Programmierpraktikum: Data Science in Python and RModulbeschreibung #40997 / Version 3
- 6 LP
- Portfolioprüfung
- Unbenotet
- Winter- und Sommersemester
- Englisch
| Modul / Version | #40997 / #3 |
|---|---|
| Gültigkeit | Seit SoSe 2026 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Maertens, Marianne |
| Benotung | Unbenotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Technische Informatik und Mikroelektronik |
| Fachgebiet | 34341900 FG Computational Psychology |
Kontakt
| Sekretariat | MAR 5-5 |
|---|---|
| Ansprechpartner*in | Aguilar Cornejo, Guillermo Andres |
| E-Mail-Adresse | guillermo.aguilar@mail.tu-berlin.de |
| Webseite | http://www.psyco.tu-berlin.de/teaching |
Lernergebnisse
Studierende, die das Modul abschließen...
* können ein Projekt im Bereich Data Science mit klaren Forschungszielen vorschlagen und planen,
* kennen und können moderne Werkzeuge der Data Science anwenden: R, Python, relevante Erweiterungsbibliotheken, Versionskontrolle mit Git und Datenvisualisierungstechniken,
* können in Gruppen arbeiten und dabei agile Softwareentwicklungsprinzipien befolgen,
* können ihr Projekt mündlich präsentieren und ihre Ergebnisse kommunizieren,
* können professionelle schriftliche Berichte im akademischen Stil über Forschungsmethoden und -ergebnisse mit LaTeX erstellen,
* können mit dem Open-Source-Software-Ökosystem interagieren, sowohl durch die Nutzung verfügbarer Software als auch durch die öffentliche Weitergabe ihrer eigenen Software.
* können ein Projekt im Bereich Data Science mit klaren Forschungszielen vorschlagen und planen,
* kennen und können moderne Werkzeuge der Data Science anwenden: R, Python, relevante Erweiterungsbibliotheken, Versionskontrolle mit Git und Datenvisualisierungstechniken,
* können in Gruppen arbeiten und dabei agile Softwareentwicklungsprinzipien befolgen,
* können ihr Projekt mündlich präsentieren und ihre Ergebnisse kommunizieren,
* können professionelle schriftliche Berichte im akademischen Stil über Forschungsmethoden und -ergebnisse mit LaTeX erstellen,
* können mit dem Open-Source-Software-Ökosystem interagieren, sowohl durch die Nutzung verfügbarer Software als auch durch die öffentliche Weitergabe ihrer eigenen Software.
Lehrinhalte
* R und relevante Erweiterungsbibliotheken (tidyverse)
* Python und relevante Erweiterungsbibliotheken (pandas, numpy)
* Satz mit LaTeX
* Agile Softwareentwicklung
* Versionskontrolle und Softwarezusammenarbeit mit git
* Visualisierungsprinzipien und -techniken (ggplot)
* Online-Veröffentlichung von Software (GitHub)
* Python und relevante Erweiterungsbibliotheken (pandas, numpy)
* Satz mit LaTeX
* Agile Softwareentwicklung
* Versionskontrolle und Softwarezusammenarbeit mit git
* Visualisierungsprinzipien und -techniken (ggplot)
* Online-Veröffentlichung von Software (GitHub)
Modulbestandteile
Pflichtbereich
Aus den folgenden Veranstaltungen muss eine Auswahl abgeschlossen werden:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Programming Project: Data Science in Python and R - 1 | Praktikum | 3434 L 10614 | Winter- und Sommersemester | [en] | 4 | ISIS |
Arbeitsaufwand und Leistungspunkte
Programming Project: Data Science in Python and R - 1 (Praktikum)
| 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
In diesem Modul lernen die Teilnehmer, ein Forschungsprojekt im Bereich Data Science zu planen und durchzuführen. Die Teilnehmer erhalten Tutorials zu den Tools der Data Science (z. B. Python, R, Latex usw.). Sie wählen und planen ein Projekt in Gruppen (3-4 Personen) und werden während des gesamten Semesters kontinuierlich hinsichtlich ihres Projektfortschritts betreut.
