Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Maschinelles Lernen 2Modulbeschreibung #40551 / Version 2

← Zur Modulseite English version
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27). Zur aktuellen Version (v6)
Modul / Version#40551 / #2
GültigkeitWS 2014/15 – WS 2016/17
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte9
Modulverantwortliche*rMüller, Klaus-Robert
BenotungBenotet
PrüfungsformSchriftliche Prüfung
Lehrsprache(n)Englisch, Deutsch

Zugehörigkeit

FakultätFakultät IV
InstitutInstitut für Softwaretechnik und Theoretische Informatik
Fachgebiet34352000 FG Maschinelles Lernen

Kontakt

SekretariatFR 6-1
Ansprechpartner*inKauffmann, Jacob Reinhard
E-Mail-Adressej.kauffmann@tu-berlin.de
Webseitehttps://wiki.ml.tu-berlin.de/wiki/

Lernergebnisse

Die Studierenden haben ein vertieftes Wissen über die Anwendung spezifischer Methoden des Maschinellen Lernens (Klassifikation, Regression, Dimensionsreduktion, Clustering) in ausgewählten Anwendungsbereichen (Bioinformatik, Computersicherheit, etc.) und können diese Methoden selbstständig anwenden und weiterentwickeln. Insbesondere sind die Studierenden mit den Aspekten des Maschinellen Lernens vertraut, welche für den praktischen Erfolg entscheidend sind. Darüber hinaus haben die Studierenden in einem Seminar den aktuellen Forschungsstand kennengelernt sowie das Präsentieren im wissenschaftlichen Umfeld eingeübt.

Lehrinhalte

In dieser Vorlesung werden weiterführende Themen des Maschinellen Lernens behandelt. Ein besonderer Schwerpunkt wird auf die Anwendung gelegt. Mehrere erfolgreiche Anwendungen des Maschinellen Lernens werden besprochen und auf die jeweiligen Besonderheiten wird eingegangen. Unter anderem werden folgende Themen behandelt: halbüberwachtes Lernen, Boostingverfahren, Optimierungstheorie, Kernmethoden für strukturierte Daten, graphische Modelle.

Beispiele für erfolgreiche Anwendungen sind unter anderem Bioinformatik, Computersicherheit und Textmining.

Vertiefung in ein spezielles Anwendungsgebiet oder Lernproblem (Seminar). Es werden laufend neue Seminare angeboten, das Modul wird in jedem Semester dementsprechend aktualisiert.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Maschinelles Lernen IIVorlesung0434 L 503 Sommersemester–2 ISIS
Maschinelles Lernen IIÜbung0434 L503 Sommersemester–2 ISIS

Wahlpflichtbereich

Aus den folgenden Veranstaltungen muss eine Auswahl abgeschlossen werden:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Big Data: Skalierbares Maschinelles LernenKurs Wintersemester–2 ISIS
Big Data: Skalierbares Maschinelles LernenVorlesung Sommersemester–2 ISIS
Hot Topics In MLSeminar0434 L 560 Sommersemester–2 ISIS
Machine Learning and Data Management SystemsSeminar Winter- und Sommersemester–2 ISIS
Machine Learning in Biomedical EngineeringSeminar Winter- und Sommersemester–2 ISIS
Neuronale Netz (EMSP)Seminar0430 L 451 Sommersemester–2 ISIS

Arbeitsaufwand und Leistungspunkte

Maschinelles Lernen II (Vorlesung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Vor-/Nachbereitung154 h60 h
90 h

Maschinelles Lernen II (Übung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Vor-/Nachbereitung154 h60 h
90 h

Big Data: Skalierbares Maschinelles Lernen (Kurs)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Vor-/Nachbereitung154 h60 h
90 h

Big Data: Skalierbares Maschinelles Lernen (Vorlesung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Vor-/Nachbereitung154 h60 h
90 h

Hot Topics In ML (Seminar)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Vor-/Nachbereitung154 h60 h
90 h

Machine Learning and Data Management Systems (Seminar)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Vor-/Nachbereitung154 h60 h
90 h

Machine Learning in Biomedical Engineering (Seminar)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Vor-/Nachbereitung154 h60 h
90 h

Neuronale Netz (EMSP) (Seminar)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Vor-/Nachbereitung154 h60 h
90 h

Der Aufwand des Moduls summiert sich zu 720 Stunden. Damit umfasst das Modul 9 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Die Veranstaltung besteht aus einem Vorlesungsteil (Frontalunterricht vor allen Teilnehmern zur Vermittlung des Stoffes) und einem Anteil praktischer Arbeit. Letztere besteht aus dem selbstständigen Bearbeiten von Übungsaufgaben. Die Seminarvorträge werden unter Anleitung eines Betreuers erarbeitet und in einem Blockseminar präsentiert und diskutiert.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Programmierkenntnisse, gute Grundlagen in Mathematik, insbesondere Lineare Algebra, Analysis, Wahr-scheinlichkeitsrechnung. Grundlagen des maschinellen Lernens sind ratsam, z.B. Teilnahme am Modul „Maschinelles Lernen 1“, jedoch bei solidem theoretischem Vorwissen nicht zwingend erforderlich.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungBenotet
PrüfungsformSchriftliche Prüfung
SpracheEnglisch, Deutsch

Prüfungsbeschreibung (Abschluss des Moduls)

Die Modulprüfung ist eine schriftliche Klausur.

Voraussetzungen für die Teilnahme an der Modulprüfung:
1. 50% der Übungen in der Integrierten Veranstaltung; und
2. erfolgreiche Präsentation in einem Seminar.

Dauer des Moduls

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

Dieses Modul kann in folgenden Semestern begonnen werden: Winter- und Sommersemester.

Maximale teilnehmende Personen

Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.

Anmeldeformalitäten

Keine.

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

nicht verfügbar

Empfohlene Literatur

Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge

Dieses Modul findet in keinem Studiengang Verwendung.

Service-Veranstaltung für andere Studiengänge (vor allem aus dem natur- und ingenieurwissenschaftlichen Bereich und der Mathematik)

Sonstiges

Keine Angabe