(Pro-)Seminar - Data Mining
|
|
- Lisa Monica Weiß
- vor 5 Jahren
- Abrufe
Transkript
1 (Pro-)Seminar - Data Mining Vorbesprechung SCCS, Fakultät für Informatik Technische Universität München SS 2018
2 Data Mining: Beispiele (1) Hausnummererkennung (Klassikation) Source:
3 Data Mining: Beispiele (2) Image Segmentation (Clustering)
4 Data Mining: Beispiele (3) Ähnliche Gene (Clustering) [Hastie et al.]
5 Data Mining: Beispiele (4) Vorausschauender Versand (Klassikation) Source:
6 Warum Data Mining? Data Scientist: The Sexiest Job of the 21st Century (Harvard Business Review) We are drowning in information and starving for knowledge. (Rutherford D. Roger) The future belongs to the companies and people that turn data into products. (Mike Loukides, O'Reilly) Rank 5 in Computerworld's Top IT skills wanted for 2012 Rank 1 in Computerworld's IT skills that employers can't say no to http: //
7 Finding Data Science Unicorn
8 Data Mining Pipeline Planung Aufbereitung Modellbildung Auswertung Wir wollen nützliches Wissen aus Daten extrahieren Planung. Finden des Problems. Was soll gemacht werden? Dafür nötige Daten sammeln. Aufbereitung. Rohdaten (unvollständig, redundant, verschiedene Formate, Einheiten, etc.) werden in eine brauchbare Form gebracht. Modellbildung. Daten werden mit verschiedenen Methoden (Regression, Klassikation, Clustering, etc.) analysiert. Auswertung. Interpretation und Auswertung der Ergebnisse.
9 Themen I Überblick Data Mining Pipeline Software: Spark und Zeppelin Software: Python Software: R Hardware: GPUs Hardware: CPUs und TPUs Autodi Statistics for Datamining Numerische Optimierung
10 Themen II Aufbereitung von Daten, Pre-Processing Lineare Modelle für Regression und Klassikation Lernen mit Kernels Support Vector Machines Entscheidungsbäume Association Rules Graph Mining
11 Themen III Clustering Dichteschätzung Neuronale Netze I: Grundlagen Neuronale Netze II: Deep Learning Neuronale Netze III: Deep Learning Software (TensorFlow) Ensemble Learning Principal Component Analysis
12 Themen IV Bayesian Machine Learning Markov Chain Monte Carlo Spam Filtering with Naive Bayes Classier Recommender Systems Data Mining in Science Data Mining für soziale Netzwerke Data Mining und Gesellschaft: Datenschutz, Verantwortung, usw.
13 Reviews Jede Ausarbeitung wird von zwei anderen Teilnehmern überprüft. Dabei wird geachtet auf: Inhaltliches: Wissenschaftlichkeit, Verständlichkeit, Zusammenhänge klar, Beispiele hilfreich,... Formelles: Sinnvolle Struktur der Ausarbeitung, Richtig zitiert, Graken mit Quelle versehen,... Sprachliches: Rechtschreib- und Grammatikfehler (sollten eigentlich keine vorhanden sein ;-) ) Damit der Review-Prozess funktionniert, muss die Ausarbeitung zur Deadline abgegeben werden! Der Stand der Ausarbeitung ist dabei "Release Candidate", nicht alpha oder beta Nach Abgabe der Reviews: Einarbeitung der Anmerkungen in die eigene Ausarbeitung Dann: Abgabe der nalen Ausarbeitung beim Betreuer
14 Organisatorisches I Jedem Teilnehmer wird ein Betreuer zugewiesen Vortrag: ca. 20min + Diskussion Ausarbeitung: mind. 5 und max. 6 Seiten (L A TEX) im IEEE Format (Webseite), excl. Quellenangaben. Wichtige Termine: Anmeldung bei Betreuern (3 Themen) bis 14. Februar, über das Anmeldeformular (LS Webseite) Anmeldung im Matching System bis practical-courses-and-seminar-courses.html Themenzuteilung: oder
15 Organisatorisches II Webseite: Obligatorische Termine: 1. Kick-O Veranstaltung am voraussichtlich Literaturrecherche Workshop am Vortragstermin wird (geblockt) zugeteilt, voraussichtlich Am Tag des ersten Vortrages - Abgabe der Ausarbeitung 5. 1 Woche nach dem ersten Vortrag - Einreichung der Reviews 6. 2 Wochen nach dem ersten Vortrag - Einreichung der fertigen Ausarbeitung oder Teaching Summer 18 Proseminar - Data Mining
16 Die ersten Schritte im Seminar Kontaktiere deinen Betreuer wegen dem Thema und Referenzen (falls noch keine erhalten). Mache ein LaTeX Tutorial, z.b. online. Lade das IEEE Template und lerne die Struktur kennen. Lese das IEEE Editorial Style Manual, markiere für diese Arbeit relevante Teile und nutze es später als Nachschlagewerk. Vor der ersten Abgabe der Ausarbeitung Mache eine automatische Rechtschreibkorrektur. Gehe durch die Checkliste auf der LS Webseite. Hast du alle Punkte berücksichtigt? Überprüfe ob die Regeln aus IEEE Editorial Style Manual berücksichtigt sind. Vor der letzten Abgabe der Ausarbeitung Mache die gleichen Schritte wie bei der ersten Abgabe. Überprüfe ob die Angaben im Literaturverzeichnis korrekt sind.
