Universität Wien

040080 UK SOLV (2023S)

Introduction to Python for Statistics

4.00 ECTS (2.00 SWS), SPL 4 - Wirtschaftswissenschaften
Prüfungsimmanente Lehrveranstaltung
DIGITAL
Moodle

An/Abmeldung

Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").

Details

max. 50 Teilnehmer*innen
Sprache: Englisch

Lehrende

Termine (iCal) - nächster Termin ist mit N markiert

  • Mittwoch 08.03. 11:30 - 13:00 Digital
  • Mittwoch 15.03. 11:30 - 13:00 Digital
  • Mittwoch 22.03. 11:30 - 13:00 Digital
  • Mittwoch 29.03. 11:30 - 13:00 Digital
  • Mittwoch 19.04. 11:30 - 13:00 Digital
  • Mittwoch 26.04. 11:30 - 13:00 Digital
  • Mittwoch 03.05. 11:30 - 13:00 Digital
  • Mittwoch 10.05. 11:30 - 13:00 Digital
  • Mittwoch 17.05. 11:30 - 13:00 Digital
  • Mittwoch 24.05. 11:30 - 13:00 Digital
  • Mittwoch 31.05. 11:30 - 13:00 Digital
  • Mittwoch 07.06. 11:30 - 13:00 Digital
  • Mittwoch 14.06. 11:30 - 13:00 Digital
  • Mittwoch 21.06. 11:30 - 13:00 Digital
  • Mittwoch 28.06. 11:30 - 13:00 Digital

Information

Ziele, Inhalte und Methode der Lehrveranstaltung

The goal of the course is to provide students with programming fundamentals in Python under special consideration of tasks related to statistics. Besides an introduction to the basics of the programming language itself, data processing and handling, visualization and the usage of common libraries for data analysis are covered.
An outline of the course can be given as follows (topics order might change):
- Python basic syntax & statements
- Control flow (if-statements, loops)
- Basic data structures (lists, dictionaries, sets)
- Array-oriented programming with NumPy
- Functions
- Basics of object-oriented programming
- Advanced data structures (queues, heaps, ...)
- Data processing with pandas
- Data visualization
- Overview of stats-related libraries
- Random number generation and Monte-Carlo simulation
- Stats-related workflows: R vs. Python

Art der Leistungskontrolle und erlaubte Hilfsmittel

Assessment scheme:
Homework assignments: 40%
Take-home exam: 25%
Theory quiz (online): 10%
Mini-project: 25%

Mindestanforderungen und Beurteilungsmaßstab

At least 50% (overall) have to be obtained for a positive grade. The other grades are distributed as follows:
4: 50% to <63%
3: 63% to <75%
2: 75% to <88%
1: 88% to 100%

Prüfungsstoff

Literatur

Zuordnung im Vorlesungsverzeichnis

Letzte Änderung: Do 11.05.2023 11:27