Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Maschinelle Intelligenz IIModulbeschreibung #40549 / Version 9

← Zur Modulseite English version
Modul / Version#40549 / #9
GültigkeitSeit SoSe 2026
Verfügbare Sprache(n)Englisch, Deutsch
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 einschließlich, aber nicht beschränkt auf Ansätze, die Nachhaltigkeits- und Ethikaspekte berücksichtigen, sondern auch im Hinblick auf den differenzierten Umgang mit sensiblen Daten aus der realen Welt.. 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
4) Bewusstsein für Ideen und methodische Ansätze zur Bewältigung realer Probleme unter Einbeziehung von Nachhaltigkeits- und Ethikaspekten

Lehrinhalte

1) Hauptkomponentenanalyse, Kernel-PCA
2) Unabhängigkeitsanalyse (Infomax, FastICA, Second Order Blind Source Separation)
3) Stochastische Optimierung
4) Clustering-Verfahren, Einbettung und Datenvisualisierung (zentrales und paarweises Clustering, selbstorganisierende neuronale Karten, Locally Linear Embedding)
5) Dichteschätzung, Mischverteilung, Expectation-Maximization Algorithm, Hidden Markov Model
6) Schätztheorie, Maximum Likelihood-Schätzung, Bayes’scher Modellvergleich

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
Präsenzzeit152 h30 h
Vor- und Nachbereitung152 h30 h
60 h

Machine Intelligence II (Übung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 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 Minuten

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

Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.

Anmeldeformalitäten

Die Anmeldung zur schriftlichen Prüfung erfolgt in der Regel am Semesterende über das elektronische System MOSES der TU Berlin bzw. alternativ per e-mail an das Sekretariat. Prüfungssprache ist Englisch.

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
Computational Engineering Science (Informationstechnik im Maschinenwesen)
StuPO 2018 (17.01.2018)
SoSe 20261. Kernbereich 1: Informatik und Mathematik
WiSe 2026/271. Kernbereich 1: Informatik und Mathematik
Computer Engineering
StuPO 2015
SoSe 2026Wahlpflicht Studiengebiet B › Medientechnik und Mensch-Maschine-Interaktion / Digital Media und Human-Computer Interaction
WiSe 2026/27Wahlpflichtbereich › Studiengebiet B › Kognitive Systeme / Cognitive Systems
Computer Science (Informatik)
StuPO 2015
SoSe 2026Studiengebiete › Kognitive Systeme / Cognitive Systems
WiSe 2026/27Wahlpflichtbereich › Studiengebiet › Kognitive Systeme / Cognitive Systems
Elektrotechnik
StuPO 2015
SoSe 2026Wahlpflicht Studiengebiete Fak. IV › Medientechnik und Mensch-Maschine-Interaktion / Digital Media and Human-Computer Interaction
WiSe 2026/27Wahlpflichtbereich › Studiengebiete Fak. IV › Medientechnik und Mensch-Maschine-Interaktion / Digital Media and Human-Computer Interaction
Human Factors
StuPO 2018
SoSe 2026V. Wahlpflichtmodule zum Erwerb von Vertiefungswissen (18 LP) › V.1 Domänenbezogene Vertiefungen
WiSe 2026/27V. Wahlpflichtmodule zum Erwerb von Vertiefungswissen (18 LP) › V.1 Domänenbezogene Vertiefungen
ICT Innovation
StuPO 2020
SoSe 2026Studienrichtungen › Major: Embedded Systems › Exit year: Embedded Systems › Exit year Electives: Embedded Systems
Information Systems Management (Wirtschaftsinformatik)
StuPO 2017
SoSe 2026Wahlpflichtbereich › Fachstudium Wirtschaftsinformatik › Informationssysteme / Information Systems
WiSe 2026/27Wahlpflichtbereich › Fachstudium Wirtschaftsinformatik › Informationssysteme / Information Systems
Medieninformatik
StuPO 2017
SoSe 2026Wahlpflichtbereich › Technische Profilbereiche (A) › Profilbereich Mensch-Maschine-Interaktion
WiSe 2026/27Wahlpflichtbereich › Technische Profilbereiche (A) › Mensch-Maschine-Interaktion
Medientechnik
StuPO 2022
SoSe 2026Wahlpflichtbereich Profilbereiche › Profilbereich Mensch-Maschine-Interaktion
WiSe 2026/27Wahlpflichtbereich › Profilbereich › Mensch-Maschine-Interaktion
Physikalische Ingenieurwissenschaft
StuPO 2007 (19.12.2007)
SoSe 20262.3 Mechatronik › 2.3b Ergänzungsbereich
Physikalische Ingenieurwissenschaft
StuPO 2020
SoSe 20262.3 Mechatronik › 2.3b Ergänzungsbereich
WiSe 2026/272.1 Numerik und Simulation › 2.1b Ergänzungsbereich
Wirtschaftsingenieurwesen
StuPO 2015
SoSe 2026Ingenieurwissenschaftliche 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 2026/27Ingenieurwissenschaftliche 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
Wirtschaftsingenieurwesen
StuPO 2026
WiSe 2026/27Ingenieurwissenschaften / Studienrichtungen › AI Engineering › Cognitive Systems

Sonstiges

Keine Angabe