Machine Learning EngineeringModulbeschreibung #41143 / Version 7
- 6 LP
- Schriftliche Prüfung
- Benotet
- Winter- und Sommersemester
- Englisch
| Modul / Version | #41143 / #7 |
|---|---|
| Gültigkeit | Seit WiSe 2026/27 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Müller, Klaus-Robert |
| Benotung | Benotet |
| Prüfungsform | Schriftliche Prüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Softwaretechnik und Theoretische Informatik |
| Fachgebiet | 34352000 FG Maschinelles Lernen |
Kontakt
| Sekretariat | FR 6-1 |
|---|---|
| Ansprechpartner*in | Wolff, Jannik |
| E-Mail-Adresse | pyml@ml.tu-berlin.de |
| Webseite | https://web.ml.tu-berlin.de/teaching/courses/ |
Lernergebnisse
Studierende verstehen Prinzipien zur Implementierung von Machine-Learning-Aufgaben über relevante rechnerische Abstraktionsebenen hinweg. Sie können ML-Workflows entwerfen und implementieren, einschließlich Umgang mit Daten, Modellaufbau, Training und Evaluation, und dabei geeignete Werkzeuge und Frameworks verwenden.
Lehrinhalte
Die Themen können Grundlagen zur Implementierung und Anpassung von Machine-Learning-Methoden und -Anwendungen umfassen: rechnerische Repräsentationen von Daten, Modellen, Zielfunktionen, Trainingsschleifen und Evaluationsroutinen; Tensor- und Beschleunigungs-Frameworks; sowie ausgewählte Konzepte zur effizienten Ausführung auf moderner Hardware. Die genauen Themen und Werkzeuge können von Semester zu Semester variieren, um Entwicklungen im Machine-Learning-Engineering widerzuspiegeln.
Modulbestandteile
Compulsory area
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Machine Learning Engineering | Integrierte Veranstaltung | Winter- und Sommersemester | [en] | 4 | WiSe 2026/27 (2) ISIS |
Veranstaltungen im Vorlesungsverzeichnis
Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.
WiSe 2026/27 (2)
Machine Learning Engineering (Integrierte Veranstaltung) 2
Arbeitsaufwand und Leistungspunkte
Machine Learning Engineering (Integrierte Veranstaltung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Tutorien | 9 | 2 h | 18 h |
| Vorbereitung auf die Prüfung | 1 | 45 h | 45 h |
| Vorlesungen | 9 | 2 h | 18 h |
| Vor- und Nachbereitung der Tutorien (einschließlich Hausaufgaben) | 9 | 8 h | 72 h |
| Vor- und Nachbereitung der Vorlesungen | 9 | 3 h | 27 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 kombiniert Vorlesungen, Tutorien und Übungen. Tutorien und Übungen können ausgewählte Kursthemen in Form von Beispielen, Diskussionen, Hausaufgaben oder Übungsfragen behandeln.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Studierende sollten über Grundkenntnisse in Programmierung und Konzepten der Informatik verfügen, wie sie typischerweise in einführenden Informatikkursen behandelt werden. Grundlegendes mathematisches Verständnis und Vertrautheit mit formaler Notation werden erwartet. Die ISIS-Kursseite kann weitere Details zu den Voraussetzungen enthalten.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Schriftliche Prüfung |
| Sprache | Englisch |
| Dauer/Umfang | 120 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 250.
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.
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 / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Computer Engineering StuPO 2015 | WiSe 2026/27 | Wahlpflichtbereich › Studiengebiet B › Kognitive Systeme / Cognitive Systems |
| Computer Science (Informatik) StuPO 2015 | WiSe 2026/27 | Wahlpflichtbereich › Studiengebiet › Kognitive Systeme / Cognitive Systems |
| Elektrotechnik StuPO 2015 | WiSe 2026/27 | Wahlpflichtbereich › Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering |
| Informatik StuPO 2025 | WiSe 2026/27 | Wahlpflichtbereich › Studiengebiete › Intelligente Systeme › Weitere Module |
| Information Systems Management (Wirtschaftsinformatik) StuPO 2017 | WiSe 2026/27 | Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering |
| Medieninformatik StuPO 2017 | WiSe 2026/27 | Wahlpflichtbereich › Technische Profilbereiche (A) › Mensch-Maschine-Interaktion |
| Medientechnik StuPO 2022 | WiSe 2026/27 | Wahlpflichtbereich › Profilbereich › Mensch-Maschine-Interaktion |
| Physikalische Ingenieurwissenschaft StuPO 2020 | WiSe 2026/27 | 2.1 Numerik und Simulation › 2.1b Ergänzungsbereich |
| Wirtschaftsingenieurwesen StuPO 2026 | WiSe 2026/27 | Ingenieurwissenschaften / Studienrichtungen › AI Engineering › Data and Software Engineering |
Sonstiges
Wenn durchführbar, ist die Prüfung digital und findet in Präsenz statt. Das Prüfungsformat und die technische Einrichtung können variieren (z. B. je nach verfügbaren Ressourcen) und werden auf ISIS angegeben. Falls eine digitale Prüfung nicht durchführbar ist, kann ein alternatives Präsenzformat verwendet werden.
Ab dem Wintersemester 2026/27 trägt dieses Modul den Titel „Machine Learning Engineering“. Es wurde zuvor unter dem Titel „Python for Machine Learning“ angeboten. Studierende, die das Modul bereits unter seinem früheren Titel erfolgreich abgeschlossen haben, können es in der Regel nicht erneut für zusätzliche Leistungspunkte belegen.
Ab dem Wintersemester 2026/27 trägt dieses Modul den Titel „Machine Learning Engineering“. Es wurde zuvor unter dem Titel „Python for Machine Learning“ angeboten. Studierende, die das Modul bereits unter seinem früheren Titel erfolgreich abgeschlossen haben, können es in der Regel nicht erneut für zusätzliche Leistungspunkte belegen.