Navigation

Lehrveranstaltungen

Stundenplan (Sommersemester 2020)

 

Bis auf weiteres finden alle Lehrveranstaltungen des Sommersemesters als online-Kurse statt. Die Formate unterscheiden sich je nach Lehrveranstaltung. Bitte melden Sie sich umgehend für den jeweiligen StudOn-Kurs an, um weitere Informationen zu erhalten. Soweit Präsenztermine in Form von Videkonferenzen oder Chats angesetzt werden, liegen diese im angekündigten Zeitslot der Veranstaltung (siehe oben).

Folien der Einführungsveranstaltung WS 2019/20.

Lehrveranstaltungen SS 2020

Das HS Computerlinguistik hat dieses Semester das Thema Maschinelle Sprachverarbeitung in den digitalen Geistes- und Sozialwisenschaften. Es findet bis auf weiteres als Online-Lehrveranstaltung statt. Präsenztermine (Diskussionen, Vorträge, usw.) finden im angekündigten Vorlesungsslot mittwochs 14–16 Uhr statt; die einzelnen Termine und Inhalte werden über StudOn bekanntgegeben.

Wie üblich kann das Seminar als HS praktisch oder als HS theoretisch belegt werden, um Verzögerungen im Studienablauf zu vermeiden. Bitte melden Sie sich rechtzeitig für den zugehörigen StudOn-Kurs an.

Webinar-Vorträge oder alternative Angebote (z.B. Podcasts) im Rahmen des Oberseminars Computerlinguistik werden im Kalender der Korpus- und Computerlinguistik sowie über den Mailverteiler des Lehrstuhls angekündigt.

Bis auf weiteres finden die Sprechstunden von Prof. Evert nur per Telefon oder Videokonferenz statt, üblicherweise montags 10–12 Uhr. Bitte vereinbaren Sie einen Termin per e-Mail.

Digitale Textanalyse und Geovisualisierung [Online]

Lecturers

Details

Time and place:

  • Wed 10:00-12:00

Prerequisites / Organizational information

Das Seminar findet nicht in Präsenz statt, sondern online. Wir werden dazu das Tool Zoom verwenden. Nähere Informationen sowie die Einladung zum Zoom-Meeting werden wir über StudOn mitteilen.

Grundlegende Kenntnisse in Python, R oder einer weiteren Programmiersprache werden vorausgesetzt. Der sichere Umgang mit einem Desktop GIS (QuantumGIS, ArcGIS) ist von Vorteil.

Content

Seit dem „spatial turn" gibt es in den Geistes- und Sozialwissenschaften ein zunehmendes Interesse an räumlichen Fragestellungen. Viele Arbeiten aus dem Bereich der Spatial Humanities integrieren Geographische Informationssysteme in ihre empirischen Analyseverfahren. Parallel hierzu gibt es auch in der GI-Science rund um den Begriff „place" eine umfangreiche Debatte um die Erweiterung von GIS um subjektive räumliche Erfahrungen, semantische Raumproduktionen und soziale Wirklichkeiten. Das Seminar vermittelt aktuelle Konzepte und Verfahren aus dem Bereich dieser place-based GIS. Dabei liegt ein methodischer Fokus auf verschiedenen Verfahren der Analyse und Visualisierung von räumlichen Bezügen in Texten und deren Semantiken. Am Beispiel eines umfangreichen Textcorpus werden multidimensionale Verfahren der Geovisualisierung von (historischen) Diskursen und Denkweisen erprobt.

Additional information

Keywords: Digital Humanities

Expected participants: 15

Künstliche Intelligenz und juristisches Entscheiden

Lecturers

Details

Time and place:

  • Thu 16:15-17:45, Room JDC R 1.282

Prerequisites / Organizational information

Teilnehmer

Die Vorlesung richtet sich an Studierende verschiedener Fachrichtungen, z.B. Juristen, Informatiker, Computerlinguisten, Philosophen, steht aber auch sonst Interessierten offen.

Die Darstellung der Inhalte soll so einfach wie möglich erfolgen, so dass spezielle Vorkenntnisse in den betroffenen Fachrichtungen, wie z.B. in der Rechtswissenschaft, der juristischen Methodenlehre, der Logik, der Computerwissenschaft, der Wissenschaftstheorie, oder der Philosophie nicht erwartet werden. Ein interdisziplinärer Austausch wäre wünschenswert, auch in dem Bewusstsein, dass verschiedene Disziplinen verschiedene Sprachen sprechen und sich nur schwer verstehen.