Während des Semesters halten sie drei kurze Präsentationen (jeweils 10 Minuten). In der ersten präsentieren sie einen Projektvorschlag und den Plan für das Semester. In einer zweiten Zwischenpräsentation zeigen sie ihre Fortschritte, bewerten und diskutieren die nächsten notwendigen Schritte zur Fertigstellung des Projekts. Am Ende des Semesters stellen sie ihr fertiges Projekt in einer Abschlusspräsentation vor.
Zusätzlich veröffentlichen die Teilnehmer einen abschließenden Forschungsbericht, der ihr Projekt (Methodik und Forschungsergebnisse) zusammen mit der Software-Implementierung auf einer Open-Source-Softwareplattform (z. B. github) dokumentiert.
Während des Semesters halten sie drei kurze Präsentationen (jeweils 10 Minuten). In der ersten präsentieren sie einen Projektvorschlag und den Plan für das Semester. In einer zweiten Zwischenpräsentation zeigen sie ihre Fortschritte, bewerten und diskutieren die nächsten notwendigen Schritte zur Fertigstellung des Projekts. Am Ende des Semesters stellen sie ihr fertiges Projekt in einer Abschlusspräsentation vor.
Zusätzlich veröffentlichen die Teilnehmer einen abschließenden Forschungsbericht, der ihr Projekt (Methodik und Forschungsergebnisse) zusammen mit der Software-Implementierung auf einer Open-Source-Softwareplattform (z. B. github) dokumentiert.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Programmierkenntnisse und Bereitschaft, Python und R schnell zu erlernen.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Unbenotet |
|---|---|
| Prüfungsform | Portfolioprüfung |
| Art der Portfolioprüfung | 100 Punkte insgesamt |
| Sprache | Englisch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| (Lernprozessevaluation) Präsentation des Vorschlags | 10 | mündlich | 10 Minuten (Präsentation + Fragen) |
| (Lernprozessevaluation) Zwischenpräsentation | 10 | mündlich | 10 Minuten (Präsentation + Fragen) |
| (Lernprozessevaluation) Abschlusspräsentation | 20 | mündlich | 20 Minuten (Präsentation + Fragen) |
| (Ergebnisprüfung) Softwareimplementierung | 30 | praktisch | 13 Wochen |
| (Ergebnisprüfung) Dokumentation | 30 | schriftlich | 13 Wochen |
Dauer des Moduls
Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.
Dieses Modul kann in folgenden Semestern begonnen werden: Winter- und Sommersemester.
Maximale teilnehmende Personen
Die maximale Teilnehmerzahl beträgt 24.
Anmeldeformalitäten
Siehe: https://www.psyco.tu-berlin.de/teaching und ISIS-Kursseite
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
nicht verfügbar
Empfohlene Literatur
Keine empfohlene Literatur angegeben
Zugeordnete Studiengänge
Diese Modulversion wird in folgenden Studiengängen verwendet:
| Studiengang / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Informatik StuPO 2015 | SoSe 2026 | Wahlpflichtbereich Programmierpraktikum |
| WiSe 2026/27 | Wahlpflichtbereich › Programmierpraktikum | |
| Informatik StuPO 2025 | WiSe 2026/27 | Wahlpflichtbereich › Programmierpraktikum |
| Wirtschaftsinformatik StuPO 2015 | SoSe 2026 | Wahlpflichtbereich › Programmierpraktikum |
| WiSe 2026/27 | Wahlpflichtbereich › Programmierpraktikum | |
| Wirtschaftsinformatik StuPO 2021 | SoSe 2026 | Wahlpflichtbereich › Programmierpraktikum |
| WiSe 2026/27 | Wahlpflichtbereich › Programmierpraktikum | |
| Wirtschaftsinformatik StuPO 2025 | WiSe 2026/27 | Wahlpflichtbereich › Programmierpraktikum |
Sonstiges
Keine Angabe