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

Einführung in die ingenieursorientierte Datenanalyse mit R

Zur Modulseite PDF generieren

#50722 / #1

WS 2017/18 - WS 2018/19

Deutsch

Introduction to Engineering Data Analytics with R
Einführung in die ingenieursorientierte Datenanalyse mit R

6

Jochem, Roland

Benotet

Portfolioprüfung

Deutsch

Zugehörigkeit


Fakultät V

Institut für Werkzeugmaschinen und Fabrikbetrieb (IWF)

35361300 FG Qualitätswissenschaft

Maschinenbau

Kontakt


PTZ 3

Müller-Stein, Lennart Frederik

l.mueller-stein@tu-berlin.de

https://www.tu.berlin/qw/studium-lehre/lehrveranstaltungen/ida-introduction-to-engineering-data-analytics-with-r

Lernergebnisse

Teilnehmende sind nach Abschluss des Kurses in der Lage selbständig Datenanalysen in der Programmiersprache R unter Anwendung von statistischen Methoden durchzuführen, die Ergebnisse zu interpretieren und zu dokumentieren. Des Weiteren sind die Studierenden in der Lage, erarbeitete Projektergebnisse aufzubereiten und unter praxisnahen Bedingungen zu präsentieren und zu verteidigen.

Lehrinhalte

Im Rahmen des Kurses werden neben grundlegenden Kenntnissen in der Programmiersprache R in der interaktiven Entwicklungsumgebung RStudio auch statistische Grundlagen der explorativen Datenanalyse, der Zufallsvariablen und deren Modellierung durch Verteilungsfunktionen vermittelt. Vorlesungsinhalte werden in den wöchentlich zu bearbeitenden Online-Kursen vertieft. Im Anschluss an die Vorlesungen und Übungen bearbeiten die Studenten in Gruppen eine realitätsnahe Problemstellung unter Zuhilfenahme der erlernten Kenntnisse und stellen die Ergebnisse im Rahmen eines Abschlussberichts vor.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWS ISIS VVZ
Introduction to Engineering Data Analytics with RVL3536 L 329WiSede2
ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Introduction to Engineering Data Analytics with R (VL):

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit15.02.0h30.0h
30.0h(~1 LP)

Lehrveranstaltungsunabhängiger Aufwand:

AufwandbeschreibungMultiplikatorStundenGesamt
Bearbeitung der Case-Study1.040.0h40.0h
Bearbeitung der Online-Kurse15.05.0h75.0h
Vor- und Nachbereitung15.02.0h30.0h
145.0h(~5 LP)
Der Aufwand des Moduls summiert sich zu 175.0 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Das Modul besteht aus einer wöchentlichen Vorlesung und interaktiven E-Learning Tutorien, in denen die Modulinhalte vertieft werden. Die Themen behandeln alle wichtigen Gebiete der Datenanalyse. Der dem Modul zugrunde gelegte Datenanalyseprozess lässt sich wie folgt aufgliedern: 1. VL: Einführung in das Quality Engineering und Grundlagen der Datenanalyse 2. VL: R Installation und Einführung in die RStudio IDE 3. VL: Aufbau des Datenanalyseprozesses und Datenimport 4. VL: Datenimport aus Datenbanken und dem Web 5. VL: Datenaufbereitung mit tidyr 6. VL: Datentransformation mit dplyr 7. VL: Datenzusammenführung mit dplyr 8. VL: Programmieren in R 9. VL: Datenvisualisierung mit ggplot2 10. VL: Modellierung von Daten 11. VL: Modellierung von Daten mit Machine Learning-Algorithmen 12. VL: Datenvisualisierung und Reporting 13. VL: Einführung in Shiny und Aufbau interaktiver Webapplikationen mit Shiny 14. VL: Manipulation von Shiny Webapplikationen mit HTML, CSS, und Java Script 15. VL: Shiny-Dashboard und Ausgabe der Case Study

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Grundlegende Kenntnisse in einer Statistiksoftware (R oder Python), sowie Basiskenntnisse Mathematik und Wahrscheinlichkeitsrechnung (jeweils Abiturwissen) sind wünschenswert, aber nicht zwingend erforderlich.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Portfolioprüfung

Art der Portfolioprüfung

100 Punkte insgesamt

Sprache(n)

Deutsch

Prüfungselemente

NamePunkteKategorieDauer/Umfang
Bearbeitung der Online-Kurse40flexibelAbgabe
Bearbeitung und Dokumentation der Case Study60flexibelAbgabe

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)

Die Prüfungsform für dieses Modul ist die Portfolioprüfung. Dazu müssen die unten aufgeführten Teilleistungen mit entsprechender Gewichtung absolviert werden. E-Learning Online-Kurse - 40 von 100 Punkten Bearbeitung und Dokumentation der Case-Study - 60 von 100 Punkten

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

Die Anmeldung für das gesamte Modul erfolgt über QISPOS. Ist eine QISPOS-Anmeldung nicht möglich, (Gründe: u. a. Diplom, Freies Wahlmodul, Zusatzmodul) muss eine fristgerechte Anmeldung über das Prüfungsamt erfolgen.

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit:  nicht verfügbar

 

Skript in elektronischer Form

Verfügbarkeit:  nicht verfügbar

 

Literatur

Empfohlene Literatur
Grolemund, G.; Wickham, H. (2017): R for Data Science - Import, tidy, transform, visualize and model data. Online verfügbar unter: http://r4ds.had.co.nz/
Wollschläger, D. (2012): Grundlagen der Datenanalyse mit R - eine anwendungsorientierte Einführung. 2. Aufl. Heidelberg: Springer.

Zugeordnete Studiengänge


Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOStuPOsVerwendungenErste VerwendungLetzte Verwendung
Dieses Modul findet in keinem Studiengang Verwendung.

Studierende anderer Studiengänge können dieses Modul ohne Kapazitätsprüfung belegen.

Sonstiges

Keine Angabe