Module

42 Treffer

B Elective Modules42

B1.2, B2.242

B2.2 Special Topics in Data Analytics42

Advanced Deep Learning for Computer Vision: Visual ComputingNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDas Modul vermittelt aktuelle Deep‑Learning‑Methoden für Computer Vision. Du lernst sowohl theoretische Grundlagen moderner neuronaler Architekturen als auch praktische Methoden wie generative Modelle (GANs, Diffusionsmodelle, Large Reconstruction Models) und moderne 3D‑Repräsentationen (z. B. Neural Radiance Fields, 3D Gaussian Splatting). Am Ende kannst du state‑of‑the‑art‑Verfahren anwenden, bewerten und in Projektarbeiten umsetzen.8 ECTSläuft dieses SemesterIN2390Advanced Deep Learning for RoboticsNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsIn diesem Modul vertiefst Du fortgeschrittene Deep-Learning-Methoden mit Schwerpunkt auf robotischen Anwendungen und Deep Reinforcement Learning. Du lernst sowohl theoretische Grundlagen zu modernen Netzarchitekturen und probabilistischen Methoden als auch deren praktische Umsetzung in Simulationen und Projekten für Robotik-Tasks.8 ECTSläuft dieses SemesterCIT433027Approximate Dynamic Programming and Reinforcement LearningNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst Methoden des Approximate Dynamic Programming (ADP) und Reinforcement Learning (RL) zur Lösung sequentieller Entscheidungsprobleme. Am Ende kannst du grundlegende Modelle und Algorithmen beschreiben, Ableitungen nachvollziehen sowie einfache ADP/RL-Methoden implementieren und auf einfache (z. B. robotische) Aufgaben anwenden.6 ECTSläuft dieses SemesterEI7649Artificial Intelligence in MedicineNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst Grundlagen und aktuelle Methoden der Künstlichen Intelligenz im medizinischen Kontext kennen, von ML für medizinische Bildgebung über NLP für klinische Daten bis zu Datenschutz, Interpretierbarkeit und ethischen Aspekten. Am Ende kannst du die wichtigsten Themen einordnen, sie auf eigene Deep‑Learning‑Projekte anwenden und Strategien zur Bewertung und Umsetzung in der klinischen Praxis entwickeln.5 ECTSläuft dieses SemesterIN2403Computer Vision III: Detection, Segmentation, and TrackingNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst moderne Methoden zur Objekterkennung, Segmentierung und Verfolgung in Bildern und Videos kennen. Am Ende verstehst du die zugrundeliegenden Deep-Learning-Konzepte und kannst reale Computer-Vision-Probleme mit state-of-the-art Modellen in PyTorch bearbeiten.6 ECTSläuft dieses SemesterIN2375
37 weitere in B2.2 Special Topics in Data AnalyticsEfficient Algorithms and Data StructuresNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst die Grundlagen der Analyse von Algorithmen sowie zentrale Datenstrukturen und grundlegende algorithmische Probleme. Schwerpunkte sind Laufzeit- und Speicheranalyse, verschiedene Suchbäume, Hash-Verfahren, Prioritätswarteschlangen, Union-Find-Strukturen sowie Maxflow-/Mincut- und Matching-Algorithmen. Am Ende kannst du Algorithmen analysieren, die Effizienz von Datenstrukturen beurteilen und neue Lösungen für Probleme entwerfen.8 ECTSläuft dieses SemesterIN2003Einführung in Quantum ComputingNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst die mathematischen Grundlagen des Quantum Computing sowie die grundlegenden Konzepte der Quantenmechanik und Quantenschaltungen. Am Ende kannst du einfache Quantenalgorithmen analysieren, Quantenschaltungen für grundlegende Aufgaben entwerfen und einschätzen, wofür Quantencomputer künftig eingesetzt werden können.5 ECTSläuft dieses SemesterIN2381Foundations and Application of Generative AINoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst die Grundlagen und praktischen Anwendungen von generativer KI kennen, einschließlich moderner Modelle wie Transformer-Architekturen, Large Language Models und Stable Diffusion. Am Ende kannst du Prompt-Engineering anwenden, Open‑Source-Modelle laden und feintunen, sowie Chancen, Risiken und Sicherheitsaspekte von generativer KI einschätzen.6 ECTSläuft dieses SemesterCITHN2014Höhere AlgorithmikNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst