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

Introduction to artificial intelligence in climate and environmentModule description #61537 / Version 2

← Module page Deutsche Fassung
Module / Version#61537 / #2
ValiditySince Summer semester 2024
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 in den Bereichen 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 selbstständig Daten aus den Bereichen der Ökologie, Umweltplanung, Naturschutz, Landnutzung, Treibhausgas-Emissionen und Klimaschutz ausgewertet.

Module components

Compulsory area

The following courses are mandatory for this module:

CoursesTypeNumberFrequencyLanguageHours per weekCourse catalog
Einführung in die Künstliche Intelligenz in Klima und UmweltIntegrated course Winter and summer semester[de]4 ISIS

Courses in the course catalog

Courses created from the teaching units of this module.

Winter semester 2026/27 (1)

Einführung in die Künstliche Intelligenz in Klima und Umwelt (Integrated course) 1

All groups of this course in the catalog

Workload and credit points

Einführung in die Künstliche Intelligenz in Klima und Umwelt (Integrated course)

Workload descriptionMultiplierHoursTotal
Attendance154 h60 h
Pre/post processing158 h120 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 integrierten Lehrveranstaltung, welche jeweils wöchentlich angeboten wird. In der Lehrveranstaltung werden die theoretischen Konzepte mit Anwendungsbeispielen mithilfe von Jupyter Notebooks erläutert, wobei Gruppenarbeiten eine zentrale Rolle spielen. Die Anwendungen werden 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. Für einen erfolgreichen Abschluss des Models, ist die aktive und regelmäßige Teilnahme an den Lehrveranstaltungen erforderlich, sowie das Verfassen einer Hausarbeit.

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 and summer semester.

Maximum number of participants

The maximum capacity of participants is 30.

Registration procedures

Anmeldungen bitte über ISIS.

Recommended reading, lecture notes

Lecture notes

unavailable

Electronic lecture notes

unavailable

Recommended literature

No recommended literature given

Assigned programs

This module version is used in the following programs:

Program / program versionSemester(s)Curriculum component
Ecology and Environmental Planning
Ecology and Environmental Planning (M. Sc.) - StuPO 2016
SS 2025Wahlpflichtbereich
WS 2025/26Wahlpflichtbereich
SS 2026Wahlpflichtbereich
WS 2026/27Wahlpflichtbereich
Ecology and Environmental Planning
Ecology and Environmental Planning (B. Sc.) - StuPO 2019 (20.02.2019)
SS 2025Wahlpflichtbereich Profilierung Ökologie und Umweltplanung › Profilierung Umweltplanung
WS 2025/26Wahlpflichtbereich Profilierung Ökologie und Umweltplanung › Profilierung Umweltplanung
SS 2026Wahlpflichtbereich Profilierung Ökologie und Umweltplanung › Profilierung Umweltplanung
WS 2026/27Wahlpflichtbereich Profilierung Ökologie und Umweltplanung › Profilierung Umweltplanung
Economics and Sustainability
StuPO 2024
WS 2026/27Wahlpflichtbereich › Nachhaltigkeit und Technik
Environmental Planning
Environmental Planning (M. Sc.) - StuPO 2017 (13.12.2017)
SS 2025Wahlpflichtbereich 2: Ergänzungsbereich
WS 2025/26Wahlpflichtbereich 2: Ergänzungsbereich
SS 2026Wahlpflichtbereich 2: Ergänzungsbereich
WS 2026/27Wahlpflichtbereich 2: Ergänzungsbereich

Miscellaneous

Die Veranstaltung findet hybrid statt.