Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Maschinelles Lernen in Wissenschaft und IndustrieModulbeschreibung #41044 / Version 1

← Zur Modulseite English version
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27). Zur aktuellen Version (v2)
Modul / Version#41044 / #1
GültigkeitSoSe 2022 – SoSe 2025
Verfügbare Sprache(n)Englisch
Leistungspunkte3
Modulverantwortliche*rMontavon, Gregoire
BenotungBenotet
PrüfungsformMündliche Prüfung
Lehrsprache(n)Englisch

Zugehörigkeit

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

Kontakt

SekretariatFR 6-1
Ansprechpartner*inNiediek, Johannes
E-Mail-Adressejohannes.niediek@tu-berlin.de
Webseitehttps://web.ml.tu-berlin.de/teaching/courses

Lernergebnisse

The students have an overview of the numerous possible applications of machine learning in science and industry. They have also been exposed to many challenges that arise when bringing ML to practical applications, such as translating a concrete application need into a well-posed machine learning problem, designing an appropriate dataset and ML model, validating/interpreting the learned ML model, and further real-world constraints.

Lehrinhalte

The course will cover a selection of applications of machine learning in science and industry. Typical challenges that arise when applying machine learning models in practice will be highlighted.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Machine Learning in Science and Industry, LecturesSeminar Winter- und Sommersemester[en]2 ISIS

Arbeitsaufwand und Leistungspunkte

Machine Learning in Science and Industry, Lectures (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 course consists of a series of lectures on different applied topics provided by a selection of researchers in industry and academia.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Basic knowledge of ML and ML algorithms is recommended to take the course.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungBenotet
PrüfungsformMündliche Prüfung
SpracheEnglisch
Dauer/Umfang20 min

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

Registration information available from the webpage http://wiki.ml.tu-berlin.de/wiki/

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

nicht verfügbar

Empfohlene Literatur

Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge

Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOSemesterStudiengangsbereich
Computer Engineering
StuPO 2015
SoSe 2025Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems
Computer Science (Informatik)
StuPO 2015
SoSe 2025Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems
Elektrotechnik
StuPO 2015
SoSe 2025Wahlpflicht Studiengebiete Fak. IV › Kognitive Systeme / Cognitive Systems

Sonstiges

Keine Angabe