Start my eKVV Studieninformation Lernräume Prüfungsverwaltung Anmelden

Data Science / Master of Science

FsB vom 06.04.2018 mit Änderung vom 01.07.2019 (Einschreibung ab WiSe 18/19)
Vorlesungsverzeichnis für das WiSe 2019/2020

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 T2-204; Do 14-16

Tutorial Foundations of Statistics (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
240116 Pasurek, Tutor: Shayan Alikhanloo Tutorial Foundations of Statistics Ü Mi 10-12

Modul 39-Inf-AOpt Applied Optimisation

Applied Optimisation (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392220 Hinder Applied Optimization Ü Do 12-14 in T2-233; Do 14-16 in T2-233; Do 16-18 in T2-233

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 Tutorials "Introduction to Machine Learning (int. Track)" Ü Mo 12-14 ; Mo 14-16 in C01-136; Mo 14-16 in C01-148; Mo 16-18 in C01-148; Mo 12-14, 14täglich in X-E0-226

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 U2-200
392140 Hammer, Schulz Introduction to Machine Learning (int. Track) V Di 12-14 in H5
392141 Brinkrolf Tutorials "Introduction to Machine Learning (int. Track)" Ü Mo 12-14 ; Mo 14-16 in C01-136; Mo 14-16 in C01-148; Mo 16-18 in C01-148; Mo 12-14, 14täglich in X-E0-226

Modul 39-Inf-Pro Programming

Programming (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392168 Ell, Witte Programming V Mi 14-16 in U5-133

Programming (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392169 Ell, Witte Programming Ü Mo 12-14 in U5-133

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 Langrock Reading Course "Statistische Wissenschaften" S Di 16-18 in V9-117

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 Adam, Mews, Ötting, Pohle Statistical Consulting Pj Mo 14-16 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
392160 Cimiano, Ell ELSI Aspects of Data Science S+V Fr 14-16

Ethical, Legal and Social Impacts (S)

belegnr lehrende/r thema   art zeiten und räume my kvv
392160 Cimiano, Ell ELSI Aspects of Data Science S+V Fr 14-16

Modul 31-M-Thesis Master

belegnr lehrende/r thema   art zeiten und räume my kvv
312412 Tierney Masterkolloquium Ko N. N., N. N. in U9-117
312911 Langrock, Fuchs, Bauer Masterkolloquium zu Statistik, Data Science und Ökonometrie Ko Do 14-16 in V9-117

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 V Fr 12-14
312420 Fuchs Bayesian Statistics I
Die Vorlesung findet wöchentlich abwechselnd 4 Stunden Vorlesung und 2 Stunden Übung statt. Die genauen Termine werden später bekanntgegeben.
V Do 10-12 in W9-109; Fr 10-12 in W9-109
312421 Yaqine Übung zu Bayesian Statistics I
Die Veranstaltung findet 14-täglich im Wechsel mit der Vorlesung statt. Die genauen Termine werden noch bekanntgegeben.
Ü Fr 10-12 in W9-109 Raum wie 312420
312501 Bauer Methoden der Ökonometrie V Do 8:30-10 in W9-109
312503 Langrock Generalisierte Lineare Modelle V Mi 10-12 in W9-109

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
Die Vorlesung findet wöchentlich abwechselnd 4 Stunden Vorlesung und 2 Stunden Übung statt. Die genauen Termine werden später bekanntgegeben.
V Do 10-12 in W9-109; Fr 10-12 in W9-109
312421 Yaqine Übung zu Bayesian Statistics I
Die Veranstaltung findet 14-täglich im Wechsel mit der Vorlesung statt. Die genauen Termine werden noch bekanntgegeben.
Ü Fr 10-12 in W9-109 Raum wie 312420
312501 Bauer Methoden der Ökonometrie V Do 8:30-10 in W9-109
312503 Langrock Generalisierte Lineare Modelle V Mi 10-12 in W9-109

Modul 39-M-Inf-VKIa Vertiefung Künstliche Intelligenz (5 LP)

Spezielle Themen der Künstlichen Intelligenz (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392101 Kopp Cognitive Computing: Reasoning and Decision-Making Under Uncertainty V Fr 10-12 in X-E1-202

Spezielle Themen der Künstlichen Intelligenz (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392102 Kopp, Pöppel Übungen zu Cognitive Computing: Reasoning and Decision-Making Under Uncertainty Ü n. V., n. V.

