Machine Intelligence II / Neural Information Processing IIModule description #40549 / Version 1
- 6 CP
- Oral exam
- Graded
- Summer semester
- English
This module description is not valid in the current semester (Winter semester 2026/27).
Current version (v9)
| Module / Version | #40549 / #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 haben die Teilnehmer die Leistungsfähigkeit der besprochenen Verfahren einzuschätzen gelernt, sie können sie auf Probleme in den Anwendungsdomänen erfolgreich einzusetzen und eigenständig neue Verfahren entwickeln. Qualifikationsziele sind somit:
1) Verständnis zentraler Konzepte neuronaler Informationsverarbeitung
2) Kenntnisse unüberwachter Architekturen und Lernverfahren
3) Anwendung auf Probleme statistischer Modellierung, explorativer Datenanalyse und Visualisierung
Die Veranstaltung vermittelt überwiegend : Fachkompetenz: 50%, Methodenkompetenz: 40%, Systemkompetenz: 10%, Sozialkompetenz: 0%
1) Verständnis zentraler Konzepte neuronaler Informationsverarbeitung
2) Kenntnisse unüberwachter Architekturen und Lernverfahren
3) Anwendung auf Probleme statistischer Modellierung, explorativer Datenanalyse und Visualisierung
Die Veranstaltung vermittelt überwiegend : Fachkompetenz: 50%, Methodenkompetenz: 40%, Systemkompetenz: 10%, Sozialkompetenz: 0%
Content
1) Dichteschätzung, Parameterschätzverfahren, Maximum Likelihood Estimation
2) Projektionsmethoden (Hauptkomponentenanalyse, Kernel-PCA, Quellentrennung)
3) Stochastische Optimierung
4) Clustering-Verfahren, Einbettung und Datenvisualisierung (zentrales und paarweises Clustering, selbstorganisierende neuronale Karten)
2) Projektionsmethoden (Hauptkomponentenanalyse, Kernel-PCA, Quellentrennung)
3) Stochastische Optimierung
4) Clustering-Verfahren, Einbettung und Datenvisualisierung (zentrales und paarweises Clustering, selbstorganisierende neuronale Karten)
Module components
Compulsory area
The following courses are mandatory for this module:
Workload and credit points
Machine Intelligence II/Neuronale Informationsverarbeitung (Lecture)
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 2 h | 30 h |
| 60 h | |||
Machine Intelligence II/Neuronale Informationsverarbeitung (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 unbenoteten Übungsscheins (mindestens 60% der Aufgaben müssen erfolgreich bearbeitet sein). Prüfungssprache (für die mündliche Prüfung) ist wahlweise Deutsch oder Englisch.
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: Summer 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 und über das Sekretariat MAR 5043 erhältlich.
Recommended reading, lecture notes
Lecture notes
unavailable
Electronic lecture notes
available
Recommended literature
- Umfangreiche Unterlagen zur Vorlesung und Empfehlungen für vorlesungsbegleitende Literatur findet man über die Internetseite: http://www.ni.tu-berlin.de/teaching sowie auf der ISIS-Seite der Veranstaltung
Assigned programs
This module is not used in any program.
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.