Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Maschinelles Learning und DatenmanagementsystemeModulbeschreibung #41146 / Version 1

← Zur Modulseite English version
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27). Zur aktuellen Version (v2)
Modul / Version#41146 / #1
GültigkeitSoSe 2024 – SoSe 2025
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte3
Modulverantwortliche*rBöhm, Matthias
BenotungBenotet
PrüfungsformReferat
Lehrsprache(n)Englisch

Zugehörigkeit

FakultätFakultät IV
InstitutInstitut für Softwaretechnik und Theoretische Informatik
Fachgebiet34352900 FG Big Data Engineering

Kontakt

SekretariatKeine Angabe
Ansprechpartner*inBöhm, Matthias
E-Mail-Adressematthias.boehm@tu-berlin.de
Webseitehttps://www.tu.berlin/en/go112669/

Lernergebnisse

Nach dem Kurs sind die Studierenden in der Lage, komplexe Sachverhalte in mündlichen Präsentationen und in schriftlicher Form (Journal/Konferenzformat) zu vermitteln. Die Teilnehmer sind in der Lage, Literaturrecherchen durchzuführen und verfügen über vertiefte Kenntnisse zu einem bestimmten aktuellen Thema des maschinellen Lernens und der Datenmanagementsysteme.

Lehrinhalte

Dies ist ein gemeinsames forschungsorientiertes Seminar der Gruppe Maschinelles Lernen und der Gruppe DAMS Lab (Big Data Engineering). Während des Seminars haben die Studenten die Möglichkeit, sich über die jüngsten Fortschritte im Schnittpunkt von maschinellem Lernen und Datenmanagementsystemen zu informieren.

Beispiele für Themen sind:

- Federated/Deep Ensemble Learning und Datenmanagementsysteme.
- Kohlenstoffbewusste Datenmanagementsysteme und maschinelles Lernen.
- Komprimierung von ML-Systemen.
- Kontinuierliches, lebenslanges und Online-Lernen.
- Datenverwaltungssysteme für Lebenslanges Lernen.
- Hashing und Skizzen.
- Aufbau von ML-Pipelines für die Aufbereitung großer Datenmengen, Modelltraining und Modell-Debugging, Versionierung und Überwachung.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Machine Learning and Data Management SystemsSeminar Winter- und Sommersemester–2 ISIS

Arbeitsaufwand und Leistungspunkte

Machine Learning and Data Management Systems (Seminar)

AufwandbeschreibungMultiplikatorStundenGesamt
Attendance of Meetings32 h6 h
Literature review165 h65 h
Presentation preparation and presentation115 h15 h
86 h

Der Aufwand des Moduls summiert sich zu 86 Stunden. Damit umfasst das Modul 3 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Jedem Studenten wird eine Arbeit aus dem Bereich des fortgeschrittenen maschinellen Lernens und der Datenmanagementsysteme zugewiesen. Die Studierenden müssen die zugewiesene Arbeit lesen und verstehen, einschließlich einer Literaturübersicht, die zum vollständigen Verständnis der Arbeit erforderlich ist. Anschließend fasst jeder Student sein Papier in einem vorzeigbaren Format zusammen. Abschließend präsentieren die Studierenden ihre Arbeiten vor der Gruppe, gefolgt von einer Diskussion über das Thema.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Bevorzugt: Machine Learning I/II oder Machine Intelligence I/II oder Architecture of Machine Learning Systems.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungBenotet
PrüfungsformReferat
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

Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.

Anmeldeformalitäten

Anmeldung per E-Mail an Prof. Dr. Matthias Böhm (matthias.boehm<AT>tu-berlin.de) oder Dennis Grinwald (dennis.grinwald<AT>tu-berlin.de).

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

nicht verfügbar

Empfohlene Literatur

  • Seminar-specific literature will be discussed during the first lecture.

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
Information Systems Management (Wirtschaftsinformatik)
StuPO 2017
SoSe 2025Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering

Sonstiges

Keine Angabe