Lehrveranstaltungen imWS 2018/19 · 27. Juni 2018 | Johannes GutenbergUniversität Mainz * Institut...

Lehrveranstaltungenim WS 2018/19

Info-VeranstaltungMittwoch, den 27. Juni 201812.00 bis ca. 13.30 UhrHörsaal der Informatik (03-428)

Institut für Informatik

08.079.212 Betriebssysteme - WiSe 2017/18

Dr. Ulrich Müller <ulm@uni-mainz.de>

27. Juni 2017

08.079.212 Betriebssysteme - WiSe 2018/19 1 / 5

Gliederung der Vorlesung - Worum geht es?

Programme, die der internen Verwaltung des Betriebseines Rechensystems dienenOrganisation und Koordination von (nebenläufigen)AbläufenOptimale oder effiziente Verwaltung von BetriebsmittelnBekannte Beispiele: UNIX, Windows NT

Lehrbuch zur VorlesungA. S. Tanenbaum: Moderne Betriebssysteme,3. aktualisierte Auflage, Pearson Studium, 20094. Auflage in englisch

2 / 508.079.212 Betriebssysteme - WiSe 2018/19

Organisation der Veranstaltung (1)

Vorlesung (2-stündig)Vorstellung von Betriebssystem-Konzepten

ProzessverwaltungInterprozesskommunikationSpeicherverwaltungDateiverwaltungInput / OutputDeadlocks (Systemverklemmungen)

Praktikum (2-stündig)Praktikum am Rechner

Kennenlernen der Programmierschnittstelle (API) desBetriebssystems UNIXProgrammieraufgaben unter Nutzung von SystemdienstenErwartete Vorkenntnisse: C, gcc, Linux

Eingestreute Papierübungen

3 / 508.079.212 Betriebssysteme - WiSe 2018/19

Die 3-Spektrometer-Anlage @ MAMI

Dr. Michael O. Distler <distler@uni-mainz.de> 5 / 508.079.212 Betriebssysteme - WiSe 2018/19

Modellierung mitDifferentialgleichungen

Peter Spichtinger

Institut für Physik der Atmosphäre, JGU Mainz

27.Juni 2017

Motivation

3 Säulen der NaturwissenschaftenÉ Theorie/ModellÉ ExperimentÉ (Numerische) Simulation

Differentialgleichungen zur ModellbildungViele physikalische Prozesse können mit Differentialgleichungenbeschrieben werden.

Einfache Beispiele:É Schwingendes Pendel

d2 xdt2+ κ

dxdt+ωx = 0 (1)

É Wärmeleitung in einem Stab∂ T∂ t= K

∂ 2T∂ x2

(2)

,2/5

Motivation

3 Säulen der NaturwissenschaftenÉ Theorie/ModellÉ ExperimentÉ (Numerische) Simulation

Differentialgleichungen zur ModellbildungViele physikalische Prozesse können mit Differentialgleichungenbeschrieben werden.

Einfache Beispiele:É Schwingendes Pendel

d2 xdt2+ κ

dxdt+ωx = 0 (1)

É Wärmeleitung in einem Stab∂ T∂ t= K

∂ 2T∂ x2

(2)

,2/5

Vorlesung Modellierung

ThemenÉ Nutzen und Grenzen von ModellenÉ Modellbildung durch DifferentialgleichungenÉ Analyse von ModellenÉ Numerische Simulation

,3/5

Inhalte Vorlesung Modellierung

Teil 1 - ModellbildungÉ Allgemeines zur ModellbildungÉ Stochastische ModelleÉ Deterministische ModelleÉ Beispiele aus der Atmosphärenphysik (Strömungen/Wolken)É Asymptotische Analyse

Teil 2 - AnwendungÉ Qualitative Analyse von DifferentialgleichungenÉ Numerische Verfahren für ODEs und PDEsÉ Simulationen von Modellen, z.B.

