Start my eKVV Studieninformation Lernräume Prüfungsverwaltung Anmelden

Data Science / Master of Science

FsB vom 06.04.2018 (Einschreibung ab WiSe 18/19)
Vorlesungsverzeichnis für das WiSe 2018/2019

Alle Überschriften schließen Alle Überschriften öffnen

Profil Variante 1

Modul 24-M-FStat Foundations of Statistics

Foundations of Statistics (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
240115 Pasurek Foundations of Statistics V Di 10-12 in X-E0-218; Do 14-16 in W9-109

Tutorial Foundations of Statistics (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
240116 Pasurek, Uhing, Tutor: Jason Uhing Tutorial Foundations of Statistics Ü Mi 18-20 in V3-204; Mi 18-20 in U4-120

Modul 39-Inf-AOpt Applied Optimisation

Applied Optimisation (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392220 Paaßen Applied Optimization Ü Do 12-14 in C01-142; Do 14-16 in C01-142; Do 16-18 in C01-142

Applied Optimisation (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392219 Hammer Applied Optimization V Di 16-18 in H9

Modul 39-Inf-ML Grundlagen Maschinelles Lernen

Grundlagen Maschinellen Lernens (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392141 Brinkrolf Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 12-14 in U10-146; Mo 14-16 in C01-230; Mo 14-16 in C01-148; Mo 16-18 in C01-148; Mo 12-14, einmalig in C01-142; Mo 12-14, einmalig in C01-142; Mo 12-14, 14täglich in C01-142
392141 Brinkrolf, Tutor: André Artelt Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 12-14, einmalig in GZI V2-222; Mo 12-14, einmalig in U10-146; Mo 12-14, einmalig in U10-146; Mo 12-14, 14täglich in GZI V2-222; Mo 12-14, 14täglich in U10-146
392141 Brinkrolf, Tutor: Matthias Vogelsang Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 12-14, einmalig in GZI V2-222; Mo 12-14, einmalig in C01-142; Mo 12-14, einmalig in C01-142; Mo 12-14, 14täglich in GZI V2-222; Mo 12-14, 14täglich in C01-142
392141 Brinkrolf, Tutor: Michel Henrichs Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 14-16, einmalig in GZI V2-222; Mo 14-16, einmalig in C01-230; Mo 14-16, einmalig in C01-230; Mo 14-16, 14täglich in GZI V2-222; Mo 14-16, 14täglich in C01-230
392141 Brinkrolf, Tutor: Sascha Schleef Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 14-16, einmalig in GZI V2-222; Mo 14-16, einmalig in C01-148; Mo 14-16, einmalig in C01-148; Mo 14-16, 14täglich in GZI V2-222; Mo 14-16, 14täglich in C01-148
392141 Brinkrolf, Tutor: Sascha Schleef Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 16-18, einmalig in GZI-V2-222; Mo 16-18, einmalig in C01-148; Mo 16-18, einmalig in C01-148; Mo 16-18, 14täglich in GZI V2-222; Mo 16-18, 14täglich in C01-148

