Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Einführung in die ingenieursorientierte DatenanalyseModulbeschreibung #50722 / Version 7

← Zur Modulseite English version
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27). Zur aktuellen Version (v8)
Modul / Version#50722 / #7
GültigkeitSoSe 2025 – SoSe 2026
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte6
Modulverantwortliche*rJochem, Roland
BenotungBenotet
PrüfungsformPortfolioprüfung
Lehrsprache(n)Englisch, Deutsch

Zugehörigkeit

FakultätFakultät V
InstitutInstitut für Werkzeugmaschinen und Fabrikbetrieb (IWF)
Fachgebiet35361300 FG Qualitätswissenschaft

Kontakt

SekretariatPTZ 3
Ansprechpartner*inMüller-Stein, Lennart Frederik
E-Mail-Adressel.mueller-stein@tu-berlin.de
Webseitehttps://www.tu.berlin/qw/studium-lehre/lehrveranstaltungen/ida-introduction-to-engineering-data-analytics-with-r

Lernergebnisse

Teilnehmende sind nach Abschluss des Kurses in der Lage selbständig Datenanalysen mithilfe der Programmiersprachen R (Wintersemester) und Python (Sommersemester) unter Anwendung von statistischen Methoden durchzuführen, die Ergebnisse zu interpretieren und zu dokumentieren. Des Weiteren sind die Studierenden in der Lage, erarbeitete Projektergebnisse aufzubereiten und unter praxisnahen Bedingungen zu präsentieren und zu verteidigen.

Lehrinhalte

Im Rahmen des Kurses werden neben grundlegenden Kenntnissen der Programmiersprachen R und Python in den interaktiven Entwicklungsumgebung RStudio für R und Jupyter Notebooks für Python auch statistische Grundlagen der explorativen Datenanalyse, der Zufallsvariablen und deren Modellierung durch Verteilungsfunktionen vermittelt. Vorlesungsinhalte werden in den wöchentlich zu bearbeitenden Online-Kursen vertieft. Im Anschluss an die Vorlesungen und Übungen bearbeiten die Studierenden in Gruppen eine realitätsnahe Problemstellung unter Zuhilfenahme der erlernten Kenntnisse und stellen die Ergebnisse im Rahmen eines Abschlussberichts dar.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Introduction to Engineering Data Analytics with RVorlesung3536 L 329 Winter- und Sommersemester[de]2 ISIS

Veranstaltungen im Vorlesungsverzeichnis

Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.

WiSe 2026/27 (1)

Introduction to Engineering Data Analytics with R (Vorlesung) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Arbeitsaufwand und Leistungspunkte

Introduction to Engineering Data Analytics with R (Vorlesung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
30 h

Lehrveranstaltungsunabhängiger Aufwand

AufwandbeschreibungMultiplikatorStundenGesamt
Bearbeitung der Case-Study140 h40 h
Bearbeitung der Online-Kurse155 h75 h
Vor- und Nachbereitung152 h30 h
145 h

Der Aufwand des Moduls summiert sich zu 175 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Das Modul besteht aus einer wöchentlichen Vorlesung und interaktiven E-Learning Tutorien, in denen die Modulinhalte vertieft werden.
Die Themen behandeln alle wichtigen Gebiete der Datenanalyse. Der dem Modul zugrunde gelegte Datenanalyseprozess lässt sich wie folgt aufgliedern:

Beschreibung der Kursinhalte im Wintersemester:
1. VL: Einführung in Data Science, R, RStudio und RMarkdown
2. VL: Aufbau des Datenanalyseprozesses und Datenimport
3. VL: Datenimport aus Datenbanken und dem Web
4. VL: Datenaufbereitung mit tidyr
5. VL: Datentransformation mit dplyr
6. VL: Datenzusammenführung mit dplyr
7. VL: Programmieren in R
8. VL: Datenvisualisierung mit ggplot2
9. VL: Datenvisualisierung mit Plotly
10. VL: Einführung in Shiny
11. VL: Shiny Webapplikationen mit HTML, CSS, und Java Script
12. VL: Modellierung von Daten - Lineare Regression
13. VL: Modellierung von Daten - Einführung Machine Learning
14. VL: Vorbereitung und Ausgabe der Case Study

