Introduktion till digitala resurser

Kursen syftar till att ge forskare verktyg för att mer effektivt använda digitala resurser och tekniker som stöd för forskning och forskningskvalitet. Innehållet omfattar verktyg, tips och metoder som är standard inom såväl akademisk som industriell forskning. Kursen ges av experter från Chalmers e-Commons, Chalmers digitala forskningsinfrastruktur.

Kursupplägg

Kursen består av heldagsworkshoppar en gång i veckan under tio veckor (totalt 10 dagar). Varje tillfälle innehåller föreläsningar, grupp- och individuella övningar samt diskussioner. Fokus ligger på situationer som är relevanta för vetenskaplig forskning, exempelvis dataanalys och visualisering. Den som har en egen datamängd uppmuntras att ta med denna till kursen. 

Antal högskolepoäng: 3

Antal deltagare: 20 

Lärandemål

Efter genomgången kurs förväntas deltagarna kunna:

  • Navigera och automatisera uppgifter i en Linux-miljö
  • Utveckla robusta analysflöden som är modulära, underhållbara och reproducerbara, med god praxis för kodstruktur och versionshantering
  • Effektivt hantera forskningsdata och analyskod, med strategier för att säkerställa dataintegritet, tillgänglighet och reproducerbarhet genom god dokumentation och metadata
  • Använda högpresterande beräkningsresurser för att optimera beräkningsflöden, skala upp analyser och hantera stora datamängder
  • Tillämpa maskininlärning för att analysera komplex data, tolka resultat och kommunicera dessa på ett tydligt sätt med hjälp av lämpliga visualiseringar

Behörighet

För att kunna tillgodogöra sig kursen bör deltagaren ha grundläggande förståelse för Python, till exempel kunna definiera en enkel funktion. För den som saknar programmeringsvana ges en 1–2 dagars introduktionskurs i början av hösten för att nå denna nivå. Denna introduktionskurs är öppen för alla forskare vid Chalmers. Alternativt går det bra att göra självstudier via Pythonkursen på W3Schools, upp till modulen om funktioner: https://www.w3schools.com/python/python_functions.asp. Om du är osäker på om du har den nödvändiga kunskapsnivån, rekommenderas att du går igenom W3Schools-materialet.

Innehåll

Följande teman behandlas under kursen:

  • Unix shell
  • Repetition av Python
  • Strukturerad dataanalys
  • Hantering av forskningsdata
  • Datavisualisering
  • Hantering av forskningskod
  • Användning av Python Notebooks för kommunikation
  • Introduktion till maskininlärning & AI
  • Högpresterande beräkningar
  • Etiska aspekter av AI 

Kursansvarig och examinator

Leon Boschman, kursansvarig

Sverker Holmgren, examinator 

Organisation

Heldagsworkshoppar en gång per vecka under 10 veckor. De flesta uppgifter är baserade på faktisk data och deltagarna uppmuntras att ta med egen datamängd. 

Undervisningsspråk

Engelska

Litteratur

Kursen bygger på följande öppet tillgängliga material. Vid problem med att få tillgång till materialet, vänligen kontakta kursansvarig. 

Examination

Närvaro vid minst 8 av 10 tillfällen samt aktivt deltagande i övningar och diskussioner. Kursens praktiska upplägg kräver fysisk närvaro på campus. Det är därför viktigt att deltagarna är tillgängliga under hela kursperioden.

Betygsskala: U, G