Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Machine Intelligence IModulbeschreibung #40548 / Version 7

← Zur Modulseite English version
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27). Zur aktuellen Version (v9)
Modul / Version#40548 / #7
GültigkeitWiSe 2020/21 – SoSe 2023
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

Die Studierenden lernen die zentralen Konzepte, theoretischen Grundlagen und häufig eingesetzten Algorithmen des maschinellen Lernens sowie der künstlichen Intelligenz kennen. Nach Beendigung des Moduls können die Studierenden die Leistungsfähigkeit der besprochenen Verfahren einschätzen, sie können sie auf Probleme in den Anwendungsdomänen erfolgreich einsetzen, und die mit diesen Methoden erzielten Ergebnisse kritisch interpretieren. 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, rekurrente 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
Präsenzzeit152 h30 h
Vor- und Nachbereitung152 h30 h
60 h

Machine Intelligence I (Übung)

AufwandbeschreibungMultiplikatorStundenGesamt
Päsenzzeit152 h30 h
Vor- und Nachbereitung156 h90 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.
Übung: Besprechung von Übungsaufgaben, welche sowohl die mathematische Herleitung und Analyse von neuronalen Verfahren als auch die Implementierung und den praktischen Umgang mit den besprochenen Verfahren umfassen.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Solide Mathematikkenntnisse (Linearer Algebra, Analysis, und Wahrscheinlichkeitstheorie oder Statistik; auf einem Niveau vergleichbar mit den Mathematik-Veranstaltungen für Ingenieure)
Grundlegende Programmiererfahrung (Python, Matlab, R, or Julia)
Gute englische Sprachkenntnisse

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungBenotet
PrüfungsformSchriftliche Prüfung
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 200.

Anmeldeformalitäten

Die Anmeldung zur schriftlichen Prüfung erfolgt in der Regel am Semesterende über das elektronische System der TU Berlin (Stand 2017: QISPOS) bzw. alternativ schriftlich über das Prüfungsamt. Prüfungssprache ist Englisch. Beide möglichen Wiederholungsprüfungen werden als mündliche Prüfungen abgelegt. Ansonsten gilt die Allgemeine Studien- und Prüfungs-Ordnung der TU Berlin sowie die Prüfungsordnung des Masterstudiengangs Computational Neuroscience.

Weitere Informationen zur Anmeldung und den Kursmaterialien sind über den jeweils aktuellen ISIS-Kurs erhältlich.

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

verfügbar

Empfohlene Literatur

Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge

Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOSemesterStudiengangsbereich
Wirtschaftsingenieurwesen
StuPO 2015
WiSe 2020/21Integrationsbereich › Integrationsbereich (Wahlpflicht)
SoSe 2021Integrationsbereich › Integrationsbereich (Wahlpflicht)
WiSe 2021/22Integrationsbereich › Integrationsbereich (Wahlpflicht)
SoSe 2022Integrationsbereich › Integrationsbereich (Wahlpflicht)
WiSe 2022/23Integrationsbereich › Integrationsbereich (Wahlpflicht)
SoSe 2023Integrationsbereich › Integrationsbereich (Wahlpflicht)
Wirtschaftsingenieurwesen
StuPO 2015
WiSe 2020/21Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Informations- und Kommunikationssysteme/Information and Communication Systems (IKS) › Informations- und Kommunikationssysteme/Information and Communication Systems (Wahlpflicht/Compulsory-Elective) › Digital Media und Human-Computer Interaction
SoSe 2021Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Informations- und Kommunikationssysteme/Information and Communication Systems (IKS) › Informations- und Kommunikationssysteme/Information and Communication Systems (Wahlpflicht/Compulsory-Elective) › Digital Media und Human-Computer Interaction
WiSe 2021/22Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Informations- und Kommunikationssysteme/Information and Communication Systems (IKS) › Informations- und Kommunikationssysteme/Information and Communication Systems (Wahlpflicht/Compulsory-Elective) › Digital Media und Human-Computer Interaction
SoSe 2022Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Informations- und Kommunikationssysteme/Information and Communication Systems (IKS) › Informations- und Kommunikationssysteme/Information and Communication Systems (Wahlpflicht/Compulsory-Elective) › Digital Media und Human-Computer Interaction
WiSe 2022/23Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Informations- und Kommunikationssysteme/Information and Communication Systems (IKS) › Informations- und Kommunikationssysteme/Information and Communication Systems (Wahlpflicht/Compulsory-Elective) › Digital Media und Human-Computer Interaction
SoSe 2023Ingenieurwissenschaftliche Studienrichtungen/Engineering Majors › Informations- und Kommunikationssysteme/Information and Communication Systems (IKS) › Informations- und Kommunikationssysteme/Information and Communication Systems (Wahlpflicht/Compulsory-Elective) › Cognitive Systems

Sonstiges

Keine Angabe