1. Modulverzeichnis (MTS)
  2. Module
  3. Modulbeschreibung anzeigen

Machine Intelligence I

Zur Modulseite PDF generieren

#40548 / #3

SS 2015 - WS 2016/17

English

Machine Intelligence I

6

Obermayer, Klaus

Benotet

Schriftliche Prüfung

English

Zugehörigkeit


Fakultät IV

Institut für Softwaretechnik und Theoretische Informatik

34351300 FG Neuronale Informationsverarbeitung

Keine Angabe

Kontakt


MAR 5-6

Obermayer, Klaus

oby@ni.tu-berlin.de

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

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 classifcation (pattern recognition) 3) Understanding regarding basic concepts of neural information processing 4) Understanding regarding theoretical foundations to develop new machine learning techiques

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) 4) Statistical learning theory and support vector machines 5) Probabilistic methods and graphical models: reasoning under uncertainty, Bayesian learning for neural networks

Modulbestandteile

Compulsory area

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWS ISIS VVZ
Neuronale Informationsverarbeitung IVL0434L866WiSeKeine Angabe2
Neuronale Informationsverarbeitung IUE0434L866WiSeKeine Angabe2
ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Neuronale Informationsverarbeitung I (VL):

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit15.02.0h30.0h
Vor-/Nachbereitung15.02.0h30.0h
60.0h(~2 LP)

Neuronale Informationsverarbeitung I (UE):

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit15.02.0h30.0h
Vor-/Nachbereitung15.06.0h90.0h
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 Übungen: Besprechung von Übungsaufgaben, die von den Teilnehmern als Hausaufgaben bearbeitet werden. Die Übungsaufgaben umfassen sowohl die Analyse und Entwicklung von neuronalen Verfahren als auch den praktischen Umgang mit den besprochenen Verfahren. The lecture part consists of teaching in front of the class. Participants are expected to rehearse topics after class, using their class notes as well as recommended book chapters, in preparation for the exercises and tutorials. Homework assignments are given on a regular basis, and must be usually solved within a week. These assignments cover mathematical exercises as well as numerical simulations and programming exercises. Working in small groups of two to three students is encouraged. Homework assignments and their solutions are presented and discussed during the tutorial. In addition, selected topics presented during the lecture are rehearsed by the tutor as needed. The first tutorials cover a brief mathematics primer.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Gute Programmierkenntnisse, Grundkenntnisse in Linearer Algebra, Analysis und Wahrscheinlichkeitstheorie Mathematical knowledge: Analysis, linear algebra, probability calculus and statistics, on a level comparable to mathematics courses for engineers. Basic programming skills (Python, Matlab, or R). Good command of the English language.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Voraussetzung
Leistungsnachweis »[NI] Machine Intelligence I - Hausaufgabe«

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Written exam

Sprache(n)

English

Dauer/Umfang

Keine Angabe

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

Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.

Anmeldeformalitäten

Mündliche Prüfung: Voraussetzung ist das Vorliegen des unbenoteten Übungsscheins (mindestens 60% der Aufgaben müssen erfolgreich bearbeitet sein). Prüfungssprache (für die mündliche Prüfung) ist wahlweise Deutsch oder Englisch. Informationen zur Anmeldung sind über die Web-Seiten des Fachgebiets NI http://www.ni.tu-berlin.de/teaching/ und über das Sekretariat MAR 5042 erhältlich. At least 60% of all homework assignments have to be completed and an oral examination of up to one hour length has to be taken. The final grade is determined by the grade obtained in the oral examination. The oral exam can be taken in englisch or german. The oral exam has to be taken latest by the end of the semester which follows the semester in which the tutorial certificates were obtained. The examination procedure is regulated by the General Examination Regulation of the Technical University (Ordnung zur Regelung des allgemeinen Prüfungsverfahrens in Bachelor- und Masterstudiengängen) and by the Examination Regulation of the Master Program Computational Neuroscience. Further information regarding registration and course material are available via the webpages http://www.ni.tu-berlin.de/teaching/ and at the office MAR 5042.

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit:  nicht verfügbar

 

Skript in elektronischer Form

Verfügbarkeit:  verfügbar

 

Literatur

Empfohlene Literatur
Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge


Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOStuPOsVerwendungenErste VerwendungLetzte Verwendung
Dieses Modul findet in keinem Studiengang Verwendung.

Studierende anderer Studiengänge können dieses Modul ohne Kapazitätsprüfung belegen.

Masterstudiengang Informatik (Studienschwerpunkt Intelligente Systeme) Masterstudiengang Technische Informatik (StO/PO 2012): • Studienschwerpunkt Digitale Medien (Digital Media; Elektrotechnik oder Technische Informatik) • Studienschwerpunkt Kognitive Systeme (Cognitive Systems and Robotics; Informatik) • Studienschwerpunkt Mensch-Maschine-Interaktion und Design (Human-Computer Interaction and Design; Technische Informatik) • Studienschwerpunkt Datenanalyse (Data analytics; Informatik) • Studienschwerpunkt Informationssysteme Masterstudiengang Elektrotechnik (Ergänzungsmodul) Veranstaltung für andere Master-Studiengänge im Wahlbereich Bachelorstudiengang Technische Informatik (Studienschwerpunkt Datenanalyse) Bachelorstudiengang Wirtschaftsinformatik (Studienschwerpunkt Intelligente Datenanalyse )

Sonstiges

Im Wintersemester 2016/2017 erfolgt eine durch den Prüfungsausschuss beschlossene einmalige Prüfungsformänderung von mündlich auf schriftlich.