Programmierpraktikum Datensysteme - Fairness AuditingModulbeschreibung #41290 / Version 3
- 6 LP
- Portfolioprüfung
- Unbenotet
- Winter- und Sommersemester
- Englisch
| Modul / Version | #41290 / #3 |
|---|---|
| Gültigkeit | Seit WiSe 2026/27 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Schelter, Sebastian |
| Benotung | Unbenotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Softwaretechnik und Theoretische Informatik |
| Fachgebiet | 34353500 FG Management von Data Science-Prozessen (BIFOLD) |
Kontakt
| Sekretariat | EN 17 |
|---|---|
| Ansprechpartner*in | Bohnhardt-Schneider, Celia |
| E-Mail-Adresse | celia.bohnhardt-schneider@tu-berlin.de |
| Webseite | https://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
• 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:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Datensysteme - Fairness Auditing | Praktikum | Winter- und Sommersemester | [de] | 4 | WiSe 2026/27 (1) ISIS |
Veranstaltungen im Vorlesungsverzeichnis
Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.
WiSe 2026/27 (1)
Datensysteme - Fairness Auditing (Praktikum) 1
Arbeitsaufwand und Leistungspunkte
Datensysteme - Fairness Auditing (Praktikum)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 4 h | 60 h |
| Vor-/Nachbereitung | 15 | 3,2 h | 48 h |
| 108 h | |||
Lehrveranstaltungsunabhängiger Aufwand
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Implementierung | 1 | 70 h | 70 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
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
• Grundverständnis Maschinelles Lernen / Data Science
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Unbenotet |
|---|---|
| Prüfungsform | Portfolioprüfung |
| Art der Portfolioprüfung | 100 Punkte insgesamt |
| Sprache | Deutsch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| (Ergebnisprüfung) Dokumentation | 15 | schriftlich | Design Dokument (bis zu 4 Seiten) |
| (Ergebnisprüfung) Ergebnispräsentation | 15 | mündlich | 10 min Vortrag |
| (Ergebnisprüfung) Laufzeitexperimente | 15 | praktisch | Fehlerfreie Ausführung der drei bereitgestellten Python Testklassen und der drei bereitgestellten Python Usecases (1 h) |
| (Ergebnisprüfung) Projektimplementierung | 45 | praktisch | Ausimplementierung der vier bereitgestellten Python Komponentenklassen (70h) |
| (Ergebnisprüfung) Tests (Komponenten und Funktionen) | 10 | praktisch | Ausimplementierung 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 / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Informatik StuPO 2015 | WiSe 2026/27 | Wahlpflichtbereich › Programmierpraktikum |
| Informatik StuPO 2025 | WiSe 2026/27 | Wahlpflichtbereich › Programmierpraktikum |
| Wirtschaftsinformatik StuPO 2015 | WiSe 2026/27 | Wahlpflichtbereich › Programmierpraktikum |
| Wirtschaftsinformatik StuPO 2021 | WiSe 2026/27 | Wahlpflichtbereich › Programmierpraktikum |
| Wirtschaftsinformatik StuPO 2025 | WiSe 2026/27 | Wahlpflichtbereich › Programmierpraktikum |
Sonstiges
Keine Angabe