Navigation To modulepage
Display language

Probabilistic and Bayesian Modelling in ML and AI

6 LP

English

#40638 / #2

WS 2014/15 - WS 2015/16

Fakultät IV

MAR 4-2

Institut für Softwaretechnik und Theoretische Informatik

34351600 FG Künstliche Intelligenz

Opper, Manfred

Ruttor, Andreas

lehre@ki.tu-berlin.de

POS-Nummer PORD-Nummer Modultitel
2345272 35116 Probabilistic and Bayesian Modelling in Machine Learning and Artificial Intelligence
60520 13302 Probabilistic and Bayesian Modelling in Machine Learning and Artificial Intelligence

Learning Outcomes

Students understand the fundamental concepts of statistical modelling in artificial intelligence and machine learning. They know the most important models and their application and are competent in understanding current literature. Students are able to estimate the efficiency of the algorithms, to apply them successfully and develop new models if needed.

Content

The lecture presents an advanced study of probabilistic models which are widely used in Machine Learning and AI. These models can deal with uncertainties and prior knowledge in a principled way and can be adapted to a given problem by learning from training examples. We will discuss the basic ideas and the computational techniques using a variety of applications.

Module Components

Pflichtteil:

All Courses are mandatory.

Course Name Type Number Cycle Language SWS
Probabilistic and Bayesian Modelling in ML and AI VL 0434 L 712 SS No information 4

Workload and Credit Points

Probabilistic and Bayesian Modelling in ML and AI (VL):

Workload description Multiplier Hours Total
Präsenzzeit 15.0 4.0h 60.0h
Vor-/Nachbereitungszeit 15.0 8.0h 120.0h
180.0h(~6 LP)
The Workload of the module sums up to 180.0 Hours. Therefore the module contains 6 Credits.

Description of Teaching and Learning Methods

Integrierte Lehrveranstaltung bestehend aus Vorlesungs- und Übungsanteil. Vorlesung: Frontalunterricht vor allen Teilnehmern zur Vermittlung des Stoffes kombiniert mit etwa 5 Übungen. Hier werden Übungsaufgaben besprochen, die von den Teilnehmern als Hausaufgaben bearbeitet werden. Die Übungsaufgaben umfassen sowohl die Analyse und Entwicklung von probabilistichen Modellen als auch den praktischen Umgang mit den besprochenen Verfahren. Unterrichtssprache in dem Modul ist englisch.

Requirements for participation and examination

Desirable prerequisites for participation in the courses

Vorausgesetzt werden Grundkenntnisse in Mathematik (Lineare Algebra, Analysis, Stochastik) sowie Programmierkenntnisse.

Mandatory requirements for the module test application

No information

Module completion

Grading:

graded

Type of exam:

Oral exam

Language:

English

Duration/Extent:

No information

Duration of the Module

This module can be completed in one semester.

Maximum Number of Participants

This module is not limited to a number of students.

Registration Procedures

Die Anmeldung zur Lehrveranstaltung erfolgt über die ISIS-Seite. Dies ersetzt nicht die Prüfungsanmeldung beim Prüfungsamt, bzw. in QISPOS.

Recommended reading, Lecture notes

Lecture notes

Availability:  unavailable

Electronical lecture notes

Availability:  available
Additional information:
Die Folien zur Lehrveranstaltung werden in ISIS zur Verfügung gestellt.

Literature

Recommended literature
No recommended literature given.

Module examiner

Prüfungsberechtigte Personen im WS 2019/20: 1

Name
Herr Manfred Opper

Assigned Degree Programs

Zur Zeit wird die Datenstruktur umgestellt. Aus technischen Gründen wird die Verwendung des Moduls während des Umstellungsprozesses in zwei Listen angezeigt.

This module is used in the following modulelists:

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

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

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

    Miscellaneous

    No information