Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Master Forschungs-Projekt ML IModulbeschreibung #41182 / Version 3

← Zur Modulseite English version
Modul / Version#41182 / #3
GültigkeitSeit WiSe 2025/26
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte6
Modulverantwortliche*rMüller, Klaus-Robert
BenotungBenotet
PrüfungsformPortfolioprüfung
Lehrsprache(n)Englisch

Zugehörigkeit

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

Kontakt

SekretariatFR 6-1
Ansprechpartner*inChmiela, Stefan
E-Mail-Adressestefan@chmiela.com
Webseitehttps://www.ml.tu-berlin.de/menue/machine_learning/

Lernergebnisse

Maschinelles Lernen (ML) und Datenmanagement (DM) sind die wesentlichen Faktoren, die die derzeitige Innovationswelle in den Bereichen künstliche Intelligenz und Datenwissenschaft antreiben. Dieses forschungsorientierte Modul richtet sich an Studierende, die bereits früh im Studium Einblick in aktuelle wissenschaftliche Fragestellungen im Bereich des Maschinellen Lernens erhalten und sich aktiv in Forschungsprojekte einbringen möchten. Jede*r Studierende bearbeitet ein individuelles Forschungsthema in enger Zusammenarbeit mit einer betreuenden Lehrperson. Der Fokus liegt dabei auf dem eigenständigen Arbeiten, kontinuierlichem wissenschaftlichen Austausch und dem schrittweisen Erwerb forschungsrelevanter Kompetenzen. Nach erfolgreichem Abschluss des Kurses sind die Studierenden in der Lage, ein wissenschaftliches Problem systematisch zu analysieren und die einschlägige Literatur umfassend zu erfassen. Sie haben sich fundiertes Wissen im relevanten Fachgebiet angeeignet, Erfahrungen in der Bewertung von Forschungsergebnissen hinsichtlich Genauigkeit und Zuverlässigkeit gesammelt sowie Kompetenzen im Verfassen von wissenschaftlichen Berichten und deren mündlicher Präsentation entwickelt. Darüber hinaus fördert die frühe Konzentration auf ein eigenständiges Forschungsprojekt das kritische Denken, die Organisationsfähigkeit und das Zeitmanagement.

Lehrinhalte

Die Forschungsprobleme werden aus der aktuellen Forschung der BIFOLD-Forschenden abgeleitet. Um sich einen Überblick über die laufenden Forschungsarbeiten zu verschaffen, sollten die Studierenden die BIFOLD-Website (https://bifold.berlin/research/workgroups) besuchen, um die neuesten Informationen zu erhalten. Für weitere Einzelheiten sollten sich die Studierenden direkt an die einzelnen Forschungsgruppenleitenden wenden.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Graduate Research Project ML IProjekt Winter- und Sommersemester[en]4 ISIS

Arbeitsaufwand und Leistungspunkte

Graduate Research Project ML I (Projekt)

AufwandbeschreibungMultiplikatorStundenGesamt
Erstellung eines schriftlichen Surveyartikels und einer Präsentation170 h70 h
Meetings mit Betreuer(n)102 h20 h
Recherche (Literatursuche, Lektüre)156 h90 h
180 h

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

Beschreibung der Lehr- und Lernformen

Die Studierenden arbeiten an ihrem individuellen Forschungsprojekt mit einem innovativen, zukunftsorientierten Schwerpunkt, indem sie eine umfassende und kritische Literaturrecherche durchführen. Daneben erstellen sie einen Surveyartikel zu ihrem Projektthema, den sie in schriftlicher und mündlicher Form präsentieren. Aktive, selbstmotivierte Teilnahme und Beiträge zu allen Teilen dieses Kurses sind unerlässlich.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Informatik-Themen, die in den Modulen des Bachelor-Studiengangs an der TU Berlin behandelt werden, insbesondere Kenntnisse in linearer Algebra und Infinitesimalrechnung, Wahrscheinlichkeitstheorie und Stochastik und relevante Grundlagen des maschinellen Lernens, sowie grundlegende Programmierkenntnisse. Kenntnisse aus einem Masterstudiengang auf diesem Gebiet sind erforderlich und werden in direkter Kommunikation mit dem Projektbetreuer vor der Einschreibung in den Kurs festgestellt. Dieser Kurs wird in englischer Sprache angeboten. Daher sind gute englische Sprachkenntnisse (C1) erforderlich.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungBenotet
PrüfungsformPortfolioprüfung
Art der Portfolioprüfung100 Punkte insgesamt
SpracheEnglisch

Prüfungselemente

NamePunkte/GewichtKategorieDauer/Umfang
(Ergebnisprüfung) Schriftlicher Surveyartikel50schriftlich10-15 Seiten
(Ergebnisprüfung) Mündliche Präsentation50mündlich20 Minuten

Prüfungsbeschreibung (Abschluss des Moduls)

Die Portfolioprüfung (100 Punkte) besteht aus zwei Teilen, nämlich: (i) einem schriftlichen Surveyartikel (50 Portfoliopunkte), (ii) einer mündlichen Präsentation (50 Portfoliopunkte)

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 6.

Anmeldeformalitäten

Die Studierenden wählen zunächst eine betreuende BIFOLD-Forschungsgruppe für ihr Forschungsprojekt aus, indem sie sich direkt an diese wenden (siehe hier: https://www.bifold.berlin/research/workgroups). Wenn das zuständige BIFOLD-Fachgebiet zustimmt, melden sich die Studierenden beim Gastgeber/Kursleiter in der entsprechenden Gruppe (Fachgebiet) an.

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
WiSe 2025/26Wahlpflicht Studiengebiet B › Kognitive Systeme / Cognitive Systems
SoSe 2026Wahlpflicht Studiengebiet B › Kognitive Systeme / Cognitive Systems
WiSe 2026/27Wahlpflichtbereich › Studiengebiet B › Kognitive Systeme / Cognitive Systems
Computer Science (Informatik)
StuPO 2015
WiSe 2025/26Studiengebiete › Data and Software Engineering / Data and Software Engineering
SoSe 2026Studiengebiete › Kognitive Systeme / Cognitive Systems
WiSe 2026/27Wahlpflichtbereich › Studiengebiet › Kognitive Systeme / Cognitive Systems
Elektrotechnik
StuPO 2015
WiSe 2025/26Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering
SoSe 2026Wahlpflicht Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering
WiSe 2026/27Wahlpflichtbereich › Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering
Information Systems Management (Wirtschaftsinformatik)
StuPO 2017
WiSe 2025/26Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering
SoSe 2026Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering
WiSe 2026/27Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering
Wirtschaftsingenieurwesen
StuPO 2026
WiSe 2026/27Ingenieurwissenschaften / Studienrichtungen › AI Engineering › Data and Software Engineering

Sonstiges

Keine Angabe