WERKZEUGE DER MUSTERERKENNUNG UND DES MASCHINELLEN LERNENS
|
|
- Rüdiger Solberg
- vor 6 Jahren
- Abrufe
Transkript
1 WERKZEUGE DER MUSTERERKENNUNG UND DES MASCHINELLEN LERNENS Vorlesung im Sommersemester 2017 Prof. E.G. Schukat-Talamazzini Stand: 5. April 2017 Lehrbereich Informatik Intelligente Systeme Vertiefung Künstliche Intelligenz und Mustererkennung Professur für Musteranalyse Lehrangebot Wintersemester & Sommersemester Inhaltliche Abhängigkeiten STOCHASTISCHE GRAMMATIK- MODELLE 2V M.Sc. WERKZEUGE ( R ) der Mustererkennung und des Maschinellen Lernens 2V/U B.Sc. MUSTERERKENNUNG 4V B.Sc. MASCHINELLES LERNEN UND DATA MINING 4V M.Sc. SPEZIELLE MUSTERANALYSE- SYSTEME 2V M.Sc. Meine Lehrveranstaltungen für... Informatiker & Bioinformatiker & Informatikerinnen & Bioinformatikerinnen SOMMERSEMESTER ASQ und Intelligente Systeme 4V EF Inf. Bachelor Mustererkennung 4V Master Werkzeuge ME/ML Gramma- 2V Stochastische tikmodelle Biometriesysteme (Seminar) 2Ü Statistische Musteranalyse 2S WINTERSEMESTER Literaturarbeit und Präsentation ASQ Strukturiertes Programmieren Maschinelles Lernen und Datamining 2S 4V+2Ü 4V Spezielle Musteranalysesysteme 2V
2 Wie studiere ich MUSTERANALYSE? Studiengänge: Informatik Bioinformatik Angewandte Informatik Werkzeuge Mustererkennung & Maschinelles Lernen Vorlesung der Bachelor/Master-Studiengänge 2V/P 3 LP Bachelor Mustererkennung 6LP We kzeuge ME/ML 3LP Vertiefungsangebote auf Antrag beim Prüfungsamt: Maschinelles Lernen 6LP Master Maschinelles Lernen 6LP Stochast. Grammatik 3LP Musteranalysesysteme 3LP Nivellierungsmodule auf Antrag beim Prüfungsamt: Mustererkennung 6LP We kzeuge ME/ML 3LP B.Sc. Informatik B.Sc. Ang.Inform. B.Sc. Bioinform. Zusatzmodul KI/ME & INT auf Antrag Mustererkennung Vorlesung der Bachelor/Master-Studiengänge 4V 6 LP Maschinelles Lernen & Data Mining Vorlesung der Master-Studiengänge 4V 6 LP B.Sc. Informatik B.Sc. Bioinform. B.Sc. Ang.Inform. Pflicht im Anw.fach CNS LG Informatik FS 6 9 Schwerpunkt KI/ME M.Sc. Comp.Science B.Sc. Informatik Zusatzangebot LG Informatik FS 6 9
3 Stochastische Grammatikmodelle Vorlesung der Master-Studiengänge 2V 3 LP Spezielle Musteranalysesysteme Vorlesung der Master-Studiengänge 2V 3 LP Schwerpunkt KI/ME M.Sc. Comp.Science Informatik Vorlesungsstoff Inhaltliche Strukturierung 1. Die Programmiersprache Sprachumfang, Installation, Sitzung, Elementargrafik 2. Rechnen in : die wichtigen Klassen Vektor, Matrix, Liste, Dataframe, Faktor, Kontrolle, Vektorisierung, Funktionen, S3-Klassen 3. Datensätze & Grafikfunktionen in Zeichenkette, Datensatz, E/A, Paket Grafik: 1D, 2D, 3D, HD 4. Modellieren in Statistikfunktionen, Verteilungen, Formula-Objekte, Vorhersagemodelle, Optimierung 5. Ausgewählte Werkzeuge für ME/ML/DM Signalverarbeitung, Transformation, Regression, Klassifikation, Clustering
4 Semesterstart (Sitzungen 1 3) 90 Minuten Vorlesungsfolien Vorlesung Sitzungsablauf und Vorlesungsfolien Semesterhauptteil (Sitzungen 4 14) 45 Minuten Übungsaufgaben 45 Minuten Vorlesungsfolien Die Vorlesungsinhalte sind hierarchisch gegliedert. (wenn man Glück hat) Die Vorlesung selbst besitzt svst. eine streng lineare Abfolge. Ein Vorlesungsskript auch, aber Sie können es in beliebiger Reihenfolge lesen. Das Folienskript folgt der inhaltlichen Hierarchie... Einfaches neben Schwierigem Standards neben Exoten Vorlesung Nutzung der Folienpräsentation Die Folien sollen vom Mitschreiben während der Vorlesung entlasten. Das Mitschreiben wird dadurch nicht überflüssig. Die Folien sind kein Lehrbuch. Die Folien sind daher im allgemeinen nur mit den Erläuterungen während der Vorlesung und entsprechenden eigenen Notizen verständlich. Übungsaufgaben Bearbeitung der Aufgabenblätter URL: Aufgabenblätter 10 Übungsblätter (Woche #3 bis Woche #13) 2 3 Programmieraufgaben je Blatt (WWW) Ü-Blatt/PDF & Datensätze, Infotexte, Codeschnipsel... Bearbeitung Teamarbeit oder Arbeitsteilung Verweise auf Skript Mustererkennung Rückfragen per (2 Mitglieder/Gruppe) (Kapitel/Seitenzahl) (reply ALLE) Abgabe der Lösung Programmcode Schriftliche Antworten Grafikausgaben, Tabellen mit Anhängen oder Archiv (Textdatei) (Textdatei oder PDF) (PDF, Text)
