course-details-portlet

TEP4221

Python for bærekraftsanalyse

Velg studieår
Studiepoeng 7,5
Nivå Høyere grads nivå
Undervisningsstart Høst 2024
Varighet 1 semester
Undervisningsspråk Engelsk
Sted Trondheim
Vurderingsordning Gruppeprosjekt
Spesielle frister for å melde seg opp til undervisning
Høst: 01.06.2024

Om

Om emnet

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 industriell økologistudenter og gir programmeringsferdighetene som trengs i følgende masterkurs (IO-analyse, LCA, MFA).

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 opprette et Python-prosjekt og skrive veldokumentert, effektiv og gjenbrukbart 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.
  • Få en mal for framtidige Python prosjekter.

Læringsformer og aktiviteter

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

Obligatoriske aktiviteter

  • Obligatorisk øving

Mer om vurdering

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

Spesielle vilkår

Begrenset opptak til undervisning. For nærmere opplysninger: https://i.ntnu.no/wiki/-/wiki/Norsk/Opptak+til+adgangsbegrensede+emner

Kursmateriell

The course uses the following learning materials of DataCamp (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

The students will get free access to the materials during the course.

Annet kursmateriell vil bli gjort tilgjengelig på Blackboard.

Fagområder

  • Program/system-utvikling