Vurderingsordning

Faglig innhold

Kurset gir en introduksjon til bruk av datahåndtering, beregning, og framstilling for analyse av miljø- og sosioøkonomisk data relevant for bærekrafttematikken.

• Python pakker for datavitenskap: NumPy, Pandas, GeoPandas, Matplotlib
• Programmeringsoverflate for Python (VScode, Anaconda, Linter)
• Programmer, funksjoner, og objekter i Python
• Dokumentasjon av kode og organisasjon av programmeringsprosjekter
• Datainnhenting og prosessering av miljø- og bærekraftorienterte datasett
• Visualisering av økologisk informasjon og utslippstall

Kurset er designet for PhD studenter i industriell økologi og gir programmeringsferdighetene som trengs i følgende PhD kurs (IO-analyse, LCA, MFA).

EP8221 er ikke åpen for andre enn PhD studenter. Antall studenter er begrenset og PhD studenter ved IndEcol prioriteres.

Læringsutbytte

Kunnskap

• Forstår programmeringsuttrykk og anvende dem
• Forstår hvordan python kan bli brukt i analyse av bærekraftspørsmål
• Forstår fordeler og ulemper med ulike måter å handtere data og kode
• Forstår fordelen med å utvikle en automatisk data pipeline

Ferdigheter

• Kan selvstendig lage et Python-prosjekt og skrive veldokumentert, effektiv og gjenbrukbar kode.
• Kan opprette, endre, slette og bruke Python-miljøer.
• Kan importere, eksportere og behandle store datasett med Pandas.
• Kan lage klare og nyttige plott med Pandas og Matplotlib.
• Kan forklare forskjellen mellom en miljøindikator og en miljøpåvirkning.
• Kan forklare forskjellen mellom produksjonsbasert (territorielt) og forbruksbasert miljøregnskap.
• Kan tydelig kommunisere resultatene av et Python-prosjekt.

Generisk kompetanse

• Forstår utfordringer med å jobbe med data på bærekraft i praksis
• Bli fortrolig med å bruke programmering som verktøy for å handtere data, gjennomføre beregninger, og visualisere resultater
• Får en mal for et Python-prosjekt som kan gjenbrukes i fremtiden.

Læringsformer og aktiviteter

• Forelesninger
• Programmering med partner
• Online programmeringsøvelser og selvstudiet
• Gruppearbeid
• Individuelt prosjektarbeid
• Presentasjon (vitenskapelig presentasjon eller pitching for bærekraftig innovasjon)

Obligatoriske aktiviteter

• Obligatoriske øvinger

Mer om vurdering

Vurdering består av et Python prosjekt. På slutten av kurset, presenterer studentene sine prosjekter for klassen. I tillegg, programmeringsøvinger ukentlig eller hver annen uke er obligatorisk.

Spesielle vilkår

Anbefalte forkunnskaper

Erfaring med håndtering og analyse av strukturert data.

Kandidater uten programmeringserfaring bør sette seg inn i grunnlegende programmering gjennom å gjøre online-kurset: Introduction to Python at https://www.datacamp.com/

Kursmateriell

DataCamp kurs (https://www.datacamp.com/):

• • Introduction to Python
  • Intermediate Python
  • Data manipulation with Pandas
  • Introduction to data visualization with Matplotlib
  • Working with geospatial data in Python
  • Python data science toobox

Annet kursmateriell vil bli gjort tilgjengelig på Blackboard.