É TransportÉ WolkenmodelleÉ Struktur-Gleichungen

,4/5

Inhalte Vorlesung Modellierung

Teil 1 - ModellbildungÉ Allgemeines zur ModellbildungÉ Stochastische ModelleÉ Deterministische ModelleÉ Beispiele aus der Atmosphärenphysik (Strömungen/Wolken)É Asymptotische Analyse

Teil 2 - AnwendungÉ Qualitative Analyse von DifferentialgleichungenÉ Numerische Verfahren für ODEs und PDEsÉ Simulationen von Modellen, z.B.

É TransportÉ WolkenmodelleÉ Struktur-Gleichungen

,4/5

Beispiele von Strukturen

,5/5

27. Juni 2018 | Johannes Gutenberg-Universität Mainz * Institut für Informatik

Vorlesungen

Softwaretechnik

Praktikum Web & Mobile DevelopmentDozent Prof. Dr. C. Wille (Lehrauftrag)

Inhalte der Vorlesung aus dem SS18- Konzepte und technische Grundlagen von Webservern und Java basierter Webtechnologien- Konzeption und Entwicklung von Servlets /JSP / JSF- Rolle von Scriptsprachen wie Javascript im modernes Webdesign- Konzepte und Entwicklungsschritte mobiler Applikationen- Software Plattform Android und ihre Komponenten- GUI-Programmierung für mobile Endgeräte- Datenverwaltung und Content Provider- Datenzugriff über Asynchrone Task / Webservice mit SOAP und REST- Entwicklung von Anwendungen mit Sensoren und Ortsbezogenheit- Netzwerkprogrammierung für mobile Geräte- Sicherheit webbasierter und mobiler Anwendungen- Plattformübergreifende Programmierung.

Studiengang B.Sc.

Termin 17.-28. Sept. 2018

27. Juni 2018 | Johannes Gutenberg-Universität Mainz * Institut für Informatik

Softwaretechnik

Vorl. + Üb. Mensch-Maschine-InteraktionDozent Prof. Dr. Volker LuckasInhalte ….

Studiengang B.Sc. / M.Ed.Termin Do. 10.00 – 14.00 Uhr (Vorlesung + Übung)

27. Juni 2018 | Johannes Gutenberg-Universität Mainz * Institut für Informatik

Vorlesungen

Datenbanken

Vorl. + Üb. Nicht-StandarddatenbankenDozent Dr. H.-J. Schröder

Inhalte NoSQL - DatenbankenGeodatenbankenXMLSecurity Engineering….

Studiengang B.Sc. / M.Ed.

Termin Do. 8.30 – 10.00 Uhr

27. Juni 2018 | Johannes Gutenberg-Universität Mainz * Institut für Informatik

Datenbanken

Praktikum DatenbankenDozent Prof. Dr. Panagiotis Bouros

Inhalte Relationale Datenbanken….

Studiengang B.Sc.Termin 1.-12. Oktober (ganztägig)

27. Juni 2018 | Johannes Gutenberg-Universität Mainz * Institut für Informatik

Vorlesungen

Fachdidaktik

Vorl. + Üb. Fachdidaktik IDozent/en Prof. Dr. Jens Gallenbacher / Erich MessnerInhalte

Studiengang B.Ed.Termin VL + Üb Fr.. 9-13 Uhr

27. Juni 2018 | Johannes Gutenberg-Universität Mainz * Institut für Informatik

Vorlesungen

Fachdidaktik

Vorl. + Üb. Seminar

Fachdidaktik II

Dozent/en Dr. Jens GallenbacherInhalte

Studiengang M.Ed.Termin Freitag, 12 - 15 Uhr, Seminar n.V.

27. Juni 2018 | Johannes Gutenberg-Universität Mainz * Institut für Informatik

Vorlesungen

Fachdidaktik

Praktikum ProjektpraktikumDozent/en Prof. Dr. E. Schömer / Dr. H.-J. SchröderInhalte

Studiengang M.Ed.Termin n.V.

27. Juni 2018 | Johannes Gutenberg-Universität Mainz * Institut für Informatik

Vorlesungen

IT-Sicherheit

Seminar IT-SicherheitDozent/en Prof. Dr. Nicolai KuntzeInhalte

Studiengang B.Sc., M.Ed.Termin n.V.