grundlegende Techniken zur Entwicklung und Analyse effizienter Algorithmen (z. B. Divide-and-Conquer, dynamische Programmierung, Randomisierung, Greedy-Verfahren, amortisierte Analyse) und wendest sie auf zentrale Probleme wie Sortieren, Graphenprobleme, String- und Sequenzalgorithmen sowie Datenstrukturen an. Am Ende kannst du klassische algorithmische Verfahren verstehen, analysieren und zur Lösung grundlegender Aufgaben einsetzen.8 ECTSläuft dieses SemesterCIT323004Introduction to Deep LearningNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsIn diesem Modul lernst du die Grundlagen und aktuelle Methoden des Deep Learning kennen, mit besonderem Schwerpunkt auf neuronalen Netzen und Convolutional Neural Networks. Du verstehst Theorie (z. B. Backpropagation, SGD, Regularisierung) und erwirbst praktische Erfahrung beim Trainieren und Optimieren von Netzarchitekturen, sodass du einfache Anwendungen wie Ziffernerkennung oder Bildklassifikation lösen kannst.6 ECTSläuft dieses SemesterIN2346Introduction to Deep Reinforcement LearningNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst die Theorie und Grundlagen von Deep Reinforcement Learning (DRL) sowie relevante Deep‑Learning- und Reinforcement‑Learning-Konzepte. Am Ende kannst du Probleme als Markov Decision Processes modellieren, DRL‑Algorithmen verstehen und anwenden sowie deren Vor‑ und Nachteile beurteilen.6 ECTSläuft dieses SemesterMGT001299Machine Learning and OptimizationNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst fortgeschrittene Konzepte und Methoden des Machine Learnings sowie gängige Optimierungsverfahren für deren Training. Am Ende kannst du moderne Lernverfahren (z. B. tiefe neuronale Netze) anwenden und weiterentwickeln, Optimierungsalgorithmen entwerfen und deren Verhalten theoretisch und empirisch analysieren.5 ECTSläuft dieses SemesterEI70360Machine Learning for 3D GeometryNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst theoretische Grundlagen und moderne Machine‑Learning‑Methoden für 3D‑geometrische Daten kennen. Das Modul behandelt Repräsentationen von Formen und Szenen sowie Deep‑Learning‑Architekturen für diskriminative und generative Aufgaben wie Klassifikation, Segmentierung, Rekonstruktion und Synthese. Am Ende kannst du gängige Ansätze auf Punktwolken, Volumendaten, Multi‑View‑Eingaben und Graphen verstehen und praktisch anwenden.6 ECTSläuft dieses SemesterIN2392Natural Language ProcessingNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu erhältst eine fundierte Einführung in moderne Natural Language Processing (NLP)-Methoden. Am Ende kennst du zentrale Konzepte, Algorithmen und Modelle vom Tokenizing über Parsing, Embeddings und NER bis zu modernen neuronalen Ansätzen und kannst wissenschaftliche Publikationen der Disziplin lesen, analysieren und für eigene Projekte oder Abschlussarbeiten einordnen.6 ECTSläuft dieses SemesterIN2361Trustworthy Machine Learning SystemsNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst, wie man Systeme gestaltet und bewertet, die vertrauenswürdige Funktionen mit Machine-Learning-Komponenten bereitstellen. Am Ende kannst Du die Notwendigkeit, Vorteile und Herausforderungen solcher Systeme in verschiedenen Anwendungsfeldern beurteilen sowie Risiken analysieren und geeignete Maßnahmen zur Schaffung vertrauenswürdiger ML-Komponenten ableiten.3 ECTSläuft dieses SemesterCIT4330017Visual Data AnalyticsNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst Methoden und Algorithmen zur Visualisierung von Daten, von der Datenaufnahme über Filterung und Interpolation bis hin zur Darstellung. Am Ende kannst du Verfahren für Informations- und wissenschaftliche Visualisierung auswählen, bewerten und praktisch anwenden, z. B. Isoflächen, Volumenrendering, Flussvisualisierung und Terrain-Rendering.5 ECTSläuft dieses SemesterIN2026Advanced Deep Learning for Computer Vision: Dynamic VisionNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst fortgeschrittene Deep-Learning-Methoden mit klarem Fokus auf Videoanalyse für Computer-Vision-Aufgaben. Neben den theoretischen Grundlagen trainierst und implementierst du selbst neuronale