Reproduzierbare wissenschaftliche Analysen mit GitHub und Docker

Wissenschaftliche Forschung erfordert Transparenz. Komplexe Datenanalyse-Workflows für andere zugänglich zu machen, damit diese sie fehlerfrei ausführen können, ist jedoch eine große Herausforderung. Dieser textbasierte Kurs führt Sie durch die grundlegenden Konzepte der Reproduzierbarkeit und zeigt Ihnen, wie Sie Ihre Arbeit effektiv dokumentieren und verpacken können. Sie lernen, wie Sie Versionskontrolle und Containerisierung verwenden, um Ihren wissenschaftlichen Code, Ihre Umgebung und Ihre Datenpipelines von jedem und überall vollständig reproduzierbar zu machen. Was Sie lernen werden: - Verstehen Sie die Grundprinzipien der reproduzierbaren Wissenschaft und warum Umweltkonsistenz wichtig ist. - Verfolgen und verwalten Sie Ihre wissenschaftlichen Codeänderungen systematisch mit GitHub. - Erstellen Sie isolierte, konsistente Rechenumgebungen mit Docker-Containern. - Konfigurieren Sie automatisierte Workflows mit grundlegenden GitHub-Aktionen, um Ihre Analysepipelines zu testen. - Dokumentieren Sie Ihre Datenanalyseschritte klar, um eine nahtlose Zusammenarbeit und Peer-Review zu gewährleisten. Der Kurs beginnt mit grundlegenden Definitionen und der Theorie der Reproduzierbarkeit. Schritt für Schritt werden Sie schriftlich zum Schreiben von Dock-Dateien und zum Verwalten von Repositorys geführt. Sie lernen praktische, textbasierte Beispiele für containerisierte Daten-Workflows kennen, die Sie sofort an Ihre eigene Forschung anpassen können. Dieses Programm richtet sich an Datenanalysten, Forscher und Wissenschaftler, die ihre Arbeit robuster gestalten möchten, ohne dass vorherige DevOps- oder Containerisierungserfahrung erforderlich ist.Starten Sie noch heute mit der Erstellung überprüfbarer, reproduzierbarer wissenschaftlicher Workflows.