Datenanalyse und Datenmanagement IIModulbeschreibung #20850 / Version 1
- 6 LP
- Keine Prüfung
- Unbenotet
- Sommersemester
- Englisch
| Modul / Version | #20850 / #1 |
|---|---|
| Gültigkeit | Seit SoSe 2025 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Ernstorfer, Ralph |
| Benotung | Unbenotet |
| Prüfungsform | Keine Prüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät II |
|---|---|
| Institut | Fachgruppe Nanoanalytik |
| Fachgebiet | 32342400 FG Experimentelle Physik mit dem Schwerpunkt Ultrafast Nanoscience/Nanowissenschaften auf uktrakurzen Zeitskalen |
Kontakt
| Sekretariat | ER 1-1 |
|---|---|
| Ansprechpartner*in | Ernstorfer, Ralph |
| E-Mail-Adresse | ernstorfer@tu-berlin.de |
| Webseite | Keine Angabe |
Lernergebnisse
Die Studierenden verfügen über ein solides Verständnis der Grundlagen der Datenanalyse, der Fourier-Analyse und maschinellem Lernen für die Datenanalyse. Sie verstehen die Struktur von Forschungsdaten und sind mit den FAIR-Prinzipien für nachhaltiges Datenmanagement vertraut. Zudem sind sie in der Analyse und Verwaltung großer Datensätze versiert und besitzen praktische Erfahrung mit relevanten Software-Tools, insbesondere mit spezialisierten Python-Bibliotheken und Programmiertechniken.
Lehrinhalte
Dieser Kurs baut auf dem Modul Datenanalyse und Datenmanagement I auf und vermittelt den Studierenden fortgeschrittene Konzepte, moderne Werkzeuge sowie aktuelle Strategien zur Datenanalyse und dem Forschungsdatenmanagement. Die Teilnehmenden erlangen praktische Erfahrung mit wichtigen Softwareplattformen und Bibliotheken in einer Python Notebook-Umgebung, darunter pandas, matplotlib, bokeh und scikit-learn.
Der Kurs besteht aus Vorlesungen, in denen theoretische Konzepte und Werkzeuge eingeführt werden, sowie praxisorientierten Einheiten, in denen die Studierenden ihr Wissen auf reale Herausforderungen der Datenanalyse aus physikalischen Experimenten anwenden. Das Semester ist in Kapitel mit zunehmender Komplexität unterteilt:
Grundlagen der Datenverarbeitung: Einführung in das Fitten und Bereinigen von eindimensionalen Datensätzen.
Fortgeschrittene Datenverwaltung und -analyse: Umgang mit hochdimensionalen Datensätzen und deren Analyse.
Globale Datenanalyse: Schwerpunkt auf der Fourier-Analyse und deren Anwendungen.
Maschinelles Lernen für die Datenanalyse: Einführung in grundlegende Konzepte des Maschinellen Lernens, einschließlich Entscheidungsbäume, Random Forests, Deep Learning und Künstliche Intelligenz.
Der Kurs besteht aus Vorlesungen, in denen theoretische Konzepte und Werkzeuge eingeführt werden, sowie praxisorientierten Einheiten, in denen die Studierenden ihr Wissen auf reale Herausforderungen der Datenanalyse aus physikalischen Experimenten anwenden. Das Semester ist in Kapitel mit zunehmender Komplexität unterteilt:
Grundlagen der Datenverarbeitung: Einführung in das Fitten und Bereinigen von eindimensionalen Datensätzen.
Fortgeschrittene Datenverwaltung und -analyse: Umgang mit hochdimensionalen Datensätzen und deren Analyse.
Globale Datenanalyse: Schwerpunkt auf der Fourier-Analyse und deren Anwendungen.
Maschinelles Lernen für die Datenanalyse: Einführung in grundlegende Konzepte des Maschinellen Lernens, einschließlich Entscheidungsbäume, Random Forests, Deep Learning und Künstliche Intelligenz.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Datenanalyse und Datenmanagement II | Integrierte Veranstaltung | Sommersemester | [de] | 4 | ISIS |
Arbeitsaufwand und Leistungspunkte
Datenanalyse und Datenmanagement II (Integrierte Veranstaltung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 4 h | 60 h |
| Vor-/Nachbereitung | 15 | 8 h | 120 h |
| 180 h | |||
Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Integrierte Veranstaltung mit praktische Übungen.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Grundkenntnisse im Programmieren in Python. Bestandenes Modul "Datenanalyse und Datenmanagement I" ist wünschenswert.
Eigener Computer mit Python-Installation während der Veranstaltung erforderlich.
Eigener Computer mit Python-Installation während der Veranstaltung erforderlich.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Die Prüfungsvoraussetzungen konnten nicht abgerufen werden.
Abschluss des Moduls
| Benotung | Unbenotet |
|---|---|
| Prüfungsform | Keine Prüfung |
Prüfungsbeschreibung (Abschluss des Moduls)
Für die erfolgreiche Teilnahme an der Lehrveranstaltung wird ein unbenoteter Nachweis über Studienleistungen ausgestellt. Die genauen Bedingungen der Studienleistung werden am Anfang es Moduls bekanntgegeben.
Dauer des Moduls
Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.
Dieses Modul kann in folgenden Semestern begonnen werden: Sommersemester.
Maximale teilnehmende Personen
Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.
Anmeldeformalitäten
Anmeldung zum Kurs auf der Lernplattform ISIS.
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
verfügbar
Empfohlene Literatur
Keine empfohlene Literatur angegeben
Zugeordnete Studiengänge
Diese Modulversion wird in folgenden Studiengängen verwendet:
| Studiengang / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Physik StuPO 2018/19 | SoSe 2025 | Wahlbereich |
| WiSe 2025/26 | Wahlbereich | |
| SoSe 2026 | Wahlbereich | |
| WiSe 2026/27 | Wahlbereich |
Sonstiges
Keine Angabe