Modul 39-M-Inf-VML Vertiefung Maschinelles Lernen

Vertiefung Maschinelles Lernen (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392118 Schilling Vertiefung Maschinelles Lernen Ü Fr 8-10 in T2-227

Vertiefung Maschinelles Lernen (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392117 Schilling Vertiefung Maschinelles Lernen V Do 08-10 in X-E1-203

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, Wetzel, Hottung Operations Research Models V Do 12-14 in W9-109
312419 Frahnow Überlebensanalyse und Risikovorhersage V Fr 12-14
312420 Fuchs Bayesian Statistics I
Die Vorlesung findet wöchentlich abwechselnd 4 Stunden Vorlesung und 2 Stunden Übung statt. Die genauen Termine werden später bekanntgegeben.
V Do 10-12 in W9-109; Fr 10-12 in W9-109
312421 Yaqine Übung zu Bayesian Statistics I
Die Veranstaltung findet 14-täglich im Wechsel mit der Vorlesung statt. Die genauen Termine werden noch bekanntgegeben.
Ü Fr 10-12 in W9-109 Raum wie 312420
312501 Bauer Methoden der Ökonometrie V Do 8:30-10 in W9-109
312503 Langrock Generalisierte Lineare Modelle V Mi 10-12 in W9-109
312817 Tierney Masterseminar: Advanced Topics in Operations Research S N. N., N. N. in U9-117 Termine werden noch bekanntgegeben.

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
312419 Frahnow Überlebensanalyse und Risikovorhersage V Fr 12-14
312420 Fuchs Bayesian Statistics I
Die Vorlesung findet wöchentlich abwechselnd 4 Stunden Vorlesung und 2 Stunden Übung statt. Die genauen Termine werden später bekanntgegeben.
V Do 10-12 in W9-109; Fr 10-12 in W9-109
312421 Yaqine Übung zu Bayesian Statistics I
Die Veranstaltung findet 14-täglich im Wechsel mit der Vorlesung statt. Die genauen Termine werden noch bekanntgegeben.
Ü Fr 10-12 in W9-109 Raum wie 312420
312501 Bauer Methoden der Ökonometrie V Do 8:30-10 in W9-109
312503 Langrock Generalisierte Lineare Modelle V Mi 10-12 in W9-109

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 U2-200

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 Hinder Zusatztutorium: Applied Optimization Ü Mi 16-18 in U2-228
392220 Hinder Applied Optimization Ü Do 12-14 in T2-233; Do 14-16 in T2-233; Do 16-18 in T2-233
392247 Göpfert Modern Data Analysis Ü Mo 14-16

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
392246 Hammer Modern Data Analysis V Di 10-12 in U5-133

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 Praktische Modellierung und Animation Virtueller Agenten/ Animation and Modeling of Virtual Humans – Practical Approaches S Do 14-16 in U2-228

Virtual Humans/Verhaltenssimulation (Pj o. S)

belegnr lehrende/r thema   art zeiten und räume my kvv
392105 Ritter Praktische Modellierung und Animation Virtueller Agenten/ Animation and Modeling of Virtual Humans – Practical Approaches S Do 14-16 in U2-228
392120 Hassan, Demir Behavioural Signal Processing: From Sensing to Recognizing Nonverbal Human Behaviour using Pattern Analysis and Machine Learning Methods S Mi 10-12 in X-E0-201

