Moses - Machine Intelligence I

Zur Modulseite PDF generieren

Modul / Version
#40548 / #5

Gültigkeit
SS 2018 - SS 2019

Verfügbare Sprache(n)
Englisch

Titel des Moduls
Machine Intelligence I

Leistungspunkte
6

Modulverantwortliche*r
Obermayer, Klaus

Benotung
Benotet

Prüfungsform
Schriftliche Prüfung

Lehrsprache(n)
Englisch

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 auf Wunsch trotzdem der Inhalt der unvollständigen Spracheversion angezeigt.

Diese Modulbeschreibung gilt nicht im aktuellen Semester.

Die Modulbeschreibung gilt nur für den Zeitraum SS 2018 - SS 2019. Die Version für das aktuelle Semester (SoSe 2025) finden Sie hier: Modulbeschreibung des SoSe 2025

Lernergebnisse

Die Studierenden lernen die zentralen Konzepte, theoretischen Grundlagen und häufig eingesetzten Algorithmen des maschinellen Lernens sowie der künstlichen Intelligenz kennen. Nach Beendigung des Moduls können die Studierenden die Leistungsfähigkeit der besprochenen Verfahren einschätzen, sie können sie auf Probleme in den Anwendungsdomänen erfolgreich einsetzen, und die mit diesen Methoden erzielten Ergebnisse kritisch interpretieren. Qualifikationsziele sind somit: 1) Verständnis der wichtigsten Theorien und Verfahren des induktiven Lernens 2) Anwendung auf Regressions- und Klassifikationsprobleme (Mustererkennung) 3) Kenntnis der grundlegenden Konzepte neuronaler Informationsverarbeitung 4) Verständnis der theoretischen Grundlagen für die Entwicklung neuer Verfahren

Lehrinhalte

1) Grundlagen induktiven Lernens: Empirical Risk Minimization, Structural Risk Minimization, Bayesian Inference 2) Lernen und Generalisierung, Techniken der Regularisierung 3) Künstliche neuronale Netze (konnektionistische Neuronen, das Multilagen-Perzeptron, radiale Basisfunktionen, tiefe Netze, rekurrente Netze) 4) Statistische Lerntheorie und Support Vector Maschinen 5) Graphische Modelle: Schließen unter Unsicherheit, Bayes'sche Inferenz und neuronale Netze 6) Reinforcement Learning (MDP, value iteration, policy iteration, Q-learning)

Modulbestandteile

Pflichtbereich

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
Präsenzzeit	15.0	2.0h	30.0h
Vor- und Nachbereitung	15.0	2.0h	30.0h
			60.0h(~2 LP)

Machine Intelligence I (UE):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Päsenzzeit	15.0	2.0h	30.0h
Vor- und Nachbereitung	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

Vorlesung: Frontalunterricht vor allen Teilnehmern zur Vermittlung des Stoffes. Übung: Besprechung von Übungsaufgaben, welche sowohl die mathematische Herleitung und Analyse von neuronalen Verfahren als auch die Implementierung und den praktischen Umgang mit den besprochenen Verfahren umfassen.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Solide Mathematikkenntnisse (Linearer Algebra, Analysis, und Wahrscheinlichkeitstheorie oder Statistik; auf einem Niveau vergleichbar mit den Mathematik-Veranstaltungen für Ingenieure) Grundlegende Programmiererfahrung (Python, Matlab, R, or Julia) Gute englische Sprachkenntnisse

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Schriftliche Prüfung

Sprache(n)

Englisch

Dauer/Umfang

90 min.

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:
Wintersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 200.

Anmeldeformalitäten

Die Anmeldung zur schriftlichen Prüfung erfolgt in der Regel am Semesterende über das elektronische System der TU Berlin (Stand 2017: QISPOS) bzw. alternativ schriftlich über das Prüfungsamt. Prüfungssprache ist Englisch. Beide möglichen Wiederholungsprüfungen werden als mündliche Prüfungen abgelegt. Ansonsten gilt die Allgemeine Studien- und Prüfungs-Ordnung der TU Berlin sowie die Prüfungsordnung des Masterstudiengangs Computational Neuroscience. Weitere Informationen zur Anmeldung und den Kursmaterialien sind über den jeweils aktuellen ISIS-Kurs erhältlich.

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