Teaching/RSE/FT2015

Haupt-/Forschungsseminar FT 2015

Dies ist die offizielle Webseite für das Haupt- und Forschungsseminar an der Professur für Allgemeine BWL, insbesondere E-Business der Universität der Bundeswehr München, im Wintertrimester 2015.

Dozent: Prof. Dr. Martin Hepp

Allgemeine Informationen

In diesem Seminar werden wir Grundlagen des wissenschaftlichen Arbeitens in den Bereichen ABWL, E-Business, Informatik und Wirtschaftsinformatik erarbeiten und einen Einblick in aktuelle Forschungsfragen erhalten. Teilnehmer können ferner selbstständig eine Seminararbeit als Vorbereitung auf die Masterarbeit anfertigen.

Ressourcen

• http://continuum.io/downloads
• http://quant-econ.net/index.html
• http://matplotlib.org/gallery.html
• https://github.com/mwaskom/seaborn (top!)
• http://scipy-lectures.github.io/intro/matplotlib/matplotlib.html
• http://scipy-lectures.github.io/index.html
• http://matplotlib.org/users/screenshots.html
• http://www.google.com/publicdata/directory
• http://www.ted.com/talks/hans_rosling_shows_the_best_stats_you_ve_ever_seen

Logistik

Ablauf

tbd

Termine

tbd

Veranstaltungsort

• Raum: 36/1134
• Zeit: tbd

Inhalte und Einheiten

Einheit 1: Datengetriebene, reproduzierbare Foschung mit Python

• Literate Programming ist im Kern die Idee, ausführbare Programme und ihre für Menschen geeignete Dokumentation zu verschmelzen, sodass man im Prinzip nur eine Spezifikation verwendet, die für Menschen nachvollziehbar und für Computer ausführbar ist. In letzter Zeit wird dies für Forschung (und Journalismus) als Ansatz postuliert, um Forschungsarbeiten nicht nur im Ergebnis zu publizieren, sondern als Daten und Routinen auch tauschbar zu machen. Andere Wissenschaftler können dann Arbeiten besser kritisch evaluieren und darauf aufbauende Forschung betreiben.
• http://nbviewer.ipython.org/gist/fonnesbeck/5289662
• http://simplystatistics.org/2014/09/04/why-the-three-biggest-positive-contributions-to-reproducible-research-are-the-ipython-notebook-knitr-and-galaxy/
• Knuth, Donald E. (1984): Literate Programming.. The Computer Journal (British Computer Society) 27 (2): 97–111.

• Vorteile für Forscher
• Vorteile für die Community
• Beispiele

Einheit 2: Import, Analyse, Verarbeitung, Veröffentlichung und Archivierung von Daten

1. Import von Daten
   • Import aus Dateien: CSV und Excel
   • Import aus Online-Datenbanken
     • Wissenschaftliche Datenquellen
     • Wikidata
   • Import aus Google Docs und Fragebögen
   • Extraktion aus Webseiten
2. Verarbeitung
   • Deskriptive Statistik
   • Schließende Statistik
   • Machine Learning
3. Export von Daten
   • Ausgabe und Formatierung von Dateien: CSV und Excel
   • Publikation im WWW
4. Persistenz und Archivierung

TBD

• FFT - http://tomwhipple.com/projects/explorations/basic-signal-processing-with-ipython-notebook.html
• Pandas in general, http://pandas.pydata.org/
• Crowdsourcing
• Kernel Density Estimation - https://jakevdp.github.io/blog/2013/12/01/kernel-density-estimation/

Einheit 3: Datenvisualisierung mit Matplotlib

1. Grundlagen
2. 2D-Visualisierungen
   • Einfache Diagranne
   • Arbeiten mit Karten
     • http://introtopython.org/visualization_earthquakes.html
3. 3D-Visualisierungen

Links

• http://www.labri.fr/perso/nrougier/teaching/matplotlib/ (top!)
• http://nbviewer.ipython.org/github/WeatherGod/AnatomyOfMatplotlib/tree/master/ (also top!)
• https://github.com/jbmouret/matplotlib_for_papers (also top!)
• http://nbviewer.ipython.org/github/jrjohansson/scientific-python-lectures/blob/master/Lecture-4-Matplotlib.ipynb
• https://plot.ly/ipython-notebooks/
• http://matplotlib.org/gallery.html
• http://matplotlib.org/users/screenshots.html
• http://ipython.org/ipython-doc/2/api/generated/IPython.core.magics.pylab.html
• https://plot.ly/ipython-notebooks/