Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Theoretical Foundations of Machine LearningModulbeschreibung #40977 / Version 1

← Zur Modulseite English version
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
Modul / Version#40977 / #1
GültigkeitSoSe 2020 – SoSe 2021
Verfügbare Sprache(n)Englisch
Leistungspunkte3
Modulverantwortliche*rOpper, Manfred
BenotungBenotet
PrüfungsformPortfolioprüfung
Lehrsprache(n)Englisch

Zugehörigkeit

FakultätFakultät IV
InstitutInstitut für Softwaretechnik und Theoretische Informatik
Fachgebiet34351600 FG Künstliche Intelligenz

Kontakt

SekretariatMAR 4-2
Ansprechpartner*inLippke, Cordula
E-Mail-Adressemanfred.opper@tu-berlin.de
Webseitehttp://www.ki.tu-berlin.de/menue/lehre

Lernergebnisse

Die Studierenden haben eine vertieftes und erweitertes Verständnis der theoretischen Grundlagen des maschinellen Lernens.
Dies geschieht durch das eigenständige Einarbeiten in ein aktuelles Forschungsthema anhand von Literatur sowie die eigenständige Ausarbeitung einer Beispielanwendung. Zudem sind sie kompetent in der Darstellung und Vermittlung wissenschaftlicher Themen mittels eines Vortrages.

Lehrinhalte

Das Seminar behandelt die theoretischen Grundlagen für die Entwicklung, die Analyse und das Verständnis von Algorithmen im Bereich des maschinellen Lernens. Hier werden unter anderem zum Konzepte wie Konvexe Lernprobleme, stochastischer Gradientenabstieg, Regularisierung und Online Learning behandelt. Das Seminar basiert auf dem aktuellen Lehrbuch: “Understanding Machine Learning-From theory to Algorithms” von Shai Shalev-Schwartz und Shai Ben-David.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Theoretical Foundations of Machine LearningSeminar3435 L 10531 Sommersemester[en]2 ISIS

Arbeitsaufwand und Leistungspunkte

Theoretical Foundations of Machine Learning (Seminar)

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

Der Aufwand des Moduls summiert sich zu 90 Stunden. Damit umfasst das Modul 3 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Das Seminar beinhaltet das Einarbeiten in aktuelle Literatur und die Entwicklung eines Vortrages.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Vorausgesetzt werden GUTE Kenntnisse in in Mathematik (Lineare Algebra, Analysis, Stochastik) sowie Programmierkenntnisse.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungBenotet
PrüfungsformPortfolioprüfung
Art der Portfolioprüfung100 Punkte insgesamt
SpracheEnglisch

Prüfungselemente

NamePunkte/GewichtKategorieDauer/Umfang
(Deliverable Assessment) Application50praktisch45 minutes
(Deliverable assessment) Presentation50mündlich45 minutes

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 16.

Anmeldeformalitäten

Die Anmeldung zur Lehrveranstaltung erfolgt über die ISIS-Seite. Dies ersetzt nicht die Prüfungsanmeldung in QISPOS bzw. beim Prüfungsamt.

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

nicht verfügbar

Empfohlene Literatur

  • Understanding Machine Learning- From theory to Algorithms” by Shai Shalev-Schwartz and Shai Ben-David

Zugeordnete Studiengänge

Dieses Modul findet in keinem Studiengang Verwendung.

Sonstiges

Keine Angabe