Wirtschaftsinformatik 2
...[mehr]

Wirtschaftsinformatik 4
...[mehr]

Business Intelligence
...[mehr]

Bayessche Netze
...[mehr]

BSc-Seminar: Künstliche Intelligenz und Maschinelles Lernen
...[mehr]

MSc-Seminar: Maschinelles Lernen und Spatial Analysis
...[mehr]

MSc-Praktikum: KI + ML
...[mehr]

Oberseminar
...[mehr]

Wirtschaftsinformatik 1
...[mehr]

Wirtschaftsinformatik 3
...[mehr]

Künstliche Intelligenz
...[mehr]

Maschinelles Lernen
...[mehr]

Analyse räumlicher Daten
...[mehr]

MSc-Seminar: Künstliche Intelligenz und Maschinelles Lernen
...[mehr]

BSc-Seminar: Business Intelligence
...[mehr]

MSc-Praktikum: XML und Semantic Web
...[mehr]

BSc-Praktikum: Business Intelligence
...[mehr]

Oberseminar
...[mehr]

Wirtschaftsinformatik 2
...[mehr]

Business Intelligence
...[mehr]

XML und Semantic-Web-Technologien
...[mehr]

BSc-Seminar: ML for Multimedia Information Retrival
...[mehr]

MSc-Seminar: Soziale Netzwerke
...[mehr]

Praktikum Maschinelles Lernen und Data Mining
...[mehr]

Oberseminar
...[mehr]

Wirtschaftsinformatik 1
...[mehr]

Wirtschaftsinformatik 3
...[mehr]

Bayessche Netze
...[mehr]

Maschinelles Lernen
...[mehr]

Bildverarbeitung
...[mehr]

Master-Seminar Clustering
...[mehr]

Bachelor-Seminar Graphische Modelle
...[mehr]

Praktikum Künstliche Intelligenz
...[mehr]

Oberseminar Maschinelles Lernen und Data Mining
...[mehr]

Sommerschule 2008
...[mehr]

Künstliche Intelligenz
...[mehr]

Übung zu Künstliche Intelligenz
...[mehr]

XML und Semantic-Web-Technologien
...[mehr]

Übung zu XML und Semantic-Web-Technologien
...[mehr]

Wirtschaftsinformatik 2
...[mehr]

Übung zu Wirtschaftsinformatik 2
...[mehr]

Bachelor-Seminar: Semi-überwachtes Lernen
...[mehr]

Master-Seminar: Neuronale Netze
...[mehr]

Praktikum Data Mining und Maschinelles Lernen
...[mehr]

Oberseminar Maschinelles Lernen und Data Mining
...[mehr]

Grundlagen der Betriebswirtschaftslehre I (Montag 16-18, H2)
...[mehr]

Übung zu Grundlagen der Betriebswirtschaftslehre I (verschiedene Zeiten und Orte)
...[mehr]

Einführung in die Wirtschaftsinformatik 1 (Mittwoch 18:00-19:30, B25 Spl; gemeinsam mit K. Althoff, A. Bentz, K. Förster, F. Hahne und K. Schmid)
...[mehr]

Bayessche Netze (Montag 16-18, B126 Spl; Mittwoch 10-11, C213 Spl):
...[mehr]

Übung zu Bayessche Netze (Mittwoch 11-12, C213 Spl):
...[mehr]

Maschinelles Lernen (Montag 10-12, B26 Spl; Donnerstag 10-11, C213 Spl):
... [mehr]

Übung zu Maschinelles Lernen (Donnerstag 11-12, C213 Spl):
... [mehr]

Praktikum XML und Semantic-Web-Technologien (Dienstag 14-18, B126):
...[mehr]

Bachelor-Seminar Künstliche Intelligenz (Mittwoch 14-16, C213 Spl):
...[mehr]

Master-Seminar Betrugserkennung (Mittwoch 16-18, C213 Spl):
...[mehr]

Oberseminar Maschinelles Lernen und Data Mining (Mittwoch 18-20, C213 Spl):
...[mehr]

Informatik-Kolloquium (Montag 18-20, A102 Spl):

Künstliche Intelligenz (Dienstag 08-10, A9 Spl):
...[mehr]

Übung zu Künstliche Intelligenz (Donnerstag 09-10, H2):
... [mehr]

XML und Semantic-Web-Technologien (Dienstag 10-12, A9 spl)
...[mehr]

Übung zu XML und Semantic-Web-Technologien (Donnerstag 11-12, A9 Spl):
... [mehr]