Proseminar - Data Mining
Vorbesprechung Proseminar - Data Mining SCCS, Fakultät für Informatik Technische Universität München SS 2015 Vorbesprechung, SS 2015 1 Data Mining: Beispiele (1) Hausnummererkennung (Klassifikation) Source:
MehrProseminar - Data Mining
Proseminar - Data Mining SCCS, Fakultät für Informatik Technische Universität München SS 2014, SS 2014 1 Data Mining: Beispiele (1) Hausnummererkennung (Klassifikation) Source: http://arxiv.org/abs/1312.6082,
MehrProseminar - Data Mining
Proseminar - Data Mining SCCS, Fakultät für Informatik Technische Universität München SS 2012, SS 2012 1 Data Mining Pipeline Planung Aufbereitung Modellbildung Auswertung Wir wollen nützliches Wissen
MehrDeep Learning Prof. Dr. E. Rahm und Mitarbeiter
Deep Learning Prof. Dr. E. Rahm und Mitarbeiter Seminar, WS 2017/18 Big Data Analyse-Pipeline Dateninte -gration/ Anreicherung Datenextraktion / Cleaning Datenbeschaffung Datenanalyse Interpretation Volume
MehrMastering Social Media, Web, Satellite and Spatial Data with R. Dr. Martin Vogt Seminar
Mastering Social Media, Web, Satellite and Spatial Data with R Dr. Martin Vogt Seminar Big Data und Data Literacy Daten sind der Rohstoff der Zukunft. (Angela Merkel) Big data is at the foundation of all
MehrWeb Engineering Prof. Dr. Martin Gaedke, Dipl.-Inf. Olexiy Chudnovskyy
Verteilte und selbstorganisierende Rechnersysteme WS SS 11/12 Seminar Web Engineering Prof. Dr. Martin Gaedke, Dipl.-Inf. Olexiy Chudnovskyy Technische Universität Chemnitz Fakultät für Informatik Professur
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
MehrNutzung maschinellen Lernens zur Extraktion von Paragraphen aus PDF-Dokumenten
Nutzung maschinellen Lernens zur Extraktion von Paragraphen aus PDF-Dokumenten Albert-Ludwigs-Universität zu Freiburg 13.09.2016 Maximilian Dippel max.dippel@tf.uni-freiburg.de Überblick I Einführung Problemstellung
MehrSchnelles Denken - Maschinelles Lernen mit Apache Spark 2
Schnelles Denken - Maschinelles Lernen mit Apache Spark 2 Heiko Spindler Apache Spark - Components Machine Learning Machine learning explores the construction and study of algorithms that can learn from
MehrMaschinelles Lernen zur Hautkrebsvorhersage
Maschinelles Lernen zur Hautkrebsvorhersage Eine Bachelorarbeit von Daniel Fischer Betreuung: Dipl. Inf. Frederik Janssen Prof. Dr. Johannes Fürnkranz Dr. med. Matthias Herbst 03.07.2011 Fachbereich Informatik
MehrTensorFlow Open-Source Bibliothek für maschinelles Lernen. Matthias Täschner Seminar Deep Learning WS1718 Abteilung Datenbanken Universität Leipzig
TensorFlow Open-Source Bibliothek für maschinelles Lernen Seminar Deep Learning WS1718 Abteilung Datenbanken Universität Leipzig Motivation Renaissance bei ML und KNN Forschung bei DNN fortgeschrittene
MehrBusiness Analytics. Aktuelle Methoden und Werkzeuge im Zeitalter der Digitalisierung. Business Analytics
Aktuelle Methoden und Werkzeuge im Zeitalter der Digitalisierung Workshop für Führungskräfte (Gesamtheitlicher Überblick) mit Excel 2019 mit R Workshop für Führungskräfte (Gesamtheitlicher Überblick) Chancen
MehrDeductive Software Verification The KeY Book Haupt- und Proseminar in SoSe 2017
