Moses - Machine Intelligence I

Zur Modulseite PDF generieren

Modul / Version
#40548 / #6

Gültigkeit
WS 2019/20 - SoSe 2020

Verfügbare Sprache(n)
English

Titel des Moduls
Machine Intelligence I

Leistungspunkte
6

Modulverantwortliche*r
Obermayer, Klaus

Benotung
Benotet

Prüfungsform
Schriftliche Prüfung

Lehrsprache(n)
English

Zugehörigkeit

Fakultät
Fakultät IV

Institut
Institut für Softwaretechnik und Theoretische Informatik

Fachgebiet
34351300 FG Neuronale Informationsverarbeitung

Prüfungsausschuss
Keine Angabe

Kontakt

Sekretariat
MAR 5-6

Ansprechpartner*in
Obermayer, Klaus

E-Mail-Adresse
oby@ni.tu-berlin.de

Webseite

https://www.tu.berlin/ni/studium-lehre/

Diese Modulbeschreibung ist nicht oder nicht vollständig auf deutsch hinterlegt.

Es wird stattdessen der Inhalt der folgenden Sprachversion angezeigt: Englisch.

Klicken Sie hier um die Inhalte der fehlenden oder unvollständige Sprachversion (Deutsch) anzuzeigen

Diese Modulbeschreibung gilt nicht im aktuellen Semester.

Die Modulbeschreibung gilt nur für den Zeitraum WS 2019/20 - SoSe 2020. Die Version für das aktuelle Semester (SoSe 2025) finden Sie hier: Modulbeschreibung des SoSe 2025

Lernergebnisse

Participants should learn basic concepts, their theoretical foundation, and the most common algorithms used in machine learning and artificial intelligence. After completing the module, participants should understand strengths and limitations of the different paradigms, should be able to correctly and successfully apply methods and algorithms to real world problems, should be aware of performance criteria, and should be able to critically evaluate results obtained with those methods. More specifically, participants should be able to demonstrate: 1) Knowledge of theory and methods of inductive learning 2) Application to problems of regression and classification (pattern recognition) 3) Understanding regarding basic concepts of neural information processing 4) Understanding regarding theoretical foundations to develop new machine learning techniques

Lehrinhalte

1) Foundations of inductive learning: empirical risk minimization, structural risk minimization, Bayesian inference 2) Learning and generalisation: gradient-based optimization, overfitting-underfitting, regularisation, application to regression and classification problems 3) Artificial neural networks (connectionist neurons, multilayer perceptrons, radial basis functions, deep networks, recurrent networks) 4) Statistical learning theory and support vector machines 5) Probabilistic methods and graphical models: reasoning under uncertainty, Bayesian learning for neural networks 6) Reinforcement Learning (MDP, value iteration, policy iteration, Q-learning)

Modulbestandteile

Compulsory area

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

Lehrveranstaltungen	Art	Nummer	Turnus	Sprache	SWS	ISIS	VVZ
Machine Intelligence I	VL	0434 L 866	WiSe	Keine Angabe	2
Machine Intelligence I	UE	0434 L 866	WiSe	Keine Angabe	2

ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Machine Intelligence I (VL):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Time of attendance	15.0	2.0h	30.0h
Preparation and review	15.0	2.0h	30.0h
			60.0h(~2 LP)

Machine Intelligence I (UE):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Time of attendance	15.0	2.0h	30.0h
Preparation and review	15.0	6.0h	90.0h
			120.0h(~4 LP)

Der Aufwand des Moduls summiert sich zu 180.0 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Lecture: Teaching in front of the class to convey the content. Exercise: Discussion of exercises which cover the mathematical derivation and analysis of neuronal methods as well as the implementation and practical usage of these methods.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Solid Mathematical knowledge (linear algebra, analysis, and probability calculus or statistics; on a level comparable to mathematics courses for engineers) Basic programming skills (Python, Matlab, R, or Julia) Good command of the English language

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Written exam

Sprache(n)

English

Dauer/Umfang

90 min.

Prüfungsbeschreibung (Abschluss des Moduls)

mündliche Prüfung (Voraussetzung ist das Vorliegen des Übungsscheins) unbenoteter Übungsschein (mindestens 60% der Aufgaben erfolgreich bearbeitet)

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 200.

Anmeldeformalitäten

The registration for the written exam is possible at the end of the term through the electronic system of TU Berlin (QISPOS) or alternatively in written form via the examination office. The written exam is held in English. The examination procedure is regulated by the General Examination Regulation of the TU Berlin (AllgStuPO) and by the Examination Regulation of the Master Program Computational Neuroscience. sekr@ni.tu-berlin.de Further information regarding registration and course material are available via the respectively current ISIS course.

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit: nicht verfügbar

Skript in elektronischer Form

Verfügbarkeit: verfügbar

Literatur

Empfohlene Literatur
Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge

Semester:

Zeige auch ausgelaufene Studiengänge und StuPOs

Diese Modulversion wird in folgenden Studiengängen verwendet:

	Studiengang / StuPO	StuPOs	Verwendungen	Erste Verwendung	Letzte Verwendung
Dieses Modul findet in keinem Studiengang Verwendung.

Studierende anderer Studiengänge können dieses Modul ohne Kapazitätsprüfung belegen.

Sonstiges

Keine Angabe