5 Übungsaufgaben Lösen der Hausaufgaben in Arbeitsgruppen Übungsaufgaben Workflow für die Bearbeitung der Übungsserien Arbeitsgruppen Hausaufgabenblätter werden in Gruppenarbeit gelöst. Jede Arbeitsgruppe besteht aus genau 2 Mitgliedern. (Ausnahmen nur nach persönlicher Absprache) Anmeldung per Jede Gruppe meldet sich bis Montagabend ( ) an. Gruppenname plus (Vor/Zuname/Mail) je Mitglied. Kostenloses Speed-Dating Singles melden sich bitte ebenfalls bei mir (s.o.). Sie werden dann im round-robin-verfahren verkuppelt. Ausgabe Die neue Aufgabenstellung wird freitags im Internet veröffentlicht. Woche M Abgabe Woche M + 1 Die Arbeitsgruppen liefern ihre Lösungen ab. ( 1 Papierstoß, 1 Archiv, 1 , bitte!) Deadline ist Sonntag 23:59 Uhr Rückgabe & Besprechung Woche M + 2 Die Aufgaben und ihre Lösung werden im Falle öffentlichen Interesses in der Übungsveranstaltung besprochen. Erstes Übungsblatt Ausgabe am Karfreitag, den Prüfung Was wird wann wie von wem geprüft? Prüfungsgegenstand Bearbeitung der Übungsaufgabenblätter Abgabe der Lösungen (gruppenweise) Summe erzielter Punkte Prüfungstermine (nur in Einzel- und Ausnahmefällen) Prüfungsstoff Programmierung in R Anmeldung und Zulassung zur Teilnahme und zur Prüfung
6 W.N. Venables and B.D. Ripley. Modern Applied Statistics with S. Springer, U. Ligges. Programmieren mit R. Springer, Norman Matloff. Art of R Programming. No Starch Press, Jürgen Groß. Grundlegende Statistik mit R. Vieweg, Wiesbaden, Programmieren in R Dirk Eddelbuettel. Seamless R and C++ Integration with Rcpp. Number 64 in Use R! Springer, Daten- und Musteranalyse in R Weitere Anwendungen für R Brian Everitt and Torsten Hothorn. An Introduction to Applied Multivariate Analysis with R. Use R. Springer, Paul S.P. Cowpertwait and Andrew V. Metcalfe. Introductory Time Series with R. Use R! Springer, Bertrand Clarke, Ernest Fokoue, and Hao Helen Zhang. Principles and Theory for Data Mining and Machine Learning. Springer Series in Statistics. Springer, Graham Williams. Data Mining with Rattle and R. Use R. Springer, Randall Pruim. Foundations and Applications of Statistics: An Introduction Using R, volume 13 of Pure and Applied Undergraduate Texts. American Mathematical Society, Søren Højsgaard, David Edwards, and Steffen Lauritzen. Graphical Models with R. Use R! Springer, Jim Albert. Bayesian Computation with R. Use R! Springer, F. Hahne, W. Huber, R. Gentleman, and S. Falcon. Bioconductor Case Studies. Use R. Springer, Giovanni Petris, Sonia Petrone, and Patrizia Campagnoli. Dynamic Linear Models with R. Use R! Springer, Eric D. Kolaczyk and Gábor Csárdi. Statistical Analysis of Network Data with R. Use R! Springer, 2014.
7 Maschinelles Lernen Data Mining & Modellierung G. James, D. Witten, T. Hastie, and R. Tibshirani. An Introduction to Statistical Learning. Number 103 in Springer Texts in Statistics. Springer, Christopher M. Bishop. Pattern Recognition and Machine Learning. Springer, Hardcover 60 EUR. T. Hastie, R. Tibshirani, and J. Friedman. The Elements of Statistical Learning. Springer, R.O. Duda, P.E. Hart, and D.G. Stork. Pattern Classification. Wiley Interscience, S. Furui. Digital Speech Processing, Synthesis, and Recognition. Marcel Dekker, New York, J. Han and M. Kamber. Data Mining: Concepts and Techniques. Morgan Kaufmann, David Edwards. Introduction to Graphical Modelling. Springer Texts in Statistics. Springer, New York, NY, John C. Loehlin. Latent Variable Models. Lawrence Erlbaum Assoc Inc, K.A. Bollen. Structural Equations With Latent Variables. John Wiley & Sons, Regression & Statistik Mathematische Grundlagen Alan Julian Izenman. Modern Multivariate Statistical Techniques. Regression, Classification, and Manifold Learning. Springer Texts in Statistics. Springer, Ludwig Fahrmeir, Thomas Kneib, and Stefan Lang. Regression. Springer, Peter Bühlmann and Sara van de Geer. Statistics for High-Dimensional Data. Springer Series in Statistics. Springer, J. Kreiß and G. Neuhaus. Einführung in die Zeitreihenanalyse. Springer, H.L. Harney. Bayesian Inference. Springer, M. Drmota, B. Gittenberger, G. Karigl, and A. Panholzer. Mathematik für Informatik. Heldermann Verlag, Seiten fester Einband 36 EUR. L. Dümbgen. Stochastik für Informatiker. Springer, G.H. Golub and C.F. Van Loan. Matrix Computations. Johns Hopkins University Press, I.N. Bronstein and K.A. Semendjajew. Taschenbuch der Mathematik. Verlag Harri Deutsch, Thun und Frankfurt/Main, 24 edition, 1989.
8 Andere Sprachen & Systeme Ian H. Witten and Eibe Frank. Data Mining: Practical Machine Learning Tools and Techniques. Morgan Kaufmann, Auflage. I.T. Nabney. NETLAB. Algorithms for Pattern Recognition. Advances in Pattern Recognition. Springer, Dietrich W. R. Paulus and Joachim Hornegger. Pattern Recognition of Images and Speech in C++. Advanced Studies in Computer Science. Vieweg, Wiesbaden, Willi-Hans Steeb. The Nonlinear Workbook. World Scientific, Paperback 29 Pound.