Deductive Software Verification The KeY Book Haupt- und Proseminar in SoSe 2017 Bernhard Beckert 02.05.17 INSTITUT FÜR THEORETISCHE INFORMATIK, KIT KIT âăş Die ForschungsuniversitÃd t in der Helmholtz-Gemeinschaft
MehrVorlesung Methodische Grundlagen des Software-Engineering im Sommersemester 2014
Vorlesung des Software-Engineering im Sommersemester 2014 Prof. Dr. Jan Jürjens TU Dortmund, Fakultät Informatik, Lehrstuhl XIV Teil 2.8: Werkzeugunterstützung für Process-Mining v. 09.06.2014 1 für Process-Mining
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
MehrZVIBS Zentrale Verteilung der Informatik Bachelor Seminare Wintersemester 2018/19
ZVIBS Zentrale Verteilung der Informatik Bachelor Seminare Wintersemester 2018/19 5. Juli 2018 Informatik, Uni Osnabrück Zentrale Verteilung? Zentrale Verteilung der Seminar-Plätze für die Module INF-BAS1
MehrData Mining Cup deck using PDA or similar devices. Wissensextraktion Multimedia Engineering
Data Mining Cup 2012 Wissensextraktion Multimedia Engineering deck using PDA or similar devices Fakultät für Ingenieurwissenschaften Jevgenij Jakunschin Christian Mewes www.hs-wismar.de 2 Gliederung 1.
MehrSeminar Business Intelligence
Seminar Business Intelligence Ausgewählte Themen aus dem Bereich Data Science Prof. Dr. Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg Wintersemester 2018/19 Peter Becker (H-BRS) Seminar
MehrArtificial Intelligence. Was ist das? Was kann das?
Artificial Intelligence Was ist das? Was kann das? Olaf Erichsen Tech-Day Hamburg 13. Juni 2017 Sehen wir hier bereits Künstliche Intelligenz (AI)? Quelle: www.irobot.com 2017 Hierarchie der Buzzwords
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
Mehr(Software) Architektur der Dinge. Roland Graf / Simon Kranzer IKT-Forum 2016 I(o)T for Industry - Von IT zu IoT
(Software) Architektur der Dinge Roland Graf / Simon Kranzer IKT-Forum 2016 I(o)T for Industry - Von IT zu IoT Hardware Mainframe Speichersysteme Rechner Kopplung Zentralisierung Anwendungsprogramme Software
MehrSeminar. Web Engineering
Verteilte und selbstorganisierende Rechnersysteme WS12/13 SS 11 Seminar Web Engineering Prof. Dr.-Ing. Martin Gaedke, Dipl.-Inf. Olexiy Chudnovskyy, Sebastian Heil M.Sc. Technische Universität Chemnitz
MehrInformationsveranstaltung Promseminar BAS/CSCW
BAS-Vorlesung Betriebswirtschaftliche Anwendungssysteme Informationsveranstaltung Promseminar BAS/CSCW Forschungsgruppe Betriebliche Anwendungssysteme Organisatorisches Proseminar BAS/CSCW im Wintersemester
MehrVorbesprechung für das Bachelorseminar Information Theoretic Data Mining
Vorbesprechung für das Bachelorseminar Information Theoretic Data Mining Prof. Dr. Christian Böhm Dominik Mautz Dr. Bianca Wackersreuther Allgemeines Termine: Di, 25.04.2017, 12.00-14.00 Uhr in Raum C
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
MehrSecure Software Engineering/ Sicherheit und Softwaretechnik
1/ 15 Secure Software Engineering/ Sicherheit und Softwaretechnik Sommermester 2017 RGSE - Research Group for Software Engineering 18.04.2017 Agenda 2/ 15 1 Hintergründe zum Seminar 2 Organisatorisches
