Zur Modulseite PDF generieren

#40638 / #2

WS 2014/15 - WS 2015/16

English

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

6

Opper, Manfred

Benotet

Mündliche Prüfung

English

Zugehörigkeit


Fakultät IV

Institut für Softwaretechnik und Theoretische Informatik

34351600 FG Künstliche Intelligenz

Keine Angabe

Kontakt


MAR 4-2

Lippke, Cordula

lehre@ki.tu-berlin.de

Lernergebnisse

Students understand the fundamental concepts of statistical modelling in artificial intelligence and machine learning. They know the most important models and their application and are competent in understanding current literature. Students are able to estimate the efficiency of the algorithms, to apply them successfully and develop new models if needed.

Lehrinhalte

The lecture presents an advanced study of probabilistic models which are widely used in Machine Learning and AI. These models can deal with uncertainties and prior knowledge in a principled way and can be adapted to a given problem by learning from training examples. We will discuss the basic ideas and the computational techniques using a variety of applications.

Modulbestandteile

Compulsory area

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWS ISIS VVZ
Probabilistic and Bayesian Modelling in ML and AIVL0434 L 712SoSeKeine Angabe4

Arbeitsaufwand und Leistungspunkte

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

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit15.04.0h60.0h
Vor-/Nachbereitungszeit15.08.0h120.0h
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

Integrierte Lehrveranstaltung bestehend aus Vorlesungs- und Übungsanteil. Vorlesung: Frontalunterricht vor allen Teilnehmern zur Vermittlung des Stoffes kombiniert mit etwa 5 Übungen. Hier werden Übungsaufgaben besprochen, die von den Teilnehmern als Hausaufgaben bearbeitet werden. Die Übungsaufgaben umfassen sowohl die Analyse und Entwicklung von probabilistichen Modellen als auch den praktischen Umgang mit den besprochenen Verfahren. Unterrichtssprache in dem Modul ist englisch.

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

Oral exam

Sprache(n)

English

Dauer/Umfang

Keine Angabe

Prüfungsbeschreibung (Abschluss des Moduls)

Mündliche Prüfung. (Voraussetzung für die mündliche Prüfung 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:
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
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