Grundlagen Maschinellen Lernens (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392137 Brinkrolf Zusatztutorium "Introduction to Machine Learning (int. Track)" Ü Di 10-12 in T2-228; Di 10-12, einmalig in U2-240; Di 10-12, einmalig in U2-240
392140 Hammer Introduction to Machine Learning (int. Track) V Di 12-14 in H5
392141 Brinkrolf Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 12-14 in U10-146; Mo 14-16 in C01-230; Mo 14-16 in C01-148; Mo 16-18 in C01-148; Mo 12-14, einmalig in C01-142; Mo 12-14, einmalig in C01-142; Mo 12-14, 14täglich in C01-142
392141 Brinkrolf, Tutor: André Artelt Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 12-14, einmalig in GZI V2-222; Mo 12-14, einmalig in U10-146; Mo 12-14, einmalig in U10-146; Mo 12-14, 14täglich in GZI V2-222; Mo 12-14, 14täglich in U10-146
392141 Brinkrolf, Tutor: Matthias Vogelsang Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 12-14, einmalig in GZI V2-222; Mo 12-14, einmalig in C01-142; Mo 12-14, einmalig in C01-142; Mo 12-14, 14täglich in GZI V2-222; Mo 12-14, 14täglich in C01-142
392141 Brinkrolf, Tutor: Michel Henrichs Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 14-16, einmalig in GZI V2-222; Mo 14-16, einmalig in C01-230; Mo 14-16, einmalig in C01-230; Mo 14-16, 14täglich in GZI V2-222; Mo 14-16, 14täglich in C01-230
392141 Brinkrolf, Tutor: Sascha Schleef Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 14-16, einmalig in GZI V2-222; Mo 14-16, einmalig in C01-148; Mo 14-16, einmalig in C01-148; Mo 14-16, 14täglich in GZI V2-222; Mo 14-16, 14täglich in C01-148
392141 Brinkrolf, Tutor: Sascha Schleef Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 16-18, einmalig in GZI-V2-222; Mo 16-18, einmalig in C01-148; Mo 16-18, einmalig in C01-148; Mo 16-18, 14täglich in GZI V2-222; Mo 16-18, 14täglich in C01-148

Modul 39-Inf-Pro Programming

Programming (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392168 Ell, Grimm Programming V Mi 14-16 in U4-120; Mi 14-16, einmalig in T2-228; Mi 14-16, einmalig in U0-139; Mi 14-16, einmalig

Programming (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392169 Ell, Grimm Programming Ü Mo 12-14 in V2-200

Modul 31-SW-StaFo Forschung in der Statistik

Forschungskolloquium (Ko)

belegnr lehrende/r thema   art zeiten und räume my kvv
316103 Bauer, Langrock, Reinecke, Wolf Kolloquium "Zentrum für Statistik" Ko Di 12-13, 14täglich in W9-109

Reading Course (S)

belegnr lehrende/r thema   art zeiten und räume my kvv
314004 Mews Reading Course "Statistische Wissenschaften" S Mi 10-12 in X-B3-117

Modul 31-SW-StiP Statistik in der Praxis

Statistisches Praktikum (Pr o. Pstu)

belegnr lehrende/r thema   art zeiten und räume my kvv
314008 Bauer Statistisches Praktikum Pr  

Statistisches Projekt (Pj)

belegnr lehrende/r thema   art zeiten und räume my kvv
314000 Langrock Statistical Consulting Pj Di 10-12 in V9-117

Modul 39-Inf-ELSI Ethical, Legal and Social Impacts

Ethical, Legal and Social Impacts (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392151 Ell ELSI Aspects of Data Science S+V    

Ethical, Legal and Social Impacts (S)

belegnr lehrende/r thema   art zeiten und räume my kvv
392151 Ell ELSI Aspects of Data Science S+V    

Modul 31-M-Thesis Master

belegnr lehrende/r thema   art zeiten und räume my kvv
312412 Tierney Masterkolloquium Ko N. N. in U9-117 Termine werden gesondert bekanntgegeben.

Modul 31-M-ASM1 Advanced Statistical Methods I

Veranstaltungen aus dem Bereich Statistik und/oder in (einem) methodisch verbundenen Gebiet(en) (I.) (V o. VÜA)

belegnr lehrende/r thema   art zeiten und räume my kvv
312419 Frahnow Überlebensanalyse und Risikovorhersage eKVV Teilnehmermanagement V Mo 12-14 in W9-109
312420 Fuchs Bayesian Statistics I eKVV Teilnehmermanagement V Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Fr 8:30-10:00, einmalig in X-E1-202; Fr 12-14, einmalig in X-E0-224; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202
312421 Frahnow Übung zu Bayesian Statistics I Ü Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202
312501 Bauer Methoden der Ökonometrie V Fr 10-12 in W9-109
312508 Bauer Zeitreihenanalyse II V Do 16-18 in V2-200