MehrData-Warehouse-Praktikum
Data-Warehouse-Praktikum WS 18/19 Universität Leipzig, Institut für Informatik Abteilung Datenbanken Prof. Dr. E. Rahm V. Christen, M. Franke, Z. Sehili {christen, franke, sehili}@informatik.uni-leipzig.de
MehrSeminare WS2018/19 : Informationsveranstaltung
Seminare WS2018/19 : Informationsveranstaltung 09.07.2018 Lehrstuhl für Wirtschaftsinformatik Prof. Dr. Richard Lackes technische universität dortmund 1 Organisatorisches Ansprechpartner Organisatorische
MehrWissenschaftliches Arbeiten
Wissenschaftliches Arbeiten Schriftliche Ausarbeitungen Guido de Melo Seite 2 Ablauf von Seminaren Blockseminar Themenvergabe Recherche Ausarbeitung Review Vortrag/Präsentation Seite 3 Lernziele Eigenständige
MehrSoftware Engineering & Software Performance Engineering
Software Engineering & Software Performance Engineering Seminar Vorlage AG Software Engineering AG Software Engineering Seminarleitung: Prof. Dr. Wilhelm Hasselbring (wha) Betreuung:
MehrPredictive Analytics VON PAUL BAUMGARTEN
Predictive Analytics VON PAUL BAUMGARTEN 1 Der Fall Target Werbemail an minderjährige mit Babyartikeln regt Vater auf. Vater beschwert sich beim Manager der entschuldigt sich. Manager ruft nach ein paar
MehrProjektseminar Mobilkommunikation Projektseminar MIKS
Projektseminar Mobilkommunikation Projektseminar MIKS Sommersemester 2013 Umfang Ablauf Themenvorstellung - 1 - Umfang Für Bachelor Informatik: 6. Semester Wahlpflichtmodul Mobilkommunikation 4 SWS, 5
MehrKick-Off Meeting. Data Mining Proseminar
Kick-Off Meeting Data Mining Proseminar Ziele des Proseminars Erwartungen davor Das Thema ist interessant Man möchte sich einen Überblick verschaffen / seine Kenntnisse vertiefen Man hat schon etwas in
MehrWerkzeugunterstützung für sichere Software
1/ 18 Werkzeugunterstützung für sichere Software Sommersemester 2015 LS14 - Arbeitsgruppe Software Engineering for Critical Systems 15.04.2015 Agenda LS14 - Arbeitsgruppe Software Engineering for Critical
MehrBSc/MSc Seminar EMSEC/SHA Fakultät für Elektrotechnik und Informationstechnik Embedded Security / Secure Hardware
BSc/MSc Seminar EMSEC/SHA Fakultät für Elektrotechnik und Informationstechnik Embedded Security / Secure Hardware Verantwortlich : Prof. Dr.-Ing. Christof Paar (EMSEC) Verantwortlich : Prof. Dr.-Ing. Tim
MehrEntwicklung einer KI für Skat. Hauptseminar Erwin Lang
Entwicklung einer KI für Skat Hauptseminar Erwin Lang Inhalt Skat Forschung Eigene Arbeit Risikoanalyse Skat Entwickelte sich Anfang des 19. Jahrhunderts Kartenspiel mit Blatt aus 32 Karten 3 Spieler Trick-taking
MehrVertiefte Themen in Mobilen und Verteilten Systemen
Seminar Vertiefte Themen in Mobilen und Verteilten Systemen Veranstalter: Prof. Dr. Linnhoff-Popien Durchführung: Marie Kiermeier, Sebastian Feld Seminar Vertiefte Themen in Mobilen und Verteilten Systemen
MehrData Mining 7-1. Kapitel 7: Advertising on the Web. Johannes Zschache Wintersemester 2018/19
Data Mining Kapitel 7: Advertising on the Web Johannes Zschache Wintersemester 2018/19 Abteilung Datenbanken, Universität Leipzig http://dbs.uni-leipzig.de Data Mining 7-1 7-2 Data Mining Übersicht Hochdimension.
