BÜRGERSCHAFT 21/19784 · Wirtschaft) und Digitaler Journalismus. Bereits besetzt sind eine...

BÜRGERSCHAFT

DER FREIEN UND HANSESTADT HAMBURG Drucksache 21/1978421. Wahlperiode 28.01.20

Schriftliche Kleine Anfrage

des Abgeordneten Carsten Ovens (CDU) vom 20.01.20

und Antwort des Senats

Betr.: Data Science – Wie steht es um Hamburg?

Spätestens seit Mitte der 1990er-Jahre spielt Data Science, also die Extrakti-on von Erkenntnissen, Mustern und Schlüssen sowohl aus strukturierten als auch unstrukturierten Daten, eine immer stärkere Rolle, nicht nur für Unter-nehmen, die ihre Managementverhalten an einen immer komplexer werden-den Markt ausrichten müssen, sondern beispielsweise auch für Disziplinen der Sozialwissenschaften.

Zuletzt zeigten verschiedene Senatsanfragen, dass es im Bereich der Infor-matik einige Probleme gibt, Professuren zu besetzen und so neue Studien-plätze zu schaffen. Fraglich ist daher auch, wie breit Data Science an Ham-burgs Hochschulen vertreten ist und inwiefern es hier Nachholbedarf gibt.

Vor diesem Hintergrund frage ich den Senat:

Angesichts der Vielzahl der erfragten Daten ist eine Qualitätssicherung in der für die Beantwortung einer Parlamentarischen Anfrage zur Verfügung stehenden Zeit nicht möglich.

Dies vorausgeschickt, beantwortet der Senat die Fragen teilweise auf der Grundlage von Auskünften der staatlichen sowie privaten in Hamburg ansässigen Hochschulen wie folgt:

1.

a) Welche staatlichen Universitäten und Hochschulen bieten oder boten bisher Studiengänge oder einzelnen Veranstaltungen (Vorle-sungen, Seminare et cetera) im Bereich Data Science an und wel-che Schwerpunkte (wie etwa Energieeffizienz, Transportwesen, Marktforschung, Machine Learning et cetera) hatten diese? Bitte dif-ferenziert nach Hochschule, Studienfach, Schwerpunkt sowie nach Onlineveranstaltungen und Präsenzveranstaltungen sowie seit dem Sommersemester 2015 nach Semestern separiert auflisten.

Siehe Anlagen 1 bis 10.

b) Welche Veranstaltungen mit welchen Schwerpunkten sind an den staatlichen Hochschulen im kommenden Sommersemester geplant?

Als Querschnittsthema ist „Data Science“ ein zentraler Gegenstand aller Studiengän-ge der Universität Hamburg (UHH), welches nicht nur im Schwerpunkt in vielen Fakul-täten behandelt wird, sondern aufgrund seiner Interdisziplinarität in jeder Lehrveran-staltung zum Tragen kommen kann. Eine Vollerhebung aller geplanten Lehrveranstal-tungsplanungen ist daher von der Universität Hamburg nicht leistbar gewesen. Die Fakultät für Psychologie und Bewegungswissenschaft gab an, dass die Planung für

Drucksache 21/19784 Bürgerschaft der Freien und Hansestadt Hamburg – 21. Wahlperiode

2

das Sommersemester 2020 dem Angebot des Sommersemesters 2019 weitestge-hend entspreche. Auch an der medizinischen Fakultät würden für das Sommersemes-ter 2020 die Veranstaltungen aus dem Wintersemester 2019/2020 beibehalten. Außerdem werde eine fächerübergreifende Seminarserie „Künstliche Intelligenz in der biomedizinischen Bildgebung“ (gemeinsam mit dem Fachbereich Physik der UHH) eingeführt. Im Schwerpunktbereich „Information und Kommunikation“ der Fakultät für Rechtswissenschaft finden regelmäßig Seminare zu den Themen Daten, Algorithmen und Wissen statt. Aktuell findet außerdem eine Veranstaltung zum Thema „Law Meets Algorithmics“ statt. Dieses Veranstaltungsprogramm wird im Sommersemester 2020 fortgesetzt.

Die Hochschule für Musik und Theater Hamburg (HfMT) hat angegeben, die Veran-staltungen des ablaufenden Wintersemesters auch im kommenden Sommersemester fortzuführen.

Für die HafenCity Universität (HCU) und die Hochschule für Angewandte Wissen-schaften Hamburg (HAW) siehe Anlage 11.

2.

a) Welche privaten Universitäten und Hochschulen bieten oder boten bisher Studiengänge oder einzelnen Veranstaltungen (Vorlesungen, Seminare et cetera) im Bereich Data Science an und welche Schwerpunkte (wie etwa Energieeffizienz, Transportwesen, Markt-forschung, Machine Learning et cetera) hatten diese? Bitte differen-ziert nach Hochschule, Studienfach, Schwerpunkt sowie nach Onli-neveranstaltungen und Präsenzveranstaltungen sowie seit dem Sommersemester 2015 nach Semestern separiert auflisten.

Siehe Anlagen 12 bis 17.

b) Welche Veranstaltungen mit welchen Schwerpunkten sind an den privaten Hochschulen im kommenden Sommersemester geplant?

Im Studiengang Brand Innovation (M.A.) der Brand University of Applied Sciences wird das Modul „Data Science“ angeboten. Zu den Inhalten des Moduls zählen fol-gende Themenbereiche: 1. Einführung Data Housing und Datenakquise, 2. Datenauf-bereitung, 3. Rolle von Statistik bei Data Science und Datenanalyse, 4. Extraktion von Bedeutung unter Anwendung von Programmiersprache, 5. Einführung Data Mining als Form von Machine Learning; 6. Ethische Reflexion von Data Science.

Die Lehrveranstaltung „Einführung in die Statistik“ an der Bucerius Law School (BLS) ist für das Sommertrimester 2020 geplant. Weiterhin ist die Fortführung des „Summer Program legal Technology and operations“ für das Sommersemester 2020 geplant.

An der Euro Business College (EBC) Hochschule Hamburg sind für das kommende Sommersemester keine Veranstaltungen geplant, da das Auslandssemester ansteht.

An der Helmut-Schmidt-Universität/Universität der Bundeswehr Hamburg (HSU) bestehen folgende Veranstaltungen:

- Digitale Transformation in der Produktentwicklung (Schwerpunkt: Machine Learn-ing) & Co. (Schwerpunkt offen),

- Maschinelles Lernen in der Simulation physikalischer Modelle (Schwerpunkt: Machine Learning),

- Datenwissenschaften und Maschinelles Lernen (ab 2021) (Schwerpunkt: Machine Learning).

Im Studiengang Management (M.Sc.) und im Studiengang Global Logistics und Supp-ly Chain Management (M.Sc.) der Kühne Logistics University (KLU) gibt es eine Ver-anstaltung zu Data Science.

Im Studiengang Business Administration (B.Sc.) besteht eine Veranstaltung zu Data Management.

Für die Hamburg School of Business Administration (HSBA) siehe Anlage 18.

Bürgerschaft der Freien und Hansestadt Hamburg – 21. Wahlperiode Drucksache 21/19784

3

3. Wie viele Teilnehmer gab es an den unter 1. a) und 2. a) genannten Veranstaltungen in den vergangenen Semestern ab dem Sommer-semester 2015? Bitte differenziert nach Universitäten und Hochschulen sowie nach Veranstaltung und Semester darstellen.

Siehe Antworten zu 1. und zu 2. Bei der Technischen Universität Hamburg (TUHH) werden Teilnehmerzahlen an Lehrveranstaltungen statistisch nicht erfasst.

4. Planen staatliche oder private Hochschulen oder Universitäten derzeit die Schaffung von neuen Data-Science-Studiengängen?

Da statistische Kenntnisse, der korrekte Umgang mit statistischen und „Data Science“-Techniken sowie Techniken zum Umgang mit großen Datensätzen und der explorati-ven Datenanalyse in Forschung und Anwendung eine zunehmende Rolle spielen, ist an der UHH ein neuer universitäts- und fächerübergreifender Masterstudiengang Sta-tistik/Data Science in Planung. Dieser soll die entsprechenden Grundlagen und Anwendungskenntnisse an Studierende aus verschiedenen Bereichen vermitteln. Die Planungen sind noch nicht abgeschlossen.

In der Fakultät für Mathematik, Informatik und Naturwissenschaften der UHH wird derzeit unter Federführung des Fachbereichs Informatik ein Studienprogramm „Data Science“ erarbeitet. Dieses wird sich inhaltlich an den Empfehlungen der Gesellschaft für Informatik für Data-Science-Studiengänge (Arbeitspapier „Data Science: Lern- und Ausbildungsinhalte“, siehe https://gi.de/fileadmin/GI/Allgemein/PDF/GI_Arbeitspapier_ Data-Science_2019-12_01.pdf) orientieren und sowohl informatische/mathematische Grundlagen als auch naturwissenschaftliche Inhalte (Anwendungsdomäne) umfassen. Weiter wird dieses Studienprogramm die unverzichtbare interdisziplinäre Zusammen-arbeit fördern und umsetzen. Zurzeit steht noch nicht fest, ob es sich bei diesem Stu-dienprogramm um ein konsekutives Bachelor-/Masterprogramm handeln wird oder um einen spezifischen Masterstudiengang, der auf dem Bachelorstudiengang Computing in Science aufbauen wird; auch der Starttermin ist noch nicht festgelegt.

Die TUHH hat den Bedarf an Data Science in Hamburg erkannt und daher Maßnah-men getroffen. Dazu gehört die Etablierung von neuen Professuren in den Bereichen Data Science Foundations, Data Engineering, Autonome Cyber-physikalische Syste-me, Stochastik sowie Technologie und Ethik. Darauf aufbauend hat die TUHH mit der Etablierung eines vollwertigen „Data Science“-Studiengangs begonnen. Die Umset-zung ist noch nicht abgeschlossen.

Das Department Maschinenbau und Produktion der HAW Hamburg hat einen neuen Studiengang Maschinenbau und Produktion mit der Studienrichtung Digital Enginee-ring and Mobility eingerichtet. Diese Studienrichtung zielt bezüglich der Kompetenzen auf die Schnittstelle zwischen Data Science und Technik im Maschinenbau. Der Stu-diengang wird erstmalig im Sommersemester 2020 angeboten. Das Department Infor-matik der HAW Hamburg plant die Reformierung des Masterstudiengangs Informatik, wobei der bestehende Studiengang in fünf Schwerpunkte aufgeteilt wird. Einer der Schwerpunkte ist „Data Science“.

Die HfMT plant keine isolierten Data-Science-Studiengänge, sondern wird Aspekte von Data Science, Data Mining und music information retrieval (MIR) in ihren Multi-media-Unterricht integrieren.

Die HSU plant – möglichst im Januar 2022 – einen weiteren Masterstudiengang namens „Data Analysis“ aufzunehmen.

An der Hamburger Fern-Hochschule (HFH) werden im Rahmen der bedarfsorientier-ten Planung neuer Studiengänge Überlegungen in Richtung „Digitalisierung und Wirt-schaftsinformatik“ sowie „Systems Engineering“ angestellt.

5. Welche Maßnahmen planen der Senat beziehungsweise die zuständige Behörde, um das Thema Data Science in den kommenden Jahren weiter zu fördern beziehungsweise an den Hamburger Universitäten und Hoch-schulen zu stärken?


4

Eine konsolidierte Datenbasis beziehungsweise das Wissen um die Strukturen der verfügbaren Daten sind ein wesentlicher Erfolgsfaktor für das Themenfeld „Data Sci-ence“. Der Senat verfolgt daher als ein wesentliches strategisches Ziel, die urbanen Daten der Stadt im Rahmen gesetzlicher Vorgaben soweit möglich und sinnvoll allge-mein verfügbar zu machen und im Regelfall den Austausch zwischen Daten der Ver-waltung, der Wissenschaft, der Wirtschaft sowie der gesamten Stadtgesellschaft zu ermöglichen. Um dieses Ziel zu erreichen, entwickelt die Freie und Hansestadt Ham-burg als Teil ihrer Digitalstrategie eine Daten Governance für den einheitlichen Umgang mit Daten. Die Urban-Data-Plattform dient dabei als zentrales Instrument für deren Bereitstellung.

Die Behörde für Wissenschaft, Forschung und Gleichstellung steht mit den Hochschu-len zudem in Gesprächen über die Fortführung des ahoi.digital-Programms über 2020 hinaus. In diesem Programm spielt unter anderem das Themenfeld „Data Science“ eine wichtige Rolle.

6. Welche Maßnahmen ergreifen die staatlichen und privaten Universitäten und Hochschulen selber, um das Thema Data Science in den kommen-den Jahren weiter zu fördern beziehungsweise an den Hamburger Uni-versitäten und Hochschulen zu verstärken?

An der UHH hat sich 2018 eine Gruppe von Professorinnen und Professoren aus unterschiedlichen Fakultäten zusammengeschlossen, um ein interdisziplinäres „Data Literacy Education“-Programm für das fakultätsübergreifende Studium Generale zu entwickeln, das ab dem Wintersemester 2020/2021 angeboten werden soll. „Data Literacy“ bedeutet ein grundlegendes kritisches Verständnis von Prozessen der Erhe-bung und Speicherung von Daten, ihrer Verarbeitung, Analyse und Visualisierung sowie eine Reflexion der Konsequenzen zeitgenössischer Datenpraktiken in Alltag, Wissenschaft, Politik und Wirtschaft einschließlich ethischer und rechtlicher Fragen. 2019 wurde die UHH in das Data Literacy Education Netzwerk aufgenommen, das der Stifterverband gemeinsam mit der DATEV-Stiftung Zukunft initiiert hat. Die Maßnahme wird vonseiten des Präsidiums mit Mitteln aus der Förderlinie Exzellenzuniversitäten unterstützt.

Für die Medizinische Fakultät sind zu nennen: Einrichtung und weiterer Ausbau des UKE-Center for Biomedical Artificial Intelligence (bAIome), Einrichtung eines Lehr-stuhls (W3) für Medizininformatik am UKE (Ausschreibung beendet, Berufungskom-mission eingesetzt), Einrichtung eines Lehrstuhls (W3) für eHealth am UKE (Aus-schreibung beendet, Berufungskommission eingesetzt) sowie die Einbindung der zuvor genannten Maßnahmen in Lehre und Weiterbildung zu Digital Health/Data Sci-ence/künstliche Intelligenz.

Die Fakultät für Rechtswissenschaft plant die Einrichtung eines strukturierten Dokto-randenprogramms zum Thema „Recht in der digitalen Transformation“. Die darin angebotenen Veranstaltungen werden für interessierte Studierende geöffnet.

An der Fakultät für Betriebswirtschaft wird zur Förderung von Data Science zum Win-tersemester 2020/2021 ein neuer Schwerpunkt „Business Analytics“ im Masterstudi-engang Betriebswirtschaft eingeführt.

Die Berufungspolitik an der Fakultät für Wirtschafts- und Sozialwissenschaften ist langfristig auf eine weitere Stärkung des Themas Digitalisierung/Datafizierung ange-legt. Aktuell in der Besetzung beziehungsweise zur Ausschreibung geplant sind Pro-fessuren mit Schwerpunkten auf den Gebieten Digitale Sozialwissenschaften (mit Mitteln der BWFG zur Unterstützung des Exzellenzclusters CLICCS), Digitale Wirt-schaftswissenschaften (in Kooperation mit dem ZBW Leibniz-Informationszentrum Wirtschaft) und Digitaler Journalismus. Bereits besetzt sind eine Professur für BWL, insbesondere Digitale Märkte (seit 2013), und eine Professur für Journalistik und Kommunikationswissenschaft, insbesondere digitalisierte Kommunikation und Nach-haltigkeit (seit 2016). Mit dem WiSo-Forschungslabor, das auch für Projekte von Stu-dierenden genutzt werden kann, und dem Projektbüro Angewandte Sozialforschung, das Studierende unter Praxisbedingungen an die Erhebung und Auswertung von Daten heranführt, fördert die Fakultät Data Science in Lehre und Forschung.

Im Übrigen siehe Antwort zu 4.


5

Die HCU plant einen weiteren Ausbau der datengetriebenen Modellbildung, Big-Data-Analyse, Mustererkennung und Modell- und datenbasierten Auswertungen in den ein-zelnen ingenieurwissenschaftlichen Lehrveranstaltungen. Zudem der Anteil der Lehr-formate mit „Maschine Learning“ in den Informatikbereichen der Studienprogramme kontinuierlich gesteigert wird.

Für die TUHH siehe Antwort zu 4. Die TUHH ist zudem an einer Graduiertenschule für Data Science (DASHH, Helmholtz-Graduiertenschule gemeinsam mit dem DESY und anderen Hamburger Hochschulen) beteiligt.

In dem Department Informatik der HAW Hamburg wurde die Professur „Data Science“ zum 1. März 2018 besetzt.

An der HfMT ist ab dem Jahr 2023 geplant, den Aspekt der künstlichen Intelligenz im Sinne eines Transferprojekts stärker in den Fokus zu rücken. Das übergeordnete The-ma soll Kreativitätsforschung sein, mit KI (und damit Data Science) als Teilaspekt.

Die Brand University of Applied Sciences berücksichtigt das Thema Data Science bei der Weiterentwicklung der bestehenden Studiengänge sowie bei der Entwicklung neuer Studiengänge.

An der BLS wird derzeit die Möglichkeit der Aufnahme einer Veranstaltung „Legal Technology und Data Science“ im juristischen Grundstudium untersucht.

An der Northern Business School (NBS) beschäftigt sich das Institut für Operations Research und Statistik (IORS) mit Fragestellungen in diesem Bereich (https://iors.nbs.de/startseite/).

Für die HFH siehe Antwort zu 4.

Die HSBA plant, durch ihr im Jahr 2019 gegründetes SQUARE HSBA Innovation HUB das Thema Data Science durch Vorträge und Weiterbildungsmaßnahmen jeglicher Art zu fördern. Zudem sind diese Themen Teil ihrer Digital Tool Box, welche alle Studie-renden belegen müssen und die zukünftig auch externen Teilnehmern offenstehen wird.

An der HSU wird durch die Teilnahme an der DASHH-Graduiertenschule zusätzliche Lehre im Bereich Data Science angeboten werden können. Im Jahr 2019 hat die HSU eine neue Professur „High Performance Computing“ eingerichtet und besetzt, deren Anfangsausstattung zeitnah durch einen leistungsstärkeren Clusterrechner ersetzt wird. Ab Herbst 2020 soll eine Heisenberg-Professur im Bereich „Critical Data Lite-racy/Data Science“ eingerichtet werden. Ab etwa 2021 soll eine Professur „Data Engi-neering“ mit starkem Bezug zu Data Science eingerichtet werden. Die HSU sondiert zurzeit mit anderen Wissenschaftseinrichtungen Hamburgs die gemeinsame Einfüh-rung eines Masterstudiengangs Statistik/Data Science.

An der KLU ist geplant, weitere Kurse im Bereich Data Science in den Studiengang Management (M.Sc.) zu integrieren.

SOM

MER

SEM

ESTE

R 20

15

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

-st

altu

ngTe

ilneh

mer

-za

hlM

.Sc.

Info

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

ntAd

aptiv

e Sy

stem

sIn

tegr

iert

es S

emin

ar K

now

ledg

e Pr

oces

sing

with

N

eura

l Net

wor

ksM

achi

ne L

earn

ing/

KIJa

38M

.Sc.