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
390005 Botsch Klausur: Einführung in die Computergrafik Kl  
390006 Botsch Nachklausur: Einführung in die Computergrafik Kl  
392113 Botsch Einführung in die Computergrafik V Di 14-16 in U2-233; Do 14-16 in H2

Modul 39-M-Inf-DL Deep Learning

Deep Learning (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392141 Brinkrolf Tutorials "Introduction to Machine Learning (int. Track)" Ü Mo 12-14 ; Mo 14-16 in C01-136; Mo 14-16 in C01-148; Mo 16-18 in C01-148; Mo 12-14, 14täglich in X-E0-226

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 T2-208

Geometrische Modellierung mit Polygonnetzen (Ü)

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

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 X-E0-205

Modul 39-M-Inf-SSV Sprachsignalverarbeitung

Anwendungsorientierte Sprachverarbeitung (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392119 Wrede Anwendungsorientierte Spracherkennung: Lexikonfreie Spracherkennung V+Ü n. V., Block Übungen; n. V., n. V. Vorlesung
392129 Wrede Introduction to Automatic Speech Recognition V Di 12-14 in T2-208; Fr 10-12 in C01-230

Anwendungsorientierte Sprachverarbeitung (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392119 Wrede Anwendungsorientierte Spracherkennung: Lexikonfreie Spracherkennung V+Ü n. V., Block Übungen; n. V., n. V. Vorlesung
392135 Wrede Introduction to Automatic Speech Recognition Ü n. V., n. V. Block am Semesterende

Spracherkennung (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392119 Wrede Anwendungsorientierte Spracherkennung: Lexikonfreie Spracherkennung V+Ü n. V., Block Übungen; n. V., n. V. Vorlesung
392135 Wrede Introduction to Automatic Speech Recognition Ü n. V., n. V. Block am Semesterende

Spracherkennung (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392119 Wrede Anwendungsorientierte Spracherkennung: Lexikonfreie Spracherkennung V+Ü n. V., Block Übungen; n. V., n. V. Vorlesung
392129 Wrede Introduction to Automatic Speech Recognition V Di 12-14 in T2-208; Fr 10-12 in C01-230

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 T2-233

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 T2-208

Weitere Veranstaltungen für das Profil Variante 1

belegnr lehrende/r thema   art zeiten und räume my kvv
312414 Hottung, Wetzel, Tierney Practical Exercise Operations Research Models Ü Do 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 T2-204; Do 14-16

Tutorial Foundations of Statistics (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
240116 Pasurek, Tutor: Shayan Alikhanloo Tutorial Foundations of Statistics Ü Mi 10-12

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 12-14 in V2-205

Regression Analysis (V o. VÜA)

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

Modul 39-Inf-AOpt Applied Optimisation

Applied Optimisation (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392220 Hinder Applied Optimization Ü Do 12-14 in T2-233; Do 14-16 in T2-233; Do 16-18 in T2-233

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 Langrock Reading Course "Statistische Wissenschaften" S Di 16-18 in V9-117

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 Adam, Mews, Ötting, Pohle Statistical Consulting Pj Mo 14-16 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
392160 Cimiano, Ell ELSI Aspects of Data Science S+V Fr 14-16

Ethical, Legal and Social Impacts (S)

belegnr lehrende/r thema   art zeiten und räume my kvv
392160 Cimiano, Ell ELSI Aspects of Data Science S+V Fr 14-16

Modul 31-M-Thesis Master

belegnr lehrende/r thema   art zeiten und räume my kvv
312412 Tierney Masterkolloquium Ko N. N., N. N. in U9-117
312911 Langrock, Fuchs, Bauer Masterkolloquium zu Statistik, Data Science und Ökonometrie Ko Do 14-16 in V9-117