Zeit/Ort/Fragen

Die Vorlesung findet donnerstags von 16.00 – 18.00 Uhr in JDC R 1.282 - Seminarraum Juridicum – Schillerstrasse 1 in 91054 Erlangen statt. (1. Termin: 23.4.2020; keine Veranstaltungen in den Oster-und Pfingstferien 9.4/16.4/4.6 und an Feiertagen 21.5/11.6).

Für weitere Fragen stehe ich gerne zu Verfügung: Prof. Dr. Axel Adrian, über Kanzlei Königstraße 21 90402 Nürnberg, Tel. 0911/23086-0, E-Mail: axel.adrian@fau.de

Content

Ziel

Die Vorlesung behandelt den Bereich „Recht durch Technik" im Unterschied zu Fragen nach „Recht über Technik".

Zusätzlich zu den Themen, die man in diesem Zusammenhang verstehen sollte, werden auch die Arbeiten und Ergebnisse der Forschungen an der FAU zu diesem Thema vorgestellt. Dabei geht es zum Beispiel um die Arbeiten zusammen mit Prof. Evert zur Erfüllung des Forschungsauftrages des Bayerischen Staatsministeriums der Justiz zur Anonymisierung von Gerichtsurteilen. Nur wenn ausreichend viele anonymisierte Gerichtsurteile vorliegen, haben wir überhaupt den „Betriebsstoff" für statistische KI und Machine-Learning-Anwendungen in der Rechtswissenschaft.Aber auch symbolische KI kann im Zusammenhang mit rechtlichen Fragen genutzt werden. So wird dargestellt, wie juristische Argumentation über das MMT-Framework von Prof. Kohlhase formalisiert und analysiert werden kann.

Allgemein geht es insbesondere um Fragen wie: Was ist dran an Legal-Tech? Was ist derzeit tatsächlich technisch schon möglich und was ist mehr dem Marketing geschuldet? Was wird in Kanzleien schon praktiziert? Welche Tätigkeiten werden von künftigen Juristen erwartet? Was können heutige Studenten dafür tun? Werden künftig Computerwissenschaftler verstärkt Rechtsberatung übernehmen? Wird am Ende ein Richterautomat Fälle entscheiden? Sind Arbeitsplätze in Gefahr?

Die Vorlesung hat zum Ziel „Lust auf mehr" zu machen und sowohl technisch Interessierten Einblick in das juristische Denken und in juristische Prozesse zu geben, sowie umgekehrt juristisch Interessierte neugierig auf Legal-Tech-Tools und computerwissenschaftliche Überlegungen zu machen, bzw. dem „typischen" Juristen die Scheu vor formaler Logik, Mathematik und Programmierung zu nehmen.

Es besteht die Möglichkeit, einen Schein über 5 ECTS zu erhalten, sobald eine mindestens achtmalige Teilnahme (Anwesenheitsliste) und drei Protokolle oder ein Essay über ein vorgegebenes Thema vorgewiesen werden können.

Aus dem Inhalt

Die Vorlesung umfasst inhaltlich drei verschiedene Themenblöcke und drei Gastreferate. Zunächst wird ein umfassender Überblick über das Thema Legal-Tech (Praxis) gegeben. Dann wird das Juristische Denken, ausgehend von der einfachen Falllösungstechnik, über die juristische Methodenlehre und Wissenschaftstheorie, mit Bezügen zur Sprachphilosophie dargestellt (Recht). Anschließend erfolgt eine kurze Einführung in die Grundlagen von Logik und Programmierung (Technik). In den letzten Doppelstunden kommen Gastreferenten zu Wort.

Im Termin, am 9.7.2020, hält Herr Rechtsanwalt Martin Kurtze von der Siemens AG einen Vortrag zum Thema „Legal-Tech-Tools auf dem Weg in den Berufsalltag der Rechtsabteilung", und wird dabei sehr anschaulich die Auswirkungen auf typische Tätigkeiten wie Vertragserstellung und Vertragsprüfung darstellen.