Info

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

ntAd

aptiv

e Sy

stem

sIn

tegr

iert

es S

prac

hver

arbe

itung

Mac

hine

Lea

rnin

g/KI

Ja12

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sM

aste

rpro

jekt

Bild

vera

rbei

tung

(Tei

l 1)

Bild

vera

rbei

tung

Ja7

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;N

eben

fach

Info

rmat

ikPr

aktik

um B

ildve

rarb

eitu

ngsp

rakt

ikum

Bild

vera

rbei

tung

Ja17

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;N

eben

fach

Info

rmat

ikPr

aktik

um M

odel

lieru

ng K

ogni

tiver

Sys

tem

eM

achi

ne L

earn

ing/

KIJa

4

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.M

ensc

h-Co

mpu

ter-

Inte

rakt

ion,

B.S

c. W

irtsc

haft

sinfo

rmat

ikPr

ojek

t Neu

ral N

etw

orks

for R

obot

sM

achi

ne L

earn

ing/

KIJa

8

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

ge; N

eben

fach

Info

rmat

ikPr

osem

inar

Aut

onom

nav

igie

rend

e Sy

stem

eM

achi

ne L

earn

ing/

KIJa

20

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

ge; N

eben

fach

Info

rmat

ikPr

osem

inar

Kün

stlic

he In

telli

genz

Mac

hine

Lea

rnin

g/KI

Ja21

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

geSe

min

ar In

form

atio

nsvi

sual

isier

ung

Date

nvisu

alisi

erun

gJa

18

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

nÜ

bung

Dat

a M

inin

gDa

ta M

inin

gJa

97

Uni

vers

ität H

ambu

rg, M

IN F

akul

tät,

FB In

form

atik


6

Anlage 1

M.S

c. In

form

atik

; M.S

c. IT

-Man

agem

ent u

nd -C

onsu

lting

;M

.Sc.

Wirt

scha

ftsin

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c.In

telli

gent

Ada

ptiv

e Sy

stem

s; B

.Sc.

Info

rmat

ik; B

.Sc.

Wirt

scha

ftsin

form

atik

Übu

ngen

zu D

aten

bank

en u

nd

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja13

6

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

nÜ

bung

en D

aten

visu

alisi

erun

g un

d G

PU-

Com

putin

gDa

tenv

isual

isier

ung

Ja26

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Übu

ngen

zu M

asch

inel

les L

erne

nM

achi

ne L

earn

ing/

KIJa

64

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sVo

rlesu

ng B

ildve

rarb

eitu

ng in

der

Fe

rner

kund

ung

Bild

vera

rbei

tung

Ja22

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

nVo

rlesu

ng D

ata

Min

ing

Data

Min

ing

Ja99

M.S

c. In

form

atik

; M.S

c. IT

-Man

agem

ent u

nd -C

onsu

lting

;M

.Sc.

Wirt

scha

ftsin

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c.In

telli

gent

Ada

ptiv

e Sy

stem

s; B

.Sc.

Info

rmat

ik; B

.Sc.

Wirt

scha

ftsin

form

atik

Vorle

sung

Dat

enba

nken

und

In

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngJa

144

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

nVo

rlesu

ng D

aten

visu

alisi

erun

g un

d G

PU-

Com

putin

gDa

tenv

isual

isier

ung

Ja27

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sVo

rlesu

ng F

ortg

esch

ritte

ne M

etho

den

und

Anw

endu

ngen

der

Bild

vera

rbei

tung

Bild

vera

rbei

tung

Ja21

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Vorle

sung

Kno

wle

dge

Proc

essin

g w

ith N

eura

l N

etw

orks

Mac

hine

Lea

rnin

g/KI

Ja37

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Vorle

sung

Mas

chin

elle

s Ler

nen

Mac

hine

Lea

rnin

g/KI

Ja66

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Com

putin

g in

Sci

ence

; B.S

c.M

ensc

h-Co

mpu

ter-

Inte

rakt

ion;

Leh

ram

tsst

udie

ngän

ge;

Neb

enfa

ch In

form

atik

Vorle

sung

Mod

ellie

rung

und

Sim

ulat

ion

orga

nisa

toris

cher

Sys

tem

eSi

mul

atio

nJa

164

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sVo

rlesu

ng S

prac

hver

arbe

itung

Spra

chve

rarb

eitu

ngJa

13

WIN

TERS

EMES

TER

2015

/16


7

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

-st

altu

ngTe

ilneh

mer

-za

hlM

.Sc.

Info

rmat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Inte

grie

rtes

Sem

inar

Bild

vera

rbei

tung

Bild

vera

rbei

tung

Ja7

M.S

c. In

form

atik

; M.S

c. W

irtsc

haft

sinfo

rmat

ik; M

.Sc.

Bioi

nfor

mat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Inte

grie

rtes

Sem

inar

Kno

wle

dge

Proc

essin

gIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja30

M.S

c. In

form

atik

; M.S

c. W

irtsc

haft

sinfo

rmat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Inte

grie

rtes

Sem

inar

Sys

tem

anal

ytisc

he

Mod

ellb

ildun

gsm

etho

den

und

-wer

kzeu

geSi

mul

atio

nJa

13M

.Sc.

Info

rmat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Mas

terp

roje

kt B

ildve

rarb

eitu

ng (T

eil 2

)Bi

ldve

rarb

eitu

ngJa

7B.

Sc. I

nfor

mat

ik; B

.Sc.

Sof

twar

e-Sy

stem

-Ent

wic

klun

g; B

.Sc.

Wirt

scha

ftsin

form

atik

; B.S

c. M

ensc

h-Co

mpu

ter-

Inte

rakt

ion;

Neb

enfa

ch In

form

atik

Prak

tikum

Neu

rona

le N

etze

Mac

hine

Lea

rnin

g/KI

Ja19

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.M

ensc

h-Co

mpu

ter-

Inte

rakt

ion,

B.S

c. W

irtsc

haft

sinfo

rmat

ikPr

ojek

t Ges

chäf

tspr

ozes

smod

ellie

rung

und

Si

mul

atio

nSi

mul

atio

nJa

10

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

ge; N

eben

fach

Info

rmat

ikPr

osem

inar

Kün

stlic

he In

telli

genz

Mac

hine

Lea

rnin

g/KI

Ja19

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sSe

min

ar B

io-In

spire

d Ar

tific

ial I

ntel

ligen

ceM

achi

ne L

earn

ing/

KIJa

45B.

Sc. I

nfor

mat

ik; B

.Sc.

Sof

twar

e-Sy

stem

-Ent

wic

klun

g; B

.Sc.

Wirt

scha

ftsin

form

atik

; B.S

c. M

ensc

h-Co

mpu

ter-

Inte

rakt

ion;

Lehr

amts

stud

ieng

änge

Sem

inar

Dat

abas

e as

a S

ervi

ceIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja23

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

geSe

min

ar M

odel

lieru

ng u

nd S

imul

atio

n vo

n Da

tenn

etze

nSi

mul

atio

nJa

19

M.S

c. In

form

atik

Übu

ng M

ultid

imen

siona

le u

nd m

ultim

odal

e Si

gnal

eSp

rach

vera

rbei

tung

Ja15

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;B.

Sc. C

ompu

ting

in S

cien

ce; N

eben

fach

Info

rmat

ikÜ

bung

en zu

Gru

ndla

gen

der

Wiss

ensv

erar

beitu

ngIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja93

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sVo

rlesu

ng B

ig D

ata

Data

Min

ing

Ja33

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sVo

rlesu

ng B

ildve

rarb

eitu

ng I

Bild

vera

rbei

tung

Ja33

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sVo

rlesu

ng B

io-In

spire

d Ar

tific

ial I

ntel

ligen

ceM

achi

ne L

earn

ing/

KIJa

40


8

M.S

c. In

form

atik

; M.S

c. W

irtsc

haft

sinfo

rmat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Vorle

sung

Sys

tem

anal

ytisc

he

Mod

ellb

ildun

gsm

etho

den

und

-wer

kzeu

geSi

mul

atio

nJa

13

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;B.

Sc. C

ompu

ting

in S

cien

ce; N

eben

fach

Info

rmat

ikVo

rlesu

ng W

issen

sbas

iert

e Sy

stem

eIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja95

M.S

c. In

form

atik

; M.S

c. W

irtsc

haft

sinfo

rmat

ik; M

.Sc.

Bioi

nfor

mat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Vorle

sung

Wiss

ensv

erar

beitu

ngIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja30

SOM

MER

SEM

ESTE

R 20

16

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

-st

altu

ngTe

ilneh

mer

-za

hlM

.Sc.

Info

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

ntAd

aptiv

e Sy

stem

sIn

tegr

iert

es S

emin

ar C

ogni

tive

Com

pute

r Visi

onBi

ldve

rarb

eitu

ngJa

28M

.Sc.

Info

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

ntAd

aptiv

e Sy

stem

sIn

tegr

iert

es S

emin

ar N

eura

l Net

wor

ksM

achi

ne L

earn

ing/

KIJa

56M

.Sc.

Info

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

ntAd

aptiv

e Sy

stem

sIn

tegr

iert

es S

prac

hver

arbe

itung

Mac

hine

Lea

rnin

g/KI

Ja28

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sM

aste

rpro

jekt

Bild

vera

rbei

tung

(Tei

l 1)

Bild

vera

rbei

tung

Ja8

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;N

eben

fach

Info

rmat

ikPr

aktik

um B

ildve

rarb

eitu

ngsp

rakt

ikum

Bild

vera

rbei

tung

Ja17

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.M

ensc

h-Co

mpu

ter-

Inte

rakt

ion,

B.S

c. W

irtsc

haft

sinfo

rmat

ikPr

ojek

t Neu

ral N

etw

orks

for R

obot

sM

achi

ne L

earn

ing/

KIJa

10

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.M

ensc

h-Co

mpu

ter-

Inte

rakt

ion,

B.S

c. W

irtsc

haft

sinfo

rmat

ikPr

ojek

t Sof

twar

eent

wic

klun

g fü

r die

Dig

itale

St

adt

Mac

hine

Lea

rnin

g/KI

Ja14

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

ge; N

eben

fach

Info

rmat

ikPr

osem

inar

Bild

vera

rbei

tung

Bild

vera

rbei

tung

Ja20


9

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

ge; N

eben

fach

Info

rmat

ikPr

osem

inar

Kün

stlic

he In

telli

genz

Mac

hine

Lea

rnin

g/KI

Ja19

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

geSe

min

ar G

eist

esw

issen

scha

ftlic

he A

nwen

dung

en

der B

ildve

rarb

eitu

ngBi

ldve

rarb

eitu

ngJa

13B.

Sc. I

nfor

mat

ik; B

.Sc.

Sof

twar

e-Sy

stem

-Ent

wic

klun

g; B

.Sc.

Wirt

scha

ftsin

form

atik

; B.S

c. M

ensc

h-Co

mpu

ter-

Inte

rakt

ion;

Lehr

amts

stud

ieng

änge

Sem

inar

Spr

acht

echn

olog

ieSp

rach

vera

rbei

tung

Ja5

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

nÜ

bung

Dat

a M

inin

gM

achi

ne L

earn

ing/

KIJa

68

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

nÜ

bung

en D

aten

visu

alisi

erun

g un

d G

PU-

Com

putin

gDa

tenv

isual

isier

ung

Ja22

M.S

c. In

form

atik

; M.S

c. IT

-Man

agem

ent u

nd -C

onsu

lting

;M

.Sc.

Wirt

scha

ftsin

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c.In

telli

gent

Ada

ptiv

e Sy

stem

s; B

.Sc.

Info

rmat

ik; B

.Sc.

Wirt

scha

ftsin

form

atik

Übu

ngen

zu D

aten

bank

en u

nd

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja12

2M

.Sc.

Info

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

ntAd

aptiv

e Sy

stem

sÜ

bung

en zu

Mas

chin

elle

s Ler

nen

Mac

hine

Lea

rnin

g/KI

Ja22

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sVo

rlesu

ng B

ildve

rarb

eitu

ng in

der

Fe

rner

kund

ung

Bild

vera

rbei

tung

Ja14

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Vorle

sung

Cog

nitiv

e Co

mpu

ter V

ision

Bild

vera

rbei

tung

Ja28

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

nVo

rlesu

ng D

ata

Min

ing

Mac

hine

Lea

rnin

g/KI

Ja73

M.S

c. In

form

atik

; M.S

c. IT

-Man

agem

ent u

nd -C

onsu

lting

;M

.Sc.

Wirt

scha

ftsin

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c.In

telli

gent

Ada

ptiv

e Sy

stem

s; B

.Sc.

Info

rmat

ik; B

.Sc.

Wirt

scha

ftsin

form

atik

Vorle

sung

Dat

enba

nken

und

In

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngJa

144


10

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

nVo

rlesu

ng D

aten

visu

alisi

erun

g un

d G

PU-

Com

putin

gDa

tenv

isual

isier

ung

Ja22

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sVo

rlesu

ng In

terd

iszip

linär

e Bi

ldve

rarb

eitu

ng a

m

Beisp

iel d

er M

anus

krip

tfor

schu

ng (B

V 2)

Bild

vera

rbei

tung

Ja13

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Vorle

sung

Mas

chin

elle

s Ler

nen

Mac

hine

Lea

rnin

g/KI

Ja22

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Com

putin

g in

Sci

ence

; B.S

c.M

ensc

h-Co

mpu

ter-

Inte

rakt

ion;

Leh

ram

tsst

udie

ngän

ge;

Neb

enfa

ch In

form

atik

Vorle

sung

Mod

ellie

rung

und

Sim

ulat

ion

orga

nisa

toris

cher

Sys

tem

eSi

mul

atio

nJa

134

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Vorle

sung

Neu

ral N

etw

orks

Mac

hine

Lea

rnin

g/KI

Ja53

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sVo

rlesu

ng S

prac

hver

arbe

itung

Spra

chve

rarb

eitu

ngJa

27

WIN

TERS

EMES

TER

2016

/17

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

-st

altu

ngTe

ilneh

mer

-za

hlM

.Sc.

Info

rmat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Inte

grie

rtes

Sem

inar

Bild

vera

rbei

tung

Bild

vera

rbei

tung

Ja9

M.S

c. In

form

atik

; M.S

c. W

irtsc

haft

sinfo

rmat

ik; M

.Sc.

Bioi

nfor

mat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Inte

grie

rtes

Sem

inar

Kno

wle

dge

Proc

essin

g in

In

telli

gent

Sys

tem

sIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja16

M.S

c. In

form

atik

; M.S

c. W

irtsc

haft

sinfo

rmat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Inte

grie

rtes

Sem

inar

Sys

tem

anal

ytisc

he

Mod

ellb

ildun

gsm

etho

den

und

-wer

kzeu

geSi

mul

atio

nJa

3M

.Sc.

Info

rmat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Mas

terp

roje

kt B

ildve

rarb

eitu

ng (T

eil 2

)Bi

ldve

rarb

eitu

ngJa

9M

.Sc.

Info

rmat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Mas

terp

roje

kt C

ompu

ter V

ision

(Tei

l 1)

Bild

vera

rbei

tung

Ja6

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;N

eben

fach

Info

rmat

ikPr

aktik

um C

ompu

ter V

ision

Mac

hine

Lea

rnin

g/KI

Ja22

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;N

eben

fach

Info

rmat

ikPr

aktik

um N

euro

nale

Net

zeM

achi

ne L

earn

ing/

KIJa

19


11

noch Anlage 1

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

ge; N

eben

fach

Info

rmat

ikPr

osem

inar

Kün

stlic

he In

telli

genz

Mac

hine

Lea

rnin

g/KI

Ja14

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sSe

min

ar B

io-In

spire

d Ar

tific

ial I

ntel

ligen

ceM

achi

ne L

earn

ing/

KIJa

38B.

Sc. I

nfor

mat

ik; B

.Sc.

Sof

twar

e-Sy

stem

-Ent

wic

klun

g; B

.Sc.

Wirt

scha

ftsin

form

atik

; B.S

c. M

ensc

h-Co

mpu

ter-

Inte

rakt

ion;

Lehr

amts

stud

ieng

änge

Sem

inar

Dat

abas

e as

a S

ervi

ceIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja18

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

geSe

min

ar S

imul

atio

n in

Log

istik

und

U

mw

eltin

form

atik

Sim

ulat

ion

Ja8

M.S

c. In

form

atik

Übu

ng M

ultid

imen

siona

le u

nd m

ultim

odal

e Si

gnal

eSp

rach

vera

rbei

tung

Ja11

M.S

c. In

form

atik

Übu

ng N

atür

liche

Spr

achv

erar

beitu

ng u

nd d

as

Web

Spra

chve

rarb

eitu

ngJa

10

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;B.

Sc. C

ompu

ting

in S

cien

ce; N

eben

fach

Info

rmat

ikÜ

bung

en zu

Gru

ndla

gen

der

Wiss

ensv

erar

beitu

ngIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja98

M.S

c. In

form

atik

; M.S

c. IT

-Man

agem

ent u

nd -C

onsu

lting

;M

.Sc.

Wirt

scha

ftsin

form

atik

Übu

ngen

Kno

wle

dge

Wor

k an

d Kn

owle

dge

Man

agem

ent

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngJa

36M

.Sc.

Info

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

ntAd

aptiv

e Sy

stem

sÜ

bung

en zu

Mas

chin

elle

s Ler

nen

Mac

hine

Lea

rnin

g/KI

Ja42

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sÜ

bung

en zu

Spr

achs

igna

lver

arbe

itung

Spra

chve

rarb

eitu

ngJa

4M

.Sc.

Info

rmat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Vorle

sung

Big

Dat

aDa

ta M

inin

gJa

18M

.Sc.

Info

rmat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Vorle

sung

Bild

vera

rbei

tung

IBi

ldve

rarb

eitu

ngJa

50M

.Sc.

Info

rmat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Vorle

sung

Bio

-Insp

ired

Artif

icia

l Int

ellig

ence

Mac

hine

Lea

rnin

g/KI

Ja35

M.S

c. In

form

atik

; M.S

c. W

irtsc

haft

sinfo

rmat

ik; M

.Sc.

Bioi

nfor

mat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Vorle

sung

Kno

wle

dge

Proc

essin

g in

Inte

llige

nt

Syst

ems

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngJa

18M

.Sc.

Info

rmat

ik; M

.Sc.

IT-M

anag

emen

t und

-Con

sulti

ng;

M.S

c. W

irtsc

haft

sinfo

rmat

ikVo

rlesu

ng K

now

ledg

e W

ork

and

Know

ledg

e M

anag

emen

tIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja36

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Vorle

sung

Mas

chin

elle

s Ler

nen

Mac

hine

Lea

rnin

g/KI

Ja43


12

noch Anlage 1

M.S

c. In

form

atik

Vorle

sung

Mul

tidim

ensio

nale

und

mul

timod

ale

Sign

ale

Spra

chve

rarb

eitu

ngJa

16

M.S

c. In

form

atik

Vorle

sung

Nat

ürlic

he S

prac

hver

arbe

itung

und

da

s Web

Spra

chve

rarb

eitu

ngJa

10M

.Sc.

Info

rmat

ik; M

.Sc.

Wirt

scha

ftsin

form

atik

; M.S

c.In

telli

gent

Ada

ptiv

e Sy

stem

sVo

rlesu

ng S

yste

man

alyt

ische

M

odel

lbild

ungs

met

hode

n un

d -w

erkz

euge

Sim

ulat

ion

Ja4

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;B.

Sc. C

ompu

ting

in S

cien

ce; N

eben

fach

Info

rmat

ikVo

rlesu

ng W

issen

sbas

iert

e Sy

stem

eIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja99

SOM

MER

SEM

ESTE

R 20

17

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

-st

altu

ngTe

ilneh

mer

-za

hlM

.Sc.

Info

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

ntAd

aptiv

e Sy

stem

sIn

tegr

iert

es S

emin

ar C

ogni

tive

Com

pute

r Visi

onBi

ldve

rarb

eitu

ngJa

28M

.Sc.

Info

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

ntAd

aptiv

e Sy

stem

sIn

tegr

iert

es S

emin

ar C

ompu

ter V

ision

Bild

vera

rbei

tung

Ja5

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Inte

grie

rtes

Sem

inar

Neu

ral N

etw

orks

Mac

hine

Lea

rnin

g/KI

Ja41

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Inte

grie

rtes

Sem

inar

Spr

acht

echn

olog

ieSp

rach

vera

rbei

tung

Ja6

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Inte

grie

rtes

Sem

inar

Web

Inte

rfac

es fo

r La

ngua

ge P

roce

ssin

g Sy

stem

sSp

rach

vera

rbei

tung

Ja7

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Inte

grie

rtes

Sta

tistic

al M

etho

ds o

f Lan

guag

e Te

chno

logy

Spra

chve

rarb

eitu

ngJa

19M

.Sc.

Info

rmat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Mas

terp

roje

kt C

ompu

ter V

ision

(Tei

l 2)

Bild

vera

rbei

tung

Ja5

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sM

aste

rpro

jekt

Spr

acht

echn

olog

ieSp

rach

vera

rbei

tung

Ja6

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sM

aste

rpro

jekt

Web

Inte

rfac

es fo

r Lan

guag

e Pr

oces

sing

Syst

ems

Spra

chve

rarb

eitu

ngJa

7B.