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 V Fr 12-14
312420 Fuchs Bayesian Statistics I
Die Vorlesung findet wöchentlich abwechselnd 4 Stunden Vorlesung und 2 Stunden Übung statt. Die genauen Termine werden später bekanntgegeben.
V Do 10-12 in W9-109; Fr 10-12 in W9-109
312421 Yaqine Übung zu Bayesian Statistics I
Die Veranstaltung findet 14-täglich im Wechsel mit der Vorlesung statt. Die genauen Termine werden noch bekanntgegeben.
Ü Fr 10-12 in W9-109 Raum wie 312420
312501 Bauer Methoden der Ökonometrie V Do 8:30-10 in W9-109
312503 Langrock Generalisierte Lineare Modelle V Mi 10-12 in W9-109

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
Die Vorlesung findet wöchentlich abwechselnd 4 Stunden Vorlesung und 2 Stunden Übung statt. Die genauen Termine werden später bekanntgegeben.
V Do 10-12 in W9-109; Fr 10-12 in W9-109
312421 Yaqine Übung zu Bayesian Statistics I
Die Veranstaltung findet 14-täglich im Wechsel mit der Vorlesung statt. Die genauen Termine werden noch bekanntgegeben.
Ü Fr 10-12 in W9-109 Raum wie 312420
312501 Bauer Methoden der Ökonometrie V Do 8:30-10 in W9-109
312503 Langrock Generalisierte Lineare Modelle V Mi 10-12 in W9-109

Modul 39-M-Inf-VKIa Vertiefung Künstliche Intelligenz (5 LP)

Spezielle Themen der Künstlichen Intelligenz (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392101 Kopp Cognitive Computing: Reasoning and Decision-Making Under Uncertainty V Fr 10-12 in X-E1-202

Spezielle Themen der Künstlichen Intelligenz (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392102 Kopp, Pöppel Übungen zu Cognitive Computing: Reasoning and Decision-Making Under Uncertainty Ü n. V., n. V.

Modul 39-M-Inf-VML Vertiefung Maschinelles Lernen

Vertiefung Maschinelles Lernen (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392118 Schilling Vertiefung Maschinelles Lernen Ü Fr 8-10 in T2-227

Vertiefung Maschinelles Lernen (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392117 Schilling Vertiefung Maschinelles Lernen V Do 08-10 in X-E1-203

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, Wetzel, Hottung Operations Research Models V Do 12-14 in W9-109
312419 Frahnow Überlebensanalyse und Risikovorhersage V Fr 12-14
312420 Fuchs Bayesian Statistics I
Die Vorlesung findet wöchentlich abwechselnd 4 Stunden Vorlesung und 2 Stunden Übung statt. Die genauen Termine werden später bekanntgegeben.
V Do 10-12 in W9-109; Fr 10-12 in W9-109
312421 Yaqine Übung zu Bayesian Statistics I
Die Veranstaltung findet 14-täglich im Wechsel mit der Vorlesung statt. Die genauen Termine werden noch bekanntgegeben.
Ü Fr 10-12 in W9-109 Raum wie 312420
312501 Bauer Methoden der Ökonometrie V Do 8:30-10 in W9-109
312503 Langrock Generalisierte Lineare Modelle V Mi 10-12 in W9-109
312817 Tierney Masterseminar: Advanced Topics in Operations Research S N. N., N. N. in U9-117 Termine werden noch bekanntgegeben.

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
312419 Frahnow Überlebensanalyse und Risikovorhersage V Fr 12-14
312420 Fuchs Bayesian Statistics I
Die Vorlesung findet wöchentlich abwechselnd 4 Stunden Vorlesung und 2 Stunden Übung statt. Die genauen Termine werden später bekanntgegeben.
V Do 10-12 in W9-109; Fr 10-12 in W9-109
312421 Yaqine Übung zu Bayesian Statistics I
Die Veranstaltung findet 14-täglich im Wechsel mit der Vorlesung statt. Die genauen Termine werden noch bekanntgegeben.
Ü Fr 10-12 in W9-109 Raum wie 312420
312501 Bauer Methoden der Ökonometrie V Do 8:30-10 in W9-109
312503 Langrock Generalisierte Lineare Modelle V Mi 10-12 in W9-109

