Vorlesungsverzeichnis

Suchen Sie hier über ein Suchformular im Vorlesungsverzeichnis der Leuphana.

Veranstaltungen von Prof. Dr. Ulf Brefeld


Lehrveranstaltungen

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 Seminarraum | ...

Masterforum (Kolloquium)

Dozent/in: Ulf Brefeld

Termin:
Einzeltermin | Mi, 26.04.2023, 10:15 - Mi, 26.04.2023, 13:45 | C 16.124 Seminarraum
Einzeltermin | Mi, 31.05.2023, 10:15 - Mi, 31.05.2023, 13:45 | C 16.124 Seminarraum
Einzeltermin | Mi, 21.06.2023, 10:00 - Mi, 21.06.2023, 13:00 | intern | Room C4.319

Netzwerkanalyse (Vorlesung)

Dozent/in: Ulf Brefeld

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

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.

Forecasting and Simulation (Übung)

Dozent/in: Ulf Brefeld, Yannick Rudolph

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

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 Seminarraum
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.

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 Seminarraum
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.

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.

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 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)

Forschungskolloquium Wirtschaftsinformatik & Data Science (Kolloquium)

Dozent/in: Ulf Brefeld, Paul Drews, Burkhardt Funk, Peter Niemeyer, Kathrin Padberg-Gehle, Lin Xie

Termin:
14-täglich | Donnerstag | 16:15 - 16:15 | 20.04.2023 - 06.07.2023 | Online-Veranstaltung | Online

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