MUSTERERKENNUNG. Meine Lehrveranstaltungen für... Informatiker & Bioinformatiker & Informatikerinnen & Bioinformatikerinnen
MUSTERERKENNUNG Vorlesung im Sommersemester 2016 Prof. E.G. Schukat-Talamazzini Stand: 11. März 2016 Lehrbereich Informatik Intelligente Systeme Vertiefung Künstliche Intelligenz und Mustererkennung Professur
MehrINTELLIGENTE SYSTEME. Meine Lehrveranstaltungen für... Informatiker & Bioinformatiker & Informatikerinnen & Bioinformatikerinnen
INTELLIGENTE SYSTEME Sommersemester 2018 Teil Mustererkennung Prof. E.G. Schukat-Talamazzini Stand: 9. April 2018 Zur Lehrbereich Informatik Intelligente Systeme Vertiefung Künstliche Intelligenz und Mustererkennung
MehrMASCHINELLES LERNEN & DATAMINING. Meine Lehrveranstaltungen für... Informatiker & Bioinformatiker & Informatikerinnen & Bioinformatikerinnen
MASCHINELLES LERNEN & DATAMINING Vorlesung im Wintersemester 2017 Prof. E.G. Schukat-Talamazzini Stand: 25. August 2017 Lehrbereich Informatik Intelligente Systeme Vertiefung Künstliche Intelligenz und
MehrSPEZIELLE MUSTERANALYSESYSTEME Schrift- und Spracherkennung mit Hidden-Markov-Modellen
SPEZIELLE MUSTERANALYSESYSTEME Schrift- und Spracherkennung mit Hidden-Markov-Modellen Vorlesung im Wintersemester 2017 Prof. E.G. Schukat-Talamazzini Stand: 25. August 2017 Lehrbereich Informatik Intelligente
MehrMeine Lehrveranstaltungen für... Informatiker & Bioinformatiker & Informatikerinnen & Bioinformatikerinnen
STRUKTURIERTES PROGRAMMIEREN Vorlesung im Sommersemester 2014 Prof. E.G. Schukat-Talamazzini Stand: 15. Oktober 2014 Professur für Musteranalyse Lehrangebot Wintersemester & Sommersemester Meine Lehrveranstaltungen
MehrMeine Lehrveranstaltungen für... Informatiker & Bioinformatiker & Informatikerinnen & Bioinformatikerinnen
STRUKTURIERTES PROGRAMMIEREN Vorlesung im Wintersemester 2017 Prof. E.G. Schukat-Talamazzini Stand: 16. Oktober 2017 Lehrbereich Informatik WP-Bereich Intelligente Systeme Vertiefung Künstliche Intelligenz
MehrSTOCHASTISCHE GRAMMATIKMODELLE. Meine Lehrveranstaltungen für... Informatiker & Bioinformatiker & Informatikerinnen & Bioinformatikerinnen
STOCHASTISCHE GRAMMATIKMODELLE Vorlesung im Sommersemester 2015 Prof. E.G. Schukat-Talamazzini Stand: 20. Juli 2015 Lehrbereich Informatik Intelligente Systeme Vertiefung Künstliche Intelligenz und Mustererkennung
Mehr:21 Uhr Modulbeschreibung #1290/1 Seite 1 von 5
04.12.2015 16:21 Uhr Modulbeschreibung #1290/1 Seite 1 von 5 Modulbeschreibung Maschinelles Lernen 1 Modultitel: Maschinelles Lernen 1 Machine Learning 1 URL: Leistungspunkte: 9 Sekretariat: Modulsprache:
MehrMathematisch-algorithmische Grundlagen für Big Data
Mathematisch-algorithmische Grundlagen für Big Data Numerische Algorithmen für Datenanalyse und Optimierung Prof. Dr. Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg Sommersemester 2017
MehrWas ist Statistik? CASE Center for Applied Statistics and Econometrics Institut für Statistik and Ökonometrie Humboldt-Universität zu Berlin
CASE Center for Applied Statistics and Econometrics Institut für Statistik and Ökonometrie Humboldt-Universität zu Berlin http://ise.wiwi.hu-berlin.de http://www.xplore-stat.de http://www.md-stat.com Grundlagen
MehrMustererkennung und Klassifikation
Mustererkennung und Klassifikation WS 2007/2008 Fakultät Informatik Technische Informatik Prof. Dr. Matthias Franz mfranz@htwg-konstanz.de www-home.htwg-konstanz.de/~mfranz/heim.html Grundlagen Überblick
MehrAC T U AR I AL S C I E N C E
Das ist die Kopfzeile AC T U AR I AL S C I E N C E Frühjahrsemester 2019 Mittelfristiger Lehrplan Masterstudium Actuarial Science Der vorliegende Lehrplan ist mittelfristig angelegt und wird jedes Semester
MehrFolien zur Vorlesung. Zeitreihenanalyse (Time Series Analysis)
Folien zur Vorlesung Zeitreihenanalyse (Time Series Analysis) Wintersemester 2014/2015 Mittwoch 14.00 15.30 Uhr Hörsaal: J 498 Prof. Dr. Bernd Wilfling Westfälische Wilhelms-Universität Münster Inhalt
MehrInterdisziplinäres Seminar. Multivariate Statistik bei psychologischen Fragestellungen. Markus Bühner und Helmut Küchenhoff WS 2008/09
Interdisziplinäres Seminar Multivariate Statistik bei psychologischen Fragestellungen Markus Bühner und Helmut Küchenhoff WS 2008/09, Homepage: http://www.stat.uni-muenchen.de/~helmut/seminar_0809.html
MehrWas ist Statistik? CASE Center for Applied Statistics and Econometrics Institut für Statistik and Ökonometrie Humboldt-Universität zu Berlin
CASE Center for Applied Statistics and Econometrics Institut für Statistik and Ökonometrie Humboldt-Universität zu Berlin http://ise.wiwi.hu-berlin.de http://www.xplore-stat.de http://www.md-stat.com Grundlagen
MehrNeue Module, Zuordnungen, Formate von Lehrveranstaltungen
