Praktikum Maschinelles LernenModule description #40635 / Version 1
- 9 CP
- Oral exam
- Graded
- Summer semester
- English
This module description is not valid in the current semester (Winter semester 2026/27).
Current version (v2)
| Module / Version | #40635 / #1 |
|---|---|
| Validity | SS 2014 – WS 2016/17 |
| Available language(s) | English |
| Credit points | 9 |
| Person responsible for the module | Müller, Klaus-Robert |
| Grading | Graded |
| Exam format | Oral exam |
| Language(s) of instruction | English |
Affiliation
| Faculty | Fakultät IV |
|---|---|
| Institute | Institut für Softwaretechnik und Theoretische Informatik |
| Academic chair | 34352000 FG Maschinelles Lernen |
Contact
| Office | FR 6-1 |
|---|---|
| Contact person | Jamshidi Idaji, Mina |
| E-mail address | mina.jamshidi.idaji@tu-berlin.de |
| Website | http://ml.tu-berlin.de |
Learning outcomes
Die Studierenden sind in der Lage, die zentralen Algorithmen des Maschinellen Lernens selbst zu implementieren, anzuwenden und ihre Leistung auf geeigneten künstlichen Datensätzen zu analysieren. Außerdem haben sie einen breiten Überblick aktueller Verfahren, ihrer Anwendungs-möglichkeiten und Grenzen.
Content
Behandelt werden die bekanntesten Algorithmen zur Dimensionsreduktion bzw. Visualisierung, Clustering, Regression, und Klassifikation (inkl. Modellselektion).
Module components
Compulsory area
The following courses are mandatory for this module:
| Courses | Type | Number | Frequency | Language | Hours per week | Course catalog |
|---|---|---|---|---|---|---|
| Praktikum Maschinelles Lernen | Internship | 0434 L550 | Summer semester | – | 6 | ISIS |
Workload and credit points
Praktikum Maschinelles Lernen (Internship)
| Workload description | Multiplier | Hours | Total |
|---|---|---|---|
| Präsenzzeit | 15 | 6 h | 90 h |
| Vor-/Nachbereitung | 15 | 12 h | 180 h |
| 270 h | |||
The workload of the module adds up to 270 hours. The module therefore comprises 9 credit points.
Description of teaching and learning methods
Die Veranstaltung besteht zum einen aus wöchentlichen Veranstaltungen, in denen neue Methoden und Übungsaufgaben vorgestellt werden, bzw. Lösungen von Teilnehmern präsentiert werden, sowie eigenständiger Bearbeitung von Übungsaufgaben.
Requirements for participation and examination
Desirable prerequisites for participation in the courses:
Programmierkenntnisse, Teilnahme am Modul „Maschinelles Lernen 1“ oder „Maschinelles Lernen 2“ ist wünschenswert.
Mandatory requirements for the module examination registration:
This module has no examination requirements.
Completion of the module
| Grading | Graded |
|---|---|
| Exam format | Oral exam |
| Language | English |
Exam description
Mündliche Prüfung (benotet).
Voraussetzung zur Teilnahme an der mündlichen Prüfung ist die erfolgreiche Bearbeitung der Übungsaufga-ben (mindestens 50% der Punkte).
Voraussetzung zur Teilnahme an der mündlichen Prüfung ist die erfolgreiche Bearbeitung der Übungsaufga-ben (mindestens 50% der Punkte).
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
The maximum capacity of participants is 10.
Registration procedures
Die Anmeldungen werden in der Reihenfolge des Eintreffens berücksichtigt; Details und Fristen siehe Fachgebietswebseite. http://www.ml.tu-berlin.de
Recommended reading, lecture notes
Lecture notes
unavailable
Electronic lecture notes
unavailable
Recommended literature
No recommended literature given
Assigned programs
This module is not used in any program.
Service-Veranstaltung für andere Studiengänge (vor allem aus dem natur- und ingenieurwissenschaftlichen Bereich und der Mathematik)
Miscellaneous
Not specified