Skip to content
Technische Universität Berlin Deutsch
Course catalog and module transfer system

Seminar Generative ModelsModule description #41310 / Version 1

← Module page Deutsche Fassung
Module / Version#41310 / #1
ValiditySince Summer semester 2026
Available language(s)English, German
Credit points3
Person responsible for the moduleMüller, Klaus-Robert
GradingUngraded
Exam formatOral exam
Language(s) of instructionEnglish

Affiliation

FacultyFakultät IV
InstituteInstitut für Softwaretechnik und Theoretische Informatik
Academic chair34352000 FG Maschinelles Lernen

Contact

OfficeNot specified
Contact personNot specified
E-mail addressNot specified
WebsiteNot specified

Learning outcomes

Studierende können:
- wichtige Klassen generativer Modelle vergleichen und voneinander abgrenzen (z. B. VAEs, GANs, Normalizing Flows, Energy-based Models, Diffusion Models) und diese hinsichtlich ihrer zugrunde liegenden Annahmen, Trainingsziele sowie Stärken und Schwächen beurteilen;
- aktuelle wissenschaftliche Arbeiten im Bereich der generativen Modelle analysieren und interpretieren und dabei methodische Neuerungen, typische Fallstricke und empirische Evidenz herausarbeiten;
- fundierte Forschungsfragen oder Hypothesen zu generativen Modellen formulieren und kommunizieren und diese in einem Seminarvortrag überzeugend präsentieren.

Content

Variational Autoencoders (VAEs)
Generative Adversarial Networks (GANs)
Normalizing Flows
Energy-based Models
Diffusion Models
Autoregressive Models (e.g., Transformers)
Anwendungen

Module components

Not specified

Workload and credit points

Course-independent workload

Workload descriptionMultiplierHoursTotal
Reading the assigned scientific article125 h25 h
Additional literature research and background study115 h15 h
Preparation of the presentation125 h25 h
Follow-up work and further consolidation of the topic110 h10 h
75 h

The workload of the module adds up to 75 hours. The module therefore comprises 3 credit points.

Description of teaching and learning methods

Das Modul wird als forschungsorientiertes Seminar durchgeführt. Die Studierenden bearbeiten eigenständig ausgewählte wissenschaftliche Arbeiten zu generativen Modellen, bereiten eine Seminarpräsentation vor und leiten eine Diskussion in der Sitzung. Die Präsenztermine bestehen aus studentischen Präsentationen, Gruppendiskussionen und angeleitetem Feedback. Der Selbststudienanteil umfasst das Lesen der zugewiesenen Fachtexte, die Vorbereitung der Präsentation sowie die vertiefte Auseinandersetzung mit weiterführender Literatur.

Requirements for participation and examination

Desirable prerequisites for participation in the courses:

Grundkenntnisse im maschinellen Lernen und Deep Learning (z. B. Training neuronaler Netze, Optimierungsverfahren, überwachtes Lernen).
Vertrautheit mit grundlegenden probabilistischen Konzepten (z. B. Wahrscheinlichkeitsverteilungen, Log-Likelihood) ist hilfreich.
Erste Erfahrungen im Lesen wissenschaftlicher Arbeiten sowie grundlegende Python-Kenntnisse sind von Vorteil, aber nicht erforderlich.

Mandatory requirements for the module examination registration:

This module has no examination requirements.

Completion of the module

GradingUngraded
Exam formatOral exam
LanguageEnglish
Duration/Extent10-15 minutes presentation + 5 minutes questions/discussion

Exam description

The examination consists of the reading and presentation of an assigned scientific article, as well as active participation in the discussion.

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 and summer semester.

Maximum number of participants

The maximum capacity of participants is 40.

Registration procedures

Registration for the module and the examination takes place via MTS.
Students are also expected to enroll in the corresponding ISIS course.

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.

Computer Science StuPO 2015

Miscellaneous

Not specified