Machine Intelligence IModulbeschreibung #40548 / Version 3
- 6 LP
- Schriftliche Prüfung
- Benotet
- Wintersemester
- Englisch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
Zur aktuellen Version (v9)
| Modul / Version | #40548 / #3 |
|---|---|
| Gültigkeit | SS 2015 – WS 2016/17 |
| Verfügbare Sprache(n) | Englisch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Obermayer, Klaus |
| Benotung | Benotet |
| Prüfungsform | Schriftliche Prüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Softwaretechnik und Theoretische Informatik |
| Fachgebiet | 34351300 FG Neuronale Informationsverarbeitung |
Kontakt
| Sekretariat | MAR 5-6 |
|---|---|
| Ansprechpartner*in | Obermayer, Klaus |
| E-Mail-Adresse | oby@ni.tu-berlin.de |
| Webseite | https://www.tu.berlin/ni/studium-lehre/ |
Lernergebnisse
Am Ende der Veranstaltung sind die Teilnehmer in der Lage, die Leistungsfähigkeit der besprochenen Verfahren einzuschätzen und sie auf Probleme in den Anwendungsdomänen erfolgreich einzusetzen. Qualifikationsziele sind somit:
1) Verständnis der wichtigsten Theorien und Verfahren des induktiven Lernens
2) Anwendung auf Regressions- und Klassifikationsprobleme (Mustererkennung)
3) Kenntnis der grundlegenden Konzepte neuronaler Informationsverarbeitung
4) Verständnis der theoretischen Grundlagen für die Entwicklung neuer Verfahren
1) Verständnis der wichtigsten Theorien und Verfahren des induktiven Lernens
2) Anwendung auf Regressions- und Klassifikationsprobleme (Mustererkennung)
3) Kenntnis der grundlegenden Konzepte neuronaler Informationsverarbeitung
4) Verständnis der theoretischen Grundlagen für die Entwicklung neuer Verfahren
Lehrinhalte
1) Grundlagen induktiven Lernens: Empirical Risk Minimization, Structural Risk Minimization, Bayesian Inference
2) Lernen und Generalisierung, Techniken der Regularisierung
3) Künstliche neuronale Netze (konnektionistische Neuronen, das Multilagen-Perzeptron, radiale Basisfunktionen)
4) Statistische Lerntheorie und Support Vector Maschinen
5) Graphische Modelle: Schließen unter Unsicherheit, Bayes'sche Inferenz und neuronale Netze
2) Lernen und Generalisierung, Techniken der Regularisierung
3) Künstliche neuronale Netze (konnektionistische Neuronen, das Multilagen-Perzeptron, radiale Basisfunktionen)
4) Statistische Lerntheorie und Support Vector Maschinen
5) Graphische Modelle: Schließen unter Unsicherheit, Bayes'sche Inferenz und neuronale Netze
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
Arbeitsaufwand und Leistungspunkte
Neuronale Informationsverarbeitung I (Vorlesung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 2 h | 30 h |
| 60 h | |||
Neuronale Informationsverarbeitung I (Übung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 6 h | 90 h |
| 120 h | |||
Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Vorlesung: Frontalunterricht vor allen Teilnehmern zur Vermittlung des Stoffes
Übungen: Besprechung von Übungsaufgaben, die von den Teilnehmern als Hausaufgaben bearbeitet werden. Die Übungsaufgaben umfassen sowohl die Analyse und Entwicklung von neuronalen Verfahren als auch den praktischen Umgang mit den besprochenen Verfahren.
The lecture part consists of teaching in front of the class. Participants are expected to rehearse topics after
class, using their class notes as well as recommended book chapters, in preparation for the exercises and
tutorials.
Homework assignments are given on a regular basis, and must be usually solved within a week. These assignments cover mathematical exercises as well as numerical simulations and programming exercises. Working in small groups of two to three students is encouraged. Homework assignments and their solutions are presented and discussed during the tutorial. In addition, selected topics presented during the
lecture are rehearsed by the tutor as needed. The first tutorials cover a brief mathematics primer.
Übungen: Besprechung von Übungsaufgaben, die von den Teilnehmern als Hausaufgaben bearbeitet werden. Die Übungsaufgaben umfassen sowohl die Analyse und Entwicklung von neuronalen Verfahren als auch den praktischen Umgang mit den besprochenen Verfahren.
The lecture part consists of teaching in front of the class. Participants are expected to rehearse topics after
class, using their class notes as well as recommended book chapters, in preparation for the exercises and
tutorials.
Homework assignments are given on a regular basis, and must be usually solved within a week. These assignments cover mathematical exercises as well as numerical simulations and programming exercises. Working in small groups of two to three students is encouraged. Homework assignments and their solutions are presented and discussed during the tutorial. In addition, selected topics presented during the
lecture are rehearsed by the tutor as needed. The first tutorials cover a brief mathematics primer.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Gute Programmierkenntnisse, Grundkenntnisse in Linearer Algebra, Analysis und Wahrscheinlichkeitstheorie
Mathematical knowledge: Analysis, linear algebra, probability calculus and statistics, on a level comparable
to mathematics courses for engineers.
