Veranstaltung

LV-Nummer
Beschreibung
Gesamt-Lehrleistung 101,33 UE
Semester WiSe 2020/21
Veranstaltungsformat LV / Integrierte Veranstaltung
Gruppe Data Science for Human Factors
Organisationseinheiten Technische Universität Berlin
Fakultät V
↳     Institut für Psychologie und Arbeitswissenschaft
↳         35321200 FG Biopsychologie und Neuroergonomie
URLs
Label
Ansprechpartner*innen
Verantwortliche
Klug, Marius
Sprache Deutsch

Termine (1)


14:00 - 18:00, Mi. 21.10.20 - Mi. 24.02.21, wöchentlich

Ohne Ort

35321200 FG Biopsychologie und Neuroergonomie

101,33 UE
Einzeltermine ausklappen
Legende
08:00
09:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
Mo.
Di.
Mi.
Data Science for Human Factors
Data Science for Human Factors
Ohne Ort
Do.
Fr.
Kalender als PDF exportieren

ISIS Kurs: https://isis.tu-berlin.de/course/view.php?id=21500

Passwort: DSHF2021


Der Kurs wird vollständig online über Zoom stattfinden! Die Einladungen zum wiederkehrenden Zoom Meeting sind auf ISIS zu finden.


Der Termin ist jeweils Mittwochs 14-18 Uhr, Beginn ist am 4.11.20.


Lernergebnisse

Die Studierenden verfügen nach erfolgreichem Besuch des Moduls über grundlegende Kenntnisse des Programmierens und der Datenverarbeitung im Allgemeinen, im Speziellen die Nutzung von MATLAB. Es wird Wert auf die Vermittlung von Selbstständigkeit und den kompetenten Umgang mit Fehlermeldungen gelegt, sowie auf nachhaltige Strukturierung des Programmcodes.


Lehrinhalte

Im Kurs wird sowohl theoretisch als auch praktisch das Folgende gelehrt:

  • Die Programmiersprache MATLAB und deren Benutzeroberfläche
  • Variablen, if-else-Abfragen, for- & while-Schleifen
  • Nutzung von Vektoren, Matrizen und Structures mit grundlegender Mathematik
  • Speichern und laden von Daten
  • Erstellen von Skripten und Funktionen
  • Clean Code, sinnvolle Variablenbenennungen, Kommentare und Hilfefunktionen, häufige Fehler und Probleme beim Programmieren
  • Fehlermeldungen und deren Interpretation, Fehlersuche, Debugging
  • Datenvisualisierung in 2D und 3D
  • Grundkonzepte von Machine Learning, Supervised Learning (Klassifizierung) vs. Unsupervised Learning (Clustering)


Beschreibung der Lehr- und Lernformen

Es handelt sich um eine integrierte Veranstaltung, bei der zunächst das Thema der Woche eingeführt und dann praktisch bearbeitet wird. Es gibt wöchentlich ein Übungsaufgabenblatt zu bearbeiten, wobei in Zwierteams gearbeitet werden sollte. Final gibt es einzeln eine Hausarbeit zu bearbeiten. Falls das Modul unbenotet belegt wird (im Rahmen der Wahlpflichtfächer), ist es möglich, mit einer guten Leistung in den Übungsblättern alleine zu bestehen. Die Studierenden müssen außerdem über einen PC mit einer aktuellen MATLAB Version verfügen, die TU Berlin stellt dies kostenlos zur Verfügung. Da in Zweierteams gearbeitet werden kann, ist es erlaubt, dass pro Team nur ein PC mit MATLAB zur Verfügung steht.


Voraussetzungen für die Teilnahme / Prüfung

Es werden keine speziellen Vorkenntnisse benötigt. Die Veranstaltung zielt darauf ab, MATLAB von Grund auf vorzustellen.


Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Keine Angabe


Prüfungsbeschreibung (Abschluss des Moduls)

Portfolioprüfung bestehend aus einer Hausarbeit (40% gewichtet) sowie wöchentlichen benoteten Übungsblättern (60% gewichtet). Notenschlüssel: Mind. Punktzahl Note 95: 1,0 90: 1,3 85: 1,7 80: 2,0 75: 2,3 70: 2,7 65: 3,0 60: 3,3 55: 3,7 50: 4,0 -> bestanden <50: 5,0


Dauer des Moduls

Dieses Modul kann in einem Semester abgeschlossen werden.


Maximale teilnehmende Personen

Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.


Anmeldeformalitäten

Gemäß den Bestimmungen für Portfolioprüfungen laut Prüfungsordnung. Für Human Factors Studierende ist eine Anmeldung als unbenotetes Modul möglich. Die Studierenden müssen außerdem über einen PC mit einer aktuellen MATLAB Version verfügen, die TU Berlin stellt dies kostenlos zur Verfügung. Da in Zweierteams gearbeitet werden kann, ist es erlaubt, dass pro Team nur ein PC mit MATLAB zur Verfügung steht.