Mehre Learning Organisatorisches Jeanette Mönch
e Learning Organisatorisches Seminar Jeanette Mönch Otto von Guericke Universität Magdeburg Fakultät für Informatik Institut für Simulation und Graphik Arbeitsgruppe Visualisierung Kontaktdaten Dr. Jeanette
MehrWissenschaftliches Arbeiten in der Informatik 1 (Wintersemester 2017/18)
Wissenschaftliches Arbeiten in der Informatik 1 (Wintersemester 2017/18) Steffen Lange steffen.lange@h-da.de copyrighted material (for h_da student use only) Über mich Fachgebiet: Theoretische Informatik
MehrGeometrische Algorithmen für Anwendungen in der Geovisualisierug
Geometrische Algorithmen für Anwendungen in der Geovisualisierug Institut für Theoretische Informatik Lehrstuhl für Algorithmik Prof. Dorothea Wagner Institut für Algebra und Geometrie Arbeitsgruppe Diskrete
MehrKick-Off Paralleles Programmieren
Fakultät Informatik Institut für Software- und Multimediatechnik, Lehrstuhl für Softwaretechnologie Kick-Off Paralleles Programmieren Thomas Kühn Motivation Moore's Law The complexity for minimum component
MehrSeminar Ausgewählte Themen der medizinischen Visualisierung
1 Ausgewählte Themen der medizinischen Visualisierung Institut für Informatik 08.07.2011 Arbeitsgruppe Visualisierung und Computergrafik (VisCG) Organisatorisches Veranstalter: Prof. Dr. Klaus Hinrichs,
MehrAktuelle Themen für die Masterstudiengänge Wirtschaftsingenieurwesen 1
Aktuelle Themen für die Masterstudiengänge Wirtschaftsingenieurwesen 1 Im Wintersemester 2017/18 werden folgende Module im Rahmen des Dummy-Moduls Aktuelle Themen für die Masterstudiengänge Wirtschaftsingenieurwesen
MehrPioniere der Informatik
Pioniere der Informatik Seminar im Wintersemester 2009/10 Martin Lange Institut für Informatik, LMU München 20. Oktober 2009 Pioniere der Informatik, M. Lange, IFI/LMU: Organisatorisches 1 Termine Seminar
MehrKonferenzseminar IT-Sicherheit
Konferenzseminar IT-Sicherheit WS 2013/14 Veranstalter: Felix Freiling, Hans-Georg Eßer Weitere Betreuer: Sebastian Abt (Hochschule Darmstadt), Zinaida Benenson, Michael Gruhn, Nadina Hintz, Lena Reinfelder
MehrTeaching at the Institute for Artificial Intelligence SS see also:
Teaching at the Institute for Artificial Intelligence SS 2015 see also: http://ai.uni-bremen.de/teaching Research Area: AI (Cognition-enabled Technical Systems) Artificial Intelligence, but System view
MehrAnwendungen der KI / SoSe 2018
Anwendungen der KI / SoSe 2018 Organisatorisches Prof. Dr. Adrian Ulges Angewandte Informatik / Medieninformatik / Wirtschaftsinformatik / ITS Fachbereich DSCM Hochschule RheinMain KursWebsite: www.ulges.de
MehrSeminar Algorithmentechnik
Seminar Algorithmentechnik Institut für Theoretische Informatik Lehrstuhl für Algorithmik I Prof. Dorothea Wagner Karlsruhe Seminar Institut Algorithmentechnik für Technologie (KIT) Fakultät für Informatik
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.)
MehrVorlesung Methodische Grundlagen des Software-Engineering im Sommersemester 2013
Vorlesung des Software-Engineering im Sommersemester 2013 Prof. Dr. Jan Jürjens TU Dortmund, Fakultät Informatik, Lehrstuhl XIV Teil 2.9: Werkzeugunterstützung v. 13.05.2013 1 [mit freundlicher Genehmigung
MehrPraxis der Forschung im SoSe 16
Praxis der Forschung im SoSe 16 Prof. Dr. Bernhard Beckert, Prof. Dr.-Ing. Michael Beigl, Prof. Dr. Ralf Reussner, Prof. Dr. Tamim Asfour, Jun.-Prof. Dr.-Ing. Anne Koziolek 1 19.04.16 B. Beckert, M. Beigl,
MehrKick-Off Data Mining Proseminar. Jean-Matthieu Gallard & Moritz August Technische Universität München Lehrstuhl für Scientific Computing
Kick-Off Data Mining Proseminar Jean-Matthieu Gallard & Moritz August Technische Universität München Lehrstuhl für Scientific Computing Grundlegende Dinge Ziele des Proseminars Erwartungen davor Das Thema
MehrArtificial Intelligence. Deep Learning Neuronale Netze
Artificial Intelligence Deep Learning Neuronale Netze REVOLUTION Lernende Maschinen Mit lernenden Maschinen/Deep Learning erleben wir aktuell eine Revolution in der Informationsverarbeitung. Neue Methoden
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
MehrSeminar Programmierung und Reaktive Systeme
Seminar Programmierung und Reaktive Systeme Qualitätssicherung Softwareintensiver Eingebetteter Systeme Betreuer: Sascha Lity, Hauke Baller in Kooperation mit dem Institut für Softwaretechnik und Fahrzeuginformatik
MehrErmittlung der informatischen Inhalte durch
Ermittlung der informatischen Inhalte durch Didaktik der Informatik Abstract: insbesondere in den Bereichen Big Data, Datenmanagement und Maschinenlernen, hat sich der Umgang mit Daten und deren Analyse
MehrSeminar Ausgewählte Fragen des Controllings Betriebliches Compliance Management" WS 2018/19 (B.Sc.)
