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

Maschinelles Lernen in Wissenschaft und Industrie

Zur Modulseite PDF generieren

#41044 / #2

Seit WiSe 2025/26

Deutsch, Englisch

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

3

Müller, Klaus-Robert

Benotet

Mündliche Prüfung

Englisch

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

Die Studierenden haben einen Überblick über die zahlreichen Anwendungsmöglichkeiten des maschinellen Lernens in Wissenschaft und Industrie. Sie wurden des weiteren mit den vielen Herausforderungen konfrontiert, die bei der Umsetzung von maschinellem Lernen in praktische Anwendungen auftreten, wie z. B. die Übersetzung eines konkreten Anwendungsbedarfs in ein gut formuliertes ML-Problem, die Entwicklung eines geeigneten Datensatzes und ML-Modells, die Validierung/Interpretation des trainierten ML-Modells und weitere praktische Einschränkungen.

Lehrinhalte

Der Kurs behandelt eine Auswahl von Anwendungen des maschinellen Lernens in Wissenschaft und Industrie. Typische Herausforderungen, die sich bei der Anwendung von ML-Modellen in der Praxis ergeben, werden beleuchtet.

Modulbestandteile

Pflichtbereich

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
Präsenzzeit15.02.0h30.0h
Vor-/Nachbereitung15.04.0h60.0h
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

Der Kurs besteht aus einer Reihe von Vorlesungen zu verschiedenen angewandten Themen, die von einer Auswahl von Forschenden aus Industrie und Wissenschaft gehalten werden.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Grundlagenwissen zu ML und ML-Algorithmen werden für die Teilnahme an diesem Kurs empfohlen.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Mündliche Prüfung

Sprache(n)

Deutsch, Englisch

Dauer/Umfang

30 Minuten

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

Informationen zur Anmeldung finden Sie unter 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.)14WiSe 2025/26SoSe 2026
Computer Science (Informatik) (M. Sc.)14WiSe 2025/26SoSe 2026
Elektrotechnik (M. Sc.)12WiSe 2025/26SoSe 2026

Sonstiges

Keine Angabe