder der Module.
Sie vertiefen Ihr vorhandenes Python Wissen und lernen die Programmbibliothek Pandas kennen, um sie für vielfältige Anwendungsgebiete einzusetzen. Die Algorithmen der Open-Source Softwareumgebung SciPy für wissenschaftliches Rechnen, Visualisieren und damit verbundene Funktionalitäten können sie zur numerischen Integration und Optimierung nutzen. Anhand vieler praktischer Beispiele werden die Methoden vertieft.

Dieses Seminar ist konzipiert für Teilnehmer aus naturwissenschaftlich-technischen oder finanz- und versicherungswirtschaftlichen Berufsfeldern, in denen die mathematische Modellierung, die Datenanalyse und das wissenschaftlich Rechnen allgemein von Bedeutung sind.

Montag, 25. bis Mittwoch, 27. September 2023
9.00 bis 16.30 Uhr, inkl. Pausen

Grundlagen bzw. Vertiefung Python
– Datentypen und -strukturen
– Kontrollstrukturen
– Klassen, Funktionen und Module
– Ein- und Ausgabe
– iPython
– Entwicklungsumgebungen

Numpy
– Numpy-Array – die grundlegende Datenstruktur
– Python Bibliothek Pandas
– Operationen auf Numpy-Arrays
– Indexierung, Sortierung, Suche, Zählen
– Datei Ein- und Ausgabe
– Allgemeine mathematische Funktionen (Arithmetik, Trigonometrie)

SciPy
– Integral
– Lösung von Optimierungsproblemen
– Interpolationsfunktionen
– Digitale Signalverarbeitung:
– Lineare Algebra
– Statistik
– Multidimensionale Bildverarbeitung

Matplotlib
– 2D- und 3D-Plots
– Basistypen: Line-, Scatter-, Step-, und Barplot