Theoretical Foundations of Machine LearningModulbeschreibung #40977 / Version 1
- 3 LP
- Portfolioprüfung
- Benotet
- Sommersemester
- Englisch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
| Modul / Version | #40977 / #1 |
|---|---|
| Gültigkeit | SoSe 2020 – SoSe 2021 |
| Verfügbare Sprache(n) | Englisch |
| Leistungspunkte | 3 |
| Modulverantwortliche*r | Opper, Manfred |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Softwaretechnik und Theoretische Informatik |
| Fachgebiet | 34351600 FG Künstliche Intelligenz |
Kontakt
| Sekretariat | MAR 4-2 |
|---|---|
| Ansprechpartner*in | Lippke, Cordula |
| E-Mail-Adresse | manfred.opper@tu-berlin.de |
| Webseite | http://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.
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:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Theoretical Foundations of Machine Learning | Seminar | 3435 L 10531 | Sommersemester | [en] | 2 | ISIS |
Arbeitsaufwand und Leistungspunkte
Theoretical Foundations of Machine Learning (Seminar)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 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
| Benotung | Benotet |
|---|---|
| Prüfungsform | Portfolioprüfung |
| Art der Portfolioprüfung | 100 Punkte insgesamt |
| Sprache | Englisch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| (Deliverable Assessment) Application | 50 | praktisch | 45 minutes |
| (Deliverable assessment) Presentation | 50 | mündlich | 45 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