zurück zur Suche

CSE Seminar

IN2183Scientific Computing - Pflichtmodule5 ECTSEnglischWintersemester/SommersemesterDepartment Computer Science
KI-überarbeitetes Infoblatt. Auf Basis der TUMonline-Modulbeschreibung, sprachlich aufbereitet.Original in TUMonline

Worum geht's

Du beschäftigst dich mit einem aktuellen Forschungsthema aus Computational Science and Engineering (CSE). Du erarbeitest selbstständig ein Teilthema, präsentierst deine Ergebnisse vor der Gruppe und verfasst eine begleitende Seminararbeit. Am Ende kannst du wissenschaftliche Literatur auswählen, ein Thema zusammenfassen und es schriftlich sowie mündlich verständlich darstellen.

Was du danach kannst

  • Wissen zu einem klar abgegrenzten CSE-Thema selbstständig aneignen
  • Wissenschaftlich schreiben (Aufbau und Stil von Papers)
  • Wissenschaftlich präsentieren (Vortragsstruktur und Medieneinsatz)
  • Relevante Fachliteratur identifizieren und bewerten
  • Seminararbeit verfassen (8–10 Seiten)
  • Aspekte der Reproduzierbarkeit erkennen und diskutieren
  • Konstruktives Feedback geben und empfangen
  • Disziplinenspezifische Kommunikationskompetenz stärken

Aus was das Modul besteht

  • SeminarDu arbeitest zu einem einzelnen Thema, präsentierst im Plenum und diskutierst die Vorträge deiner Kommilitonen; teils Zusammenarbeit bei eng verwandten Themen
  • SelbststudiumEigenständige Recherche und Ausarbeitung der Seminararbeit und der Präsentation

Lehrmethode

  • Themenauswahl durch LehrendeBestimmt das übergeordnete Seminarthema und die einzelnen Themen der Teilnehmer
  • Einzel- und GruppenarbeitEinzelne Teilthemen erarbeitest du selbst, bei eng verwandten Themen koordinierst du dich mit anderen Studierenden
  • Tutorielle BetreuungLehrende und Tutorinnen/Tutoren unterstützen bei Literaturauswahl und fachlichen Fragen
  • PlenumssitzungenPräsentationen und anschließende Diskussionen zur Übung von Vortragstechnik und fachlichem Austausch
  • Peer-ReviewGegenseitiges Feedback zu Seminararbeiten und Präsentationen zur Förderung der Kommunikations- und Bewertungsfähigkeit

Termine

SeminarSeminar - Selected Topics in Machine Learning Research (IN2107, IN4872)

  • Di.14:00–16:0001.13.010, Seminarraum (5613.01.010)
    15× · 13.10.–02.02.
    • 13.10.
    • 20.10.
    • 27.10.
    • 03.11.
    • 10.11.
    • 17.11.
    • 24.11.
    • 01.12.
    • 08.12.
    • 15.12.
    • 22.12.
    • 12.01.
    • 19.01.
    • 26.01.
    • 02.02.

SeminarSeminar - Deep Learning in Computer Graphics (IN2107, IN0014, IN4858)2 Gruppen zur Wahl

  • ADi.14:00–16:0002.13.010, Seminarraum (5613.02.010)
    15× · 13.10.–02.02.
    • 13.10.
    • 20.10.
    • 27.10.
    • 03.11.
    • 10.11.
    • 17.11.
    • 24.11.
    • 01.12.
    • 08.12.
    • 15.12.
    • 22.12.
    • 12.01.
    • 19.01.
    • 26.01.
    • 02.02.
  • BMo.13:00–15:00Online: Videokonferenzeinmalig am 29.06.

SeminarSeminar Energy Informatics (IN0014, IN2017, IN2183, EI8040)

  • Mi.15:00–16:30N3815, Seminarraum (0108.03.815)
    15× · 14.10.–03.02.
    • 14.10.
    • 21.10.
    • 28.10.
    • 04.11.
    • 11.11.
    • 18.11.
    • 25.11.
    • 02.12.
    • 09.12.
    • 16.12.
    • 23.12.
    • 13.01.
    • 20.01.
    • 27.01.
    • 03.02.