Im Termin, am 16.7.2020, hält Herr Hubertus Rust vom Bayerischen Landesamt für Steuern einen Vortrag zum Thema „Wie SZS und DIANA Steuersünder jagen - Legal-Tech in der bayerischen Finanzverwaltung"

Schließlich hält im Termin, am 23.7.2020, Herr Rechtsanwalt Dr. Tobias Wagner, von der DATEV eG den Vortrag „Legal-Tech zwischen Hype und Mehrwert - eine Marktsicht durch die DATEV-Brille"

Aus dem Inhalt der Vorlesung sei beispielhaft genannt:

  • Einführung in die Welt von Legal-Tech
  • Möglichkeiten und Grenzen der Digitalisierung der juristischen Prozesse und des juristischen Denkens insbesondere in der Praxis von Anwalt und Notar
  • Vorstellung verschiedener Methoden von Legal-Tech-Tools und Überblick über Entwicklungen in USA, UK und Deutschland
  • Erläuterung konkreter Tools, wie z.B. Kira, contractorcheck, Litax, usableprivacypolicy, Diskussion der Blockchaintechnologie am Beispiel des deutschen Grundbuches
  • Möglichkeiten und Grenzen von KI-Systemen und die Utopie eines Richterautomaten
  • Anonymisierung von Gerichtsurteilen - FAU-Forschung für die Bayerische Justiz (Prof. Evert)
  • Die klassische Technik der juristischen Falllösung/Klausurbearbeitung
  • Das juristische Denken nach der klassischen juristischen Methodenlehre
  • Grundprobleme jeder juristischen Methodenlehre
  • Sprachphilosophische und wissenschaftstheoretische Herausforderungen
  • Uneinheitliche Vorstellungen von juristischem Denken nach dem linguistic turn
  • Die Formalisierung juristischer Argumentation mit Hilfe des MMT-Framework (Prof. Kohlhase)
  • Einfache Erläuterung der Grundlagen der Logik (Syllogistik, Klassenlogik, Aussagenlogik und Prädikatenlogik erster Stufe, Hinweise auf mehrwertige Logik, Fuzzy-Logik, Quantenlogik, Deontische Logik) mit Bezügen zur Rechtslogik
  • Grenzen der Logik (Fluch der Dimensionalität und Unvollständigkeitssätze)
  • Erste Schritte zur Programmierung in Java
  • Triviale automatisierte Prüfung eines Anspruches nach § 985 BGB mit Java
  • Das Problem der Formalisierung von juristischer Sprache und juristischen Prozessen

Additional information

www: https://www.studon.fau.de/crs2891400.html

Applied Visualization

Lecturers

Details

Time and place:

- we start on Monday, April 20, in electornic form. Please, visit the StudOn course Applied Visualization for detailed information -

  • Mon 8:15-9:45, Room H4

Fields of study

  • WPF MT-MA-BDV from SEM 1
  • WF CE-MA-INF from SEM 1
  • WF CE-BA-TW from SEM 4
  • WPF INF-BA-V-GD from SEM 4
  • WPF INF-MA from SEM 1
  • WPF IuK-MA-MMS-INF from SEM 1
  • WPF ICT-MA-MPS from SEM 1
  • WPF MB-BA-FG13 from SEM 4
  • WPF MB-MA-FG13 from SEM 1
  • WF WW-BAH from SEM 6
  • WF WW-DH from SEM 6
  • WF MWT-MA-AWE from SEM 1
  • WF LSE-MA from SEM 1
  • WPF PG-BA from SEM 3

Prerequisites / Organizational information

Der Kurst findet in elektronischer Form statt. Weitere Infomrationen finden Sie im Kurs Applied Visualization in StudOn.

The course takes place in electronic form.

Detailed information is given in the StudOn-course Applied Visualization.

Content

Die Visualisierung beschäftigt sich mit allen Aspekten, die

im Zusammenhang stehen mit der visuellen Aufbereitung der (oft

großen) Datenmengen aus technisch-wissenschaftlichen Experimenten

oder Simulationen zum Zwecke des tieferen Verständnisses und der

einfacheren Präsentation komplexer Phänomene. Die Vorlesung gibt

eine Einführung in die grundlegenden Algorithmen und Datenstrukturen,

sowie einen Überblick über die verfügbaren Softwarewerkzeuge und

verbreiteten Dateiformate.

