Moses - Probabilistische und Bayesianische Methoden für ML und KI

Modul / Version
#40638 / #5

Gültigkeit
SS 2018 - SoSe 2021

Verfügbare Sprache(n)
Englisch

Titel des Moduls
Probabilistic and Bayesian Modelling in ML and AI
Probabilistische und Bayesianische Methoden für ML und KI

Leistungspunkte
6

Modulverantwortliche*r
Opper, Manfred

Benotung
Benotet

Prüfungsform
Schriftliche Prüfung

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
Lippke, Cordula

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 2018 - SoSe 2021.

Lernergebnisse

Die Studierenden verstehen die grundlegenden Konzepte statistischer Modellierung in KI und maschinellem Lernen, kennen die wichtigsten Modelle und ihre Anwendungsgebiete und haben die Kompetenz zum Verständnis aktueller Literatur. Die Studierenden sind in der Lage, die Leistungsfähigkeit der besprochenen Verfahren einzuschätzen, diese auf Probleme in den Anwendungsdomänen erfolgreich einzusetzen und gegebenenfalls neue Modelle zu entwickeln.

Lehrinhalte

* Wiederholung Wahrscheinlichkeitstheorie, generative Modelle, Maximum Likelihood, Eigenschaften von Schätzverfahren, Latent variable Models, EM Algorithmus, ICA und probabilistic PCA. * Bayes Methoden, Modell-Selektion, generalised linear models, Gauss'sche Prozesse, Dirichletprozesse * Inferenztechniken: Laplace Näherung, Monte Carlo Methoden, variationelle Verfahren

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

Lehrveranstaltungen	Art	Nummer	Turnus	Sprache	SWS	ISIS	VVZ
Probabilistic and Bayesian Modelling in ML and AI	VL	0434 L 712	SoSe	Keine Angabe	4

ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Probabilistic and Bayesian Modelling in ML and AI (VL):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Präsenzzeit	15.0	4.0h	60.0h
Vor-/Nachbereitungszeit	15.0	8.0h	120.0h
			180.0h(~6 LP)

Der Aufwand des Moduls summiert sich zu 180.0 Stunden. Damit umfasst das Modul 6 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

Schriftliche Prüfung

Sprache(n)

Englisch

Dauer/Umfang

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

Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.

Anmeldeformalitäten

Keine Angabe

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit: nicht verfügbar

Skript in elektronischer Form

Verfügbarkeit: 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.

Sonstiges

Keine Angabe