Projekt: Brain-Computer InterfacingModulbeschreibung #40007 / Version 2
- 9 LP
- Portfolioprüfung
- Benotet
- Sommersemester
- Englisch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
Zur aktuellen Version (v7)
| Modul / Version | #40007 / #2 |
|---|---|
| Gültigkeit | SS 2016 – WS 2016/17 |
| Verfügbare Sprache(n) | Englisch |
| Leistungspunkte | 9 |
| Modulverantwortliche*r | Blankertz, Benjamin |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Softwaretechnik und Theoretische Informatik |
| Fachgebiet | 34355200 FG S-Professur Neurotechnologie |
Kontakt
| Sekretariat | MAR 4-3 |
|---|---|
| Ansprechpartner*in | Wagner vom Berg, Gabriel Leander |
| E-Mail-Adresse | contact@neuro.tu-berlin.de |
| Webseite | https://www.tu.berlin/neuro/studium-lehre/lehrveranstaltungen |
Lernergebnisse
Die Absolventinnen und Absolventen dieses Moduls können
- Fragestellungen aus dem Bereich der EEG-Analyse, die für Brain-Computer Interfacing relevant sind, selbstständig bearbeiten,
- dazu notwendige Laborexperimente planen und durchführen,
- die Daten auswerten und
- ihre Ergebnisse interpretieren und wissenschaftlich präsentieren.
- Fragestellungen aus dem Bereich der EEG-Analyse, die für Brain-Computer Interfacing relevant sind, selbstständig bearbeiten,
- dazu notwendige Laborexperimente planen und durchführen,
- die Daten auswerten und
- ihre Ergebnisse interpretieren und wissenschaftlich präsentieren.
Lehrinhalte
In diesem Projekt werden die experimentellen Kompetenzen des Forschungsgebietes exemplarisch vermittelt. Darüberhinaus werden die theoretischen Fähigkeiten in Signalverarbeitung und Klassifikation praktisch an Hand selbst ausgenommener Daten umgesetzt und eingeübt.
Bitte beachten: In diesem Projekt geht es um die praktischen Aspekte von Brain-Computer Interfaces. Der Hintergrund und die Techniken dieses Forschungsgebietes werden in der Vorlesung "Brain-Computer Interfacing" vermittelt.
Bitte beachten: In diesem Projekt geht es um die praktischen Aspekte von Brain-Computer Interfaces. Der Hintergrund und die Techniken dieses Forschungsgebietes werden in der Vorlesung "Brain-Computer Interfacing" vermittelt.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Brain-Computer Interfacing | Projekt | 3435 L 504 | Sommersemester | – | 6 | ISIS |
Arbeitsaufwand und Leistungspunkte
Brain-Computer Interfacing (Projekt)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Ausarbeitung der Ergebnisse (Referat/schriftliche Ausarbeitung) | 1 | 40 h | 40 h |
| Experimente vorbereiten und durchführen (mit Betreuung; gruppenweise!) | 16 | 5 h | 80 h |
| Individual- und Gruppenarbeit (Datenanalyse) | 1 | 100 h | 100 h |
| Individual- und Gruppenarbeit (Recherche, Konzepte) | 1 | 38 h | 38 h |
| Präsenzzeit (Plenumteile) | 6 | 2 h | 12 h |
| 270 h | |||
Der Aufwand des Moduls summiert sich zu 270 Stunden. Damit umfasst das Modul 9 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Some teacher centered introduction to BCI studies, presentation of project topics and introduction to the computational investigation of neural data.
The main part of the course is done in group work (2-4 students) with a specialization of each group member: Literature recherche, clarification of the point of investigation (hypotheses), planning and conducting an EEG- or NIRS-study (about 6 participants) and possibly additionally a behavioral experiment; independent investigation of the acquired data using algorithms of signal processing and machine learning; presentation and discussion of results.
--- --- ---
Frontalunterricht im Plenum: Einführung in die Thematik; Vorstellung der zur Auswahl stehenden Themen; Einführung in die computergestützte Auswertung neuronaler Daten.
In kleinen Arbeitsgruppen (2-4 Personen) aber mit Spezialisierung der Gruppenmitglieder: Literaturarbeit, Präzisierung der vorgegebenen Fragestellung, Planung und Durchführung eines EEG- oder NIRS-Experiments (ca. 6 Probanden) und ggf. eines Verhaltensexperiments unter Anleitung eines Assistenten; selbstständige Auswertung der gewonnenen Daten mit Hilfe von Algorithmen der digitalen Signalverarbeitung und des Maschinellen Lernens; adäquate Präsentation und Diskussion der erzielten Resultate im Plenum.
The main part of the course is done in group work (2-4 students) with a specialization of each group member: Literature recherche, clarification of the point of investigation (hypotheses), planning and conducting an EEG- or NIRS-study (about 6 participants) and possibly additionally a behavioral experiment; independent investigation of the acquired data using algorithms of signal processing and machine learning; presentation and discussion of results.
--- --- ---
Frontalunterricht im Plenum: Einführung in die Thematik; Vorstellung der zur Auswahl stehenden Themen; Einführung in die computergestützte Auswertung neuronaler Daten.
