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

Python für Maschinelles Lernen

Zur Modulseite PDF generieren

#41143 / #2

SoSe 2024 - SoSe 2024

Englisch

Python for Machine Learning
Python für Maschinelles Lernen

6

Müller, Klaus-Robert

Benotet

Schriftliche Prüfung

Englisch

Zugehörigkeit


Fakultät IV

Institut für Softwaretechnik und Theoretische Informatik

34352000 FG Maschinelles Lernen

Keine Angabe

Kontakt


MAR 4-1

Wolff, Jannik

pyml@ml.tu-berlin.de

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

Lernergebnisse

Die Studierenden verfügen über ein tiefes theoretisches Verständnis der Python-Programmierung, das sie mit Standard-Programmierwerkzeugen wie Jupyter-Notebooks und einem Debugger selbstständig anwenden können. Insbesondere verstehen die Studierenden allgemeinen Prinzipien, die der Python-Programmierung zugrunde liegen, wie etwa Python-Syntax und fortgeschrittene Paradigmen der funktionalen und objektorientierten Programmierung. Sie können diese Fähigkeiten auf fortgeschrittene Data-Science- und Maschinenlernaufgaben anwenden. Dies schließt die effiziente und kompakte Implementierung komplexer Tensoroperationen sowie die Implementierung von Visualisierungsmethoden ein.

Lehrinhalte

Das Modul motiviert Python Programmierung, indem es die Programmiersprache kurz anderen Programmierparadigmen gegenüberstellt (z.B. Julia oder C). Es führt in Python-spezifische Programmierprinzipien ein, wie etwa Duck-Typing oder idiomatische Konstrukte ("Pythonic" Syntax), wie beispielsweise „generator comprehensions“. Die Studierenden implementieren Visualisierungsmethoden hauptsächlich unter Verwendung des Frameworks Matplotlib. Das Modul lehrt die Anwendung der erlernten Programmierfähigkeiten auf Probleme des maschinellen Lernens (ML), wozu auch das konzeptionelle Verständnis beispielhafter ML-Szenarien gehört. Zum Beispiel vermittelt das Modul die Implementierung komplexer Tensoroperationen (die häufig beim maschinellen Lernen relevant sind) mit Acceleration-Frameworks (wie NumPy und PyTorch), die einen kompakten Syntax und eine effiziente Berechnung gewährleisten. Das Modul lehrt die Verwendung von Programmierumgebungen wie Jupyter-Notebooks und Tools wie Debugger, die auch während der Prüfung verwendet werden können.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWS ISIS VVZ
Python for Machine LearningIVWiSe/SoSeen4
ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Python for Machine Learning (IV):

AufwandbeschreibungMultiplikatorStundenGesamt
Vorlesungen9.02.0h18.0h
Tutorien9.02.0h18.0h
Vor- und Nachbereitung der Vorlesungen9.03.0h27.0h
Vor- und Nachbereitung der Tutorien (einschließlich Hausaufgaben)9.08.0h72.0h
Vorbereitung auf die Prüfung1.045.0h45.0h
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

Das Modul weist ein hybrides Format auf: Einerseits unterrichten die Kursleiter einen Teil der Inhalte persönlich in einem angeleiteten Format. Andererseits lernen die Studierenden, selbstständig und individuell zu programmieren, während sie ein fundiertes theoretisches Verständnis von Programmierparadigmen und relevanten Machine-Learning-Problemen aufbauen. Das Modul erstreckt sich über neun Wochen mit wöchentlichen Vorlesungen und Tutoriumssitzungen. Einige Wochen enthalten Hausaufgaben. Diese müssen individuell bearbeitet werden, allerdings bieten die Tutorien bei Bedarf Hilfe an und besprechen mögliche Lösungen nach der Abgabe der Hausaufgaben.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Studierende sollten grundlegende Programmierprinzipien wie Rekursion kennen - in Python oder einer anderen Programmiersprache. Sie sollten auch grundlegende mathematische Prinzipien kennen. Beispielsweise erleichtert Wissen in linearer Algebra das Verständnis für die Implementierung komplexer Tensoroperationen.

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

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 180.

Anmeldeformalitäten

Bitte informieren Sie sich auf der Website des Moduls (zu finden auf der Website der Fachgruppe Maschinelles Lernen der TU Berlin).

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit:  nicht verfügbar

 

Skript in elektronischer Form

Verfügbarkeit:  verfügbar

 

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.

Sonstiges

Die Prüfung ist digital, d. h. die Studierenden schreiben Code in Jupyter-Notebook Umgebungen und haben Zugang zu einem Python-Interpreter, zur Dokumentation (über die Standardbibliothek von Python) und zu einem einfachen Python-Debugger. Die Prüfung findet persönlich statt, d.h. es handelt sich nicht um eine Online-Prüfung. Daher wird die maximale Kapazität des Kurses auf 180 Studierende festgelegt (was der maximalen Kapazität des Prüfungscomputerraums entspricht). Die Studierenden können ein A4-Blatt (mit beliebigem Inhalt auf beiden Seiten) zur Prüfung mitbringen.