Veranstaltungen aus dem Bereich Statistik und/oder in (einem) methodisch verbundenen Gebiet(en) (II.) (V o. VÜA)

belegnr lehrende/r thema   art zeiten und räume my kvv
312420 Fuchs Bayesian Statistics I eKVV Teilnehmermanagement V Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Fr 8:30-10:00, einmalig in X-E1-202; Fr 12-14, einmalig in X-E0-224; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202
312421 Frahnow Übung zu Bayesian Statistics I Ü Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202
312501 Bauer Methoden der Ökonometrie V Fr 10-12 in W9-109
312508 Bauer Zeitreihenanalyse II V Do 16-18 in V2-200

Modul 39-M-Inf-VML Vertiefung Maschinelles Lernen

Vertiefung Maschinelles Lernen (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392118 Ritter Vertiefung Maschinelles Lernen Ü Fr 8-10 in U5-133

Vertiefung Maschinelles Lernen (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392117 Ritter Vertiefung Maschinelles Lernen V Do 08-10 in U5-133

Modul 31-M-ASM2 Advanced Statistical Methods II

Veranstaltungen aus dem Bereich Statistik und/oder in (einem) methodisch verbundenen Gebiet(en) (I.) (Pj o. S o. V o. VÜA)

belegnr lehrende/r thema   art zeiten und räume my kvv
312413 Tierney Operations Research Models V Mo 14-16 in W9-109
312419 Frahnow Überlebensanalyse und Risikovorhersage eKVV Teilnehmermanagement V Mo 12-14 in W9-109
312420 Fuchs Bayesian Statistics I eKVV Teilnehmermanagement V Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Fr 8:30-10:00, einmalig in X-E1-202; Fr 12-14, einmalig in X-E0-224; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202
312421 Frahnow Übung zu Bayesian Statistics I Ü Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202
312501 Bauer Methoden der Ökonometrie V Fr 10-12 in W9-109
312508 Bauer Zeitreihenanalyse II V Do 16-18 in V2-200

Veranstaltungen aus dem Bereich Statistik und/oder in (einem) methodisch verbundenen Gebiet(en) (II.) (Pj o. S o. V o. VÜA)

belegnr lehrende/r thema   art zeiten und räume my kvv
312420 Fuchs Bayesian Statistics I eKVV Teilnehmermanagement V Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Fr 8:30-10:00, einmalig in X-E1-202; Fr 12-14, einmalig in X-E0-224; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202
312421 Frahnow Übung zu Bayesian Statistics I Ü Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202
312501 Bauer Methoden der Ökonometrie V Fr 10-12 in W9-109
312508 Bauer Zeitreihenanalyse II V Do 16-18 in V2-200

Modul 39-Inf-AIAI Ambient Intelligence and Auditory Interfaces

Ambient Interfaces (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392127 Hermann Ambient Interfaces V Di 16-18 in V2-213

Ambient Interfaces (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392128 Hermann Übungen zu Ambient Interfaces Ü n. V., Block in Ambient Intelligence Labor CITEC 0.108; n. V., Block in Ambient Intelligence Labor CITEC 0.108

Modul 39-Inf-AKS Anwendungen Kognitiver Systeme

Maschinelles Lernen im Web oder Modern Data Analysis oder Softcomputing für die Bioinformatik (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392216 Paaßen Zusatztutorium: Applied Optimization Ü Mi 16-18 in T2-233
392220 Paaßen Applied Optimization Ü Do 12-14 in C01-142; Do 14-16 in C01-142; Do 16-18 in C01-142
392222 Göpfert Deep Learning Ü 14-18, Block ; 14-18, Block

Maschinelles Lernen im Web oder Modern Data Analysis oder Softcomputing für die Bioinformatik (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392219 Hammer Applied Optimization V Di 16-18 in H9
392221 Hammer Deep Learning V 8-12, Block

