Vorlesungsverzeichnis

Suchen Sie hier über ein Suchformular im Vorlesungsverzeichnis der Leuphana.

Veranstaltungen von Prof. Dr. Ralph Welge


Lehrveranstaltungen

Fortgeschrittene Softwareentwicklung mit Java (Seminar)

Dozent/in: Ralph Welge

Termin:
wöchentlich | Freitag | 08:15 - 09:45 | 07.04.2025 - 11.07.2025 | C 12.112 Seminarraum

Inhalt: Die Veranstaltung behandelt die fortgeschrittene Programmierung mit Java. Die Veranstaltung wiederholt kurz die grundlegenden Merkmale von Java. Dazu zählen unter anderem Schlüsselworte, Bezeichner, Operatoren, Datentypen, Kontrollstrukturen, Arrays und Strings. Danach werden ausgesuchte vertiefende Konzepte behandelt. Es werden ausgesuchte Themen aus folgenden Bereichen behandelt (weiterführende vorbehalten): Kap. 01. Einführung in Java Kap. 02. Sprachelemente und Kontrollstrukturen Kap. 03. Objektorientierung - Klasse und Objekt, Kapselung und Konstruktoren Kap. 04.Objektorientierung - Vererbung, Finale Klassen, Abstrakte Klassen Kap. 05. Interfaces, Adapterklassen Kap. 06. Fehlerbehandlung (Exceptions, Assertions) Kap. 07. Arrays, Datenstrukturen Kap. 08. Collections-Framework Kap. 09. Generics Kap. 10. Funktionale Programmierung, Lamda Expressions Kap. 11. Stream API Kap. 12. Nebenläufige Programmierung Kap. 13. Design Pattern Kap. 14. Datenbankprogrogrammierung

Tutorium Künstliche Intelligenz - Theorie und Anwendung (Tutorium)

Dozent/in: Ralph Welge

Termin:
wöchentlich | Dienstag | 16:15 - 17:45 | 07.04.2025 - 11.07.2025 | C 12.010 Seminarraum

Inhalt: 1. Einführung: 1.1 Unsupervised Learning: Assoziationsanalyse 1.2 Supervised Learning: Erst einmal einfach - Decision Tree 1.3 Autonomes Lernen: Reinforcement Learning 2. Handwerkszeug (Recap) 2.1 Python Grundlagen 2.2 Objektorientierte Entwicklung mit Python 3. Neuronale Netze: Konzepte und Methoden 3.1 Einfache Netze 3.2 Lernen im einfachen Netz 3.3 Mehrschichtige Netze 3.4 Lernen im mehrschichtigen Netz 3.5 Convolutional Neural Networks 3.6 Long Short-Term Memory Networks 3.7 Transformer 3.8 Frameworks: TensorFlow und PyTorch 4. Entwurf von Neuronalen Netzen 4.1 Planung 4.2 Training 4.3 Test/Validierung

Datenbanken (Vorlesung)

Dozent/in: Ralph Welge, Tim-Lennart Welge

Termin:
wöchentlich | Dienstag | 08:15 - 09:45 | 07.04.2025 - 11.07.2025 | C HS 5

Inhalt: Einführung 1.1 Grundbegriffe 1.2 Eigenschaften von Datenbanken 1.3 Datenbankmodelle 1.4 Transaktionen 1.5 Konsistenzmodell ACID 1.6 Aufbau und Organisation von Datenbanken 2. Das relationale Modell 2.1 Ein nicht so richtig gutes Beispiel 2.2 Relation 2.3 Primärschlüssel 2.4 Relationale Integritätsregeln 2.5 Relationale Algebra 3. Datenbankdesign: Normalformen 3.1 Normalformen 3.2 Erste Normalform 3.3 Funktionale Abhängigkeit 3.4 Zweite Normalform 3.5 Dritte Normalform nach Boyceund Codd 3.6 Dritte Normalform nach Codd 4. Datenbankdesign: Entity-Relationship-Model (ERM) 4.1 Entitäten 4.2 Beziehungen 4.3 Beziehungsrelationen 4.4 Fremdschlüsseleigenschaften 4.5 Schwache Entitäten und Subtypen 5. Zugriffssprache SQL 5.1 Abfragen mit SQL SELECT 5.1.1 SELECT-Statement 5.1.2 FROM-Klausel 5. 1.3 SELECT-Klausel 5. 1.4 Where-Klausel 5. 1.5 Group-By- und Having-Klausel 5. 1.6 Union, Except und Intersect 5. 1.7 Verbund (Join) 5. 1.8 Äußerer Verbund (Outer Join) 5. 1.9 Order-By-Klausel 5. 1.10 Nullwerte und die Coalesce-Funktion 5. 1.11 Arbeitsweise des Select-Befehls 5.2 Mutationsbefehle mit SQL UPDATE 6. Beschreibungssprache SQL 6.1 CREATE TABLE-Statement 6.2 Sichten (Views) 6.3 Zusicherungen (Assertions) 6.4 Gebiete 6.5 Trigger 6.6 Sequenzen 6.7 Zugriffsrechte 6.8 Zugriffsschutz 6.9 Integrität 6.10 Aufbau einer Datenbank 6.11 Datenbankmanagement

