Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Programmierpraktikum Datensysteme - Fairness AuditingModulbeschreibung #41290 / Version 3

← Zur Modulseite English version
Modul / Version#41290 / #3
GültigkeitSeit WiSe 2026/27
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte6
Modulverantwortliche*rSchelter, Sebastian
BenotungUnbenotet
PrüfungsformPortfolioprüfung
Lehrsprache(n)Englisch

Zugehörigkeit

FakultätFakultät IV
InstitutInstitut für Softwaretechnik und Theoretische Informatik
Fachgebiet34353500 FG Management von Data Science-Prozessen (BIFOLD)

Kontakt

SekretariatEN 17
Ansprechpartner*inBohnhardt-Schneider, Celia
E-Mail-Adressecelia.bohnhardt-schneider@tu-berlin.de
Webseitehttps://deem.berlin

Lernergebnisse

Mit Abschluss des Moduls sind die Studierenden im Stande:
• Software-Engineering-Methoden anzuwenden, um eine komplexe praktische Aufgabe zu lösen
• Sich als Team in gemeinschaftlicher Projektarbeit zu organisieren
• Gängige Methoden zum Fairness-Auditing von Automatischen Entscheidungssystemen zu evaluieren

Lehrinhalte

Zu Beginn jedes Semesters definieren wir ein neues Projekt (oder mehrere) im Zusammenhang mit der Implementierung von Pipelines für maschinelles Lernen (die Daten aus heterogenen Quellen aufbereiten, sie als Features kodieren und anschließend ein oder mehrere ML-Modelle trainieren). Studierende erhalten Spezifikationen zu diesen Komponenten sowie ausgewählte Umsetzungsziele. Die Aufgabe besteht dann darin, in selbstorganisierten Teams von 4 Personen korrekte Implementierungen dieser Komponenten in Python, Scala oder Rust zu erstellen. Neben der Entwicklung des Quellcodes der Prototypen sind weitere wichtige Aspekte der Einsatz von Versionskontrolltools, testgetriebene Entwicklung, Designdokumentation sowie Laufzeitexperimente und -verbesserungen. Gleichzeitig ermöglicht dieses Projekt ein tieferes Verständnis von Methoden im Zusammenhang mit Pipelines für maschinelles Lernen und Datenanalyse sowie Algorithmen und Datenstrukturen. Der Fokus liegt jedoch auf einer problemorientierten Nutzung von Programmierkenntnissen, also der Lösung eines praktischen Problems, und nicht auf einer ganzheitlichen Abdeckung der Funktionalität von Machine-Learning-Anwendungen.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Datensysteme - Fairness AuditingPraktikum Winter- und Sommersemester[de]4 ISIS

Veranstaltungen im Vorlesungsverzeichnis

Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.

WiSe 2026/27 (1)

Datensysteme - Fairness Auditing (Praktikum) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Arbeitsaufwand und Leistungspunkte

Datensysteme - Fairness Auditing (Praktikum)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit154 h60 h
Vor-/Nachbereitung153,2 h48 h
108 h

Lehrveranstaltungsunabhängiger Aufwand

AufwandbeschreibungMultiplikatorStundenGesamt
Implementierung170 h70 h
70 h

Der Aufwand des Moduls summiert sich zu 178 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Betreute, selbstorganisierte Projektarbeit
Aufbau und Durchführung von Laufzeitexperimenten
Präsentation und Diskussion der Versuchsergebnisse

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

• elementare Programmierkenntnisse
• Grundverständnis Maschinelles Lernen / Data Science

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungUnbenotet
PrüfungsformPortfolioprüfung
Art der Portfolioprüfung100 Punkte insgesamt
SpracheDeutsch

Prüfungselemente

NamePunkte/GewichtKategorieDauer/Umfang
(Ergebnisprüfung) Dokumentation15schriftlichDesign Dokument (bis zu 4 Seiten)
(Ergebnisprüfung) Ergebnispräsentation15mündlich10 min Vortrag
(Ergebnisprüfung) Laufzeitexperimente15praktischFehlerfreie Ausführung der drei bereitgestellten Python Testklassen und der drei bereitgestellten Python Usecases (1 h)
(Ergebnisprüfung) Projektimplementierung45praktischAusimplementierung der vier bereitgestellten Python Komponentenklassen (70h)
(Ergebnisprüfung) Tests (Komponenten und Funktionen)10praktischAusimplementierung der drei bereitgestellten Python Pipeline Usecases (15h)

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 16.

Anmeldeformalitäten

Zum Besuch der Lehrveranstaltung ist eine Zulassung erforderlich. Die Anmeldung erfolgt über den Meta-Kurs für Programmierpraktika.

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 / StuPOSemesterStudiengangsbereich
Informatik
StuPO 2015
WiSe 2026/27Wahlpflichtbereich › Programmierpraktikum
Informatik
StuPO 2025
WiSe 2026/27Wahlpflichtbereich › Programmierpraktikum
Wirtschaftsinformatik
StuPO 2015
WiSe 2026/27Wahlpflichtbereich › Programmierpraktikum
Wirtschaftsinformatik
StuPO 2021
WiSe 2026/27Wahlpflichtbereich › Programmierpraktikum
Wirtschaftsinformatik
StuPO 2025
WiSe 2026/27Wahlpflichtbereich › Programmierpraktikum

Sonstiges

Keine Angabe