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 2026
  3. Hilfe
  4. Sitemap
Switch to english language
Startseite    Anmelden     

Data Analytics I - Einzelansicht

Grunddaten
Veranstaltungsart Seminar
Veranstaltungsnummer 3109 Kurztext
Semester SoSe 2025 SWS 2
Erwartete Teilnehmer/-innen 20 Max. Teilnehmer/-innen 24
Rhythmus i.d.R. jedes Semester Studienjahr / Zielgruppe
Credits 4 Anmeldung Anmeldepflicht
Hyperlink https://www.ismll.uni-hildesheim.de/lehre/semDA1-21s/index.html Evaluation Ja - Präsenzveranstaltung
Sprache englisch
Anmeldefrist Anmeldung (Einzelvergabe) 04.03.2025 - 10.04.2025 23:59:59

Anmeldepflicht
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
Mo. 16:00 bis 18:00 c.t. wöchentlich Gebäude B (Samelson-Campus) - SC.B.0.26 (Seminarraum) Raumplan        
Einzeltermine anzeigen
iCalendar Export
Di. 14:00 bis 16:00 c.t. wöchentlich Gebäude B (Samelson-Campus) - SC.B.0.26 (Seminarraum) Raumplan        
Gruppe 1-Gruppe:


Zugeordnete Personen
Kontaktperson (durchführend) Zuständigkeit
Yalavarthi Krishna, Vijaya durchführend, nicht verantwortlich
Weitere Person Zuständigkeit
Schmidt-Thieme, Lars, Professor Dr. Dr. verantwortlich, nicht durchführend
Studiengänge
Abschluss Studiengang Semester ECTS Kontingent
Bachelor B.Sc. I M I T 3 - 5
Bachelor B.Sc. Wirtschaftsinformat 3 - 5
Bachelor B.Sc. Wirtschaftsinformat
Master M.Sc. Data Analytics 1 - 3
Master M.Sc. IMIT Studienvar. AI
Master M.Sc. IMIT Studienvar. AI
Master M.Sc. Wirtschaftsinf.

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

LSF - Module
Modulkürzel Modultitel
MIT-SKIML Seminar KI und Maschinelles Lernen (M WINF/IMIT bis PO 2016)
BWI-WWIS WPF-Seminar B.Sc. WI (BA WINF, AINF, IMI+T, DS)
0ERA-4LP Veranstaltungen mit 4 Credits f. ausl. Programmstud. (ERASMUS)
MDA-SDA1 Seminar Data Analytics I (M DA/ IMI/ AInf)
IT-SKIML Seminar Künstliche Intelligenz und Maschinelles Lernen (Bachelor)
MWI-BI-S4L Seminar, Ergänzung zu Prüfungen aus dem Modul Business Intelligence mit 4 LP (M WINF)
DSc-DaSc-2 Seminar Data Science II (M DA FT, B AINF, AI-IMI, MINF, UINF)
Zuordnung zu Einrichtungen
Abt. Wirtschaftsinformatik und Maschinelles Lernen
Inhalt
Bemerkung

Please enroll in Learnweb as well to be allowed to participate

Voraussetzungen

We recommend students with basic Machine Learning courses completed during their bachelor's or enrolled in Machine Learning Lecture at our university

Lerninhalte

In this seminar, different approaches for conducting multistep Time
Series Forecasting (TSF) are discussed mainly the following :

  • Different Transformer-based Approaches, including different types of attention mechanisms.
  • Multi-Layer Perceptron (MLP)-based approaches including different multiresolution approaches.
  • Convolution Neural Networks (CNN), being used beyond Computer vision as a time series data encoder.
  • Utilizing transformation of time series data into the frequency domain.
Zielgruppe

The following student study group should be eligible for carrying out the course :

  • Für Studierende der Bachelorstudiengänge Wirtschaftsinformatik und Informationsmanagement und Informationstechnologie BSc 4-6
  • Master Data Analytics Seminar I (should be carried out before Seminar II and Seminar III).

Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester SoSe 2025 , Aktuelles Semester: SoSe 2026
Impressum      Datenschutzerklärung     Datenschutz      Datenschutzerklärung     Erklärung zur Barrierefreiheit