Der Vorsitzende der Prüfungsausschüsse der FIM Prof. Dr. Matthias Kranz Telefon Prof. Dr. Matthias Kranz 0851 509-3081 Sekretariat Telefax 0851 509-3082 E-Mail Matthias.Kranz@uni-passau.de Robert.Offinger@uni-passau.de
MehrMaster-Studiengang & Bewerbung/Zulassung. Judith Zimmermann Studienkoordinatorin, Departement Informatik, ETH Zürich
Master-Studiengang & Bewerbung/Zulassung Judith Zimmermann Studienkoordinatorin, Departement Informatik, ETH Zürich Master's in Data Science 120 Core Courses 62 Data Analysis 16 Information and Learning
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 0. Organisatorisches Malte Helmert Universität Basel 16. Februar 2015 Organisatorisches Personen: Dozent Dozent Prof. Dr. Malte Helmert E-Mail: malte.helmert@unibas.ch
MehrEinführung in die Informatik: Programmierung und Softwareentwicklung
Einführung in die Informatik: Programmierung und Softwareentwicklung Wintersemester 2018/19 Begrüßung Prof. Dr. David Sabel und Dr. Philipp Wendler WS 2018/19 Personen Vorlesung: Prof. Dr. David Sabel
MehrLehrveranstaltungen im Wintersemester 2012/2013
Lehrveranstaltungen im Wintersemester 2012/2013 Information Systems and Machine Learning Lab (ISMLL) Prof. Dr. Dr. Lars Schmidt-Thieme Hildesheim, Juli 2012 1 / 1 Übersicht Praktika Hildesheim, Juli 2012
MehrData Mining Künstliche Neuronale Netze vs. Entscheidungsbäume
Data Mining Künstliche Neuronale Netze vs. Entscheidungsbäume Grundseminar HAW Master Informatik 18.04.2017 Inhaltsübersicht Data Mining & Begriffswelt des Data Mining Klassifikation & Klassifikatoren
MehrLV Nr. Titel KP Zuständigkeit Rhythmus Bemerkungen Pflichtveranstaltungen FS 18. Wahlveranstaltungen
Frühjahrsemester 2018 Mittelfristiger Lehrplan Masterstudium Actuarial Science Der vorliegende Lehrplan ist mittelfristig angelegt und wird jedes Semester aktualisiert. Detaillierte Informationen zu den
MehrStatistik für Informatiker, SS 2017 Organisatorisches, ein Startbeispiel und eine sehr knappe R-Einführung
1/18 Statistik für Informatiker, SS 2017 Organisatorisches, ein und eine sehr knappe R-Einführung Matthias Birkner http://www.staff.uni-mainz.de/birkner/statinfo17/ 19.4.2017 2/18 Herzlich willkommen zur
MehrModulliste. für den Masterstudiengang. Data & Knowledge Engineering (alt) an der Otto von Guericke Universität Magdeburg Fakultät für Informatik
Modulliste für den Masterstudiengang Data & Knowledge Engineering (alt) an der Otto von Guericke Universität Magdeburg Fakultät für Informatik vom Sommersemester 2019 Der Masterstudiengang Data & Knowledge
MehrLehrveranstaltungsplanung Wintersemester 2015/16
Lehrveranstaltungsplanung Wintersemester 2015/16 BACHELOR Mathematik, Wirtschaftsmathematik, Mathematik Lehramt an Gymnasien und Lehramt Berufliche Schulen 65-091 Mathematische Stochastik / Probability
MehrEinführung. Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2008
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2008 Einführung Vorlesung:
MehrMA2000 (6) Math. Grundlagen. MA2003 (5) Maß- und Int. MA2004 (5) Vektoranalysis MA2101 (9) Algebra. MA2203 (5) Geo-Kalküle
weitere Pflichtmodule Reine Mathe frühestes Semester: 1. Sem (WiSe) 2. Sem (SoSe) 3. Sem (WiSe) 4. Sem (SoSe) 5. Sem (WiSe) 6. Sem (SoSe) MA1001 (10) Analysis 1 MA1002 (10) Analysis 2 MA2000 (6) Math.
MehrEinführung in die Didaktik der Informatik D. Engbring mündl.
Bachelor Pflicht BA-INF 021 Lineare Algebra Th. Räsch 02.08.2016/ 9-12 Uhr HS IX+X Hauptg. 12.09.2016/ 9-12 Uhr HS IX+X Hauptg. schriftlich BA-INF 022 Analysis M. Welter 26.07.2016/9.30-11.30Uhr HS IX+X
MehrWas ist Statistik? CASE Center for Applied Statistics and Econometrics Institut für Statistik and Ökonometrie Humboldt-Universität zu Berlin
CASE Center for Applied Statistics and Econometrics Institut für Statistik and Ökonometrie Humboldt-Universität zu Berlin http://ise.wiwi.hu-berlin.de http://www.xplore-stat.de http://www.md-stat.com Grundlagen
MehrVorlesung Formale Aspekte der Software-Sicherheit und Kryptographie Sommersemester 2015 Universität Duisburg-Essen
Vorlesung Formale Aspekte der Software-Sicherheit und Kryptographie Sommersemester 2015 Universität Duisburg-Essen Prof. Barbara König Übungsleitung: Sebastian Küpper Barbara König Form. Asp. der Software-Sicherheit
MehrPersonen. Grundlagen der Programmierung 2. Webseite und . Vorlesung
Personen Grundlagen der Programmierung 2 Oganisatorisches Prof. Dr. Manfred Schmidt-Schauß (Künstliche Intelligenz und Softwaretechnologie) Dr. Karsten Tolle (Datenbanken und Informationssysteme) Teil
MehrInformatik-Prüfungsplan (Stand: Nr. 1)
Informatik-Prüfungsplan (Stand: 11.12.18 Nr. 1) Tag Datum Zeit Lehrgebiet Raum Prüfer 1. Woche Montag 28.01.2019 08.00-09.00 41013 (alt:11013) Betriebliches Rechnungswesen (Pflichtfach im 3. Semester WIF-Bsc.)
