Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Machine Intelligence IModulbeschreibung #40548 / Version 4

← Zur Modulseite English version
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27). Zur aktuellen Version (v9)
Modul / Version#40548 / #4
GültigkeitSS 2017 – WS 2017/18
Verfügbare Sprache(n)Englisch
Leistungspunkte6
Modulverantwortliche*rObermayer, Klaus
BenotungBenotet
PrüfungsformSchriftliche Prüfung
Lehrsprache(n)Englisch

Zugehörigkeit

FakultätFakultät IV
InstitutInstitut für Softwaretechnik und Theoretische Informatik
Fachgebiet34351300 FG Neuronale Informationsverarbeitung

Kontakt

SekretariatMAR 5-6
Ansprechpartner*inObermayer, Klaus
E-Mail-Adresseoby@ni.tu-berlin.de
Webseitehttps://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

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, tiefe Netze)
4) Statistische Lerntheorie und Support Vector Maschinen
5) Graphische Modelle: Schließen unter Unsicherheit, Bayes'sche Inferenz und neuronale Netze
6) Reinforcement Learning (MDP, value iteration, policy iteration, Q-learning)

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Machine Intelligence IVorlesung0434 L 866 Wintersemester–2 ISIS
Machine Intelligence IÜbung0434 L 866 Wintersemester–2 ISIS

Veranstaltungen im Vorlesungsverzeichnis

Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.

WiSe 2026/27 (2)

Machine Intelligence I (Vorlesung) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Machine Intelligence I (Übung) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Arbeitsaufwand und Leistungspunkte

Machine Intelligence I (Vorlesung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit / time of attendance152 h30 h
Vor- und Nachbereitung / preparation and review152 h30 h
60 h

Machine Intelligence I (Übung)

AufwandbeschreibungMultiplikatorStundenGesamt
Hausaufgaben / homework156 h90 h
Päsenzzeit / time of attendance152 h30 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 ssignments cover mathematical exercises as well as numerical simulations and programming exercises. orking in small groups of two to three students is encouraged. Homework assignments and their solutions are resented and discussed during the tutorial. In addition, selected topics presented during the lecture are ehearsed 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.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungBenotet
PrüfungsformSchriftliche Prüfung
Art der Portfolioprüfung100 Punkte insgesamt
SpracheEnglisch
Dauer/Umfang90 min.

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

Die maximale Teilnehmerzahl beträgt 80.

Anmeldeformalitäten

Die Anmeldung zur schriftliche Prüfung erfolgt über Moses. Prüfungssprache ist Englisch. Beide Wiederholungsprüfungen werden als mündliche Prüfungen abgelegt.

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.

The final grade is determined by the grade obtained in the written exam, which is held in English. Both potential re-examinations are oral exams. Other than that, 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.

Sonstiges

Keine Angabe