1
Inleiding tot de taal Python
- De belangrijkste gegevenstypen: strings, booleans, getallen, lijsten, tuples en woordenboeken.
- Besturingsstructuren: for en while-lussen, if/elif/else-tests.
- Functies: aanmaken, parameters doorgeven, standaardwaarden, variabele argumenten.
- Bibliotheken maken en gebruiken.
- De belangrijkste valkuilen van Python: muteerbare en niet-wijzigbare types, toewijzing door verwijzing/adres.
- De ontwikkelomgeving Python/Anaconda.
Praktisch werk
Omgaan met Python met de Anaconda distributie, gebruik van een IDE, korte algoritmische oefeningen om de taal onder de knie te krijgen. Omgaan met data.
2
Meer informatie over taal
- Object-georiënteerde syntaxis begrijpen.
- Een klasse maken: klassenattributen, instantiesattributen, methoden, speciale functies.
- Leest en schrijft bestanden in tekstformaat.
- Standaardbibliotheken gebruiken: relationele databases en reguliere expressies.
Praktisch werk
Verbinding met een relationele database en analyse van logs met behulp van reguliere expressies, om een CSV-bestand te maken voor gebruik door wetenschappelijke bibliotheken.
3
Presentatie van het wetenschappelijke Python-ecosysteem
- Overzicht van het wetenschappelijke ecosysteem van Python: de essentiële bibliotheken.
- Weet waar u nieuwe boekwinkels kunt vinden en beoordeel hun duurzaamheid.
- De belangrijkste open source tools en software voor data science.
- Waarom een wetenschappelijke distributie zoals Anaconda gebruiken.
- De voordelen van een virtuele omgeving begrijpen en weten hoe deze te gebruiken.
- De iPython-interpreter en de Jupyter-server.
- Best practices voor een goede start van uw data science project met Python.
- Wetenschappelijke bestandsformaten en bibliotheken om ze te manipuleren.
Praktisch werk
De ontwikkelomgeving opzetten. Een virtuele omgeving maken, een omgeving exporteren en dupliceren, Jupyter-notebooks gebruiken.
4
De SciPy-stapel
- De basis van essentiële wetenschappelijke bibliotheken waarop alle andere zijn gebaseerd: de SciPy Stack.
- Numpy: numerieke berekening en lineaire algebra (vectoren, matrices, afbeeldingen).
- Scipy, gebaseerd op Numpy voor: statistiek, functionele en geospatiale analyse, signaalverwerking...
- Pandas: analyse van gegevens in tabelvorm (CSV, Excel, enz.), statistieken, pivots, filters, zoekopdrachten, enz.
- Matplotlib: de essentiële bibliotheek voor datavisualisatie om mee aan de slag te gaan.
Praktisch werk
Beeldbewerking met Numpy. Eerste plots. Statistische analyse van CSV-bestanden. Eerste mapping elementen. Fouriertransformaties.