infEAeS-01a: Methoden der Effizienten Ähnlichkeitssuche in großen Datenbeständen (infEAeS-01a) (080067)- Dozent/in
- Prof. Dr. Matthias Renz
- Angaben
- Vorlesung, 4 SWS, ECTS-Studium, ECTS-Credits: 8
Zeit und Ort: Di 14:15 - 15:45, LMS11a - R.EG.003 (40); Mi 8:15 - 9:45, LMS11a - R.EG.003 (40)
vom 14.4.2024 bis zum 14.7.2024
1. Prüfungstermin (Klausur am Ende der Vorlesungszeit eines Semesters): 17.7.2024, 10:00 - 12:00 Uhr, Raum CAP4 - R.715; 17.7.2024, 10:00 - 12:00 Uhr, Raum CAP2 - Hörsaal B
2. Prüfungstermin (Klausur zu Beginn der Vorlesungszeit des Folgesemesters): 9.10.2024
Bemerkung zu Zeit und Ort: Kontaktaufnahme unter mailto:ag-renz-lehre@lists.uni-kiel.de
- Voraussetzungen / Organisatorisches
- Aktuelle Angaben über die Termine und Art der Veranstaltungen (Online oder Präsenzunterricht) für die Vorlesung und den Übungsbetrieb werden in Moodle bekanntgegeben:
Bitte regelmäßig dazu die Moodle-Seiten besuchen, da dort auch kurzfristige Ankündigungen zu den Veranstaltungen gemacht werden können.
- Zusätzliche Informationen
- Erwartete Teilnehmerzahl: 25
- Zugeordnete Lehrveranstaltungen
- UE: Übung zu: Methoden der Effizienten Ähnlichkeitssuche in großen Datenbeständen (080066)
-
Dozent/in: Christian Beth, M.Sc.
Zeit und Ort: Di 10:15 - 11:45, CAP4 - R.13.1304 a
infMPAIDS-01a: Master Project - Data Science and Data Mining (infMPAIDS-01a) (080129)- Dozentinnen/Dozenten
- Prof. Dr. Matthias Renz, Yannick Wölker, M.Sc., Nelson Tavares de Sousa, M.Sc.
- Angaben
- Übung, 4 SWS, ECTS-Studium, ECTS-Credits: 10
Unterrichtssprache Englisch
Zeit und Ort: Blockveranstaltung 8.5.2024-17.7.2024 Mi 14:00 - 15:00, CAP4 - R.1110
vom 14.4.2024 bis zum 14.7.2024
Bemerkung zu Zeit und Ort: Temine nach Absprache; Kontaktaufnahme unter mailto:ag-renz-lehre@lists.uni-kiel.de
- Voraussetzungen / Organisatorisches
- Good programming skills, preferably in Python. Knowledgable in basic data structures and algorithms (search, sort, ...).
Prior knowledge in methods of one or more of the following topics: data mining, machine learning, similarity search, knowledge discovery, ideally achieved in corresponding lectures.
In small teams, students will get hands-on practice in implementing and applying Data Science methods with focus on data management, data mining, machine learning, similarity search, knowledge discovery among others. Targeted projects are oftern emedded in an interdisciplinary environment. This module is mainly addressing students who want to get practice on applying and developing methods they learned in the corresponding lectures. Ideally, students take this module as continuation of one or more former lectures in the above mentioned fields.
Successful participation in Data Science and/or Knowledge Discovery and Data Mining is required.
Students are required to sign up to this course via the StudiDB beforehand. Further points will be discussed in the first meeting.
- Inhalt
- Relevance Search in Heterogeneous Information Networks
- with temporal augmentations
- with spatial augmenations
- with a focus on /efficient/ solutions and indexing structures
- Zusätzliche Informationen
- Erwartete Teilnehmerzahl: 10
infSemDaSci-01a: Master Seminar - Data Science (infSemDaSci-01a) (080080)- Dozentinnen/Dozenten
- Prof. Dr. Matthias Renz, Yannick Wölker, M.Sc., Nelson Tavares de Sousa, M.Sc.
- Angaben
- Seminar, 2 SWS, ECTS-Studium, ECTS-Credits: 5
Zeit und Ort: Mo 14:15 - 15:45, CAP4 - R.715
vom 14.4.2024 bis zum 14.7.2024
Bemerkung zu Zeit und Ort: Durch den Ostermontag findet das Kick Off / die Themenvergabe am Montag 22. April 2024 statt!
- Voraussetzungen / Organisatorisches
- Die erst genannte Person ist für organisatorische/technische Fragen zuständig!
Eine vorige Anmeldung über die StudiDB ist erforderlich.
- Inhalt
- Kontaktaufnahme unter mailto:ag-renz-lehre@lists.uni-kiel.de
- Zusätzliche Informationen
- Erwartete Teilnehmerzahl: 10
|
|
