Exercise: Neural networks and deep learning (Inf-NNDL) (080071)- Dozentinnen/Dozenten
- Dr.-Ing. Claudius Zelenka, Prof. Dr. Carsten Meyer
- Angaben
- Übung, 2 SWS
Unterrichtssprache Englisch
Zeit und Ort: Fr 12:15 - 13:45, LMS8 - R.EG.016 (40), LMS8 - R.EG.010 (26); Einzeltermin am 14.4.2023 12:15 - 13:45, OHP2 - Otto-Hahn-Hörsaal
vom 14.4.2023 bis zum 7.7.2023
Bemerkung zu Zeit und Ort: Exercises are on a weekly basis
- Voraussetzungen / Organisatorisches
- Students are encouraged to bring their own laptops to the laboratory exercises.
- Inhalt
- Practical exericses in neural networks and deep learning on basis of Python
- Zusätzliche Informationen
- Erwartete Teilnehmerzahl: 70
- Zugeordnet zu: Inf-NNDL: Neural networks and deep learning (080049)
Übung im Methodikmodul: Quantitative Methoden für HistorikerInnen (QuaMH) (080050)- Dozent/in
- Dr.-Ing. Claudius Zelenka
- Angaben
- Übung, 2 SWS, Schein
Zeit und Ort: Do 14:15 - 15:45, LS1 - R.205
vom 9.4.2023 bis zum 9.7.2023
- Inhalt
- Quantitative Methoden sind ein nicht mehr wegzudenkendes Werkzeug für Historiker zum Gewinn von Erkenntnissen aus Daten. Sie werden mit der fortschreitenden Digitalisierung an Relevanz noch gewinnen. In dieser Veranstaltung wird ein leichter Zugang zum Verstehen und Anwenden von quantitativen Methoden auf bereitgestellten historischen Daten geboten. Diese Kompetenz ist universal anwendbar, z.B. in einer Studienarbeit auf wissenschaftlichen Daten und ebenso in anderen Bereichen, wie z.B. in den Bildungswissenschaften. Die gelernten Inhalte werden praktisch mit Excel vertieft. Anschließend werden in der Diskussion die gewonnenen Erkenntnisse und Methoden kritisch hinterfragt. Der Fokus dieser Veranstaltung liegt ausdrücklich nicht auf der Mathematik, sondern auf der leicht zugänglichen Anwendung von quantitativen Methoden. Es sind keine Vorkenntnisse notwendig.
Stichwörter: Was sind historische Daten? Was sind quantitative Methoden? Was können quantitative Methoden? Woran erkennt man Trends? Was bedeuten Korrelation und Kausalität?
- Empfohlene Literatur
- Literatur wird in der Veranstaltung bekanntgegeben.
- Zusätzliche Informationen
- Erwartete Teilnehmerzahl: 20
Übung zu: Objektorientierte Programmierung (Ü: infProgOO-01a) (080015)- Dozentinnen/Dozenten
- Prof. Dr. Thomas Slawig, Dr.-Ing. Claudius Zelenka, M.Sc. Niko Schmidt
- Angaben
- Übung, 2 SWS
Zeit und Ort: Mo 8:15 - 9:45, LMS8 - R.EG.017 (40); Mo 14:15 - 15:45, WSP3 - Seminarraum 1 (24), LMS8 - R.EG.016 (40), WSP3 - Seminarraum 2 (32); Mo 16:15 - 17:45, LMS8 - R.EG.016 (40); Di 12:15 - 13:45, WSP3 - Seminarraum 2 (32), WSP3 - Seminarraum 1 (24); Do 10:15 - 11:45, 16:15 - 17:45, WSP3 - Seminarraum 2 (32); Do, Fr 10:15 - 11:45, WSP3 - Seminarraum 1 (24); Fr 10:15 - 11:45, CAP4 - R.13.1304 a
vom 9.4.2023 bis zum 9.7.2023
- Inhalt
- Informationen zur Übung und die Einteilung in die Übungsgruppen finden Sie im Moodle
Der Übungsbetrieb beginnt nach der 1. Vorlesung.
- Zusätzliche Informationen
- Erwartete Teilnehmerzahl: 30
- Zugeordnet zu: infProgOO-01a: Objektorientierte Programmierung (080122)
Übung: Betreutes Arbeiten (Betr.Arbeiten) (080267)- Dozentinnen/Dozenten
- Dr.-Ing. Sandro Esquivel, Dr. Pamela Fleischmann, Dr.-Ing. Claudius Zelenka
- Angaben
- Übung
Zeit und Ort: Fr 14:00 - 17:00, LMS8 - R.EG.016 (40), LMS8 - R.EG.017 (40)
vom 9.4.2023 bis zum 9.7.2023
- Inhalt
- Betreutes Arbeiten für :
Supervised Homework for:
- Einführung in die Algorithmik
- Computer Networks
- Programmiertechniken
- Objektorientierte Programmierung
- Zusätzliche Informationen
- Erwartete Teilnehmerzahl: 40
- Zugeordnet zu: infEAlg-01a: Einführung in die Algorithmik (080095)
|
|