Beschreibung der Kursinhalte im Sommersemester:
1. VL: Introduction to Quality Data & Engineering in Python
2. VL: Dealing Data with Pandas & NumPy
3. VL: Import from Databases
4. VL: Data Manipulation with Pandas
5. VL: Data Cleaning and Preparation
6. VL: Data Aggregation and GroupBy
7. VL: Visual Data Analysis
8. VL: Interactive Visualizations - Plotly
9. VL: Python for Data Analytics (OOP)
10. VL: Statistical Foundations for Analytics
11. VL: Classification and Clustering
12. VL: Web Applications - Dash
13. VL: Web Applications - Streamlit
14. VL: Preparation and Information about the case studies

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Grundlegende Kenntnisse in einer Statistiksoftware (R oder Python), sowie Basiskenntnisse Mathematik und Wahrscheinlichkeitsrechnung (jeweils Abiturwissen) sind wünschenswert, aber nicht zwingend erforderlich.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungBenotet
PrüfungsformPortfolioprüfung
Art der Portfolioprüfung100 Punkte insgesamt
SpracheEnglisch, Deutsch

Prüfungselemente

NamePunkte/GewichtKategorieDauer/Umfang
Bearbeitung der Online-Kurse40flexibelAbgabe
Bearbeitung und Dokumentation der Case Study60flexibelAbgabe

Prüfungsbeschreibung (Abschluss des Moduls)

Die Prüfungsform für dieses Modul ist die Portfolioprüfung.
Dazu müssen die unten aufgeführten Teilleistungen mit entsprechender Gewichtung absolviert werden.
E-Learning Online-Kurse - 40 von 100 Punkten
Bearbeitung und Dokumentation der Case-Study - 60 von 100 Punkten

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

Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.

Anmeldeformalitäten

Die Anmeldung für das gesamte Modul erfolgt über MOSES.
Ist eine MOSES-Anmeldung nicht möglich, (Gründe: u. a. Diplom) muss eine fristgerechte Anmeldung über das Prüfungsamt erfolgen.

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

nicht verfügbar

Empfohlene Literatur

  • D. Wollschläger, Grundlagen der Datenanalyse mit R: Eine anwendungsorientierte Einführung. Berlin, Heidelberg: Springer Berlin Heidelberg, 2020. doi: 10.1007/978-3-662-61736-6.
  • H. Wickham, M. Çetinkaya-Rundel, und G. Grolemund, R for data science: import, tidy, transform, visualize, and model data, 2nd edition. Beijing Boston Farnham Sebastopol Tokyo: O’Reilly, 2023. Online verfügbar unter: https://r4ds.hadley.nz/

