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

Maschinelles Lernen in Wissenschaft und Industrie

Zur Modulseite PDF generieren

#41044 / #1

Seit SoSe 2022

English

Machine Learning in Science and Industry
Maschinelles Lernen in Wissenschaft und Industrie

3

Montavon, Gregoire

Benotet

Mündliche Prüfung

English

Zugehörigkeit


Fakultät IV

Institut für Softwaretechnik und Theoretische Informatik

34352000 FG Maschinelles Lernen

Keine Angabe

Kontakt


MAR 4-1

Niediek, Johannes

johannes.niediek@tu-berlin.de

https://web.ml.tu-berlin.de/teaching/courses

Lernergebnisse

The students have an overview of the numerous possible applications of machine learning in science and industry. They have also been exposed to many challenges that arise when bringing ML to practical applications, such as translating a concrete application need into a well-posed machine learning problem, designing an appropriate dataset and ML model, validating/interpreting the learned ML model, and further real-world constraints.

Lehrinhalte

The course will cover a selection of applications of machine learning in science and industry. Typical challenges that arise when applying machine learning models in practice will be highlighted.

Modulbestandteile

Compulsory area

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWS ISIS VVZ
Machine Learning in Science and Industry, LecturesSEMWiSe/SoSeen2
ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Machine Learning in Science and Industry, Lectures (SEM):

AufwandbeschreibungMultiplikatorStundenGesamt
Attendance15.02.0h30.0h
Pre/post processing15.04.0h60.0h
90.0h(~3 LP)
Der Aufwand des Moduls summiert sich zu 90.0 Stunden. Damit umfasst das Modul 3 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

The course consists of a series of lectures on different applied topics provided by a selection of researchers in industry and academia.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Basic knowledge of ML and ML algorithms is recommended to take the course.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Oral exam

Sprache(n)

English

Dauer/Umfang

20 min

Dauer des Moduls

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

Dieses Modul kann in folgenden Semestern begonnen werden:
Winter- und Sommersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 30.

Anmeldeformalitäten

Registration information available from the webpage http://wiki.ml.tu-berlin.de/wiki/

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit:  nicht verfügbar

 

Skript in elektronischer Form

Verfügbarkeit:  nicht verfügbar

 

Literatur

Empfohlene Literatur
Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge


Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOStuPOsVerwendungenErste VerwendungLetzte Verwendung
Computer Engineering (M. Sc.)114SoSe 2022SoSe 2025
Computer Science (Informatik) (M. Sc.)114SoSe 2022SoSe 2025
Elektrotechnik (M. Sc.)17SoSe 2022SoSe 2025

Sonstiges

Keine Angabe