Seminar Datenanalyse und Visualisierung mit GNU Octave

Inhaltsverzeichnis

• Abstract
• Zielgruppe
• Voraussetzungen
• Lernziele
• Agenda (2 Tage)
• Praxisworkshops
• Ergebnisartefakte

Abstract

Das Seminar vermittelt datengetriebene Workflows in GNU Octave: Import, Aufbereitung, Analyse und Visualisierung. Im Mittelpunkt stehen robuste Datenpipelines für Mess- und Logdaten sowie wiederholbare Auswertungen für Berichte. Behandelt werden Datenbereinigung, Missing-Value-Strategien, Ausreißerbehandlung, Feature-Berechnung, Aggregation und plotbasierte Kommunikation. Die Übungen setzen auf realistische Datenformen: Zeitstempel, mehrere Sensoren, unvollständige Reihen, unterschiedliche Einheiten. Am Ende stehen Vorlagen für Analyse-Skripte, reproduzierbare Diagrammsets und Export-Artefakte, die in Projektkontexte übernommen werden können.

Zielgruppe

• Datenanalystik in Technik, Produktion, Labor, Forschung
• Teams mit Messdaten, Logs, Zeitreihen
• Lehrende mit Bedarf an reproduzierbaren Auswertungsbeispielen

Voraussetzungen

• Kenntnisse aus GNU Octave Grundlagen oder vergleichbar
• Sicherer Umgang mit Vektoren, Matrizen, Indexierung

Lernziele

• Importpfade robust umsetzen (inkl. Sonderfälle)
• Datenqualität prüfen, bereinigen, normalisieren
• Kennzahlen und Aggregationen effizient berechnen
• Zeitreihen darstellen, vergleichen und interpretieren
• Diagramme standardisieren und exportieren
• Analyse-Skripte als wiederverwendbare Pipeline strukturieren

Agenda (2 Tage)

• Tag 1
  • Importstrategien: Textdaten, Trennzeichen, Header, Encoding-Fallen
  • Datenstrukturen für Analyse: Matrixlayout, Spaltensemantik, Metadaten
  • Datenbereinigung: Missing Values, Ausreißer, Plausibilitätschecks
  • Kennzahlen und Feature-Berechnung: Rolling-Statistiken, Differenzen, Normalisierung
  • Übung: Datenpipeline 1. Version
• Tag 2
  • Visualisierung: Zeitreihen, Scatter, Histogramm, Boxplot-ähnliche Darstellungen
  • Vergleich mehrerer Signale: Skalen, Normalisierung, Subplots, Layout
  • Reporting: Export, wiederholbare Plot-Stile, Ergebnisordner
  • Performance-Grundlagen in Analyse-Pipelines
  • Fallstudie: Pipeline finalisieren, Ergebnis-Set erzeugen

Praxisworkshops

• Workshop A: Robuster CSV-ähnlicher Import
  • Datenformat analysieren (Delimiter, Dezimaltrennzeichen, Headerzeilen)
  • Importfunktion definieren: Dateipfad, Spaltenauswahl, Datentypen
  • Fehlerfälle abfangen: leere Zeilen, nichtnumerische Tokens, fehlende Spalten
  • Ergebnis in eine Standardstruktur überführen: t, x1, x2, …
  • Import-Report erzeugen: Anzahl Zeilen, Missing-Rate, Min/Max je Spalte
• Workshop B: Ausreißerbehandlung und Glättung
  • Ausreißerdefinition festlegen (z. B. Z-Score, Median-Abweichung, Grenzwerte)
  • Maskierung implementieren und betroffene Indizes zählen
  • Ersatzstrategie wählen: Interpolation, Vorwärtsfüllung, NaN belassen
  • Glättung testen (Moving Average) und Auswirkungen vergleichen
  • Vorher-Nachher-Plots erstellen
• Workshop C: Standardisiertes Plot-Set
  • Plot-Vorlagenfunktion anlegen (Titel, Achsen, Legende, Export)
  • Zeitreihenplot für Rohdaten und bereinigte Daten erzeugen
  • Verteilungsplot (Histogramm) für ausgewählte Spalte erzeugen
  • Scatterplot für zwei Größen mit Trendlinie (optional) erzeugen
  • Export in Ergebnisordner mit konsistenter Benennung

Ergebnisartefakte

• Importfunktion als wiederverwendbares Modul
• Checkliste Datenqualität (automatisierbar)
• Plot-Templates und Export-Konventionen
• Fallstudien-Skript als Blaupause für Projekte