Seminar Text Mining (Mittwoch 14-16, B25 Spl):
...[mehr]

Seminar Econometrics and Time Series Analysis (Mittwoch 16-18, C213 Spl):
...[mehr]

Praktikum Data Mining und Maschinelles Lernen (unregelmäßig, C202 Spl):
...[mehr]

Vorlesung Maschinelles Lernen (Di. 10-12 u. Mi. 10-11, B26 bzw. B25; IMIT BSc IT3-E, IMIT BSc BWL2, IMIT MSc):
Obwohl viele langwierige Probleme automatisiert werden könnnen, indem man das Verhalten eines Computersystems von Hand modelliert, erfordern viele Probleme, daß ein System basierend auf Feedback zu seinen bisherigen Aktionen seine Antworten anpassen kann, d.h., lernen kann, in Zukunft in einer besseren Art und Weise zu agieren. Andere Aufgaben sind schlicht zu groß und umfangreich, um für Menschen überschaubar zu sein, so daß sie auf die Hilfe von Computern angewiesen sind. Solche Probleme werden im Maschinellen Lernen behandelt. ... [mehr]

Übung zu Maschinelles Lernen (Mi. 11-12, B25; IMIT BSc IT3-E, IMIT BSc BWL2, IMIT MSc):
... [mehr]

Seminar Recommender-Systeme und Personalisierung (Di. 16-18, J204; IMIT BSc IT3-E, IMIT BSc BWL2, IMIT MSc):
...[mehr]

Oberseminar Maschinelles Lernen und Data Mining (Zeit und Ort wird noch bekannt gegeben):
Das Oberseminar richtet sich an Studierende, die ihre Bachelor- oder Masterabschlußarbeit am ISMLL schreiben, und zielt auf die Darstelltung von Abschlußarbeits-Themen, die Diskussion vorläufiger Ergebnisse und Probleme sowie die Bekanntmachung von Abschlußarbeits-Ergebnissen. ... [mehr]

Spezialvorlesung XML and Semantic Web-Technologies / engl. (Dienstag 11-13 u. Donnerstag 11-12, SR 01-009/13, Geb. 101):
Die Extensible Markup Language (XML), ein W3C-Standard seit 1998, erlaubt eine einheitliche, für Menschen und Maschinen lesbare Darstellung von halbstrukturierten Dokumenten und Daten. Sie ist mittlerweile als universelles Daten- und Dokumenten-Metaformat in allen Bereichen der Informatik präsent. Während XML die Syntax beschreibt, bieten das auf XML basierende Resource Description Framework (RDF) und die Ontology Web Language (OWL) Möglichkeiten, auch die Semantik, d.h., die Bedeutung formal zu erfassen, so daß sie maschinell weiterverarbeitet werden kann, etwa um aus Einzelfakten Schlüsse zu ziehen oder allgemein komplexe Anfragen zu beantworten. ... [mehr]

Übung zu XML and Semantic Web-Technologies / engl. (Donnerstag 11-13, Raum 00-029, Geb. 82 (Linux Lab)):
... [mehr]

Seminar Text Mining und Ontologie-Lernen (Dienstag 14-16, HS 01-018, Geb. 101): Dieses Seminar bietet einen breiten Überblick über Methoden der automatischen Verarbeitung und Informationsextraktion aus Texten. Es werden grundlegende Probleme des natural language processings behandelt wie etwas die Unterscheidung zwischen verschiedenen Bedeutungen desselben Wortes oder dem Aufspüren von Referenzen zum selben Gegenstand, aber auch komplexe Aufgaben wie das Lernen von Taxonomien oder allgemeinen Relationen sowie das Lernen von Ontologien aus Texten. ...[mehr]

Oberseminar Data Mining und Internetanwendungen (OS) (Dienstag 16-18, SR 01-009/13, Geb. 101):
Das Oberseminar richtet sich an Masterstudenten und Diplomanden der Gruppe Computer-gestützte Neue Medien und zielt auf die Darstelltung von Thesis-Themen, die Diskussion vorläufiger Ergebnisse und Probleme sowie die Bekanntmachung von Thesis-Ergebnissen. ... [mehr]

