Data Science for Human FactorsModule description #50782 / Version 3
- 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 / #3 |
|---|---|
| Validity | Winter semester 2020/21 – Summer semester 2022 |
| 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 und der Datenverarbeitung im Allgemeinen, im Speziellen die Nutzung von MATLAB. 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 Daten
- Erstellen von Skripten und Funktionen
- Clean Code, sinnvolle Variablenbenennungen, Kommentare und Hilfefunktionen, häufige Fehler und Probleme beim Programmieren
- Fehlermeldungen und deren Interpretation, Fehlersuche, Debugging
- Datenvisualisierung in 2D und 3D
- Grundkonzepte von Machine Learning, Supervised Learning (Klassifizierung) vs. Unsupervised Learning (Clustering)
- 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 Daten
- Erstellen von Skripten und Funktionen
- Clean Code, sinnvolle Variablenbenennungen, Kommentare und Hilfefunktionen, häufige Fehler und Probleme beim Programmieren
- Fehlermeldungen und deren Interpretation, Fehlersuche, Debugging
- Datenvisualisierung in 2D und 3D
- Grundkonzepte von Machine Learning, Supervised Learning (Klassifizierung) vs. Unsupervised Learning (Clustering)
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 |
|---|---|---|---|
| Homework | 1 | 68 h | 68 h |
| Präsenzzeit | 14 | 6 h | 84 h |
| Vor-/Nachbereitung | 14 | 2 h | 28 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, wobei in Zwierteams gearbeitet werden sollte. Final gibt es einzeln eine Hausarbeit zu bearbeiten. Falls das Modul unbenotet belegt wird (im Rahmen der Wahlpflichtfächer), ist es möglich, mit einer guten Leistung in den Übungsblättern alleine zu bestehen.
Die Studierenden müssen außerdem über einen PC mit einer aktuellen MATLAB Version verfügen, die TU Berlin stellt dies kostenlos zur Verfügung. Da in Zweierteams gearbeitet werden kann, ist es erlaubt, dass pro Team nur ein PC mit MATLAB zur Verfügung steht.
Die Studierenden müssen außerdem über einen PC mit einer aktuellen MATLAB Version verfügen, die TU Berlin stellt dies kostenlos zur Verfügung. Da in Zweierteams gearbeitet werden kann, ist es erlaubt, dass pro Team nur ein PC mit MATLAB zur Verfügung steht.
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 |
|---|---|---|---|
| Homework | 40 | practical | |
| Wöchentliche Übungsblätter | 60 | practical |
Exam description
Portfolioprüfung bestehend aus einer Hausarbeit (40% gewichtet) sowie wöchentlichen benoteten Übungsblättern (60% 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 -> bestanden
<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 -> bestanden
<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
This module is not limited to a number of students.
Registration procedures
Gemäß den Bestimmungen für Portfolioprüfungen laut Prüfungsordnung. Für Human Factors Studierende ist eine Anmeldung als unbenotetes Modul möglich.
Die Studierenden müssen außerdem über einen PC mit einer aktuellen MATLAB Version verfügen, die TU Berlin stellt dies kostenlos zur Verfügung. Da in Zweierteams gearbeitet werden kann, ist es erlaubt, dass pro Team nur ein PC mit MATLAB zur Verfügung steht.
Die Studierenden müssen außerdem über einen PC mit einer aktuellen MATLAB Version verfügen, die TU Berlin stellt dies kostenlos zur Verfügung. Da in Zweierteams gearbeitet werden kann, ist es erlaubt, dass pro Team nur ein PC mit MATLAB zur Verfügung steht.
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
Not specified