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 U2-200

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 Hinder Zusatztutorium: Applied Optimization Ü Mi 16-18 in U2-228
392220 Hinder Applied Optimization Ü Do 12-14 in T2-233; Do 14-16 in T2-233; Do 16-18 in T2-233
392247 Göpfert Modern Data Analysis Ü Mo 14-16

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
392246 Hammer Modern Data Analysis V Di 10-12 in U5-133

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 Praktische Modellierung und Animation Virtueller Agenten/ Animation and Modeling of Virtual Humans – Practical Approaches S Do 14-16 in U2-228

Virtual Humans/Verhaltenssimulation (Pj o. S)

belegnr lehrende/r thema   art zeiten und räume my kvv
392105 Ritter Praktische Modellierung und Animation Virtueller Agenten/ Animation and Modeling of Virtual Humans – Practical Approaches S Do 14-16 in U2-228
392120 Hassan, Demir Behavioural Signal Processing: From Sensing to Recognizing Nonverbal Human Behaviour using Pattern Analysis and Machine Learning Methods S Mi 10-12 in X-E0-201

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
390005 Botsch Klausur: Einführung in die Computergrafik Kl  
390006 Botsch Nachklausur: Einführung in die Computergrafik Kl  
392113 Botsch Einführung in die Computergrafik V Di 14-16 in U2-233; Do 14-16 in H2

Modul 39-M-Inf-DL Deep Learning

Deep Learning (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392141 Brinkrolf Tutorials "Introduction to Machine Learning (int. Track)" Ü Mo 12-14 ; Mo 14-16 in C01-136; Mo 14-16 in C01-148; Mo 16-18 in C01-148; Mo 12-14, 14täglich in X-E0-226

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 T2-208

Geometrische Modellierung mit Polygonnetzen (Ü)

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

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 X-E0-205

Modul 39-M-Inf-SSV Sprachsignalverarbeitung

Anwendungsorientierte Sprachverarbeitung (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392119 Wrede Anwendungsorientierte Spracherkennung: Lexikonfreie Spracherkennung V+Ü n. V., Block Übungen; n. V., n. V. Vorlesung
392129 Wrede Introduction to Automatic Speech Recognition V Di 12-14 in T2-208; Fr 10-12 in C01-230

Anwendungsorientierte Sprachverarbeitung (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392119 Wrede Anwendungsorientierte Spracherkennung: Lexikonfreie Spracherkennung V+Ü n. V., Block Übungen; n. V., n. V. Vorlesung
392135 Wrede Introduction to Automatic Speech Recognition Ü n. V., n. V. Block am Semesterende

Spracherkennung (Ü)

belegnr lehrende/r thema   art zeiten und räume my kvv
392119 Wrede Anwendungsorientierte Spracherkennung: Lexikonfreie Spracherkennung V+Ü n. V., Block Übungen; n. V., n. V. Vorlesung
392135 Wrede Introduction to Automatic Speech Recognition Ü n. V., n. V. Block am Semesterende

Spracherkennung (V)

belegnr lehrende/r thema   art zeiten und räume my kvv
392119 Wrede Anwendungsorientierte Spracherkennung: Lexikonfreie Spracherkennung V+Ü n. V., Block Übungen; n. V., n. V. Vorlesung
392129 Wrede Introduction to Automatic Speech Recognition V Di 12-14 in T2-208; Fr 10-12 in C01-230

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 T2-233

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 T2-208

Weitere Veranstaltungen für das Profil Variante 2

belegnr lehrende/r thema   art zeiten und räume my kvv
312414 Hottung, Wetzel, Tierney Practical Exercise Operations Research Models Ü Do 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: 20.8.2019 (12:20 Uhr))