course-schedule

Deep Learning (Vorlesung)

Dozent/in: Ulf Brefeld, Samuel Gomes Fadel

Termin:
wöchentlich | Dienstag | 08:15 - 09:45 | 03.04.2023 - 07.07.2023 | C 11.320 | ...

Masterprogramm Management - Management & Data Science - Deep Learning

Masterforum (Kolloquium)

Masterprogramm Management - Management & Data Science - Master-Forum

Netzwerkanalyse (Vorlesung)

Dozent/in: Ulf Brefeld

Termin:
wöchentlich | Donnerstag | 14:15 - 15:45 | 03.04.2023 - 07.07.2023 | C 3.121

Inhalt: Students learn basics of graph theory and network analysis. Furthermore the following topics will be in-depth: network metrics, generative models, hypothesis testing in the context of network data, design of social network studies, tools for analyzing networks.

Masterprogramm Management - Management & Data Science - Analysing Networks

Forecasting and Simulation (Übung)

Dozent/in: Ulf Brefeld, Yannick Rudolph

Termin:
wöchentlich | Donnerstag | 12:15 - 13:45 | 03.04.2023 - 07.07.2023 | C 14.102a

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)

Masterprogramm Management - Management & Data Science - Forecasting and Simulation

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

Dozent/in: Ulf Brefeld, Yannick Rudolph

Termin:
wöchentlich | Donnerstag | 16:15 - 17:00 | 03.04.2023 - 04.05.2023 | C 14.006
wöchentlich | Donnerstag | 16:15 - 17:00 | 11.05.2023 - 22.06.2023 | C HS 3 | Raumwechsel!
wöchentlich | Donnerstag | 16:15 - 17:00 | 29.06.2023 - 06.07.2023 | C 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.

Leuphana Bachelor - Major Wirtschaftsinformatik (ab Studienbeginn WiSe 20/21) - Einführung Künstliche Intelligenz

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

Dozent/in: Ulf Brefeld, Yannick Rudolph

Termin:
wöchentlich | Donnerstag | 17:00 - 17:45 | 03.04.2023 - 04.05.2023 | C 14.006
wöchentlich | Donnerstag | 17:00 - 17:45 | 11.05.2023 - 22.06.2023 | C HS 3 | Raumwechsel
wöchentlich | Donnerstag | 17:00 - 17:45 | 29.06.2023 - 06.07.2023 | C 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.

Leuphana Bachelor - Major Wirtschaftsinformatik (ab Studienbeginn WiSe 20/21) - Einführung Künstliche Intelligenz

Einführung in die Künstliche Intelligenz (Vorlesung)

Dozent/in: Ulf Brefeld, Yannick Rudolph

Termin:
wöchentlich | Donnerstag | 10:15 - 11:45 | 03.04.2023 - 07.07.2023 | C HS 4 | Vorlesung

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.

Leuphana Bachelor - Major Wirtschaftsinformatik (ab Studienbeginn WiSe 20/21) - Einführung Künstliche Intelligenz

Forecasting and Simulation (Vorlesung)

Dozent/in: Ulf Brefeld, Yannick Rudolph

Termin:
wöchentlich | Dienstag | 10:15 - 11:45 | 03.04.2023 - 07.07.2023 | C 11.320 | ...

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)