Zur Modulseite PDF generieren

#41146 / #1

Seit SoSe 2024

Deutsch, Englisch

Machine Learning and Data Management Systems
Maschinelles Learning und Datenmanagementsysteme

3

Böhm, Matthias

Benotet

Referat

Englisch

Zugehörigkeit


Fakultät IV

Institut für Softwaretechnik und Theoretische Informatik

34352900 FG Big Data Engineering

Keine Angabe

Kontakt


Keine Angabe

Böhm, Matthias

matthias.boehm@tu-berlin.de

Lernergebnisse

Nach dem Kurs sind die Studierenden in der Lage, komplexe Sachverhalte in mündlichen Präsentationen und in schriftlicher Form (Journal/Konferenzformat) zu vermitteln. Die Teilnehmer sind in der Lage, Literaturrecherchen durchzuführen und verfügen über vertiefte Kenntnisse zu einem bestimmten aktuellen Thema des maschinellen Lernens und der Datenmanagementsysteme.

Lehrinhalte

Dies ist ein gemeinsames forschungsorientiertes Seminar der Gruppe Maschinelles Lernen und der Gruppe DAMS Lab (Big Data Engineering). Während des Seminars haben die Studenten die Möglichkeit, sich über die jüngsten Fortschritte im Schnittpunkt von maschinellem Lernen und Datenmanagementsystemen zu informieren. Beispiele für Themen sind: - Federated/Deep Ensemble Learning und Datenmanagementsysteme. - Kohlenstoffbewusste Datenmanagementsysteme und maschinelles Lernen. - Komprimierung von ML-Systemen. - Kontinuierliches, lebenslanges und Online-Lernen. - Datenverwaltungssysteme für Lebenslanges Lernen. - Hashing und Skizzen. - Aufbau von ML-Pipelines für die Aufbereitung großer Datenmengen, Modelltraining und Modell-Debugging, Versionierung und Überwachung.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWS ISIS VVZ
Machine Learning and Data Management SystemsSEMWiSe/SoSeKeine Angabe2

Arbeitsaufwand und Leistungspunkte

Machine Learning and Data Management Systems (SEM):

AufwandbeschreibungMultiplikatorStundenGesamt
Attendance of Meetings3.02.0h6.0h
Literature review1.065.0h65.0h
Presentation preparation and presentation1.015.0h15.0h
86.0h(~3 LP)
Der Aufwand des Moduls summiert sich zu 86.0 Stunden. Damit umfasst das Modul 3 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Jedem Studenten wird eine Arbeit aus dem Bereich des fortgeschrittenen maschinellen Lernens und der Datenmanagementsysteme zugewiesen. Die Studierenden müssen die zugewiesene Arbeit lesen und verstehen, einschließlich einer Literaturübersicht, die zum vollständigen Verständnis der Arbeit erforderlich ist. Anschließend fasst jeder Student sein Papier in einem vorzeigbaren Format zusammen. Abschließend präsentieren die Studierenden ihre Arbeiten vor der Gruppe, gefolgt von einer Diskussion über das Thema.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Bevorzugt: Machine Learning I/II oder Machine Intelligence I/II oder Architecture of Machine Learning Systems.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Referat

Sprache(n)

Englisch

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

Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.

Anmeldeformalitäten

Anmeldung per E-Mail an Prof. Dr. Matthias Böhm (matthias.boehm<AT>tu-berlin.de) oder Dennis Grinwald (dennis.grinwald<AT>tu-berlin.de).

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit:  nicht verfügbar

 

Skript in elektronischer Form

Verfügbarkeit:  nicht verfügbar

 

Literatur

Empfohlene Literatur
Seminar-specific literature will be discussed during the first lecture.

Zugeordnete Studiengänge


Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOStuPOsVerwendungenErste VerwendungLetzte Verwendung
Computer Engineering (M. Sc.)19SoSe 2024SoSe 2025
Computer Science (Informatik) (M. Sc.)112SoSe 2024SoSe 2025
Elektrotechnik (M. Sc.)16SoSe 2024SoSe 2025
Information Systems Management (Wirtschaftsinformatik) (M. Sc.)13SoSe 2024SoSe 2025

Sonstiges

Keine Angabe