Moses - Machine Learning Lab Course

Display language

To modulepage Generate PDF

Module / Version:
#40635 / #2

Validity:
Seit SS 2017

Default display language:
English

Module title:
Machine Learning Lab Course

Credits:
9

Responsible person:
Müller, Klaus-Robert

Grading:
benotet

Type of exam:
Mündliche Prüfung

Zugehörigkeit

Faculty:
Fakultät IV

Institute:
Institut für Softwaretechnik und Theoretische Informatik

Area of expertise:
34352000 FG Maschinelles Lernen

Prüfungsausschuss:
No information

Kontakt

Office:
MAR 4-1

Contact person:
No information

E-mail address:
No information

Website:

http://ml.tu-berlin.de

Learning Outcomes

Students are able to implement and apply the core machine learning algorithms and analyze their performance on appropriate toy datasets. They further have a broad overview of current methods, their applications and limits.

Content

Treated are well known algorithms for dimensionality reduction, visualization, clustering, regression, and classification (incl. model selection).

Module Components

Pflichtteil:

All Courses are mandatory.

Course Name	Type	Number	Cycle	Language	SWS	VZ
Praktikum Maschinelles Lernen	PR	0434 L550	SoSe	No information	6

Workload and Credit Points

Praktikum Maschinelles Lernen (PR):

Workload description	Multiplier	Hours	Total
Präsenzzeit	15.0	6.0h	90.0h
Vor-/Nachbereitung	15.0	12.0h	180.0h
			270.0h(~9 LP)

The Workload of the module sums up to 270.0 Hours. Therefore the module contains 9 Credits.

Description of Teaching and Learning Methods

Die Veranstaltung besteht zum einen aus wöchentlichen Veranstaltungen, in denen neue Methoden und Übungsaufgaben vorgestellt werden, bzw. Lösungen von Teilnehmern präsentiert werden, sowie eigenständiger Bearbeitung von Übungsaufgaben.

Requirements for participation and examination

Desirable prerequisites for participation in the courses:

Programmierkenntnisse, Teilnahme am Modul „Maschinelles Lernen 1“ oder „Maschinelles Lernen 2“ ist wünschenswert.

Mandatory requirements for the module test application:

This module has no requirements.

Module completion

Grading

graded

Type of exam

Oral exam

Language

English

Duration/Extent

20min

Duration of the Module

The following number of semesters is estimated for taking and completing the module:
1 Semester.

This module may be commenced in the following semesters:
Sommersemester.

Maximum Number of Participants

The maximum capacity of students is 10.

Registration Procedures

Die Anmeldungen werden in der Reihenfolge des Eintreffens berücksichtigt; Details und Fristen siehe Fachgebietswebseite. http://www.ml.tu-berlin.de

Recommended literature
No recommended literature given

Assigned Degree Programs

Semester:

Zeige auch ausgelaufene Studiengänge und StuPOs

This module is used in the following Degree Programs (new System):

Studiengang / StuPO	StuPOs	Verwendungen	Erste Verwendung	Letzte Verwendung
Computer Engineering (M. Sc.)	1	86	SS 2017	SoSe 2024
Computer Science (Informatik) (M. Sc.)	1	63	SS 2017	SoSe 2024
Elektrotechnik (M. Sc.)	1	41	SS 2017	SoSe 2024
ICT Innovation (M. Sc.)	3	24	WS 2018/19	SoSe 2024
Information Systems Management (Wirtschaftsinformatik) (M. Sc.)	2	24	SS 2017	SoSe 2024
Medieninformatik (M. Sc.)	1	28	WS 2017/18	SoSe 2024
Medientechnik (M. Sc.)	1	8	WiSe 2023/24	SoSe 2024
Wirtschaftsingenieurwesen (M. Sc.)	1	32	SS 2017	SoSe 2024

Students of other degrees can participate in this module without capacity testing.

Service-Veranstaltung für andere Studiengänge (vor allem aus dem natur- und ingenieurwissenschaftlichen Bereich und der Mathematik)

Miscellaneous

No information

Machine Learning Lab Course