Netze und arbeitest in einem semesterlangen Projekt an aktuellen Forschungsthemen der Gruppe.8 ECTSkein Termin dieses SemesterIN2389Advanced Machine Learning: Deep Generative ModelsNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu beschäftigst Dich mit fortgeschrittenen Methoden des maschinellen Lernens, mit Schwerpunkt auf tiefen generativen Modellen. Am Ende kennst Du die theoretischen Grundlagen und kannst die wichtigsten Bausteine (Normalizing Flows, VAEs, GANs, Diffusionsmodelle) anwenden und in moderner Programmiersprache implementieren sowie qualitativ vergleichen.3 ECTSkein Termin dieses SemesterCIT4230003Advanced Natural Language ProcessingNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu beschäftigst dich mit aktuellen, fortgeschrittenen Themen des Natural Language Processing: moderne Transformer-Modelle und Erklärbarkeit, maschinelle Übersetzung für ressourcenarme Sprachen, Argument Mining und ethische Aspekte, dialogorientierte KI, Quantum NLP, automatische Textzusammenfassung sowie multimodale Modelle (Text+Bilder). Am Ende kannst du Forschungsarbeiten zu diesen Methoden verstehen, technische Bausteine kombinieren und eigene Architekturvarianten für Forschung oder Praxis entwerfen und bewerten.5 ECTSkein Termin dieses SemesterCIT4230002Algorithmen für Uncertainty QuantificationNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst Methoden zur Quantifizierung von Unsicherheiten in computerbasierten Simulationen kennen. Am Ende kannst du zentrale Algorithmen für Forward Uncertainty Quantification einordnen, deren Komplexität abschätzen und einschätzen, wann welche Verfahren (z. B. Monte Carlo, Quasi-Monte Carlo, stochastische Kollokation, stochastische Galerkin) geeignet sind.5 ECTSkein Termin dieses SemesterIN2345Algorithmic Game TheoryNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst Grundlagen der algorithmischen Spieltheorie an der Schnittstelle von Informatik, Mathematik und Wirtschaftswissenschaften. Im Modul beschäftigst du dich mit algorithmischen Aspekten spieltheoretischer Lösungskonzepte wie Nash-Gleichgewichten und mit der Gestaltung ökonomischer Mechanismen; am Ende kannst du diese Konzepte algorithmisch und komplexitätstheoretisch analysieren.5 ECTSkein Termin dieses SemesterIN2239Algorithms for Scientific Computing IINoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu beschäftigst dich mit fortgeschrittenen numerischen Methoden und deren Anwendung in wissenschaftlichem Rechnen. Je nach Vorlesungsschwerpunkt lernst du z.B. effiziente Verfahren für dünn besetzte Matrizen, numerische Techniken für Quantensysteme oder Methoden wie Molekulardynamik, Sparse-Grids und algebraischen Multigrid. Am Ende kannst du passende Verfahren auf anspruchsvolle Anwendungsprobleme anwenden und ihre hierarchischen Aspekte erklären und nutzen.4 ECTSkein Termin dieses SemesterIN2002Applied Reinforcement LearningNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst praktische Methoden des Reinforcement Learning (RL) für sequenzielle Entscheidungsprobleme kennen und anzuwenden. Am Ende kannst Du typische RL-Szenarien modellieren, gängige Algorithmen implementieren und einfache Robotik-Aufgaben (e.g. auf dem e-Puck) mit RL lösen und beurteilen.6 ECTSkein Termin dieses SemesterEI7641Artificial Intelligence in Medicine IINoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu erhältst einen Überblick über fortgeschrittene Vorhersage- und Klassifikationsaufgaben in der Medizin. Du lernst Methoden für Prognose und Diagnostik (z. B. Risikoscores, Survival-Modelle, Differenzialdiagnose, Populationsstratifizierung), spezialisierte ML-Techniken (geometrische Deep Learning-Methoden für Punktwolken/Netze, Transformer, Reinforcement Learning) sowie Themen zur Vertrauenswürdigkeit und klinischen Umsetzung von KI (Bias, Fairness, Generalisierbarkeit, Datenharmonisierung, Evaluation). Am Ende kannst Du die Konzepte in eigenen AI-Projekten anwenden und ihre sozialen und ethischen Implikationen einschätzen.5 ECTSkein Termin dieses SemesterIN2408Causal Inference in Time SeriesNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst Methoden der kausalen