Wenn Sie diesen Text sehen, ist auf ihrem Gerät noch nicht das neue Layout geladen worden. Bitte laden Sie diese Seite neu (ggf. mit gedrückter 'Shift'- oder 'Alt'-Taste) oder in einem 'privaten Fenster'.
Weitere Hinweise unter https://www.uni-hildesheim.de/wiki/lsf/faq/fehler.im.layout.

Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
  1. SucheSuchen         
  2. SoSe 2024
  3. Hilfe
  4. Sitemap
Switch to english language
Startseite    Anmelden     

Data Analytics II - Einzelansicht

  • Funktionen (Veranstaltung):
  • Funktionen (Teilnehmer/-in):
  • Zur Zeit keine Anmeldung möglich
Grunddaten
Veranstaltungsart Seminar Learnweb   Logo Learnweb
Veranstaltungsnummer 3614 Kurztext
Semester SoSe 2024 SWS 2
Erwartete Teilnehmer/-innen 15 Max. Teilnehmer/-innen 20
Rhythmus i.d.R. jedes Semester Studienjahr / Zielgruppe
Credits 4 Anmeldung Anmeldepflicht , Vergabe: Manuell (?)
Hyperlink   Evaluation Ja - Präsenzveranstaltung
Sprache englisch
Anmeldefristen Anmeldung (Einzelvergabe)    05.03.2024 - 04.04.2024 23:59:59   
Abmeldung VL-Ende    05.04.2024 16:00:00 - 12.07.2024 23:59:59   
Termine Gruppe: 1-Gruppe iCalendar Export
  Tag Zeit Rhythmus Dauer Raum (mögliche Änderungen beachten!) Raum-
plan
Lehrperson Status Bemerkung fällt aus am Max. Teilnehmer/-innen
Einzeltermine anzeigen
iCalendar Export
Do. 16:00 bis 18:00 c.t. wöchentlich 11.04.2024 bis 11.07.2024  Gebäude J (Hauptcampus) - HC.J.1.07 (Seminarraum) Raumplan        
Gruppe 1-Gruppe:
Zur Zeit keine Anmeldung möglich
Prüfungstermine
Semester Termin Prüfer/-in Parallelgruppe Datum Prüfungsform Beginn Anmeldefrist Ende Anmeldefrist Ende Abmeldefrist Infos zu Nachschreibterminen
SoSe 2024 01 Landwehr, Niels 30.09.2024 VERBINDLICH 30.09.2024 VERBINDLICH


Zugeordnete Person
Kontaktperson (durchführend) Zuständigkeit
Landwehr, Niels, Professor Dr. verantwortlich und durchführend
Studiengänge
Abschluss Studiengang Semester ECTS Kontingent
Master M.Sc. Data Analytics 1 - 3
Master M.Sc. IMIT Studienvar. AI
Master M.Sc. Informationsmanagm.
Master M.Sc. Wirtschaftsinf.

Hinweis: Die Angaben zu den Semestern sind nur Empfehlungen, keine Anmeldebeschränkungen.

LSF - Module
Modulkürzel Modultitel
MWINF-SeBI Seminar Business Intelligence (Master WINF)
MWI-BI-S4L Seminar, Ergänzung zu Prüfungen aus dem Modul Business Intelligence mit 4 LP (M WINF)
MDA-SDA2 Seminar Data Analytics II (M DA/ F+AT+SE/ IMI/ AInf)
MIT-SKIML Seminar KI und Maschinelles Lernen (M WINF/IMIT bis PO 2016)
Zuordnung zu Einrichtungen
Abt. Data Science
Inhalt
Bemerkung

For more information about the seminar, also see the Learnweb page at https://www.uni-hildesheim.de/learnweb2023/course/view.php?id=2990

Voraussetzungen

As most metric learning techniques we will study in the seminar are based on deep neural networks, prior knowledge about deep learning is recommended. Students in Msc Data Analytics should already have passed Data Analytics I.

Lerninhalte

In the seminar, we will study and discuss so-called metric learning approaches. Metric learning is a subfield of supervised machine learning concerned with building models that embed instances into a vector space, such that instances from the same class are close and instances from different classes are far apart. Compared to standard classification approaches, this has the advantage that the model can deal with novel classes at test time. Metric learning has several important applications, the most widely studied one being face recognition and face verification.

Throughout the seminar, we will study different approaches to metric learning, mainly based on deep neural networks. We will also discuss different application domains in which metric learning can be applied.


Strukturbaum
Die Veranstaltung wurde 1 mal im Vorlesungsverzeichnis SoSe 2024 gefunden:
Impressum      Datenschutzerklärung     Datenschutz      Datenschutzerklärung     Erklärung zur Barrierefreiheit