Alle Lernmaterialien für deinen Kurs Programmierung und Data-Science

Egal, ob Zusammenfassung, Altklausur, Karteikarten oder Mitschriften - hier findest du alles für den Studiengang Bachelor of Science Chemie

TU München

Bachelor of Science Chemie

Prof. Dr.

2024

So erstellst du deine eigenen Lernmaterialien in Sekunden

  • Lade dein Vorlesungsskript hoch
  • Bekomme eine individuelle Zusammenfassung und Karteikarten
  • Starte mit dem Lernen

Lade dein Skript hoch!

Zieh es hierher und lade es hoch! 🔥

Jetzt hochladen

Die beliebtesten Lernunterlagen deiner Kommilitonen

Jetzt hochladen
Programmierung und Data-Science - Cheatsheet
Deskriptive Statistik und Wahrscheinlichkeitsrechnung Definition: Beschreibende Statistik: Daten zusammenfassen und analysieren. Wahrscheinlichkeitsrechnung: Modelle zur Abschätzung der Wahrscheinlichkeit von Ereignissen. Details: Deskriptive Statistik Arithmetisches Mittel: \( \bar{x} = \frac{1}{n} \sum_{i=1}^{n} x_i \) Median: mittlerer Wert Standardabweichung: \( s = \sqrt{\frac{1}{n-1} \sum_{i...

Programmierung und Data-Science - Cheatsheet

Zugreifen
Programmierung und Data-Science - Exam
Aufgabe 1) Ein Chemieunternehmen sammelt Daten zu den Reaktionszeiten (in Sekunden) einer chemischen Reaktion unter bestimmten Bedingungen. Die folgenden Messwerte wurden aufgenommen: 12, 15, 14, 16, 13, 15, 14, 11, 13, 14.Verwende die Methoden der deskriptiven Statistik und Wahrscheinlichkeitsrechnung, um die Daten zu analysieren. Angenommen, das Unternehmen möchte die Wahrscheinlichkeit abschätz...

Programmierung und Data-Science - Exam

Zugreifen

Bereit für die Klausur? Teste jetzt dein Wissen!

Was versteht man unter dem arithmetischen Mittel in der Deskriptiven Statistik?

Welche Formel beschreibt die Standardabweichung in der Deskriptiven Statistik?

Was ist der Erwartungswert \(E[X]\) in der Wahrscheinlichkeitsrechnung?

Was beschreibt der Prozess der Datenvorverarbeitung?

Was ist ein Beispiel für Datenbereinigung?

Welches Werkzeug kann zur Datenvorverarbeitung in Python verwendet werden?

Was ist das Ziel der Explorativen Datenanalyse?

Welche Werkzeuge sind nützlich für die Explorative Datenanalyse?

Was sind wichtige Techniken der Explorativen Datenanalyse?

Wie definiert man eine Funktion in Python?

Welche Basis-Datenstrukturen gibt es in Python?

Was ist das Ausgabeformat in Python?

Was ist die Hauptfunktion von NumPy in der Datenmanipulation?

Welche Methode in Pandas gibt die ersten paar Zeilen eines DataFrames zurück?

Welche der folgenden Methoden wird verwendet, um in Pandas eine Zusammenführung von DataFrames durchzuführen?

Welche Art von Algorithmus vergleicht benachbarte Elemente und tauscht sie bei Bedarf?

Was ist die Komplexität von Quick Sort im besten Fall?

Welcher Algorithmus teilt die Liste wiederholt in Hälften, um das Ziel zu finden?

Wie importiert man das Modul Matplotlib für die Erstellung von Plots?

Wie fügt man eine Titelbeschriftung zu einem Plot in Matplotlib hinzu?

Welche Methode wird verwendet, um ein Balkendiagramm in Matplotlib zu erstellen?

Was sind die Hauptunterschiede zwischen überwachten und unüberwachten Lernverfahren?

Wie können Überanpassung und Unteranpassung beim maschinellen Lernen vermieden werden?

Welche Fehlermetriken werden üblicherweise zur Bewertung von Regressionsmodellen verwendet?

Weiter

Diese Konzepte musst du verstehen, um Programmierung und Data-Science an der TU München zu meistern:

01
01

Datenanalyse

In diesem Modul lernst Du die grundlegenden Techniken und Werkzeuge zur Analyse von Daten. Es wird besonderer Wert auf statistische Methoden und die Interpretation von Ergebnissen gelegt.

  • Deskriptive Statistik und Wahrscheinlichkeitsrechnung
  • Datenvorverarbeitung und Bereinigung
  • Explorative Datenanalyse
  • Hypothesentests und Konfidenzintervalle
  • Zeitreihenanalyse und Trendbewertung
Karteikarten generieren
02
02

Programmierung in Python

Hier wirst Du mit der Programmiersprache Python vertraut gemacht und erlernst deren Anwendung zur Lösung von Data-Science-Problemen. Der Fokus liegt auf praktischen Programmierübungen.