Sc. I

nfor

mat

ik; B

.Sc.

Sof

twar

e-Sy

stem

-Ent

wic

klun

g; B

.Sc.

Wirt

scha

ftsin

form

atik

; B.S

c. M

ensc

h-Co

mpu

ter-

Inte

rakt

ion;

Neb

enfa

ch In

form

atik

Prak

tikum

Bild

vera

rbei

tung

spra

ktik

umBi

ldve

rarb

eitu

ngJa

33


13

noch Anlage 1

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.M

ensc

h-Co

mpu

ter-

Inte

rakt

ion,

B.S

c. W

irtsc

haft

sinfo

rmat

ikPr

ojek

t Bio

-insp

ired

Robo

tsM

achi

ne L

earn

ing/

KIJa

9

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.M

ensc

h-Co

mpu

ter-

Inte

rakt

ion,

B.S

c. W

irtsc

haft

sinfo

rmat

ikPr

ojek

t Spr

acht

echn

olog

ieSp

rach

vera

rbei

tung

Ja7

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

ge; N

eben

fach

Info

rmat

ikPr

osem

inar

Bild

vera

rbei

tung

Bild

vera

rbei

tung

Ja27

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

ge; N

eben

fach

Info

rmat

ikPr

osem

inar

Dat

a An

alyt

ics

Mac

hine

Lea

rnin

g/KI

Ja20

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

ge; N

eben

fach

Info

rmat

ikPr

osem

inar

Kün

stlic

he In

telli

genz

Mac

hine

Lea

rnin

g/KI

Ja20

Feie

r Wah

lber

eich

uni

wei

tRi

ngvo

rlesu

ng D

ie m

asch

inel

le V

erar

beitu

ng

natü

rlich

er S

prac

heSp

rach

vera

rbei

tung

Ja37

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

geSe

min

ar G

eist

esw

issen

scha

ftlic

he A

nwen

dung

en

der B

ildve

rarb

eitu

ngBi

ldve

rarb

eitu

ngJa

9B.

Sc. I

nfor

mat

ik; B

.Sc.

Sof

twar

e-Sy

stem

-Ent

wic

klun

g; B

.Sc.

Wirt

scha

ftsin

form

atik

; B.S

c. M

ensc

h-Co

mpu

ter-

Inte

rakt

ion;

Lehr

amts

stud

ieng

änge

Sem

inar

Spr

acht

echn

olog

ieSp

rach

vera

rbei

tung

Ja3

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

nÜ

bung

Dat

a M

inin

gM

achi

ne L

earn

ing/

KIJa

90

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

nÜ

bung

en D

aten

visu

alisi

erun

g un

d G

PU-

Com

putin

gDa

tenv

isual

isier

ung

Ja25


14

noch Anlage 1

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;B.

Sc. W

irtsc

haft

sinfo

rmat

ikÜ

bung

Dig

itale

Med

iens

igna

lver

arbe

itung

Spra

chve

rarb

eitu

ngJa

69M

.Sc.

Info

rmat

ik; M

.Sc.

IT-M

anag

emen

t und

-Con

sulti

ng;

M.S

c. W

irtsc

haft

sinfo

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems;

B.S

c. In

form

atik

; B.S

c.W

irtsc

haft

sinfo

rmat

ikÜ

bung

en zu

Dat

enba

nken

und

In

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngJa

112

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Übu

ngen

zu M

asch

inel

les L

erne

nM

achi

ne L

earn

ing/

KIJa

55

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sVo

rlesu

ng B

ildve

rarb

eitu

ng in

der

Fe

rner

kund

ung

Bild

vera

rbei

tung

Ja8

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Vorle

sung

Cog

nitiv

e Co

mpu

ter V

ision

Bild

vera

rbei

tung

Ja28

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

nVo

rlesu

ng D

ata

Min

ing

Mac

hine

Lea

rnin

g/KI

Ja96

M.S

c. In

form

atik

; M.S

c. IT

-Man

agem

ent u

nd -C

onsu

lting

;M

.Sc.

Wirt

scha

ftsin

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c.In

telli

gent

Ada

ptiv

e Sy

stem

s; B

.Sc.

Info

rmat

ik; B

.Sc.

Wirt

scha

ftsin

form

atik

Vorle

sung

Dat

enba

nken

und

In

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngJa

138

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

nVo

rlesu

ng D

aten

visu

alisi

erun

g un

d G

PU-

Com

putin

gDa

tenv

isual

isier

ung

Ja25

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;B.

Sc. W

irtsc

haft

sinfo

rmat

ikVo

rlesu

ng D

igita

le M

edie

nsig

nalv

erar

beitu

ngSp

rach

vera

rbei

tung

Ja69

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sVo

rlesu

ng In

terd

iszip

linär

e Bi

ldve

rarb

eitu

ng a

m

Beisp

iel d

er M

anus

krip

tfor

schu

ng (B

V 2)

Bild

vera

rbei

tung

Ja8

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Vorle

sung

Mas

chin

elle

s Ler

nen

Mac

hine

Lea

rnin

g/KI

Ja55

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Com

putin

g in

Sci

ence

; B.S

c.M

ensc

h-Co

mpu

ter-

Inte

rakt

ion;

Leh

ram

tsst

udie

ngän

ge;

Neb

enfa

ch In

form

atik

Vorle

sung

/Übu

ng M

odel

lieru

ng u

nd S

imul

atio

n or

gani

sato

risch

er S

yste

me

Sim

ulat

ion

Ja13

8


15

noch Anlage 1

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Vorle

sung

Neu

ral N

etw

orks

Mac

hine

Lea

rnin

g/KI

Ja40

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sVo

rlesu

ng S

tatis

tical

Met

hods

of L

angu

age

Tech

nolo

gySp

rach

vera

rbei

tung

Ja19

WIN

TERS

EMES

TER

2017

/18

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

-st

altu

ngTe

ilneh

mer

-za

hlM

.Sc.

Info

rmat

ik; M

.Sc.

IT-M

anag

emen

t und

-Con

sulti

ng;

M.S

c. W

irtsc

haft

sinfo

rmat

ikDe

ep L

earn

ing

for L

angu

age

and

Spee

chSp

rach

vera

rbei

tung

Ja16

M.S

c. In

form

atik

; M.S

c. W

irtsc

haft

sinfo

rmat

ik; M

.Sc.

Bioi

nfor

mat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Inte

grie

rtes

Sem

inar

Kno

wle

dge

Proc

essin

g in

In

telli

gent

Sys

tem

sIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja25

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sM

aste

rpro

jekt

Com

pute

r Visi

on (T

eil 1

)Bi

ldve

rarb

eitu

ngJa

4

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;N

eben

fach

Info

rmat

ikPr

aktik

um C

ompu

ter V

ision

Mac

hine

Lea

rnin

g/KI

Ja22

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;N

eben

fach

Info

rmat

ikPr

aktik

um N

euro

nale

Net

zeM

achi

ne L

earn

ing/

KIJa

21B.

Sc. I

nfor

mat

ik; B

.Sc.

Sof

twar

e-Sy

stem

-Ent

wic

klun

g; B

.Sc.

Wirt

scha

ftsin

form

atik

; B.S

c. M

ensc

h-Co

mpu

ter-

Inte

rakt

ion;

Neb

enfa

ch In

form

atik

Prak

tikum

Spr

acht

echn

olog

ieM

achi

ne L

earn

ing/

KIJa

15

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.M

ensc

h-Co

mpu

ter-

Inte

rakt

ion,

B.S

c. W

irtsc

haft

sinfo

rmat

ikPr

ojek

t Big

Dat

aDa

ta M

inin

gJa

23

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.M

ensc

h-Co

mpu

ter-

Inte

rakt

ion,

B.S

c. W

irtsc

haft

sinfo

rmat

ikPr

ojek

t Sof

twar

eent

wic

klun

g fü

r die

Dig

itale

St

adt

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngJa

12

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

ge; N

eben

fach

Info

rmat

ikPr

osem

inar

Bild

vera

rbei

tung

Bild

vera

rbei

tung

Ja20


16

noch Anlage 1

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

ge; N

eben

fach

Info

rmat

ikPr

osem

inar

Kün

stlic

he In

telli

genz

Mac

hine

Lea

rnin

g/KI

Ja7

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

geSe

min

ar A

ktue

lle T

hem

en d

er

Audi

osig

nalv

erar

beitu

ngSp

rach

vera

rbei

tung

Ja12

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sSe

min

ar B

io-In

spire

d Ar

tific

ial I

ntel

ligen

ceM

achi

ne L

earn

ing/

KIJa

55B.

Sc. I

nfor

mat

ik; B

.Sc.

Sof

twar

e-Sy

stem

-Ent

wic

klun

g; B

.Sc.

Wirt

scha

ftsin

form

atik

; B.S

c. M

ensc

h-Co

mpu

ter-

Inte

rakt

ion;

Lehr

amts

stud

ieng

änge

Sem

inar

Com

pute

r Visi

onIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja14

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

geSe

min

ar N

eues

te T

rend

s in

Big

Data

Ana

lytic

sDa

ta M

inin

gJa

17

M.S

c. In

form

atik

Übu

ng M

ultid

imen

siona

le u

nd m

ultim

odal

e Si

gnal

eSp

rach

vera

rbei

tung

Ja16

M.S

c. In

form

atik

Übu

ng N

atür

liche

Spr

achv

erar

beitu

ng u

nd d

as

Web

Spra

chve

rarb

eitu

ngJa

30

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;B.

Sc. C

ompu

ting

in S

cien

ce; N

eben

fach

Info

rmat

ikÜ

bung

en zu

Gru

ndla

gen

der

Wiss

ensv

erar

beitu

ngIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja13

7M

.Sc.

Info

rmat

ik; M

.Sc.

IT-M

anag

emen

t und

-Con

sulti

ng;

M.S

c. W

irtsc

haft

sinfo

rmat

ikÜ

bung

en K

now

ledg

e W

ork

and

Know

ledg

e M

anag

emen

tIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja35

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sÜ

bung

en zu

Bild

vera

rbei

tung

IBi

ldve

rarb

eitu

ngJa

42M

.Sc.

Info

rmat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Übu

ngen

zu S

prac

hsig

nalv

erar

beitu

ngSp

rach

vera

rbei

tung

Ja7

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sVo

rlesu

ng B

ig D

ata

Data

Min

ing

Ja20

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sVo

rlesu

ng B

ildve

rarb

eitu

ng I

Bild

vera

rbei

tung

Ja42

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sVo

rlesu

ng B

io-In

spire

d Ar

tific

ial I

ntel

ligen

ceM

achi

ne L

earn

ing/

KIJa

58

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;B.

Sc. C

ompu

ting

in S

cien

ce; N

eben

fach

Info

rmat

ikVo

rlesu

ng G

rund

lage

n de

r Wiss

ensv

erar

beitu

ngIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja13

7


17

noch Anlage 1

M.S

c. In

form

atik

; M.S

c. W

irtsc

haft

sinfo

rmat

ik; M

.Sc.

Bioi

nfor

mat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Vorle

sung

Kno

wle

dge

Proc

essin

g in

Inte

llige

nt

Syst

ems

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngJa

26M

.Sc.

Info

rmat

ik; M

.Sc.

IT-M

anag

emen

t und

-Con

sulti

ng;

M.S

c. W

irtsc

haft

sinfo

rmat

ikVo

rlesu

ng K

now

ledg

e W

ork

and

Know

ledg

e M

anag

emen

tIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja35

M.S

c. In

form

atik

Vorle

sung

Mul

tidim

ensio

nale

und

mul

timod

ale

Sign

ale

Spra

chve

rarb

eitu

ngJa

18

M.S

c. In

form

atik

Vorle

sung

Nat

ürlic

he S

prac

hver

arbe

itung

und

da

s Web

Spra

chve

rarb

eitu

ngJa

32M

.Sc.

Info

rmat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Vorle

sung

Spr

achs

igna

lver

arbe

itung

Spra

chve

rarb

eitu

ngJa

7

SOM

MER

SEM

ESTE

R 20

18

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

-st

altu

ngTe

ilneh

mer

-za

hlM

.Sc.

Info

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

ntAd

aptiv

e Sy

stem

sIn

tegr

iert

es S

emin

ar C

ogni

tive

Com

pute

r Visi

onBi

ldve

rarb

eitu

ngJa

28M

.Sc.

Info

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

ntAd

aptiv

e Sy

stem

sIn

tegr

iert

es S

emin

ar C

ompu

ter V

ision

Bild

vera

rbei

tung

Ja4

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Inte

grie

rtes

Sem

inar

Neu

ral N

etw

orks

Mac

hine

Lea

rnin

g/KI

Ja57

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Inte

grie

rtes

Sem

inar

Sha

red

Task

s für

die

Sp

rach

vera

rbei

tung

Spra

chve

rarb

eitu

ngJa

7M

.Sc.

Info

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

ntAd

aptiv

e Sy

stem

sIn

tegr

iert

es S

emin

ar W

eb In

terf

aces

for

Lang

uage

Pro

cess

ing

Syst

ems

Spra

chve

rarb

eitu

ngJa

7M

.Sc.

Info

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

ntAd

aptiv

e Sy

stem

sM

aste

rpro

jekt

Com

pute

r Visi

on (T

eil 1

)Bi

ldve

rarb

eitu

ngJa

4

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sM

aste

rpro

jekt

Sha

red

Task

s für

die

Sp

rach

vera

rbei

tung

Spra

chve

rarb

eitu

ngJa

7

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sM

aste

rpro

jekt

Web

Inte

rfac

es fo

r Lan

guag

e Pr

oces

sing

Syst

ems

Spra

chve

rarb

eitu

ngJa

7

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.M

ensc

h-Co

mpu

ter-

Inte

rakt

ion

Met

hode

nkom

pete

nz M

atla

b - a

pro

gram

min

g la

ngua

ge fo

r dat

a vi

sual

izatio

n, c

ompu

ter v

ision

an

d m

ore

Date

nvisu

alisi

erun

gJa

19


18

noch Anlage 1

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;N

eben

fach

Info

rmat

ikPr

aktik

um C

ompu

ter V

ision

Bild

vera

rbei

tung

Ja41

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.M

ensc

h-Co

mpu

ter-

Inte

rakt

ion,

B.S

c. W

irtsc

haft

sinfo

rmat

ik

Prak

tikum

Info

rmat

ik im

Kon

text

mit

Geo

grap

hisc

hen

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngn

(GIS

)In

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja20

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.M

ensc

h-Co

mpu

ter-

Inte

rakt

ion,

B.S

c. W

irtsc

haft

sinfo

rmat

ikPr

ojek

t Sha

red

Task

s für

die

Spr

achv

erar

beitu

ngSp

rach

vera

rbei

tung

Ja6

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

ge; N

eben

fach

Info

rmat

ikPr

osem

inar

Bild

vera

rbei

tung

Bild

vera

rbei

tung

Ja18

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

ge; N

eben

fach

Info

rmat

ikPr

osem

inar

Dat

a An

alyt

ics

Mac

hine

Lea

rnin

g/KI

Ja21

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

ge; N

eben

fach

Info

rmat

ikPr

osem

inar

Kün

stlic

he In

telli

genz

Mac

hine

Lea

rnin

g/KI

Ja20

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

geSe

min

ar G

eist

esw

issen

scha

ftlic

he A

nwen

dung

en

der B

ildve

rarb

eitu

ngBi

ldve

rarb

eitu

ngJa

9B.

Sc. I

nfor

mat

ik; B

.Sc.

Sof

twar

e-Sy

stem

-Ent

wic

klun

g; B

.Sc.

Wirt

scha

ftsin

form

atik

; B.S

c. M

ensc

h-Co

mpu

ter-

Inte

rakt

ion;

Lehr

amts

stud

ieng

änge

Sem

inar

Sha

red

Task

s für

die

Sp

rach

vera

rbei

tung

Spra

chve

rarb

eitu

ngJa

2

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

geSe

min

ar T

ext M

inin

gSp

rach

vera

rbei

tung

Ja18

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

nÜ

bung

Dat

a M

inin

gM

achi

ne L

earn

ing/

KIJa

81


19

noch Anlage 1

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

nÜ

bung

en D

aten

visu

alisi

erun

g un

d G

PU-

Com

putin

gDa

tenv

isual

isier

ung

Ja24

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;B.

Sc. W

irtsc

haft

sinfo

rmat

ikÜ

bung

Dig

itale

Med

iens

igna

lver

arbe

itung

Spra

chve

rarb

eitu

ngJa

58M

.Sc.

Info

rmat

ik; M

.Sc.

IT-M

anag

emen

t und

-Con

sulti

ng;

M.S

c. W

irtsc

haft

sinfo

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems;

B.S

c. In

form

atik

; B.S

c.W

irtsc

haft

sinfo

rmat

ikÜ

bung

en zu

Dat

enba

nken

und

In

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngJa

135

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Übu

ngen

zu M

asch

inel

les L

erne

nM

achi

ne L

earn

ing/

KIJa

84M

.Sc.

Info

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

ntAd

aptiv

e Sy

stem

sÜ

bung

en zu

Spr

achs

igna

lver

arbe

itung

Mac

hine

Lea

rnin

g/KI

Ja12

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Übu

ngen

zu S

tatis

tical

Met

hods

of L

angu

age

Tech

nolo

gyM

achi

ne L

earn

ing/

KIJa

23M

.Sc.

Info

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

ntAd

aptiv

e Sy

stem

sVo

rlesu

ng C

ogni

tive

Com

pute

r Visi

onBi

ldve

rarb

eitu

ngJa

29

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

nVo

rlesu

ng D

ata

Min

ing

Mac

hine

Lea

rnin

g/KI

Ja85

M.S

c. In

form

atik

; M.S

c. IT

-Man

agem

ent u

nd -C

onsu

lting

;M

.Sc.

Wirt

scha

ftsin

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c.In

telli

gent

Ada

ptiv

e Sy

stem

s; B

.Sc.

Info

rmat

ik; B

.Sc.

Wirt

scha

ftsin

form

atik

Vorle

sung

Dat

enba

nken

und

In

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngJa

154

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

nVo

rlesu

ng D

aten

visu

alisi

erun

g un

d G

PU-

Com

putin

gDa

tenv

isual

isier

ung

Ja24

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;B.

Sc. W

irtsc

haft

sinfo

rmat

ikVo

rlesu

ng D

igita

le M

edie

nsig

nalv

erar

beitu

ngSp

rach

vera

rbei

tung

Ja57

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Vorle

sung

Mas

chin

elle

s Ler

nen

Mac

hine

Lea

rnin

g/KI

Ja86


20

noch Anlage 1

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Com

putin

g in

Sci

ence

; B.S

c.M

ensc

h-Co

mpu

ter-

Inte

rakt

ion;

Leh

ram

tsst

udie

ngän

ge;

Neb

enfa

ch In

form

atik

Vorle

sung

/Übu

ng M

odel

lieru

ng u

nd S

imul

atio

n or

gani

sato

risch

er S

yste

me

Sim

ulat

ion

Ja13

1M

.Sc.

Info

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

ntAd

aptiv

e Sy

stem

sVo

rlesu

ng N

eura

l Net

wor

ksM

achi

ne L

earn

ing/

KIJa

58M

.Sc.

Info

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

ntAd

aptiv

e Sy

stem

sVo

rlesu

ng S

prac

hsig

nalv

erar

beitu

ngM

achi

ne L

earn

ing/

KIJa

12

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sVo

rlesu

ng S

tatis

tical

Met

hods

of L

angu

age

Tech

nolo

gySp

rach

vera

rbei

tung

Ja25

WIN

TERS

EMES

TER

2018

/19

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

-st

altu

ngTe

ilneh

mer

-za

hlM

.Sc.

Info

rmat

ik; M

.Sc.