SeminarSeminar Computational Aspects of Machine Learning (IN2107,IN0014, IN2183)2 Gruppen zur Wahl

  • ADo.13:00–13:3002.07.023, Seminarraum (Inf. 2/5) (5607.02.023)einmalig am 02.07.
  • BMi.10:00–12:0002.07.023, Seminarraum (Inf. 2/5) (5607.02.023)
    14× · 14.10.–03.02.
    • 14.10.
    • 21.10.
    • 04.11.
    • 11.11.
    • 18.11.
    • 25.11.
    • 02.12.
    • 09.12.
    • 16.12.
    • 23.12.
    • 13.01.
    • 20.01.
    • 27.01.
    • 03.02.

SeminarSeminar - Deep Learning in Physics (IN2107, IN0014, IN4939)2 Gruppen zur Wahl

  • AMi.14:00–16:0002.13.010, Seminarraum (5613.02.010)
    15× · 14.10.–03.02.
    • 14.10.
    • 21.10.
    • 28.10.
    • 04.11.
    • 11.11.
    • 18.11.
    • 25.11.
    • 02.12.
    • 09.12.
    • 16.12.
    • 23.12.
    • 13.01.
    • 20.01.
    • 27.01.
    • 03.02.
  • BMo.13:00–15:00Online: Videokonferenzeinmalig am 29.06.

SeminarScientific Seminar Quantum Networks

  • Mo.11:30–13:00N0116, Seminarraum (0101.EG.116)
    15× · 12.10.–01.02.
    • 12.10.
    • 19.10.
    • 26.10.
    • 02.11.
    • 09.11.
    • 16.11.
    • 23.11.
    • 30.11.
    • 07.12.
    • 14.12.
    • 21.12.
    • 11.01.
    • 18.01.
    • 25.01.
    • 01.02.

VorlesungComputational Flow Stability and Transition

  • Mi.12:45–15:151701, Seminarraum (5507.01.701)
    15× · 14.10.–03.02.
    • 14.10.
    • 21.10.
    • 28.10.
    • 04.11.
    • 11.11.
    • 18.11.
    • 25.11.
    • 02.12.
    • 09.12.
    • 16.12.
    • 23.12.
    • 13.01.
    • 20.01.
    • 27.01.
    • 03.02.

ÜbungExercises on Computational Flow Stability and Transition

  • Do.10:00–11:301701, Seminarraum (5507.01.701)
    14× · 15.10.–04.02.
    • 15.10.
    • 22.10.
    • 29.10.
    • 05.11.
    • 12.11.
    • 19.11.
    • 26.11.
    • 10.12.
    • 17.12.
    • 07.01.
    • 14.01.
    • 21.01.
    • 28.01.
    • 04.02.

SeminarScientific Seminar Quantum Information Processing Devices

  • Do.11:30–13:00N0116, Seminarraum (0101.EG.116)einmalig am 15.10.
  • Do.11:30–13:00N0507, Seminarraum-MST/LSR (0105.EG.507)
    13× · 22.10.–04.02.
    • 22.10.
    • 29.10.
    • 05.11.
    • 12.11.
    • 19.11.
    • 26.11.
    • 10.12.
    • 17.12.
    • 07.01.
    • 14.01.
    • 21.01.
    • 28.01.
    • 04.02.

SeminarSeminar in Methods for Molecular Dynamics (IN2107, IN218308)

  • Di.12:00–14:0000.08.055, Seminarraum (5608.EG.055)
    15× · 13.10.–02.02.
    • 13.10.
    • 20.10.
    • 27.10.
    • 03.11.
    • 10.11.
    • 17.11.
    • 24.11.
    • 01.12.
    • 08.12.
    • 15.12.
    • 22.12.
    • 12.01.
    • 19.01.
    • 26.01.
    • 02.02.

HauptseminarScientific Seminar Quantum Engineering and Machine Learning

  • Mi.09:45–11:15Online: Videokonferenz
    14× · 14.10.–03.02.
    • 14.10.
    • 21.10.
    • 04.11.
    • 11.11.
    • 18.11.
    • 25.11.
    • 02.12.
    • 09.12.
    • 16.12.
    • 23.12.
    • 13.01.
    • 20.01.
    • 27.01.
    • 03.02.

Aus dem laufenden Semester, unverbindlich. Von mehreren Gruppen besucht man eine; der Stundenplan schlägt automatisch die mit den wenigsten Überschneidungen vor.

Modulbewertungen

Noch keine Bewertungen für dieses Modul.

Modul bewerten

Fülle nur die Kategorien aus, die du beurteilen kannst – je Kategorie entweder Sterne und Text zusammen oder gar nichts.

Vorlesung
Übung
Prüfung

Bewertungen werden vor der Veröffentlichung automatisch geprüft.

Offizielle Seite in TUMonline · Angaben unverbindlich.