Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Computational Learning TheoryModulbeschreibung #41014 / Version 1

← Zur Modulseite English version
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
Modul / Version#41014 / #1
GültigkeitWiSe 2020/21 – 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

Students have a deep and profound understanding of the theoretical and especially statistical background of machine learning. This is achieved by the independent study of a current research topic in the field including rigorous mathematical derivations using literature and by the independent preparation of a seminar presentation.

Lehrinhalte

The seminar deals with the theory of machine learning from a (mathematically)
rigorous statistical perspective. The so-called PAC (probably almost correct)
learning framework focusses on the question how well a machine learning algorithm which was trained on random independent data can make predictions on new instances which are generated from the same but unknown probability distribution.

The seminar will be based on the recent textbook “Understanding Machine Learning-From theory to Algorithms” by Shai Shalev-Schwartz and Shai Ben-David.
After explaining the statistical learning framework, the seminar will discuss uniform convergence results and the VC dimension. It will also discuss theoretical aspects of different machine learning models, such as convex learning, support vector machines, boosting, online learning and stochastic gradient descent. It will cover regularisation, model selection and dimensionality reduction. Finally, also more advanced topics such as
Rademacher complexities will be included.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Computational Learning TheorySeminar3435 L 10792 Wintersemester[en]2 ISIS

Arbeitsaufwand und Leistungspunkte

Computational Learning Theory (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

The seminar includes skill adaptation training in current literature as well as the development of a talk.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Requirements: good knowledge in Mathematics (linear algebra, analysis, stochastics) as well as programming experience.

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) presentation50mündlich45 minutes
(Learning process review) consultation50mündlich20 minutes

Dauer des Moduls

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

Dieses Modul kann in folgenden Semestern begonnen werden: Wintersemester.

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

Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge

Dieses Modul findet in keinem Studiengang Verwendung.

Sonstiges

M.Sc. Computer Engineering (StuPO 2015)
M.Sc. Computer Science (StuPO 2015)
M.Sc. Elektrotechnik (StuPO 2015)