IT-M

anag

emen

t und

-Con

sulti

ng;

M.S

c. W

irtsc

haft

sinfo

rmat

ikDe

ep L

earn

ing

for L

angu

age

and

Spee

chSp

rach

vera

rbei

tung

Ja19

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sM

aste

rpro

jekt

Com

pute

r Visi

on (T

eil 1

)Bi

ldve

rarb

eitu

ngJa

6

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.M

ensc

h-Co

mpu

ter-

Inte

rakt

ion,

B.S

c. W

irtsc

haft

sinfo

rmat

ik

Prak

tikum

Info

rmat

ik im

Kon

text

mit

Geo

grap

hisc

hen

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngn

(GIS

)In

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja17

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.M

ensc

h-Co

mpu

ter-

Inte

rakt

ion,

B.S

c. W

irtsc

haft

sinfo

rmat

ikPr

ojek

t Sof

twar

eent

wic

klun

g fü

r die

Dig

itale

St

adt

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngJa

17

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

ge; N

eben

fach

Info

rmat

ikPr

osem

inar

Kün

stlic

he In

telli

genz

Mac

hine

Lea

rnin

g/KI

Ja23

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

geSe

min

ar A

ktue

lle T

hem

en d

er

Audi

osig

nalv

erar

beitu

ngSp

rach

vera

rbei

tung

Ja19

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sSe

min

ar B

io-In

spire

d Ar

tific

ial I

ntel

ligen

ceM

achi

ne L

earn

ing/

KIJa

46


21

noch Anlage 1

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

geSe

min

ar D

ie D

igita

lisie

rung

und

Big

Dat

a ve

rste

hen

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngJa

17M

.Sc.

Info

rmat

ik; M

.Sc.

Wirt

scha

ftsin

form

atik

; M.S

c.Bi

oinf

orm

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sSe

min

ar K

now

ledg

e Pr

oces

sing

in In

telli

gent

Sy

stem

sIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja40

M.S

c. In

form

atik

; M.S

c. IT

-Man

agem

ent u

nd -C

onsu

lting

;M

.Sc.

Wirt

scha

ftsin

form

atik

Smar

t Citi

es &

Urb

an D

ata

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngJa

18

M.S

c. In

form

atik

Übu

ng M

ultid

imen

siona

le u

nd m

ultim

odal

e Si

gnal

eSp

rach

vera

rbei

tung

Ja33

M.S

c. In

form

atik

Übu

ng N

atür

liche

Spr

achv

erar

beitu

ng u

nd d

as

Web

Spra

chve

rarb

eitu

ngJa

37M

.Sc.

Info

rmat

ik; M

.Sc.

IT-M

anag

emen

t und

-Con

sulti

ng;

M.S

c. W

irtsc

haft

sinfo

rmat

ikÜ

bung

en K

now

ledg

e W

ork

and

Know

ledg

e M

anag

emen

tIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja41

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sÜ

bung

en zu

Com

pute

r Visi

on I

Bild

vera

rbei

tung

Ja49

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;B.

Sc. C

ompu

ting

in S

cien

ce; N

eben

fach

Info

rmat

ikÜ

bung

en zu

Gru

ndla

gen

der

Wiss

ensv

erar

beitu

ngIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja12

8M

.Sc.

Info

rmat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Vorle

sung

Bio

-Insp

ired

Artif

icia

l Int

ellig

ence

Mac

hine

Lea

rnin

g/KI

Ja51

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sVo

rlesu

ng C

ompu

ter V

ision

IBi

ldve

rarb

eitu

ngJa

50

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;B.

Sc. C

ompu

ting

in S

cien

ce; N

eben

fach

Info

rmat

ikVo

rlesu

ng G

rund

lage

n de

r Wiss

ensv

erar

beitu

ngIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja13

0M

.Sc.

Info

rmat

ik; M

.Sc.

Wirt

scha

ftsin

form

atik

; M.S

c.Bi

oinf

orm

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sVo

rlesu

ng K

now

ledg

e Pr

oces

sing

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngJa

40M

.Sc.

Info

rmat

ik; M

.Sc.

IT-M

anag

emen

t und

-Con

sulti

ng;

M.S

c. W

irtsc

haft

sinfo

rmat

ikVo

rlesu

ng K

now

ledg

e W

ork

and

Know

ledg

e M

anag

emen

tIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja41

M.S

c. In

form

atik

Vorle

sung

Mul

tidim

ensio

nale

und

mul

timod

ale

Sign

ale

Spra

chve

rarb

eitu

ngJa

37

M.S

c. In

form

atik

Vorle

sung

Nat

ürlic

he S

prac

hver

arbe

itung

und

da

s Web

Spra

chve

rarb

eitu

ngJa

38

SOM

MER

SEM

ESTE

R 20

19


22

noch Anlage 1

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

-st

altu

ngTe

ilneh

mer

-za

hlM

.Sc.

Info

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

ntAd

aptiv

e Sy

stem

sIn

tegr

iert

es S

emin

ar Ä

hnlic

hkei

tssu

che

in

Mul

timed

ia-D

aten

Bild

vera

rbei

tung

Ja10

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Inte

grie

rtes

Sem

inar

Com

pute

r Visi

onBi

ldve

rarb

eitu

ngJa

6M

.Sc.

Info

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

ntAd

aptiv

e Sy

stem

sIn

tegr

iert

es S

emin

ar W

eb In

terf

aces

for

Lang

uage

Pro

cess

ing

Syst

ems

Spra

chve

rarb

eitu

ngJa

8

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sM

aste

rpro

jekt

Ähn

lichk

eits

such

e in

Mul

timed

ia-

Date

nBi

ldve

rarb

eitu

ngJa

10M

.Sc.

Info

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

ntAd

aptiv

e Sy

stem

sM

aste

rpro

jekt

Com

pute

r Visi

on (T

eil 2

)Bi

ldve

rarb

eitu

ngJa

6

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sM

aste

rpro

jekt

Sm

art S

igna

l Pro

cess

ing

for

Mul

timed

ia (T

eil 1

)Sp

rach

vera

rbei

tung

Ja9

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sM

aste

rpro

jekt

Web

Inte

rfac

es fo

r Lan

guag

e Pr

oces

sing

Syst

ems

Spra

chve

rarb

eitu

ngJa

8B.

Sc. I

nfor

mat

ik; B

.Sc.

Sof

twar

e-Sy

stem

-Ent

wic

klun

g; B

.Sc.

Wirt

scha

ftsin

form

atik

; B.S

c. M

ensc

h-Co

mpu

ter-

Inte

rakt

ion;

Neb

enfa

ch In

form

atik

Prak

tikum

Com

pute

r Visi

onBi

ldve

rarb

eitu

ngJa

40

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.M

ensc

h-Co

mpu

ter-

Inte

rakt

ion,

B.S

c. W

irtsc

haft

sinfo

rmat

ikPr

ojek

t Kog

nitiv

e Ro

botik

Mac

hine

Lea

rnin

g/KI

Ja6

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

ge; N

eben

fach

Info

rmat

ikPr

osem

inar

Bild

vera

rbei

tung

Bild

vera

rbei

tung

Ja20

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

ge; N

eben

fach

Info

rmat

ikPr

osem

inar

Ver

arbe

itung

ges

proc

hene

r Spr

ache

Spra

chve

rarb

eitu

ngJa

20

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

geSe

min

ar C

ompu

ter V

ision

IIBi

ldve

rarb

eitu

ngJa

33


23

noch Anlage 1

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

geSe

min

ar D

ie D

igita

lisie

rung

und

Big

Dat

a ve

rste

hen

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngJa

18

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

geSe

min

ar G

eist

esw

issen

scha

ftlic

he A

nwen

dung

en

der B

ildve

rarb

eitu

ngBi

ldve

rarb

eitu

ngJa

5M

.Sc.

Info

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

ntAd

aptiv

e Sy

stem

sSe

min

ar N

eura

l Net

wor

ksM

achi

ne L

earn

ing/

KIJa

58

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

geSe

min

ar T

ext M

inin

gSp

rach

vera

rbei

tung

Ja11

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

nÜ

bung

Dat

a M

inin

gM

achi

ne L

earn

ing/

KIJa

96

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;B.

Sc. W

irtsc

haft

sinfo

rmat

ikÜ

bung

Dig

itale

Med

iens

igna

lver

arbe

itung

Spra

chve

rarb

eitu

ngJa

53

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

nÜ

bung

en D

aten

visu

alisi

erun

g un

d G

PU-

Com

putin

gDa

tenv

isual

isier

ung

Ja24

M.S

c. In

form

atik

; M.S

c. IT

-Man

agem

ent u

nd -C

onsu

lting

;M

.Sc.

Wirt

scha

ftsin

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c.In

telli

gent

Ada

ptiv

e Sy

stem

s; B

.Sc.

Info

rmat

ik; B

.Sc.

Wirt

scha

ftsin

form

atik

Übu

ngen

zu D

aten

bank

en u

nd

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja11

8M

.Sc.

Info

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

ntAd

aptiv

e Sy

stem

sÜ

bung

en zu

Mas

chin

elle

s Ler

nen

Mac

hine

Lea

rnin

g/KI

Ja64

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Übu

ngen

zu S

prac

hsig

nalv

erar

beitu

ngM

achi

ne L

earn

ing/

KIJa

20M

.Sc.

Info

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

ntAd

aptiv

e Sy

stem

sÜ

bung

en zu

Sta

tistic

al M

etho

ds o

f Lan

guag

e Te

chno

logy

Mac

hine

Lea

rnin

g/KI

Ja38

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Vorle

sung

Com

pute

r Visi

on II

Bild

vera

rbei

tung

Ja35


24

noch Anlage 1

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

nVo

rlesu

ng D

ata

Min

ing

Mac

hine

Lea

rnin

g/KI

Ja10

2M

.Sc.

Info

rmat

ik; M

.Sc.

IT-M

anag

emen

t und

-Con

sulti

ng;

M.S

c. W

irtsc

haft

sinfo

rmat

ik; M

.Sc.

Bio

info

rmat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems;

B.S

c. In

form

atik

; B.S

c.W

irtsc

haft

sinfo

rmat

ikVo

rlesu

ng D

aten

bank

en u

nd

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja13

1

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

nVo

rlesu

ng D

aten

visu

alisi

erun

g un

d G

PU-

Com

putin

gDa

tenv

isual

isier

ung

Ja26

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.Co

mpu

ting

in S

cien

ce; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;B.

Sc. W

irtsc

haft

sinfo

rmat

ikVo

rlesu

ng D

igita

le M

edie

nsig

nalv

erar

beitu

ngSp

rach

vera

rbei

tung

Ja53

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Vorle

sung

Mas

chin

elle

s Ler

nen

Mac

hine

Lea

rnin

g/KI

Ja68

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Vorle

sung

Neu

ral N

etw

orks

Mac

hine

Lea

rnin

g/KI

Ja62

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Vorle

sung

Spr

achs

igna

lver

arbe

itung

Mac

hine

Lea

rnin

g/KI

Ja21

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sVo

rlesu

ng S

tatis

tical

Met

hods

of L

angu

age

Tech

nolo

gySp

rach

vera

rbei

tung

Ja39

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Com

putin

g in

Sci

ence

; B.S

c.M

ensc

h-Co

mpu

ter-

Inte

rakt

ion;

Leh

ram

tsst

udie

ngän

ge;

Neb

enfa

ch In

form

atik

Vorle

sung

/Übu

ng M

odel

lieru

ng u

nd S

imul

atio

n or

gani

sato

risch

er S

yste

me

Sim

ulat

ion

Ja14

5

WIN

TERS

EMES

TER

2019

/20

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

-st

altu

ngTe

ilneh

mer

-za

hlM

.Sc.

Info

rmat

ik; M

.Sc.

IT-M

anag

emen

t und

-Con

sulti

ng;

M.S

c. W

irtsc

haft

sinfo

rmat

ikDe

ep L

earn

ing

for L

angu

age

and

Spee

chSp

rach

vera

rbei

tung

Ja16

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Inte

grie

rtes

Sem

inar

Sm

art C

ities

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngJa

14


25

noch Anlage 1

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Inte

grie

rtes

Sem

inar

Sm

art S

igna

l Pro

cess

ing

for

Mul

timed

iaSp

rach

vera

rbei

tung

Ja8

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sM

aste

rpro

jekt

Sm

art C

ities

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngJa

14

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sM

aste

rpro

jekt

Sm

art S

igna

l Pro

cess

ing

for

Mul

timed

ia (T

eil 2

)Sp

rach

vera

rbei

tung

Ja8

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.M

ensc

h-Co

mpu

ter-

Inte

rakt

ion,

B.S

c. W

irtsc

haft

sinfo

rmat

ikPr

ojek

t Sof

twar

eent

wic

klun

g fü

r die

Dig

itale

St

adt

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngJa

15

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

ge; N

eben

fach

Info

rmat

ikPr

osem

inar

Wel

tmac

ht V

erei

nigt

e Da

ten

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngJa

17B.

Sc. I

nfor

mat

ik; B

.Sc.

Sof

twar

e-Sy

stem

-Ent

wic

klun

g; B

.Sc.

Wirt

scha

ftsin

form

atik

; B.S

c. M

ensc

h-Co

mpu

ter-

Inte

rakt

ion;

Lehr

amts

stud

ieng

änge

Sem

inar

Akt

uelle

The

men

der

Au

dios

igna

lver

arbe

itung

Spra

chve

rarb

eitu

ngJa

13M

.Sc.

Info

rmat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Sem

inar

Bio

-Insp

ired

Artif

icia

l Int

ellig

ence

Mac

hine

Lea

rnin

g/KI

Ja36

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

geSe

min

ar D

atab

ase

as a

Ser

vice

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngJa

12M

.Sc.

Info

rmat

ik; M

.Sc.

Wirt

scha

ftsin

form

atik

; M.S

c.Bi

oinf

orm

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sSe

min

ar K

now

ledg

e Pr

oces

sing

in In

telli

gent

Sy

stem

sIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja25

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;Le

hram

tsst

udie

ngän

geSe

min

ar M

asch

inel

les L

erne

n fü

r Men

sch-

Robo

ter-

Inte

rakt

ion

Mac

hine

Lea

rnin

g/KI

Ja19

M.S

c. In

form

atik

Übu

ng M

ultid

imen

siona

le u

nd m

ultim

odal

e Si

gnal

eSp

rach

vera

rbei

tung

Ja32

M.S

c. In

form

atik

Übu

ng N

atür

liche

Spr

achv

erar

beitu

ng u

nd d

as

Web

Spra

chve

rarb

eitu

ngJa

35M

.Sc.

Info

rmat

ik; M

.Sc.

IT-M

anag

emen

t und

-Con

sulti

ng;

M.S

c. W

irtsc

haft

sinfo

rmat

ikÜ

bung

en K

now

ledg

e W

ork

and

Know

ledg

e M

anag

emen

tIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja41

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sÜ

bung

en zu

Com

pute

r Visi

on I

Bild

vera

rbei

tung

Ja45


26

noch Anlage 1

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;B.

Sc. C

ompu

ting

in S

cien

ce; N

eben

fach

Info

rmat

ikÜ

bung

en zu

Gru

ndla

gen

der

Wiss

ensv

erar

beitu

ngIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja65

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Übu

ngen

zu M

asch

inel

les L

erne

nM

achi

ne L

earn

ing/

KIJa

83M

.Sc.

Info

rmat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Vorle

sung

Bio

-Insp

ired

Artif

icia

l Int

ellig

ence

Mac

hine

Lea

rnin

g/KI

Ja37

M.S

c. In

form

atik

; M.S

c. In

telli

gent

Ada

ptiv

e Sy

stem

sVo

rlesu

ng C

ompu

ter V

ision

IBi

ldve

rarb

eitu

ngJa

44

B.Sc

. Inf

orm

atik

; B.S

c. S

oftw

are-

Syst

em-E

ntw

ickl

ung;

B.S

c.W

irtsc

haft

sinfo

rmat

ik; B

.Sc.

Men

sch-

Com

pute

r-In

tera

ktio

n;B.

Sc. C

ompu

ting

in S

cien

ce; N

eben

fach

Info

rmat

ikVo

rlesu

ng G

rund

lage

n de

r Wiss

ensv

erar

beitu

ngIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja71

M.S

c. In

form

atik

; M.S

c. W

irtsc

haft

sinfo

rmat

ik; M

.Sc.

Bioi

nfor

mat

ik; M

.Sc.

Inte

llige

nt A

dapt

ive

Syst

ems

Vorle

sung

Kno

wle

dge

Proc

essin

g in

Inte

llige

nt

Syst

ems

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngJa

28M

.Sc.

Info

rmat

ik; M

.Sc.

IT-M

anag

emen

t und

-Con

sulti

ng;

M.S

c. W

irtsc

haft

sinfo

rmat

ikVo

rlesu

ng K

now

ledg

e W

ork

and

Know

ledg

e M

anag

emen

tIn

form

atio

nssy

stem

e/W

issen

sver

arbe

itung

Ja42

M.S

c. In

form

atik

; M.S

c. B

ioin

form

atik

; M.S

c. In

telli

gent

Adap

tive

Syst

ems

Vorle

sung

Mas

chin

elle

s Ler

nen

Mac

hine

Lea

rnin

g/KI

Ja86

M.S

c. In

form

atik

Vorle

sung

Mul

tidim

ensio

nale

und

mul

timod

ale

Sign

ale

Spra

chve

rarb

eitu

ngJa

38

M.S

c. In

form

atik

Vorle

sung

Nat

ürlic

he S

prac

hver

arbe

itung

und

da

s Web

Spra

chve

rarb

eitu

ngJa

35

M.S

c. In

form

atik

; M.S

c. IT

-Man

agem

ent u

nd -C

onsu

lting

;M

.Sc.

Wirt

scha

ftsin

form

atik

Wen

n M

asch

inen

Men

sche

n be

wer

ten:

Übe

r die

Ch

ance

n un

d Ri

siken

aut

omat

isier

ter

Ents

chei

dung

sfin

dung

Info

rmat

ions

syst

eme/

Wiss

ensv

erar

beitu

ngJa

6


27

noch Anlage 1

UHH

- Fa

kultä

t für

Psy

chol

ogie

und

Bew

egun

gsw

isse

nsch

aft

SOM

MER

SEM

ESTE

R 20

15

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

-st

altu

ngTe

ilneh

mer

-za

hl

Psyc

holo

gie

B.Sc

.Vo

rlesu

ng: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

0

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n I,

A: S

tatis

tisch

es

Argu

men

tiere

nSt

atist

ische

s Arg

umen

tiere

nJa

25

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n I,

B: E

infü

hrun

g in

di

e Ko

varia

nzst

rukt

uran

alys

eKo

varia

nzst

rukt

uran

alys

eJa

25

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n I,

C:

Wah

rsch

einl

ichk

eits

theo

rieW

ahrs

chei

nlic

hkei

tsth

eorie

Ja25

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n I,

D: S

tatis

tisch

es

Argu

men

tiere

nSt

atist

ische

s Arg

umen

tiere

nJa

25

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n I,

E:

Syst

emth

eore

tisch

e M

odel

le in

der

Psc

holo

gie

Syst

emth

eore

tisch

e M

odel

le in

der

Psc

holo

gie

Ja25

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n II,

A: S

tatis

tisch

e M

etho

den

der M

etaa

naly

seSt

atist

ische

Met

hode

n de

r Met

aana

lyse

Ja25

Psyc

holo

gie

M.S

c.

Sem

inar

: For

schu

ngsm

etho

den

II, B

: M

ultid

imen

siona

le M

odel

lieru

ng u

nd D

arst

ellu

ng

mit

RM

ultid

imen

siona

le M

odel

lieru

ng u

nd D

arst

ellu

ng m

it R

Ja25

Psyc

holo

gie

M.S

c.

Sem

inar

: For

schu

ngsm

etho

den

II, C

: Ver

tiefu

ng

regr

essio

ns- u

nd

varia

nzan

alyt

ische

r Kon

zept

eVe

rtie

fung

regr

essio

ns- u

nd

varia

nzan

alyt

ische

r Kon

zept

eJa

25


28

Anlage 2

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n II,

D: S

tatis

tisch

e M

etho

den

der M

etaa

naly

se S

tatis

tisch

e M

etho

den

der M

etaa

naly

seja

25

Psyc

holo

gie

M.S

c.