15. Juli 2015 | Johannes Gutenberg-Universität Mainz * Institut für Informatik

Vorlesungen

Datenbanken

Vorl. +Üb. Nicht-StandarddatenbankenDozent Dr.H.-J.SchröderInhalte NoSQL - Datenbanken

GeodatenbankenXMLSecurityEngineering….

Studiengang B.Sc. /M.Ed.Termin Mi. 8.30– 10.00Uhr

25. Januar 2017 | Johannes Gutenberg-Universität Mainz * Institut für Informatik

Mathematik M.Sc. Angew. Bioinformatik

Seminar Statistik für Bio-InformatikerDozent Dr. M. PersikeInhalteStudiengang M.Sc. Angewandte BioinformatikTermin Mi. 8-10 Uhr

Seminar im WiSe QuantentechnologienDienstags 14-16 (Jogustine: Master I/II Seminar MSc Physik)

Einführung in die dritte Quantenrevolution: Ausnutzung von „echten“ Quantenzuständen

zur Kommunikation, Sensorik, Bau von Quantencomputern und Quantensimulatoren.

Ø Geeignet auch für Informatiker mit starker Affinität zur Physik

Ø Ideale Ergänzung zur Vorlesung Quanteninformation von J. Walz

Schwerpunkte• Grundlagen der Quantentechnologie (Q-Bits, Licht und Materie)

• Quantencomputer (Algorithmen, technische Umsetzung, Fehlerkorrektur, analog

vs. digital, Quantensimulatoren)

• Quantenkommunikation (Quanten-Internet, Kryptographie)

• Quantensensorik (Magnetfeldmessungen, Materiewelleninterferometer)

Mehr Information?Jogustine > Lehrveranstaltungen Physik > Veranstaltungen für Master of Science >

> 08.128.812 Seminar I (M.Sc.)

> ILIAS > Seminar I & II - Quantum Technologies

Patrick Windpassinger – windpass@uni-mainz.de - www.qoqi.physik.uni-mainz.de/teaching/

Echtzeit Bildverarbeitung – WS 2008/2009RheinMain University of Applied SciencesComputer Vision and Mixed Reality Group

Uli Schwanecke 2D Vision and Deep Learning 1

Prof. Dr. Ulrich Schwanecke

RheinMain University of Applied Sciences Wiesbaden Rüsselsheim

2017/06/27

2D Vision and Deep Learning

Mo 14:00-16:00 03 428

Echtzeit Bildverarbeitung – WS 2008/2009RheinMain University of Applied SciencesComputer Vision and Mixed Reality Group

Uli Schwanecke 2D Vision and Deep Learning

Content

➡ History of Computer Vision ➡ Photometric Image Formation

➡ The digital camera, point operators, linear filtering, Fourier transform ➡ Feature Detection and Matching

➡ Points, edges, lines, SIFT ➡ Recognition

➡ Object detection, face recognition ➡ Machine Learning Basics

➡ k-NN classifier, Perceptron, Multilayer Perceptron ➡ Convolutional Neural Networks

➡ Convolutional layers, Activation layers, Pooling layers, Dropout ➡ Transfer learning

2

Echtzeit Bildverarbeitung – WS 2008/2009RheinMain University of Applied SciencesComputer Vision and Mixed Reality Group

Uli Schwanecke 2D Vision and Deep Learning

Prerequisites and Literature

➡ Prerequisites ➡ Basic knowledge of linear algebra and analysis ➡ Programming exercises will be done in Python

➡ Literature ➡ Richard Szeliski, Computer Vision: Algorithms and Applications,

Springer 2011 ➡ Aurélien Néron, Hands-On Machine Learning with Scikit-Learn and

TensorFlow: Concepts, Tools, and Techniques for Building Intelligent Systems, O’Reilly UK Ltd. 2017

3

Seminar: Design Patterns

Inhalt:• Übrige GoF Patterns, die nicht in der Vorlesung behandelt wurden• Patterns für Nebenläufigkeit• Objektrelationale Patterns• (Antipatterns)

Vorbesprechung:• 01.08.2018• 13-14 Uhr• Raum: 03-424

Übungsleiterschulung

• Pflichtveranstaltung für alle neuen Übungsleiter bzw. Übungsleiter, die die Schulung noch nicht besucht haben

• Offen für jeden (1CP Softskills)• Bei Interesse, direkt bei Stefan Endler melden, da Anmeldung über

Jogustine nicht möglich• Termin:

• 01. + 02. 10. 2018• Ganztägig (9-17 Uhr)• Raum: 03-424

Praktikum: Java

• Erlernen der Programmiersprache Java• Insbesondere im Hinblick auf SE wichtig• Termin:

• 1 Woche: 08-12.10.2018• Ganztägig (9-17 Uhr)• Gestartet wird in Raum: 03-428

Parallele und Verteilte Architekturen –Lehrangebot: WiSe 2018/19

• Vorlesungen

– Komplexitätstheorie (Grundvorlesung)

– High Performance Computing (HPC)

• Praktikum

– Paralleles Programmieren mit CUDA

• Seminar

– Paralleles Rechnen

Prof. Bertil Schmidt

Vorlesung: High Performance Computing (HPC)

• Background– Parallel Hardware– Parallel Software

• Shared Memory Programming – OpenMP– Pthreads

• Distributed Memory Programming– MPI– Unified Parallel C (UPC)

• Parallel Program Development• Parallel Architectures• Practical Parallel Programming

Exercises (using SAUCE)• Interactive/Blended Learning

Approach

Multi-core CPUs

Manycores

Super-computers

CUDA Block-Praktikum

• Paralleles Programmieren mit CUDA

– 01.-15.10.2018

– Aktuelle Hardware (Titan, K40, GTX 1080 etc.)

– Voraussetzung: Erfolgreiche Teilnahme an PAA

Seminarvorbesprechung:Paralleles Rechnen

Prof. Bertil Schmidt

Scheinkriterien und Organisation

• Voraussetzung: Erfolgreiche Teilnahme an PAA oder HPC (d.h. mindestens Klausurzulassung)

• Vortrag von ca. 45min (inkl. Q&A)– Termine: werden noch bekanntgegeben

• Abgabe der Vortragsfolien – zwei Wochen vor dem Vortrag einzureichen per Email

– Danach persönliche Vorbesprechung mit Professor Schmidt

• Abgabe einer ausführlichen Ausarbeitung als Basis für die Bewertung des schriftlichen Teils – Ausarbeitung im IEEE CS Format (Umfang 5-7 Seiten)

– Abgabe bis spätestens vier Wochen nach dem Vortrag!

• Teilnahme am Seminar (Anwesenheitspflicht)

Seminar: Paralleles Rechnen – Themen

1. Quotient Filters: Approximate Membership Queries on the GPU2. Design Principles for Sparse Matrix Multiplication on the GPU3. A Dynamic Dictionary Data Structure for the GPU4. Fast Equi-Join Algorithms on GPUs: Design and Implementation 5. Rethinking SIMD Vectorization for In-Memory Databases6. Parallel Programming with Pictures is a Snap!7. A Framework for the Automatic Vectorization of Parallel Sort on x86-based Processors8. Generic accelerated sequence alignment in Seqan using vectorization and multi-

threading9. Highly Efficient Compensation-based Parallelism for Wavefront Loops on GPUs10. Fast algorithms for Convolutional Neural Networks11. Darwin: A Genomics Co-processor Provides up to 15,000× acceleration on long read

assembly12. A Domain Specific Language for Developing Computational Genomics Applications13. Kokkos: Enabling Maycore Performance Portability through Polymorphic Memory

Access Patterns14. Isoefficiency in Practice: Configuring and Understanding the Performance of Task-

based Applications15. Selber vorgeschlagenes Thema

– muss aber von mir genehmigt werden

Themenvergabe

• E-Mail mit 2 bevorzugten Themen (mit Präferenz) an Prof. Schmidt bis 8.7.2018

• Ich werde dann versuchen die Themen an Studenten zuzuordnen

• Neue Themen können auch vorgeschlagen werden (müssen dann aber von mir genehmigt werden)

Deep Learning: Concepts and Practice

Christian Hundt

Institute for Computer ScienceJohannes Gutenberg University Mainz, Germany

Infoveranstaltung fur das Wintersemester 2018/2019

Inhalt

1 Entmysti�zierung des Hypes

2 Lehrinhalte

3 Voraussetzungen

2

Dem Hype auf den Zahn fuhlen #feelthelearn

3

Die bittere Wahrheit #AIWinterIsComing

Deep LearningMapping the domain X onto the domain Y using a su�ciently dense sample of X × Y .

4

Inhalt: Klassi�kation (classi�er ∶ Bild↦ Label)

5

Inhalt: Klassi�kation (classi�er ∶ Bild↦ Label)

https://github.com/isseu/emotion-recognition-neural-networks

6

Inhalt: Klassi�kation (classi�er ∶ Bild↦ Label)

https://github.com/isseu/emotion-recognition-neural-networks7

Inhalt: Autoencoder (identity ∶ Bild↦ Bild)

8

Inhalt: Segmentierung (regressor ∶ Bild↦Maske)

9

Inhalt: Generative Adversarial Networks (generator ∶ Zufallszahl↦ Bild)

10

Inhalt: Generative Adversarial Networks (generator ∶ Zufallszahl↦ Bild)

11

Inhalt: Generative Adversarial Networks (generator ∶ Zufallszahl↦ Bild)

12

Erwunschte Vorkenntnisse

Mit 3 von 5 Vorkenntnissen ist man gut aufgestellt:

• Grundlagen der linearen Algebra (Vektorraume, lineare Abbildungen)• Grundlagen der multivariaten Analysis (Gradienten, Hessematrix)• Grundlagen der Gruppentheorie (Gruppen, Gruppenwirkungen)• Grundlagen des maschinellen Lernens (Klassi�kation, Crossvalidierung)• Solide Kenntnisse der Programmiersprache Python (EIP-Schein ausreichend)

Idealerweise:

• Erfahrung im Umgang mit der Linux-Shell• Eine eigene CUDA-fahige Graphikkarte (NVIDIA: Kepler aufwarts)

13

Scheinkriterien

• 50% der Punkte auf den Ubungsblattern (Anwesenheitsp icht)• Bestandene Klausur/mundliche Prufung

14

#feelthelearn

Wintersemester 2018/19

LehrangebotVisual Computing

LehrangebotVisual Computing

Veranstaltungen Visual Computing

Vorlesungen

Einführung in die Softwareentwicklung (encore)

Anmerkung: Keine Modellierung II

Zyklus verschieb sich um ein Semester

Geplant „Statistische Modellierung“ im SoSem 19

Modellierung I wieder im WS 19/20

Veranstaltungen Visual Computing

Seminar

A deeper look into deep learning

– perspectives from statistics and information theory

Praktikum

Visual Computing (Deep Learning & Pattern Recognition)

Seminar: A deeper look into deep learning

A deeper look into deep learning

Informationstheorie

Bayes‘sche Statistik (und etwas statistische Physik)

Wie fließen die Informationen durch‘s Netz?

Seminar: A deeper look into the deep

Organisation

Zeit: Blockseminar

(Winterferien)

Vorbespr.: tba.

Teilnehmer: max. 15 Teilnehmer

Themen: Deep Learning Theory

Vorkenntnisse Mathematik Grundvorlesungen,

Algorithmen

Maschinelles Lernen / Deep Learning oder

Modellierungsreihe oder Computer Vision

https://commons.wikimedia.org/wiki/File:Golondrinas_Entrance_Rappelling.png

user Stubb

Praktikum Visual Computing

Organisation

Zeit: Semesterferien (Winter)

Vorbespr.: zusammen mit Seminar

Teilnehmer: max. 15 Teilnehmer

Individuelle Themen nach Absprache

Vorkenntnisse Programmierkenntnisse (≥ EiP/EiS)

C++ oder Python / SciPy hilfreich

Themen zu Fachvorlesungen (Mod I/II, Stat. Geo. Proc.,

Deep Learning) und/oder Seminar

Lehrveranstaltungen der theoretischen Informatik

Datenstrukturen und effiziente Algorithmen

Kryptographie

Seminar: Modern Algorithmic Toolbox

Praktikum Approaching Programming Contests (APC)

27. Juni 2018 Johannes Gutenberg-Universitat Mainz 1

Vorlesung: Kryptographie

Inhalt:

Formale Grundlagen der Kryptographie

Symmetrische und asymmetrische Verschlusselung

Message Authentication Codes und Digitale Unterschriften

Zero Knowledge Protokolle

Secret Sharing

Mutliparty Computations

Formales:

Vorlesung: Mi 10-12

Ubung: tba

Organisation der Ubung: Sarah Ziegler

27. Juni 2018 Johannes Gutenberg-Universitat Mainz 2

Seminar: The Modern Algorithmic Toolbox

Dienstags 14-16 Uhr, 04-426

Vorbesprechung: TBA

Vortrag (Beamer/Tafel, ca. 40 Minuten) und Ausarbeitung

Benotigte Kenntnisse:Grundvorlesungen Informatik, je nach Thema: Analysis, lineareAlgebra, Stochastik

Orientiert sich grob an:T. Roughgarden. The Modern Algorithmic Toolbox, LectureNotes, 2017.

27. Juni 2018 Johannes Gutenberg-Universitat Mainz 3

Seminar: The Modern Algorithmic Toolbox

Geplante Themen:

Count-min-sketch

Locality-sensitive hashing

Johnson–Lindenstrauss transform

Fast Johnson–Lindenstrauss transform

Singular value decomposition

Low-rank matrix approximations

Expander graphs and error-correcting codes

27. Juni 2018 Johannes Gutenberg-Universitat Mainz 4

Approaching Programming Contests (Praktikum)

Zeit und Ort: wird mit den Teilnehmern vereinbart

Betreuung: Domenico Mosca

Voraussetzungen: EiP, EiS, DSEA

Inhalt:

Losen von Problemen, wie sie typischerweise inProgrammierwettbewerben auftreten

Eingesetzte Algorithmen: z.B. Breitensuche, Berechnen vonminimalen Spannbaumen, Max-Flow-Algorithmen, dynamischeProgrammierung, Divide-And-Conquer

Teilnahme am GCPC (Termin noch unbekannt)

Erwunscht:

Bereitschaft, am NWERC teilzunehmen

27. Juni 2018 Johannes Gutenberg-Universitat Mainz 5

NWERC 2016 und 2017 in Bath, UK

27. Juni 2018 Johannes Gutenberg-Universitat Mainz 6

NWERC 2016 und 2017 in Bath, UK

27. Juni 2018 Johannes Gutenberg-Universitat Mainz 7

GCPC und NWERC 2017 in Bath, UK

Die Mainzer Teams erreichten beim German Collegiate ProgrammingContest die Platze 37, 48, 65 und 87 bei 117 angetretenen Teams.

Insgesamt nehmen in Nordwesteuropa etwa 700 Teams bei nationalenContests teil.

Beim Northwestern European Contest erreichte Mainz Platz 60 von118 Teams.

27. Juni 2018 Johannes Gutenberg-Universitat Mainz 8

Arbeitsgruppe

Scientific Computing and Bioinformatics

Prof. Dr. Andreas HildebrandtWintersemester 2018/19

Vorlesung

Big Data

I Termin: Dienstag, 12-14 Uhr

I Sprache: DeutschI Inhalt

I Verteilte DateisystemeI Map/ReduceI Komplexitat von Map/Reduce-ProgrammenI Frameworks: Hadoop, Spark (Java, Scala)I Use cases: PageRank, Clustering, Recommender Systems

I Gruppenprojekte am Ende des Semesters

Scientific Computing and Bioinformatics 2

Seminar

Vertiefungsseminar Bioinformatik

I Termin: TBA

I Sprache: EnglischI Themenbereiche (Auswahl):

I ProteinstrukturaufklarungI Maschinelle Lernverfahren in der BioinformatikI MolekulbewegungenI DockingI Wirkstoffdesign

I Themenwahl voraussichtlich im September

I Keine Themenvergabe ohne Anmeldung in Jogustine

Scientific Computing and Bioinformatics 3

Praktikum

Vertiefungspraktikum Bioinformatik

I Dauer: 2 Wochen, ganztagig

I Termin: Marz 2019

I Sprache: Deutsch oder EnglischI Inhalte:

I Softwarewerkzeuge in der BioinformatikI MolekulardynamicsimulationenI Use cases: Computational Genomics (Python)

Scientific Computing and Bioinformatics 4

Sonstige Veranstaltung

Kompaktkurs C++

I Dauer: 1 Woche, ganztagig

I Termin: 24.-28. September 2018

I Sprache: DeutschI Inhalte:

I Uberblick uber modernes Standard-C++ (C++11/14)I Grundlagen (Syntax, Semantik, Toolchain)I Standard Template Library (Container, Algorithmen)I Smart PointersI Objektorientierte ProgrammierungI Templates

I Programmierkenntnisse werden vorausgesetzt!

Scientific Computing and Bioinformatics 5

• Vorlesung: Computergrafik und VR • Vorlesung: Computed Aided Geometric Design • Seminare: TBA • Praktika: nach dem Semester

Veranstaltungen WS 18/19 der Arbeitsgruppe

Computational Geometry

Beschreibung: Typische Einsatzgebiete der Computergrafik sind die grafische Aufbereitung von Mess- und Simulationsdaten und die Schaffung und Animation von virtuellen Welten für Spiele, Filme oder für die Entwicklung technischer Produkte.Vorkenntnisse: C++ (erwünscht)Themen der Vorlesung: - Aufbau und Rendern einer Szene mit OpenGL- lokale Beleuchtungsmodelle- Virtual Reality- Stereoscopic Rendering- Grafik-Pipeline und Shader

• Vorlesung: Computergrafik und VR • Vorlesung: Computed Aided Geometric Design • Seminare: TBA • Praktika: nach dem Semester

Veranstaltungen WS 18/19 der Arbeitsgruppe

Computational Geometry

Prof. E. Schömer

• Vorlesung: Computergrafik und VR • Vorlesung: Computed Aided Geometric Design • Seminare: TBA • Praktika: nach dem Semester

Veranstaltungen WS 18/19 der Arbeitsgruppe

Computational Geometry Rainer Erbes

Andreas von Dziegielewski

Beschreibung: „Computer Aided Geometric Design“ bezeichnet die mathematische Beschreibung von Kurven und Flächen in der Computergrafik, zum Beispiel für den Entwurf und die Visualisierung von komplexen CAD-ModellenVorkenntnisse: C++ (erwünscht)Themen der Vorlesung: - Kurven und Freiformflächen- Constructive Solid Geometry (CSG)- Erzeugung von Dreiecksnetzen- Subdivision Surfaces

Datenbanken Praktikum

• Duration: two weeks• Dates: 01.10 – 12.10, 04-432• Language: English• Description:

– Hands-on experience, practical aspects

– Building a functional and practical UI on top of a DBMS

– Web programming, Java, C++

Data Mining

§ Vorlesung und Übung§ Vorlesung:

• Donnerstag, 14-16 Uhr, Raum 03.428• Material auf Englisch

§ Hands-on• Programmierkenntnisse erforderlich• Interesse

§ Prüfung:• schriftlich

Ablauf

Arbeitsgruppe Data Mining

Data Mining

§ PatternMining

Content / Inhalt der Vorlesung

Arbeitsgruppe Data Mining

language of patterns L

database D

Data Mining

§ PatternMining

§ Clustering

Content / Inhalt der Vorlesung

Arbeitsgruppe Data Mining

Data Mining

§ PatternMining

§ Clustering§ Graph

Mining

Content / Inhalt der Vorlesung

Arbeitsgruppe Data Mining

Data Mining

§ PatternMining

§ Clustering§ Graph

Mining§ Stream

Mining

Content / Inhalt der Vorlesung

Arbeitsgruppe Data Mining

Machine Learning Praktikum und Seminar

Machine Learning Praktikum§ Fokus auf Reinforcement Learning (Verstärkungslernen)§ Format ähnlich zu Data Mining Praktikum§ Vorab eine Vorlesung als Brücke

Machine Learning Seminar§ Inkl. Computational Learning Theory

Vorbesprechung zu Praktikum und Seminar:§ Zeit: 5. Juli 2018, 16:00§ Ort: TBA

Arbeitsgruppe Data Mining