Spezialvorlesung Advanced Artifical Intelligence Techniques (gemeinsam mit Wolfram Burgard, Bernhard Nebel und Luc de Raedt; Dienstag 16-18, Freitag 9-10, HS 00-036, Geb. 101):
Dieser Kurs deckt einige weiterführende Themen ab, die in der Vorlesung "Grundlagen der Künstlichen Intelligenz" ausgelassen oder nur angeschnitten wurden: Modellierung und Schlußfolgern mit Bayesschen Netzen, Probabilistische Ansätze für das Sprachverstehen, Probabilistische Ansätze in der Robotik und spieltheoretische Ansätze für Mulit-Agenten-Systeme. Jedes dieser Themen wird in ca. 4 Wochen behandelt. ...[mehr]

Übungen zur Spezialvorlesung Advanced Artifical Intelligence Techniques (Alexander Scivos, Niels Landwehr, Karen Tso; Freitag 10-11, HS 00-036, Geb. 101):
[mehr]

Praktikum/Project XML and Semantic Web Technologies (unregelmäßig; Mittwoch 14-18, SR 01-016, Geb. 101):
The praktikum allows students to gain practical knowledge and capabilities in the usage of XML and semantic web technologies (XML, XML Schema, XSLT, XQuery, RDF, RDFS, OWL, query languages and inferencing) in different application scenarios. ... [mehr]

Oberseminar Data Mining und Internet-Anwendungen (Dienstag 18-19, Raum 01-016, Geb. 101):
Das Oberseminar richtet sich an Masterstudenten und Diplomanden der Gruppe Computer-gestützte Neue Medien und zielt auf die Darstelltung von Thesis-Themen, die Diskussion vorläufiger Ergebnisse und Probleme sowie die Bekanntmachung von Thesis-Ergebnissen. ... [mehr]

Spezialvorlesung XML and Semantic Web-Technologies / engl. (Dienstag 11-13 u. Donnerstag 14-15, SR 00-007, Geb. 106):
Die Extensible Markup Language (XML), ein W3C-Standard seit 1998, erlaubt eine einheitliche, für Menschen und Maschinen lesbare Darstellung von halbstrukturierten Dokumenten und Daten. Sie ist mittlerweile als universelles Daten- und Dokumenten-Metaformat in allen Bereichen der Informatik präsent. Während XML die Syntax beschreibt, bieten das auf XML basierende Resource Description Framework (RDF) und die Ontology Web Language (OWL) Möglichkeiten, auch die Semantik, d.h., die Bedeutung formal zu erfassen, so daß sie maschinell weiterverarbeitet werden kann, etwa um aus Einzelfakten Schlüsse zu ziehen oder allgemein komplexe Anfragen zu beantworten. ... [mehr]

Übung zu XML and Semantic Web-Technologies / engl. (Donnerstag 15-16, SR 00-007, Geb. 106):
... [mehr]

Seminar Predictive Modelling (S) (Dienstag 14-16, SR 00-007, Geb. 106):
Vorhersage-Modellierung (Predictive Modelling, auch supervised learning oder Klassifikation / Regression) stellt den wichtigsten Ansatz dar, um Aufgaben durch das Lernen aus Beispielen zu automatisieren. Mittels eines Vorhersage-Modells wie z.B. einem Entscheidungsbaum, einem neuronalen Netzwerk oder einer Support-Vektor-Machine, kann man eine Eigenschaft von anderen Eigenschaften inferrieren oder eine Entscheidung aufgrund gegebener Informationen fällen. Anwendungen sind allgegenwärtig, z.B. die automatische Erkennung von Spam-Emails, die Vorhersage von Konsumentenentscheidungen, die Übersetzung eines Sprachsignals in Text usw. ... [mehr]

Oberseminar Data Mining und Internetanwendungen (OS) (Dienstag 16-18, SR 00-007, Geb. 106):
Das Oberseminar richtet sich an Masterstudenten und Diplomanden der Gruppe Computer-gestützte Neue Medien und zielt auf die Darstelltung von Thesis-Themen, die Diskussion vorläufiger Ergebnisse und Probleme sowie die Bekanntmachung von Thesis-Ergebnissen. ... [mehr]

Spezialvorlesung Advanced Artifical Intelligence Techniques (gemeinsam mit Wolfram Burgard, Bernhard Nebel und Luc de Raedt; Dienstag 16-18, Donnerstag 14-16, HS 00-036, Geb. 101):
... [mehr]

Praktikum XML and Semantic Web Technologies (unregelmäßig; Mittwoch 14-18, SR 01-016, Geb. 101):
The praktikum allows students to gain practical knowledge and capabilities in the usage of XML and semantic web technologies (XML, XML Schema, XSLT, XQuery, RDF, RDFS, OWL, query languages and inferencing) in different application scenarios. ... [mehr]