Sem

inar

: For

schu

ngsm

etho

den

II, E

: M

ultid

imen

siona

le M

odel

lieru

ng u

nd D

arst

ellu

ng

mit

RM

ultid

imen

siona

le M

odel

lieru

ng u

nd D

arst

ellu

ng m

it R

ja25

WIN

TERS

EMES

TER

2015

/16

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

-st

altu

ngTe

ilneh

mer

-za

hl

Psyc

holo

gie

B.Sc

.Vo

rlesu

ng: S

tatis

tik I

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

0

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

A (i

n En

glisc

h)

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

B (i

n En

glisc

h)

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

C

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

D

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

E

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

F

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

G

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30


29

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, A

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, B

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, C

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, D

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, E

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

M.S

c.Vo

rlesu

ng: P

sych

olog

ische

Met

hode

n un

d St

atist

ikKo

rrek

ten

Anw

endu

ng v

on S

tand

ard-

und

aus

gew

ählte

n Da

tene

rheb

ungs

- und

Au

swer

tung

smet

hode

n un

d U

mga

ng m

it e

insc

hläg

iger

Sof

twar

e.Ja

300

SOM

MER

SEM

ESTE

R 20

16

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

-st

altu

ngTe

ilneh

mer

-za

hl

Psyc

holo

gie

B.Sc

.Vo

rlesu

ng: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

0

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

30


30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

30

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n I,

A: S

tatis

tisch

es

Argu

men

tiere

nSt

atist

ische

s Arg

umen

tiere

nJa

25

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n I,

A: S

tatis

tisch

es

Argu

men

tiere

nSt

atist

ische

s Arg

umen

tiere

nJa

25

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n I,

C:

Wah

rsch

einl

ichk

eits

theo

rieW

ahrs

chei

nlic

hkei

tsth

eorie

Ja25

Psyc

holo

gie

M.S

c.Se

min

ar: S

yste

mth

eore

tisch

e M

odel

le in

der

Ps

ycho

logi

eSy

stem

theo

retis

che

Mod

elle

in d

er P

sych

olog

ieJa

25

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n I,

E: M

ultiv

aria

te

Anal

ysem

etho

den

Mul

tivar

iate

Ana

lyse

met

hode

nJa

25

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n II,

A: U

mga

ng m

it fe

hlen

den

Wer

ten

Um

gang

mit

fehl

ende

n W

erte

nJa

25

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n II,

B: P

rakt

ische

An

wen

dung

en d

er R

egre

ssio

nsan

alys

e m

it R

Prak

tisch

e An

wen

dung

en d

er R

egre

ssio

nsan

alys

e m

it R

Ja25

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n II,

C: S

tatis

tisch

e M

etho

den

der M

etaa

naly

seSt

atist

ische

Met

hode

n de

r Met

aana

lyse

Ja25

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n II,

D: S

tatis

tisch

e M

etho

den

der M

etaa

naly

seSt

atist

ische

Met

hode

n de

r Met

aana

lyse

Ja25

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n II,

E:

Rech

enin

tens

ive

Stat

istik

Rec

heni

nten

sive

Stat

istik

Ja25

WIN

TERS

EMES

TER

2016

/17

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

-st

altu

ngTe

ilneh

mer

-za

hl

Psyc

holo

gie

B.Sc

.Vo

rlesu

ng: S

tatis

tik I

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

0

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

A (i

n En

glisc

h)

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30


31

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

B (i

n En

glisc

h)

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

C

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

D

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

E

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

F

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

G

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

H

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, A

Engl

isch

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, B

Engl

isch

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, C

Engl

isch

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30


32

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, D

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, E

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, F

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, G

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, H

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

M.S

c.Vo

rlesu

ng: P

sych

olog

ische

Met

hode

n un

d St

atist

ikKo

rrek

ten

Anw

endu

ng v

on S

tand

ard-

und

aus

gew

ählte

n Da

tene

rheb

ungs

- und

Au

swer

tung

smet

hode

n un

d U

mga

ng m

it e

insc

hläg

iger

Sof

twar

e.Ja

300

SOM

MER

SEM

ESTE

R 20

17

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

-st

altu

ngTe

ilneh

mer

-za

hl

Psyc

holo

gie

B.Sc

.Vo

rlesu

ng: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

0

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

30


33

noch Anlage 2

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

30

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n I,

A: S

tatis

tisch

es

Argu

men

tiere

nSt

atist

ische

s Arg

umen

tiere

nJa

25

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n I,

A: S

tatis

tisch

es

Argu

men

tiere

nSt

atist

ische

s Arg

umen

tiere

nJa

25

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n I,

C:

Wah

rsch

einl

ichk

eits

theo

rieW

ahrs

chei

nlic

hkei

tsth

eorie

Ja25

Psyc

holo

gie

M.S

c.Se

min

ar: S

yste

mth

eore

tisch

e M

odel

le in

der

Ps

ycho

logi

eSy

stem

theo

retis

che

Mod

elle

in d

er P

sych

olog

ieJa

25

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n I,

E: M

ultiv

aria

te

Anal

ysem

etho

den

Mul

tivar

iate

Ana

lyse

met

hode

nJa

25

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n II,

A: U

mga

ng m

it fe

hlen

den

Wer

ten

Um

gang

mit

fehl

ende

n W

erte

nJa

25

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n II,

B: P

rakt

ische

An

wen

dung

en d

er R

egre

ssio

nsan

alys

e m

it R

Prak

tisch

e An

wen

dung

en d

er R

egre

ssio

nsan

alys

e m

it R

Ja25

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n II,

C: S

tatis

tisch

e M

etho

den

der M

etaa

naly

seSt

atist

ische

Met

hode

n de

r Met

aana

lyse

Ja25

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n II,

D: S

tatis

tisch

e M

etho

den

der M

etaa

naly

seSt

atist

ische

Met

hode

n de

r Met

aana

lyse

Ja25

Psyc

holo

gie

M.S

c.Se

min

ar: F

orsc

hung

smet

hode

n II,

E:

Rech

enin

tens

ive

Stat

istik

Rec

heni

nten

sive

Stat

istik

Ja25

WIN

TERS

EMES

TER

2017

/18

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

-st

altu

ngTe

ilneh

mer

-za

hl

Psyc

holo

gie

B.Sc

.Vo

rlesu

ng: S

tatis

tik I

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

0

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

A (i

n En

glisc

h)

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30


34

noch Anlage 2

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

B (i

n En

glisc

h)

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

C

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

D

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

E

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

F

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

G

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

H

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, A

Engl

isch

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, B

Engl

isch

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, C

Engl

isch

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30


35

noch Anlage 2

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, D

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, E

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, F

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, G

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, H

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

M.S

c.Vo

rlesu

ng: P

sych

olog

ische

Met

hode

n un

d St

atist

ik

Korr

ekte

n An

wen

dung

von

Stan

dard

- und

aus

gew

ählte

n Da

tene

rheb

ungs

- und

Aus

wer

tung

smet

hode

nun

d U

mga

ng m

it e

insc

hläg

iger

Sof

twar

e.Ja

300

SOM

MER

SEM

ESTE

R 20

18

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

-st

altu

ngTe

ilneh

mer

-za

hl

Psyc

holo

gie

B.Sc

.Vo

rlesu

ng: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

0

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja22


36

noch Anlage 2

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

22

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

22

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

22

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

22

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

22

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

22

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

22

Psyc

holo

gie

M.S

c.Se

min

ar I:

For

schu

ngsm

etho

den,

A: M

asch

inel

les

Lern

en m

it R

(in E

nglis

ch) (

SoSe

18)

Mas

chin

elle

s Ler

nen

mit

R ja

25

Psyc

holo

gie

M.S

c.Se

min

ar I:

For

schu

ngsm

etho

den,

B: S

tatis

tisch

e Ve

rsuc

hspl

anun

g (in

Eng

lisch

tatis

tisch

e Ve

rsuc

hspl

anun

g ja

25

Psyc

holo

gie

M.S

c.Se

min

ar I:

For

schu

ngsm

etho

den,

C: S

tatis

tisch

es

Argu

men

tiere

nSt

atist

ische

s Arg

umen

tiere

nja

25

Psyc

holo

gie

M.S

c.Se

min

ar I:

For

schu

ngsm

etho

den,

D: S

tatis

tisch

es

Argu

men

tiere

nSt

atist

ische

s Arg

umen

tiere

nja

25

Psyc

holo

gie

M.S

c.Se

min

ar I:

For

schu

ngsm

etho

den,

E:

Syst

emth

eore

tisch

e M

odel

le in

der

Psy

chol

ogie

Syst

emth

eore

tisch

e M

odel

le in

der

Psy

chol

ogie

ja25

Psyc

holo

gie

M.S

c.Se

min

ar II

: For

schu

ngsm

etho

den,

A: K

ompe

nsat

ion

fehl

ende

r Wer

teKo

mpe

nsat

ion

fehl

ende

r Wer

teja

25

Psyc

holo

gie

M.S

c.Se

min

ar II

: For

schu

ngsm

etho

den,

B: R

egre

ssio

ns-

Varia

nzan

alyt

ische

Ver

fahr

enRe

gres

sions

- Var

ianz

anal

ytisc

he V

erfa

hren

ja25

Psyc

holo

gie

M.S

c.Se

min

ar II

: For

schu

ngsm

etho

den,

C: P

rakt

ische

An

wen

dung

Reg

ress

ions

anal

ytisc

her V

erfa

hren

mit

RPr

aktis

che

Anw

endu

ng R

egre

ssio

nsan

alyt

ische

r Ver

fahr

en m

it R

ja25

Psyc

holo

gie

M.S

c.Se

min

ar II

: For

schu

ngsm

etho

den,

D: P

rakt

ische

An

wen

dung

Reg

ress

ions

anal

ytisc

her V

erfa

hren

mit

RPr

aktis

che

Anw

endu

ng R

egre

ssio

nsan

alyt

ische

r Ver

fahr

en m

it R

ja25

Psyc

holo

gie

M.S

c.Se

min

ar II

: For

schu

ngsm

etho

den,

E: M

etaa

naly

se M

etaa

naly

seja

25

WIN

TERS

EMES

TER

2018

/19

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

-st

altu

ngTe

ilneh

mer

-za

hl


37

noch Anlage 2

Psyc

holo

gie

B.Sc

.Vo

rlesu

ng: S

tatis

tik I

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

0

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

A (i

n En

glisc

h)

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

B (i

n En

glisc

h)

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

C

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

D

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

E

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

F

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

G

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

H

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, A

Engl

isch

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30


38

noch Anlage 2

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, B

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, C

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, D

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, E

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, F

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, G

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, H

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

Psyc

holo

gie

M.S

c.Vo

rlesu

ng: P

sych

olog

ische

Met

hode

n un

d St

atist

ik

Korr

ekte

n An

wen

dung

von

Stan

dard

- und

aus

gew

ählte

n Da

tene

rheb

ungs

- und

Aus

wer

tung

smet

hode

nun

d U

mga

ng m

it e

insc

hläg

iger

Sof

twar

e.Ja

300

SOM

MER

SEM

ESTE

R 20

19

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

-st

altu

ngTe

ilneh

mer

-za

hl

Psyc

holo

gie

B.Sc

.Vo

rlesu

ng: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja30

0

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja22


39

noch Anlage 2

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik II

Wah

rsch

einl

ichk

eits

theo

rie, I

nfer

enzs

tatis

tik, s

tatis

tisch

e M

etho

den

der E

valu

atio

ns so

wie

An

wen

dung

der

stat

istisc

hen

Anal

yses

oftw

are

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

22

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

22

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

22

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

22

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

22

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

IIW

ahrs

chei

nlic

hkei

tsth

eorie

, Inf

eren

zsta

tistik

, sta

tistis

che

Met

hode

n de

r Eva

luat

ions

sow

ie

Anw

endu

ng d

er st

atist

ische

n An

alys

esof

twar

eJa

22

Psyc

holo

gie

M.S

c.Se

min

ar I:

For

schu

ngsm

etho

den,

A: S

tatis

tisch

es

Argu

men

tiere

nSt

atist

ische

s Arg

umen

tiere

nja

25

Psyc

holo

gie

M.S

c.Se

min

ar I:

For

schu

ngsm

etho

den,

B: S

tatis

tisch

es

Argu

men

tiere

nSt

atist

ische

s Arg

umen

tiere

nja

25

Psyc

holo

gie

M.S

c.Se

min

ar I:

For

schu

ngsm

etho

den,

C: I

tem

-Res

pons

e-Th

eory

Item

-Res

pons

e-Th

eory

ja25

Psyc

holo

gie

M.S

c.Se

min

ar I:

For

schu

ngsm

etho

den,

D: K

lass

ische

Te

stth

eorie

und

Fak

tore

nana

lyse

Klas

sisch

e Te

stth

eorie

und

Fak

tore

nana

lyse

ja25

Psyc

holo

gie

M.S

c.Se

min

ar I:

For

schu

ngsm

etho

den,

E:

Syst

emth

eore

tisch

e M

odel

le in

der

Psy

chol

ogie

Syst

emth

eore

tisch

e M

odel

le in

der

Psy

chol

ogie

ja25

Psyc

holo

gie

M.S

c.Se

min

ar II

: For

schu

ngsm

etho

den,

A: F

ehle

nde

Wer

tKo

mpe

nsat

ion

fehl

ende

r Wer

teja

25

Psyc

holo

gie

M.S

c.Se

min

ar II

: For

schu

ngsm

etho

den,

B: M

ultil

evel

M

odel

leM

ultil

evel

Mod

elle

ja25

Psyc

holo

gie

M.S

c.Se

min

ar II

: For

schu

ngsm

etho

den,

C: M

etaa

naly

se M

etaa

naly

seja

25

Psyc

holo

gie

M.S

c.Se

min

ar II

: For

schu

ngsm

etho

den,

D:

Regr

essio

nsan

alys

e in

der

Pra

xis

Regr

essio

nsan

alys

e in

der

Pra

xis

ja25

Psyc

holo

gie

M.S

c.Se

min

ar II

: For

schu

ngsm

etho

den,

E: I

tem

-Res

pons

e-Th

eorie

Item

-Res

pons

e-Th

eorie

ja25

WIN

TERS

EMES

TER

2019

/20


40

noch Anlage 2

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

-st

altu

ngTe

ilneh

mer

-za

hl

Psyc

holo

gie

B.Sc

.Vo

rlesu

ng: S

tatis

tik I

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja30

0

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

A

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

B

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

C

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

D

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

E

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

F

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

G

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

H

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

I

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja22


41

noch Anlage 2

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

J

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: S

tatis

tik I,

K

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, A

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, B

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, C

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, D

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, E

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, F

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja22

Psyc

holo

gie

B.Sc

.Se

min

ar: D

aten

anal

yse

I, G

Grun

dlag

en d

er P

lanu

ng u

nd D

urch

führ

ung

wiss

ensc

haft

liche

r Stu

dien

. Des

krip

tive

Stat

istik

, Ei

nfüh

rung

in d

ie W

ahrs

chei

nlic

hkei

tsth

eorie

und

epi

dem

iolo

gisc

he F

orsc

hung

sans

ätze

so

wie

beg

leite

nde

Einf

ühru

ng in

ein

stat

istisc

hes P

rogr

amm

pake

t zur

rech

nerg

estü

tzte

n Da

tena

naly

se.

Ja22


42

noch Anlage 2

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Med

izin

Wah

lpfli

chtb

erei

ch "R

adio

logi

sche

Ve

rfah

ren

in d

er D

iagn

ostik

und

Th

erap

ie"

Mac

hine

Lea

rnin

g;

Anw

endu

ngsf

eld

Med

izin

ja40

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Vorl.

Tel

emed

. und

Dat

ensc

hutz

u.a.

Fors

chun

gja

50*)

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Sem

. Tel

emed

. und

Dat

ensc

hutz

u.a.

Fors

chun

gja

170

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Med

izin

Wah

lpfli

chtb

erei

ch "R

adio

logi

sche

Ve

rfah

ren

in d

er D

iagn

ostik

und

Th

erap

ie"

Mac

hine

Lea

rnin

g;

Anw

endu

ngsf

eld

Med

izin

ja20

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Vorl.

Tel

emed

. und

Dat

ensc

hutz

u.a.

Fors

chun

gja

50*)

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Sem

. Tel

emed

. und

Dat

ensc

hutz

u.a.

Fors

chun

gja

170

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Med

. Fak

ultä

t der

UHH

/ U

nive

rsitä

tskl

inik

um H

ambu

rg-E

ppen

dorf

SOM

MER

SEM

ESTE

R 20

16

WIN

TERS

EMES

TER

2015

/16

SOM

MER

SEM

ESTE

R 20

15


43

Anlage 3

Med

izin

Wah

lpfli

chtb

erei

ch "R

adio

logi

sche

Ve

rfah

ren

in d

er D

iagn

ostik

und

Th

erap

ie"

Mac

hine

Lea

rnin

g;

Anw

endu

ngsf

eld

Med

izin

ja40

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Vorl.

Tel

emed

. und

Dat

ensc

hutz

u.a.

Fors

chun

gja

50*)

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Sem

. Tel

emed

. und

Dat

ensc

hutz

u.a.

Fors

chun

gja

170

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Med

izin

Wah

lpfli

chtb

erei

ch "R

adio

logi

sche

Ve

rfah

ren

in d

er D

iagn

ostik

und

Th

erap

ie"

Mac

hine

Lea

rnin

g;

Anw

endu

ngsf

eld

Med

izin

ja20

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Vorl.

Tel

emed

. und

Dat

ensc

hutz

u.a.

Fors

chun

gja

50*)

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Sem

. Tel

emed

. und

Dat

ensc

hutz

u.a.

Fors

chun

gja

170

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Med

izin

Wah

lpfli

chtb

erei

ch "R

adio

logi

sche

Ve

rfah

ren

in d

er D

iagn

ostik

und

Th

erap

ie"

Mac

hine

Lea

rnin

g;

Anw

endu

ngsf

eld

Med

izin

ja40

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Vorl.

eLe

arni

ng /

neur

on.N

etze

u.a.

Mac

hine

Lea

rnin

gja

50*)

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Sem

. eLe

arni

ng /

neur

on.N

etze

u.a.

Mac

hine

Lea

rnin

gja

170

WIN

TERS

EMES

TER

2016

/17

SOM

MER

SEM

ESTE

R 20

17


44

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Vorl.

Tel

emed

. und

Dat

ensc

hutz

u.a.

Fors

chun

gja

50*)

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Sem

. Tel

emed

. und

Dat

ensc

hutz

u.a.

Fors

chun

gja

170

Med

izin

Wah

lpfli

chtb

erei

ch "N

euro

scie

nce"

u.a.

Big

Data

ja25

*)

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Med

izin

Wah

lpfli

chtb

erei

ch "R

adio

logi

sche

Ve

rfah

ren

in d

er D

iagn

ostik

und

Th

erap

ie"

Mac

hine

Lea

rnin

g;

Anw

endu

ngsf

eld

Med

izin

ja40

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Vorl.

eLe

arni

ng /

neur

on.N

etze

u.a.

Mac

hine

Lea

rnin

gja

50*)

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Sem

. eLe

arni

ng /

neur

on.N

etze

u.a.

Mac

hine

Lea

rnin

gja

170

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Vorl.

Tel

emed

. und

Dat

ensc

hutz

u.a.

Fors

chun

gja

50*)

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Sem

. Tel

emed

. und

Dat

ensc

hutz

u.a.

Fors

chun

gja

170

Med

izin

Wah

lpfli

chtb

erei

ch "N

euro

scie

nce"

u.a.

Big

Data

ja25

*)

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Med

izin

Wah

lpfli

chtb

erei

ch "R

adio

logi

sche

Ve

rfah

ren

in d

er D

iagn

ostik

und

Th

erap

ie"

Mac

hine

Lea

rnin

g;

Anw

endu

ngsf

eld

Med

izin

ja40

SOM

MER

SEM

ESTE

R 20

18

WIN

TERS

EMES

TER

2017

/18


45

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Vorl.

eLe

arni

ng /

neur

on.N

etze

u.a.

Mac

hine

Lea

rnin

gja

50*)

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Sem

. eLe

arni

ng /

neur

on.N

etze

u.a.

Mac

hine

Lea

rnin

gja

170

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Vorl.

Tel

emed

. und

Dat

ensc

hutz

u.a.

Fors

chun

gja

50*)

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Sem

. Tel

emed

. und

Dat

ensc

hutz

u.a.

Fors

chun

gja

170

Med

izin

Wah

lpfli

chtb

erei

ch "N

euro

scie

nce"

u.a.

