Moses - Probabilistic and Bayesian Modelling in Machine Learning and Artificial Intelligence

Zur Modulseite PDF generieren

Modul / Version
#40516 / #1

Gültigkeit
SS 2014 - SS 2014

Verfügbare Sprache(n)
Englisch

Titel des Moduls
Probabilistic and Bayesian Modelling in Machine Learning and Artificial Intelligence - Seminar

Leistungspunkte
3

Modulverantwortliche*r
Opper, Manfred

Benotung
Benotet

Prüfungsform
Portfolioprüfung

Lehrsprache(n)
Englisch

Zugehörigkeit

Fakultät
Fakultät IV

Institut
Institut für Softwaretechnik und Theoretische Informatik

Fachgebiet
34351600 FG Künstliche Intelligenz

Prüfungsausschuss
Keine Angabe

Kontakt

Sekretariat
MAR 4-2

Ansprechpartner*in
Ruttor, Andreas

E-Mail-Adresse
lehre@ki.tu-berlin.de

Webseite

http://www.ki.tu-berlin.de/menue/lehre

Diese Modulbeschreibung ist nicht oder nicht vollständig auf deutsch hinterlegt.

Es wird auf Wunsch trotzdem der Inhalt der unvollständigen Spracheversion angezeigt.

Diese Modulbeschreibung gilt nicht im aktuellen Semester.

Die Modulbeschreibung gilt nur für den Zeitraum SS 2014 - SS 2014.

Lernergebnisse

Die Studierenden haben ein vertieftes und erweitertes Verständnis probabilistischer Modelle durch das eigenständige Einarbeiten in ein aktuelles Forschungsthema anhand von Literatur und der eigenständigen Ausarbeitung einer Beispielanwendung. Zudem sind sie kompetent in der Darstellung und Vermittlung wissenschaftlicher Themen mittels eines Vortrages. Das Modul vermittelt überwiegend: Fachkompetenz 40x Methodenkompetenz 40x Systemkompetenz 10x Sozialkompetenz 10x

Lehrinhalte

Das Seminar behandelt aktuelle Themen im Bereich statistischer Modellierung und Inferenz. Beispiel : Anwendung von Monte–Carlo-Methode auf Inferenzproblem

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

Lehrveranstaltungen	Art	Nummer	Turnus	Sprache	SWS	ISIS	VVZ
Introduction to Computational Genomics	SEM	0434 L 714	SoSe	Keine Angabe	2

ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Introduction to Computational Genomics (SEM):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Präsenzzeit	15.0	2.0h	30.0h
Vor-/Nachbereitung	15.0	4.0h	60.0h
			90.0h(~3 LP)

Der Aufwand des Moduls summiert sich zu 90.0 Stunden. Damit umfasst das Modul 3 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Keine Angabe

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Keine Angabe

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Portfolioprüfung

Art der Portfolioprüfung

Keine Angabe

Sprache(n)

Englisch

Prüfungselemente

Name	Punkte/Gewicht	Kategorie	Dauer/Umfang
Beispielanwendung	40	Keine Angabe	Keine Angabe
Präsentation	60	Keine Angabe	Keine Angabe

Notenschlüssel

Keine Angabe

Prüfungsbeschreibung (Abschluss des Moduls)

Keine Angabe

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt:
1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden:
Sommersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 12.

Anmeldeformalitäten

Keine Angabe

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit: nicht verfügbar

Skript in elektronischer Form

Verfügbarkeit: nicht verfügbar

Literatur

Empfohlene Literatur
Information Theory, Inference, and Learning Algorithms, David J C MacKay, Cambridge University Press.
Pattern Recognition and Machine Learning, Christopher M. Bishop, Springer, 2006.

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.

Keine Angabe

Sonstiges

Keine Angabe