In kleinen Arbeitsgruppen (2-4 Personen) aber mit Spezialisierung der Gruppenmitglieder: Literaturarbeit, Präzisierung der vorgegebenen Fragestellung, Planung und Durchführung eines EEG- oder NIRS-Experiments (ca. 6 Probanden) und ggf. eines Verhaltensexperiments unter Anleitung eines Assistenten; selbstständige Auswertung der gewonnenen Daten mit Hilfe von Algorithmen der digitalen Signalverarbeitung und des Maschinellen Lernens; adäquate Präsentation und Diskussion der erzielten Resultate im Plenum.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Programming skills (Matlab/Octave) and basic knowledge in signal processing and machine learning is required. Having participated in the lecture Brain-Computer Interfacing before is helpful but not required.
--- --- --
Programmierfähigkeit (Matlab/Octave) und Grundkenntnisse aus dem Bereich Signalverarbeitung und Klassifikation werden vorausgesetzt. Die voherige Teilnahme an der Vorlesung Brain-Computer Interfacing ist hilfreich.
--- --- --
Programmierfähigkeit (Matlab/Octave) und Grundkenntnisse aus dem Bereich Signalverarbeitung und Klassifikation werden vorausgesetzt. Die voherige Teilnahme an der Vorlesung Brain-Computer Interfacing ist hilfreich.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Portfolioprüfung |
| Sprache | Englisch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| (Deliverable assessment) Code for data analysis and stimulus presentation | 20 | ||
| (Deliverable assessment) Presentation of results as a talk | 20 | ||
| (Deliverable assessment) Written report | 20 | ||
| (Learning process review) Practical laboratory work including protocols | 40 |
Prüfungsbeschreibung (Abschluss des Moduls)
The grade is determined according to § 47 (2) AllgStuPO with the grading system 1 of faculty IV.
Code for data analysis and stimulus presentation (20P): The code is evaluated according to programming style, effectiveness and documentation.
Practical laboratory work including protocols (40P): The practical work is assessed according to the quality of the acquired signals; the interaction with the participants; the elaborateness in the usage of equipment; the protocols
Presentation of results as a talk (20P): The talk is assessed according to content, clarity in structure, clear design of slides, contact to listeners, way of speaking, appropriate answering of questions.
Written report (20P): The report is evaluated according to the criteria for a scientific paper with the structure: Introduction to the field including a review of state-of-the-art; Description of experimental design and hypotheses; Description of Material and Methods; Presentation of results and discussion; Conclusion.
Code for data analysis and stimulus presentation (20P): The code is evaluated according to programming style, effectiveness and documentation.
Practical laboratory work including protocols (40P): The practical work is assessed according to the quality of the acquired signals; the interaction with the participants; the elaborateness in the usage of equipment; the protocols
Presentation of results as a talk (20P): The talk is assessed according to content, clarity in structure, clear design of slides, contact to listeners, way of speaking, appropriate answering of questions.
Written report (20P): The report is evaluated according to the criteria for a scientific paper with the structure: Introduction to the field including a review of state-of-the-art; Description of experimental design and hypotheses; Description of Material and Methods; Presentation of results and discussion; Conclusion.
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
Die maximale Teilnehmerzahl beträgt 20.
Anmeldeformalitäten
Registration at the secretary MAR 4-3: Imke Weitkamp <imke.weitkamp@tu-berlin.de>, room 4.042 in the building Marchstr. 23.
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
nicht verfügbar
Empfohlene Literatur
- Blankertz B, Lemm S, Treder MS, Haufe S, Müller KR, Single-trial analysis and classification of ERP components - a tutorial Neuroimage, 56:814-825, 2011.
- Blankertz B, Tomioka R, Lemm S, Kawanabe M, Müller KR, Optimizing Spatial Filters for Robust EEG Single-Trial Analysis IEEE Signal Process Mag, 25(1):41-56, 2008.
- Wolpaw JR and Wolpaw LW (eds), Brain-Computer Interfaces - Principles and Practice, Oxford University Press 2012.
Zugeordnete Studiengänge
Dieses Modul findet in keinem Studiengang Verwendung.
Masterstudiengang Informatik: Studienschwerpunkt Intelligente Systeme
Masterstudiengang Technische Informatik: Studienschwerpunkt Informationssysteme.
Masterstudiengang Elektrotechnik: Studienschwerpunkt Informationstechnologie.
Bei ausreichenden Kapazitäten auch als Wahlpflichtmodul in anderen Studiengängen (vor allem aus dem natur- und ingenieurswissenschaftlichen Bereich und der Mathematik).
Masterstudiengang Technische Informatik: Studienschwerpunkt Informationssysteme.
Masterstudiengang Elektrotechnik: Studienschwerpunkt Informationstechnologie.
Bei ausreichenden Kapazitäten auch als Wahlpflichtmodul in anderen Studiengängen (vor allem aus dem natur- und ingenieurswissenschaftlichen Bereich und der Mathematik).
Sonstiges
Keine Angabe