Wir haben mit zwei anderen Menschen an dem Women in Data Science Datathon der Stanfort University teilgenommen und berichten davon. Es geht darum, wie der Datathon organisiert ist und wie wir uns selbst organisiert haben. Wir erzählen von den Problemen, die die Aufgabe beinhaltet hat und wie wir damit umgegangen sind bis hin dazu, was unsere finale Lösung geworden ist. Dazu haben wir natürlich die anderen beiden – Piko und Keks – auch eingeladen.

Endlich: die Feinstaubfolge ist da, die dank unvorhergesehener Dinge eine Luftdaten-Folge geworden ist. Wir haben AirRohre mit Feinstaubsensoren aufgebaut, Daten gesammelt und reden in dieser Folge darüber. Helena berichtet von ihrer Datenauswertungsreise und dann geht es um die Auswertung von 3 Messstationen. Weitere Themen: Wir vergleichen Messdaten der Sensor.Community mit Daten von offiziellen Messstationen des Umweltbundesamtes. Und schließlich gucken wir uns noch zwei globale Ereignisse an: Saharastaub und ein Vulkanausbruch.

Wir haben auf der rC3 2021 einen Talk gehalten zum Thema „Von der Technik übers Konzept zum Podcast – wie datenleben entsteht“ und diesen könnt ihr jetzt in dieser Folge nachhören. Es geht darum wie wir datenleben angegangen sind und entwickelt haben und welche Technik wir nutzen. Dabei eröffnen wir auch einen Blick hinter die Kulissen unserer Redaktionsarbeit, erläutern unser Aufnahmesetup und erklären, wie der Schnitt bei uns passiert und wo und wie wir die Folgen veröffentlichen. Am Ende des Talks gab es auch noch für die Live-Zuhörer*innen eine Q&A, die wir euch nicht vorenthalten wollten.

Es geht um flüchtige Daten – im Sinne von Daten, die nur für den Moment existieren, in dem sie gebraucht werden. Und es geht darum, wie diese Daten im Internet stehen und erfasst werden können, sodass sie gespeichert werden können. Eigentlich. Praktisch reden wir über ein konkretes Beispiel, nämlich die Besuchszahlen des Braunschweiger Weihnachtsmarktes 2021. Diese wurden von der Stadt nämlich erfasst und via Webseite veröffentlicht. Genauer gesagt die Besuchszahlen der eingerichteten Gastronomieflächen, die pandemiebedingte Zugangsbeschränkungen hatten. Helena hat die abgesaugt und eine Webseite mit Plot generiert, um die Daten zu speichern und anklickbar zu machen. Janine erzählt kurz über den Weihnachtsmarkt und das Infektionsschutzkonzept und dann wollen wir folgende Fragen klären: Wie kriege ich Daten aus dem Internet? Was kann ich mit den Daten dann machen? Welche Rückschlüsse bieten die Daten an?

Willkommen in 2022! Traditionell möchten wir das vergangene Jahr mit einem Jahresrückblick abschließen. Wir rennen einmal im Schnelldurchlauf durch markante Daten von 2021. Dann stellen wir uns der Frage, wie sich datenleben im letzten Jahr so entwickelt hat. Und dann versuchen wir zu schauen: Gab es Themen und Erkenntnisse, die wir aus 2021 mitnehmen können? Was für Data Science Themen gab es? Und natürlich: Was erwartet uns wohl dieses Jahr?

Dieses Mal geht es besonders um den Aspekt was wir mit Daten machen können. Oder besser gesagt: wie wir etwas mit Daten machen können. Die Programmiersprache Python ist mit das wichtigste Werkzeug für Data Science. Aber nicht nur das, Python ist extrem vielseitig. Und es macht Spaß zu lernen und damit Projekte umzusetzen. Wir sprechen mit Piko darüber, wie mensch Python lernen und auch lehren kann. Unsere Frage ist: Wie wo und warum mit Python anfangen?

Thema dieser Folge ist: Drogenkonsum. Helena hat sich die Global Drug Survey angesehen und wir haben uns darüber Gedanken gemacht, was wir aus solchen Erhebungen zum Drogenkonsum ziehen können. Wir haben uns einige Aspekte dieser Befragung und der Auswertung angesehen. Natürlich kommen wir nicht drum rum über die legale Droge überhaupt zu reden: Alkohol. Im Weiteren wollen wir uns dann vor allem Drogen ansehen, die auch einen medizinischen Nutzen haben. Und am Ende haben wir noch ein paar Überlegungen zur Drogenpolitik. Inhaltshinweis: In dieser Folge geht es also um Drogen, aber psychische Erkrankungen wie Depressionen oder die Posttraumatische Belastungsstörung werden ebenfalls erwähnt.

Es geht um’s Lernen: wer Programmieren oder Data Science Anwendungen lernen möchte, wird immer mit Beispielen überschüttet – also auch mit Standarddatensätzen. Dabei bleiben über die Jahrzehnte hinweg diese Beispiele oft identisch, wenn sie sich ein Mal bewährt haben. Wir wollen unseren Gebrauch dieser Beispiele in dieser Folge kritisch hinterfragen, denn nicht alle Standarddatensätze sind frei von historischem Ballast. Oder eignen sich für alle Anwendungsfälle. Deswegen geht es um solche Daten und darum, dass wir mal hinsehen wollen: Woher kommen diese Beispiele? Sind sie noch zeitgemäß? Welchen Zweck sollen sie erfüllen?

Wir sprechen mit Lisa über FabSeal. Gemeinsam hat sie mit einem Team am Kulturhackathon Coding da Vinci teilgenommen. Dabei haben sie historische Siegelabdrücke anhand von Bildern wieder zum Leben erweckt. Wie haben sie es geschafft, ein 3D-druckbares Siegel wieder herzustellen – anhand nur eines Bildes? Welche Hürden gab es und wie sieht die aktuelle Lösung aus? Ein super spannendes Projekt, gerade aus Data Science Sicht. Sie redet mit uns über den ganzen Prozess und auch wie es so ist, am Kulturhackathon Coding da Vinci teilzunehmen.

Warum ist das Thema super spannend? Weil es um den Grund geht, auf dem wir stehen! Aus Data Science Sicht ist es spannend, weil Erdbeben Daten liefern, die weltweit erhoben werden können – und das Zusammenführen dieser Daten, fördert beeindruckende Erkenntnisse zu Tage. Natürlich gibt es zuerst ein paar Basics: Wo finden Erdbeben hauptsächlich statt, wie oft und solche Dinge. Dann geht es in die Details: Helena sagt, was bei Erdbeben passiert – aus physikalischer Sicht und was die Menschen daraus gelernt haben. Und zum Abschluss geht es noch um die Frage, wie gut sich Erdbeben eigentlich vorhersagen lassen.