Modul 39-M-Inf-VHC_a Virtual Humans and Conversational Agents

Konversationale Agenten/Dialogsysteme (Pj o. S)

belegnr lehrende/r thema   art zeiten und räume my kvv
392105 Ritter, Abramov Praktische Modellierung und Animation Virtueller Agenten/ Animation and Modeling of Virtual Humans – Practical Approaches S Fr 12-14 in X-E0-216

Virtual Humans/Verhaltenssimulation (Pj o. S)

belegnr lehrende/r thema   art zeiten und räume my kvv
392105 Ritter, Abramov Praktische Modellierung und Animation Virtueller Agenten/ Animation and Modeling of Virtual Humans – Practical Approaches S Fr 12-14 in X-E0-216

Modul 39-Inf-CG Grundlagen der Computergrafik

Computergrafik (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392114 Komaritzan, Bunge Übungen Einführung in die Computergrafik Ü Mi 14-16 in V2-229
392114 Komaritzan, Bunge Übungen Einführung in die Computergrafik Ü Mi 16-18 in V2-229

Computergrafik (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392113 Botsch Einführung in die Computergrafik V Di 14-16 in H11; Do 14-16 in H10

Modul 39-Inf-SNLP Statistical Natural Language Processing

Exercises for Introduction to Statistical Natural Language Processing (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392179 Cimiano, Witte Introduction to Statistical Natural Language Processing Ü Do 10-12 in U2-232; Do 10-12, einmalig in E1-148; Do 10-12 in C01-258

Introduction to Statistical Natural Language Processing (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392178 Cimiano Introduction to Statistical Natural Language Processing V Di 8-10 in U2-200

Modul 39-M-Inf-DL Deep Learning

Deep Learning (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392221 Hammer Deep Learning V 8-12, Block

Deep Learning (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392141 Brinkrolf Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 12-14 in U10-146; Mo 14-16 in C01-230; Mo 14-16 in C01-148; Mo 16-18 in C01-148; Mo 12-14, einmalig in C01-142; Mo 12-14, einmalig in C01-142; Mo 12-14, 14täglich in C01-142
392141 Brinkrolf, Tutor: André Artelt Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 12-14, einmalig in GZI V2-222; Mo 12-14, einmalig in U10-146; Mo 12-14, einmalig in U10-146; Mo 12-14, 14täglich in GZI V2-222; Mo 12-14, 14täglich in U10-146
392141 Brinkrolf, Tutor: Matthias Vogelsang Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 12-14, einmalig in GZI V2-222; Mo 12-14, einmalig in C01-142; Mo 12-14, einmalig in C01-142; Mo 12-14, 14täglich in GZI V2-222; Mo 12-14, 14täglich in C01-142
392141 Brinkrolf, Tutor: Michel Henrichs Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 14-16, einmalig in GZI V2-222; Mo 14-16, einmalig in C01-230; Mo 14-16, einmalig in C01-230; Mo 14-16, 14täglich in GZI V2-222; Mo 14-16, 14täglich in C01-230
392141 Brinkrolf, Tutor: Sascha Schleef Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 14-16, einmalig in GZI V2-222; Mo 14-16, einmalig in C01-148; Mo 14-16, einmalig in C01-148; Mo 14-16, 14täglich in GZI V2-222; Mo 14-16, 14täglich in C01-148
392141 Brinkrolf, Tutor: Sascha Schleef Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 16-18, einmalig in GZI-V2-222; Mo 16-18, einmalig in C01-148; Mo 16-18, einmalig in C01-148; Mo 16-18, 14täglich in GZI V2-222; Mo 16-18, 14täglich in C01-148

Modul 39-M-Inf-GMP Geometrische Modellierung mit Polygonnetzen

Geometrische Modellierung mit Polygonnetzen (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392130 Botsch 3D-Scannen und Geometrieverarbeitung
gleichwertig zur Veranstaltung Geometrische Modellierung mit Polygonnetzen in der Modulbeschreibung
V Di 10-12 in V2-121