MehrVorlesung Programmierung
- 1 - Vorlesung Programmierung Inhalt der Vorlesung Was ist ein Programm? Was sind grundlegende Programmierkonzepte? Wie konstruiert (entwickelt) man ein Programm? Welche Programmier-Paradigmen gibt es?
MehrDiskrete Strukturen WS 2010/11. Ernst W. Mayr. Wintersemester 2010/11. Fakultät für Informatik TU München
WS 2010/11 Diskrete Strukturen Ernst W. Mayr Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2010ws/ds/ Wintersemester 2010/11 Diskrete Strukturen Kapitel 0 Organisatorisches Vorlesungen:
MehrWie läuft das Studium ab?
Wie läuft das Studium ab? Regelstudienzeit 4 Semester Studienumfang 120 ECTS (100 ECTS aus Lehrveranstaltungen + 20 ECTS aus der Masterarbeit) Studienbeginn Wintersemester Abschluss Master of Science (M.Sc.)
MehrVerteilte Systeme. SoSe Universität Siegen Tel.: 0271/ , Büro: H-B Stand: 11.
Verteilte Systeme SoSe 2018 Universität Siegen rolanda.dwismuellera@duni-siegena.de Tel.: 0271/740-4050, Büro: H-B 8404 Stand: 11. April 2018 Betriebssysteme / verteilte Systeme Verteilte Systeme (1/14)
MehrLehrstuhl für Mustererkennung
Lehrstuhl für Mustererkennung Wintersemester 2017/18 Prof. Dr.-Ing. Andreas Maier 21.10.2017 Lehrstuhl für Informatik 5 (Mustererkennung) Friedrich-Alexander-Universität Erlangen-Nürnberg Lehrstuhl für
MehrÜbersicht & Einführung
Michael Wand Institut für Informatik. Angewandte Mathematik am Rechner 2 WINTERSEMESTER 2017/18 *#$?!! Kapitel 0 Übersicht & Einführung Links! WWW-Ressourcen Webseite zum Praktikum Einstieg (Weiterleitung
MehrMasterstudiengang Computational Science. Institut für Informatik und Computational Science Universität Potsdam
Masterstudiengang Computational Science Institut für Informatik und Computational Science Universität Potsdam 1 Studienverlaufsplan Leistungspunkte (LP) werden durch bestandene Modulprüfungen erbracht
MehrErste Schritte mit R. 2.1 Herunterladen der freien Software R
Erste Schritte mit R 2 BevorwirunsmitdeninKap.1 eingeführten Fragestellungen beschäftigen, brauchen wir noch ein Werkzeug, um die Datensätze später wirklich auswerten zu können. Sicher lässt sich das in
MehrPrüfungstermine SoSe 2018
Prüfungstermine SoSe 2018 * Prüfungszeiträume: 16.07. - 10.08.2018 (Prüfung) und 24.09. - 12.10.2018 (WP) * Die LV sind alphabetisch sortiert * Abkürzungen in der Übersicht siehe allgemeine Hinweise zum
MehrINTELLIGENTE DATENANALYSE IN MATLAB
INTELLIGENTE DATENANALYSE IN MATLAB Einführungsveranstaltung Überblick Organisation Literatur Inhalt und Ziele der Vorlesung Beispiele aus der Praxis 2 Organisation Vorlesung/Übung + Projektarbeit. 4 Semesterwochenstunden.
MehrMaster of. Mathematics in Operations Research. Dr. Michael Ritter 27. Oktober Technische Universität München
Master of Mathematics in Operations Research Dr. Michael Ritter 27. Oktober 2016 Technische Universität München Operations Research Operations Research Science of Better Operations Research Science of
MehrLehrveranstaltungen des Faches VWL in den Master-Studiengängen der VWL. Planung für das Wintersemester 2016/17 und das Sommersemester 2017
Lehrveranstaltungen des Faches VWL in den Master-Studiengängen der VWL Planung für das Wintersemester 2016/17 und das Sommersemester 2017 Stand: 10.02.2016 (FBR-Beschluss) Wichtige Hinweise 1. Die Übersicht
MehrVorlesung Modellierung nebenläufiger Systeme Sommersemester 2014 Universität Duisburg-Essen
Vorlesung Modellierung nebenläufiger Systeme Sommersemester 2014 Universität Duisburg-Essen Barbara König Übungsleitung: Sebastian Küpper Barbara König Vorlesung Modellierung nebenläufiger Systeme 1 Das
MehrINFORMATIK. Reform des Informatik-Studiums (Bachelor) Informationsveranstaltung zur Studienreform
Reform des Informatik-Studiums (Bachelor) Informationsveranstaltung zur Studienreform Ziele der Reform Fundierte Ausbildung im Pflichtbereich unter Berücksichtigung des Forschungsprofils des Standorts
MehrEinführung in die empirische Wirtschaftsforschung. Wintersemester 2017/2018 Syllabus und organisatorische Informationen
Einführung in die empirische Wirtschaftsforschung Wintersemester 2017/2018 Syllabus und organisatorische Informationen Prof. Dr. Almut Balleer Lehr- und Forschungsgebiet Empirische Wirtschaftsforschung
MehrRobert Denk Proseminar Analysis WS 2016/17
1. Inhalt des Proseminars 1 Robert Denk 21.07.2016 Proseminar Analysis WS 2016/17 1. Inhalt des Proseminars Die Grundidee einer Fourierreihe besteht darin, eine Funktion als Überlagerung von Schwingungen,
MehrDiskrete Strukturen WS Ernst W. Mayr. Wintersemester Fakultät für Informatik TU München
WS 2011 Diskrete Strukturen Ernst W. Mayr Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2011ws/ds/ Wintersemester 2011 Diskrete Strukturen Kapitel 0 Organisatorisches Vorlesung: Di 13:45
MehrAdvanced Business Intelligence. Advanced Networking. Artificial Intelligence. Campus Offenburg Badstraße 24, 77652
