Machine Intelligence I / Neural Information Processing IModule description #40548 / Version 1
- 6 CP
- Oral exam
- Graded
- Winter semester
- English
This module description is not valid in the current semester (Winter semester 2026/27).
Current version (v9)
| Module / Version | #40548 / #1 |
|---|---|
| Validity | SS 2014 – WS 2014/15 |
| Available language(s) | English |
| Credit points | 6 |
| Person responsible for the module | Obermayer, Klaus |
| Grading | Graded |
| Exam format | Oral exam |
| Language(s) of instruction | English |
Affiliation
| Faculty | Fakultät IV |
|---|---|
| Institute | Institut für Softwaretechnik und Theoretische Informatik |
| Academic chair | 34351300 FG Neuronale Informationsverarbeitung |
Contact
| Office | MAR 5-6 |
|---|---|
| Contact person | Obermayer, Klaus |
| E-mail address | oby@ni.tu-berlin.de |
| Website | https://www.tu.berlin/ni/studium-lehre/ |
Learning outcomes
Am Ende der Veranstaltung sind die Teilnehmer in der Lage, die Leistungsfähigkeit der besprochenen Verfahren einzuschätzen und sie auf Probleme in den Anwendungsdomänen erfolgreich einzusetzen. Qualifikationsziele sind somit:
1) Verständnis der wichtigsten Theorien und Verfahren des induktiven Lernens
2) Anwendung auf Regressions- und Klassifikationsprobleme (Mustererkennung)
3) Kenntnis der grundlegenden Konzepte neuronaler Informationsverarbeitung
4) Verständnis der theoretischen Grundlagen für die Entwicklung neuer Verfahren
Die Veranstaltung vermittelt überwiegend :
Fachkompetenz 50%, Methodenkompetenz 40%, Systemkompetenz 10%, Sozialkompetenz 0%
1) Verständnis der wichtigsten Theorien und Verfahren des induktiven Lernens
2) Anwendung auf Regressions- und Klassifikationsprobleme (Mustererkennung)
3) Kenntnis der grundlegenden Konzepte neuronaler Informationsverarbeitung
4) Verständnis der theoretischen Grundlagen für die Entwicklung neuer Verfahren
Die Veranstaltung vermittelt überwiegend :
Fachkompetenz 50%, Methodenkompetenz 40%, Systemkompetenz 10%, Sozialkompetenz 0%
Content
1) Grundlagen induktiven Lernens: Empirical Risk Minimization, Structural Risk Minimization, Bayesian Inference
2) Lernen und Generalisierung, Techniken der Regularisierung
3) Künstliche neuronale Netze (konnektionistische Neuronen, das Multilagen-Perzeptron, radiale Basisfunktionen)
4) Statistische Lerntheorie und Support Vector Maschinen
5) Graphische Modelle: Schließen unter Unsicherheit, Bayes'sche Inferenz und neuronale Netze
2) Lernen und Generalisierung, Techniken der Regularisierung
3) Künstliche neuronale Netze (konnektionistische Neuronen, das Multilagen-Perzeptron, radiale Basisfunktionen)
4) Statistische Lerntheorie und Support Vector Maschinen
5) Graphische Modelle: Schließen unter Unsicherheit, Bayes'sche Inferenz und neuronale Netze
Module components
Compulsory area
The following courses are mandatory for this module:
Workload and credit points
Neuronale Informationsverarbeitung I (Lecture)
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 2 h | 30 h |
| 60 h | |||
Neuronale Informationsverarbeitung I (Exercise)
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 6 h | 90 h |
| 120 h | |||
The workload of the module adds up to 180 hours. The module therefore comprises 6 credit points.
Description of teaching and learning methods
Vorlesung: Frontalunterricht vor allen Teilnehmern zur Vermittlung des Stoffes
Übungen: Besprechung von Übungsaufgaben, die von den Teilnehmern als Hausaufgaben bearbeitet werden. Die Übungsaufgaben umfassen sowohl die Analyse und Entwicklung von neuronalen Verfahren als auch den praktischen Umgang mit den besprochenen Verfahren.