Geometrische Modellierung mit Polygonnetzen (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392131 Komaritzan 3D-Scannen und Geometrieverarbeitung Ü Mi 12-14 in V2-229

Modul 39-M-Inf-RDM Research Data Management

Research Data Management (S)

belegnr lehrende/r thema   art zeiten und räume my kvv
392266 Wiljes Research Data Management S Fr 12-14 in H10

Modul 39-M-Inf-SSV Sprachsignalverarbeitung

Anwendungsorientierte Sprachverarbeitung (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392129 Wrede Introduction to Automatic Speech Recognition V Di 12-14 in U2-210; Fr 10-12 in U2-210
392135 Wrede Introduction to Automatic Speech Recognition Ü n. V. Block am Semesterende

Anwendungsorientierte Sprachverarbeitung (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392135 Wrede Introduction to Automatic Speech Recognition Ü n. V. Block am Semesterende

Spracherkennung (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392135 Wrede Introduction to Automatic Speech Recognition Ü n. V. Block am Semesterende

Spracherkennung (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392129 Wrede Introduction to Automatic Speech Recognition V Di 12-14 in U2-210; Fr 10-12 in U2-210
392135 Wrede Introduction to Automatic Speech Recognition Ü n. V. Block am Semesterende

Modul 39-M-Inf-SW Semantic Web

Semantic Web (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392139 Ell, Wiljes Introduction to the Semantic Web Ü Mi 10.00-12:00 in C01-142

Semantic Web (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392138 Ell, Wiljes Introduction to the Semantic Web V Mi 14:00-16:00 in C01-142
392139 Ell, Wiljes Introduction to the Semantic Web Ü Mi 10.00-12:00 in C01-142

Weitere Veranstaltungen für das Profil Variante 1

belegnr lehrende/r thema   art zeiten und räume my kvv
312414 Wetzel Practical Exercise Operations Research Models Ü Mo 16-18 in U0-139
319018 Westerheide Einführungs-/Informationsveranstaltung für die neuen Studierenden des Masterstudiengangs Data Science Vtr Di 10-14, einmalig in W9-109

Profil Variante 2

Modul 24-M-FStat Foundations of Statistics

Foundations of Statistics (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
240115 Pasurek Foundations of Statistics V Di 10-12 in X-E0-218; Do 14-16 in W9-109

Tutorial Foundations of Statistics (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
240116 Pasurek, Uhing, Tutor: Jason Uhing Tutorial Foundations of Statistics Ü Mi 18-20 in V3-204; Mi 18-20 in U4-120

Modul 31-M-ISDA Introduction to Statistical Data Analysis

Multivariate Methods (V o. VÜA)

belegnr lehrende/r thema   art zeiten und räume my kvv
310405 Langrock Multivariate Verfahren V Mo 10-12 in H3

Regression Analysis (V o. VÜA)

belegnr lehrende/r thema   art zeiten und räume my kvv
312504 Batram Regression Analysis V Mi 14-16 in C01-249

Modul 39-Inf-AOpt Applied Optimisation

Applied Optimisation (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392220 Paaßen Applied Optimization Ü Do 12-14 in C01-142; Do 14-16 in C01-142; Do 16-18 in C01-142

Applied Optimisation (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392219 Hammer Applied Optimization V Di 16-18 in H9

Modul 31-SW-StaFo Forschung in der Statistik

Forschungskolloquium (Ko)

belegnr lehrende/r thema   art zeiten und räume my kvv
316103 Bauer, Langrock, Reinecke, Wolf Kolloquium "Zentrum für Statistik" Ko Di 12-13, 14täglich in W9-109

Reading Course (S)

belegnr lehrende/r thema   art zeiten und räume my kvv
314004 Mews Reading Course "Statistische Wissenschaften" S Mi 10-12 in X-B3-117

Modul 31-SW-StiP Statistik in der Praxis

Statistisches Praktikum (Pr o. Pstu)

belegnr lehrende/r thema   art zeiten und räume my kvv
314008 Bauer Statistisches Praktikum Pr  

