Course Schedule

Veranstaltungen von Prof. Dr. Ulf Brefeld


Lehrveranstaltungen

Forschungskolloquium Wirtschaftsinformatik & Data Science (Kolloquium)

Dozent/in: Olga Abramova, Ulf Brefeld, Paul Drews, Burkhardt Funk, Peter Niemeyer, Kathrin Padberg-Gehle, Ricardo Usbeck

Termin:
Einzeltermin | Di, 06.05.2025, 16:00 - Di, 06.05.2025, 17:30 | C 5.019 Seminarraum
Einzeltermin | Di, 27.05.2025, 16:00 - Di, 27.05.2025, 17:30 | C 5.019 Seminarraum
Einzeltermin | Di, 10.06.2025, 16:00 - Di, 10.06.2025, 17:30 | C 5.019 Seminarraum
Einzeltermin | Di, 24.06.2025, 16:00 - Di, 24.06.2025, 17:30 | C 5.019 Seminarraum
Einzeltermin | Di, 08.07.2025, 16:00 - Di, 08.07.2025, 17:30 | C 5.019 Seminarraum

Inhalt: Im Kolloquium stellen Promovierende, Mitglieder des Instituts und externe Gäste Ihre Forschungsvorhaben vor.

Forecasting and Simulation (Übung)

Dozent/in: Ulf Brefeld, Soham Majumder

Termin:
wöchentlich | Montag | 10:15 - 11:45 | 07.04.2025 - 11.07.2025 | C 16.203 Seminarraum

Inhalt: The module provides a survey of the theory and application of data-based computational techniques to forecast and simulate data with temporal dependencies. Selected statistical approaches dealing with the special role of time in modeling will be discussed in detail. Topics of interest include: - stationary and non-stationary time series (ARIMA models) - conditional heteroscedastic time series (ARCH and GARCH models) - multivariate time series (VAR and VARMA models) - state space models (Kalman Filter)

Deep Learning (Übung)

Dozent/in: Ulf Brefeld, Soham Majumder

Termin:
wöchentlich | Montag | 14:15 - 15:45 | 07.04.2025 - 11.07.2025 | C 16.203 Seminarraum | ...

Einführung in die Künstliche Intelligenz - Übung Gruppe 1 (Übung)

Dozent/in: Ulf Brefeld, Yannick Rudolph

Termin:
wöchentlich | Dienstag | 08:15 - 09:00 | 07.04.2025 - 13.05.2025 | C HS 3
wöchentlich | Dienstag | 08:15 - 09:00 | 20.05.2025 - 20.05.2025 | C HS 1
wöchentlich | Dienstag | 08:15 - 09:00 | 27.05.2025 - 17.06.2025 | C HS 3
wöchentlich | Dienstag | 08:15 - 09:00 | 24.06.2025 - 24.06.2025 | C HS 1
wöchentlich | Dienstag | 08:15 - 09:00 | 01.07.2025 - 11.07.2025 | C HS 3

Inhalt: Es werden grundlegende Kenntnisse des maschinellen Lernen vermittelt, die zur intelligenten Datenverarbeitung notwendig sind. Wir gehen auf verschiedene Problemstellungen ein (z.B. Klassifikation, Regression, Clustern), lernen Standardverfahren kennen (z.B. Entscheidungsbäume, SVMs), Strategien für eine allgemeine Herangehensweise und Versuchsaufbauten für eine solide empirische Evaluation.

Einführung in die Künstliche Intelligenz - Übung Gruppe 2 (Übung)

Dozent/in: Ulf Brefeld, Yannick Rudolph

Termin:
wöchentlich | Dienstag | 09:15 - 10:00 | 07.04.2025 - 13.05.2025 | C HS 3
wöchentlich | Dienstag | 09:15 - 10:00 | 20.05.2025 - 20.05.2025 | C HS 1
wöchentlich | Dienstag | 09:15 - 10:00 | 27.05.2025 - 17.06.2025 | C HS 3
wöchentlich | Dienstag | 09:15 - 10:00 | 24.06.2025 - 24.06.2025 | C HS 1
wöchentlich | Dienstag | 09:15 - 10:00 | 01.07.2025 - 11.07.2025 | C HS 3

Inhalt: Es werden grundlegende Kenntnisse des maschinellen Lernen vermittelt, die zur intelligenten Datenverarbeitung notwendig sind. Wir gehen auf verschiedene Problemstellungen ein (z.B. Klassifikation, Regression, Clustern), lernen Standardverfahren kennen (z.B. Entscheidungsbäume, SVMs), Strategien für eine allgemeine Herangehensweise und Versuchsaufbauten für eine solide empirische Evaluation.

Einführung in die Künstliche Intelligenz (Vorlesung)

Dozent/in: Ulf Brefeld, Yannick Rudolph

Termin:
wöchentlich | Donnerstag | 10:15 - 11:45 | 07.04.2025 - 11.07.2025 | W HS 4

Inhalt: Es werden grundlegende Kenntnisse des maschinellen Lernen vermittelt, die zur intelligenten Datenverarbeitung notwendig sind. Wir gehen auf verschiedene Problemstellungen ein (z.B. Klassifikation, Regression, Clustern), lernen Standardverfahren kennen (z.B. Entscheidungsbäume, SVMs), Strategien für eine allgemeine Herangehensweise und Versuchsaufbauten für eine solide empirische Evaluation.

Forecasting and Simulation (Vorlesung)

Dozent/in: Ulf Brefeld, Soham Majumder

Termin:
wöchentlich | Dienstag | 10:15 - 11:45 | 07.04.2025 - 11.07.2025 | C 14.102 a Seminarraum

Inhalt: The module provides a survey of the theory and application of data-based computational techniques to forecast and simulate data with temporal dependencies. Selected statistical approaches dealing with the special role of time in modeling will be discussed in detail. Topics of interest include: - stationary and non-stationary time series (ARIMA models) - conditional heteroscedastic time series (ARCH and GARCH models) - multivariate time series (VAR and VARMA models) - state space models (Kalman Filter)

Deep Learning (Vorlesung)

Dozent/in: Ulf Brefeld, Soham Majumder

Termin:
wöchentlich | Dienstag | 14:15 - 15:45 | 07.04.2025 - 11.07.2025 | C 14.102 a Seminarraum