Vorlesungsverzeichnis

Suchen Sie hier über ein Suchformular im Vorlesungsverzeichnis der Leuphana.

Veranstaltungen von Prof. Dr. Ulf Brefeld


Lehrveranstaltungen

Forschungskolloquium Wirtschaftsinformatik & Data Science (Kolloquium)

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

Termin:
Einzeltermin | Mi, 24.04.2024, 15:00 - Mi, 24.04.2024, 17:00 | C 14.102 b Seminarraum
Einzeltermin | Mo, 17.06.2024, 15:00 - Mo, 17.06.2024, 17:00 | C 14.103 Seminarraum

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

Masterforum (Kolloquium)

Dozent/in: Ulf Brefeld

Termin:
Einzeltermin | Mi, 24.04.2024, 10:15 - Mi, 24.04.2024, 13:45 | C 6.316 Seminarraum
Einzeltermin | Mi, 29.05.2024, 10:15 - Mi, 29.05.2024, 13:45 | C 6.316 Seminarraum
Einzeltermin | Mi, 19.06.2024, 10:15 - Mi, 19.06.2024, 13:45 | C 6.316 Seminarraum

Einführung in die Künstliche Intelligenz (Vorlesung)

Dozent/in: Debayan Banerjee, Ulf Brefeld

Termin:
wöchentlich | Donnerstag | 10:15 - 11:45 | 02.04.2024 - 05.07.2024 | 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.

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

Dozent/in: Debayan Banerjee, Ulf Brefeld

Termin:
wöchentlich | Donnerstag | 16:15 - 17:00 | 02.04.2024 - 05.07.2024 | C HS 5 | Evtl. werden wir eine kombinierte Übung mit Gruppe 2 anbieten (diese wäre dann im gleichen Raum bis 17:45)

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: Debayan Banerjee, Ulf Brefeld

Termin:
wöchentlich | Donnerstag | 17:00 - 17:45 | 02.04.2024 - 05.07.2024 | C HS 5 | Evtl. werden wir eine kombinierte Übung mit Gruppe 1 anbieten (diese wäre dann im gleichen Raum ab16:15)

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

Termin:
wöchentlich | Dienstag | 10:15 - 11:45 | 02.04.2024 - 16.04.2024 | C 12.111 Seminarraum
Einzeltermin | Di, 16.04.2024, 10:15 - Di, 16.04.2024, 11:45 | C 25.021 Seminarraum | ACHTUNG RAUMWECHSEL am 16.4.
wöchentlich | Dienstag | 10:15 - 11:45 | 23.04.2024 - 07.05.2024 | C 25.021 Seminarraum
Einzeltermin | Di, 14.05.2024, 10:15 - Di, 14.05.2024, 11:45 | C 12.111 Seminarraum
wöchentlich | Dienstag | 10:15 - 11:45 | 21.05.2024 - 18.06.2024 | C 25.021 Seminarraum
Einzeltermin | Di, 25.06.2024, 10:15 - Di, 25.06.2024, 11:45 | C 12.111 Seminarraum
Einzeltermin | Di, 02.07.2024, 10:15 - Di, 02.07.2024, 11:45 | C 25.021 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

Termin:
wöchentlich | Dienstag | 12:15 - 13:45 | 02.04.2024 - 05.07.2024 | C 12.112 Seminarraum | ...

Deep Learning (Übung)

Dozent/in: Ulf Brefeld, Soham Majumder

Termin:
wöchentlich | Donnerstag | 16:15 - 17:45 | 02.04.2024 - 05.07.2024 | C 12.111 Seminarraum | ...

Forecasting and Simulation (Übung)

Dozent/in: Ulf Brefeld, Soham Majumder

Termin:
wöchentlich | Donnerstag | 12:15 - 13:45 | 02.04.2024 - 05.07.2024 | C 12.002 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)