1. Modulverzeichnis (MTS)
  2. Module
  3. Modulbeschreibung anzeigen

Grundlagen für Data Literacy und Data Science

Zur Modulseite PDF generieren

#41119 / #2

Seit SoSe 2025

English

Foundations of Data Literacy and Data Science
Grundlagen für Data Literacy und Data Science

6

Deniz, Fatma

Benotet

Portfolioprüfung

English

Zugehörigkeit


Fakultät IV

Institut für Softwaretechnik und Theoretische Informatik

34353100 FG Sprache und Kommunikation in biologischen und künstlichen Systemen

Keine Angabe

Kontakt


MAR 6-4

Keine Angabe

a.dsa@tu-berlin.de

https://denizenslab.github.io/teaching

Lernergebnisse

- Understanding the basic concepts of data, including data types and data structures, and real-world data sources - Learning concepts and skills in scientific programming and statistical inference using Python - Identifying and retrieving relevant information from data, analyzing and interpreting it using statistical methods and visualization techniques, critically evaluating results

Lehrinhalte

This course integrates three key perspectives: inferential thinking, computational thinking, and practical application. It explores methods for analyzing data to gain insights into the underlying processes. Students will learn essential skills in programming and statistical inference while engaging in hands-on analysis of real-world datasets, including indicators, document repositories, geographic data, and social networks.

Modulbestandteile

Compulsory area

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWS ISIS VVZ
Foundations of Data Literacy and Data ScienceUEWiSe/SoSeen2
Foundations of Data Literacy and Data ScienceVLWiSe/SoSeen2
ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Foundations of Data Literacy and Data Science (UE):

AufwandbeschreibungMultiplikatorStundenGesamt
Attendance15.02.0h30.0h
Pre/post processing15.04.0h60.0h
90.0h(~3 LP)

Foundations of Data Literacy and Data Science (VL):

AufwandbeschreibungMultiplikatorStundenGesamt
Attendance15.02.0h30.0h
Pre/post processing15.04.0h60.0h
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

The course consists of the weekly main lecture (Vorlesung), the weekly lab (Übung), and weekly homework assignments. During the lecture, the foundational concepts for each week are introduced. In the lab sessions, students will be guided in practical programming exercises. Students receive programming homework assignments, to be uploaded at regular deadlines. Homework assignments are graded. The module ends with a portfolio exam consisting of a programming project (including a short presentation), a written exam and the homework grades.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

- Sound understanding of written and spoken English - Basics in statistics

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Portfolio examination

Art der Portfolioprüfung

100 Punkte insgesamt

Sprache(n)

English

Prüfungselemente

NamePunkteKategorieDauer/Umfang
Homework grades20praktischweekly programming tasks of around 30 minutes and a one-off homework assignment of two hours
Programming project & 15 min presentation20praktisch15 min
Written exam60schriftlich60 min

Notenschlüssel

Notenschlüssel »Notenschlüssel 2: Fak IV (2)«

Gesamtpunktzahl1.01.31.72.02.32.73.03.33.74.0
100.0pt95.0pt90.0pt85.0pt80.0pt75.0pt70.0pt65.0pt60.0pt55.0pt50.0pt

Prüfungsbeschreibung (Abschluss des Moduls)

The exam is a combined portfolio exam consisting of a written examination, the averaged homework gradings as well as a short presentation of the programming project which replaces the homework for the final few sessions.

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

Die maximale Teilnehmerzahl beträgt 60.

Anmeldeformalitäten

All students have to attend the first lecture to activate their registration (except in cases of illness with confirmation from a doctor).

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit:  nicht verfügbar

 

Skript in elektronischer Form

Verfügbarkeit:  verfügbar

 

Literatur

Empfohlene Literatur
Computational and Inferential Thinking: The Foundations of Data Science (https://inferentialthinking.com/chapters/intro.html)

Zugeordnete Studiengänge


Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOStuPOsVerwendungenErste VerwendungLetzte Verwendung
Informatik (B. Sc.)11SoSe 2025SoSe 2025
Medieninformatik (B. Sc.)11SoSe 2025SoSe 2025
Technische Informatik (B. Sc.)11SoSe 2025SoSe 2025
Wirtschaftsinformatik (B. Sc.)22SoSe 2025SoSe 2025

Studierende anderer Studiengänge können dieses Modul ohne Kapazitätsprüfung belegen.

Sonstiges

Keine Angabe