Skip to content
Technische Universität Berlin Deutsch
Course catalog and module transfer system

Foundations of Data ScienceModule description #40917 / Version 1

← Module page Deutsche Fassung
This module description is not valid in the current semester (Winter semester 2026/27). Current version (v2)
Module / Version#40917 / #1
ValidityWS 2018/19 – SS 2019
Available language(s)German
Credit points6
Person responsible for the moduleAlbayrak, Sahin
GradingGraded
Exam formatOral exam
Language(s) of instructionGerman

Affiliation

FacultyFakultät IV
InstituteInstitut für Wirtschaftsinformatik und Quantitative Methoden
Academic chair34361200 FG Agententechnologien in betrieblichen Anwendungen und der Telekommunikation (AOT)

Contact

OfficeTEL 14
Contact personAlbayrak, Sahin
E-mail addresssahin.albayrak@tu-berlin.de
WebsiteNot specified

Learning outcomes

Die Studierenden sind mit dem Data Science Prozess vertraut. Sie können Daten akquirieren, bereinigen und vorverarbeiten. Sie kennen Verfahren um Daten systematisch zu explorieren und bedeutungsvoll zu visualisieren. Sie kennen Maschinelle Lernverfahren und statistische Inferenzmethoden um Daten zu modellieren und können Modelle evaluieren. Ferner kennen die Teilnehmer Strategien um große Datenmengen verarbeiten zu können.

Content

- Data Science Prozess
- Data Wrangling
- Explorative Datenanalyse und Visualisierungen
- Statistik (Verteilungen, Sampling, Korrelation, Hypothesentests, Inferenz)
- Maschinelles Lernen (Klassifikation, Regression, Dimensionsreduktion, Clustering, Deep Learning)
- High-Performance Computing (MapReduce, GPU-Computing)

Module components

Compulsory area

The following courses are mandatory for this module:

CoursesTypeNumberFrequencyLanguageHours per weekCourse catalog
Data ScienceIntegrated course Winter semester[de]4 ISIS

Workload and credit points

Data Science (Integrated course)

Workload descriptionMultiplierHoursTotal
Attendance154 h60 h
Pre/post processing158 h120 h
180 h

The workload of the module adds up to 180 hours. The module therefore comprises 6 credit points.

Description of teaching and learning methods

Vorlesung zur Stoffvermittlung und Übungen mit theoretischen und praktischen Aufgaben, deren Lösungen von den Studierenden präsentiert und diskutiert werden.

Requirements for participation and examination

Desirable prerequisites for participation in the courses:

Python-Programmiererfahrung oder gute Kenntnisse einer anderen objektorientierten Programmierspache

Zur Anmeldung der mündlichen Prüfung muss die Übung bestanden sein. Der unbenotete Übungsschein wird ausgestellt, wenn 75% der Übungsaufgaben bearbeitet wurden (unabhängig vom Erfolg der Bearbeitung).

Mandatory requirements for the module examination registration:

The examination requirements could not be retrieved.

Completion of the module

GradingGraded
Exam formatOral exam
LanguageGerman
Duration/Extent30 minutes

Duration of the module

The following number of semesters is estimated for taking and completing the module: 1 semester(s).

This module can be started in the following semesters: Winter semester.

Maximum number of participants

The maximum capacity of participants is 20.

Registration procedures

The registration can be done via QISPOS or in the Prüfungsamt. In addition we require registration on the respective ISIS course page.

Recommended reading, lecture notes

Lecture notes

unavailable

Electronic lecture notes

unavailable

Recommended literature

No recommended literature given

Assigned programs

This module is not used in any program.

Miscellaneous

Für die Übungsaufgaben wird die Programmiersprache Python eingesetzt.