Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage Erdbeobachtungsdaten mittels Python (i) lesen, (ii) schreiben, (iii) analysieren, (iv) manipulieren, und (v) visualisieren. Dabei lernen die Studierenden eine Vielzahl geodatenspezifische python Programmbibliotheken kennen. Insbesonder beherrschen die Studierenden  ...

• den Umgang mit geometrischen Primitiven (Punkte, Linien, Polygone) und darauf angewandte geometrische Operationen (Verschneidung, Vereinigung, Pufferung, etc.),
• das Lesen und Schreiben von Geodten in verbreiteten Datenformaten (ASCII, Binary, Excel, NetCDF, GeoTIFF, etc.)
• den Umgang mit Zeitserien und multi-dimensionalen sowie multi-temporale Datensätzen,
• die kartographische Aufbereitung von Erbeobachtungsdaten und deren Integration in Geographische Informationssysteme,
• den Umgang mit und den Einsatz von räumlichen Indizes und deren Anwendung zur Analyse, Segemtierung und Klassifizierung von Vektor- und Rasterdaten
• den Einsatz von maschinellem Lernen zur Lösung geo- sowie umweltrelevanter Fragestellungen
• Python in geowissenschaftlichen Studien/Applikationen einzusetzen.

• 3rd party Python Bibliotheken (IPython, Numpy, Scipy, Pandas, matplotlib, GDAL/OGR, rasterio, shapely, cartopy, fiona, OpenCV etc.)
• Geometrische Basistypen und geometrische Operationen, 
• Geometrische Datenstrukturen (Vektor, Raster) und räumliche Indizierung (Quadtree, Octtree, kdTree
• File I/O (ASCII, Binary, ShapeFile, GeoTif, Excel, NetCDF, etc)
• Erdbeobachtungs Anwendungen (PyQGis, Bildverarbeitung, Karten und Projektionen, 1D/2D-Zeitreihen)
• Geodatenvisualisierung and GIS-Integration
• Segmentierung und Klassifizierung von Rasterdaten und Punktwolken
• Machine Learning (scipy, PyTorch) für Erbeobachtungsanwendungen

• Bereitstellung einer zentralen Web-basierten Programmierumgebung (Jupyter Notebooks, Web-basierte IDE, GitLab) für die praktische Arbeit
• Anleitung zur Installation und Konfiguration externen Python Programmierumgebungen (Conda, PyCharm)
• Vermittlung der Lehrinhalte in Form von Video Tutorials (Theorie und praktische Coding Beispiele)
• Skriptum auf Basis von Jupyter Notebooks (6 Kapitel)
• Pro Kapitel eine Programmierhausübung zur praktischen Übung des Vorlesungsstoffs in der Jupyter Notebook Umgebung
• Teil-automatisierte Beurteilung und Feedback zu den Hausübungsbeispielen
• 6 Präsenztermine (mit simultanem Streaming) zur Besprechung der Hausübungen und Nachbesprechung/Diskussion der Lehrinhalte
• Unterstützung der Studierenden durch die Lehrenden und eine Studentische Hilfskraft
• Gruppenarbeit zur Ausarbeitung einer größeren Programmierarbeit (vordefinierte Themen oder eigene Vorschläge) inkl Gruppenbetreuung durch das LVA-Team

Die LVA kann entweder in Präsenz (EDV Labor, Department für Geodäsie) oder über Distance Learning besucht werden. Alle Präsenztermine werden gestreamt und aufgezeichnet. In beiden Fällen ist eine Anmeldung über TISS notwendig und die Anzahl der Teilnehmer_innen ist mit 45 begrenzt, wobei maximal 25 Personen in der Präsenzgruppe zugelassen sind. Die Zulassung zur LVA erfolgt individuell, wobei im Bedarfsfall Hörer_innen von Geodäsie und Geoinformation bzw. Umweltingenieurwesen bevorzugt zugelassen werden.

• 6 kurze Programmierhausaufgaben (eigenständig auszuführen)
• 1 größere Programmieraufgabe (in Gruppenarbeit auszuführen) inkl Abschlussbericht

Grundlegende Kenntnisse von Python Programmierung sind erforderlich. Vorausgesetzt werden Kenntniss zu folgenden Themen:

• Einfache und zusammengesetzte Datentypen (bool, int, float, str, list, tuple, set, dict)
• Arithmetische und logische Operationen
• Verzweigungen (if - elif -else)
• Schleifen (for, while)
• Funktionen (Definition und Anwendung, Parameter und Argumente)
• Module und Pakete (Python Standardbibliothek: math, os, sys..., eigene Module)
• Eingabe- und Ausgabe (ASCII/binär, String Operationen, Ausgabeformatierung)
• Datenanalyse (statistics, numpy, pandas)
• Datenvisualisierung (matplotlib)