Basic programming skills (Python, Matlab, or R).
Good command of the English language.
Mathematical knowledge: Analysis, linear algebra, probability calculus and statistics, on a level comparable
to mathematics courses for engineers.
Basic programming skills (Python, Matlab, or R).
Good command of the English language.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Die Prüfungsvoraussetzungen konnten nicht abgerufen werden.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Schriftliche Prüfung |
| Sprache | Englisch |
Prüfungsbeschreibung (Abschluss des Moduls)
mündliche Prüfung (Voraussetzung ist das Vorliegen des Übungsscheins) unbenoteter Übungsschein (mindestens 60% der Aufgaben erfolgreich bearbeitet)
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
Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.
Anmeldeformalitäten
Mündliche Prüfung: Voraussetzung ist das Vorliegen des unbenoteten Übungsscheins (mindestens 60% der Aufgaben müssen erfolgreich bearbeitet sein). Prüfungssprache (für die mündliche Prüfung) ist wahlweise Deutsch oder Englisch.
Informationen zur Anmeldung sind über die Web-Seiten des Fachgebiets NI http://www.ni.tu-berlin.de/teaching/ und über das Sekretariat MAR 5042 erhältlich.
At least 60% of all homework assignments have to be completed and an oral examination of up to one hour
length has to be taken. The final grade is determined by the grade obtained in the oral examination. The oral exam can be taken in englisch or german. The oral exam has to be taken latest by the end of the semester which follows the semester in which the tutorial certificates were obtained. The examination procedure is regulated by the General Examination Regulation of the Technical University (Ordnung zur Regelung des allgemeinen Prüfungsverfahrens in Bachelor- und Masterstudiengängen) and by the Examination Regulation of the Master Program Computational Neuroscience.
Further information regarding registration and course material are available via the webpages http://www.ni.tu-berlin.de/teaching/ and at the office MAR 5042.
Informationen zur Anmeldung sind über die Web-Seiten des Fachgebiets NI http://www.ni.tu-berlin.de/teaching/ und über das Sekretariat MAR 5042 erhältlich.
At least 60% of all homework assignments have to be completed and an oral examination of up to one hour
length has to be taken. The final grade is determined by the grade obtained in the oral examination. The oral exam can be taken in englisch or german. The oral exam has to be taken latest by the end of the semester which follows the semester in which the tutorial certificates were obtained. The examination procedure is regulated by the General Examination Regulation of the Technical University (Ordnung zur Regelung des allgemeinen Prüfungsverfahrens in Bachelor- und Masterstudiengängen) and by the Examination Regulation of the Master Program Computational Neuroscience.
Further information regarding registration and course material are available via the webpages http://www.ni.tu-berlin.de/teaching/ and at the office MAR 5042.
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
verfügbar
Empfohlene Literatur
Keine empfohlene Literatur angegeben
Zugeordnete Studiengänge
Dieses Modul findet in keinem Studiengang Verwendung.
Masterstudiengang Informatik (Studienschwerpunkt Intelligente Systeme)
Masterstudiengang Technische Informatik (StO/PO 2012):
• Studienschwerpunkt Digitale Medien (Digital Media; Elektrotechnik oder Technische Informatik)
• Studienschwerpunkt Kognitive Systeme (Cognitive Systems and Robotics; Informatik)
• Studienschwerpunkt Mensch-Maschine-Interaktion und Design (Human-Computer Interaction and Design; Technische Informatik)
• Studienschwerpunkt Datenanalyse (Data analytics; Informatik)
• Studienschwerpunkt Informationssysteme
Masterstudiengang Elektrotechnik (Ergänzungsmodul)
Veranstaltung für andere Master-Studiengänge im Wahlbereich
Bachelorstudiengang Technische Informatik (Studienschwerpunkt Datenanalyse)
Bachelorstudiengang Wirtschaftsinformatik (Studienschwerpunkt Intelligente Datenanalyse )
Masterstudiengang Technische Informatik (StO/PO 2012):
• Studienschwerpunkt Digitale Medien (Digital Media; Elektrotechnik oder Technische Informatik)
• Studienschwerpunkt Kognitive Systeme (Cognitive Systems and Robotics; Informatik)
• Studienschwerpunkt Mensch-Maschine-Interaktion und Design (Human-Computer Interaction and Design; Technische Informatik)
• Studienschwerpunkt Datenanalyse (Data analytics; Informatik)
• Studienschwerpunkt Informationssysteme
Masterstudiengang Elektrotechnik (Ergänzungsmodul)
Veranstaltung für andere Master-Studiengänge im Wahlbereich
Bachelorstudiengang Technische Informatik (Studienschwerpunkt Datenanalyse)
Bachelorstudiengang Wirtschaftsinformatik (Studienschwerpunkt Intelligente Datenanalyse )
Sonstiges
Im Wintersemester 2016/2017 erfolgt eine durch den Prüfungsausschuss beschlossene einmalige Prüfungsformänderung von mündlich auf schriftlich.