Fachbereich 08: Biologie und Chemie - Master of Science - Sustainable Chemistry

Programmieren mit Python
Diese Vorlesung ist eine Einführung in Python und richtet sich an Studierende der Naturwissenschaften. Für diese Studenten ist es eine große Herausforderung, gleichzeitig Physiker oder Chemiker und Data-Science-Spezialist zu werden, da das Hauptziel ihres Studiums darin besteht, Physiker oder Chemiker und nicht Informatiker zu werden. Ich habe eine Vorlesungsstruktur für Data Science entwickelt, die diesen wichtigen Aspekt berücksichtigt. Die Vorlesung beginnt bei "Null", da viele meiner Studierenden noch nie ein Programm geschrieben haben und keine Ahnung haben, wie ein Programm funktioniert. Die Ideen, die notwendig sind, um Programme zu verstehen und zu schreiben, werden Schritt für Schritt eingeführt, wobei zunächst Python als prozedurales Programmiersystem verwendet wird. Wir konzentrieren uns auf die wichtigsten Ideen und Syntaxelemente, so dass viele Aspekte, die normalerweise Vorlesungen füllen, während der praktischen Arbeit mit der Online-Dokumentation entdeckt werden können. Nachdem die Studierenden gelernt haben, einfache Programme zu schreiben, beginnen wir mit Anwendungen zur Datenanalyse, die Chemiestudierende in ihrer täglichen Forschungsarbeit benötigen. In diesem Teil der Vorlesung verwende ich einige Datensätze, die sich auf die chemischen und technischen Aspekte des Klimawandels beziehen. Die Projekte, die die Studierenden am Ende des Kurses für ihre Note entwickeln müssen, beziehen sich ebenfalls auf dieses Problem. Ich bin ein Lehrer der alten Schule, der viel mit Kreide und Tafel arbeitet, so dass die Vorlesungsunterlagen eigentlich nur einen Teil des Stoffes abdecken. Einer dieser wichtigen Aspekte ist es, die Gemeinsamkeiten und Unterschiede zwischen verschiedenen Programmiersprachen zu lernen. Während des Kurses lernen wir diesen Aspekt für das Mathematica-System und die Programmiersprache Swift.
1) Programmieren mit Python für Studierende ohne Programmiererfahrung, prozedurale Programmiertechniken - Das erste Programm - Boolesche Daten und die Schlüsselwörter True/False - Speichern von Text als Daten in Computerprogrammen - Das Konzept des Datentyps - Methoden - if, if/else und if/elif/else Konstrukte
2) Python Listen vom Typ list - Initialisierung einer Python-Liste - Indizierung von Python-Listen - Auslesen/Ersetzen des i-ten Elements - Globale Funktionen und Operatoren für Listen - Syntax eines Bereichs von Elementen - Der Datentyp slice - Methoden der Phyton-Liste - Das Tupel als Gruppe von Datenelementen
3) Python-Programmschleifen - Die while-Schleife - Gezählte Schleifen: die for-Schleife - break-Unterbrechung einer Schleife und das for/else-Konstrukt - for ... in automatisch iterierte Schleife für Listen - Python Listen-Abstraktion - while-Schleife oder for-Schleife?
4) Python-Funktionen - Definition von Funktionen (Teil 1) - Eine Liste oder ein Tupel in Funktionsargumente umwandeln
5) Namensräume und Module - Namensräume - Python Module - Pakete und importieren von Untermodulen
6) Fortgeschrittene Funktionalität der Programmiersprache Python - Bezeichner und Objekte - Veränderliche und unveränderliche vs. Werttyp- und Zeigertyp-Objekte - Operatoren - Iteration über Objekte - Was ist zu tun, wenn das Programm auf einen Fehler stösst? - Set - Dictionary
7) Strukturierte Datensätze in Python - Objekte vom Typ class in Python - Methoden der Klassenobjekte in Python - Klassenattribute - Objektorientiertes Programmieren - Methode der übergeordneten Klasse aufrufen
8) Mehr zu Funktionen in Python - Übergabe als Referenzargument - Funktionsüberladung
9) Numpy und SciPy Module Grundlagen der Dateiverarbeitung mit Python
10) Grundlagen der Datenanalyse - Simulation gemessener Datensätze - Eine Menge von Datenpunkten plotten - Ein Histogramm mit Python erstellen
11) Anpassung nichtlinearer Modelle mit Python - Grundlagen der Kurvenanpassung - Visualisierung der Kurvenanpassung - Herunterladen von Datensätzen aus dem Internet mit einem Python-Programm - Import von csv-Datensätzen - Anpassung nichtlinearer mehrdimensionaler Modelle: die Keeling-Kurve - Die Anpassungsschritte des Levenberg-Marquardt-Algorithmus
12) Optimierung und Wurzelfindung - Das Problem der Minimumsuche - Das Problem des globalen vs. lokalen Minimums - Visualisierung des Parameterraums mit Konturplots - Visualisierung des Parameterraums mit 3D plots - Kurvenanpassung als Minimumsuche - Problem der Fehlanpassung vs. Topologie des Parameterraums
13) Gewichtete Anpassung

Mathematische Grundlagen I: Einführung in die Algebra
Grundlagen, Abbildung, Verknüpfung, Verknüpfungstafel, Gruppe, Isomorphismus, Äquivalenzklassen, Permutationen
Mathematische Grundlagen II: Matrizen
Blockdiagonalmatrix, Determinante, Eigenwertproblem und geometrische Deutung, Diagonalisierbarkeit, Eigenräume, Drehmatrix, Spiegelungsmatrix
Spektroskopische Methoden
Elektromagnetische Strahlung, Strahlungsdetektoren, Aufbau von Spektrometern, FT-Spektrometer
Punktgruppen
Symmetrieelemente und -operationen, Rotationsgruppe, Punktgruppe, Schönflies-Nomenklatur
Darstellungstheorie
irreduzible Darstellung, Darstellungstafel, Charaktertafel, direktes Produkt
Rotationsspektroskopie
Hauptachsensystem und der starre, mehratomige Rotator, Rotationszustände
Schwingungsspektroskopie
Normalschwingungen, GF-Berechnung, lokalisierte Schwingungen, Auswahlregeln

Die Veranstaltung kann bei Bedarf auch in englischer Sprache angeboten werden. The course can also be offered in English if required.

aufgezeichnete Vorlesung

Dozent/-in:
Prof. Dr. Bernhard Spengler
Dr. Sven Heiles