Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Grundlagen für Data Literacy und Data ScienceModulbeschreibung #41119 / Version 2

← Zur Modulseite English version
Modul / Version#41119 / #2
GültigkeitSeit SoSe 2025
Verfügbare Sprache(n)Englisch
Leistungspunkte6
Modulverantwortliche*rDeniz, Fatma
BenotungBenotet
PrüfungsformPortfolioprüfung
Lehrsprache(n)Englisch

Zugehörigkeit

FakultätFakultät IV
InstitutInstitut für Softwaretechnik und Theoretische Informatik
Fachgebiet34353100 FG Sprache und Kommunikation in biologischen und künstlichen Systemen

Kontakt

SekretariatMAR 6-4
Ansprechpartner*inSchwalger, Tilo
E-Mail-Adressetilo.schwalger@tu-berlin.de
Webseitehttps://denizenslab.github.io/teaching/courses/DLDS/

Lernergebnisse

- Understanding the basic concepts of data, including data types and data structures, and real-world data sources
- Learning concepts and skills in scientific programming and statistical inference using Python
- Identifying and retrieving relevant information from data, analyzing and interpreting it using statistical methods and visualization techniques, critically evaluating results

Lehrinhalte

This course integrates three key perspectives: inferential thinking, computational thinking, and practical application. It explores methods for analyzing data to gain insights into the underlying processes. Students will learn essential skills in programming and statistical inference while engaging in hands-on analysis of real-world datasets, including indicators, document repositories, geographic data, and social networks.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Foundations of Data Literacy and Data ScienceÜbung Winter- und Sommersemester[en]2 ISIS
Foundations of Data Literacy and Data ScienceVorlesung Winter- und Sommersemester[en]2 ISIS

Arbeitsaufwand und Leistungspunkte

Foundations of Data Literacy and Data Science (Übung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Pre/post processing154 h60 h
90 h

Foundations of Data Literacy and Data Science (Vorlesung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Pre/post processing154 h60 h
90 h

Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

The course consists of the weekly main lecture (Vorlesung), the weekly lab (Übung), and weekly homework assignments. During the lecture, the foundational concepts for each week are introduced. In the lab sessions, students will be guided in practical programming exercises. Students receive programming homework assignments, to be uploaded at regular deadlines. Homework assignments are graded. The module ends with a portfolio exam consisting of a programming project (including a short presentation), a written exam and the homework grades.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

- Sound understanding of written and spoken English
- Basics in statistics

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungBenotet
PrüfungsformPortfolioprüfung
Art der Portfolioprüfung100 Punkte insgesamt
SpracheEnglisch

Prüfungselemente

NamePunkte/GewichtKategorieDauer/Umfang
Homework grades20praktischweekly programming tasks of around 30 minutes and a one-off homework assignment of two hours
Programming project & 15 min presentation20praktisch15 min
Written exam60schriftlich60 min

Prüfungsbeschreibung (Abschluss des Moduls)

The exam is a combined portfolio exam consisting of a written examination, the averaged homework gradings as well as a short presentation of the programming project which replaces the homework for the final few sessions.

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 60.

Anmeldeformalitäten

Alle Studierenden müssen an dem ersten Lehrveranstaltungstermin teilnehmen um ihre Registrierung aktivieren zu können.

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

verfügbar

Empfohlene Literatur

  • Computational and Inferential Thinking: The Foundations of Data Science (https://inferentialthinking.com/chapters/intro.html)

Zugeordnete Studiengänge

Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOSemesterStudiengangsbereich
Informatik
StuPO 2015
SoSe 2025Wahlpflichtbereich › Wahlpflichtbereich Katalog Informatik
WiSe 2025/26Wahlpflichtbereich › Wahlpflichtbereich Katalog Informatik
SoSe 2026Wahlpflichtbereich › Wahlpflichtbereich Katalog Informatik
WiSe 2026/27Wahlpflichtbereich › Katalog Informatik
Informatik
StuPO 2025
WiSe 2026/27Wahlpflichtbereich › Studiengebiete › Datenmanagement › Weitere Module
Medieninformatik
StuPO 2015
SoSe 2025Wahlpflichtbereich › Fachstudium Medientechnik
WiSe 2025/26Wahlpflichtbereich › Fachstudium Medientechnik
SoSe 2026Wahlpflichtbereich › Fachstudium Medientechnik
WiSe 2026/27Wahlpflichtbereich › Fachstudium Medientechnik
Technische Informatik
StuPO 2015
SoSe 2025Wahlpflichtbereich › Informatik
WiSe 2025/26Wahlpflichtbereich › Informatik
SoSe 2026Wahlpflichtbereich › Informatik
WiSe 2026/27Wahlpflichtbereich › Kataloge › Informatik
Wirtschaftsinformatik
StuPO 2015
SoSe 2025Wahlpflichtbereich › Informatik
WiSe 2025/26Wahlpflichtbereich › Informatik
SoSe 2026Wahlpflichtbereich › Informatik
WiSe 2026/27Wahlpflichtbereich › Informatik
Wirtschaftsinformatik
StuPO 2021
SoSe 2025Wahlpflichtbereich › Informatik
WiSe 2025/26Wahlpflichtbereich › Informatik
SoSe 2026Wahlpflichtbereich › Informatik
WiSe 2026/27Wahlpflichtbereich › Informatik

Sonstiges

Keine Angabe