Seminar Ausgewählte Fragen des Controllings Betriebliches Compliance Management" WS 2018/19 (B.Sc.) Institut für Controlling 27.06.2018 http://www.uni-ulm.de/mawi/mawi-ifc.html Prof. Dr. Reinhard Heyd
MehrSeminar: Maschinelles Lernen und Deep Learning
Seminar: Maschinelles Lernen und Deep Learning Sommersemester 2018 Prof. Dr. Xiaoyi Jiang, Sören Klemm, Aaron Scherzinger Institut für Informatik, Arbeitsgruppe Pattern Recognition and Image Analysis (PRIA)
MehrSeminar Künstliche Intelligenz Wintersemester 2014/15
Seminar Wintersemester 2014/15 Martin Hacker Richard Schaller Department Informatik FAU Erlangen-Nürnberg 8.10.2014 Vorstellung Über die Dozenten Institution Lehrstuhl für 2 / 7 2 / 7 KISEM WS 2014/15
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:
MehrDie Beziehung zwischen Mensch und Maschine wird neu definiert
Die Beziehung zwischen Mensch und Maschine wird neu definiert www.futuristgerd.com www.gerdleonhard.de www.gerdtube.com @gleonhard Was macht ein Futurist? Es regnete nicht als Noah die Arche baute Foresights
MehrVertiefte Themen in Mobilen und Verteilten Systemen
Seminar Vertiefte Themen in Mobilen und Verteilten Systemen Veranstalter: Prof. Dr. Linnhoff-Popien Durchführung: Marie Kiermeier, Sebastian Feld Seminar Trends in Mobilen und Verteilten Systemen Folie
MehrGlobale und Individuelle Schmerz-Klassifikatoren auf Basis relationaler Mimikdaten
Globale und Individuelle Schmerz-Klassifikatoren auf Basis relationaler Mimikdaten M. Siebers 1 U. Schmid 2 1 Otto-Friedrich-Universität Bamberg 2 Fakultät für Wirtschaftsinformatik und Angewandte Informatik
MehrTrends in Mobilen und Verteilten Systemen
Seminar Trends in Mobilen und Verteilten Systemen Veranstalter: Prof. Dr. Linnhoff-Popien Durchführung: Sebastian Feld Seminar Trends in Mobilen und Verteilten Systemen Folie 1 Termine Termine Mo, 27.04.15,
MehrSupport Vector Machines und Kernel-Methoden
Support Vector Machines und Kernel-Methoden Seminar Bernd Bischl und Heike Trautmann Lehrstuhl Computergestützte Statistik Fakultät Statistik TU Dortmund 7. Juli 2010 Trautmann, Bischl (Fakultät Statistik)
MehrMachinelles Lernen. «Eine kleine Einführung» BSI Business Systems Integration AG
Machinelles Lernen «Eine kleine Einführung» @ZimMatthias Matthias Zimmermann BSI Business Systems Integration AG «Welcher Unterschied besteht zum Deep Blue Schachcomputer vor 20 Jahren?» AlphaGo Hardware
MehrWas ist, kann und darf Deep Learning? Dr. Beat Tödtli Laboratory for Web Science
Was ist, kann und darf Deep Learning? Dr. Beat Tödtli Laboratory for Web Science 15.12.2017 Suchinteresse 15.12.2017 Was ist, kann und darf Deep Learning? 2 Google Trends für Deep Learning ILSVRC 2012:
MehrSupervised & Unsupervised Machine Learning
Machine Learning-Algorithmen in Python mit scikit-learn Machine Learning-Algorithmen in Python mit scikit-learn Kurzbeschreibung Machine Learning-Algorithmen sind ein elementares Element von Künstlicher
MehrSeminare SS 2019: Informationsveranstaltung
Seminare SS 2019: Informationsveranstaltung 17.01.2019 Lehrstuhl für Wirtschaftsinformatik Prof. Dr. Richard Lackes technische universität dortmund 1 Organisatorisches Ansprechpartner Organisatorische
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
MehrStatistische Methoden der Datenanalyse
Statistische Methoden der Datenanalyse Vorlesung im Sommersemester 2008 H. Kolanoski Humboldt-Universität zu Berlin Inhaltsverzeichnis Literaturverzeichnis iii 1 Grundlagen der Statistik 3 1.1 Wahrscheinlichkeit............................
