Einführung in die Künstliche Intelligenz in Klima und UmweltModulbeschreibung #61537 / Version 2
- 6 LP
- Hausarbeit
- Benotet
- Winter- und Sommersemester
- Deutsch
| Modul / Version | #61537 / #2 |
|---|---|
| Gültigkeit | Seit SoSe 2024 |
| 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 in den Bereichen 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 selbstständig Daten aus den Bereichen der Ökologie, Umweltplanung, Naturschutz, Landnutzung, Treibhausgas-Emissionen und Klimaschutz 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 selbstständig Daten aus den Bereichen der Ökologie, Umweltplanung, Naturschutz, Landnutzung, Treibhausgas-Emissionen und Klimaschutz ausgewertet.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Einführung in die Künstliche Intelligenz in Klima und Umwelt | Integrierte Veranstaltung | Winter- und Sommersemester | [de] | 4 | WiSe 2026/27 (1) ISIS |
Veranstaltungen im Vorlesungsverzeichnis
Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.
WiSe 2026/27 (1)
Einführung in die Künstliche Intelligenz in Klima und Umwelt (Integrierte Veranstaltung) 1
Arbeitsaufwand und Leistungspunkte
Einführung in die Künstliche Intelligenz in Klima und Umwelt (Integrierte Veranstaltung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 4 h | 60 h |
| Vor-/Nachbereitung | 15 | 8 h | 120 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 integrierten Lehrveranstaltung, welche jeweils wöchentlich angeboten wird. In der Lehrveranstaltung werden die theoretischen Konzepte mit Anwendungsbeispielen mithilfe von Jupyter Notebooks erläutert, wobei Gruppenarbeiten eine zentrale Rolle spielen. Die Anwendungen werden 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. Für einen erfolgreichen Abschluss des Models, ist die aktive und regelmäßige Teilnahme an den Lehrveranstaltungen erforderlich, sowie das Verfassen einer Hausarbeit.
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: Winter- und Sommersemester.
Maximale teilnehmende Personen
Die maximale Teilnehmerzahl beträgt 30.
Anmeldeformalitäten
Anmeldungen bitte über ISIS.
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
nicht verfügbar
Empfohlene Literatur
Keine empfohlene Literatur angegeben
Zugeordnete Studiengänge
Diese Modulversion wird in folgenden Studiengängen verwendet:
| Studiengang / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Environmental Planning StuPO 2017 (13.12.2017) | SoSe 2025 | Wahlpflichtbereich 2: Ergänzungsbereich |
| WiSe 2025/26 | Wahlpflichtbereich 2: Ergänzungsbereich | |
| SoSe 2026 | Wahlpflichtbereich 2: Ergänzungsbereich | |
| WiSe 2026/27 | Wahlpflichtbereich 2: Ergänzungsbereich | |
| Volkswirtschaftslehre und Nachhaltigkeit StuPO 2024 | WiSe 2026/27 | Wahlpflichtbereich › Nachhaltigkeit und Technik |
| Ökologie und Umweltplanung StuPO 2016 | SoSe 2025 | Wahlpflichtbereich |
| WiSe 2025/26 | Wahlpflichtbereich | |
| SoSe 2026 | Wahlpflichtbereich | |
| WiSe 2026/27 | Wahlpflichtbereich | |
| Ökologie und Umweltplanung StuPO 2019 (20.02.2019) | SoSe 2025 | Wahlpflichtbereich Profilierung Ökologie und Umweltplanung › Profilierung Umweltplanung |
| WiSe 2025/26 | Wahlpflichtbereich Profilierung Ökologie und Umweltplanung › Profilierung Umweltplanung | |
| SoSe 2026 | Wahlpflichtbereich Profilierung Ökologie und Umweltplanung › Profilierung Umweltplanung | |
| WiSe 2026/27 | Wahlpflichtbereich Profilierung Ökologie und Umweltplanung › Profilierung Umweltplanung |
Sonstiges
Die Veranstaltung findet hybrid statt.