Behandelt werden u.a. folgende Themen:

  • Visualisierungsszenarien
  • Gitterstrukturen und Interpolation
  • Verfahren für 2D Skalar- und Vektorfelder
  • Verfahren für 3D Skalar- und Vektorfelder
  • Verfahren für multivariate Daten
  • Volumenvisualisierung mit Isoflächen
  • Direktes Volume-Rendering

ECTS information

Title

Applied Visualization

Credits

2,5

Content:

Visualization includes all aspects related to the visual preparation

of usually large data sets from technical or scientific experiments

and simulation. For a better understanding and a meaningful

representation of complex phenomena, methods from interactive

computer graphics are applied. This lecture introduces basic

algorithms and data structures and gives an overview of available

software tools and common data formats.

The lecture covers the following topics:

- scenarios for visualization

- meshes and data representation

- methods for 2D scalar and vector fields

- methods for 3D scalar and vector fields

- methods for multivariate data

- volume rendering with iso-surfaces

- direct volume rendering

Additional information

Expected participants: 120

Tutorials to Applied Visualization

Lecturers

Details

Time and place:

  • Mon 12:15-13:45, Room H4
  • Thu 8:15-9:45, Room H4

Fields of study

  • WF LSE-MA from SEM 1
  • WF CE-MA-INF from SEM 1
  • WF CE-BA-TW from SEM 4
  • WPF INF-BA-V-GD from SEM 4
  • WPF INF-MA from SEM 1
  • WPF MB-BA-FG13 from SEM 4
  • WPF MB-MA-FG13 from SEM 1
  • WF WW-BAH from SEM 6
  • WF WW-DH from SEM 6
  • WF MWT-MA-AWE from SEM 1
  • WPF MT-MA-BDV from SEM 1
  • WPF PG-BA from SEM 3
  • WPF ICT-MA-MPS from SEM 1

Additional information

Expected participants: 120

Deep Learning

Lecturers

Details

Time and place:

Information regarding the online teaching will be added to the studon course

  • Mon 14:15-15:45, Room H4

Fields of study

  • WPF INF-MA from SEM 1
  • WPF MT-MA-BDV from SEM 1

Prerequisites / Organizational information

The following lectures are recommended:

  • Introduction to Pattern Recognition (IntroPR)
  • Pattern Recognition (PR)

Application via https://www.studon.fau.de/crs2898025.html

Content

Deep Learning (DL) has attracted much interest in a wide range of applications such as image recognition, speech recognition and artificial intelligence, both from academia and industry.

This lecture introduces the core elements of neural networks and deep learning, it comprises:

  • (multilayer) perceptron, backpropagation, fully connected neural networks
  • loss functions and optimization strategies
  • convolutional neural networks (CNNs)
  • activation functions
  • regularization strategies
  • common practices for training and evaluating neural networks
  • visualization of networks and results
  • common architectures, such as LeNet, Alexnet, VGG, GoogleNet
  • recurrent neural networks (RNN, TBPTT, LSTM, GRU)
  • deep reinforcement learning
  • unsupervised learning (autoencoder, RBM, DBM, VAE)
  • generative adversarial networks (GANs)
  • weakly supervised learning
  • applications of deep learning (segmentation, object detection, speech recognition, ...)

The accompanying exercises will provide a deeper understanding of the workings and architecture of neural networks.

Recommended Literature

- Ian Goodfellow, Yoshua Bengio, Aaron Courville: Deep Learning. MIT Press, 2016
- Christopher Bishop: Pattern Recognition and Machine Learning, Springer Verlag, Heidelberg, 2006
- Yann LeCun, Yoshua Bengio, Geoffrey Hinton: Deep learning. Nature 521, 436–444 (28 May 2015)

Additional information

Keywords: deep learning; machine learning

Expected participants: 120

www: https://www.studon.fau.de/crs2898025.html

Deep Learning Exercises

Lecturers

Details

Time and place:

This course will be held online until the coronavirus pandemic is contained to such an extent that the Bavarian state government can allow face-to-face teaching again. Information regarding the online teaching will be added to the studon course

  • Thu 14:00-16:00, Room 0.01-142 CIP
  • Fri 8:00-10:00, Room 0.01-142 CIP
  • Mon 12:00-14:00, Room 0.01-142 CIP
  • Wed 16:00-18:00, Room 0.01-142 CIP
  • Tue 18:00-20:00, Room 0.01-142 CIP

Fields of study

  • WPF INF-MA from SEM 1

Additional information

Keywords: deep learning; machine learning

Expected participants: 60

www: https://www.studon.fau.de/crs2898025.html