- Lehrende(r): Andreas Langfeld
Kursbereich: Kunst
Suchergebnisse: 10577
- Lehrende(r): Timo Baas
Kursbereich: Volkswirtschaftslehre
- Lehrende(r): Sina Asshoff
- Lehrende(r): Timo Baas
- Lehrende(r): Pascal Goemans
- Lehrende(r): Lasse Laumann
Kursbereich: Volkswirtschaftslehre
Bei Interesse bewerben Sie sich bitte per Email an erwin.amann@uni-due.de (ausschließlich mit Ihrer Stud-Email-Adresse)
Fragen, Diskussionen und Anmerkungen zum Kolloquium Neuere Entwicklungen der Mikroökonomik.
- Lehrende(r): Prof. Erwin Amann
- Lehrende(r): Afia Adade Frimpong
Kursbereich: Volkswirtschaftslehre
- Lehrende(r): Christoph Hanck
- Lehrende(r): Stephan Hetzenecker
- Lehrende(r): Paul E. Navas Alban
Kursbereich: Volkswirtschaftslehre
- Lehrende(r): Christoph Hanck
- Lehrende(r): Stephan Hetzenecker
- Lehrende(r): Paul E. Navas Alban
- Lehrende(r): Thilo Christian Reinschlüssel
Kursbereich: Volkswirtschaftslehre
- Lehrende(r): Sina Asshoff
- Lehrende(r): Lars Trojovsky
Kursbereich: Volkswirtschaftslehre
Die Bildungskonzepte „Globales Lernen“ und „Bildung für nachhaltige Entwicklung (BNE)“ halten viele Materialien und Anregungen für den Schulunterricht und die Vermittlungsarbeit im Museum parat. Allerdings gibt es kaum Beispiele und Anwendungen für den Kunstbereich. Dabei hat gerade Kunst das Potenzial, im Kontext gesellschaftlicher und personaler Transformationsprozesse zu wirken. Angesichts der krisenhaften, globalen Herausforderungen im Anthropozän sind diese Wandlungsprozesse sowie zukunftsfähiges Denken und Handeln dringend geboten, um beispielsweise dem Artensterben, der Klima-Ungerechtigkeit oder dem weltweiten, ungezügelten Ressourcenverbrauch entgegenzutreten.
Das Seminar setzt sich mit dem Globalen Lernen und der BNE in internationaler, transkultureller Perspektive auseinander und überführt diese Bildungskonzepte in best-practice-Beispiele. This seminar will be taught in English too. We will work together with international partners.
- Lehrende(r): Maren Ziese
Kursbereich: Kunst
In den 1920er Jahren entwickelte sich die Fotografie zu einem zentralen Medium und Instrument der künstlerischen Avantgarde. Künstler:innen wie Berenice Abbott, Aenne Biermann, Florence Henri, Germaine Krull, El Lissitzky, Lucia Moholy, László Moholy-Nagy, Albert Renger-Patzsch, Alexander Rodtschenko oder Umbo prägten an unterschiedlichen Orten dieses „Neue Sehen“. Sie nutzten das Medium, um die sichtbare gesellschaftliche Veränderung zu verhandeln, indem sie z.B. den Zeichen des industriellen Fortschritts begegneten und dabei mit Perspektive, Licht, Formen und Flächen experimentierten. Ihre Fotografien fanden Einzug in Ausstellungen, Magazine und Bücher. Im Seminar „Neues Sehen. Fotografie und Film der 1920er und 1930er Jahre“ werden wir diese fotografischen Arbeiten und ihre Distributionskanäle und -medien ebenso diskutieren wie relevante historische und aktuelle (foto)theoretische Texte und Texte von Künstler:innen. Im Rahmen des Seminars ist ein Termin im Museum Folkwang geplant, um mit Originalen aus den Beständen der Fotografischen Sammlung zu arbeiten.
