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

Machine Intelligence II

Zur Modulseite PDF generieren

#40549 / #2

SS 2015 - WS 2016/17

English

Machine Intelligence II

6

Obermayer, Klaus

Benotet

Mündliche 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) Understanding regarding basic concepts of neural information processing 2) Knowledge of unsupervised machine learning methods 3) Application to problems of statistical modeling, explorative data analysis, and visualisation

Lehrinhalte

1) Density estimation, basics of estimation theory, maximum likelihood estimation 2) Projection methods: Principal Component Analysis, Kernel-PCA, source separation techniques 3) Stochastic Optimization 4) Clustering, Embedding, and Visualisation (central and pairwise clustering, self-organizing maps)

Modulbestandteile

Compulsory area

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWS ISIS VVZ
Machine Intelligence II/Neuronale InformationsverarbeitungVL0434 L 867SoSeKeine Angabe2
Machine Intelligence II/Neuronale InformationsverarbeitungUE0434 L 867SoSeKeine Angabe2
ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Machine Intelligence II/Neuronale Informationsverarbeitung (VL):

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

Machine Intelligence II/Neuronale Informationsverarbeitung (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 II - Hausaufgabe «

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Oral exam

Sprache(n)

English

Dauer/Umfang

Keine Angabe

Prüfungsbeschreibung (Abschluss des Moduls)

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.

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

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 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.

Sonstiges

Keine Angabe