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

Introduction to Engineering Data Analytics with R Module description #50722 / Version 1

← Module page Deutsche Fassung
This module description is not valid in the current semester (Winter semester 2026/27). Current version (v8)
Module / Version#50722 / #1
ValidityWS 2017/18 – WS 2018/19
Available language(s)German
Credit points6
Person responsible for the moduleJochem, Roland
GradingGraded
Exam formatPortfolio examination
Language(s) of instructionGerman

Affiliation

FacultyFakultät V
InstituteInstitut für Werkzeugmaschinen und Fabrikbetrieb (IWF)
Academic chair35361300 FG Qualitätswissenschaft

Contact

OfficePTZ 3
Contact personMüller-Stein, Lennart Frederik
E-mail addressl.mueller-stein@tu-berlin.de
Websitehttps://www.tu.berlin/qw/studium-lehre/lehrveranstaltungen/ida-introduction-to-engineering-data-analytics-with-r

Learning outcomes

Teilnehmende sind nach Abschluss des Kurses in der Lage selbständig Datenanalysen in der Programmiersprache R unter Anwendung von statistischen Methoden durchzuführen, die Ergebnisse zu interpretieren und zu dokumentieren. Des Weiteren sind die Studierenden in der Lage, erarbeitete Projektergebnisse aufzubereiten und unter praxisnahen Bedingungen zu präsentieren und zu verteidigen.

Content

Im Rahmen des Kurses werden neben grundlegenden Kenntnissen in der Programmiersprache R in der interaktiven Entwicklungsumgebung RStudio auch statistische Grundlagen der explorativen Datenanalyse, der Zufallsvariablen und deren Modellierung durch Verteilungsfunktionen vermittelt. Vorlesungsinhalte werden in den wöchentlich zu bearbeitenden Online-Kursen vertieft. Im Anschluss an die Vorlesungen und Übungen bearbeiten die Studenten in Gruppen eine realitätsnahe Problemstellung unter Zuhilfenahme der erlernten Kenntnisse und stellen die Ergebnisse im Rahmen eines Abschlussberichts vor.

Module components

Compulsory area

The following courses are mandatory for this module:

CoursesTypeNumberFrequencyLanguageHours per weekCourse catalog
Introduction to Engineering Data Analytics with RLecture3536 L 329 Winter semester[de]2 ISIS

Courses in the course catalog

Courses created from the teaching units of this module.

Winter semester 2026/27 (1)

Introduction to Engineering Data Analytics with R (Lecture) 1

All groups of this course in the catalog

Workload and credit points

Introduction to Engineering Data Analytics with R (Lecture)

Workload descriptionMultiplierHoursTotal
Präsenzzeit152 h30 h
30 h

Course-independent workload

Workload descriptionMultiplierHoursTotal
Bearbeitung der Case-Study140 h40 h
Bearbeitung der Online-Kurse155 h75 h
Vor- und Nachbereitung152 h30 h
145 h

The workload of the module adds up to 175 hours. The module therefore comprises 6 credit points.

Description of teaching and learning methods

Das Modul besteht aus einer wöchentlichen Vorlesung und interaktiven E-Learning Tutorien, in denen die Modulinhalte vertieft werden.
Die Themen behandeln alle wichtigen Gebiete der Datenanalyse. Der dem Modul zugrunde gelegte Datenanalyseprozess lässt sich wie folgt aufgliedern:
1. VL: Einführung in das Quality Engineering und Grundlagen der Datenanalyse
2. VL: R Installation und Einführung in die RStudio IDE
3. VL: Aufbau des Datenanalyseprozesses und Datenimport
4. VL: Datenimport aus Datenbanken und dem Web
5. VL: Datenaufbereitung mit tidyr
6. VL: Datentransformation mit dplyr
7. VL: Datenzusammenführung mit dplyr
8. VL: Programmieren in R
9. VL: Datenvisualisierung mit ggplot2
10. VL: Modellierung von Daten
11. VL: Modellierung von Daten mit Machine Learning-Algorithmen
12. VL: Datenvisualisierung und Reporting
13. VL: Einführung in Shiny und Aufbau interaktiver Webapplikationen mit Shiny
14. VL: Manipulation von Shiny Webapplikationen mit HTML, CSS, und Java Script
15. VL: Shiny-Dashboard und Ausgabe der Case Study

Requirements for participation and examination

Desirable prerequisites for participation in the courses:

Grundlegende Kenntnisse in einer Statistiksoftware (R oder Python), sowie Basiskenntnisse Mathematik und Wahrscheinlichkeitsrechnung (jeweils Abiturwissen) sind wünschenswert, aber nicht zwingend erforderlich.

Mandatory requirements for the module examination registration:

This module has no examination requirements.

Completion of the module

GradingGraded
Exam formatPortfolio examination
Type of portfolio examination100 points in total
LanguageGerman

Test elements

NamePoints/WeightCategoryDuration/Extent
Bearbeitung der Online-Kurse40flexibelAbgabe
Bearbeitung und Dokumentation der Case Study60flexibelAbgabe

Exam description

Die Prüfungsform für dieses Modul ist die Portfolioprüfung.
Dazu müssen die unten aufgeführten Teilleistungen mit entsprechender Gewichtung absolviert werden.
E-Learning Online-Kurse - 40 von 100 Punkten
Bearbeitung und Dokumentation der Case-Study - 60 von 100 Punkten

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

This module is not limited to a number of students.

Registration procedures

Die Anmeldung für das gesamte Modul erfolgt über QISPOS.
Ist eine QISPOS-Anmeldung nicht möglich, (Gründe: u. a. Diplom, Freies Wahlmodul, Zusatzmodul) muss eine fristgerechte Anmeldung
über das Prüfungsamt erfolgen.

Recommended reading, lecture notes

Lecture notes

unavailable

Electronic lecture notes

unavailable – Download über ISIS

Recommended literature

  • Grolemund, G.; Wickham, H. (2017): R for Data Science - Import, tidy, transform, visualize and model data. Online verfügbar unter: http://r4ds.had.co.nz/
  • Wollschläger, D. (2012): Grundlagen der Datenanalyse mit R - eine anwendungsorientierte Einführung. 2. Aufl. Heidelberg: Springer.

Assigned programs

This module is not used in any program.

Miscellaneous

Not specified