Big

Data

ja25

*)

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Med

izin

Wah

lpfli

chtb

erei

ch "R

adio

logi

sche

Ve

rfah

ren

in d

er D

iagn

ostik

und

Th

erap

ie"

Mac

hine

Lea

rnin

g;

Anw

endu

ngsf

eld

Med

izin

ja40

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Vorl.

eLe

arni

ng /

neur

on.N

etze

u.a.

Mac

hine

Lea

rnin

gja

50*)

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Sem

. eLe

arni

ng /

neur

on.N

etze

u.a.

Mac

hine

Lea

rnin

gja

170

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Vorl.

Tel

emed

. und

Dat

ensc

hutz

u.a.

Fors

chun

gja

50*)

Med

izin

(Fac

hgeb

iet M

ed.

Info

rmat

ik)

Sem

. Tel

emed

. und

Dat

ensc

hutz

u.a.

Fors

chun

gja

170

Med

izin

Wah

lpfli

chtb

erei

ch "N

euro

scie

nce"

u.a.

Big

Data

ja25

*)

SOM

MER

SEM

ESTE

R 20

19

WIN

TERS

EMES

TER

2018

/19


46

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Med

izin

Wah

lpfli

chtb

erei

ch "R

adio

logi

sche

Ve

rfah

ren

in d

er D

iagn

ostik

und

Th

erap

ie"

Mac

hine

Lea

rnin

g;

Anw

endu

ngsf

eld

Med

izin

ja40

Med

izin

Wah

lpfli

chtb

erei

ch "D

igita

l Hea

lth"

Tele

med

izin,

Ro

botik

/Aut

omat

isier

ung,

Kün

stlic

he In

telli

genz

, Bi

g Da

ta, S

mar

t Med

ical

De

vice

sja

15M

edizi

n (F

achg

ebie

t Med

. In

form

atik

)Vo

rl. M

ed.B

ildve

rarb

eitu

ngu.

a.M

achi

ne L

earn

ing

ja50

*)M

edizi

n (F

achg

ebie

t Med

. In

form

atik

)Se

m. M

ed.B

ildve

rarb

eitu

ngu.

a.M

achi

ne L

earn

ing

ja17

0M

edizi

n (F

achg

ebie

t Med

. In

form

atik

)Vo

rl. e

Lear

ning

/ ne

uron

.Net

zeu.

a.M

achi

ne L

earn

ing

ja50

*)M

edizi

n (F

achg

ebie

t Med

. In

form

atik

)Se

m. e

Lear

ning

/ ne

uron

.Net

zeu.

a.M

achi

ne L

earn

ing

ja17

0M

edizi

n (F

achg

ebie

t Med

. In

form

atik

)Vo

rl. T

elem

ed. u

nd D

aten

schu

tzu.

a.Fo

rsch

ung

ja50

*)M

edizi

n (F

achg

ebie

t Med

. In

form

atik

)Se

m. T

elem

ed. u

nd D

aten

schu

tzu.

a.Fo

rsch

ung

ja17

0

Med

izin

Wah

lpfli

chtb

erei

ch "N

euro

scie

nce"

u.a.

Big

Data

ja25

*)

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Med

izin

Wah

lpfli

chtb

erei

ch "R

adio

logi

sche

Ve

rfah

ren

in d

er D

iagn

ostik

und

Th

erap

ie"

Mac

hine

Lea

rnin

g;

Anw

endu

ngsf

eld

Med

izin

ja40

WIN

TERS

EMES

TER

2019

/20


47

Med

izin

Wah

lpfli

chtb

erei

ch "D

igita

l Hea

lth"

Tele

med

izin,

Ro

botik

/Aut

omat

isier

ung,

Kün

stlic

he In

telli

genz

, Bi

g Da

ta, S

mar

t Med

ical

De

vice

sja

15M

edizi

n (F

achg

ebie

t Med

. In

form

atik

)Vo

rl. M

ed.B

ildve

rarb

eitu

ngu.

a.M

achi

ne L

earn

ing

ja50

*)M

edizi

n (F

achg

ebie

t Med

. In

form

atik

)Se

m. M

ed.B

ildve

rarb

eitu

ngu.

a.M

achi

ne L

earn

ing

ja17

0M

edizi

n (F

achg

ebie

t Med

. In

form

atik

)Vo

rl. e

Lear

ning

/ ne

uron

.Net

zeu.

a.M

achi

ne L

earn

ing

ja50

*)M

edizi

n (F

achg

ebie

t Med

. In

form

atik

)Se

m. e

Lear

ning

/ ne

uron

.Net

zeu.

a.M

achi

ne L

earn

ing

ja17

0M

edizi

n (F

achg

ebie

t Med

. In

form

atik

)Vo

rl. T

elem

ed. u

nd D

aten

schu

tzu.

a.Fo

rsch

ung

ja50

*)M

edizi

n (F

achg

ebie

t Med

. In

form

atik

)Se

m. T

elem

ed. u

nd D

aten

schu

tzu.

a.Fo

rsch

ung

ja17

0

Med

izin

Wah

lpfli

chtb

erei

ch "N

euro

scie

nce"

u.a.

Big

Data

ja25

*)

*) D

iese

Ver

anst

altu

ngen

hab

en k

eine

Anw

esen

heits

über

prüf

ung.

Hie

r sin

d di

e im

Mitt

el a

nwes

ende

n St

udie

rend

en a

ufge

führ

t, di

e 1/

3 de

r ges

amte

n, in

den

jew

eilig

en S

tudi

enfä

cher

n ei

nges

chrie

bene

n St

udie

rend

ensc

haft

sind

, die

zu je

der d

er

Präs

enzv

eran

stal

tung

en e

rsch

iene

n.


48

noch Anlage 3

Faku

ltät f

ür R

echt

swis

sens

chaf

t

WIN

TERS

EMES

TER

2015

/16

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Rech

tsw

issen

scha

ftSe

min

ar: I

nter

med

iäre

und

Pla

ttfo

rmen

SPB

Info

rmat

ion

und

Kom

mun

ikat

ion

ja15

Rech

tsw

issen

scha

ftSe

min

ar V

erän

deru

ng d

er

Med

ienl

ands

chaf

tSP

B In

form

atio

n un

d Ko

mm

unik

atio

nja

15

SOM

MER

SEM

ESTE

R 20

16

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Rech

tsw

issen

scha

ft

Sem

inar

: Rec

htsf

rage

n de

s Int

erne

t of

Thin

gs: D

aten

siche

rhei

t, Da

tens

chut

z,

Auto

mat

isier

ung

SPB

Info

rmat

ion

und

Kom

mun

ikat

ion

ja15

Rech

tsw

issen

scha

ftSe

min

ar: M

einu

ngsm

acht

und

ihre

Ko

ntro

lleSP

B In

form

atio

n un

d Ko

mm

unik

atio

nja

15Re

chts

wiss

ensc

haft

Stat

istik

vor

Ger

icht

Info

rmat

ion

und

Kom

mun

ikat

ion

ja15

WIN

TERS

EMES

TER

2016

/17

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Rech

tsw

issen

scha

ftSe

min

ar: M

einu

ngsm

acht

und

ihre

Ko

ntro

lleSP

B In

form

atio

n un

d Ko

mm

unik

atio

nja

15Re

chts

wiss

ensc

haft

Inte

rnat

iona

le In

tern

etre

gulie

rung

SPB

Info

rmat

ion

und

Kom

mun

ikat

ion

ja15

Rech

tsw

issen

scha

ftN

euor

dnun

g de

r Med

ienl

ands

chaf

tSP

B In

form

atio

n un

d Ko

mm

unik

atio

nja

15

SOM

MER

SEM

ESTE

R 20

17

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl


49

Anlage 4

Rech

tsw

issen

scha

ft

Sem

inar

: Her

ausf

orde

rung

en a

n di

e m

edie

nrec

htlic

he R

egul

ieru

ng im

Ze

italte

r von

fake

new

sSP

B In

form

atio

n un

d Ko

mm

unik

atio

nja

15

WIN

TERS

EMES

TER

2017

/18

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Rech

tsw

issen

scha

ft

Sem

inar

: Gov

erna

nce

von

algo

rithm

ische

m E

ntsc

heid

en u

nd

küns

tlich

er In

telli

genz

SPB

Info

rmat

ion

und

Kom

mun

ikat

ion

ja15

Rech

tsw

issen

scha

ftSe

min

ar:"

Rech

tlich

e He

raus

ford

erun

gen

der D

igita

lisie

rung

"SP

B In

form

atio

n un

d Ko

mm

unik

atio

nja

15

WIN

TERS

EMES

TER

2018

/19

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlRe

chts

wiss

ensc

haft

Sem

inar

: Dat

en u

nd R

echt

SPB

Info

rmat

ion

und

Kom

mun

ikat

ion

ja15

Rech

tsw

issen

scha

ftSe

min

ar "A

nalo

g vs

. Dig

ital -

Neu

es

Rech

t für

ein

e di

gita

lisie

rte

Wel

t?"

SPB

Info

rmat

ion

und

Kom

mun

ikat

ion

ja15

SOM

MER

SEM

ESTE

R 20

19

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlRe

chts

wiss

ensc

haft

Auto

mat

isier

tes E

ntsc

heid

en im

Rec

htIn

form

atio

n un

d Ko

mm

unik

atio

nja

15Re

chts

wiss

ensc

haft

Stat

istik

vor

Ger

icht

Info

rmat

ion

und

Kom

mun

ikat

ion

ja15

WIN

TERS

EMES

TER

2019

/20

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Rech

tsw

issen

scha

ftSe

min

ar: A

lgor

ithm

ische

s Ent

sche

iden

un

d Re

cht

SPB

Info

rmat

ion

und

Kom

mun

ikat

ion

ja15

Rech

tsw

issen

scha

ftSe

min

ar "L

aw &

Alg

orith

mic

s"SP

B In

form

atio

n un

d Ko

mm

unik

atio

nja

15


50

UN

IVER

SITÄ

T HA

MBU

RG; F

AKU

LTÄT

FÜ

R G

EIST

ESW

ISSE

NSC

HAFT

EN

SOM

MER

SEM

ESTE

R 20

15

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlGe

rman

istik

Einf

ühru

ng in

Pyt

hon

Prog

ram

mie

ren

ja9

Volk

skun

deKo

lloqu

ium

Dig

ital H

uman

ities

DHja

10Ge

rman

istik

Fors

chun

gsko

lloqu

ium

eHu

man

ities

DHja

10

Kuns

tges

chic

hte

Mat

eria

lien

und

Met

hode

n -

Nat

urw

issen

scha

ftlic

he U

nter

such

unge

n vo

n Ku

nst-

und

Kul

turg

utDH

ja7

Afrik

anist

ikSp

rech

doku

men

tatio

n un

d ph

onol

ogisc

he A

naly

seKo

rpus

ling.

ja12

WIN

TERS

EMES

TER

2015

/16

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Volk

skun

de/ G

erm

anist

ikKo

lloqu

ium

eHu

man

ities

DHja

10Ge

rman

istik

Einf

ühru

ng i.

d. K

orpu

sling

uist

ikKo

rpus

ling.

ja15

Germ

anist

ikAn

nota

tion

Korp

uslin

g.ja

35Ge

rman

istik

Obe

rsem

inar

Kor

pusli

ngui

stik

Korp

uslin

g.ja

6Sl

avist

ik/ R

oman

istik

/ Ge

rman

istik

Empi

riefo

rmat

e i.d

. Spr

achw

issen

scha

ften

Korp

uslin

g.ja

33Ge

rman

istik

Big

Data

Eth

ics

DHja

13Ge

rman

istik

Einf

ühru

ng D

igita

l Hum

aniti

esDH

ja10

9Kl

assis

che

Arch

äolo

gie

Arch

äom

etrie

DHja

11

Finn

ougr

istik

/ Ura

listik

Ling

uist

ische

Too

ls fü

r die

Erf

orsc

hung

bed

roht

er S

prac

hen

Korp

uslin

g.ja

7

SOM

MER

SEM

ESTE

R 20

16

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl


51

Anlage 5

Volk

skun

de/ G

erm

anist

ikA

wor

d sa

ys m

ore

than

100

0 pi

ctur

es:

Dyna

mic

dat

a vi

sual

izatio

n an

d ex

plor

atio

n fü

r the

Hum

aniti

es

DHja

63

Klas

sisch

e Ar

chäo

logi

eFi

elds

choo

l Geo

phys

ikal

ische

Pr

ospe

ktio

nen

in d

er C

olon

ia U

lpia

Tra

iana

DHja

3

Germ

anist

ik"D

istan

t Rea

ding

" und

Da

tenv

isual

isier

ung

als m

etho

disc

he

Hera

usfo

rder

unge

n an

die

her

men

eutis

che

Prax

is

DHja

4

Kuns

tges

chic

hte

Mat

eria

lien

und

Met

hode

n -

Nat

urw

issen

scha

ftlic

he U

nter

such

unge

n vo

n Ku

nst-

und

Kul

turg

utDH

ja

7

Afrik

anist

ikSp

rech

doku

men

tatio

n un

d ph

onol

ogisc

he A

naly

seKo

rpus

ling.

ja16

WIN

TERS

EMES

TER

2016

/17

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlGe

rman

istik

Einf

ühru

ng in

die

Dig

ital H

uman

ities

DHja

9Ge

rman

istik

Fors

chun

gsko

lloqu

ium

: Ak

tuel

le F

orsc

hung

sans

ätze

in d

er

Nar

rato

logi

e un

d de

n Di

gita

l Hum

aniti

es

DHja

10

Germ

anist

ikW

ie e

ntw

icke

lt sic

h di

e 'N

arra

tivitä

t"

liter

arisc

her E

poch

en?

'Dist

ant R

eadi

ng'

basie

rte

Verf

ahre

n zu

r Ana

lyse

gro

ßer

Korp

ora

DHja

10

Germ

anist

ikEi

nfüh

rung

in d

ie K

orpu

sling

uist

ikKo

rpus

ling.

ja19

Germ

anist

ikKo

rpus

lingu

istik

für D

euts

ch a

ls Fr

emds

prac

heKo

rpus

ling.

ja27

SOM

MER

SEM

ESTE

R 20

17

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlSy

st. M

usik

wiss

ensc

haft

Met

amat

eria

lien

Mus

ikDH

ja5


52

Germ

anist

ikFo

rsch

ungs

kollo

quiu

m: A

ktue

lleFo

rsch

ungs

ansä

tze

in d

er N

arra

tolo

gie

und

den

Digi

tal H

uman

ities

DHja

24

Germ

anist

ikDi

gita

le K

orpu

sana

lyse

: vom

"D

istan

t" zu

m "C

lose

" Rea

ding

. Am

Bei

spie

l de

s Wer

ks v

on U

we

Tim

m

DHja

6

Germ

anist

ikDi

gita

l Hum

aniti

esDH

ja28

Germ

anist

ikSt

atist

ik fü

r Lin

guist

enKo

rpus

ling.

ja24

Kuns

tges

chic

hte

Mat

eria

lien

und

Met

hode

n -

Nat

urw

issen

scha

ftlic

he U

nter

such

unge

n vo

n Ku

nst-

und

Kul

turg

utDH

ja

10

Gebä

rden

spra

chen

Met

hode

n de

r Dat

enliz

itier

ung

Korp

uslin

g.ja

31

Afrik

anist

ikSp

rech

doku

men

tatio

n un

d ph

onol

ogisc

he A

naly

seKo

rpus

ling.

ja18

Afrik

anist

ikTr

ansk

ibie

ren

Korp

uslin

g.ja

8

WIN

TERS

EMES

TER

2017

/18

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlVo

lksk

unde

Euro

pean

Cul

tura

l Her

itage

Yea

r: Fr

om c

ultu

ral h

erita

ge to

ope

n cu

ltura

l dat

aDH

ja20

Germ

anist

ikEi

nfüh

rung

in d

ie D

igita

l Hum

aniti

esDH

ja10

5Ge

rman

istik

Fors

chun

gsko

lloqu

ium

: Akt

uelle

Fo

rsch

ungs

ansä

tze

in d

er N

arat

olog

ie u

nd

den

Digi

tal H

uman

ities

DHja

10

Germ

anist

ikGo

ethe

dig

ital.

Eine

Kor

pusa

naly

se m

it YO

TAN

T un

d CA

TMA

DHja

23

SOM

MER

SEM

ESTE

R 20

18

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl


53

Volk

skun

deTh

e Q

uant

ified

Sel

f –

Bio

polit

ics,

Em

bodi

men

t and

Soc

ialit

y of

Sel

f-Tr

acki

ng

DHja

20

Germ

anist

ikKo

rpus

lingu

istik

DHja

16

Afrik

anist

ikSp

rech

doku

men

tatio

n un

d ph

onol

ogisc

he A

naly

seKo

rpus

ling.

ja24

Afrik

anist

ikTr

ansk

ibie

ren

Korp

uslin

g.ja

14

WIN

TERS

EMES

TER

2018

/19

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlGe

rman

istik

Stat

istik

für K

orpu

sling

uist

ikKo

rpus

ling.

ja21

Germ

anist

ikKo

rpus

gest

ützt

e Te

xtan

alys

eKo

rpus

ling.

ja23

Syst

. Mus

ikw

issen

scha

ftCo

mpu

tatio

nal P

hnog

ram

Arc

hivi

ngDH

ja5

Syst

. Mus

ikw

issen

scha

ftM

etam

ater

ialie

n in

der

Mus

ikDH

ja2

Kuns

tges

chic

hte

Mat

eria

lien

und

Met

hode

n -

Nat

urw

issen

scha

ftlic

he U

nter

such

unge

n vo

n Ku

nst-

und

Kul

turg

utDH

ja

10

Kuns

tges

chic

hte/

M

anus

krip

tfor

schu

ngSc

ient

ific

Inve

stig

atio

n of

Man

uscr

ipts

DHja

5

Afrik

anist

ikLa

ngua

ge D

ata

Anal

ysis

and

Man

agem

ent

Korp

uslin

g.ja

4Fi

nnou

grist

ik/ U

ralis

tikTr

ansk

riptio

nsüb

unge

nKo

rpus

ling.

ja19

SOM

MER

SEM

ESTE

R 20

19

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlKl

assis

che

Arch

äolo

gie

Arch

äom

etrie

DHja

Germ

anist

ikRi

char

d De

hmel

. Dig

itale

Kor

pusa

naly

se u

nd

Ersc

hlie

ßung

des

Brie

fwec

hsel

s in

der S

UB

DHja

4Ge

rman

istik

Fors

chun

gsko

lloqu

ium

: Akt

uelle

Fo

rsch

ungs

ansä

tze

in d

er N

arat

olog

ie u

nd

den

Digi

tal H

uman

ities

DH

ja10


54

Germ

anist

ik

Ironi

e er

kenn

en.

Von

der t

heor

etisc

hen

Best

imm

ung

zur

auto

mat

ische

n Id

entif

izier

ung

ironi

sche

r Red

e in

lite

raris

chen

Tex

ten

DHja

12

Germ

anist

ikGe

sund

heit

vers

tehe

n.

