Dieses Modul dient als Einführung in den Kursinhalt und den Jupyter-Server, auf dem Sie Ihre Analyseskripte ausführen werden. Zunächst lesen Sie über konkrete Beispiele für den Einsatz von Analyseverfahren in Wirtschaftsprüfungsunternehmen. Als nächstes lernen Sie die Möglichkeiten des Jupyter-Servers kennen und erfahren, wie Sie Notebooks auf dem Kurs-Server erstellen, bearbeiten und ausführen können. Danach lernen Sie, wie Sie mit Markdown formatierte Dokumente schreiben können. Dies ist eine einfache Methode, um schnell formatierten Text zu schreiben, einschließlich beschreibenden Text in einem Kursnotizbuch.

Dieses Modul konzentriert sich auf die grundlegenden Funktionen der Programmiersprache Python, die den meisten Datenanalyseprogrammen (oder Skripten) zugrunde liegen. Zunächst lesen Sie, warum Studenten der Buchhaltung lernen sollten, Computerprogramme zu schreiben. In der ersten Lektion lernen Sie außerdem die grundlegenden Konzepte der Programmiersprache Python kennen, z.B. wie man Variablen, grundlegende Datentypen und mathematische Operatoren erstellt und wie man seine Programme mit Kommentaren dokumentiert. Als nächstes lernen Sie die booleschen und logischen Operatoren in Python kennen und erfahren, wie Sie mit Hilfe von bedingten Anweisungen den Ablauf eines Python-Programms steuern können. Schließlich lernen Sie etwas über Funktionen und wie diese die Entwicklung und Pflege von Programmen vereinfachen können. Sie werden auch lernen, wie Sie Funktionen in Python erstellen und aufrufen können.

In diesem Modul lernen Sie die Arbeit mit grundlegenden Datenstrukturen in Python kennen: Strings, Tupel, Listen und Wörterbücher. Außerdem lernen Sie, wie Sie Schleifen für sich wiederholende Aufgaben schreiben können.

In diesem Modul lernen Sie die Erstellung und Verwendung von Modulen, d.h. einer Gruppe von Funktionen, kennen. Anschließend lernen Sie zwei der wichtigsten Module für die Datenanalyse kennen: NumPy und Pandas. NumPy führt numerische Berechnungen auf großen Datenarrays durch. Pandas vereinfacht Verfahren für die Arbeit mit Paneldaten, auch bekannt als Dataframes.

Dieses Modul konzentriert sich auf die Verwendung des Pandas-Datenrahmens, um einige grundlegende Datenrahmen-Aufgaben zu erledigen, einschließlich des Speicherns und Lesens von Datenrahmen, Pivot-Tabellenfunktionen, Filterfunktionen und der Berechnung von deskriptiven Statistiken

In diesem Modul lernen Sie einige grundlegende Elemente der Erstellung von Datenvisualisierungen in Python kennen. Anschließend lernen Sie, wie Sie die Module Matplotlib und Seaborn verwenden, um einige der am häufigsten verwendeten ein- und zweidimensionalen Datenvisualisierungen zu erstellen.

In diesem Modul lernen Sie den CRISP-Entscheidungsfindungsrahmen kennen, um reale Probleme anzugehen. Außerdem lernen Sie, wie Sie mit Hilfe der linearen Regression Beziehungen finden und quantifizieren können.

Dieses Modul befasst sich mit relationalen Datenbankverwaltungssystemen (RDBMS) und der Interaktion mit diesen Systemen unter Verwendung von Python.