Python für Biologen
Zusammenfassung
Der Kurs Python für Biologen ist die Weiterentwicklung des Kurses Python für Wissenschaftler und Ingenieure , der speziell auf Biologen zugeschnitten ist und Bibliotheken wie Biopython enthält.
Biologen benötigen Programmierkenntnisse in Python, um ihre Daten zu analysieren, haben aber während ihres Bachelor- und Masterstudiums kaum eine Programmierausbildung erhalten. Daher hat dieser Kurs vier Ziele und lehrt
- eine grundlegende Einführung in Python und die Programmierung im Allgemeinen
- wissenschaftliche Daten zu analysieren, zu interpretieren und zu visualisieren, um publikationsreife Diagramme zu erstellen
- gute Programmierpraxis, Versionskontrolle mit GIT und virtuellen Umgebungen
- Spezialisierung auf Biopython (DNA-Analyse), Bildanalyse, oder mehr (siehe unten)
Es gibt verschiedene Spezialisierungsmodule, aus denen die Teilnehmer wählen können, da Biologen – auch wenn sie in der gleichen Arbeitsgruppe arbeiten – je nach ihrem Forschungsthema unterschiedliche Spezialisierungen benötigen.
Zielgruppen
Der Kurs eignet sich für Personen mit Vorkenntnissen in anderen Programmiersprachen und für Personen, die bereits Erfahrung mit Python haben und ihre Kenntnisse verbessern möchten. Viele der bisherigen Teilnehmer waren Autodidakten und schätzten die strukturierte Einführung in Python.
Der Kurs ist auch für absolute Anfänger in der Programmierung geeignet, allerdings sollten Anfänger zusätzliche Zeit zwischen den Tutorials einplanen, um die Grundlagen aus den zusätzlichen Ressourcen zu lernen.
Struktur des Kurses
Der Kurs wird in englischer Sprache abgehalten und besteht derzeit aus 6 Modulen. Er kann als On-Demand-Kurs oder als Blended-Learning-Kurs belegt werden. Die On-Demand-Module enthalten jeweils
- einen 60-90-minütigen Videovortrag, den sich die Teilnehmer ansehen können, wann es ihnen passt
- Übungen, in denen die Teilnehmer das Gelernte anwenden können
Inhalt
Einrichtung
-
Einführung, Jupyter, Virtuelle Umgebungen, Notebook-Erweiterungen, Python-Grundlagen
Grundlagen
-
Syntax, PEP8, Tastaturkürzel, Einführung in Numpy und Matplotlib
-
Fortgeschrittenes Numpy, Pandas, Dateieingabe und -ausgabe, ChatGPT
-
Fortgeschrittene Matplotlib, Inset Plots, Contour Plots, Interaktive Plots
-
GIT, String-Formatierung, Videoerstellung, Notebook-Struktur
Spezialisierungs
-
Interpolation, Anpassung, Komplexe Anpassung, Filterung, Beispiel für Datenanalyse
-
Dateierstellung, Generatoren, Parallelisierung, Sympy, Integration von Plots in Overleaf
-
Biopython, DNA-Sequenzierung, BLAST, Visualisierung von DNA
-
Bildanalyse und -verarbeitung (Scikit Image)