Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Seminar Generative ModelsModulbeschreibung #41310 / Version 1

← Zur Modulseite English version
Modul / Version#41310 / #1
GültigkeitSeit SoSe 2026
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte3
Modulverantwortliche*rMüller, Klaus-Robert
BenotungUnbenotet
PrüfungsformMündliche Prüfung
Lehrsprache(n)Englisch

Zugehörigkeit

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

Kontakt

SekretariatKeine Angabe
Ansprechpartner*inKeine Angabe
E-Mail-AdresseKeine Angabe
WebseiteKeine Angabe

Lernergebnisse

Students can:
- compare and differentiate major classes of generative models (e.g., VAEs, GANs, normalizing flows, energy-based models, diffusion models) with respect to their underlying assumptions, training objectives, and strengths and limitations;
- analyse and interpret current research papers in generative modelling, identifying methodological innovations, common pitfalls, and empirical evidence;
- formulate and communicate well-motivated research questions or hypotheses related to generative modelling and present them effectively in a seminar talk.

Lehrinhalte

Variational Autoencoders (VAEs)
Generative Adversarial Networks (GANs)
Normalizing Flows
Energy-based Models
Diffusion Models
Autoregressive Models (e.g., Transformers)
Applications of generative models

Modulbestandteile

Keine Angabe

Arbeitsaufwand und Leistungspunkte

Lehrveranstaltungsunabhängiger Aufwand

AufwandbeschreibungMultiplikatorStundenGesamt
Lektüre des zugewiesenen wissenschaftlichen Artikels125 h25 h
Weiterführende Literaturrecherche und Hintergrundstudium115 h15 h
Vorbereitung der Präsentation125 h25 h
Nachbereitung und Vertiefung des Themas110 h10 h
75 h

Der Aufwand des Moduls summiert sich zu 75 Stunden. Damit umfasst das Modul 3 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

The module is conducted as a research-oriented seminar. Students independently study selected scientific papers on generative models, prepare a seminar presentation, and lead an in-class discussion. The sessions consist of student presentations, group discussions, and guided feedback. Additional independent study includes reading assigned papers, preparing the presentation, and engaging with background literature.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Basic knowledge of machine learning and deep learning (e.g., training neural networks, optimization methods, supervised learning).
Familiarity with fundamental probabilistic concepts (e.g., probability distributions, log-likelihood) is helpful.
Some experience in reading scientific papers and basic Python skills are advantageous but not required.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungUnbenotet
PrüfungsformMündliche Prüfung
SpracheEnglisch
Dauer/Umfang10-15 Minuten Präsentation + 5 Minuten Fragen/Diskussion

Prüfungsbeschreibung (Abschluss des Moduls)

Die Prüfungsleistung besteht in der Lektüre und Präsentation eines zugewiesenen wissenschaftlichen Artikels sowie in der aktiven Teilnahme an der Diskussion.

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 40.

Anmeldeformalitäten

Die Anmeldung zum Modul und zur Prüfungsleistung erfolgt über MTS.
Zusätzlich wird die Anmeldung im zugehörigen ISIS-Kurs erwartet.

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.

Computer Science StuPO 2015

Sonstiges

Keine Angabe