Data Science for Human FactorsModulbeschreibung #50782 / Version 2
- 6 LP
- Portfolioprüfung
- Benotet
- Wintersemester
- Deutsch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
| Modul / Version | #50782 / #2 |
|---|---|
| Gültigkeit | WS 2019/20 – SoSe 2020 |
| 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. 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
- Data Visualization in 2D und 3D
- Grundkonzepte von Machine Learning, Supervised Learning (Klassifizierung) vs. Unsupervised Learning (Clustering)
- 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
- Data Visualization in 2D und 3D
- Grundkonzepte von Machine Learning, Supervised Learning (Klassifizierung) vs. Unsupervised Learning (Clustering)
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. Final gibt es eine Hausarbeit zu bearbeiten. Falls das Modul unbenotet belegt wird (im Rahmen der Wahlpflichtfächer), ist es möglich, mit einer sehr guten Leistung in den Übungsblättern alleine zu bestehen.
Die Studierenden müssen über einen PC mit einer aktuellen MATLAB Version verfügen, die TU Berlin stellt dies kostenlos zur Verfügung.
Die Studierenden müssen über einen PC mit einer aktuellen MATLAB Version verfügen, die TU Berlin stellt dies kostenlos zur Verfügung.
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 |
|---|---|---|---|
| Hausarbeit | 20 | praktisch | |
| Wöchentliche Übungsblätter | 80 | praktisch |
Prüfungsbeschreibung (Abschluss des Moduls)
Portfolioprüfung bestehend aus einer Hausarbeit (20% gewichtet) sowie wöchentlichen benoteten Übungsblättern (80% 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
Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.
Anmeldeformalitäten
Gemäß den Bestimmungen für Portfolioprüfungen laut Prüfungsordnung. Die Studierenden müssen über einen PC mit einer aktuellen MATLAB Version verfügen, die TU Berlin stellt dies kostenlos zur Verfügung.
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 oder Octave (kostenlos) verfügen.