Python für die Datenanalyse in den Sozialwissenschaften

Python für die Datenanalyse in den Sozialwissenschaften#

Dies ist die Website zum zweiten Teil der mehrteiligen Schulung zu Python für die Datenanalyse in den Sozialwissenschaften - durchgeführt von Come2Data zusammen mit den Pilotprojekten Sozialwissenschaften an der TU Chemnitz und TU Dresden als Teil des in Come2Data registrierten Lehrproblem LP24 (Sharepoint-Link).
Dieser Teil der Schulung behandelt die Nutzung von Python für die Analyse und Visualisierung verschiedener Datentypen sowie Aspekte des Natural Language Processing (NLP) und Web-Scraping. Zudem wird die Nutzung von Large-Language-Modellen (LLM) und darauf basierenden KI-Chat-Bots zur Unterstützung bei der Datenanalyse und der Generierung von Code betrachtet.

Auf den folgenden Seiten werden alle Schulungsmaterialien sowie zusätzliche Informationen und eine ausführliche Anleitung zur Vorbereitung deines Computers zur Verfügung gestellt.

Die Schulungsmaterialien zu den anderen Teilen finden sich hier:

Des Weiteren ist der Python-Selbstlernkurs von DataCarpentry zu empfehlen, welcher ähnliche und weiterführende Inhalte abdeckt. Dieser wird ebenfalls unter einer CC-BY 4.0 Lizenz bereitgestellt.

Allgemeine Informationen#

  • Datum: 12.03.2025

  • Ort: TU Chemnitz - Gebäude C34, Raum c34.u10 - Thüringer Weg 9, 09126 Chemnitz

  • Zielgruppe: Forschende in den Sozialwissenschaften und andere Interessierte.

  • Vorkenntnisse:

    • Grundlegende Kenntnisse zur Programmiersprache Python erforderlich.

    • Grundlegende Kenntnisse zum Umgang mit conda und Jupyter Lab erforderlich

Trainer#

Programm#

* 10:00 - 10:15 Begrüßung, Ablauf, Vorbereitung
* 10:15 - 10:30 Einführung zu KI-Assistenten und LLM
* 10:30 - 11:45 Analyse und Visualisierung von tabellarischen Daten (inkl. Pause)
* 11:45 - 12:00 Einführung zu NLP
* 12:00 - 12:30 Analyse und Visualisierung von Textdaten - Teil 1
* 12:30 - 13:30 Mittagspause
* 13:30 - 14:15 Analyse und Visualisierung von Textdaten - Teil 2
* 14:15 - 14:30 Einführung zu Web-Scraping
* 14:30 - 15:45 Analyse von Webressourcen (inkl. Pause)
* 15:45 - 16:00 Offene Fragen und Abschluss

Wir bedanken uns für die finanzielle Unterstützung durch das Bundesministerium für Bildung und Forschung im Rahmen des Programms „Stärkung der Datenkompetenzen des wissenschaftlichen Nachwuchses“ (Projektkennziffer: 16DKZ2044) sowie im Rahmen des Programms „Center for Scalable Data Analytics and Artificial Intelligence“ (Projektkennziffer: ScaDS.AI). Diese Maßnahme wird mitfinanziert durch Steuermittel auf der Grundlage des vom Sächsischen Landtag beschlossenen Haushalts.

Contents