Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Projekt Systeme des Maschinellen LernensModulbeschreibung #41341 / Version 1

← Zur Modulseite English version
Modul / Version#41341 / #1
GültigkeitSeit WiSe 2026/27
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte12
Modulverantwortliche*rBöhm, Matthias
BenotungUnbenotet
PrüfungsformPortfolioprüfung
Lehrsprache(n)Englisch

Zugehörigkeit

FakultätFakultät IV
InstitutInstitut für Softwaretechnik und Theoretische Informatik
Fachgebiet34352900 FG Big Data Engineering

Kontakt

SekretariatTEL 8-1
Ansprechpartner*inBöhm, Matthias
E-Mail-Adressematthias.boehm@tu-berlin.de
Webseitehttps://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.

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

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Machine Learning SystemsProjekt Wintersemester[en]8 ISIS

Arbeitsaufwand und Leistungspunkte

Machine Learning Systems (Projekt)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit Diskussionsrunden101 h10 h
Prototyp-Implementierung (einschließlich Tests und Dokumentation)1260 h260 h
Experimente und Laufzeitverbesserungen175 h75 h
Präsentation (Vorbereitung und Teilnahme)115 h15 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

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

BenotungUnbenotet
PrüfungsformPortfolioprüfung
Art der Portfolioprüfung100 Punkte insgesamt
SpracheEnglisch

Prüfungselemente

NamePunkte/GewichtKategorieDauer/Umfang
(Ergebnisprüfung) Projektimplementierung45praktisch≈200 Stunden
(Ergebnisprüfung) Design-Dokument10schriftlich3 Seiten
(Ergebnisprüfung) Tests, Quellcode-Dokumentation, Experimente30praktisch≈125 Stunden
(Ergebnisprüfung) Präsentation des finalen Prototyps15mündlich30 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

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 / StuPOSemesterStudiengangsbereich
Computer Engineering
StuPO 2015
WiSe 2026/27Wahlpflichtbereich › Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering
Computer Science (Informatik)
StuPO 2015
WiSe 2026/27Wahlpflichtbereich › Studiengebiete › Data and Software Engineering / Data and Software Engineering
Elektrotechnik
StuPO 2015
WiSe 2026/27Wahlpflichtbereich › Studiengebiete Fak. IV › Data and Software Engineering / Data and Software Engineering
Information Systems Management (Wirtschaftsinformatik)
StuPO 2017
WiSe 2026/27Wahlpflichtbereich › Fachstudium Informatik › Data and Software Engineering
Computer Science (M. Sc.)
Information Systems Mangagement (M. Sc.)

Sonstiges

Keine Angabe