Advanced Business Intelligence Prerequisite english description Hours 4.0 Praktikum Data Mining Nr. E+I2118 Data Mining Nr. E+I2117 Advanced Networking Hours 4.0 Advanced Networking Nr. E+I2103 Praktikum
MehrAntragsteller/in: Dr. Thoralf Räsch Datum:
Antragsteller/in: Dr. Thoralf Räsch Datum: 14.03.16 Modul: BA-INF 021, Lineare Algebra Zwei Wochen vor dem Termin der ersten Klausur müssen 50 Prozent der Punkte der wöchentlichen Übungsaufgaben erreicht
MehrKooperationsprojekt NAWI-GRAZ
Kooperationsprojekt NAWI-GRAZ MASTERSTUDIUM MATHEMATICS Matrikel-Nr. Name, Vorname(n) Kennzeichnung des Studiums B 0 6 6 3 9 4 Abgabe nur mit aktuellem Studienblatt möglich! Auflagen: JA, NEIN Auflagen
MehrModulliste. für den Bachelorstudiengang. Wirtschaftsinformatik. an der Otto von Guericke Universität Magdeburg Fakultät für Informatik
Modulliste für den Bachelorstudiengang Wirtschaftsinformatik an der Otto von Guericke Universität Magdeburg Fakultät für Informatik vom Sommersemester 2019 Der Bachelorstudiengang Wirtschaftsinformatik
MehrDirekte Methoden für dünnbesetzte lineare Gleichungssysteme
Direkte Methoden für dünnbesetzte lineare Gleichungssysteme Seminar, Wintersemester 2012/13 Hans Georg Bock Andreas Potschka Ruprecht-Karls-Universität Heidelberg 17. Oktober 2012 Direkte Methoden für
MehrUmbuchungen im Bachelor-Studiengang Informatik für den Wechsel von der PO 2009 zur PO 2017
Umbuchungen im Bachelor-Studiengang Informatik für den Wechsel von der PO 2009 zur PO 2017 Allgemeine Umbuchungsregeln: Für alle bisherigen Studierenden, die sich nach dem Prüfungszeitraum Sommersemester
MehrKausalanalyse. Einführung
Kausalanalyse Einführung 1 Gliederung 1. Einordnung in das Curriculum 2. Spezialisierungsmöglichkeiten 3. Teilnahmevoraussetzungen 4. Gliederung der Vorlesung Kausalanalyse "Kausalanalyse" 5. Übung 2 Lehrstuhl
MehrAlgorithmen und Datenstrukturen in der Bioinformatik
Algorithmen und Datenstrukturen in der Bioinformatik Vorlesung von Dr. Gunnar Klau Wintersemester 2005/2006, FU Berlin gunnar@math.fu-berlin.de http://www.math.fu-berlin.de/~gunnar 1 Aus dem Vorlesungsverzeichnis:
MehrUmbuchungen im Bachelor-Studiengang Technische Informatik für den Wechsel von der PO 2010 zur PO 2017
Umbuchungen im Bachelor-Studiengang Technische Informatik für den Wechsel von der PO 2010 zur PO 2017 Allgemeine Umbuchungsregeln: Für alle bisherigen Studierenden, die sich nach dem Prüfungszeitraum Sommersemester
MehrInformatik 1 für Studiengang Elektrotechnik/Kommunikationstechnik
Informatik 1 für Studiengang Elektrotechnik/Kommunikationstechnik Wintersemester 2018/19 Prof. Dr. Peter Sobe Prof. Dr. Jens Schönthier HTW Dresden, Fakultät Informatik / Mathematik Informatik-Ausbildung
MehrUmbuchungen im Bachelor-Studiengang Informatik für den Wechsel von der PO 2009 zur PO 2017
Umbuchungen im Bachelor-Studiengang Informatik für den Wechsel von der PO 2009 zur PO 2017 Allgemeine Umbuchungsregeln: Für alle bisherigen Studierenden, die sich nach dem Prüfungszeitraum Sommersemester
MehrInformatics Master Programs
Informatics Master Programs T. Huckle Technichal University of Munich Department of Informatics Scientific Computing Garching, 8.6.2018 Overview Master Informatics Master Informatics: Games Engineering
MehrBusiness Intelligence & Machine Learning
AUSFÜLLHILFE: BEWEGEN SIE DEN MAUSZEIGER ÜBER DIE ÜBERSCHRIFTEN. AUSFÜHRLICHE HINWEISE: LEITFADEN MODULBESCHREIBUNG Business Intelligence & Machine Learning Kennnummer Workload Credits/LP Studiensemester
MehrEinführungsveranstaltung für alle Statistik Nebenfächer
Einführungsveranstaltung für alle Statistik Nebenfächer Johanna Brandt (Nebenfachstudienberatung) Institut für Statistik, LMU 02. Oktober 2014 Johanna Brandt (Institut für Statistik, LMU) Nebenfachstudienberatung
MehrData Engineering & Statistics
Übergangsbestimmungen für das Bachelorstudium Data Engineering & Statistics an der Technischen Universität Wien von der Studienkommission Informatik beschlossen am 20.9.2006 (1) Sofern nicht anderes angegeben
MehrEinführung in die Technische Informatik [TI]
Computer and Communication Systems (Lehrstuhl für Technische Informatik) Einführung in die Technische Informatik [TI] Falko Dressler Universität Innsbruck [TI] Winter 2013/2014 Einleitung 1 Früher Prozessor:
MehrErstsemesterbegrüßung
Erstsemesterbegrüßung Wirtschaftsinformatik (WINF) Informationsmanagement und Informationstechnologie (IMIT) B.Sc. Universität Hildesheim 08.04.2013, A09 Spl, 10:15h Prof. Dr. Klaus Ambrosi Studiengangsbeauftragter
MehrWahlmodulkataloge der Kombination Mathematik-Informatik des Bachelor und Master Naturwissenschaftliche Bildung
Wahlmodulkataloge der Kombination Mathematik-Inatik des Bachelor und Master Naturwissenschaftliche Bildung Die Auflistung dieser Wahlmodulkataloge ist nicht abschließend. Anträge zur Erweiterung des Wahlmodulkatalogs