Inferenz für Zeitreihen kennen und anzuwenden. Am Ende kannst du kausale Strukturen in dynamischen Netzwerken identifizieren, geeignete Algorithmen einsetzen und Ergebnisse praktisch an realen Datensätzen umsetzen.5 ECTSkein Termin dieses SemesterCIT4230006Complexity TheoryNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst formale Berechnungsmodelle (insbesondere Turing-Maschinen und Schaltkreise) sowie die wichtigsten Komplexitätsklassen (z. B. L, NL, P, NP, PSPACE, EXP, NEXP, PH). Am Ende kannst du Probleme in Bezug auf Zeit- und Platzkomplexität analysieren, Reduktionen und Vollständigkeitsbeweise anwenden und weiterführende Konzepte wie Alternierung, Randomisierung und interaktive Beweissysteme einordnen.8 ECTSkein Termin dieses SemesterIN2007Computational Social ChoiceNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst Methoden der kollektiven Entscheidungsfindung (Social Choice) kennen, mit Schwerpunkt auf Verfahren, die Mehrheitsrelationen nutzen, und deren algorithmischen Eigenschaften. Am Ende kannst du verschiedene Wahlverfahren analysieren, vergleichen und ihre Berechnungskomplexität beurteilen.6 ECTSkein Termin dieses SemesterIN2229Computer Vision I: Variational MethodsNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst, wie viele Aufgaben der Bildverarbeitung (z. B. Rauschunterdrückung, Entwischung, Segmentierung, Optischer Fluss, Stereo-Tiefenschätzung, 3D-Rekonstruktion) als Variationsprobleme formuliert und gelöst werden. Am Ende kennst du Euler–Lagrange-Ansatz und PDEs, effiziente Lösungsverfahren sowie konvexe Formulierungen und Relaxationen und kannst zentrale Konzepte in Matlab umsetzen.8 ECTSkein Termin dieses SemesterIN2246Computer Vision II: Multiple View Geometry (3D Computer Vision)Noch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst die mathematischen Grundlagen der Mehransichtengeometrie, um aus mehreren Bildern Kamerabewegung und 3D-Geometrie zu rekonstruieren. Am Ende verstehst du Bildentstehung, Epipolargeometrie, Kamerakalibrierung, Rangbedingungen und Bundle Adjustment und kannst zentrale Algorithmen in Matlab umsetzen.8 ECTSkein Termin dieses SemesterIN2228Machine Learning and IT-SecurityNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu erhältst einen Überblick über die Schnittstelle von Machine Learning und IT-Security. Du lernst, wie ML-Systeme zur Erkennung von Angriffen oder Spam/Malware eingesetzt werden, wie ML-Systeme selbst angegriffen und verteidigt werden können, und wie Audio-Deepfakes erzeugt und erkannt werden. Am Ende kannst du Methoden zur Anomalieerkennung entwerfen, Angriffe auf ML-Systeme beschreiben und einfache Konzepte der Audio-Spoofing-Erstellung und -Detektion erklären.5 ECTSkein Termin dieses SemesterCIT4330001Machine Learning for Graphs and Sequential DataNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst Methoden des Machine Learnings für Graphdaten und sequenzielle Daten (z. B. Text, Zeitreihen, Point Processes) kennen. Am Ende kannst du passende Modelle auswählen, anwenden und bewerten sowie spezielle Konzepte für nicht-unabhängige Daten wie Graphen oder zeitliche Abhängigkeiten verstehen und nutzen.5 ECTSkein Termin dieses SemesterIN2323Machine Learning for Regulatory GenomicsNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsIn diesem Modul lernst du biologische Grundlagen der Genregulation und moderne Deep-Learning-Methoden zur Modellierung sequenzbasierter Regulationsprozesse. Nach Abschluss kannst du genomweite experimentelle Verfahren und Deep-Learning-Modelle für verschiedene Stufen der Genexpression anwenden und die Modellvorhersagen biologisch interpretieren.6 ECTSkein Termin dieses SemesterIN2393Manifold Optimization for Representation LearningNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsIn diesem Modul lernst Du, wie man Darstellungen aus Daten mittels Optimierung auf Matrix‑Mannigfaltigkeiten gewinnt. Am Ende kannst Du zentrale Modelle des Representation Learning beschreiben und einfache Optimierungsalgorithmen auf Mannigfaltigkeiten ableiten und implementieren.6 ECTSkein Termin dieses SemesterEI71065Numerical Methods for Uncertainty QuantificationNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst, wie man elliptische Randwertprobleme mit zufälligen Koeffizienten formuliert, analysiert und numerisch approximiert. Dazu gehören Modellierung und Sampling zufälliger Felder sowie numerische Verfahren wie Monte-Carlo, stochastische Kollokation und stochastische Galerkin-Methoden.6 ECTSkein Termin dieses SemesterMA5348Numerische Algorithmen für Computer Vision und Maschinelles LernenNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst numerische Verfahren, die in Computer Vision und Maschinellem Lernen häufig verwendet werden, inklusive Modellierung praktischer Probleme. Am Ende kannst Du grundlegende Algorithmen implementieren, ihre Stärken und Schwächen einschätzen und geeignete Methoden zur Lösung konkreter CV-/ML-Aufgaben auswählen.5 ECTSkein Termin dieses SemesterIN2384Online and Approximation AlgorithmsNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst Grundlagen und fortgeschrittene Techniken der Online- und Approximationsalgorithmen. Am Ende kennst du klassische Online-Probleme (z. B. Scheduling, Paging, k-Server), Analysewerkzeuge wie amortisierte Analyse und randomisierte Algorithmen sowie Entwurfstechniken für Approximationsalgorithmen inklusive LP-Relaxierung und randomisiertes Runden.8 ECTSkein Termin dieses SemesterIN2304Optimale Steuerung gewöhnlicher Differentialgleichungen 1Noch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst Grundbegriffe und Methoden der Optimalsteuerung für gewöhnliche Differentialgleichungen. Am Ende kannst Du notwendige Optimalitätsbedingungen aufstellen (z. B. Euler–Lagrange, Legendre–Clebsch), verschiedene Arten von Nebenbedingungen und Steuerbeschränkungen unterscheiden und Steuerungsprobleme in randwerttaugliche Formen für die numerische Behandlung überführen.5 ECTSkein Termin dieses SemesterMA3312Parallele AlgorithmenNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu beschäftigst dich mit Modellen der parallelen Berechnung und entwickelst grundlegende parallele Algorithmen. Am Ende kennst du verschiedene Maschinenmodelle, beherrschst Basiswissen der parallelen Komplexitätstheorie und kannst parallele Algorithmen entwerfen und bewerten.8 ECTSkein Termin dieses SemesterIN2011Quantitative VerificationNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst, wie man Systeme mit quantitativen Aspekten (z. B. Zeit, Wahrscheinlichkeiten) formal modelliert und analysiert. Am Ende kannst du geeignete Modellklassen und Spezifikationssprachen anwenden, Analysealgorithmen erklären und auf kleine Beispiele praktisch nutzen sowie Modellprüfungswerkzeuge einsetzen.5 ECTSkein Termin dieses SemesterIN2340Randomisierte AlgorithmenNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst Grundlagen und Techniken randomisierter Algorithmen kennen und wie man deren Laufzeit und Korrektheit mit probabilistischen Methoden abschätzt. Am Ende kannst du klassische randomisierte Algorithmen (z. B. randomisierter Quicksort, Min-Cut, Treaps) verstehen und analysieren sowie Werkzeuge wie Markov-, Chebyshev- und Chernoff-Ungleichungen anwenden.8 ECTSkein Termin dieses SemesterIN2160Solving Inverse Problems with Deep LearningNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst moderne, lernbasierte Verfahren zur Lösung inverser Probleme in Bildgebung und Signalverarbeitung kennen. Am Ende kannst du Deep‑Learning‑Ansätze zur Rekonstruktion von Signalen/Bildern anwenden, ihre Grundlagen und Grenzen beurteilen und eigene Varianten bestehender Methoden entwerfen.6 ECTSkein Termin dieses SemesterEI71068TopologyNoch keine Bewertungen für dieses Modul.B1.2, B2.2 › B2.2 Special Topics in Data AnalyticsDu lernst die Grundlagen der mengen-theoretischen Topologie und der algebraischen Topologie. Im ersten Teil analysierst du topologische und metrische Räume sowie Konzepte wie Stetigkeit, Kompaktheit und Zusammenhang; im zweiten Teil beschäftigst du dich mit Homotopien, Fundamentalgruppen und singulärer Homologie. Am Modulende kannst du topologische Eigenschaften beurteilen sowie Fundamentalgruppen und Homologie einfacher Räume bestimmen.9 ECTSkein Termin dieses SemesterMA3241