Statistisches Projekt (Pj)

belegnr lehrende/r thema   art zeiten und räume my kvv
314000 Langrock Statistical Consulting Pj Di 10-12 in V9-117

Modul 39-Inf-ELSI Ethical, Legal and Social Impacts

Ethical, Legal and Social Impacts (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392151 Ell ELSI Aspects of Data Science S+V    

Ethical, Legal and Social Impacts (S)

belegnr lehrende/r thema   art zeiten und räume my kvv
392151 Ell ELSI Aspects of Data Science S+V    

Modul 31-M-Thesis Master

belegnr lehrende/r thema   art zeiten und räume my kvv
312412 Tierney Masterkolloquium Ko N. N. in U9-117 Termine werden gesondert bekanntgegeben.

Modul 31-M-ASM1 Advanced Statistical Methods I

Veranstaltungen aus dem Bereich Statistik und/oder in (einem) methodisch verbundenen Gebiet(en) (I.) (V o. VÜA)

belegnr lehrende/r thema   art zeiten und räume my kvv
312419 Frahnow Überlebensanalyse und Risikovorhersage eKVV Teilnehmermanagement V Mo 12-14 in W9-109
312420 Fuchs Bayesian Statistics I eKVV Teilnehmermanagement V Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Fr 8:30-10:00, einmalig in X-E1-202; Fr 12-14, einmalig in X-E0-224; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202
312421 Frahnow Übung zu Bayesian Statistics I Ü Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202
312501 Bauer Methoden der Ökonometrie V Fr 10-12 in W9-109
312508 Bauer Zeitreihenanalyse II V Do 16-18 in V2-200

Veranstaltungen aus dem Bereich Statistik und/oder in (einem) methodisch verbundenen Gebiet(en) (II.) (V o. VÜA)

belegnr lehrende/r thema   art zeiten und räume my kvv
312420 Fuchs Bayesian Statistics I eKVV Teilnehmermanagement V Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Fr 8:30-10:00, einmalig in X-E1-202; Fr 12-14, einmalig in X-E0-224; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202
312421 Frahnow Übung zu Bayesian Statistics I Ü Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202
312501 Bauer Methoden der Ökonometrie V Fr 10-12 in W9-109
312508 Bauer Zeitreihenanalyse II V Do 16-18 in V2-200

Modul 39-M-Inf-VML Vertiefung Maschinelles Lernen

Vertiefung Maschinelles Lernen (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392118 Ritter Vertiefung Maschinelles Lernen Ü Fr 8-10 in U5-133

Vertiefung Maschinelles Lernen (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392117 Ritter Vertiefung Maschinelles Lernen V Do 08-10 in U5-133

Modul 31-M-ASM2 Advanced Statistical Methods II

Veranstaltungen aus dem Bereich Statistik und/oder in (einem) methodisch verbundenen Gebiet(en) (I.) (Pj o. S o. V o. VÜA)

belegnr lehrende/r thema   art zeiten und räume my kvv
312413 Tierney Operations Research Models V Mo 14-16 in W9-109
312419 Frahnow Überlebensanalyse und Risikovorhersage eKVV Teilnehmermanagement V Mo 12-14 in W9-109
312420 Fuchs Bayesian Statistics I eKVV Teilnehmermanagement V Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Fr 8:30-10:00, einmalig in X-E1-202; Fr 12-14, einmalig in X-E0-224; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202
312421 Frahnow Übung zu Bayesian Statistics I Ü Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202
312501 Bauer Methoden der Ökonometrie V Fr 10-12 in W9-109
312508 Bauer Zeitreihenanalyse II V Do 16-18 in V2-200

