Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Machine Intelligence IIModulbeschreibung #40549 / Version 3

← Zur Modulseite English version
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27). Zur aktuellen Version (v9)
Modul / Version#40549 / #3
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

Die Studierenden können die Leistungsfähigkeit der besprochenen Verfahren einschätzen, sie können sie auf Probleme in den Anwendungsdomänen erfolgreich einsetzen und eigenständig neue Verfahren entwickeln. Qualifikationsziele sind somit:

1) Verständnis zentraler Konzepte neuronaler Informationsverarbeitung
2) Kenntnisse unüberwachter Architekturen und Lernverfahren
3) Anwendung auf Probleme statistischer Modellierung, explorativer Datenanalyse und Visualisierung

Lehrinhalte

1) Dichteschätzung, Parameterschätzverfahren, Maximum Likelihood Estimation
2) Projektionsmethoden (Hauptkomponentenanalyse, Kernel-PCA, Quellentrennung)
3) Stochastische Optimierung
4) Clustering-Verfahren, Einbettung und Datenvisualisierung (zentrales und paarweises Clustering, selbstorganisierende neuronale Karten)

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Machine Intelligence IIVorlesung0434 L 867 Sommersemester–2 ISIS
Machine Intelligence IIÜbung0434 L 867 Sommersemester–2 ISIS

Arbeitsaufwand und Leistungspunkte

Machine Intelligence II (Vorlesung)

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

Machine Intelligence II (Übung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit / time of attendance152 h30 h
Vor- und Nachbereitung / preparation and review156 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

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.

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 unbenoteten Übungsscheins (mindestens 60% der Aufgaben müssen erfolgreich bearbeitet sein). Prüfungssprache (für die mündliche Prüfung) ist wahlweise Deutsch oder Englisch.

Dauer des Moduls

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

Dieses Modul kann in folgenden Semestern begonnen werden: Sommersemester.

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 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