Advanced Methods for Signal & Data AnalysisModulbeschreibung #41293 / Version 1
- 3 LP
- Portfolioprüfung
- Benotet
- Sommersemester
- Englisch
| Modul / Version | #41293 / #1 |
|---|---|
| Gültigkeit | Seit SoSe 2026 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 3 |
| Modulverantwortliche*r | Kolossa, Dorothea |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Energie und Automatisierungstechnik |
| Fachgebiet | 34311900 FG Elektronische Systeme der Medizintechnik |
Kontakt
| Sekretariat | EN 3 |
|---|---|
| Ansprechpartner*in | Osmers, Eike |
| E-Mail-Adresse | eike.osmers@tu-berlin.de |
| Webseite | https://www.tu.berlin/mtec |
Lernergebnisse
Nach Abschluss des Seminars sind Studierende in der Lage, fortgeschrittene Signal- und Datenanalysetechniken - von klassischen linearen Transformationen bis hin zu nichtlinearen, statistischen und lernbasierten Ansätzen - auf reale Daten wie EEG, Sprache oder Sensordaten anzuwenden. Im praktischen Teil des Kurses werden Studierende einen individuell ausgewählten Algorithmus (z. B. Slow Feature Analysis, Dynamic Time Warping oder eine Multi-Armed Bandit-Strategie) auf eigene Daten anwenden, die Ergebnisse visualisieren und deren Auswirkungen interpretieren. Darüber hinaus werden Studierende in der Lage sein, Fachwissen zu einem speziellen Thema zu erwerben, dieses Wissen für ein breites Publikum aufzubereiten und es sowohl in einer mündlichen Präsentation als auch in einem prägnanten Video klar zu vermitteln.
Lehrinhalte
Nach einer grundlegenden Einführung, in der klassische, nichtlineare, statistische und lernbasierte Paradigmen gegenübergestellt werden, wählen die Teilnehmenden jeweils eine Methode aus dem Lehrplan aus (z. B. Goertzel-Algorithmus, Hilbert-Huang-Transformation, Faktorenanalyse, probabilistische PCA oder verallgemeinerte Eigenvektorzerlegung). Die Teilnehmenden recherchieren den theoretischen Hintergrund, implementieren den Algorithmus auf synthetischen oder offenen Datensätzen und analysieren den Rechenaufwand und die Ergebnisse. Die Resultate - einschließlich Visualisierungen und einer kritischen Diskussion - werden in einem 20-minütigen Video sowie einem Vortrag mit anschließender Fragerunde präsentiert. Die Wahl des Algorithmus und des Anwendungsbereichs richtet sich nach den individuellen Interessen, wodurch ein abwechslungsreiches Programm entsteht, das effiziente Spektralschätzung, Merkmalsextraktion, nichtlineare Dynamik, Latent-Variablen-Modellierung, zeitliche Synchronisation von Sequenzen und sequenzielle Entscheidungsfindung umfasst.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Advanced Methods for Signal & Data Analysis | Seminar | Sommersemester | [en] | 2 | ISIS |
Arbeitsaufwand und Leistungspunkte
Advanced Methods for Signal & Data Analysis (Seminar)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Literaturrecherche & Themen-Einarbeitung | 1 | 25 h | 25 h |
| Konzeption & Implementierung der Programmieraufgabe | 1 | 35 h | 35 h |
| Erstellung Foliensatz | 1 | 10 h | 10 h |
| Probevortrag & Vorbereitungsvideo | 1 | 10 h | 10 h |
| Kontaktzeit Seminar | 5 | 2 h | 10 h |
| 90 h | |||
Der Aufwand des Moduls summiert sich zu 90 Stunden. Damit umfasst das Modul 3 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Im Seminar Advanced Methods for Signal & Data Analysis werden die Lehrinhalte durch Vorlesungen, Vorträge und Programmierübungen vermittelt.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Fundierte Kenntnisse in linearer Algebra, Analysis, Wahrscheinlichkeitstheorie und Signalverarbeitung. Programmierkenntnisse in Python oder Matlab.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Portfolioprüfung |
| Art der Portfolioprüfung | 100 Punkte insgesamt |
| Sprache | Englisch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| Programmierprojekt (Funktionalität, Qualität, Tests, Dokumentation) | 40 | praktisch | 1 Aufgabe |
| Vortragsfolien | 15 | schriftlich | 1 Foliensatz |
| Video des eigenen Probevortrags | 10 | praktisch | 20min |
| Präsentation 20min + 10min Diskussion | 25 | mündlich | 30min |
| Diskussionsbeiträge | 10 | mündlich | 4 Termine |
Dauer des Moduls
Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.
Dieses Modul kann in folgenden Semestern begonnen werden: Sommersemester.
Maximale teilnehmende Personen
Die maximale Teilnehmerzahl beträgt 12.
Anmeldeformalitäten
Eine Anmeldung vor Beginn der Vorlesungszeit in ISIS ist für die Planung des Seminars erforderlich.
Die Anmeldung zur Modulprüfung erfolgt über MTS.
Die Anmeldung zur Modulprüfung erfolgt über MTS.
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 |
|---|---|---|
| Elektrotechnik StuPO 2015 | SoSe 2026 | Wahlpflicht Automatisierungstechnik › Wahlpflicht Automatisierungstechnik Katalog B |
| WiSe 2026/27 | Wahlpflichtbereich › Studienschwerpunkt › Automatisierungstechnik › Katalog B | |
| Elektrotechnik StuPO 2025 | WiSe 2026/27 | Wahlpflichtbereich › Systemtheorie › Katalog B › Seminare |
| Technische Informatik StuPO 2015 | SoSe 2026 | Wahlpflichtbereich › Automatisierungstechnik |
| WiSe 2026/27 | Wahlpflichtbereich › Kataloge › Automatisierungstechnik |
Sonstiges
Keine Angabe