Datenbanken - Übung 1 (Übung)

Dozent/in: Ralph Welge, Tim-Lennart Welge

Termin:
14-täglich | Donnerstag | 08:15 - 09:45 | 07.04.2025 - 05.06.2025 | C 3.121 Seminarraum
14-täglich | Donnerstag | 08:15 - 09:45 | 19.06.2025 - 11.07.2025 | W 130a Edulab
14-täglich | Donnerstag | 08:15 - 09:45 | 19.06.2025 - 11.07.2025 | W 130b Edulab

Inhalt: 1.Motivation, Einführung und Grundbegriffe 2.Aufbau und (Schichten-)Modelle 3. Informationsmodellierung 4. Grundlagen des relationalen Modells 5.Die Standardsprache SQL 6.Logischer DB-Entwurf 7.Transaktionsverwaltung, Integritätssicherung und Zugriffskontrolle 8.DB-Zugriffsverfahren 9. Weitere Datenbankentypen 10. Datenbankprogrammierung mit Python

Datenbanken - Übung 2 (Übung)

Dozent/in: Ralph Welge, Tim-Lennart Welge

Termin:
14-täglich | Donnerstag | 08:15 - 09:45 | 07.04.2025 - 05.06.2025 | C 12.102 Seminarraum
14-täglich | Donnerstag | 08:15 - 09:45 | 12.06.2025 - 11.07.2025 | W 130a Edulab
14-täglich | Donnerstag | 08:15 - 09:45 | 12.06.2025 - 11.07.2025 | W 130b Edulab

Inhalt: 1.Motivation, Einführung und Grundbegriffe 2.Aufbau und (Schichten-)Modelle 3. Informationsmodellierung 4. Grundlagen des relationalen Modells 5.Die Standardsprache SQL 6.Logischer DB-Entwurf 7.Transaktionsverwaltung, Integritätssicherung und Zugriffskontrolle 8.DB-Zugriffsverfahren 9. Weitere Datenbankentypen 10. Datenbankprogrammierung mit Python

Datenbanken - Übung 3 (Übung)

Dozent/in: Ralph Welge, Tim-Lennart Welge

Termin:
14-täglich | Dienstag | 10:15 - 11:45 | 07.04.2025 - 10.07.2025 | C 40.146 Seminarraum

Inhalt: 1.Motivation, Einführung und Grundbegriffe 2.Aufbau und (Schichten-)Modelle 3. Informationsmodellierung 4. Grundlagen des relationalen Modells 5.Die Standardsprache SQL 6.Logischer DB-Entwurf 7.Transaktionsverwaltung, Integritätssicherung und Zugriffskontrolle 8.DB-Zugriffsverfahren 9. Weitere Datenbankentypen 10. Datenbankprogrammierung mit Python

Künstliche Intelligenz - Theorie und Anwendung (Vorlesung)

Dozent/in: Ralph Welge, Tim-Lennart Welge

Termin:
wöchentlich | Dienstag | 16:15 - 17:45 | 07.04.2025 - 11.07.2025 | C 12.010 Seminarraum

Inhalt: 1. Einführung: 1.1 Unsupervised Learning: Assoziationsanalyse 1.2 Supervised Learning: Erst einmal einfach - Decision Tree 1.3 Autonomes Lernen: Reinforcement Learning 2. Handwerkszeug (Recap) 2.1 Python Grundlagen 2.2 Objektorientierte Entwicklung mit Python 3. Neuronale Netze: Konzepte und Methoden 3.1 Einfache Netze 3.2 Lernen im einfachen Netz 3.3 Mehrschichtige Netze 3.4 Lernen im mehrschichtigen Netz 3.5 Convolutional Neural Networks 3.6 Long Short-Term Memory Networks 3.7 Transformer 3.8 Frameworks: TensorFlow und PyTorch 4. Entwurf von Neuronalen Netzen 4.1 Planung 4.2 Training 4.3 Test/Validierung