Data Science for Human FactorsModulbeschreibung #50782 / Version 1
- 6 LP
- Portfolioprüfung
- Benotet
- Wintersemester
- Deutsch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
| Modul / Version | #50782 / #1 |
|---|---|
| Gültigkeit | WS 2018/19 – SS 2019 |
| Verfügbare Sprache(n) | Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Gramann, Klaus |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Deutsch |
Zugehörigkeit
| Fakultät | Fakultät V |
|---|---|
| Institut | Institut für Psychologie und Arbeitswissenschaft (IPA) |
| Fachgebiet | 35321200 FG Biopsychologie und Neuroergonomie |
Kontakt
| Sekretariat | KWT 1 |
|---|---|
| Ansprechpartner*in | Klug, Marius |
| E-Mail-Adresse | office@bpn.tu-berlin.de |
| Webseite | http://www.bpn.tu-berlin.de/ |
Lernergebnisse
Die Studierenden verfügen nach erfolgreichem Besuch des Moduls über grundlegende Kenntnisse des Programmierens, im Speziellen die Nutzung von MATLAB und dessen Plugin Psychtoolbox (potentiell auch EEGLAB). Es wird Wert auf die Vermittlung von Selbstständigkeit und den kompetenten Umgang mit Fehlermeldungen gelegt, sowie auf nachhaltige Strukturierung des Programmcodes.
Lehrinhalte
Im Kurs wird sowohl theoretisch als auch praktisch das Folgende gelehrt:
- Die Programmiersprache MATLAB und deren Benutzeroberfläche
- Variablen, if-else-Abfragen, for- & while-Schleifen
- Nutzung von Vektoren, Matrizen und Structures mit grundlegender Mathematik
- Speichern und laden von Variablen
- Erstellen von Skripten und Funktionen
- Clean Code, sinnvolle Variablenbenennungen, Kommentare und Hilfefunktionen, häufige Fehler und Probleme beim Programmieren
- Fehlermeldungen und deren Interpretation
- Anwendung des Plugins Psychtoolbox
- Data Visualization
- Grundkonzepte von Machine Learning, Supervised Learning (Klassifizierung) vs. Unsupervised Learning (Clustering)
- Potentiell Anwendung des Plugins EEGLAB und Analyse von Elektroencephalographie Datensätzen
- Die Programmiersprache MATLAB und deren Benutzeroberfläche
- Variablen, if-else-Abfragen, for- & while-Schleifen
- Nutzung von Vektoren, Matrizen und Structures mit grundlegender Mathematik
- Speichern und laden von Variablen
- Erstellen von Skripten und Funktionen
- Clean Code, sinnvolle Variablenbenennungen, Kommentare und Hilfefunktionen, häufige Fehler und Probleme beim Programmieren
- Fehlermeldungen und deren Interpretation
- Anwendung des Plugins Psychtoolbox
- Data Visualization
- Grundkonzepte von Machine Learning, Supervised Learning (Klassifizierung) vs. Unsupervised Learning (Clustering)
- Potentiell Anwendung des Plugins EEGLAB und Analyse von Elektroencephalographie Datensätzen
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Data Science for Human Factors | Integrierte Veranstaltung | Wintersemester | [en, de] | 4 | ISIS |
Arbeitsaufwand und Leistungspunkte
Data Science for Human Factors (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
Es handelt sich um eine integrierte Veranstaltung, bei der zunächst das Thema der Woche eingeführt und dann praktisch bearbeitet wird. Es gibt wöchentlich ein Übungsaufgabenblatt zu bearbeiten.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Es werden keine speziellen Vorkenntnisse benötigt. Die Veranstaltung zielt darauf ab, MATLAB von Grund auf vorzustellen.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Portfolioprüfung |
| Art der Portfolioprüfung | 100 Punkte insgesamt |
| Sprache | Deutsch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| Schriftlicher Test | 50 | schriftlich | 60 min |
| Wöchentliche Übungsblätter | 50 | praktisch |
Prüfungsbeschreibung (Abschluss des Moduls)
Portfolioprüfung bestehend aus einem schriftlichen Test zum Ende des Semesters, sowie wöchentlichen benoteten Übungsblättern (jeweils 50% gewichtet).
Notenschlüssel:
Mind. Punktzahl Note
95: 1,0
90: 1,3
85: 1,7
80: 2,0
75: 2,3
70: 2,7
65: 3,0
60: 3,3
55: 3,7
50: 4,0
<50: 5,0
Notenschlüssel:
Mind. Punktzahl Note
95: 1,0
90: 1,3
85: 1,7
80: 2,0
75: 2,3
70: 2,7
65: 3,0
60: 3,3
55: 3,7
50: 4,0
<50: 5,0
Dauer des Moduls
Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.
Dieses Modul kann in folgenden Semestern begonnen werden: Wintersemester.
Maximale teilnehmende Personen
Die maximale Teilnehmerzahl beträgt 12.
Anmeldeformalitäten
Gemäß den Bestimmungen für Portfolioprüfungen laut Prüfungsordnung.
Durch Begrenzungen der verfügbaren PCs mit MATLAB ist die Teilnehmeranzahl auf 12 begrenzt. Ggf. sind weitere Teilnehmer möglich, sofern sie über Notebooks mit MATLAB verfügen.
Durch Begrenzungen der verfügbaren PCs mit MATLAB ist die Teilnehmeranzahl auf 12 begrenzt. Ggf. sind weitere Teilnehmer möglich, sofern sie über Notebooks mit MATLAB verfügen.
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
verfügbar – Vorlesungsfolien und weiterführende Informationen in ISIS (VL + Skripte, Übungsblätter);
Empfohlene Literatur
Keine empfohlene Literatur angegeben
Zugeordnete Studiengänge
Dieses Modul findet in keinem Studiengang Verwendung.
Sonstiges
Durch Begrenzungen der verfügbaren PCs mit MATLAB ist die Teilnehmeranzahl auf 12 begrenzt. Ggf. sind weitere Teilnehmer möglich, sofern sie über Notebooks mit MATLAB verfügen.