Moses - Data Engineering

Zur Modulseite PDF generieren

Modul / Version
#61041 / #3

Gültigkeit
SS 2019 - WS 2019/20

Verfügbare Sprache(n)
English

Titel des Moduls
Data Engineering

Leistungspunkte
6

Modulverantwortliche*r
Hartmann, Timo

Benotung
Benotet

Prüfungsform
Portfolioprüfung

Lehrsprache(n)
English

Zugehörigkeit

Fakultät
Fakultät VI

Institut
Institut für Bauingenieurwesen

Fachgebiet
36312400 FG Systemtechnik baulicher Anlagen

Prüfungsausschuss
Bauingenieurwesen

Kontakt

Sekretariat
Keine Angabe

Ansprechpartner*in
Hartmann, Timo

E-Mail-Adresse
timo.hartmann@tu-berlin.de

Webseite

http://civilsystems.tu-berlin.de

Diese Modulbeschreibung ist nicht auf deutsch hinterlegt.

Es wird stattdessen der Inhalt der folgenden Spracheversion angezeigt: Englisch.

Diese Modulbeschreibung gilt nicht im aktuellen Semester.

Die Modulbeschreibung gilt nur für den Zeitraum SS 2019 - WS 2019/20. Die Version für das aktuelle Semester (WiSe 2024/25) finden Sie hier: Modulbeschreibung des WiSe 2024/25

Lernergebnisse

The module will teach basic data mining and machine learning techniques. The module will also provide insights in data visualization techniques. Students will apply all methods and techniques on a number of data sets from the civil engineering domain using the statistical data analysis software R. More and more data is becoming available in the area of civil engineering that engineers need to make sense of and integrate into their design work ranging from sensor based measurements of infrastructure and buildings, to measurements of the environment (weather, water flows), to openly available geographic data. Lately civil engineers even have started to analyse sentiment data users have left on social media platforms such as Facebook or Twitter about their experience while using civil engineered products. The class will teach the basics of data engineering - the art of asking the right questions for drawing insights from any of these data- sets.

Lehrinhalte

The module will teach the following methods: - data mining patterns and sequences - semantic text mining - regression analysis - correlation - clustering - Bayesian classification - decision trees and rule based classification - black-box methods - neural networks and support vector machines - unsupervised learning - data visualization: plotting and 3D

Modulbestandteile

Compulsory area

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

Lehrveranstaltungen	Art	Nummer	Turnus	Sprache	SWS	ISIS	VVZ
Data Engineering	VL	3631 L 9034	SoSe	en	2
Data Engineering	PJ	3631 L 9035	SoSe	en	2

ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Data Engineering (VL):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Präsenzzeit	15.0	2.0h	30.0h
Vor-/Nachbereitung	15.0	4.0h	60.0h
			90.0h(~3 LP)

Data Engineering (PJ):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Project work (weekly)	15.0	6.0h	90.0h
			90.0h(~3 LP)

Der Aufwand des Moduls summiert sich zu 180.0 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

- Read and comment on selected texts to acquire the fundamental knowledge about data engineering techniques - Reflection and discussion of the techniques based on the texts; practice and application examples during lectures - Project work: application of the techniques on a number of selected data sets from the civil engineering domain

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

The module can be completed without any specific prior knowledge. Ideally students have followed Systemtechnik I or a similar module teaching an introduction to stochastic. Some basic skills with R will also be helpful.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Portfolio examination

Art der Portfolioprüfung

100 Punkte insgesamt

Sprache(n)

English

Prüfungselemente

Name	Punkte	Kategorie	Dauer/Umfang
comments on literature	40	schriftlich	ca. 10 texts
Final data analytics challenge (group work)	20	praktisch	report of 5000 words
data engineering project assignments	40	praktisch	ca. 7 assignments of around 900 words

Notenschlüssel

Notenschlüssel »Notenschlüssel 5: Fak III (1)«

Gesamtpunktzahl	1.0	1.3	1.7	2.0	2.3	2.7	3.0	3.3	3.7	4.0
100.0pt	95.0pt	92.0pt	89.0pt	86.0pt	83.0pt	80.0pt	77.0pt	74.0pt	71.0pt	68.0pt

Prüfungsbeschreibung (Abschluss des Moduls)

comments on literature data engineering project assignments (weekly) The final data analytics challenge will require students to work in groups to analyze a real world data set under consideration of practical questions. Students will vote on the winner of this final challenge.

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

Qispos

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit: nicht verfügbar

Skript in elektronischer Form

Verfügbarkeit: nicht verfügbar

Literatur

Empfohlene Literatur
Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge

Semester:

Zeige auch ausgelaufene Studiengänge und StuPOs

Diese Modulversion wird in folgenden Studiengängen verwendet:

	Studiengang / StuPO	StuPOs	Verwendungen	Erste Verwendung	Letzte Verwendung
Dieses Modul findet in keinem Studiengang Verwendung.

Studierende anderer Studiengänge können dieses Modul ohne Kapazitätsprüfung belegen.

Sonstiges

Keine Angabe