Digi

tial H

uman

ities

im D

ialo

gDH

ja10

Kons

truk

tions

gram

mat

ik

und

Korp

uslin

guist

ikKo

rpus

ling.

ja18

WIN

TERS

EMES

TER

2019

/20

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlGe

rman

istik

Einf

ühru

ng in

die

Dig

ital H

uman

ities

DHja

19

Syst

. Mus

ikw

isses

nsch

aft

Met

amat

eria

lien

in d

er M

usik

IIDH

ja

4

Syst

. Mus

ikw

isses

nsch

aft

Phys

ical

Mod

ellin

gDH

ja

14Ge

rman

istik

Verf

ahre

n de

r dig

itale

n Te

xtan

alys

eDH

ja14

Germ

anist

ik

Korp

uslin

guist

ische

Wer

ksta

tt: T

heor

ien

und

Anal

ysem

etho

den

text

uelle

r Ko

mm

unik

atio

nKo

rpus

ling.

ja6

Germ

anist

ikSt

atist

ik fü

r Kor

pusli

ngui

stik

Korp

uslin

g.ja

11

Kuns

tges

chic

hte

Mat

eria

lien

und

Met

hode

n -

Nat

urw

issen

scha

ftlic

he U

nter

such

unge

n vo

n Ku

nst-

und

Kul

turg

utDH

ja29

Kuns

tges

chic

hte/

M

anus

krip

tfor

schu

ngSc

ient

ific

Inve

stig

atio

n of

Man

uscr

ipts

DHja

7


55

Faku

ltät f

ür B

etrie

bsw

irtsc

haft

U

nive

rsitä

t Ham

burg

WIN

TERS

EMES

TER

2016

/17

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlM

A BW

L, W

iMA,

W

iING

Mac

hine

Lea

rnin

g w

ith A

pplic

atio

ns in

Fin

ance

and

Ec

onom

icsja

ca 3

0

SOM

MER

SEM

ESTE

R 20

17

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlM

A BW

L, W

iMA,

W

iING

Sem

inar

- M

achi

ne L

earn

ing

and

Deep

Lea

rnin

gja

ca 2

0

WIN

TERS

EMES

TER

2017

/18

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlM

A BW

L, W

iMA,

W

iING

Mac

hine

Lea

rnin

g w

ith A

pplic

atio

ns in

Fin

ance

and

Ec

onom

icsja

ca 3

0

SOM

MER

SEM

ESTE

R 20

18

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlBA

BW

L, W

iMa,

W

ing

Sem

inar

zu R

egre

ssio

ns- u

nd Z

eitr

eihe

nmod

elle

Jaca

. 20

MA

BWL,

WiM

A,

WiIN

GSe

min

ar -

Mac

hine

Lea

rnin

g an

d De

ep L

earn

ing

jaca

20

MA

BWL,

WiM

A,

WiIN

GSt

atist

ical

Pro

gram

min

gja

ca 8

0

WIN

TERS

EMES

TER

2018

/19


56

Anlage 6

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlBA

BW

L, W

iMa,

W

ing

Regr

essio

ns- u

nd Z

eitr

eihe

nana

lyse

Jaca

. 35

MA

BWL,

WiM

A,

WiIN

GM

achi

ne L

earn

ing

with

App

licat

ions

in F

inan

ce a

nd

Econ

omic

sjaca

30

SOM

MER

SEM

ESTE

R 20

19

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

BA B

WL

Caus

al In

fere

nce

- An

Intr

oduc

tion

Stat

istic

s and

Ap

plie

d Da

ta

Scie

ncej

a20

WIN

TERS

EMES

TER

2019

/20

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlBA

BW

L, W

iMa,

W

ing

Regr

essio

nsan

alys

eJa

ca. 3

5BA

BW

L, W

iMa,

W

ing

Mul

tivar

iate

Dat

enan

alys

eJa

ca. 1

0


57

TUHH

SOM

MER

SEM

ESTE

R 20

15

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl*

CSM

S, IM

PMEC

, IW

IMS,

TM

BMS

Vorle

sung

Mas

chin

elle

s Ler

nen

und

Data

M

inin

gja

CSM

S, IM

PMEC

, IW

IMS,

TM

BMS

Grup

penü

bung

Mas

chin

elle

s Ler

nen

und

Data

M

inin

gja

CSM

S, IM

PICS

Vorle

sung

Com

pute

r-Gr

afik

jaCS

MS,

IMPI

CSGr

uppe

nübu

ngCo

mpu

ter-

Graf

ikja

CSM

S, E

TMS,

IMPI

CS, I

MPM

EC,

IWIM

S, T

MBM

SVo

rlesu

ngM

uste

rerk

ennu

ng u

nd

Date

nkom

pres

sion

jaCS

MS,

ETM

S, IM

PICS

, IM

PMEC

, IM

PMM

, IW

IMS,

TM

BMS

Vorle

sung

Digi

tale

Bild

anal

yse

jaAI

WBS

(7),

CSBS

, DSB

S, E

TBS,

GE

SBS(

7), I

IWBS

, MEC

BS, T

MBS

Vorle

sung

Sign

ale

und

Syst

eme

jaAI

WBS

(7),

CSBS

, DSB

S, E

TBS,

GE

SBS(

7), I

IWBS

, MEC

BS, T

MBS

Grup

penü

bung

Sign

ale

und

Syst

eme

jaGE

SBS(

7)Si

gnal

e un

d Sy

stem

e (G

ES)

ja

WIN

TERS

EMES

TER

2015

/16

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl*

IWIM

S, L

IMM

SGr

uppe

nübu

ngM

asch

inel

les L

erne

n in

der

Log

istik

jaCS

MS,

IIW

MS,

TM

BSVo

rlesu

ngM

athe

mat

ik n

euro

nale

r Net

zwer

keja

CSM

S, II

WM

S, T

MBS

Grup

penü

bung

Mat

hem

atik

neu

rona

ler N

etzw

erke

jaCS

MS,

IMPM

EC, I

WIM

S, M

EDM

S,

TMBM

SVo

rlesu

ngIn

telli

gent

e Au

tono

me

Agen

ten

und

kogn

itive

Rob

otik

ja


58

Anlage 7

CSM

S, IM

PMEC

, IW

IMS,

MED

MS,

TM

BMS

Grup

penü

bung

Inte

llige

nte

Auto

nom

e Ag

ente

n un

d ko

gniti

ve R

obot

ikja

CSM

S, E

TMS,

TM

BMS

Vorle

sung

Med

izini

sche

Bild

gebu

ngja

CSM

S, E

TMS,

TM

BMS

Grup

penü

bung

Med

izini

sche

Bild

gebu

ngja

CSM

S, E

TMS,

IMPI

CS, I

MPM

EC,

IMPM

M, I

WIM

S, T

MBM

SVo

rlesu

ngDi

gita

le B

ildan

alys

eja

CSM

S, E

TMS,

IMPM

EC, M

EDM

S,

TMBM

SVo

rlesu

ngIn

telli

gent

e Sy

stem

e in

der

Med

izin

jaCS

MS,

ETM

S, IM

PMEC

, MED

MS,

TM

BMS

Grup

penü

bung

Inte

llige

nte

Syst

eme

in d

er M

edizi

nja

CSM

S, E

TMS,

IMPM

EC, M

EDM

S,

TMBM

SPr

ojek

tsem

inar

Inte

llige

nte

Syst

eme

in d

er M

edizi

nja

GESB

S(7)

Vorle

sung

Grun

dlag

en d

er R

egel

ungs

tech

nik

(GES

)ja

AIW

BS(7

), BV

TBS,

CSB

S, D

SBS,

ET

BS, E

UTB

S, G

ESBS

(7),

IIWBS

, LU

MBS

, MBB

S, M

ECBS

, TM

BMS,

TM

BS, V

TBS

Vorle

sung

Grun

dlag

en d

er R

egel

ungs

tech

nik

jaAI

WBS

(7),

BVTB

S, C

SBS,

DSB

S,

ETBS

, EU

TBS,

GES

BS(7

), IIW

BS,

LUM

BS, M

BBS,

MEC

BS, T

MBM

S,

TMBS

, VTB

SGr

uppe

nübu

ngGr

undl

agen

der

Reg

elun

gste

chni

kja

CSBS

, DSB

S, II

WBS

Vorle

sung

Einf

ühru

ng in

die

In

form

atio

nssic

herh

eit

ja

CSBS

, DSB

S, II

WBS

Grup

penü

bung

Einf

ühru

ng in

die

In

form

atio

nssic

herh

eit

ja

SOM

MER

SEM

ESTE

R 20

16

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl*

CSM

S, IM

PMEC

, IW

IMS,

TM

BMS

Vorle

sung

Mas

chin

elle

s Ler

nen

und

Data

M

inin

gja


59

CSM

S, IM

PMEC

, IW

IMS,

TM

BMS

Grup

penü

bung

Mas

chin

elle

s Ler

nen

und

Data

M

inin

gja

CSM

S, IM

PICS

Vorle

sung

Com

pute

r-Gr

afik

jaCS

MS,

IMPI

CSGr

uppe

nübu

ngCo

mpu

ter-

Graf

ikja

CSM

S, E

TMS,

IMPI

CS, I

MPM

EC,

IWIM

S, T

MBM

SVo

rlesu

ngM

uste

rerk

ennu

ng u

nd

Date

nkom

pres

sion

jaCS

MS,

ETM

S, IM

PICS

, IM

PMEC

, IM

PMM

, IW

IMS,

TM

BMS

Vorle

sung

Digi

tale

Bild

anal

yse

jaAI

WBS

(7),

CSBS

, DSB

S, E

TBS,

GE

SBS(

7), I

IWBS

, MEC

BS, T

MBS

Vorle

sung

Sign

ale

und

Syst

eme

jaAI

WBS

(7),

CSBS

, DSB

S, E

TBS,

GE

SBS(

7), I

IWBS

, MEC

BS, T

MBS

Grup

penü

bung

Sign

ale

und

Syst

eme

jaGE

SBS(

7)Si

gnal

e un

d Sy

stem

e (G

ES)

ja

WIN

TERS

EMES

TER

2016

/17

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl*

IWIM

S, L

IMM

SGr

uppe

nübu

ngM

asch

inel

les L

erne

n in

der

Log

istik

jaCS

MS,

IIW

MS,

TM

BSVo

rlesu

ngM

athe

mat

ik n

euro

nale

r Net

zwer

keja

CSM

S, II

WM

S, T

MBS

Grup

penü

bung

Mat

hem

atik

neu

rona

ler N

etzw

erke

jaCS

MS,

IMPM

EC, I

WIM

S, M

EDM

S,

TMBM

SVo

rlesu

ngIn

telli

gent

e Au

tono

me

Agen

ten

und

kogn

itive

Rob

otik

jaCS

MS,

IMPM

EC, I

WIM

S, M

EDM

S,

TMBM

SGr

uppe

nübu

ngIn

telli

gent

e Au

tono

me

Agen

ten

und

kogn

itive

Rob

otik

jaCS

MS,

ETM

S, T

MBM

SVo

rlesu

ngM

edizi

nisc

he B

ildge

bung

jaCS

MS,

ETM

S, T

MBM

SGr

uppe

nübu

ngM

edizi

nisc

he B

ildge

bung

jaCS

MS,

ETM

S, IM

PICS

, IM

PMEC

, IM

PMM

, IW

IMS,

TM

BMS

Vorle

sung

Digi

tale

Bild

anal

yse

jaCS

MS,

ETM

S, IM

PMEC

, MED

MS,

TM

BMS

Vorle

sung

Inte

llige

nte

Syst

eme

in d

er M

edizi

nja

CSM

S, E

TMS,

IMPM

EC, M

EDM

S,

TMBM

SGr

uppe

nübu

ngIn

telli

gent

e Sy

stem

e in

der

Med

izin

ja


60

CSM

S, E

TMS,

IMPM

EC, M

EDM

S,

TMBM

SPr

ojek

tsem

inar

Inte

llige

nte

Syst

eme

in d

er M

edizi

nja

GESB

S(7)

Vorle

sung

Grun

dlag

en d

er R

egel

ungs

tech

nik

(GES

)ja

AIW

BS(7

), BV

TBS,

CSB

S, D

SBS,

ET

BS, E

UTB

S, G

ESBS

(7),

IIWBS

, LU

MBS

, MBB

S, M

ECBS

, TM

BMS,

TM

BS, V

TBS

Vorle

sung

Grun

dlag

en d

er R

egel

ungs

tech

nik

jaAI

WBS

(7),

BVTB

S, C

SBS,

DSB

S,

ETBS

, EU

TBS,

GES

BS(7

), IIW

BS,

LUM

BS, M

BBS,

MEC

BS, T

MBM

S,

TMBS

, VTB

SGr

uppe

nübu

ngGr

undl

agen

der

Reg

elun

gste

chni

kja

CSBS

, DSB

S, II

WBS

Vorle

sung

Einf

ühru

ng in

die

In

form

atio

nssic

herh

eit

ja

CSBS

, DSB

S, II

WBS

Grup

penü

bung

Einf

ühru

ng in

die

In

form

atio

nssic

herh

eit

ja

SOM

MER

SEM

ESTE

R 20

17

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl*

CSM

S, IM

PMEC

, IW

IMS,

TM

BMS

Vorle

sung

Mas

chin

elle

s Ler

nen

und

Data

M

inin

gja

CSM

S, IM

PMEC

, IW

IMS,

TM

BMS

Grup

penü

bung

Mas

chin

elle

s Ler

nen

und

Data

M

inin

gja

CSM

S, IM

PICS

Vorle

sung

Com

pute

r-Gr

afik

jaCS

MS,

IMPI

CSGr

uppe

nübu

ngCo

mpu

ter-

Graf

ikja

CSM

S, E

TMS,

IMPI

CS, I

MPM

EC,

IWIM

S, T

MBM

SVo

rlesu

ngM

uste

rerk

ennu

ng u

nd

Date

nkom

pres

sion

jaCS

MS,

ETM

S, IM

PICS

, IM

PMEC

, IM

PMM

, IW

IMS,

TM

BMS

Vorle

sung

Digi

tale

Bild

anal

yse

jaAI

WBS

(7),

CSBS

, DSB

S, E

TBS,

GE

SBS(

7), I

IWBS

, MEC

BS, T

MBS

Vorle

sung

Sign

ale

und

Syst

eme

ja


61

AIW

BS(7

), CS

BS, D

SBS,

ETB

S,

GESB

S(7)

, IIW

BS, M

ECBS

, TM

BSGr

uppe

nübu

ngSi

gnal

e un

d Sy

stem

eja

GESB

S(7)

Sign

ale

und

Syst

eme

(GES

)ja

WIN

TERS

EMES

TER

2017

/18

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl*

IWIM

S, L

IMM

SGr

uppe

nübu

ngM

asch

inel

les L

erne

n in

der

Log

istik

jaCS

MS,

IIW

MS,

TM

BSVo

rlesu

ngM

athe

mat

ik n

euro

nale

r Net

zwer

keja

CSM

S, II

WM

S, T

MBS

Grup

penü

bung

Mat

hem

atik

neu

rona

ler N

etzw

erke

jaCS

MS,

IMPM

EC, I

WIM

S, M

EDM

S,

TMBM

SVo

rlesu

ngIn

telli

gent

e Au

tono

me

Agen

ten

und

kogn

itive

Rob

otik

jaCS

MS,

IMPM

EC, I

WIM

S, M

EDM

S,

TMBM

SGr

uppe

nübu

ngIn

telli

gent

e Au

tono

me

Agen

ten

und

kogn

itive

Rob

otik

jaCS

MS,

ETM

S, T

MBM

SVo

rlesu

ngM

edizi

nisc

he B

ildge

bung

jaCS

MS,

ETM

S, T

MBM

SGr

uppe

nübu

ngM

edizi

nisc

he B

ildge

bung

jaCS

MS,

ETM

S, IM

PICS

, IM

PMEC

, IM

PMM

, IW

IMS,

TM

BMS

Vorle

sung

Digi

tale

Bild

anal

yse

jaCS

MS,

ETM

S, IM

PMEC

, MED

MS,

TM

BMS

Vorle

sung

Inte

llige

nte

Syst

eme

in d

er M

edizi

nja

CSM

S, E

TMS,

IMPM

EC, M

EDM

S,

TMBM

SGr

uppe

nübu

ngIn

telli

gent

e Sy

stem

e in

der

Med

izin

jaCS

MS,

ETM

S, IM

PMEC

, MED

MS,

TM

BMS

Proj

ekts

emin

arIn

telli

gent

e Sy

stem

e in

der

Med

izin

ja

GESB

S(7)

Vorle

sung

Grun

dlag

en d

er R

egel

ungs

tech

nik

(GES

)ja

AIW

BS(7

), BV

TBS,

CSB

S, D

SBS,

ET

BS, E

UTB

S, G

ESBS

(7),

IIWBS

, LU

MBS

, MBB

S, M

ECBS

, TM

BMS,

TM

BS, V

TBS

Vorle

sung

Grun

dlag

en d

er R

egel

ungs

tech

nik

ja


62

AIW

BS(7

), BV

TBS,

CSB

S, D

SBS,

ET

BS, E

UTB

S, G

ESBS

(7),

IIWBS

, LU

MBS

, MBB

S, M

ECBS

, TM

BMS,

TM

BS, V

TBS

Grup

penü

bung

Grun

dlag

en d

er R

egel

ungs

tech

nik

ja

CSBS

, DSB

S, II

WBS

Vorle

sung

Einf

ühru

ng in

die

In

form

atio

nssic

herh

eit

ja

CSBS

, DSB

S, II

WBS

Grup

penü

bung

Einf

ühru

ng in

die

In

form

atio

nssic

herh

eit

ja

SOM

MER

SEM

ESTE

R 20

18

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl*

CSM

S, IM

PMEC

, IW

IMS,

TM

BMS

Vorle

sung

Mas

chin

elle

s Ler

nen

und

Data

M

inin

gja

CSM

S, IM

PMEC

, IW

IMS,

TM

BMS

Grup

penü

bung

Mas

chin

elle

s Ler

nen

und

Data

M

inin

gja

CSM

S, IM

PICS

Vorle

sung

Com

pute

r-Gr

afik

jaCS

MS,

IMPI

CSGr

uppe

nübu

ngCo

mpu

ter-

Graf

ikja

CSM

S, E

TMS,

IMPI

CS, I

MPM

EC,

IWIM

S, T

MBM

SVo

rlesu

ngM

uste

rerk

ennu

ng u

nd

Date

nkom

pres

sion

jaCS

MS,

ETM

S, IM

PICS

, IM

PMEC

, IM

PMM

, IW

IMS,

TM

BMS

Vorle

sung

Digi

tale

Bild

anal

yse

jaAI

WBS

(7),

CSBS

, DSB

S, E

TBS,

GE

SBS(

7), I

IWBS

, MEC

BS, T

MBS

Vorle

sung

Sign

ale

und

Syst

eme

jaAI

WBS

(7),

CSBS

, DSB

S, E

TBS,

GE

SBS(

7), I

IWBS

, MEC

BS, T

MBS

Grup

penü

bung

Sign

ale

und

Syst

eme

jaGE

SBS(

7)Si

gnal

e un

d Sy

stem

e (G

ES)

ja

WIN

TERS

EMES

TER

2018

/19

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl*


63

noch Anlage 7

IWIM

S, L

IMM

SGr

uppe

nübu

ngM

asch

inel

les L

erne

n in

der

Log

istik

jaCS

MS,

IIW

MS,

TM

BSVo

rlesu

ngM

athe

mat

ik n

euro

nale

r Net

zwer

keja

CSM

S, II

WM

S, T

MBS

Grup

penü

bung

Mat

hem

atik

neu

rona

ler N

etzw

erke

jaCS

MS,

IMPM

EC, I

WIM

S, M

EDM

S,

TMBM

SVo

rlesu

ngIn

telli

gent

e Au

tono

me

Agen

ten

und

kogn

itive

Rob

otik

jaCS

MS,

IMPM

EC, I

WIM

S, M

EDM

S,

TMBM

SGr

uppe

nübu

ngIn

telli

gent

e Au

tono

me

Agen

ten

und

kogn

itive

Rob

otik

jaCS

MS,

ETM

S, T

MBM

SVo

rlesu

ngM

edizi

nisc

he B

ildge

bung

jaCS

MS,

ETM

S, T

MBM

SGr

uppe

nübu

ngM

edizi

nisc

he B

ildge

bung

jaCS

MS,

ETM

S, IM

PICS

, IM

PMEC

, IM

PMM

, IW

IMS,

TM

BMS

Vorle

sung

Digi

tale

Bild

anal

yse

jaCS

MS,

ETM

S, IM

PMEC

, MED

MS,

TM

BMS

Vorle

sung

Inte

llige

nte

Syst

eme

in d

er M

edizi

nja

CSM

S, E

TMS,

IMPM

EC, M

EDM

S,

TMBM

SGr

uppe

nübu

ngIn

telli

gent

e Sy

stem

e in

der

Med

izin

jaCS

MS,

ETM

S, IM

PMEC

, MED

MS,

TM

BMS

Proj

ekts

emin

arIn

telli

gent

e Sy

stem

e in

der

Med

izin

ja

GESB

S(7)

