Kursplan

Syftet med kursen är att introducera en interaktiv miljö för programutveckling, experiment, dataanalys, visualisering och dokumentation. Exempel på den typ av miljö som kan användas i kursen är IPython och Jupyter Notebook. I kursen kommer även att ges en introduktion till flera av de programbibliotek som finns för dataanalys i Python. Målet är att studenten ska bli förtrogen med en interaktiv miljö för dataanalys som kommer att användas under en stor del av utbildningen.

Kursen granskar de grundläggande funktionerna i interaktiva utvecklingsmiljöer för Python, med en särskild betoning på analys och visualisering av data. Kursen granskar grundläggande statistiska begrepp och introducerar några av de vanliga Python-bibliotek som används i datavetenskap och vetenskaplig visualisering.
Kursen utforskar:

• Grunderna i statistik (fördelningar, avvikelser, regressioner, hypotestestning osv.)
• Interaktiv Python-utveckling med Jupyter Notebook.
• Grunderna i datavisualisering (läsbarhet, datarepresentationstekniker).
• Python för databehandling och statistisk analys, med Pandor, NumPy och/eller SciPy.
• Python för statistisk och vetenskaplig visualisering, med Matplotlib, Seaborn och/eller VisPy.

Efter genomförd kurs ska studenten kunna:

• Förstå grunderna i statistisk dataanalys.
• Förstå principerna för datavisualisering och kriterierna för deras lämpliga användning.

Efter genomförd kurs ska studenten kunna:

• Använda Jupiter Notebook för att utveckla, kompilera och dokumentera dataanalyser och visualiseringar.
• Implementera matematiska och statistiska tekniker med Pandas, NumPy eller SciPy.
• Implementera olika plottningstekniker för att visualisera data med Matplotlib, Seaborn eller VisPy.
• Använd kreativitet och logiska färdigheter för att implementera lämpliga visualiseringstekniker.
• Tillämpa interaktiva grafiska gränssnitt, widgets och kommandon i Jupyter Notebooks för att analysera och manipulera data.
• Exportera och dela interaktiva Notebooks.
• Tillämpa teoretiska principer i praktiken.

Efter genomförd kurs ska studenten kunna:

• Motivera valet av lämpliga statistiska metoder baserat på typen av analys och data.
• Tolka resultat och leverera slutsatser baserade på statistiska och grafiska bevis.