Lernergebnisse
Kenntnisse: Die Studierenden sind mit den grundlegenden Konzepten praktischer Software-Engineering-Techniken und deren Anwendung in wissenschaftlichen Software-/Datenforschungsprojekten vertraut. Darüber hinaus kennen die Studierenden die verschiedenen Qualitätsdimensionen von Software/Maschinellen Lernsystemen und haben ein klares Verständnis für technische Mittel zur Sicherung ihrer Qualität und Reproduzierbarkeit.
Fertigkeiten: Das Projekt vermittelt den Studierenden praktische Fähigkeiten zur Entwicklung und Fehlersuche in Data-Science-Anwendungen durch Analyse von Daten und Code. Sie werden wissen, wie man Papiere im Zusammenhang mit maschinellem Lernen, Datenwissenschaft, biomedizinischen und anderen Anwendungen liest und kritisch diskutiert. Darüber hinaus können die Studierenden Methoden aus wissenschaftlichen Arbeiten implementieren und grundlegende Qualitätskontrollen durchführen, um die Korrektheit der Implementierungen sicherzustellen. Insbesondere werden die Studierenden Erfahrungen mit grundlegenden Software-Engineering-Techniken wie Unit-Tests, Integrationstests und Git-Versionskontrolle sowie rudimentäre Fähigkeiten zur Entwicklung hochwertiger Softwaresysteme erwerben.
Kompetenzen: Am Ende des Softwareprojekts haben die Studierenden die Fähigkeit entwickelt, Verfahren und Tests durchzuführen, um zu entscheiden, ob ihre implementierte Software wie beabsichtigt funktioniert. Die Studierenden sind in der Lage, die Literatur eines überschaubaren Fachgebiets systematisch zu strukturieren und haben Erfahrung darin, die Ergebnisse vor einem kritischen Publikum zu präsentieren und an wissenschaftlichen Diskussionen teilzunehmen. Insgesamt vermittelt das Softwareprojekt den Studierenden ein umfassendes Set an Fähigkeiten, die für die Entwicklung qualitativ hochwertiger wissenschaftlicher Software und die Untersuchung einer kleinen und überschaubaren Forschungsfrage notwendig sind.