Veranstaltungen aus dem Bereich Statistik und/oder in (einem) methodisch verbundenen Gebiet(en) (II.) (Pj o. S o. V o. VÜA)

belegnr lehrende/r thema   art zeiten und räume my kvv
312420 Fuchs Bayesian Statistics I eKVV Teilnehmermanagement V Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Fr 8:30-10:00, einmalig in X-E1-202; Fr 12-14, einmalig in X-E0-224; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202; Do 8-10, einmalig in X-E1-200; Do 10-12, einmalig in X-E0-202
312421 Frahnow Übung zu Bayesian Statistics I Ü Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202; Do 10-12, einmalig in X-E0-202
312501 Bauer Methoden der Ökonometrie V Fr 10-12 in W9-109
312508 Bauer Zeitreihenanalyse II V Do 16-18 in V2-200

Modul 39-Inf-AIAI Ambient Intelligence and Auditory Interfaces

Ambient Interfaces (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392127 Hermann Ambient Interfaces V Di 16-18 in V2-213

Ambient Interfaces (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392128 Hermann Übungen zu Ambient Interfaces Ü n. V., Block in Ambient Intelligence Labor CITEC 0.108; n. V., Block in Ambient Intelligence Labor CITEC 0.108

Modul 39-Inf-AKS Anwendungen Kognitiver Systeme

Maschinelles Lernen im Web oder Modern Data Analysis oder Softcomputing für die Bioinformatik (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392216 Paaßen Zusatztutorium: Applied Optimization Ü Mi 16-18 in T2-233
392220 Paaßen Applied Optimization Ü Do 12-14 in C01-142; Do 14-16 in C01-142; Do 16-18 in C01-142
392222 Göpfert Deep Learning Ü 14-18, Block ; 14-18, Block

Maschinelles Lernen im Web oder Modern Data Analysis oder Softcomputing für die Bioinformatik (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392219 Hammer Applied Optimization V Di 16-18 in H9
392221 Hammer Deep Learning V 8-12, Block

Modul 39-M-Inf-VHC_a Virtual Humans and Conversational Agents

Konversationale Agenten/Dialogsysteme (Pj o. S)

belegnr lehrende/r thema   art zeiten und räume my kvv
392105 Ritter, Abramov Praktische Modellierung und Animation Virtueller Agenten/ Animation and Modeling of Virtual Humans – Practical Approaches S Fr 12-14 in X-E0-216

Virtual Humans/Verhaltenssimulation (Pj o. S)

belegnr lehrende/r thema   art zeiten und räume my kvv
392105 Ritter, Abramov Praktische Modellierung und Animation Virtueller Agenten/ Animation and Modeling of Virtual Humans – Practical Approaches S Fr 12-14 in X-E0-216

Modul 39-Inf-CG Grundlagen der Computergrafik

Computergrafik (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392114 Komaritzan, Bunge Übungen Einführung in die Computergrafik Ü Mi 14-16 in V2-229
392114 Komaritzan, Bunge Übungen Einführung in die Computergrafik Ü Mi 16-18 in V2-229

Computergrafik (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392113 Botsch Einführung in die Computergrafik V Di 14-16 in H11; Do 14-16 in H10

Modul 39-Inf-SNLP Statistical Natural Language Processing

Exercises for Introduction to Statistical Natural Language Processing (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392179 Cimiano, Witte Introduction to Statistical Natural Language Processing Ü Do 10-12 in U2-232; Do 10-12, einmalig in E1-148; Do 10-12 in C01-258

Introduction to Statistical Natural Language Processing (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392178 Cimiano Introduction to Statistical Natural Language Processing V Di 8-10 in U2-200

Modul 39-M-Inf-DL Deep Learning

Deep Learning (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392221 Hammer Deep Learning V 8-12, Block

