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

Practical application of AI in climate-induced land use change: an introductionModule description #61537 / Version 1

← Module page Deutsche Fassung
This module description is not valid in the current semester (Winter semester 2026/27). Current version (v2)
Module / Version#61537 / #1
ValiditySummer semester 2023 – Winter semester 2023/24
Available language(s)German
Credit points6
Person responsible for the moduleRudolph, Annette
GradingGraded
Exam formatHomework
Language(s) of instructionGerman

Affiliation

FacultyFakultät VI
InstituteInstitut für Landschaftsarchitektur und Umweltplanung (ILaUP)
Academic chair36352400 FG Künstliche Intelligenz und Landnutzungswandel (Artificial Intelligence and Land Use Change)

Contact

OfficeEB 5
Contact personRudolph, Annette
E-mail addressannette.rudolph@tu-berlin.de
WebsiteNot specified

Learning outcomes

Nach erfolgreichem Abschluss des Moduls können die Teilnehmenden verschiedene Methoden aus dem Bereich des Maschinellen Lernens anwenden, und große, studienrelevante Datenmengen mithilfe der Programmiersprache Python auswerten.

Content

Die Veranstaltung bildet die Grundlage für das systematische Anwenden datenbasierter Methoden auf Forschungsfragen im Bereich der Ökologie, Umweltplanung, Landnutzung und verwandten Themengebieten.
In der Lehrveranstaltung wird zunächst eine kurze Einführung in die Programmiersprache Python gegeben, mit der im weiteren Verlauf die Methoden des maschinellen Lernens weiter vertieft werden. Hierzu gehört unter anderem die Diskussion der Algorithmen perceptron, SVM (support vector machine), decision trees, sowie der Einstieg ins deep learning.
Die Anwendbarkeit, Vor- und Nachteile der in diesem Kurs diskutierten Algorithmen werden mithilfe von Jupyter Notebooks in der Vorlesung erläutert, wo sie direkt umgesetzt werden können. In begleitenden Übungen werden Anwendungsbeispiele vertieft. In einer Hausarbeit werden schließlich aktuelle Fragestellungen aus den Bereichen der Ökologie, Umweltplanung, Naturschutz, Landnutzung, Treibhausgas-Emissionen und Klimaschutz selbstständig ausgewertet.

Module components

Compulsory area

The following courses are mandatory for this module:

CoursesTypeNumberFrequencyLanguageHours per weekCourse catalog
Einführung in die künstliche Intelligenz in der LandnutzungsänderungExercise Winter and summer semester[de]2 ISIS
Einführung in die künstliche Intelligenz in der LandnutzungsänderungLecture Winter and summer semester[de]2 ISIS

Workload and credit points

Einführung in die künstliche Intelligenz in der Landnutzungsänderung (Exercise)

Workload descriptionMultiplierHoursTotal
0 h

Einführung in die künstliche Intelligenz in der Landnutzungsänderung (Lecture)

Workload descriptionMultiplierHoursTotal
Attendance152 h30 h
Pre/post processing1510 h150 h
180 h

The workload of the module adds up to 180 hours. The module therefore comprises 6 credit points.

Description of teaching and learning methods

Das Modul besteht aus einer Vorlesung und einer begleitenden Übung, welche jeweils wöchentlich angeboten werden. In der Vorlesung werden die theoretischen Konzepte mit Anwendungsbeispielen mithilfe von Jupyter Notebooks erläutert. In der Übung werden die Anwendungen weiter vertieft.

Im Rahmen des Moduls wird das eigenständige Verarbeiten und Auswerten von umweltbezogenen Daten mithilfe der Programmiersprache Python erlernt. In einer Hausarbeit werden die erworbenen Fähigkeiten anhand eines Anwendungsbeispiels aus den Bereichen der Ökologie, Umweltplanung, Naturschutz, Landnutzung, Treibhausgas-Emissionen und Klimaschutz eigenständig angewendet.

Requirements for participation and examination

Desirable prerequisites for participation in the courses:

Statistikkenntnisse und Programmierkenntnisse sind von Vorteil, aber nicht notwendig.

Mandatory requirements for the module examination registration:

This module has no examination requirements.

Completion of the module

GradingGraded
Exam formatHomework
LanguageGerman
Duration/ExtentAuf ca. 10 Seiten wird ein Algorithmus auf Daten angewendet, ausgewertet und diskutiert.

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

The maximum capacity of participants is 30.

Registration procedures

Anmeldungen bitte per email an annette.rudolph@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.

Miscellaneous

Not specified