Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Programmierpraktikum: Datensysteme - Machine Learning PipelinesModulbeschreibung #41222 / Version 1

← Zur Modulseite English version
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27). Zur aktuellen Version (v2)
Modul / Version#41222 / #1
GültigkeitWiSe 2024/25 – WiSe 2025/26
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte6
Modulverantwortliche*rSchelter, Sebastian
BenotungUnbenotet
PrüfungsformPortfolioprüfung
Lehrsprache(n)Englisch

Zugehörigkeit

FakultätFakultät IV
InstitutInstitut für Softwaretechnik und Theoretische Informatik
Fachgebiet34353500 FG Management von Data Science-Prozessen (BIFOLD)

Kontakt

SekretariatKeine Angabe
Ansprechpartner*inSchelter, Sebastian
E-Mail-Adressesebastian.schelter@tu-berlin.de
WebseiteKeine Angabe

Lernergebnisse

Die Studierenden lernen

- Software-Engineering-Methoden anzuwenden, um eine komplexe praktische Aufgabe zu lösen,
- Gemeinschaftliche Projektarbeit,
- gängige Methoden zur Implementierung ausgewählter Komponenten von Pipelines für maschinelles Lernen zu nutzen

Lehrinhalte

Zu Beginn jedes Semesters definieren wir ein neues Projekt (oder mehrere) im Zusammenhang mit der Implementierung von Pipelines für maschinelles Lernen (die Daten aus heterogenen Quellen aufbereiten, sie als Features kodieren und anschließend ein oder mehrere ML-Modelle trainieren). Studierende erhalten Spezifikationen zu diesen Komponenten sowie ausgewählte Umsetzungsziele. Die Aufgabe besteht dann darin, in selbstorganisierten Teams von 4 Personen korrekte Implementierungen dieser Komponenten in Python, Scala oder Rust zu erstellen. Neben der Entwicklung des Quellcodes der Prototypen sind weitere wichtige Aspekte der Einsatz von Versionskontrolltools, testgetriebene Entwicklung, Designdokumentation sowie Laufzeitexperimente und -verbesserungen. Gleichzeitig ermöglicht dieses Projekt ein tieferes Verständnis von Methoden im Zusammenhang mit Pipelines für maschinelles Lernen und Datenanalyse sowie Algorithmen und Datenstrukturen. Der Fokus liegt jedoch auf einer problemorientierten Nutzung von Programmierkenntnissen, also der Lösung eines praktischen Problems, und nicht auf einer ganzheitlichen Abdeckung der Funktionalität von Machine-Learning-Anwendungen.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Datensysteme - Machine Learning PipelinesPraktikum Wintersemester[en]4 ISIS

Veranstaltungen im Vorlesungsverzeichnis

Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.

WiSe 2026/27 (1)

Datensysteme - Machine Learning Pipelines (Praktikum) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Arbeitsaufwand und Leistungspunkte

Datensysteme - Machine Learning Pipelines (Praktikum)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Vor-/Nachbereitung1510 h150 h
180 h

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

Beschreibung der Lehr- und Lernformen

Betreute, selbstorganisierte Projektarbeit
Aufbau und Durchführung von Laufzeitexperimenten
Präsentation und Diskussion der Versuchsergebnisse

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Keine formalen Voraussetzungen, aber grundlegende Kenntnisse in Programmiersprachen, Informationssystemen und Datenanalyse sowie Algorithmen und Datenstrukturen sind von Vorteil.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungUnbenotet
PrüfungsformPortfolioprüfung
Art der Portfolioprüfung100 Punkte insgesamt
SpracheDeutsch

Prüfungselemente

NamePunkte/GewichtKategorieDauer/Umfang
(Ergebnisprüfung) Projektimplementierung45praktischSource Code des Projekts
(Ergebnisprüfung) Tests (Komponenten und Funktionen)10praktischSource Code der Tests
(Ergebnisprüfung) Laufzeitexperimente15praktischErreichung Performance-Ziel
(Ergebnisprüfung) Dokumentation15schriftlichDesign Dokument (bis zu vier Seiten)
(Ergebnisprüfung) Ergebnispräsentation15mündlich10min Vortrag

Prüfungsbeschreibung (Abschluss des Moduls)

Die Modulprüfung umfasst die Einreichung der Artefakte der Projektimplementierung und Dokumentation, sowie die Präsentation der Ergebnisse vor den Teilnehmern des Kurses.

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden: Wintersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 16.

Anmeldeformalitäten

Zum Besuch der Lehrveranstaltung ist eine Zulassung erforderlich. Bitte informieren Sie sich vor Beginn der Vorlesungszeit auf https://deem.berlin/#teaching , um nähere Informationen zum Anmeldeprozess zu erhalten.

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
Informatik
StuPO 2015
SoSe 2025Wahlpflichtbereich Programmierpraktikum
WiSe 2025/26Wahlpflichtbereich Programmierpraktikum
Wirtschaftsinformatik
StuPO 2021
SoSe 2025Wahlpflichtbereich › Programmierpraktikum
WiSe 2025/26Wahlpflichtbereich › Programmierpraktikum

Keine Angabe

Sonstiges

Keine Angabe