Interpretierbares Maschinelles LernenModulbeschreibung #41130 / Version 1
- 6 LP
- Portfolioprüfung
- Benotet
- Wintersemester
- Englisch
| Modul / Version | #41130 / #1 |
|---|---|
| Gültigkeit | Seit WiSe 2026/27 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Samek, Wojciech |
| Benotung | Benotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Softwaretechnik und Theoretische Informatik |
| Fachgebiet | 34352800 FG Maschinelles Lernen und Kommunikation |
Kontakt
| Sekretariat | EN 16 |
|---|---|
| Ansprechpartner*in | Samek, Wojciech |
| E-Mail-Adresse | wojciech.samek@tu-berlin.de |
| Webseite | https://iphome.hhi.de/samek/#Teaching |
Lernergebnisse
Nach erfolgreichem Abschluss des Moduls sind die Studierenden in der Lage, zentrale Begriffe und Konzepte der Interpretierbarkeit, Erklärbarkeit und Transparenz im maschinellen Lernen zu definieren und voneinander abzugrenzen. Sie können die Grenzen und Risiken moderner maschineller Lernverfahren im Hinblick auf Nachvollziehbarkeit kritisch analysieren und bewerten sowie praxisrelevante Anwendungsfälle identifizieren und beurteilen, in denen mangelnde Erklärbarkeit zu Problemen bei Nutzung, Vertrauen oder Entscheidungsfindung führt. Darüber hinaus sind sie befähigt, geeignete Methoden zur Verbesserung der Interpretierbarkeit auszuwählen, anzuwenden und miteinander zu vergleichen sowie Modelle systematisch im Hinblick auf ihre Erklärbarkeit zu evaluieren und die Ergebnisse kritisch zu reflektieren. Die Studierenden können aktuelle Herausforderungen und Forschungsansätze im Bereich erklärbarer KI einordnen und diskutieren. Zudem sind sie in der Lage, wissenschaftliche Literatur eigenständig zu recherchieren, zu analysieren und strukturiert aufzubereiten sowie eigene Ergebnisse in schriftlicher und mündlicher Form adressatengerecht zu präsentieren.
Lehrinhalte
Das Modul setzt sich aus einer Vorlesung und einem Seminar zusammen.
In der Vorlesung werden die methodischen Grundlagen erklärbarer maschineller Lernsysteme vermittelt. Ein zentraler Schwerpunkt liegt auf Erklärungsmethoden - Techniken, die die Funktionsweise eines Modells und die Grundlage seiner Vorhersagen transparent machen. Die Vorlesung behandelt unterschiedliche Arten von Erklärungsmethoden, diskutiert deren Vor- und Nachteile und vermittelt die theoretischen Grundlagen.
Im begleitenden Seminar setzen sich die Studierenden mit der aktuellen Forschung im Bereich Interpretable Machine Learning auseinander. Dabei erwerben sie Kompetenzen im Umgang mit wissenschaftlicher Literatur, im Verfassen wissenschaftlicher Texte sowie in der Präsentation ihrer Ergebnisse.
In der Vorlesung werden die methodischen Grundlagen erklärbarer maschineller Lernsysteme vermittelt. Ein zentraler Schwerpunkt liegt auf Erklärungsmethoden - Techniken, die die Funktionsweise eines Modells und die Grundlage seiner Vorhersagen transparent machen. Die Vorlesung behandelt unterschiedliche Arten von Erklärungsmethoden, diskutiert deren Vor- und Nachteile und vermittelt die theoretischen Grundlagen.
Im begleitenden Seminar setzen sich die Studierenden mit der aktuellen Forschung im Bereich Interpretable Machine Learning auseinander. Dabei erwerben sie Kompetenzen im Umgang mit wissenschaftlicher Literatur, im Verfassen wissenschaftlicher Texte sowie in der Präsentation ihrer Ergebnisse.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
Arbeitsaufwand und Leistungspunkte
Interpretable Machine Learning (Vorlesung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 h |
| 90 h | |||
Interpretable Machine Learning (Seminar)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 3,3 h | 49,5 h |
| Präsentation und Report | 5 | 2 h | 10 h |
| 89,5 h | |||
Der Aufwand des Moduls summiert sich zu 179,5 Stunden. Damit umfasst das Modul 6 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Das Modul setzt sich aus einer Vorlesung und einem Seminar zusammen.
In den jeweils 2-stündigen Vorlesungen wird das vom Dozenten zusammengestellte Wissen im Frontalunterricht vorgestellt, diskutiert und mit Beispielen erläutert. Die Vorlesungen finden im wöchentlichen Rhythmus im Wintersemester statt.
Im Seminar wird ein konkretes Themengebiet individuell bearbeitet. Unter Anleitung werden wissenschaftliches Arbeiten erlernt und eine fachgerechte Präsentation erstellt. Das Seminar umfasst eine schriftliche Ausarbeitung und endet mit einer individuellen Präsentation, die inhaltlich und didaktisch bewertet und mit Feedback versehen wird.
In den jeweils 2-stündigen Vorlesungen wird das vom Dozenten zusammengestellte Wissen im Frontalunterricht vorgestellt, diskutiert und mit Beispielen erläutert. Die Vorlesungen finden im wöchentlichen Rhythmus im Wintersemester statt.
Im Seminar wird ein konkretes Themengebiet individuell bearbeitet. Unter Anleitung werden wissenschaftliches Arbeiten erlernt und eine fachgerechte Präsentation erstellt. Das Seminar umfasst eine schriftliche Ausarbeitung und endet mit einer individuellen Präsentation, die inhaltlich und didaktisch bewertet und mit Feedback versehen wird.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Programmierkenntnisse, gute Grundlagen in Mathematik, insbesondere Linearer Algebra und Analysis.
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 |
|---|---|---|---|
| (Ergebnisprüfung) Präsentation (Seminar) | 30 | praktisch | 20 Minuten |
| (Ergebnisprüfung) Schriftlicher Report (Seminar) | 20 | schriftlich | 3-5 Seiten |
| (Punktuelle Leistungsabfrage) Schriftliche Klausur (Vorlesung) | 50 | schriftlich | 60 Minuten |
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 20.
Anmeldeformalitäten
Die Anmeldung findet eine Woche vor der ersten Vorlesung statt und erfolgt ausschließlich über den ISIS-Kurs der Lehrveranstaltung.
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 / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Informatik StuPO 2015 | WiSe 2026/27 | Wahlpflichtbereich › Katalog Informatik |
| Informatik StuPO 2025 | WiSe 2026/27 | Wahlpflichtbereich › Studiengebiete › Intelligente Systeme › Seminare |
| Technische Informatik StuPO 2015 | WiSe 2026/27 | Wahlpflichtbereich › Kataloge › Informatik |
| Wirtschaftsinformatik StuPO 2015 | WiSe 2026/27 | Wahlpflichtbereich › Informatik |
| Wirtschaftsinformatik StuPO 2021 | WiSe 2026/27 | Wahlpflichtbereich › Informatik |
| Wirtschaftsinformatik StuPO 2025 | WiSe 2026/27 | Wahlpflichtbereich › Vertiefung Informatik › Seminare |
Sonstiges
Keine Angabe