Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

DEAI - Data Engineering für KI und MLModulbeschreibung #41345 / Version 2

← Zur Modulseite English version
Modul / Version#41345 / #2
GültigkeitSeit WiSe 2026/27
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte12
Modulverantwortliche*rSchelter, Sebastian
BenotungBenotet
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-Adresseschelter@tu-berlin.de
Webseitehttps://deem.berlin/#teaching

Lernergebnisse

In diesem Projektseminar lernen die Studierenden, aktuelle Fragestellungen im Bereich Data-Engineering-für-KI-und-ML systematisch zu analysieren und zu bearbeiten. Darüber hinaus lernen die Studierenden den Stand der Technik und aktuelle Forschungsthemen im Bereich Data Engineering und Responsible Data Science kennen.

Im Projekt lernen sie eine problemorientierte Lösung zu entwickeln und umzusetzen. Die Studierenden lernen, als Team zusammenzuarbeiten, zur Projektorganisation, Qualitätssicherung und Dokumentation beizutragen und die Qualität ihrer Lösung durch Analysen, systematische Experimente und Testfälle zu bewerten. Nach dem Kurs sind die Studierenden in der Lage, die Architektur komplexer Datensysteme zu verstehen und Probleme beim End-to-End-Design, der Implementierung, dem Testen und dem Einsatz großer datengesteuerter Systeme zu lösen.

In den Seminaren lernen die Studierenden wissenschaftliche Arbeiten aus der Literatur zu Data Engineering und verantwortungsvoller Datenwissenschaft kritisch zu lesen und zu interpretieren, einen guten wissenschaftlichen Vortrag zu halten, der technisch präzise, ​​auf die relevanten Themen konzentriert und zudem unterhaltsam ist, sowie eine wissenschaftliche Uebersicht auf der Grundlage von Artikeln aus verschiedenen Quellen zu verfassen.

Lehrinhalte

In den Seminaren wird den Studierenden wird zunächst ein Forschungspapier zugeteilt (das als Primärquelle und Ausgangspunkt dient). Anschließend führen die Studierenden eine eigene Literaturrecherche durch, um verwandte/ergänzende Materialien (aus verschiedenen Quellen wie Büchern, Konferenzpapieren und Zeitschriften) zu identifizieren. Repräsentative Quellen sind Konferenzen wie bespielsweise VLDB, SIGMOD, NeurIPS, ICML, ICLR, CIDR sowie FAccT, AIES und EEAMO. Zusätzlich halten sie ein Koreferat zur kritischen Betrachtung eines weiteren Papiers.

Im Projekt werden verschiedene Themen angeboten, z. B. die Implementierung / Reproduktion eines Systems aus einem Forschungspapier oder die Weiterentwicklung von prototypischen Systemen aus der Forschung des DEEM Lab. Die Studierenden arbeiten dann in Gruppen an der Umsetzung, nehmen an Diskussionsrunden zu Design, Implementierung, Tests und Experimenten teil und halten Vorträge zum Stand ihres Projektes.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Data Engineering for AI and ML (DEAI)Projekt Winter- und Sommersemester[en]6 ISIS

Wahlpflichtbereich

Aus den folgenden Veranstaltungen muss eine Auswahl abgeschlossen werden:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Data Engineering for AI and ML (DEAI)Seminar Winter- und Sommersemester[en]2 ISIS
Responsible Data Engineering (RDSEM)Seminar Winter- und Sommersemester[en]2 ISIS

Veranstaltungen im Vorlesungsverzeichnis

Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.

WiSe 2026/27 (3)

Data Engineering for AI and ML (DEAI) (Projekt) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Data Engineering for AI and ML (DEAI) (Seminar) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Responsible Data Engineering (RDSEM) (Seminar) 1

Alle Gruppen dieser Lehrveranstaltung im Verzeichnis

Arbeitsaufwand und Leistungspunkte

Data Engineering for AI and ML (DEAI) (Projekt)

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

Data Engineering for AI and ML (DEAI) (Seminar)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Vor-/Nachbereitung152 h30 h
Ausarbeitung Vortrag130 h30 h
90 h

Responsible Data Engineering (RDSEM) (Seminar)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Vor-/Nachbereitung152 h30 h
Ausarbeitung Vortrag130 h30 h
90 h

Der Aufwand des Moduls summiert sich zu 450 Stunden. Damit umfasst das Modul 12 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

• Angeleitete und selbständige Projektarbeit
• Begleitetes und selbstorganisiertes Lesen wissenschaftlicher Papiere
• Recherchieren von Literatur
• Koreferat

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Abgeschlossene Grundkurse zu angewandtem maschinellem Lernen, Datenmanagement, sowie die Vorlesung zu „Data Engineering for Machine Learning“.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungBenotet
PrüfungsformPortfolioprüfung
Art der Portfolioprüfung100 Punkte insgesamt

Prüfungselemente

NamePunkte/GewichtKategorieDauer/Umfang
(Ergebnisprüfung) Präsentation im Seminar10mündlich10-20 Minuten
(Ergebnisprüfung) Diskussion von Seminarinhalten10mündlich10-20 Minuten
(Ergebnisprüfung) Koreferat zu Seminarpräsentation5mündlich5-10 Minuten
(Ergebnisprüfung) Initiale Präsentation im Projekt5mündlich2-5 Minuten
(Ergebnisprüfung) Schriftlicher Fortschrittsbericht im Projekt5schriftlich2-5 Seiten
(Ergebnisprüfung) Finale Präsentation im Projekt15mündlich15-30 Minuten
(Lernprozessevaluation) Prototyp mit Test Cases und Dokumentation25praktischCa. 60 Stunden
(Lernprozessevaluation) Experimentdesign and -analyse25praktischCa. 60 Stunden

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

Details zur Registrierung werden auf der ISIS Seite bekannt gegeben.

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

nicht verfügbar

Empfohlene Literatur

  • Project specific literature will be announced in the first lecture.

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

Sonstiges

Keine Angabe