Cours
Ringvorlesung zu den Forschungsmethoden in der Physik an der TU Berlin
Fr 12:15-15:45 Uhr, EW 203, nur WiSe
- Trainer/in: Dieter Breitschwerdt
- Trainer/in: Mario Dähne
- Trainer/in: Otto Dopfer
- Trainer/in: Silke Ebbers
- Trainer/in: André Eckardt
- Trainer/in: Stefan Eisebitt
- Trainer/in: Ralph Ernstorfer
- Trainer/in: Norbert Esser
- Trainer/in: Michael Gensch
- Trainer/in: Claudia Hinrichs
- Trainer/in: Sabine Klapp
- Trainer/in: Michael Kneissl
- Trainer/in: Gregor Koblmüller
- Trainer/in: Alysia Lake
- Trainer/in: Michael Lehmann
- Trainer/in: Jasmin Meinecke
- Trainer/in: Wolf-Christian Müller
- Trainer/in: Beate Patzer
- Trainer/in: Francesco Petiziol
- Trainer/in: Stephan Reitzenstein
- Trainer/in: Anja Sandersfeld
- Trainer/in: Martin Schell
- Trainer/in: Dirk Schulze-Makuch
- Trainer/in: Holger Stark
- Trainer/in: Christian Thomsen
- Trainer/in: Renske van der Veen
- Trainer/in: Markus Raphael Wagner
- Trainer/in: Henrik Wähnert
- Trainer/in: Robert Wolf
- Trainer/in: Janik Laurens Wolters
Grundvorlesung der Physik: Mechanik und Thermodynamik
Di und Do 10:15 - 11:45 Uhr, EW 201, nur WiSe
Dozent Prof. Dr. Mario Dähne daehne@physik.tu-berlin.de
- Trainer/in: Mario Dähne
- Trainer/in: Henrik Wähnert
- Trainer/in ohne Editorrecht: Juan Navarro Ocaña
Kurs aus Moses ( W2024/25)
- Trainer/in: Ismail Cem Doganlar
- Trainer/in: Gregor Koblmüller
- Trainer/in: Anja Sandersfeld
- Trainer/in: Sebastian Werner

Lernergebnisse
Die Studierenden beherrschen die Grundlagen von Wahrscheinlichkeitsrechnung und Statistik sowie der statistischen Analyse wissenschaftlicher Daten. Sie kennen die Regeln der guten wissenschaftlichen Praxis die Datenanalyse und das Datenmanagement betreffend. Sie können Messunsicherheiten in eigenen Daten analysieren und quantifizieren. Sie beherrschen die Grundlagen des Programmierens und der Datenvisualisierung und -analyse in Python
Lehrinhalte
- Eigenschaften von Zufallsprozessen, Berechnung und Interpretation von Wahrscheinlichkeiten, Wahrscheinlichkeitsverteilungen (insbes. Normalverteilung und Poisson-Verteilung), Eigenschaften und Ursachen von Rauschen, Signifikanztests
- Nachweisgrenze und Bestimmungsgrenze, Messfehler und Messunsicherheiten, Berechnung von Messunsicherheiten und Fortpflanzung von Messunsicherheiten nach GUM (Guide to the expression of uncertainty in measurement)
- statistische Prozesse bei Zählexperimenten, korrelierte Unsicherheiten und Kovarianzen, lineare und nichtlineare Anpassung (Fitten)
- Grundlagen des Datenmanagements und der guten wissenschaftlichen Praxis den Umgang mit Daten betreffend
- Grundlagen des Programmierens in Python (Datentypen, Verzweigungen, Schleifen und Funktionen, Grundlagen objektorientierten Programmierens, reguläre Ausdrücke, Arbeiten mit Datenbanken)
- Trainer/in: Liz Alexandra Burton
- Trainer/in: Ralph Ernstorfer
- Trainer/in: Christian Hennig
- Trainer/in: Florian Hering
- Trainer/in: Nina Owschimikow
Kursinhalte
Diese vorbereitende Blockveranstaltung soll grundlegendes IT-Wissen vermitteln, das nicht nur im Studium der Physik, sondern generell in den Naturwissenschaften ab dem ersten Semester nützlich ist, an der Schule aber meistens nicht vermittelt wird.
Wissenschaftlicher Textsatz mit LaTeX
Die Dokumenterstellung mit dem Textsatzsystem LaTeX unterscheidet sich deutlich von der Arbeitsweise mit einer Office-Software und ist daher mit etwas Lernaufwand verbunden. Insbesondere bei der Anfertigung von komplexen Dokumenten wie Abschlussarbeiten oder für Dokumente mit vielen Formeln kann sich dieser Aufwand aber lohnen.
- Einführung in LaTeX
- Einbinden von Grafiken und Erstellen von Tabellen
- Verwendung von Literaturverzeichnissen
Programmieren mit Python
Programmierkenntnisse werden in der Schule nicht flächendeckend vermittelt und beziehen sich häufig auf Programmiersprachen, die im naturwissenschaftlichen Alltag kaum eine Rolle spielen. Die Programmiersprache Python ist in vielen unterschiedlichen wissenschaftlichen Fachrichtungen weit verbreitet und bietet eine sehr gute Grundlage für die Analyse und Darstellungen von Daten.
- Einführung in Python
- Darstellung und Verarbeitung von Daten
- Trainer/in: Christian Hennig