Praktisches Anwenden der KI in der klimabedingten Landnutzungsänderung: Eine EinführungModulbeschreibung #61537 / Version 1
- 6 LP
- Hausarbeit
- Benotet
- Wintersemester
- Deutsch
Diese Modulbeschreibung gilt nicht im aktuellen Semester (WiSe 2026/27).
Zur aktuellen Version (v2)
| Modul / Version | #61537 / #1 |
|---|---|
| Gültigkeit | SoSe 2023 – WiSe 2023/24 |
| Verfügbare Sprache(n) | Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Rudolph, Annette |
| Benotung | Benotet |
| Prüfungsform | Hausarbeit |
| Lehrsprache(n) | Deutsch |
Zugehörigkeit
| Fakultät | Fakultät VI |
|---|---|
| Institut | Institut für Landschaftsarchitektur und Umweltplanung (ILaUP) |
| Fachgebiet | 36352400 FG Künstliche Intelligenz und Landnutzungswandel (Artificial Intelligence and Land Use Change) |
Kontakt
| Sekretariat | EB 5 |
|---|---|
| Ansprechpartner*in | Rudolph, Annette |
| E-Mail-Adresse | annette.rudolph@tu-berlin.de |
| Webseite | Keine Angabe |
Lernergebnisse
Nach erfolgreichem Abschluss des Moduls können die Teilnehmenden verschiedene Methoden aus dem Bereich des Maschinellen Lernens anwenden, und große, studienrelevante Datenmengen mithilfe der Programmiersprache Python auswerten.
Lehrinhalte
Die Veranstaltung bildet die Grundlage für das systematische Anwenden datenbasierter Methoden auf Forschungsfragen im Bereich der Ökologie, Umweltplanung, Landnutzung und verwandten Themengebieten.
In der Lehrveranstaltung wird zunächst eine kurze Einführung in die Programmiersprache Python gegeben, mit der im weiteren Verlauf die Methoden des maschinellen Lernens weiter vertieft werden. Hierzu gehört unter anderem die Diskussion der Algorithmen perceptron, SVM (support vector machine), decision trees, sowie der Einstieg ins deep learning.
Die Anwendbarkeit, Vor- und Nachteile der in diesem Kurs diskutierten Algorithmen werden mithilfe von Jupyter Notebooks in der Vorlesung erläutert, wo sie direkt umgesetzt werden können. In begleitenden Übungen werden Anwendungsbeispiele vertieft. In einer Hausarbeit werden schließlich aktuelle Fragestellungen aus den Bereichen der Ökologie, Umweltplanung, Naturschutz, Landnutzung, Treibhausgas-Emissionen und Klimaschutz selbstständig ausgewertet.
In der Lehrveranstaltung wird zunächst eine kurze Einführung in die Programmiersprache Python gegeben, mit der im weiteren Verlauf die Methoden des maschinellen Lernens weiter vertieft werden. Hierzu gehört unter anderem die Diskussion der Algorithmen perceptron, SVM (support vector machine), decision trees, sowie der Einstieg ins deep learning.
Die Anwendbarkeit, Vor- und Nachteile der in diesem Kurs diskutierten Algorithmen werden mithilfe von Jupyter Notebooks in der Vorlesung erläutert, wo sie direkt umgesetzt werden können. In begleitenden Übungen werden Anwendungsbeispiele vertieft. In einer Hausarbeit werden schließlich aktuelle Fragestellungen aus den Bereichen der Ökologie, Umweltplanung, Naturschutz, Landnutzung, Treibhausgas-Emissionen und Klimaschutz selbstständig ausgewertet.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
Arbeitsaufwand und Leistungspunkte
Einführung in die künstliche Intelligenz in der Landnutzungsänderung (Übung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| 0 h | |||
Einführung in die künstliche Intelligenz in der Landnutzungsänderung (Vorlesung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 10 h | 150 h |
| 180 h | |||
Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Das Modul besteht aus einer Vorlesung und einer begleitenden Übung, welche jeweils wöchentlich angeboten werden. In der Vorlesung werden die theoretischen Konzepte mit Anwendungsbeispielen mithilfe von Jupyter Notebooks erläutert. In der Übung werden die Anwendungen weiter vertieft.
Im Rahmen des Moduls wird das eigenständige Verarbeiten und Auswerten von umweltbezogenen Daten mithilfe der Programmiersprache Python erlernt. In einer Hausarbeit werden die erworbenen Fähigkeiten anhand eines Anwendungsbeispiels aus den Bereichen der Ökologie, Umweltplanung, Naturschutz, Landnutzung, Treibhausgas-Emissionen und Klimaschutz eigenständig angewendet.
Im Rahmen des Moduls wird das eigenständige Verarbeiten und Auswerten von umweltbezogenen Daten mithilfe der Programmiersprache Python erlernt. In einer Hausarbeit werden die erworbenen Fähigkeiten anhand eines Anwendungsbeispiels aus den Bereichen der Ökologie, Umweltplanung, Naturschutz, Landnutzung, Treibhausgas-Emissionen und Klimaschutz eigenständig angewendet.
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Statistikkenntnisse und Programmierkenntnisse sind von Vorteil, aber nicht notwendig.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Dieses Modul hat keine Prüfungsvoraussetzungen.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Hausarbeit |
| Sprache | Deutsch |
| Dauer/Umfang | Auf ca. 10 Seiten wird ein Algorithmus auf Daten angewendet, ausgewertet und diskutiert. |
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 30.
Anmeldeformalitäten
Anmeldungen bitte per email an annette.rudolph@tu-berlin.de
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.
Sonstiges
Keine Angabe