Projekt Systeme des Maschinellen LernensModulbeschreibung #41341 / Version 1
- 12 LP
- Portfolioprüfung
- Unbenotet
- Wintersemester
- Englisch
| Modul / Version | #41341 / #1 |
|---|---|
| Gültigkeit | Seit WiSe 2026/27 |
| Verfügbare Sprache(n) | Englisch, Deutsch |
| Leistungspunkte | 12 |
| Modulverantwortliche*r | Böhm, Matthias |
| Benotung | Unbenotet |
| Prüfungsform | Portfolioprüfung |
| Lehrsprache(n) | Englisch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Softwaretechnik und Theoretische Informatik |
| Fachgebiet | 34352900 FG Big Data Engineering |
Kontakt
| Sekretariat | TEL 8-1 |
|---|---|
| Ansprechpartner*in | Böhm, Matthias |
| E-Mail-Adresse | matthias.boehm@tu-berlin.de |
| Webseite | https://mboehm7.github.io/ |
Lernergebnisse
Studierende sind in der Lage, sich gezielt mit den Internas von Machine Learning (ML) Systemen auseinander zu setzen und können erlernte Programmierkenntnisse dazu einsetzen, ein derartiges System von Grund auf selbst zu entwickeln.
Studierende können eine Inference Engine für LLMs (Large Language Models) erstellen, die existierende Huggingface Modelle für effiziente, lokale Generierung nutzt. Die Studierenden erlangen ein Gefühl der Selbstwirksamkeit, um Systeme für moderne LLMs selbst zu entwickeln und beeinflussen zu können.
Studierende können eine Inference Engine für LLMs (Large Language Models) erstellen, die existierende Huggingface Modelle für effiziente, lokale Generierung nutzt. Die Studierenden erlangen ein Gefühl der Selbstwirksamkeit, um Systeme für moderne LLMs selbst zu entwickeln und beeinflussen zu können.
Lehrinhalte
Dieses Modul umfasst ein Projekt welches in Teamarbeit bearbeitet und durch folgende Hilfestellungen begleitet wird:
* Diskussionsrunden zu Design, Implementierung, Tests und Experimenten mit einem Projekt-Mentor
* Design und Implementierung eines initialen Prototypen, inklusive Tests und Dokumentation
* Kurze Vorstellung des initialen Prototypen
* Experimentelle Evaluation des initialen Prototypen
* Weiterentwicklung des initialen Prototypen zu einem finalen Prototypen, gelenkt von den experimentellen Ergebnissen
* Teilnahme an Vorträgen und eigener 15-minütiger Vortrag zum finalen Prototypen
* Diskussionsrunden zu Design, Implementierung, Tests und Experimenten mit einem Projekt-Mentor
* Design und Implementierung eines initialen Prototypen, inklusive Tests und Dokumentation
* Kurze Vorstellung des initialen Prototypen
* Experimentelle Evaluation des initialen Prototypen
* Weiterentwicklung des initialen Prototypen zu einem finalen Prototypen, gelenkt von den experimentellen Ergebnissen
* Teilnahme an Vorträgen und eigener 15-minütiger Vortrag zum finalen Prototypen
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Machine Learning Systems | Projekt | Wintersemester | [en] | 8 | ISIS |
Arbeitsaufwand und Leistungspunkte
Machine Learning Systems (Projekt)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit Diskussionsrunden | 10 | 1 h | 10 h |
| Prototyp-Implementierung (einschließlich Tests und Dokumentation) | 1 | 260 h | 260 h |
| Experimente und Laufzeitverbesserungen | 1 | 75 h | 75 h |
| Präsentation (Vorbereitung und Teilnahme) | 1 | 15 h | 15 h |
| 360 h | |||
Der Aufwand des Moduls summiert sich zu 360 Stunden. Damit umfasst das Modul 12 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
* Angeleitete, selbstorganisierte Projektarbeit
* Durchführung von Laufzeitexperimenten
* Präsentation und Verteidigung der Ergebnisse
* Durchführung von Laufzeitexperimenten
* Präsentation und Verteidigung der Ergebnisse
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
#41078 Architecture of Machine Learning Systems
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Unbenotet |
|---|---|
| Prüfungsform | Portfolioprüfung |
| Art der Portfolioprüfung | 100 Punkte insgesamt |
| Sprache | Englisch |
Prüfungselemente
| Name | Punkte/Gewicht | Kategorie | Dauer/Umfang |
|---|---|---|---|
| (Ergebnisprüfung) Projektimplementierung | 45 | praktisch | ≈200 Stunden |
| (Ergebnisprüfung) Design-Dokument | 10 | schriftlich | 3 Seiten |
| (Ergebnisprüfung) Tests, Quellcode-Dokumentation, Experimente | 30 | praktisch | ≈125 Stunden |
| (Ergebnisprüfung) Präsentation des finalen Prototyps | 15 | mündlich | 30 Minuten |
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 20.
Anmeldeformalitäten
Anmeldung über den ISIS Kurs
Auswahl nach AllgStuPO in erster Semesterwoche
Auswahl nach AllgStuPO in erster Semesterwoche
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
nicht verfügbar
Empfohlene Literatur
- James Pan, Guoliang Li: A Survey of LLM Inference Systems. CoRR abs/2506.21901 (2025), https://arxiv.org/pdf/2506.21901
Zugeordnete Studiengänge
Diese Modulversion wird in folgenden Studiengängen verwendet:
| Studiengang / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Computer Engineering StuPO 2015 | WiSe 2026/27 | Wahlpflichtbereich › Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering |
| Computer Science (Informatik) StuPO 2015 | WiSe 2026/27 | Wahlpflichtbereich › Studiengebiete › Data and Software Engineering / Data and Software Engineering |
| Elektrotechnik StuPO 2015 | WiSe 2026/27 | Wahlpflichtbereich › Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering |
| Information Systems Management (Wirtschaftsinformatik) StuPO 2017 | WiSe 2026/27 | Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering |
Computer Science (M. Sc.)
Information Systems Mangagement (M. Sc.)
Information Systems Mangagement (M. Sc.)
Sonstiges
Keine Angabe