Moses - Monte Carlo Methods in Machine Learning and Artificial Intelligence

Zur Modulseite PDF generieren

Modul / Version
#40584 / #1

Gültigkeit
SS 2014 - SS 2014

Verfügbare Sprache(n)
English

Titel des Moduls
Monte Carlo Methods in Machine Learning and Artificial Intelligence

Leistungspunkte
6

Modulverantwortliche*r
Opper, Manfred

Benotung
Benotet

Prüfungsform
Portfolioprüfung

Lehrsprache(n)
English

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
Keine Angabe

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 stattdessen der Inhalt der folgenden Sprachversion angezeigt: Englisch.

Klicken Sie hier um die Inhalte der fehlenden oder unvollständige Sprachversion (Deutsch) anzuzeigen

Diese Modulbeschreibung gilt nicht im aktuellen Semester.

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

Lernergebnisse

Keine Angabe

Lehrinhalte

Keine Angabe

Modulbestandteile

Compulsory area

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

Lehrveranstaltungen	Art	Nummer	Turnus	Sprache	SWS	ISIS	VVZ
Monte Carlo Methods in AI and ML	VL	3435 L 721	SoSe	Keine Angabe	2
Monte Carlo Methods in AI and ML	UE	3435 L 719	SoSe	Keine Angabe	2

ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Monte Carlo Methods in AI and ML (VL):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Präsenzzeit	15.0	2.0h	30.0h
Vor-/Nachbereitung	15.0	2.0h	30.0h
			60.0h(~2 LP)

Monte Carlo Methods in AI and ML (UE):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Präsenzzeit	15.0	2.0h	30.0h
Vor-/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 Übungen: Bearbeitung von kleineren Projekten, Präsentation der Resultate in kurzen Vorträgen.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

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

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Portfolio examination

Art der Portfolioprüfung

Keine Angabe

Sprache(n)

English

Prüfungselemente

Name	Punkte/Gewicht	Kategorie	Dauer/Umfang
Darstellung (Vortragsgestaltung)	30	Keine Angabe	Keine Angabe
Inhalt des Vortrags (Theorie und Resultate der Projekte)	70	Keine Angabe	Keine Angabe

Notenschlüssel

Keine Angabe

Prüfungsbeschreibung (Abschluss des Moduls)

Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.

Dauer des Moduls

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

Dieses Modul kann in folgenden Semestern begonnen werden:
Sommersemester.

Maximale teilnehmende Personen

Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.

Anmeldeformalitäten

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

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit: nicht verfügbar

Skript in elektronischer Form

Verfügbarkeit: verfügbar

Zusätzliche Informationen:

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.

Wahlmodul in Master Elektrotechnik. Service-Veranstaltung für andere Studiengänge (vor allem aus dem natur- und ingenieurwissenschaftlichen Bereich und der Mathematik)

Sonstiges

Keine Angabe