MehrC++17 STL Usage Recipes (Seminar Fortg. Programmierkonzepte) SS 18
C++17 STL Usage Recipes (Seminar Fortg. Programmierkonzepte) SS 18 Prof.Dr. Hans-Jürgen Buhl Praktische Informatik, Fachgruppe Mathematik und Informatik Fakultät für Mathematik und Naturwissenschaften
MehrDer neue Jobhit? Data Scientist, meist in Verbindung mit dem Schlagwort Big Data ist wohl der neue Star im Berufshimmel
Der neue Jobhit? Data Scientist, meist in Verbindung mit dem Schlagwort Big Data ist wohl der neue Star im Berufshimmel Aktuelle Trends in den Stellenangeboten im IT-Markt zeigen, dass die Suche nach Data
MehrSecure Software Engineering/ Sicherheit und Softwaretechnik
1/ 14 Secure Software Engineering/ Sicherheit und Softwaretechnik Sommersemester 2016 RGSE - Research Group for Software Engineering 27.04.2016 Agenda 2/ 14 1 Hintergründe zum Seminar 2 Organisatorisches
MehrLars Schmidt-Thieme et al., Information Systems and Machine Learning Lab (ISMLL), University of Hildesheim, Germany, 0/13
0/13 Lehrveranstaltungen Wintersemester 2011/2012 WI-Gebiet Anwendungssysteme (teilw.) WI-Gebiet Business Intelligence Informatik-Gebiet KI & Maschinelles Lernen Prof. Dr. Dr. Lars Schmidt-Thieme Information
MehrKonzepte von Betriebssystem-Komponenten: Effiziente Manycore-Systeme
Konzepte von Betriebssystem-Komponenten: Effiziente Manycore-Systeme Florian Schmaus, Stefan Reif Lehrstuhl für Informatik 4 Verteilte Systeme und Betriebssysteme Friedrich-Alexander-Universität Erlangen-Nürnberg
MehrGerhard Svolba, SAS Austria Mannheim, 2. März KSFE
Wie bringe ich 4 unterschiedliche Analytik-Benutzergruppen an einen Tisch? Die Offenheit von SAS Viya ermöglicht eine Analyseplattform für unterschiedliche Benutzertypen Gerhard Svolba, SAS Austria Mannheim,
MehrSeminar Informationssysteme. Prof. Roberto V. Zicari
Seminar Informationssysteme Prof. Roberto V. Zicari Dr. Karsten Tolle, Todor Ivanov, Marten Rosselli, Kim Hee Sommersemester 2017 Termine - Seminar Di. 25.4.2017 Vorbesprechung und Themenausgabe 14:15
MehrPraxis der Forschung im Sommersemester 2017
Praxis der Forschung im Sommersemester 2017 Prof. Dr.-Ing. Tamim Asfour, Prof. Dr. Bernhard Beckert, Prof. Dr. Ralf Reussner, Prof. Dr.-Ing. Michael Beigl, Prof. Dr.-Ing. Rainer Stiefelhagen Fakultät für
Mehr(Pro-)Seminar Sicherheit und Softwaretechnik im Wintersemester 2017/18
Sicherheit und Softwaretechnik im Wintersemester 2017/18 Dr. Daniel Strüber Prof. Dr. Jan Jürjens Universität Koblenz-Landau, Institute for Software Technology 1 Agenda Hintergründe zum Seminar Organisatorisches
MehrFoundations of Image Formation and. Pattern Recognition
Foundations of Image Formation and Picture Analysis - Pattern Recognition Prof. Dr. H. Burkhardt Chair of Pattern Recognition and Image Processing Computer Science Faculty Albert-Ludwigs-University of
MehrNeue Trends und neue Möglichkeiten der datengetriebenen Versorgungsforschung
Neue Trends und neue Möglichkeiten der datengetriebenen Versorgungsforschung Hamburg 16.11.2016 Nmedia Fotolia Fraunhofer-Institut für Intelligente Analyseund Informationssysteme Fraunhofer IAIS - Wir
MehrVergleich von SVM und Regel- und Entscheidungsbaum-Lernern
Vergleich von SVM und Regel- und Entscheidungsbaum-Lernern Chahine Abid Bachelor Arbeit Betreuer: Prof. Johannes Fürnkranz Frederik Janssen 28. November 2013 Fachbereich Informatik Fachgebiet Knowledge
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
MehrSeminarvorbesprechung
Seminarvorbesprechung Christian Funk, Christiane Barz, Christoph Sorge, Heiko Schepperle, Patrick Jochem Ausgewählte technische, rechtliche und ökonomische Aspekte des Entwurfs von Fahrerassistenzsystemen
MehrSeminare/Praktika/ Projekte
Seminare/Praktika/ Projekte ANGEWANDTE INFORMATIK IV PROF.DR.-ING. STEFAN JABLONSKI TOPICS PROCESS MANAGEMENT AND DATA SCIENCE Processes In organisations many kinds of systems and people work together
MehrAllgemeine Geschäftsbedingungen, Version 0.7
Allgemeine Geschäftsbedingungen, Version 0.7 Präambel Anregung für die Ausarbeitung, Leitfaden zur Selbsteinschätzung, Grundlage zur kritischen Auseinandersetzung, transparente Kriterien für eine Bewertung
MehrEvaluation der UE in Mathematik
UNIVERSITÉ DE FRIBOURG SUISSE FACULTÉ DES SCIENCES UNIVERSITÄT FREIBURG SCHWEIZ MATHEMATISCH-NATURWISSENSCHAFTLICHE FAKULTÄT Anhang zu den Studienplänen der Math.-Natw. Fakultät Evaluation der UE in Mathematik
MehrPraxis der Forschung im WiSe 16/17
Praxis der Prof. Dr. Bernhard Beckert, Prof. Dr. Ralf Reussner, Prof. Dr.-Ing. Michael Beigl, Prof. Dr. Tamim Asfour, Prof. Dr. Peter Sanders, Prof. Dr. Wolfgang Karl, Prof. Dr. Martina Zitterbart 1 KIT
MehrSeminar Informationsvisualisierung
Seminar Informationsvisualisierung Thema: Seminar Dozent: Dr. Dirk Zeckzer zeckzer@informatik.uni-leipzig.de Sprechstunde: nach Vereinbarung Umfang: 2 Prüfungsfach: Modul Fortgeschrittene Computergrafik
MehrCollaboration and Motivation in Social Networks
Wirtschaftswissenschaftliche Fakultät Collaboration and Motivation in Social Networks Geblocktes Bachelorseminar Sommersemester 2017 Sommersemester 2017 Prof. Dr. Marina Fiedler M.Sc. Franz Strich Lehrstuhl
MehrSeminar. Textdatenanalyse. Carsten Jentsch & Jonas Rieger. Sommersemester fakultät statistik
Seminar Textdatenanalyse Carsten Jentsch & Jonas Rieger Sommersemester 2019 fakultät statistik Was versteht man unter Textdatenanalyse? Text Mining (Wikipedia): Text Mining, seltener auch Textmining, Text
MehrEvolutionäre Algorithmen Einführung
Evolutionäre Algorithmen Einführung Prof. Dr. Rudolf Kruse Pascal Held {kruse,pheld}@iws.cs.uni-magdeburg.de Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik Institut für Wissens- und Sprachverarbeitung
Mehr=16LP =16LP. Neugierde gesucht. Einordnung
21.10.2010 Neugierde gesucht DBIS-Informationsveranstaltung Informationsveranstaltung Überblick, Anforderungen und Themen Seite 2 Einordnung Bachelor Proseminar: Konzepte für Daten- und Prozess-Management
MehrComputer Science meets Philosophy the Future of AI
Computer Science meets Philosophy the Future of AI Seminar im Sommersemester 2017 Vorbesprechung, 27.04.2017 INSTITUT FÜR THEORETISCHE INFORMATIK & INSTITUT FÜR PHILOSOPHIE Superintelligence cover, CC-BY-SA
Mehr