Moses - Maschinelles Lernen für Alterung und Langlebigkeit

Zur Modulseite PDF generieren

Modul / Version
#51093 / #1

Gültigkeit
SoSe 2024 - WiSe 2024/25

Verfügbare Sprache(n)
Englisch

Titel des Moduls
Machine Learning for Aging and Longevity
Maschinelles Lernen für Alterung und Langlebigkeit

Leistungspunkte
6

Modulverantwortliche*r
Hughes, Charmayne Mary Lee

Benotung
Benotet

Prüfungsform
Hausarbeit

Lehrsprache(n)
Englisch

Zugehörigkeit

Fakultät
Fakultät V

Institut
Institut für Psychologie und Arbeitswissenschaft

Fachgebiet
35321700 FG Altersgerechte Mensch-Technik-Systeme

Prüfungsausschuss
Human Factors

Kontakt

Sekretariat
KWT 1

Ansprechpartner*in
Hughes, Charmayne Mary Lee

E-Mail-Adresse
hughes@tu-berlin.de

Webseite

https://www.tu.berlin/ipa/ueber-uns/fachgebiete/vorstellung-des-fgs-altersgerechte-mensch-technik-systeme

Diese Modulbeschreibung ist nicht oder nicht vollständig auf deutsch hinterlegt.

Es wird auf Wunsch trotzdem der Inhalt der unvollständigen Spracheversion angezeigt.

Diese Modulbeschreibung gilt nicht im aktuellen Semester.

Die Modulbeschreibung gilt nur für den Zeitraum SoSe 2024 - WiSe 2024/25. Die Version für das aktuelle Semester (SoSe 2025) finden Sie hier: Modulbeschreibung des SoSe 2025

Lernergebnisse

Keine Angabe

Lehrinhalte

Keine Angabe

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

Lehrveranstaltungen	Art	Nummer	Turnus	Sprache	SWS	ISIS	VVZ
Machine Learning for Aging and Longevity	UE	51093	WiSe/SoSe	en	2
Machine Learning for Aging and Longevity	SEM	51093	WiSe/SoSe	en	2

ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Machine Learning for Aging and Longevity (UE):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Präsenzzeit	15.0	2.0h	30.0h
Vor-/Nachbereitung	15.0	4.0h	60.0h
			90.0h(~3 LP)

Machine Learning for Aging and Longevity (SEM):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Präsenzzeit	15.0	2.0h	30.0h
Vor-/Nachbereitung	15.0	4.0h	60.0h
			90.0h(~3 LP)

Der Aufwand des Moduls summiert sich zu 180.0 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Keine Angabe

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Keine Angabe

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Hausarbeit

Sprache(n)

Deutsch, 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:
Sommersemester.

Maximale teilnehmende Personen

Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.

Anmeldeformalitäten

Keine Angabe

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit: nicht verfügbar

Skript in elektronischer Form

Verfügbarkeit: nicht verfügbar

Literatur

Empfohlene Literatur
Hands-on Machine Learning with Scikit-Learn, Keras, & TensorFlow. 2nd Edition, O’Reilly Media, Inc., Sebastopol.

Zugeordnete Studiengänge

Semester:

Zeige auch ausgelaufene Studiengänge und StuPOs

Diese Modulversion wird in folgenden Studiengängen verwendet:

	Studiengang / StuPO	StuPOs	Verwendungen	Erste Verwendung	Letzte Verwendung
Dieses Modul findet in keinem Studiengang Verwendung.

Studierende anderer Studiengänge können dieses Modul ohne Kapazitätsprüfung belegen.

Sonstiges

Keine Angabe