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 2022
  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 2022 SWS 2
Erwartete Teilnehmer/-innen 15 Max. Teilnehmer/-innen 20
Rhythmus i.d.R. jedes Semester Studienjahr / Zielgruppe
Credits 4 Anmeldung Anmeldepflicht , Vergabe: Automatisch(Losen) (?)
Hyperlink   Evaluation Ja (separat pro Parallelgruppe - online)
Sprache englisch
Anmeldefristen Anmeldung (Einzelvergabe)    07.03.2022 - 13.04.2022 23:59:59   
Abmeldung bis Ende VL-Zeit    15.04.2022 - 22.07.2022 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 ausblenden
iCalendar Export
Mo. 14:00 bis 16:00 c.t. wöchentlich 25.04.2022 bis 13.06.2022  Gebäude G (Hauptcampus) - G 007 (Großer Seminarraum) Raumplan        
Einzeltermine:
  • 25.04.2022
  • 02.05.2022
  • 09.05.2022
  • 16.05.2022
  • 23.05.2022
  • 30.05.2022
  • 13.06.2022
Einzeltermine anzeigen
iCalendar Export
Mo. 14:00 bis 16:00 c.t. wöchentlich 20.06.2022 bis 18.07.2022  Gebäude J (Hauptcampus) - J 107 (Seminarraum) Raumplan        
Einzeltermine anzeigen
iCalendar Export
Mo. 14:00 bis 16:00 c.t. Einzeltermin am 18.07.2022 Gebäude G (Hauptcampus) - G 007 (Großer Seminarraum) Raumplan        
Einzeltermine anzeigen
iCalendar Export
Mo. 14:00 bis 18:00 c.t. Einzeltermin am 18.07.2022 Gebäude K (Hauptcampus) - Musiksaal (großer Seminarraum) Raumplan        
Gruppe 1-Gruppe:
Zur Zeit keine Anmeldung möglich


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
MWI-SemBI Seminar Business Intelligence (Master)
MWI-BI-S4L Seminar, Ergänzung zu Prüfungen aus dem Modul Business Intelligence mit 4 LP
MDA-SDA2 Seminar Data Analytics II
MIT-SKIML Seminar Künstliche Intelligenz und Maschinelles Lernen (Master)
Zuordnung zu Einrichtungen
Abt. Data Science
Inhalt
Bemerkung

The seminar is planned to take place on campus, although it is possible that some of the earlier meetings could still take place online. If you want to partiticpate, please also enroll in the Learnweb course at https://www.uni-hildesheim.de/learnweb2022/course/view.php?id=3273.

Voraussetzungen

As the activity recognition techniques we will study in the seminar are based on machine learning, completion of the lecture "Machine Learning" or similar prior knowledge in machine learning is highly recommended. Students in Msc Data Analytics should already have passed the seminar Data Analytics I.

Lerninhalte

In the seminar, we will study and discuss so-called activity recognition methods. In activity recognition, the goal is to automatically infer activities or actions of human subjects from observations. Observations can include visual information such as images or videos, acceleration sensors worn by a subject, sensors that detect the interaction with objects, or other indirect measurements from which activities can be reconstructed. State-of-the-art activity recognition approaches are usually based on machine learning, where a model is learned from data to recognize specific activities. In this seminar, students will present and discuss different approaches to carry out activity and action recognition based on machine learning.


Strukturbaum
Die Veranstaltung wurde 1 mal im Vorlesungsverzeichnis SoSe 2022 gefunden:
Impressum      Datenschutzerklärung     Datenschutz      Datenschutzerklärung     Erklärung zur Barrierefreiheit