Data Science for Human FactorsModule description #50782 / Version 1
- 6 CP
- Portfolio examination
- Graded
- Winter semester
- German
This module description is not valid in the current semester (Winter semester 2026/27).
| Module / Version | #50782 / #1 |
|---|---|
| Validity | WS 2018/19 – SS 2019 |
| Available language(s) | German |
| Credit points | 6 |
| Person responsible for the module | Gramann, Klaus |
| Grading | Graded |
| Exam format | Portfolio examination |
| Language(s) of instruction | German |
Affiliation
| Faculty | Fakultät V |
|---|---|
| Institute | Institut für Psychologie und Arbeitswissenschaft (IPA) |
| Academic chair | 35321200 FG Biopsychologie und Neuroergonomie |
Contact
| Office | KWT 1 |
|---|---|
| Contact person | Klug, Marius |
| E-mail address | office@bpn.tu-berlin.de |
| Website | http://www.bpn.tu-berlin.de/ |
Learning outcomes
Die Studierenden verfügen nach erfolgreichem Besuch des Moduls über grundlegende Kenntnisse des Programmierens, im Speziellen die Nutzung von MATLAB und dessen Plugin Psychtoolbox (potentiell auch EEGLAB). Es wird Wert auf die Vermittlung von Selbstständigkeit und den kompetenten Umgang mit Fehlermeldungen gelegt, sowie auf nachhaltige Strukturierung des Programmcodes.
Content
Im Kurs wird sowohl theoretisch als auch praktisch das Folgende gelehrt:
- Die Programmiersprache MATLAB und deren Benutzeroberfläche
- Variablen, if-else-Abfragen, for- & while-Schleifen
- Nutzung von Vektoren, Matrizen und Structures mit grundlegender Mathematik
- Speichern und laden von Variablen
- Erstellen von Skripten und Funktionen
- Clean Code, sinnvolle Variablenbenennungen, Kommentare und Hilfefunktionen, häufige Fehler und Probleme beim Programmieren
- Fehlermeldungen und deren Interpretation
- Anwendung des Plugins Psychtoolbox
- Data Visualization
- Grundkonzepte von Machine Learning, Supervised Learning (Klassifizierung) vs. Unsupervised Learning (Clustering)
- Potentiell Anwendung des Plugins EEGLAB und Analyse von Elektroencephalographie Datensätzen
- Die Programmiersprache MATLAB und deren Benutzeroberfläche
- Variablen, if-else-Abfragen, for- & while-Schleifen
- Nutzung von Vektoren, Matrizen und Structures mit grundlegender Mathematik
- Speichern und laden von Variablen
- Erstellen von Skripten und Funktionen
- Clean Code, sinnvolle Variablenbenennungen, Kommentare und Hilfefunktionen, häufige Fehler und Probleme beim Programmieren
- Fehlermeldungen und deren Interpretation
- Anwendung des Plugins Psychtoolbox
- Data Visualization
- Grundkonzepte von Machine Learning, Supervised Learning (Klassifizierung) vs. Unsupervised Learning (Clustering)
- Potentiell Anwendung des Plugins EEGLAB und Analyse von Elektroencephalographie Datensätzen
Module components
Compulsory area
The following courses are mandatory for this module:
| Courses | Type | Number | Frequency | Language | Hours per week | Course catalog |
|---|---|---|---|---|---|---|
| Data Science for Human Factors | Integrated course | Winter semester | [en, de] | 4 | ISIS |
Workload and credit points
Data Science for Human Factors (Integrated course)
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Attendance | 15 | 4 h | 60 h |
| Pre/post processing | 15 | 8 h | 120 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
Es handelt sich um eine integrierte Veranstaltung, bei der zunächst das Thema der Woche eingeführt und dann praktisch bearbeitet wird. Es gibt wöchentlich ein Übungsaufgabenblatt zu bearbeiten.
Requirements for participation and examination
Desirable prerequisites for participation in the courses:
Es werden keine speziellen Vorkenntnisse benötigt. Die Veranstaltung zielt darauf ab, MATLAB von Grund auf vorzustellen.
Mandatory requirements for the module examination registration:
This module has no examination requirements.
Completion of the module
| Grading | Graded |
|---|---|
| Exam format | Portfolio examination |
| Type of portfolio examination | 100 points in total |
| Language | German |
Test elements
| Name | Points/Weight | Category | Duration/Extent |
|---|---|---|---|
| Schriftlicher Test | 50 | written | 60 min |
| Wöchentliche Übungsblätter | 50 | practical |
Exam description
Portfolioprüfung bestehend aus einem schriftlichen Test zum Ende des Semesters, sowie wöchentlichen benoteten Übungsblättern (jeweils 50% gewichtet).
Notenschlüssel:
Mind. Punktzahl Note
95: 1,0
90: 1,3
85: 1,7
80: 2,0
75: 2,3
70: 2,7
65: 3,0
60: 3,3
55: 3,7
50: 4,0
<50: 5,0
Notenschlüssel:
Mind. Punktzahl Note
95: 1,0
90: 1,3
85: 1,7
80: 2,0
75: 2,3
70: 2,7
65: 3,0
60: 3,3
55: 3,7
50: 4,0
<50: 5,0
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 12.
Registration procedures
Gemäß den Bestimmungen für Portfolioprüfungen laut Prüfungsordnung.
Durch Begrenzungen der verfügbaren PCs mit MATLAB ist die Teilnehmeranzahl auf 12 begrenzt. Ggf. sind weitere Teilnehmer möglich, sofern sie über Notebooks mit MATLAB verfügen.
Durch Begrenzungen der verfügbaren PCs mit MATLAB ist die Teilnehmeranzahl auf 12 begrenzt. Ggf. sind weitere Teilnehmer möglich, sofern sie über Notebooks mit MATLAB verfügen.
Recommended reading, lecture notes
Lecture notes
unavailable
Electronic lecture notes
available – Vorlesungsfolien und weiterführende Informationen in ISIS (VL + Skripte, Übungsblätter);
Recommended literature
No recommended literature given
Assigned programs
This module is not used in any program.
Miscellaneous
Durch Begrenzungen der verfügbaren PCs mit MATLAB ist die Teilnehmeranzahl auf 12 begrenzt. Ggf. sind weitere Teilnehmer möglich, sofern sie über Notebooks mit MATLAB verfügen.