wir bieten...
Studieninteressierte
Der Weg ins Studium:
Studienangebot
Vorlesungsverzeichnis
Bewerbung & Zulassung
Schnupperstudium
Gasthörerstudium
Beratung und Information
Rund ums Studium:
Profil Universität Hildesheim
Campusleben
Studienfinanzierung
Studienbeiträge
Service:
Zentrale Studienberatung
International Office
Studieren mit Familie
Studieren mit Behinderung
Termine & Fristen
Anfahrts- und Lageplan
FAQ
Studierende
Studium:
Fachbereiche
Vorlesungsverzeichnis LSF
Studien- & Prüf.-Ordnungen
Learnweb
Termine & Fristen
Studienbeiträge
Wichtige Einrichtungen:
Einschreibung, Rückmeldung, Prüfungen...
Universitätsbibliothek
Rechenzentrum
Studierenden-Vertretung
Rund ums Studium:
Studienfinanzierung
Jobs und Praktika
Campusleben
Service:
Information & Beratung
Studieren mit Familie
Lagepläne
Personal
Studium & Lehre:
Vorlesungsverzeichnis LSF
Termine & Fristen
Learnweb
Einrichtungen:
Gleichstellungsbüro
Konferenz wiss. Mitarbeiterinnen
Personalrat
Rat & Hilfe bei Suchtfragen
Schwerbehindertenvertretung
Weiterbildung:
Lokale Angebote
Übergreifende Angebote
Service:
Gremientermine
Intranet
Elektr. Verkündungsblatt
PWA
Arbeiten mit Familie
Öffentlichkeit, Freunde, Alumni
Aktuelles:
Veranstaltungen
Neuigkeiten
UniMagazin/UniJournal
Freunde & Förderer:
Stiftung Uni Hildesheim
Fundraising
Universitätsgesellschaft
Ehrenmitglieder
Alumni & Gäste:
Alumni-Vereine
Gasthörer-Studium
Vorlesungsverzeichnis
Profil Universität Hildesheim
Service:
Stellenmarkt
Universitätsverlag
Universitätsarchiv
Pressestelle
Anfahrts- & Lageplan
Mathematik, Naturwissenschaften, Wirtschaft & Informatik
Wirtschaftsinformatik und Maschinelles Lernen (ISMLL)
Aktuelles
Personen
Degree Programs
Veranstaltungen
Bachelor/Master
Publikationen
Projekte
ISMLL Cluster
Datasets
Software
Stellen
Anreise
Datenschutz
Deutsch
English
Kontakt
Anfahrt
Impressum
Universität Hildesheim
»
Fachbereich Mathematik, Naturwissenschaften, Wirtschaft & Informatik
»
Institut für Informatik
»
Wirtschaftsinformatik und Maschinelles Lernen (ISMLL)
Veranstaltungen im Sommersemester 2021
/
Vorlesung Big Data Analytics
/ Übungen
Abstract
Skript
Übungen
Übungen: