Upload
phamtuyen
View
215
Download
0
Embed Size (px)
Citation preview
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 <[email protected]>
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 <[email protected]> 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 – [email protected] - 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