Data Science für Kognitive NeurowissenschaftenModulbeschreibung #41168 / Version 2
- 6 LP
- Mündliche Prüfung
- Benotet
- Winter- und Sommersemester
- Englisch
| Modul / Version | #41168 / #2 |
|---|---|
| Gültigkeit | Seit SoSe 2026 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Deniz, Fatma |
| Benotung | Benotet |
| Prüfungsform | Mündliche Prüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Softwaretechnik und Theoretische Informatik |
| Fachgebiet | 34353100 FG Sprache und Kommunikation in biologischen und künstlichen Systemen |
Kontakt
| Sekretariat | MAR 6-4 |
|---|---|
| Ansprechpartner*in | Negi, Anuja |
| E-Mail-Adresse | anuja.negi@tu-berlin.de |
| Webseite | https://denizenslab.github.io/teaching/courses/DS_CogNeuro/ |
Lernergebnisse
- Verständnis von Experimenten und Daten, die in der kognitiven Neurowissenschaft verwendet werden.
- Praktische Erfahrung mit realen Gehirndaten, z. B. EEG und fMRT.
- Identifizieren und Abrufen relevanter Informationen aus Gehirndaten und deren Interpretation mithilfe von Datenanalysetechniken.
- Erlernen der Entwicklung und Überprüfung von Hypothesen.
- Praktische Erfahrung mit realen Gehirndaten, z. B. EEG und fMRT.
- Identifizieren und Abrufen relevanter Informationen aus Gehirndaten und deren Interpretation mithilfe von Datenanalysetechniken.
- Erlernen der Entwicklung und Überprüfung von Hypothesen.
Lehrinhalte
Das menschliche Gehirn ist ein kompliziertes und komplexes Informationsverarbeitungssystem, das ein spannendes interdisziplinäres Forschungsgebiet darstellt. Zu verstehen, wie es funktioniert, ist eine anspruchsvolle wissenschaftliche Aufgabe. In den letzten Jahrzehnten haben uns neue bildgebende Verfahren ermöglicht, das Gehirn in Aktion zu „sehen”, was zum Wachstum der kognitiven Neurowissenschaften geführt hat. Die kognitive Neurowissenschaft erforscht die neuronalen Mechanismen, die einer Vielzahl von kognitiven Funktionen zugrunde liegen, und verbindet die Gehirnaktivität mit den Aufgaben, die es ausführt. Dieses Gebiet fördert spannende Kooperationen mit der Psychologie, Biologie, Physik und Informatik und bietet einen umfassenden Ansatz zum Verständnis des Gehirns.
Wenn Sie von den inneren Abläufen des Gehirns fasziniert sind und gerne modernste bildgebende Verfahren und Datenanalyse-Tools für dessen Erforschung einsetzen möchten, ist dieser Kurs genau das Richtige für Sie! Während dieses Kurses erwerben Sie Kenntnisse in der Verwendung der Programmiersprache Python zum Verstehen, Bearbeiten und Erforschen von Aufzeichnungen des menschlichen Gehirns (wie ECoG, EEG, MEG und fMRI). Außerdem lernen Sie, wie Sie anhand realer Daten Hypothesen darüber aufstellen und überprüfen können, wie das Gehirn Informationen verarbeitet. Darüber hinaus lernen Sie wertvolle Analysetechniken, um Daten aus Gehirnaufzeichnungen zu interpretieren.
This course provides hands-on experience in the data analysis of brain data, enabling you to gain a deep insight into the experiments and data employed in the cognitive neuroscience field. Furthermore, the data analysis techniques and investigative approaches you learn will be readily transferable to research in other disciplines.
Wenn Sie von den inneren Abläufen des Gehirns fasziniert sind und gerne modernste bildgebende Verfahren und Datenanalyse-Tools für dessen Erforschung einsetzen möchten, ist dieser Kurs genau das Richtige für Sie! Während dieses Kurses erwerben Sie Kenntnisse in der Verwendung der Programmiersprache Python zum Verstehen, Bearbeiten und Erforschen von Aufzeichnungen des menschlichen Gehirns (wie ECoG, EEG, MEG und fMRI). Außerdem lernen Sie, wie Sie anhand realer Daten Hypothesen darüber aufstellen und überprüfen können, wie das Gehirn Informationen verarbeitet. Darüber hinaus lernen Sie wertvolle Analysetechniken, um Daten aus Gehirnaufzeichnungen zu interpretieren.
This course provides hands-on experience in the data analysis of brain data, enabling you to gain a deep insight into the experiments and data employed in the cognitive neuroscience field. Furthermore, the data analysis techniques and investigative approaches you learn will be readily transferable to research in other disciplines.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Data Science for Cognitive Neuroscience | Integrierte Veranstaltung | Winter- und Sommersemester | [en] | 4 | ISIS |
Arbeitsaufwand und Leistungspunkte
Data Science for Cognitive Neuroscience (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
Hauptvorlesung, Tutorium und Hausaufgaben.
Während der Vorlesung werden die grundlegenden Konzepte vorgestellt. Die Studierenden erhalten Programmier- und Hausaufgaben.
Voraussetzung für die Teilnahme an der mündlichen Abschlussprüfung ist die erfolgreiche Teilnahme an den Programmier- und Hausaufgaben.
Während der Vorlesung werden die grundlegenden Konzepte vorgestellt. Die Studierenden erhalten Programmier- und Hausaufgaben.
Voraussetzung für die Teilnahme an der mündlichen Abschlussprüfung ist die erfolgreiche Teilnahme an den Programmier- und Hausaufgaben.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Python Programmierkentnisse
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Die Prüfungsvoraussetzungen konnten nicht abgerufen werden.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Mündliche Prüfung |
| Sprache | Englisch |
| Dauer/Umfang | 20 Minuten |
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 20.
Anmeldeformalitäten
Alle Studierende müssen an dem ersten Lehrveranstaltungstermin teilnehmen um den Registrierungsprozess aktivieren zu können.
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
nicht 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 / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Informatik StuPO 2015 | SoSe 2026 | Wahlpflichtbereich › Wahlpflichtbereich Katalog Informatik |
| WiSe 2026/27 | Wahlpflichtbereich › Katalog Informatik | |
| Informatik StuPO 2025 | WiSe 2026/27 | Wahlpflichtbereich › Studiengebiete › Datenmanagement › Weitere Module |
| Medieninformatik StuPO 2015 | SoSe 2026 | Wahlpflichtbereich › Fachstudium Medientechnik |
| WiSe 2026/27 | Wahlpflichtbereich › Fachstudium Medientechnik | |
| Technische Informatik StuPO 2015 | SoSe 2026 | Wahlpflichtbereich › Informatik |
| WiSe 2026/27 | Wahlpflichtbereich › Kataloge › Informatik | |
| Wirtschaftsinformatik StuPO 2015 | SoSe 2026 | Wahlpflichtbereich › Informatik |
| WiSe 2026/27 | Wahlpflichtbereich › Informatik | |
| Wirtschaftsinformatik StuPO 2021 | SoSe 2026 | Wahlpflichtbereich › Informatik |
| WiSe 2026/27 | Wahlpflichtbereich › Informatik | |
| Wirtschaftsinformatik StuPO 2025 | WiSe 2026/27 | Wahlpflichtbereich › Vertiefung Informatik › Weitere Module |
Sonstiges
Keine Angabe