MehrUmbuchungen im Bachelor-Studiengang Technische Informatik für den Wechsel von der PO 2010 zur PO 2017
Umbuchungen im Bachelor-Studiengang Technische Informatik für den Wechsel von der PO 2010 zur PO 2017 Allgemeine Umbuchungsregeln: Für alle bisherigen Studierenden, die sich nach dem Prüfungszeitraum Sommersemester
MehrMasterstudiengang Computational Science
Masterstudiengang Computational Science Institut für Informatik und Computational Science Universität Potsdam Studienverlaufsplan Leistungspunkte (LP) werden durch bestandene Modulprüfungen erbracht Module
Mehr! Die Idee Kombination von Informatik und einem anderen Fach
Computerlinguistik Integriertes Anwendungsfach im B.Sc.Studiengang Department Informatik / Universität Hamburg! Wie funktioniert das integrierte Anwendungsfach Computerlinguistik (organisatorisch)?! Beziehungen
MehrPrüfungsorganisation an der FMI
Prüfungsorganisation an der FMI (Ohne studienorganisatorische Probleme durch das Studium) Jutta Jäger (Leiterin Studien- und Prüfungsamt) Informationsveranstaltung am 05.10.2015 1 Prüfungsorganisation
MehrLernziele Ablauf Übungsaufgaben Formalitäten. Programmierpraktika. Einführung in das Programmieren und Weiterführendes Programmieren
Programmierpraktika Einführung in das Programmieren und Weiterführendes Programmieren Prof. H. G. Matthies, Dr. Elmar Zander Präsentation: Dr. Th. Grahs 7.4.2016 Programmierpraktika 7.4.2016 1/15 Lernziele
MehrBildverarbeitung. Albert-Ludwigs-Universität Freiburg
Grundlagen der Mustererkennung e e u (Kursvorlesung) Prof. Dr. H. Burkhardt Lh Lehrstuhl thlfür Mustererkennung und Bildverarbeitung Institut t für Informatik Albert-Ludwigs-Universität Freiburg H. Burkhardt,
MehrWahlmodulkataloge der Fächerkombination Mathematik-Chemie des Bachelor und Master Naturwissenschaftliche Bildung Stand
Wahlmodulkataloge der Fächerkombination Mathematik-Chemie des Bachelor und Master Naturwissenschaftliche Bildung Stand 09.02.2018 ausschusses gestellt werden. Liste der Mitglieder und Schriftführung: siehe
MehrPhysik I Dynamik der Teilchen und Teilchensysteme
Westfälische Wilhelms-Universität Münster Wintersemester 2016/17 Physik I Dynamik der Teilchen und Teilchensysteme Peter Krüger, Alexander Kappes http://www.uni-muenster.de/physik.ft/studium/ aktuellessemester/physik1-116116.html
MehrStudieren an der Freien Universität Berlin. Mathematik - Bachelor of Science
Studieren an der Freien Universität Berlin Mathematik - Bachelor of Science Monobachelor -Studiengang Mathematik Regelstudienzeit: 6 Semester (= 3 Jahre) Sommersemester: 01.04. 30.09. Wintersemester: 01.10.
MehrPrüfungsorganisation an der FMI
Prüfungsorganisation an der FMI Ohne studienorganisatorische Probleme durch das Studium - ein kurzer Leitfaden Jutta Jäger Leiterin Studien- und Prüfungsamt 1 Was sollte ich unbedingt kennen? 1. Ordnungen
MehrInformationsveranstaltung Silvan Heller Präsident Fachgruppe Mathematik und Informatik (FMI) 18. September 2017
Informationsveranstaltung Silvan Heller Präsident Fachgruppe Mathematik und Informatik (FMI) 18. September 2017 Willkommen am Departement Mathematik und Informatik Fachgruppe Lernräume fg.automat Website:
MehrFortgeschrittenes Programmieren mit R. Christoph Beck. Di, 14:00-15:30 (3065)
Christoph Beck Di, 14:00-15:30 (3065) Packages / Pakete in R Pakete in R Erweiterungen der (Basis)-Funktionalitäten in R Basis-Pakete Zusätzliche Pakete Base packages base Base R functions (and datasets
MehrStudienplan FSPO 2014/2017 Master Informationssystemtechnik
Studienplan FSPO 2014/2017 Master Informationssystemtechnik Folgende Modulgruppen sind im Masterstudiengang Informationssystemtechnik zu absolvieren. In den Modulgruppen 1. bis 4. sind insgesamt 90 Leistungspunkte
MehrEinführung. Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2009
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Skript zur Vorlesung: Einführung in die Informatik: Systeme und Anwendungen Sommersemester 2009 Einführung Vorlesung:
MehrLehrveranstaltungsplanung Wintersemester 2016 / 2017
Lehrveranstaltungsplanung Wintersemester 2016 / 2017 BACHELOR Mathematik, Wirtschaftsmathematik, Mathematik Lehramt an Gymnasien und Lehramt Berufliche Schulen 65-091 Mathematische Stochastik / Probability
MehrEinführung in die Numerische Lineare Algebra (MA 1304)
Einführung in die Numerische Lineare Algebra (MA 1304) Vorlesung Montags, 16:15-17:45 Uhr Rudolf-Mößbauer - HS (Physik) Homepage zur Vorlesung http://www-m2.ma.tum.de/bin/view/allgemeines/numlinalgws1516
MehrINTELLIGENTE DATENANALYSE IN MATLAB. Einführungsveranstaltung
INTELLIGENTE DATENANALYSE IN MATLAB Einführungsveranstaltung Überblick Organisation. Literatur. Inhalt und Ziele der Vorlesung. Beispiele aus der Praxis. 2 Organisation Vorlesung/Übung + Projektarbeit.
