Cours

Workshops im PC-Pool Physik

Workshop: Wissenschaftliches Arbeiten, Schreiben und Präsentieren WiSe 23/24

IT-Brückenkurs Physik

Kursinhalte

Diese vorbereitende Blockveranstaltung soll grundlegendes IT-Wissen vermitteln, das nicht nur im Studium der Physik, sondern generell in den Naturwissenschaften ab dem ersten Semester nützlich ist, an der Schule aber meistens nicht vermittelt wird.

Wissenschaftlicher Textsatz mit LaTeX
Die Dokumenterstellung mit dem Textsatzsystem LaTeX unterscheidet sich deutlich von der Arbeitsweise mit einer Office-Software und ist daher mit etwas Lernaufwand verbunden. Insbesondere bei der Anfertigung von komplexen Dokumenten wie Abschlussarbeiten oder für Dokumente mit vielen Formeln kann sich dieser Aufwand aber lohnen.
  • Einführung in LaTeX
  • Einbinden von Grafiken und Erstellen von Tabellen
  • Verwendung von Literaturverzeichnissen
Programmieren mit Python
Programmierkenntnisse werden in der Schule nicht flächendeckend vermittelt und beziehen sich häufig auf Programmiersprachen, die im naturwissenschaftlichen Alltag kaum eine Rolle spielen. Die Programmiersprache Python ist in vielen unterschiedlichen wissenschaftlichen Fachrichtungen weit verbreitet und bietet eine sehr gute Grundlage für die Analyse und Darstellungen von Daten.
  • Einführung in Python
  • Darstellung und Verarbeitung von Daten

Studentisches Mentoring in den physikalischen Studiengängen WiSe 23/24

Mentee-Anmeldung WiSe 23/24

Datenanalyse und Datenmanagement I

Lernergebnisse

Die Studierenden beherrschen die Grundlagen von Wahrscheinlichkeitsrechnung und Statistik sowie der statistischen Analyse wissenschaftlicher Daten. Sie kennen die Regeln der guten wissenschaftlichen Praxis die Datenanalyse und das Datenmanagement betreffend. Sie können Messunsicherheiten in eigenen Daten analysieren und quantifizieren. Sie beherrschen die Grundlagen des Programmierens und der Datenvisualisierung und -analyse in Python


Lehrinhalte

  • Eigenschaften von Zufallsprozessen, Berechnung und Interpretation von Wahrscheinlichkeiten, Wahrscheinlichkeitsverteilungen (insbes. Normalverteilung und Poisson-Verteilung), Eigenschaften und Ursachen von Rauschen, Signifikanztests
  • Nachweisgrenze und Bestimmungsgrenze, Messfehler und Messunsicherheiten, Berechnung von Messunsicherheiten und Fortpflanzung von Messunsicherheiten nach GUM (Guide to the expression of uncertainty in measurement)
  • statistische Prozesse bei Zählexperimenten, korrelierte Unsicherheiten und Kovarianzen, lineare und nichtlineare Anpassung (Fitten)
  • Grundlagen des Datenmanagements und der guten wissenschaftlichen Praxis den Umgang mit Daten betreffend
  • Grundlagen des Programmierens in Python (Datentypen, Verzweigungen, Schleifen und Funktionen, Grundlagen objektorientierten Programmierens, reguläre Ausdrücke, Arbeiten mit Datenbanken)