- Lehrende(r): Kerstin Meincke
Kursbereich: Kunst und Kunstwissenschaft
- Lehrende(r): Rolf Gerhards
- Lehrende(r): Leah Pauluhn
- Lehrende(r): Nicolle Pfaff
- Lehrende(r): Sophie Scheelen
- Lehrende(r): Tina-Berith Schrader
Kursbereich: Bildungswissenschaften
- Lehrende(r): Richard Dodel
- Lehrende(r): Heike Heuer
- Lehrende(r): Daniela Mäker
- Lehrende(r): Steffen Mayerl
- Lehrende(r): Alexander Ross
Kursbereich: Lehrveranstaltungen anderer Fakultäten
- Lehrende(r): Richard Dodel
- Lehrende(r): Alexander Ross
Kursbereich: Lehrveranstaltungen anderer Fakultäten
Hinweis: Den Einschreibeschlüssel für diesen Kurs erhalten Sie im Rahmen der ersten Vorlesung bzw. nach dem 8. Oktober via e-mail, falls Sie bis zum 8.10.2021 diese Veranstaltung im LSF-Portal belegt haben.
- Lehrende(r): Judith Bütefür
- Lehrende(r): Elsa Andrea Kirchner
- Lehrende(r): Alexander Maxeiner
Kursbereich: Elektrotechnik und Informationstechnik
Der Kurs findet jeweils am Donnerstag um 8:30 bis 10 Uhr im Lehr- und Lernzentrum, Virchowstrasse statt.
- Lehrende(r): Richard Dodel
- Lehrende(r): Alexander Ross
Kursbereich: Lehrveranstaltungen anderer Fakultäten
- Lehrende(r): Martin Lukas Moder
- Lehrende(r): Josef Pauli
- Lehrende(r): Duc Duy Pham
Kursbereich: Informatik und Angewandte Kognitionswissenschaften
- Lehrende(r): Martin Lukas Moder
- Lehrende(r): Josef Pauli
Kursbereich: Informatik und Angewandte Kognitionswissenschaften
- Lehrende(r): Martin Lukas Moder
- Lehrende(r): Josef Pauli
Kursbereich: Informatik und Angewandte Kognitionswissenschaften
Die Wurzeln des Maschinenlernens lassen sich bis in die Anfangszeit der Computer zurückverfolgen. Erfolge stellten sich jedoch erst in den 1980er Jahren ein, mit der sog. Backpropagation in künstlichen neuronalen Netzen, in denen statistische Methoden eine wesentliche Rolle spielen (Stichwort Boltzmann-Maschine). Neben der enormen Leistungssteigerung der Computer in den vergangenen Jahrzehnten waren es einige algorithmische Meilensteine, die die neuronalen Netzwerke schließlich zum heutigen “deep learning” befähigten.
Die Vorlesung behandelt die algorithmischen und statistischen Grundlagen künstlicher neuronaler Netze sowie andere Aspekte von Maschinenlernen. Weiterhin sollen ausgewählte Anwendungen in der Physik, Wirtschaft und Industrie diskutiert werden.
Die Vorlesung (2 SWS) wird begleitet von Übungen in Form von Aufgaben bzw. kleineren Projekten (2 SWS), in denen auf Basis von Python3/JupyterLab und Bibliotheken unterschiedlicher “Komfortstufe” künstliche neuronale Netze programmiert, trainiert und analysiert werden.
Der Einschreibeschlüssel kann via E-Mail bei Fred.Hucht@uni-due.de oder Lothar.Brendel@uni-due.de erfragt werden.
The roots of machine learning can be traced back to the early days of computers. However, successes did not come until the 1980s, with the so-called backpropagation in artificial neural networks, in which statistical methods play an essential role (keyword Boltzmann machine). In addition to the enormous increase in the performance of computers in recent decades, it was some algorithmic milestones that finally enabled neural networks to today's deep learning.
The lecture covers the algorithmic and statistical basics of artificial neural networks as well as other aspects of machine learning. Furthermore, selected applications in physics, economics and industry are to be discussed.
