Navigation

Lehrveranstaltungen

Stundenplan (Sommersemester 2021)

Im Sommersemester 2021 finden alle Lehrveranstaltungen weiterhin als online-Kurse statt. Die Formate unterscheiden sich je nach Lehrveranstaltung. Bitte melden Sie sich rechtzeitig 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).

Lehrveranstaltungen SoSe 2021

StudOn-Kurse sind im Regelfall auf den jeweiligen UniVis-Seiten verlinkt.

Das HS Computerlinguistik hat dieses Semester das Thema Verschwörungstheorien und Social Media-Monitoring. Es wird als theoretisches Hauptseminar (Referate + Hausarbeit) angeboten, wird jedoch um praktische Komponenten ergänzt. Um Verzögerungen im Studienablauf zu vermeiden kann das Seminar bei Bedarf auch als praktisches HS belegt werden. Das Hauptseminar findet voraussichtlich als reine Online-Lehrveranstaltung mit regelmäßigen Sitzungen mittwochs 14–16 Uhr auf Zoom statt.

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. Während der Vorlesungszeit wird montags 11:00–12:00 Uhr eine offene Sprechstunde für kleinere Angelegenheiten angeboten (bis einschließlich 26.07.). Falls Ihr Anliegen voraussichtlich mehr als 10 Minuten benötigt registrieren Sie sich bitte im StudOn-Kurs für einen angemeldeten Termin (jeweils montags 10:00–11:00).  Sollte dort kein geeigneter Termin verfügbar sein, vereinbaren Sie bitte einen Termin per e-Mail.

Zoom-Zugangsdaten zur Sprechstunde finden Sie im zugehörigen StudOn-Kurs.

Deep Learning

Lecturers

Details

Time and place:

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

  • Tue 16:15-17:45, Room H4

Fields of study

  • WPF ME-BA-MG6 from SEM 4
  • WPF INF-MA from SEM 1
  • WPF MT-MA-BDV from SEM 1
  • WPF ME-MA-MG6 from SEM 4
  • WPF AI-MA from SEM 1

Prerequisites / Organizational information

The following lectures are recommended:

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

https://www.studon.fau.de/crs3729302.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/crs3729302.html

Research Data Skills

Lecturers

Details

Time and place:

  • Thu 10:00-12:00, Room Zoom-Meeting

Fields of study

  • WF INF-BA from SEM 3
  • WF I2F-BA from SEM 3
  • WF INF-MA from SEM 1

Content

Einstieg in Elemente des Forschungsdatenmanagements

Der nachhaltige Umgang mit Forschungsdaten gehört heute zum Handwerkszeug und nimmt bei Forschungsprojekten einen immer größeren Raum ein.

In diesen Seminar werden folgende Themen bearbeitet:

  • FAIR-Prinzipien
  • Versionsverwaltung mit GIT und gitlab
  • Forschungsinformationen
  • Datenablage, -dokumentation und -übergabe
  • scientific workflows
  • Nutzung von Repositorien
  • Urheberrecht an Daten und Software
  • ... offene Themen im Bereich FDM ...

Die Studierenden erstellen zum gewählen Thema Präsentationen im Umfang von 15-30 Minuten.

Additional information

Keywords: Forschungsdaten, FDM, research data

Expected participants: 5

Aktuelle Fragen aus FACT "Textmining in Corporate Reporting"

Lecturers

Details

Time and place:

  • Time and place on appointment

Informatische Werkzeuge in den Geistes- und Sozialwissenschaften II [Online]

Lecturers

Details

Time and place:

  • Thu 16:15-17:45

Prerequisites / Organizational information

Die Vorlesung findet statt, allerdings nicht in Präsenz. Stattdessen verweisen wir auf die Vorlesungsvideos aus dem Sommersemester 2019. Zusätzlich wird es eine Online-Sprechstunde mit Prof. Kohlhase geben. Dazu geben wir noch näheres bekannt.

Bitte beachten Sie außerdem alle Neuigkeiten, die wir über das StudOn-Forum bekanntgeben.

Die Übungen werden erst einmal live stattfinden. Das entsprechende Videokonferenz-Tool geben wir noch bekannt. Vermutlich wird es Zoom sein.

Wenn Sie technische Probleme (Verbindungsprobleme etc) haben sollten, melden Sie sich bitte bei uns. Wir finden dann eine Lösung!

Additional information

Keywords: IWGS; Digital Humanities;

Expected participants: 50