Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Python für Maschinelles LernenModulbeschreibung #41143 / Version 6

← Zur Modulseite English version
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27). Zur aktuellen Version (v7)
Modul / Version#41143 / #6
GültigkeitSoSe 2026 – SoSe 2026
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte6
Modulverantwortliche*rMüller, Klaus-Robert
BenotungBenotet
PrüfungsformSchriftliche Prüfung
Lehrsprache(n)Englisch

Zugehörigkeit

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

Kontakt

SekretariatFR 6-1
Ansprechpartner*inWolff, Jannik
E-Mail-Adressepyml@ml.tu-berlin.de
Webseitehttps://web.ml.tu-berlin.de/teaching/courses/

Lernergebnisse

Die Studierenden zeigen ein starkes konzeptionelles Verständnis von Python, einschließlich Kernprinzipien wie Syntax, Idiome, fortgeschrittene funktionale und objektorientierte Muster sowie der im Kurs eingeführten Bibliotheken. Sie können fortgeschrittene Machine-Learning-Aufgaben implementieren, gestützt auf ein solides Verständnis der zugrunde liegenden Konzepte. Sie können Standard-Programmierwerkzeuge wie Programmierumgebungen und Debugger verwenden.

Lehrinhalte

- Python-Syntax und -Idiome (Beispiel: List Comprehensions und Typbehandlung)
- Fortgeschrittene funktionale und objektorientierte Muster (Beispiel: Dekoratoren oder Dunder-Methoden)
- Bibliotheken (Beispiel: Beschleunigungs-Frameworks wie NumPy oder Torch)
- Implementierung von Machine-Learning-Aufgaben, die auch das konzeptionelle Verständnis des Settings umfasst
- Verwendung von Programmierumgebungen (Beispiel: Jupyter-Umgebung & Debugger)

Die genauen Inhalte (z. B. die bereitgestellten Beispiele) können je nach Semester variieren, z. B. basierend auf jüngsten Entwicklungen.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Python for Machine LearningIntegrierte Veranstaltung Winter- und Sommersemester[en]4 ISIS

Veranstaltungen im Vorlesungsverzeichnis

Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.

WiSe 2026/27 (2)

Python for Machine Learning (Integrierte Veranstaltung) 2

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Arbeitsaufwand und Leistungspunkte

Python for Machine Learning (Integrierte Veranstaltung)

AufwandbeschreibungMultiplikatorStundenGesamt
Tutorien92 h18 h
Vorbereitung auf die Prüfung145 h45 h
Vorlesungen92 h18 h
Vor- und Nachbereitung der Tutorien (einschließlich Hausaufgaben)98 h72 h
Vor- und Nachbereitung der Vorlesungen93 h27 h
180 h

Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Das Modul besteht aus ungefähr neun Vorlesungen und dem Äquivalent von ungefähr neun Tutorial-Sitzungen. Einige Wochen enthalten Hausaufgaben. Die Studierenden erledigen die Hausaufgaben üblicherweise außerhalb der Tutorials, wobei die Tutorials Hilfe bieten können.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Studierende sollten grundlegende Programmierprinzipien in Python oder einer anderen Sprache mit gleicher oder geringerer Abstraktion (z. B. nicht R) kennen. Wir empfehlen, vor Beginn des Kurses eine virtuelle Python-Umgebung zu installieren, wobei dies auf Betriebssystemen wie Windows viel Zeit in Anspruch nehmen kann. Studierende sollten darüber hinaus grundlegende mathematische Prinzipien kennen. Beispielsweise erleichtert Wissen in linearer Algebra das Verständnis für die Implementierung komplexer Tensoroperationen.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungBenotet
PrüfungsformSchriftliche Prüfung
SpracheEnglisch
Dauer/Umfang120 Minuten

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 150.

Anmeldeformalitäten

Die Kurswebseite auf ISIS beschreibt die Zulassung für ein bestimmtes Semester. Studierende werden dazu ermutigt, sich rechtzeitig (idealerweise vor Beginn des Semesters) mit dem Zulassungsverfahren vertraut zu machen. Andernfalls können sie nicht am Modul teilnehmen, wenn sie wichtige Zulassungsfristen verpassen. Beachten Sie, dass Teile des ISIS-Kurses manchmal für Gäste (ohne TU-Account) verfügbar sind.

Die maximale Teilnehmerzahl wird durch die im jeweiligen Semester verfügbaren organisatorischen und technischen Ressourcen bestimmt.

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

verfügbar

Empfohlene Literatur

Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge

Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOSemesterStudiengangsbereich
Computer Engineering
StuPO 2015
SoSe 2026Wahlpflicht Studiengebiet B › Kognitive Systeme / Cognitive Systems
Computer Science (Informatik)
StuPO 2015
SoSe 2026Studiengebiete › Kognitive Systeme / Cognitive Systems
Elektrotechnik
StuPO 2015
SoSe 2026Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering
ICT Innovation
StuPO 2020
SoSe 2026Studienrichtungen › Major: Embedded Systems › Exit year: Embedded Systems › Exit year Electives: Embedded Systems
Information Systems Management (Wirtschaftsinformatik)
StuPO 2017
SoSe 2026Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering
Medieninformatik
StuPO 2017
SoSe 2026Wahlpflichtbereich › Technische Profilbereiche (A) › Profilbereich Mensch-Maschine-Interaktion
Medientechnik
StuPO 2022
SoSe 2026Wahlpflichtbereich Profilbereiche › Profilbereich Mensch-Maschine-Interaktion
Physikalische Ingenieurwissenschaft
StuPO 2020
SoSe 20262.1 Numerik und Simulation › 2.1b Ergänzungsbereich

Sonstiges

Wenn möglich, ist die Prüfung digital und findet in Präsenz statt: Studierende schreiben Code in einer Programmierumgebung (z. B. einer Jupyter-Umgebung) und haben Zugriff auf einen Python-Interpreter, Dokumentation (über Pythons Standardbibliothek) sowie einen einfachen Python-Debugger über die Python-Standardbibliothek. Die Umgebung umfasst üblicherweise zusätzliche Programmier-Frameworks, z. B. zur Implementierung von Tensoroperationen. Das genaue Setup wird auf ISIS angegeben und kann je nach technischen oder anderen Einschränkungen variieren.

Die Durchführbarkeit einer digitalen Prüfung kann nicht garantiert werden und ist durch technische und andere Ressourcen begrenzt. Die Ausweichlösung ist entweder eine schriftliche Prüfung (Stift und Papier) oder eine hybride Lösung (z. B. kein Zugriff auf einen Python-Interpreter, aber Abgabe der Antworten über ISIS).

Bitte konsultieren Sie die Kurswebseite auf ISIS für zusätzliche Informationen.