MehrINFORMATIK. Reform des Informatik-Studiums (Bachelor) Informationsveranstaltung zur Studienreform
Reform des Informatik-Studiums (Bachelor) Informationsveranstaltung zur Studienreform Ziele der Reform Fundierte Ausbildung im Pflichtbereich unter Berücksichtigung des Forschungsprofils des Standorts
MehrStudiengangsvorstellung Medieninformatik (B.Sc.)
Studiengangsvorstellung Medieninformatik (B.Sc.) Prof. Dr. Heinrich Hußmann Ludwig-Maximilians-Universität München Wintersemester 2017/18 Ludwig-Maximilians-Universität München, Prof. Hußmann Studiengang
MehrPHYSIK I. - Mechanik, Akustik, Wärmelehre - Ablauf der Vorlesung. Übungen. Leistungsnachweis
PHYSIK I - Mechanik, Akustik, Wärmelehre - Ablauf der Vorlesung Übungen Leistungsnachweis Ablauf der Vorlesung Termine: Mo. und Mi. 10:15-12:00 Uhr, Gr. Hörsaal Physik Dozent: Prof. K. Jakobs Gustav-Mie
MehrStudiengangsvorstellung Medieninformatik (B.Sc.)
Studiengangsvorstellung Medieninformatik (B.Sc.) Prof. Dr. Heinrich Hußmann Ludwig-Maximilians-Universität München Wintersemester 2018/19 Ludwig-Maximilians-Universität München, Prof. Hußmann Studiengang
MehrOrganisatorische Hinweise zur Vorlesung. von Prof. Dr. Vladimir Shikhman im Wintersemester 2017/2018
Organisatorische Hinweise zur Vorlesung Mathematik I für Wirtschaftswissenschaftler und -informatiker von Prof. Dr. Vladimir Shikhman im Wintersemester 2017/2018 URL: http://www.tu-chemnitz.de/mathematik/wima
MehrGibt es eine eigenen Didaktik für das Hauptund das Nebenfach sowie weitere Differenzierungen?
Gibt es eine eigenen Didaktik für das Hauptund das Nebenfach sowie weitere Differenzierungen? Peter Forbrig Fakultät für Informatik und Elektrotechnik Institut für Informatik Lehrstuhl für Softwaretechnik
MehrOrganisatorisches. Software Engineering 1 WS 2012/13. Prof. Dr.-Ing. Ina Schaefer. Institut für Softwaretechnik und Fahrzeuginformatik TU Braunschweig
Organisatorisches Software Engineering 1 WS 2012/13 Prof. Dr.-Ing. Ina Schaefer Institut für Softwaretechnik und Fahrzeuginformatik TU Braunschweig Ina Schaefer SE 1 - WS 2012/13 1 Allgemeine Informationen
MehrVorlesung Künstliche Intelligenz Wintersemester 2009/10
Vorlesung Künstliche Intelligenz Wintersemester 2009/10 Prof. Dr. Gerd Stumme Dipl.-Inform. Björn-Elmar Macek Vorlesung Dienstag, 10:15 11:45 Uhr, Raum 0443 Beginn: 20.10.2009 Vorlesung Mittwoch 14:00
MehrFachgruppe Statistik, Risikoanalyse & Computing. STAT672 Data Mining. Sommersemester 2007. Prof. Dr. R. D. Reiß
Fachgruppe Statistik, Risikoanalyse & Computing STAT672 Data Mining Sommersemester 2007 Prof. Dr. R. D. Reiß Überblick Data Mining Begrifflichkeit Unter Data Mining versteht man die Computergestützte Suche
MehrPrüfungstermine WS 2012/13
Prüfungstermine WS 2012/13 * Prüfungszeiträume: 11.02. - 08.03.2013 (Prüfung) und 18.03. - 05.04.2013 (WP) * Die LV sind alphabetisch sortiert * Abkürzungen in der Übersicht siehe allgemeine Hinweise zum
MehrSondertermin in der ersten Woche (statt Übungen) Webseite der Lehrveranstaltung www4.informatik.uni-erlangen.de/lehre/ss05/v_sos1/
B Organisatorisches B Organisatorisches B-1 Vorlesungsbetrieb Vorlesungstermine Montag 10:15-11:45 H7 Donnerstag 16:00-17:30 H7 Sondertermin in der ersten Woche (statt Übungen) Mittwoch 16:00-17:30 H7
MehrMasterstudiengänge am Institut für Informatik
Masterstudiengänge am Institut für Informatik Hintergrund: Informatikerausbildung für Wissenschaft und Industrie im Informationszeitalter wird die Informatik immer stärker zur Schlüsseldisziplin am Arbeitsmarkt
MehrA1.1 Organisatorisches
Algorithmen und Datenstrukturen 28. Februar 2018 A1. Organisatorisches Algorithmen und Datenstrukturen A1. Organisatorisches A1.1 Organisatorisches Marcel Lüthi and Gabriele Röger Universität Basel A1.2
Mehr