Vorlesungsverzeichnis
Suchen Sie hier über ein Suchformular im Vorlesungsverzeichnis der Leuphana.
Veranstaltungen von Prof. Dr. Ralph Welge
Lehrveranstaltungen
Datenbanken - Übung 1 (Übung)
Dozent/in: Ralph Welge
Termin:
14-täglich | Donnerstag | 08:15 - 09:45 | 07.04.2025 - 11.07.2025 | C 3.121 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
Datenbanken - Übung 2 (Übung)
Dozent/in: Ralph Welge
Termin:
14-täglich | Donnerstag | 08:15 - 09:45 | 07.04.2025 - 11.07.2025 | C 12.102 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
Datenbanken - Übung 3 (Übung)
Dozent/in: Ralph Welge
Termin:
14-täglich | Dienstag | 10:15 - 11:45 | 07.04.2025 - 11.07.2025 | 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
Datenbanken (Vorlesung)
Dozent/in: Ralph 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
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
- Lehren und Lernen - Komplementärstudium - Methodenorientierte Zugänge zu den Naturwissenschaften
- Leuphana Bachelor - Komplementärstudium - Methodenorientierte Zugänge zu den Naturwissenschaften
- Sozialpädagogik - Komplementärstudium - Methodenorientierte Zugänge zu den Naturwissenschaften
- Wirtschaftspädagogik - Komplementärstudium - Methodenorientierte Zugänge zu den Naturwissenschaften
Künstliche Intelligenz - Theorie und Anwendung (Vorlesung)
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
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