Introduktion til databehandling i Python
Lær at arbejde med data i Python – også selvom du kun har lidt eller ingen erfaring med Python. På kurset lærer du at indlæse, rense og analysere data med Pythons Pandas bibliotek, så du kan anvende det til opgaver og projekter på studiet.
Vælg startdato
Du skal være medlem af Djøf studerende og i gang med et studie, for at kunne deltage.
3 timer
15.00-18.00
Er studiekurset for dig?
Kurset henvender sig til dig, der:
- er ny i Python eller har begrænset erfaring og gerne vil komme i gang med databehandling
- gerne vil bruge Python til at få overblik, rense og analysere dine data
- ønsker at kunne lave simple analyser og deskriptiv statistik i Python
- er studerende og har opgave- eller specialedata i f.eks. Excel, CSV-filer, spørgeskemasvar, registre eller lignende, som du gerne vil analysere
- er nysgerrig på, hvordan AI kan hjælpe dig, når du sidder fast i din kode
Om studiekurset
Kurset giver dig en praktisk introduktion til databehandling i Python med udgangspunkt i Pandas-biblioteket. Vi arbejder blandt andet med:
- at indlæse data fra f.eks. CSV-filer eller Excel
- at skabe overblik over et datasæt
- deskriptiv statistik (gennemsnit, fordelinger m.m.)
- at filtrere, sortere og udvælge relevante data
- at skabe nye kolonner til videre analyse
Formålet med kurset er at give dig en anvendelsesorienteret introduktion til databehandling i Python, så du kan arbejde mere effektivt med data i dit studie, samt en introduktion til dataorienteret kode i Python, så du nemmere kan lære at anvende nye funktioner på egen hånd.
Målet er, at du efter kurset kan:
- indlæse og få overblik over datasæt i Python
- manipulere og klargøre datasæt til analyse
- tage de første skridt mod at lave analyser og visualiseringer på et solidt datagrundlag
- lære flere funktioner og metoder på egen hånd
Undervisningen veksler mellem korte oplæg og øvelser, hvor du selv skriver og kører kode. Du får udleveret materiale, som du bruger i øvelserne, og efter kurset får du en rettefil med forslag til løsninger og ChatGPT-prompts.
Vibecoding og AI som hjælper.
Som en del af kurset arbejder vi med vibecoding og generativ AI (genAI) som praktisk hjælper i dit arbejde med Python.
Du får erfaring med at bruge f.eks. ChatGPT til at:
- få idéer til løsninger
- få forklaret kode, du ikke forstår
- finde og rette fejl
- omskrive og forbedre din egen kode
Fokus er, at du både lærer at skrive kode selv og lærer at bruge AI på en måde, der styrker din forståelse i stedet for at erstatte den.
Husk dette, inden du møder
Inden kursusstart skal du have installeret Jupyter Notebook (som kan hentes her via Anaconda) eller sat Google Colab op (se hvordan her). Du får en mail med link til kursusmateriale, som skal hentes ned på din computer eller Google Drive, hvis du benytter Colab.
Derudover er det vigtigt at gøre opmærksom på, at dette er et grundlæggende Python-kursus for nybegyndere, og undervisningsmaterialet er derfor på et introducerende niveau.
Desuden gør vi opmærksom på, at vi også har et andet introduktionskursus i Python med fokus på programmeringsfunktioner.
Marie Gam
Praktisk information
Her får du svar om de vigtigste praktiske informationer. Har du andre spørgsmål, så kontakt os endelig.
Hvornår foregår det?
Hvornår skal jeg senest tilmelde mig?
Hvem kan jeg kontakte, hvis jeg har spørgsmål?
Hvordan håndterer I mine personoplysninger?
Når du tilmelder dig en aktivitet hos Djøf, skal vi bruge nogle oplysninger om dig. Du kan læse i vores privatlivspolitik, hvordan vi håndterer og beskytter dine personoplysninger.
Du kan også læse vores privatlivspolitik for webinarer på Zoom.
Hvordan er sikkerheden med Zoom?
Når du deltager i et online Djøf-arrangement vil det foregå via platformen Zoom. Du kan læse mere om, hvordan Djøf håndterer dine data i forbindelse med online arrangementer her
Få ny viden og inspiration
I Djøfs kalender kan du finde en lang række af faglige og sociale arrangementer, kurser og netværksgrupper, der handler om alt fra personlig udvikling, aktuelle samfundsemner, lovændringer, ledelse, trivsel og meget mere. Skal du med?