Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Machine Learning and Big Data Processing with Audio and MusicModulbeschreibung #11005 / Version 1

← Zur Modulseite English version
Modul / Version#11005 / #1
GültigkeitSeit SoSe 2025
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte6
Modulverantwortliche*rLepa, Steffen
BenotungBenotet
PrüfungsformHausarbeit
Lehrsprache(n)Englisch, Deutsch

Zugehörigkeit

FakultätFakultät I
InstitutInstitut für Sprache und Kommunikation
Fachgebiet31351200 FG Audiokommunikation (Audio Communication)

Kontakt

SekretariatEN 8
Ansprechpartner*inWeinzierl, Stefan
E-Mail-Adressestefan.weinzierl@tu-berlin.de
Webseitehttps://www.tu.berlin/ak

Lernergebnisse

On successful completion of the module, students will be able to
- use Python and/or R libraries relevant to audio, music information retrieval, music metadata retrieval, and machine learning (such as numpy, sklearn, torch, pandas, etc.);
- understand machine learning theory and apply machine learning methods in practice;
- analyse audio, music, lyrics and music metadata using statistical and machine learning methods;
- implement audio and music ML applications;
- set up and optimise machine learning workflows, pipelines and lifecycles;
- understand and implement research in audio and music using machine learning;
- evaluate the success and validity of machine learning models using relevant objective metrics and subjective tests;
- learn how to interpret and communicate machine learning results in science as well as for laypeople;
- critically examine the impact of data acquisition and machine learning on artists, musicians, listeners, cultural scenes, the environment and society.

Lehrinhalte

- API-based music data retrieval and webscraping
- Interpretable Machine Learning and Deep Learning fundamentals
- Machine Learning Frameworks and Architectures
- Preprocessing for Audio and Music Data (Data Augmentation, Missing Value Imputation, Stratification)
- Theory of Random Forests and Neural Networks
- Hyperparameter Tuning and Training Procedures for Audio and Music Data
- Optimisation Methods and Best Practices for Audio and Music ML
- Quality and validity evaluation of ML Models

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Big Data Processing with Audio and MusicVorlesung Wintersemester[de]2 ISIS
Machine Learning for Audio DataIntegrierte Veranstaltung Wintersemester[en]2 ISIS

Veranstaltungen im Vorlesungsverzeichnis

Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.

WiSe 2026/27 (2)

Big Data Processing with Audio and Music (Vorlesung) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Machine Learning for Audio Data (Integrierte Veranstaltung) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Arbeitsaufwand und Leistungspunkte

Big Data Processing with Audio and Music (Vorlesung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Vor-/Nachbereitung152 h30 h
60 h

Machine Learning for Audio Data (Integrierte Veranstaltung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Vor-/Nachbereitung152 h30 h
60 h

Lehrveranstaltungsunabhängiger Aufwand

AufwandbeschreibungMultiplikatorStundenGesamt
Projektarbeit140 h40 h
Vorbereitung schriftlicher Test120 h20 h
60 h

Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Vorlesung, Integrierte Veranstaltung, Nähere Beschreibungen siehe AllgStuPO §47 Veranstaltungsformen

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Dieses Modul hat keine wünschenswerten Voraussetzungen für die Lehrveranstaltungen.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Die Prüfungsvoraussetzungen konnten nicht abgerufen werden.

Abschluss des Moduls

BenotungBenotet
PrüfungsformHausarbeit
SpracheEnglisch, Deutsch
Dauer/Umfang8-10 Seiten Text plus Code

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden: Wintersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 30.

Anmeldeformalitäten

Die Anmeldung zur Modulprüfung erfolgt über das elektronische Anmeldesystem der TU Berlin.

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

nicht verfügbar

Empfohlene Literatur

Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge

Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOSemesterStudiengangsbereich
Audiokommunikation und -technologie
StuPO 2014
SoSe 2025Wahlpflichtmodule › Vertiefung
WiSe 2025/26Wahlpflichtbereich Vertiefung
SoSe 2026Wahlpflichtbereich Vertiefung
WiSe 2026/27Wahlpflichtbereich Vertiefung
Audiokommunikation und -technologie
StuPO 2024
WiSe 2025/26Wahlpflichtbereich › Wahlpflichtbereich Vertiefung
SoSe 2026Wahlpflichtbereich › Wahlpflichtbereich Vertiefung
WiSe 2026/27Wahlpflichtbereich › Wahlpflichtbereich Vertiefung

Sonstiges

Keine Angabe