The lecture (2 SWS) is accompanied by exercises in the form of tasks or smaller projects (2 SWS), in which artificial neural networks are programmed, trained and analyzed on the basis of Python3/JupyterLab and libraries of different "comfort levels".
The registration key can be requested via e-mail at Fred.Hucht@uni-due.de or Lothar.Brendel@uni-due.de.
- Lehrende(r): Lothar Brendel
- Lehrende(r): Alexander Hahn
- Lehrende(r): Alfred Hucht
Kursbereich: Theoretische Physik
Die Wurzeln des Maschinenlernens lassen sich bis in die Anfangszeit der Computer zurückverfolgen. Erfolge stellten sich jedoch erst in den 1980er Jahren ein, mit der sog. Backpropagation in künstlichen neuronalen Netzen, in denen statistische Methoden eine wesentliche Rolle spielen (Stichwort Boltzmann-Maschine). Neben der enormen Leistungssteigerung der Computer in den vergangenen Jahrzehnten waren es einige algorithmische Meilensteine, die die neuronalen Netzwerke schließlich zum heutigen “deep learning” befähigten.
Die Vorlesung behandelt die algorithmischen und statistischen Grundlagen künstlicher neuronaler Netze sowie andere Aspekte von Maschinenlernen. Weiterhin sollen ausgewählte Anwendungen in der Physik, Wirtschaft und Industrie diskutiert werden.
Die Vorlesung (2 SWS) wird begleitet von Übungen in Form von Aufgaben bzw. kleineren Projekten (2 SWS), in denen auf Basis von Python3/JupyterLab und Bibliotheken unterschiedlicher “Komfortstufe” künstliche neuronale Netze programmiert, trainiert und analysiert werden.
Aufgrund der aktuellen unerfreulichen Situation werden Vorlesung und Übung online abgehalten. Die genaue Ausgestaltung ist gerade in der Entwicklung, Neuigkeiten werden hier auf moodle mitgeteilt.
Der Einschreibeschlüssel kann via E-Mail bei Fred.Hucht@uni-due.de oder Lothar.Brendel@uni-due.de erfragt werden.
- Lehrende(r): Lothar Brendel
- Lehrende(r): Alfred Hucht
Kursbereich: Theoretische Physik
Die Wurzeln des Maschinenlernens lassen sich bis in die Anfangszeit der Computer zurückverfolgen. Erfolge stellten sich jedoch erst in den 1980er Jahren ein, mit der sog. Backpropagation in künstlichen neuronalen Netzen, in denen statistische Methoden eine wesentliche Rolle spielen (Stichwort Boltzmann-Maschine). Neben der enormen Leistungssteigerung der Computer in den vergangenen Jahrzehnten waren es einige algorithmische Meilensteine, die die neuronalen Netzwerke schließlich zum heutigen “deep learning” befähigten.
Die Vorlesung behandelt die algorithmischen und statistischen Grundlagen künstlicher neuronaler Netze sowie andere Aspekte von Maschinenlernen. Weiterhin sollen ausgewählte Anwendungen in der Physik, Wirtschaft und Industrie diskutiert werden.
Die Vorlesung (2 SWS) wird begleitet von Übungen in Form von Aufgaben bzw. kleineren Projekten (2 SWS), in denen auf Basis von Python3/JupyterLab und Bibliotheken unterschiedlicher “Komfortstufe” künstliche neuronale Netze programmiert, trainiert und analysiert werden.
Aufgrund der aktuellen unerfreulichen Situation werden Vorlesung und Übung online abgehalten. Die genaue Ausgestaltung ist gerade in der Entwicklung, Neuigkeiten werden hier auf moodle mitgeteilt.
Der Einschreibeschlüssel kann via E-Mail bei Fred.Hucht@uni-due.de oder Lothar.Brendel@uni-due.de erfragt werden.
- Lehrende(r): Lothar Brendel
- Lehrende(r): Alfred Hucht
Kursbereich: Theoretische Physik