Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Advanced Python Programming for Deep Learning in Remote SensingModulbeschreibung #41199 / Version 1

← Zur Modulseite English version
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27). Zur aktuellen Version (v3)
Modul / Version#41199 / #1
GültigkeitWiSe 2024/25 – WiSe 2024/25
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte9
Modulverantwortliche*rDemir, Begüm
BenotungBenotet
PrüfungsformPortfolioprüfung
Lehrsprache(n)Englisch

Zugehörigkeit

FakultätFakultät IV
InstitutInstitut für Technische Informatik und Mikroelektronik
Fachgebiet34342200 FG Remote Sensing Image Analysis (RSiM)

Kontakt

SekretariatFR 6-2
Ansprechpartner*inKlotz, Jonas
E-Mail-Adressej.klotz@tu-berlin.de
Webseitehttps://rsim.berlin/

Lernergebnisse

Die Teilnehmenden dieses Kurses erwerben fortgeschrittene Kenntnisse in der Python-Programmierung auf dem Gebiet für Deep Learning in der Fernerkundung. Darüber hinaus lernen die Teilnehmenden, wie sie Herausforderungen bei der Verarbeitung von Fernerkundungsdaten bewältigen können, und erwerben praktische Fähigkeiten beim Training aktueller Deep Learning Methoden. Nach Abschluss dieses Kurses werden die Teilnehmenden in der Lage sein, die notwendige Datenpipeline zu implementieren, um tiefe neuronale Netze auf großen Fernerkundungsdatensätzen effizient zu trainieren.

Lehrinhalte

Ziel des Kurses ist es, praktisches Wissen für die auf Deep Learning basierende Verarbeitung und Analyse von Fernerkundungsbildern zu vermitteln. Der Kurs beginnt mit einer Einführung in die einzelnen technischen Schritte im Zusammenhang mit der Erstellung eines Datensatzes und dessen effizienter Vorverarbeitung. Anschließend wird eine Trainingspipeline implementiert und eine Vielzahl von Deep Learning Experimenten durchgeführt. Neben modernen Deep Learning Methoden und Architekturen werden relevante Daten- und Speicherformate vorgestellt, wobei ein besonderes Augenmerk auf Effizienz, Flexibilität und nahtlose Durchführung von Experimenten in Python gelegt wird, um eine effiziente, groß angelegte Fernerkundungsbildanalyse mit Deep Learning zu ermöglichen. Verschiedene Praktische Anwendungen werden während des gesamten Kurses behandelt.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Advanced Python Programming for Deep Learning in Earth Observation (APP4EO)Praktikum41199 Wintersemester[en]6 ISIS

Veranstaltungen im Vorlesungsverzeichnis

Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.

WiSe 2026/27 (1)

Advanced Python Programming for Deep Learning in Earth Observation (APP4EO) (Praktikum) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Arbeitsaufwand und Leistungspunkte

Advanced Python Programming for Deep Learning in Earth Observation (APP4EO) (Praktikum)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit156 h90 h
Vor-/Nachbereitung1512 h180 h
270 h

Der Aufwand des Moduls summiert sich zu 270 Stunden. Damit umfasst das Modul 9 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Dieses Modul besteht aus 1) Frontalunterricht (in dem die Dozenten die Methoden vorstellen und den theoretischen Hintergrund vermitteln) sowie 2) geführten und selbst organisierten Programmierübungen.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Solide Python-Programmierkenntnisse sind wünschenswert. Die Teilnahme am Modul „Bildverarbeitung für Fernerkundung (Image Processing for Remote Sensing)“ und ein Grundkurs über maschinelles Lernen werden empfohlen.

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) Code/Report 1. Meilenstein25schriftlich~5-10 Seiten
(Ergebnisprüfung) Code/Report 2. Meilenstein25schriftlich~5-10 Seiten
(Ergebnisprüfung) Code/Report 3. Meilenstein25schriftlich~5-10 Seiten
(Ergebnisprüfung) Mündliche Präsentation25mündlichca. 20 Minuten

Prüfungsbeschreibung (Abschluss des Moduls)

Die Gesamtnote des Moduls setzt sich aus den Ergebnissen der Kursarbeit („Portfolio-Prüfung“) zusammen. Es gibt vier Portfolio-Bewertungen: drei Meilensteine und eine mündliche Präsentation. Jede Meilensteinprüfung umfasst die Einreichung des entwickelten Codes und eines Berichts. Die Richtlinien für die Einreichung des Berichts sind auf der Website der Vorlesung verfügbar. Jeder Meilenstein wird mit 25 Punkten bewertet. Die vierte Bewertung ist eine mündliche Präsentation über eines der vorgestellten Themen (25 Punkte).

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 24.

Anmeldeformalitäten

Studierende, die diesen Kurs belegen wollen, müssen die Anweisungen auf der ISIS-Kursseite für die Anmeldung vor Semesterbeginn befolgen. Innerhalb der ersten 4 Wochen nach Beginn der Lehrveranstaltung müssen sich die Studierenden für das Modul auf dem Modultransfersystem (MTS) - Moses und zusätzlich auf ISIS (TU Berlin Variante von „Moodle“) für die Bereitstellung von Lehrmaterialien und Kommunikation anmelden.

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

nicht verfügbar

Empfohlene Literatur

Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge

Dieses Modul findet in keinem Studiengang Verwendung.

Sonstiges

Keine Angabe