Data Science Toolbox IIModulbeschreibung #70348 / Version 7
- 6 LP
- Schriftliche Prüfung
- Benotet
- Sommersemester
- Deutsch
| Modul / Version | #70348 / #7 |
|---|---|
| Gültigkeit | Seit WiSe 2026/27 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Teubner, Timm-Christopher |
| Benotung | Benotet |
| Prüfungsform | Schriftliche Prüfung |
| Lehrsprache(n) | Deutsch |
Zugehörigkeit
| Fakultät | Fakultät VII |
|---|---|
| Institut | Institut für Technologie und Management |
| Fachgebiet | 37331700 FG Digital Service Engineering |
Kontakt
| Sekretariat | Keine Angabe |
|---|---|
| Ansprechpartner*in | Haas, Felix |
| E-Mail-Adresse | felix.haas@tu-berlin.de |
| Webseite | https://www.tu.berlin/dse |
Lernergebnisse
Daten spielen eine immer größere Rolle für unsere Welt und unsere Arbeitsweise in nahezu allen Berufsbildern. Deshalb wird der souveräne und praxisnahe Umgang mit Daten zu einer Schlüsselkompetenz, wenn es darum geht, anspruchsvolle Fragestellungen aus technisch und wirtschaftlich integrierter Sicht zu beantworten.
Diese Lehrveranstaltung vermittelt den Studierenden einen vertieften Werkzeugkasten an Methoden entlang des gesamten Lebenszyklus von Daten - mit einem Schwerpunkt auf Studienkonzeption und fortgeschrittenen Analyseverfahren.
Die Teilnehmenden lernen, eigene Datenerhebungen durch Umfragen und Experimente methodisch sauber zu konzipieren, Daten für wissenschaftliche Analysen aufzubereiten, adäquate Regressionsmodelle zu spezifizieren und zu interpretieren sowie grundlegende Verfahren des maschinellen Lernens und andere Analysemethoden einzusetzen. Die Inhalte werden anhand von Fallstudien und echten Datenbeispielen erläutert und durch Gastbeiträge aus der Praxis ergänzt.
Im Ergebnis sind die Teilnehmenden in der Lage, anspruchsvolle datenbasierte Projekte selbstständig von der Konzeption über die methodisch fundierte Analyse bis zur Darstellung der Erkenntnisse durchzuführen.
Diese Lehrveranstaltung vermittelt den Studierenden einen vertieften Werkzeugkasten an Methoden entlang des gesamten Lebenszyklus von Daten - mit einem Schwerpunkt auf Studienkonzeption und fortgeschrittenen Analyseverfahren.
Die Teilnehmenden lernen, eigene Datenerhebungen durch Umfragen und Experimente methodisch sauber zu konzipieren, Daten für wissenschaftliche Analysen aufzubereiten, adäquate Regressionsmodelle zu spezifizieren und zu interpretieren sowie grundlegende Verfahren des maschinellen Lernens und andere Analysemethoden einzusetzen. Die Inhalte werden anhand von Fallstudien und echten Datenbeispielen erläutert und durch Gastbeiträge aus der Praxis ergänzt.
Im Ergebnis sind die Teilnehmenden in der Lage, anspruchsvolle datenbasierte Projekte selbstständig von der Konzeption über die methodisch fundierte Analyse bis zur Darstellung der Erkenntnisse durchzuführen.
Lehrinhalte
Ziel des Moduls ist es, vertiefte Fähigkeiten und Methoden für die Konzeption und Analyse anspruchsvoller datenbasierter Projekte zu vermitteln. Dabei werden unter anderem folgende Aspekte behandelt:
• Umfragen: Design, Durchführung, Auswertung
• Experimente: Design, Durchführung, Auswertung
• Datenaufbereitung und -handling in R
• Regressionsmodelle
• Maschinelles Lernen 101
• weitere Analysemethoden
• Einblicke aus der Praxis
• Anwendung der Methoden auf reale Fallstudien
• Umfragen: Design, Durchführung, Auswertung
• Experimente: Design, Durchführung, Auswertung
• Datenaufbereitung und -handling in R
• Regressionsmodelle
• Maschinelles Lernen 101
• weitere Analysemethoden
• Einblicke aus der Praxis
• Anwendung der Methoden auf reale Fallstudien
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
Arbeitsaufwand und Leistungspunkte
Data Science Toolbox II (Vorlesung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 2 h | 30 h |
| 60 h | |||
Data Science Toolbox II (Übung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 2 h | 30 h |
| 60 h | |||
Lehrveranstaltungsunabhängiger Aufwand
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Prüfungsvorbereitung | 1 | 60 h | 60 h |
| 60 h | |||
Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
• Lehrvortrag (klassische Vorlesung)
• Interaktive Diskussion
• In-Class Experimente
• Programmierworkshops
• Interaktive Diskussion
• In-Class Experimente
• Programmierworkshops
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Vorherige Teilnahme an Data Science Toolbox I
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Schriftliche Prüfung |
| Sprache | Englisch, Deutsch |
| Dauer/Umfang | 90 Min. |
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
Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.
Anmeldeformalitäten
Zur Teilnahme am Modul ist keine Anmeldung erforderlich.
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
verfügbar – www.isis.tu-berlin.de
Empfohlene Literatur
Keine empfohlene Literatur angegeben
Zugeordnete Studiengänge
Diese Modulversion wird in folgenden Studiengängen verwendet:
| Studiengang / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Computer Engineering StuPO 2015 | WiSe 2026/27 | Wahlpflichtbereich › Studiengebiete Fak. IV › Informationssysteme / Information Systems |
| Computer Science (Informatik) StuPO 2015 | WiSe 2026/27 | Wahlpflichtbereich › Studiengebiete › Informationssysteme / Information Systems |
| Economics and Sustainability StuPO 2024 | WiSe 2026/27 | Wahlpflichtbereich „Economics, Sustainability and Technology“ › Sustainability & Technology |
| Elektrotechnik StuPO 2015 | WiSe 2026/27 | Wahlpflichtbereich › Studiengebiete Fak. IV › Informationssysteme / Information Systems |
| Industrial Economics StuPO 2018 | WiSe 2026/27 | Wahlpflichtbereich › Vertiefungsstudium › VWL-Vertiefungsmodule |
| Information Systems Management (Wirtschaftsinformatik) StuPO 2017 | WiSe 2026/27 | Wahlpflichtbereich › Fachstudium Wirtschaftsinformatik › Informationssysteme / Information Systems |
| Innovation Management, Entrepreneurship and Sustainability StuPO 2016 | WiSe 2026/27 | Wahlpflichtbereich › Innovation |
| Innovation Management, Entrepreneurship and Sustainability StuPO 2025 | WiSe 2026/27 | Wahlpflichtbereich › Innovation and Entrepreneurship |
| Wirtschaftsingenieurwesen StuPO 2015 | WiSe 2026/27 | Integrationsbereich/Integration › Integrationsbereich/Integration (Wahlpflicht/Compulsory-Elective) › Systems Engineering & Digitalization |
| Wirtschaftsingenieurwesen StuPO 2026 | WiSe 2026/27 | Integrationsbereich › Data Science |
Sonstiges
Die Prüfung wird auf Englisch gestellt. Die Bearbeitung der Prüfung kann auf Deutsch oder Englisch erfolgen.