  • Einführung in Python und seine Syntax
  • Datenstrukturen und grundlegende Algorithmen
  • Arbeiten mit Bibliotheken wie NumPy und Pandas
  • Dateiverarbeitung und Netzwerkprogrammierung
  • Fehlerbehandlung und Debugging
Karteikarten generieren
03
03

Algorithmen und Datenstrukturen

Dieses Modul behandelt grundlegende und fortgeschrittene Konzepte in der Algorithmik und Datenstrukturierung. Es wird großen Wert auf die Effizienz und Anwendung der Algorithmen gelegt.

  • Einführung in grundlegende Datenstrukturen (Listen, Stapel, Warteschlangen)
  • Komplexitätsanalyse von Algorithmen
  • Sortier- und Suchalgorithmen
  • Rekursions- und Divide-and-Conquer-Strategien
  • Graphen und Netzwerke
Karteikarten generieren
04
04

Visualisierung von Daten

In diesem Modul lernst Du, wie Du Daten effektiv visualisieren und präsentieren kannst. Du wirst verschiedene Techniken und Tools erkunden, um aussagekräftige Visualisierungen zu erstellen.

  • Theorie der Datenvisualisierung
  • Erstellung von Diagrammen und Plots mit Matplotlib und Seaborn
  • Interaktive Visualisierungen mit Plotly und Bokeh
  • Geovisualisierung und Heatmaps
  • Best Practices für die Kommunikation von Daten
Karteikarten generieren
05
05

Einführung in maschinelles Lernen

Dieses Modul bietet eine Einführung in die Konzepte und Techniken des maschinellen Lernens. Du wirst lernen, wie Modelle entwickelt, trainiert und bewertet werden.

  • Grundlagen des maschinellen Lernens
  • Überwachtes und unüberwachtes Lernen
  • Modellauswahl und -bewertung
  • Trainings- und Testdatenaufteilung
  • Anwendung von Machine-Learning-Bibliotheken wie scikit-learn
Karteikarten generieren

Alles Wichtige zu diesem Kurs an der TU München

Programmierung und Data-Science an TU München - Überblick

Die Vorlesung 'Programmierung und Data-Science' an der Technischen Universität München ist ein integraler Bestandteil des Studiengangs Chemie und bietet Dir eine wertvolle Einführung in die Welt der Datenverarbeitung und -analyse. Die Vorlesung ist als Kombination aus theoretischem Unterricht und praktischen Anwendungen konzipiert, was Dir ein ausgewogenes und praxisnahes Verständnis der Materie vermittelt. Am Ende des Kurses wirst du Dein Wissen durch eine Klausur und eine Projektarbeit unter Beweis stellen. Diese Vorlesung wird sowohl im Wintersemester als auch im Sommersemester angeboten.

Wichtige Informationen zur Kursorganisation

Kursleiter: Prof. Dr.

Modulstruktur: Die Vorlesung gliedert sich in mehrere Module mit einer ausgewogenen Zeitverteilung zwischen Theorie und praktischen Anwendungen

Studienleistungen: Es wird ein Abschlussprüfungsverfahren geben, das auf einer Kombination aus Klausur und Projektarbeit basiert

Angebotstermine: Die Vorlesung wird sowohl im Wintersemester als auch im Sommersemester angeboten.

Curriculum-Highlights: Datenanalyse, Programmierung in Python, Algorithmen und Datenstrukturen, Visualisierung von Daten, Einführung in maschinelles Lernen

So bereitest Du Dich optimal auf die Prüfung vor

Beginne frühzeitig mit dem Lernen, idealerweise schon zu Beginn des Semesters, um Dir die nötige theoretische Basis anzueignen.

Nutze verschiedene Ressourcen, wie Bücher, Übungsaufgaben, Karteikarten und Probeklausuren, um dein Wissen zu vertiefen.

Schließe Dich Lerngruppen an und tausche Dich mit anderen Studierenden aus, um gemeinsam Lösungsstrategien zu entwickeln.

Vergiss nicht, regelmäßige Pausen einzulegen und in diesen Zeiten komplett abzuschalten, um eine Überbelastung zu vermeiden.

Nutzung von StudySmarter:

Nutzung von StudySmarter:

  • Erstelle Lernpläne und Zusammenfassungen
  • Erstelle Karteikarten, um dich optimal auf deine Prüfung vorzubereiten
  • Kreiere deine personalisierte Lernerfahrung mit StudySmarters AI-Tools
Kostenfrei loslegen

Stelle deinen Kommilitonen Fragen und bekomme Antworten

Melde dich an, um der Diskussion beizutreten
Kostenlos anmelden

Sie haben bereits ein Konto? Login

Entdecke andere Kurse im Bachelor of Science Chemie

Allgemeine und Anorganische Chemie Kurs ansehen
Anorganisch-chemisches Praktikum 2 Kurs ansehen
Anorganisch-chemisches Praktikum 3 Kurs ansehen
Anorganische Festkörperchemie- und Organometallchemie Kurs ansehen
Anorganische Molekülchemie Kurs ansehen
Aufbau und Struktur organischer Verbindungen Kurs ansehen
Bachelor's Thesis Kurs ansehen
Biochemie Kurs ansehen
Biochemisches Praktikum Kurs ansehen
Biologie für Chemiker Kurs ansehen

Lerne jederzeit. Lerne überall. Auf allen Geräten.

Kostenfrei loslegen