Weiterführende Themen im Bereich verstärkendes LernenModulbeschreibung #40969 / Version 2
- 6 LP
- Portfolioprüfung
- Benotet
- Winter- und Sommersemester
- Englisch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
| Modul / Version | #40969 / #2 |
|---|---|
| Gültigkeit | WiSe 2022/23 – SoSe 2024 |
| Verfügbare Sprache(n) | Englisch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Obermayer, Klaus |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Softwaretechnik und Theoretische Informatik |
| Fachgebiet | 34351300 FG Neuronale Informationsverarbeitung |
Kontakt
| Sekretariat | MAR 5-6 |
|---|---|
| Ansprechpartner*in | Groiß, Camilla |
| E-Mail-Adresse | sekr@ni.tu-berlin.de |
| Webseite | http://www.ni.tu-berlin.de/teaching/ |
Lernergebnisse
Die Studierenden sind in der Lage, sich in aktuelle Themen im Bereich Deep-Reinforcement Learning selbständig einzuarbeiten, anzuwenden und die Ergebnisse den anderen Studenten zu präsentieren. Sie erhalten ein speziferisches und tieferes Verständnis davon, wie das menschliche Gehirn funktioniert.
Die Fähigkeiten umfassen Literaturarbeit, Implementierung und Anwendung eines maschinellen Lern-Algorithmus, Durchführung und Bewertung von Experimenten, adäquate Präsentation und Diskussion von Ergebnissen von aktuellen Techniken im Bereich Maschinelles Lernen.
Die Fähigkeiten umfassen Literaturarbeit, Implementierung und Anwendung eines maschinellen Lern-Algorithmus, Durchführung und Bewertung von Experimenten, adäquate Präsentation und Diskussion von Ergebnissen von aktuellen Techniken im Bereich Maschinelles Lernen.
Lehrinhalte
Die Teilnehmer werden sich in die aktuelle Literatur zum Thema Reinforcement Learning einarbeiten. Anschließend wird ein Thema, welches frei wählbar ist, von den Teilnehmern implementiert und auf ein Test- Datenset angewendet; Ergebnisse als auch das Thema selbst werden in der Gruppe vorgestellt.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Advanced topics in Reinforcement Learning | Seminar | 3435 L 10262 | Winter- und Sommersemester | [en] | 2 | ISIS |
Arbeitsaufwand und Leistungspunkte
Advanced topics in Reinforcement Learning (Seminar)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 10 h | 150 h |
| 180 h | |||
Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Teilnehmer werden sich in die aktuelle Literatur zum Thema Reinforcement Learning selbstständig einarbeiten. Nach der Wahl des Themas werden die Teilnehmer die Techniken auf einen auszuwählenden Test-Datensatz anwenden und sowohl die Ergebnisse als auch das Thema selbst vorstellen.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Erwünschte Fähigkeiten: sich selbständig in ein Thema einarbeiten zu können, Erfahrung in der Präsentation von wissenschaftlichen Ergebnissen, Grundkenntnisse der Künstlichen Intelligenz
Teilnehmer sollten über Grundkenntnisse der Themen verfügen, die in den Lehrveranstaltungen Machine Intelligence I und II behandelt werden.
Teilnehmer sollten über Grundkenntnisse der Themen verfügen, die in den Lehrveranstaltungen Machine Intelligence I und II behandelt werden.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Portfolioprüfung |
| Art der Portfolioprüfung | 100 Punkte insgesamt |
| Sprache | Englisch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| (Deliverable assessment) Coding project | 30 | praktisch | 30 Stunden |
| (Deliverable assessment) Project presentation | 50 | praktisch | 40 minutes |
| (Deliverable assessment) Literature review | 20 | schriftlich | 6 hours |
Prüfungsbeschreibung (Abschluss des Moduls)
Portfolio-Prüfung Gesamtpunktzahl 100
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
Die maximale Teilnehmerzahl beträgt 30.
Anmeldeformalitäten
Anmeldung über MOSES; Prüfungssprache ist Englisch.
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
nicht verfügbar
Empfohlene Literatur
- Sutton, R.S. & Barto, A.G.: reinforcement learning: An introduction. MIT press, 2018
- Bertsekas, D.: Reinforcment Learning and Optimal Control. Athena Scientific, 2019
- Amodei, D., Olah, J., Steinhardt, J. Christiano, P., Schulman, J. and Mane, D.: Concrete Problems in AI Safety. 2016
Zugeordnete Studiengänge
Dieses Modul findet in keinem Studiengang Verwendung.
Sonstiges
Keine Angabe