Übungen: Besprechung von Übungsaufgaben, die von den Teilnehmern als Hausaufgaben bearbeitet werden. Die Übungsaufgaben umfassen sowohl die Analyse und Entwicklung von neuronalen Verfahren als auch den praktischen Umgang mit den besprochenen Verfahren.
Requirements for participation and examination
Desirable prerequisites for participation in the courses:
Gute Programmierkenntnisse, Grundkenntnisse in Linearer Algebra, Analysis und Wahrscheinlichkeitstheorie
Mandatory requirements for the module examination registration:
The examination requirements could not be retrieved.
Completion of the module
| Grading | Graded |
|---|---|
| Exam format | Oral exam |
| Language | English |
Exam description
mündliche Prüfung (Voraussetzung ist das Vorliegen des Übungsscheins) unbenoteter Übungsschein (mindestens 60% der Aufgaben erfolgreich bearbeitet)
Duration of the module
The following number of semesters is estimated for taking and completing the module: 1 semester(s).
This module can be started in the following semesters: Winter semester.
Maximum number of participants
This module is not limited to a number of students.
Registration procedures
Informationen zur Anmeldung sind über die Web-Seiten des Fachgebiets NI http://www.ni.tu-berlin.de/teaching/ und über das Sekretariat MAR 5043 erhältlich.
Recommended reading, lecture notes
Lecture notes
unavailable
Electronic lecture notes
available
Recommended literature
No recommended literature given
Assigned programs
This module is not used in any program.
Masterstudiengang Informatik (Studienschwerpunkt Intelligente Systeme)
Masterstudiengang Technische Informatik (StO/PO 2012):
• Studienschwerpunkt Digitale Medien (Digital Media; Elektrotechnik oder Technische Informatik)
• Studienschwerpunkt Kognitive Systeme (Cognitive Systems and Robotics; Informatik)
• Studienschwerpunkt Mensch-Maschine-Interaktion und Design (Human-Computer Interaction and Design; Technische Informatik)
• Studienschwerpunkt Datenanalyse (Data analytics; Informatik)
• Studienschwerpunkt Informationssysteme
Masterstudiengang Elektrotechnik (Ergänzungsmodul)
Veranstaltung für andere Master-Studiengänge im Wahlbereich
Bachelorstudiengang Technische Informatik (Studienschwerpunkt Datenanalyse)
Bachelorstudiengang Wirtschaftsinformatik (Studienschwerpunkt Intelligente Datenanalyse )
Masterstudiengang Technische Informatik (StO/PO 2012):
• Studienschwerpunkt Digitale Medien (Digital Media; Elektrotechnik oder Technische Informatik)
• Studienschwerpunkt Kognitive Systeme (Cognitive Systems and Robotics; Informatik)
• Studienschwerpunkt Mensch-Maschine-Interaktion und Design (Human-Computer Interaction and Design; Technische Informatik)
• Studienschwerpunkt Datenanalyse (Data analytics; Informatik)
• Studienschwerpunkt Informationssysteme
Masterstudiengang Elektrotechnik (Ergänzungsmodul)
Veranstaltung für andere Master-Studiengänge im Wahlbereich
Bachelorstudiengang Technische Informatik (Studienschwerpunkt Datenanalyse)
Bachelorstudiengang Wirtschaftsinformatik (Studienschwerpunkt Intelligente Datenanalyse )
Miscellaneous
Mündliche Prüfung: Voraussetzung ist das Vorliegen des unbenoteten Übungsscheins (mindestens 60% der Aufgaben müssen erfolgreich bearbeitet sein). Prüfungssprache (für die mündliche Prüfung) ist wahlweise Deutsch oder Englisch.