Zugeordnete Studiengänge

Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOSemesterStudiengangsbereich
Biomedizinische Technik
StuPO 2018
SoSe 20252. Wahlpflichtmodule › 2.2 Ingenieurwissenschaftliche Vertiefungen
WiSe 2025/262. Wahlpflichtmodule › 2.2 Ingenieurwissenschaftliche Vertiefungen
SoSe 20262. Wahlpflichtmodule › 2.2 Ingenieurwissenschaftliche Vertiefungen
Computational Engineering Science (Informationstechnik im Maschinenwesen)
StuPO 2018
SoSe 20255. Ingenieurwissenschaftliche Wahlpflichtmodule › 5.5 Informationstechnik
WiSe 2025/265. Ingenieurwissenschaftliche Wahlpflichtmodule › 5.5 Informationstechnik
SoSe 20265. Ingenieurwissenschaftliche Wahlpflichtmodule › 5.5 Informationstechnik
Computational Engineering Science (Informationstechnik im Maschinenwesen)
StuPO 2018 (17.01.2018)
SoSe 20254. Profilbereich › 4.2 Profilbereich: Konstruktion und Fertigung › 4.2b Produktionstechnik
WiSe 2025/264. Profilbereich › 4.2 Profilbereich: Konstruktion und Fertigung › 4.2b Produktionstechnik
SoSe 20264. Profilbereich › 4.2 Profilbereich: Konstruktion und Fertigung › 4.2b Produktionstechnik
Erneuerbare Energien und Verfahrenstechnik
StuPO 2025
WiSe 2025/26Wahlpflichtbereich › Data Science › Methodik
SoSe 2026Wahlpflichtbereich › Data Science › Methodik
Maschinenbau
StuPO 2017
SoSe 2025Wahlpflichtmodule › Schwerpunktmodule › Methodenorientierung › Informationstechnische und rechnerunterstützte Modellierung
WiSe 2025/26Wahlpflichtmodule › Schwerpunktmodule › Methodenorientierung › Informationstechnische und rechnerunterstützte Modellierung
SoSe 2026Wahlpflichtmodule › Schwerpunktmodule › Methodenorientierung › Informationstechnische und rechnerunterstützte Modellierung
Maschinenbau
StuPO 2017
SoSe 2025Wahlpflichtmodule › Profilmodule › Informationstechnische und rechnergestützte Modellierung
WiSe 2025/26Wahlpflichtmodule › Profilmodule › Informationstechnische und rechnergestützte Modellierung
SoSe 2026Wahlpflichtmodule › Profilmodule › Informationstechnische und rechnergestützte Modellierung
Naturwissenschaften in der Informationsgesellschaft
StuPO 2018
SoSe 2025Wahlpflichtbereich › Informatik › Grundlagenmodule
WiSe 2025/26Wahlpflichtbereich › Informatik › Grundlagenmodule
SoSe 2026Wahlpflichtbereich › Informatik › Grundlagenmodule
Naturwissenschaften in der Informationsgesellschaft
StuPO 2025
WiSe 2025/26Wahlpflichtbereich › Wahlpflichtbereich Informatik › Grundlagenmodule Informatik
SoSe 2026Wahlpflichtbereich › Wahlpflichtbereich Informatik › Grundlagenmodule Informatik
Physikalische Ingenieurwissenschaft
StuPO 09.01.2012
SoSe 202504. Grundlagen Wahlpflicht › Wahlpflichtmodule
WiSe 2025/2604. Grundlagen Wahlpflicht › Wahlpflichtmodule
SoSe 202604. Grundlagen Wahlpflicht › Wahlpflichtmodule
Physikalische Ingenieurwissenschaft
StuPO 2007 (19.12.2007)
SoSe 20252.1 Numerik und Simulation › 2.1b Ergänzungsbereich
WiSe 2025/262.1 Numerik und Simulation › 2.1b Ergänzungsbereich
SoSe 20262.1 Numerik und Simulation › 2.1b Ergänzungsbereich
Physikalische Ingenieurwissenschaft
StuPO 2020
SoSe 20252.1 Numerik und Simulation › 2.1b Ergänzungsbereich
WiSe 2025/262.1 Numerik und Simulation › 2.1b Ergänzungsbereich
SoSe 20262.1 Numerik und Simulation › 2.1b Ergänzungsbereich
Physikalische Ingenieurwissenschaft
StuPO 2020
SoSe 2025Wahlpflichtmodule › 4. Grundlagen Wahlpflicht › 4.5 Allgemeine Grundlagen
WiSe 2025/26Wahlpflichtmodule › 4. Grundlagen Wahlpflicht › 4.5 Allgemeine Grundlagen
SoSe 2026Wahlpflichtmodule › 4. Grundlagen Wahlpflicht › 4.5 Allgemeine Grundlagen
Produktionstechnik
StuPO 2018 (09.05.2018)
SoSe 20253. Informationstechnik
WiSe 2025/264. Profilmodule › 4.2 Automatisierungs- und Informationstechnik
SoSe 20263. Informationstechnik
Regenerative Energiesysteme
StuPO 2023
SoSe 2025Wahlpflichtmodule › Computational Methods
WiSe 2025/26Wahlpflichtmodule › Computational Methods
SoSe 2026Wahlpflichtmodule › Computational Methods
Verkehrswesen
StuPO 2018
SoSe 2025A. Grundlagen › 2. Wahlpflichtbereich › 2.3.1 Informationstechnische Grundlagen
WiSe 2025/26A. Grundlagen › 2. Wahlpflichtbereich › 2.3.1 Informationstechnische Grundlagen
SoSe 2026A. Grundlagen › 2. Wahlpflichtbereich › 2.3.1 Informationstechnische Grundlagen
Wirtschaftsingenieurwesen
StuPO 2015
SoSe 2025Integrationsbereich › Integrationsbereich (Wahlpflicht)
WiSe 2025/26Integrationsbereich › Integrationsbereich (Wahlpflicht)
SoSe 2026Integrationsbereich › Integrationsbereich (Wahlpflicht)
Wirtschaftsingenieurwesen
StuPO 2015
SoSe 2025Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Statistics & Econometrics
WiSe 2025/26Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Statistics & Econometrics
SoSe 2026Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Statistics & Econometrics

Sonstiges

Keine Angabe