Oberseminar Data Mining und Internet-Anwendungen (Mittwoch 18-19, Raum 01-016, Geb. 101):
Das Oberseminar richtet sich an Masterstudenten und Diplomanden der Gruppe Computer-gestützte Neue Medien und zielt auf die Darstelltung von Thesis-Themen, die Diskussion vorläufiger Ergebnisse und Probleme sowie die Bekanntmachung von Thesis-Ergebnissen. "Lurker" sind nach vorheriger Anfrage willkommen. ... [mehr]

Spezialvorlesung XML und Semantic Web-Technologien (Mittwoch 11-13, SR 01-018, Geb. 101):
Die Extensible Markup Language (XML), ein W3C-Standard seit 1998, erlaubt eine einheitliche, für Menschen und Maschinen lesbare Darstellung von halbstrukturierten Dokumenten und Daten. Sie ist mittlerweile als universelles Daten- und Dokumenten-Metaformat in allen Bereichen der Informatik präsent. Während XML die Syntax beschreibt, bieten das auf XML basierende Resource Description Framework (RDF) und die Ontology Web Language (OWL) Möglichkeiten, auch die Semantik, d.h., die Bedeutung formal zu erfassen, so daß sie maschinell weiterverarbeitet werden kann, etwa um aus Einzelfakten Schlüsse zu ziehen oder allgemein komplexe Anfragen zu beantworten. ... [mehr]

Seminar Recommender-Systeme (Mittwoch 14-16, SR 01-018, Geb. 101):
Recommender-Systeme sind eine intelligente Zugangstechnologie zu großen Informationssystemen wie etwa Online-Kataloge im E-Commerce oder in digitalen Bibliotheken und stellen eine Schlüsseltechnologie für den E-Commerce dar. Recommender-Systeme versuchen Benutzern Dinge zu empfehlen, die für sie von besonderem Interesse sind, wobei sie Benutzerprofile einer Online-Gemeinschaft zu Rate ziehen, die aus expliziten Bewertungen von Produkten oder implizit aus Nutzungsinformationen gewonnen sein können. Recommender-Systeme können so einfach und allgegenwärtig sein wie die Querverweise "wer dieses Buch gekauft hat, hat auch jenes Buch gekauft" von Amazon, aber auch komplexe wissens- und datengetriebene Systeme, die letztlich einen menschlichen Berater oder Verkäufer ersetzen sollen. ... [mehr]

Oberseminar Data Mining und Internet-Anwendungen (Mittwoch 17-18, Raum 00-010, Geb. 101-->):
Das Oberseminar richtet sich an Masterstudenten und Diplomanden der Gruppe Computer-gestützte Neue Medien und zielt auf die Darstelltung von Thesis-Themen, die Diskussion vorläufiger Ergebnisse und Probleme sowie die Bekanntmachung von Thesis-Ergebnissen. "Lurker" sind nach vorheriger Anfrage willkommen. ... [mehr]

Spezialvorlesung Bayessche Netzwerke (Mittwoch 11-13, SR 01-018, Geb. 101):
Bayessche Netze sind eine sehr flexible Modellklasse des Data Mining (aber auch der angewandten Statistik). Sie dienen der Erfassung der probabilistischen Abhängigkeit zwischen Variablen und können - im Gegensatz zu einem reinen Vorhersage-Modell wie etwa einem Entscheidungsbaum - zur Vorhersage wechselnder und zusammengesetzter Zielgrößen verwendet werden. In einem Bayesschen Netz werden Abhängigkeiten zwischen Variablen mittels eines Graphen und die genaue Form der Abhängkeit mittels bedingter Wahrscheinlichkeiten dargestellt. ... [mehr]

Seminar Spam (Mittwoch 14-16, SR 01-018, Geb. 101):
Spam or unsolicited bulk email is both, a nuisance for users who are flooded with advertising messages, and an interesting and evolving problem for the design of messaging services on the technical side as well as text classification on the methodological side. In the last two years the amount of spam came up to a level that enforced most of non-casual users to use some kind of automatic spam filtering. Since the first Spam conference in Stanford in spring 2003, interest in this topic increased even more in the scientific community. ... [mehr]

Vorlesung Electronic Business (SS 2003, 2002, 2001, 2000)

Vorlesung Web Mining (WS 2002/2003, 2001/2002, 2000/2001, 1999/2000)