Deep Learning (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392141 Brinkrolf Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 12-14 in U10-146; Mo 14-16 in C01-230; Mo 14-16 in C01-148; Mo 16-18 in C01-148; Mo 12-14, einmalig in C01-142; Mo 12-14, einmalig in C01-142; Mo 12-14, 14täglich in C01-142
392141 Brinkrolf, Tutor: André Artelt Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 12-14, einmalig in GZI V2-222; Mo 12-14, einmalig in U10-146; Mo 12-14, einmalig in U10-146; Mo 12-14, 14täglich in GZI V2-222; Mo 12-14, 14täglich in U10-146
392141 Brinkrolf, Tutor: Matthias Vogelsang Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 12-14, einmalig in GZI V2-222; Mo 12-14, einmalig in C01-142; Mo 12-14, einmalig in C01-142; Mo 12-14, 14täglich in GZI V2-222; Mo 12-14, 14täglich in C01-142
392141 Brinkrolf, Tutor: Michel Henrichs Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 14-16, einmalig in GZI V2-222; Mo 14-16, einmalig in C01-230; Mo 14-16, einmalig in C01-230; Mo 14-16, 14täglich in GZI V2-222; Mo 14-16, 14täglich in C01-230
392141 Brinkrolf, Tutor: Sascha Schleef Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 14-16, einmalig in GZI V2-222; Mo 14-16, einmalig in C01-148; Mo 14-16, einmalig in C01-148; Mo 14-16, 14täglich in GZI V2-222; Mo 14-16, 14täglich in C01-148
392141 Brinkrolf, Tutor: Sascha Schleef Übungen "Introduction to Machine Learning (int. Track)" Ü Mo 16-18, einmalig in GZI-V2-222; Mo 16-18, einmalig in C01-148; Mo 16-18, einmalig in C01-148; Mo 16-18, 14täglich in GZI V2-222; Mo 16-18, 14täglich in C01-148

Modul 39-M-Inf-GMP Geometrische Modellierung mit Polygonnetzen

Geometrische Modellierung mit Polygonnetzen (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392130 Botsch 3D-Scannen und Geometrieverarbeitung
gleichwertig zur Veranstaltung Geometrische Modellierung mit Polygonnetzen in der Modulbeschreibung
V Di 10-12 in V2-121

Geometrische Modellierung mit Polygonnetzen (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392131 Komaritzan 3D-Scannen und Geometrieverarbeitung Ü Mi 12-14 in V2-229

Modul 39-M-Inf-RDM Research Data Management

Research Data Management (S)

belegnr lehrende/r thema   art zeiten und räume my kvv
392266 Wiljes Research Data Management S Fr 12-14 in H10

Modul 39-M-Inf-SSV Sprachsignalverarbeitung

Anwendungsorientierte Sprachverarbeitung (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392129 Wrede Introduction to Automatic Speech Recognition V Di 12-14 in U2-210; Fr 10-12 in U2-210
392135 Wrede Introduction to Automatic Speech Recognition Ü n. V. Block am Semesterende

Anwendungsorientierte Sprachverarbeitung (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392135 Wrede Introduction to Automatic Speech Recognition Ü n. V. Block am Semesterende

Spracherkennung (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392135 Wrede Introduction to Automatic Speech Recognition Ü n. V. Block am Semesterende

Spracherkennung (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392129 Wrede Introduction to Automatic Speech Recognition V Di 12-14 in U2-210; Fr 10-12 in U2-210
392135 Wrede Introduction to Automatic Speech Recognition Ü n. V. Block am Semesterende

Modul 39-M-Inf-SW Semantic Web

Semantic Web (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392139 Ell, Wiljes Introduction to the Semantic Web Ü Mi 10.00-12:00 in C01-142

Semantic Web (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392138 Ell, Wiljes Introduction to the Semantic Web V Mi 14:00-16:00 in C01-142
392139 Ell, Wiljes Introduction to the Semantic Web Ü Mi 10.00-12:00 in C01-142

Weitere Veranstaltungen für das Profil Variante 2

belegnr lehrende/r thema   art zeiten und räume my kvv
312414 Wetzel Practical Exercise Operations Research Models Ü Mo 16-18 in U0-139
319018 Westerheide Einführungs-/Informationsveranstaltung für die neuen Studierenden des Masterstudiengangs Data Science Vtr Di 10-14, einmalig in W9-109










(Diese Seite wurde erzeugt am: 18.10.2018 (17:13 Uhr))