Vorle

sung

Grun

dlag

en d

er R

egel

ungs

tech

nik

(GES

)ja

AIW

BS(7

), BV

TBS,

CSB

S, D

SBS,

ET

BS, E

UTB

S, G

ESBS

(7),

IIWBS

, LU

MBS

, MBB

S, M

ECBS

, TM

BMS,

TM

BS, V

TBS

Vorle

sung

Grun

dlag

en d

er R

egel

ungs

tech

nik

jaAI

WBS

(7),

BVTB

S, C

SBS,

DSB

S,

ETBS

, EU

TBS,

GES

BS(7

), IIW

BS,

LUM

BS, M

BBS,

MEC

BS, T

MBM

S,

TMBS

, VTB

SGr

uppe

nübu

ngGr

undl

agen

der

Reg

elun

gste

chni

kja

CSBS

, DSB

S, II

WBS

Vorle

sung

Einf

ühru

ng in

die

In

form

atio

nssic

herh

eit

ja

CSBS

, DSB

S, II

WBS

Grup

penü

bung

Einf

ühru

ng in

die

In

form

atio

nssic

herh

eit

ja

SOM

MER

SEM

ESTE

R 20

19


64

noch Anlage 7

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl*

CSM

S, IM

PMEC

, IW

IMS,

TM

BMS

Vorle

sung

Mas

chin

elle

s Ler

nen

und

Data

M

inin

gja

CSM

S, IM

PMEC

, IW

IMS,

TM

BMS

Grup

penü

bung

Mas

chin

elle

s Ler

nen

und

Data

M

inin

gja

CSM

S, IM

PICS

Vorle

sung

Com

pute

r-Gr

afik

jaCS

MS,

IMPI

CSGr

uppe

nübu

ngCo

mpu

ter-

Graf

ikja

CSM

S, E

TMS,

IMPI

CS, I

MPM

EC,

IWIM

S, T

MBM

SVo

rlesu

ngM

uste

rerk

ennu

ng u

nd

Date

nkom

pres

sion

jaCS

MS,

ETM

S, IM

PICS

, IM

PMEC

, IM

PMM

, IW

IMS,

TM

BMS

Vorle

sung

Digi

tale

Bild

anal

yse

jaAI

WBS

(7),

CSBS

, DSB

S, E

TBS,

GE

SBS(

7), I

IWBS

, MEC

BS, T

MBS

Vorle

sung

Sign

ale

und

Syst

eme

jaAI

WBS

(7),

CSBS

, DSB

S, E

TBS,

GE

SBS(

7), I

IWBS

, MEC

BS, T

MBS

Grup

penü

bung

Sign

ale

und

Syst

eme

jaGE

SBS(

7)Si

gnal

e un

d Sy

stem

e (G

ES)

ja

WIN

TERS

EMES

TER

2019

/20

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl*

IWIM

S, L

IMM

SGr

uppe

nübu

ngM

asch

inel

les L

erne

n in

der

Log

istik

jaCS

MS,

IIW

MS,

TM

BSVo

rlesu

ngM

athe

mat

ik n

euro

nale

r Net

zwer

keja

CSM

S, II

WM

S, T

MBS

Grup

penü

bung

Mat

hem

atik

neu

rona

ler N

etzw

erke

jaCS

MS,

IMPM

EC, I

WIM

S, M

EDM

S,

TMBM

SVo

rlesu

ngIn

telli

gent

e Au

tono

me

Agen

ten

und

kogn

itive

Rob

otik

jaCS

MS,

IMPM

EC, I

WIM

S, M

EDM

S,

TMBM

SGr

uppe

nübu

ngIn

telli

gent

e Au

tono

me

Agen

ten

und

kogn

itive

Rob

otik

jaCS

MS,

ETM

S, T

MBM

SVo

rlesu

ngM

edizi

nisc

he B

ildge

bung

jaCS

MS,

ETM

S, T

MBM

SGr

uppe

nübu

ngM

edizi

nisc

he B

ildge

bung

ja


65

noch Anlage 7

CSM

S, E

TMS,

IMPI

CS, I

MPM

EC,

IMPM

M, I

WIM

S, T

MBM

SVo

rlesu

ngDi

gita

le B

ildan

alys

eja

CSM

S, E

TMS,

IMPM

EC, M

EDM

S,

TMBM

SVo

rlesu

ngIn

telli

gent

e Sy

stem

e in

der

Med

izin

jaCS

MS,

ETM

S, IM

PMEC

, MED

MS,

TM

BMS

Grup

penü

bung

Inte

llige

nte

Syst

eme

in d

er M

edizi

nja

CSM

S, E

TMS,

IMPM

EC, M

EDM

S,

TMBM

SPr

ojek

tsem

inar

Inte

llige

nte

Syst

eme

in d

er M

edizi

nja

GESB

S(7)

Vorle

sung

Grun

dlag

en d

er R

egel

ungs

tech

nik

(GES

)ja

AIW

BS(7

), BV

TBS,

CSB

S, D

SBS,

ET

BS, E

UTB

S, G

ESBS

(7),

IIWBS

, LU

MBS

, MBB

S, M

ECBS

, TM

BMS,

TM

BS, V

TBS

Vorle

sung

Grun

dlag

en d

er R

egel

ungs

tech

nik

jaAI

WBS

(7),

BVTB

S, C

SBS,

DSB

S,

ETBS

, EU

TBS,

GES

BS(7

), IIW

BS,

LUM

BS, M

BBS,

MEC

BS, T

MBM

S,

TMBS

, VTB

SGr

uppe

nübu

ngGr

undl

agen

der

Reg

elun

gste

chni

kja

CSBS

, DSB

S, II

WBS

Vorle

sung

Einf

ühru

ng in

die

In

form

atio

nssic

herh

eit

ja

CSBS

, DSB

S, II

WBS

Grup

penü

bung

Einf

ühru

ng in

die

In

form

atio

nssic

herh

eit

ja

*Bei

der

TU

HH

wer

den

Teiln

ehm

erza

hlen

an

Lehr

vera

nsta

ltung

en s

tatis

tisch

nic

ht e

rfass

t.


66

noch Anlage 7

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Med

ia S

yste

mRe

latio

nale

Dat

enba

nken

Grun

dlag

enja

30Bi

blio

thek

s- u

nd

Info

rmat

ions

man

agem

tDa

tenb

anke

n I

Date

nban

ktec

hnol

ogie

ja65

Bibl

ioth

eks-

und

In

form

atio

nsm

anag

emt

Date

nban

ken

IIDa

tenb

ankt

echn

olog

ieja

65

Med

ien

und

Info

rmat

ion

Date

nban

ken

IDa

tenb

ankt

echn

olog

ieja

65

Med

ien

und

Info

rmat

ion

Date

nban

ken

IIDa

tenb

ankt

echn

olog

ieja

65

Bibl

ioth

eks-

und

In

form

atio

nsm

anag

emt

Betr

iebl

iche

Dat

enan

alys

eSt

atist

ikja

65

MuI

&BI

MN

oSQ

LDa

tenb

ankt

echn

olog

ieja

15M

arke

ting

Mar

ktfo

rsch

ung

Verh

alte

ns-,

Info

rmat

ions

- un

d Ak

tions

grun

dlag

en fü

r M

arkt

inge

nt-s

chei

dung

en

besc

haffe

n un

d ve

rste

hen

ja36

Mar

ketin

gAn

alyt

ische

s Cus

tom

er

Rela

tions

ship

Man

agem

ent (

CRM

)Ei

nsat

z u. N

utzu

ng v

. CRM

-M

aßna

hmen

kon

zipie

ren

und

eval

uier

en

ja24

Mar

ketin

gU

nter

stüt

zung

s- u

. In

form

atio

nssy

stem

eEi

nsat

z u. N

utzu

ng te

ch-

nisc

her W

erkz

euge

als

auch

da

s Dat

en-m

anag

ent u

nd d

ie

Erfo

lgsk

ontr

olle

auf

Bas

is ko

mpl

exer

sta-

tistis

cher

M

etho

den

ja24

HAW

Ham

burg

SOM

MER

SEM

ESTE

R 20

15

WIN

TERS

EMES

TER

2015

/16


67

Anlage 8

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Med

ia S

yste

mRe

latio

nale

Dat

enba

nken

Grun

dlag

enja

30M

edie

n un

d In

form

atio

nPH

P-Pr

ogra

mm

ieru

ngDa

tenb

ankt

echn

olog

ieja

65

Med

ien

und

Info

rmat

ion

Betr

iebl

iche

s Dat

enm

anag

men

tSt

atist

ikja

65

Mar

ketin

gM

arkt

fors

chun

gVe

rhal

tens

-, In

form

atio

ns-

und

Aktio

nsgr

undl

agen

für

Mar

ktin

gent

-sch

eidu

ngen

be

scha

ffen

und

vers

tehe

n

ja36

Wirt

scha

fts-

info

rmat

ikW

irtsc

haft

sinfo

rmat

ik 3

Mod

elle

dyn

amisc

her

Gesc

häft

spro

zess

e m

it de

n M

etho

den

der

Wirt

scha

ftsin

form

atik

en

twic

keln

und

ana

ly-s

iere

n

ja35

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Med

ia S

yste

mRe

latio

nale

Dat

enba

nken

Grun

dlag

enja

30Bi

blio

thek

s- u

nd

Info

rmat

ions

man

agem

tDa

tenb

anke

n I

Date

nban

ktec

hnol

ogie

ja65

Bibl

ioth

eks-

und

In

form

atio

nsm

anag

emt

Date

nban

ken

IIDa

tenb

ankt

echn

olog

ieja

65

Med

ien

und

Info

rmat

ion

Date

nban

ken

IDa

tenb

ankt

echn

olog

ieja

65

Med

ien

und

Info

rmat

ion

Date

nban

ken

IIDa

tenb

ankt

echn

olog

ieja

65

Bibl

ioth

eks-

und

In

form

atio

nsm

anag

emt

Betr

iebl

iche

Dat

enan

alys

eSt

atist

ikja

65

SOM

MER

SEM

ESTE

R 20

16


68

Mar

ketin

gM

arkt

fors

chun

gVe

rhal

tens

-, In

form

atio

ns-

und

Aktio

nsgr

undl

agen

für

Mar

ktin

gent

-sch

eidu

ngen

be

scha

ffen

und

vers

tehe

n

ja36

Mar

ketin

gAn

alyt

ische

s Cus

tom

er

Rela

tions

ship

Man

agem

ent (

CRM

)Ei

nsat

z u. N

utzu

ng v

. CRM

-M

aßna

hmen

kon

zipie

ren

und

eval

uier

en

ja24

Mar

ketin

gU

nter

stüt

zung

s- u

. In

form

atio

nssy

stem

eEi

nsat

z u. N

utzu

ng te

ch-

nisc

her W

erkz

euge

als

auch

da

s Dat

en-m

anag

ent u

nd d

ie

Erfo

lgsk

ontr

olle

auf

Bas

is ko

mpl

exer

sta-

tistis

cher

M

etho

den

ja24

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Med

ia S

yste

mRe

latio

nale

Dat

enba

nken

Grun

dlag

enja

30M

edie

n un

d In

form

atio

nPH

P-Pr

ogra

mm

ieru

ngDa

tenb

ankt

echn

olog

ieja

65

Med

ien

und

Info

rmat

ion

Betr

iebl

iche

s Dat

enm

anag

men

tSt

atist

ikja

65

Mar

ketin

gM

arkt

fors

chun

gVe

rhal

tens

-, In

form

atio

ns-

und

Aktio

nsgr

undl

agen

für

Mar

ktin

gent

-sch

eidu

ngen

be

scha

ffen

und

vers

tehe

n

ja36

Wirt

scha

fts-

info

rmat

ikW

irtsc

haft

sinfo

rmat

ik 3

Mod

elle

dyn

amisc

her

Gesc

häft

spro

zess

e m

it de

n M

etho

den

der

Wirt

scha

ftsin

form

atik

en

twic

keln

und

ana

ly-s

iere

n

ja35

WIN

TERS

EMES

TER

2016

/17


69

Ange

wan

dte

Mat

hem

atik

(Mas

ter

MES

, I&

K)

Sem

inar

Mas

chin

elle

s Ler

nen

Ja38

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Med

ia S

yste

mRe

latio

nale

Dat

enba

nken

Grun

dlag

enja

30Bi

blio

thek

s- u

nd

Info

rmat

ions

man

agem

tDa

tenb

anke

n I

Date

nban

ktec

hnol

ogie

ja65

Bibl

ioth

eks-

und

In

form

atio

nsm

anag

emt

Date

nban

ken

IIDa

tenb

ankt

echn

olog

ieja

65

Med

ien

und

Info

rmat

ion

Date

nban

ken

IDa

tenb

ankt

echn

olog

ieja

65

Med

ien

und

Info

rmat

ion

Date

nban

ken

IIDa

tenb

ankt

echn

olog

ieja

65

Bibl

ioth

eks-

und

In

form

atio

nsm

anag

emt

Betr

iebl

iche

Dat

enan

alys

eSt

atist

ikja

65

Mar

ketin

gM

arkt

fors

chun

gVe

rhal

tens

-, In

form

atio

ns-

und

Aktio

nsgr

undl

agen

für

Mar

ktin

gent

-sch

eidu

ngen

be

scha

ffen

und

vers

tehe

n

ja36

Mar

ketin

gAn

alyt

ische

s Cus

tom

er

Rela

tions

ship

Man

agem

ent (

CRM

)Ei

nsat

z u. N

utzu

ng v

. CRM

-M

aßna

hmen

kon

zipie

ren

und

eval

uier

en

ja24

Mar

ketin

gU

nter

stüt

zung

s- u

. In

form

atio

nssy

stem

eEi

nsat

z u. N

utzu

ng te

ch-

nisc

her W

erkz

euge

als

auch

da

s Dat

en-m

anag

ent u

nd d

ie

Erfo

lgsk

ontr

olle

auf

Bas

is ko

mpl

exer

sta-

tistis

cher

M

etho

den

ja24

WIN

TERS

EMES

TER

2017

/18

SOM

MER

SEM

ESTE

R 20

17


70

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Med

ia S

yste

mRe

latio

nale

Dat

enba

nken

Grun

dlag

enja

30M

edie

n un

d In

form

atio

nPH

P-Pr

ogra

mm

ieru

ngDa

tenb

ankt

echn

olog

ieja

65

Med

ien

und

Info

rmat

ion

Betr

iebl

iche

s Dat

enm

anag

men

tSt

atist

ikja

65

Mar

ketin

gM

arkt

fors

chun

gVe

rhal

tens

-, In

form

atio

ns-

und

Aktio

nsgr

undl

agen

für

Mar

ktin

gent

-sch

eidu

ngen

be

scha

ffen

und

vers

tehe

n

ja36

Wirt

scha

fts-

info

rmat

ikW

irtsc

haft

sinfo

rmat

ik 3

Mod

elle

dyn

amisc

her

Gesc

häft

spro

zess

e m

it de

n M

etho

den

der

Wirt

scha

ftsin

form

atik

en

twic

keln

und

ana

ly-s

iere

n

ja35

Info

rmat

ikW

ahlp

flich

tmod

ul "D

ata

Scie

nce"

prak

tisch

e Ei

nfüh

rung

ja15

-Ko

mer

zielle

Wei

terb

ildun

gM

achi

ne L

earn

ing

drei

Tag

e12

Info

rmat

ikBa

chel

orar

beit

Mac

hine

Lea

rnin

g1

Ange

wan

dte

Mat

hem

atik

(Mas

ter

MES

, I&

K)

Sem

inar

Mas

chin

elle

s Ler

nen

Ja39

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Med

ia S

yste

mRe

latio

nale

Dat

enba

nken

Grun

dlag

enja

30Bi

blio

thek

s- u

nd

Info

rmat

ions

man

agem

tDa

tenb

anke

n I

Date

nban

ktec

hnol

ogie

ja65

Bibl

ioth

eks-

und

In

form

atio

nsm

anag

emt

Date

nban

ken

IIDa

tenb

ankt

echn

olog

ieja

65

SOM

MER

SEM

ESTE

R 20

18


71

Med

ien

und

Info

rmat

ion

Date

nban

ken

IDa

tenb

ankt

echn

olog

ieja

65

Med

ien

und

Info

rmat

ion

Date

nban

ken

IIDa

tenb

ankt

echn

olog

ieja

65

Bibl

ioth

eks-

und

In

form

atio

nsm

anag

emt

Betr

iebl

iche

Dat

enan

alys

eSt

atist

ikja

65

Info

rmat

ion,

Med

ien,

Bi

blio

thek

Mar

ketin

g un

d Pa

ywal

ls fü

r di

gita

le M

edie

nSt

atist

ik, A

naly

seja

15

Mar

ketin

gM

arkt

fors

chun

gVe

rhal

tens

-, In

form

atio

ns-

und

Aktio

nsgr

undl

agen

für

Mar

ktin

gent

-sch

eidu

ngen

be

scha

ffen

und

vers

tehe

n

ja36

Mar

ketin

gAn

alyt

ische

s Cus

tom

er

Rela

tions

ship

Man

agem

ent (

CRM

)Ei

nsat

z u. N

utzu

ng v

. CRM

-M

aßna

hmen

kon

zipie

ren

und

eval

uier

en

ja24

Mar

ketin

gU

nter

stüt

zung

s- u

. In

form

atio

nssy

stem

eEi

nsat

z u. N

utzu

ng te

ch-

nisc

her W

erkz

euge

als

auch

da

s Dat

en-m

anag

ent u

nd d

ie

Erfo

lgsk

ontr

olle

auf

Bas

is ko

mpl

exer

sta-

tistis

cher

M

etho

den

ja24

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Med

ia S

yste

mRe

latio

nale

Dat

enba

nken

Grun

dlag

enja

30M

edie

n un

d In

form

atio

nPH

P-Pr

ogra

mm

ieru

ngDa

tenb

ankt

echn

olog

ieja

65

Med

ien

und

Info

rmat

ion

Betr

iebl

iche

s Dat

enm

anag

men

tSt

atist

ikja

65

Info

rmat

ion,

Med

ien,

Bi

blio

thek

Digi

tal u

nd In

tern

etök

onom

ieM

asch

inel

les L

erne

nJa

15

WIN

TERS

EMES

TER

2018

/19


72

noch Anlage 8

Mar

ketin

gM

arkt

fors

chun

gVe

rhal

tens

-, In

form

atio

ns-

und

Aktio

nsgr

undl

agen

für

Mar

ktin

gent

-sch

eidu

ngen

be

scha

ffen

und

vers

tehe

n

Ja36

Wirt

scha

fts-

info

rmat

ikW

irtsc

haft

sinfo

rmat

ik 3

Mod

elle

dyn

amisc

her

Gesc

häft

spro

zess

e m

it de

n M

etho

den

der

Wirt

scha

ftsin

form

atik

en

twic

keln

und

ana

ly-s

iere

n

Ja35

Info

rmat

ikW

ahlp

flich

tmod

ul "D

ata

Scie

nce"

Einf

ühru

ngja

24In

form

atik

Proj

ekt "

Data

Sci

ence

"pr

aktis

che

Um

setz

ung

ja14

Info

rmat

ikSe

min

ar "D

ata-

, Pro

cess

-, Te

xt-

Min

ing"

ja22

Info

rmat

ikBa

chel

orar

beit

Mac

hine

Lea

rnin

g1

Ange

wan

dte

Mat

hem

atik

(Mas

ter

MES

, I&

K)Se

min

arM

asch

inel

les L

erne

nJa

35

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Med

ia S

yste

mRe

latio

nale

Dat

enba

nken

Grun

dlag

enja

30Bi

blio

thek

s- u

nd

Info

rmat

ions

man

agem

tDa

tenb

anke

n I

Date

nban

ktec

hnol

ogie

ja65

Bibl

ioth

eks-

und

In

form

atio

nsm

anag

emt

Date

nban

ken

IIDa

tenb

ankt

echn

olog

ieja

65

Med

ien

und

Info

rmat

ion

Date

nban

ken

IDa

tenb

ankt

echn

olog

ieja

65

Med

ien

und

Info

rmat

ion

Date

nban

ken

IIDa

tenb

ankt

echn

olog

ieja

65

Bibl

ioth

eks-

und

In

form

atio

nsm

anag

emt

Betr

iebl

iche

Dat

enan

alys

eSt

atist

ikja

65

SOM

MER

SEM

ESTE

R 20

19


73

noch Anlage 8

MuI

&BI

MM

edie

n un

d O

nlin

e M

arke

ting:

Tr

ansf

orm

atio

nen

durc

h In

tern

et-

Plat

tfor

men

Stat

istk,

Ana

lyse

ja15

Öko

trop

holo

gie

Mar

ket R

esea

rch

Mar

ktfo

rsch

ung

Ja26

Mar

ketin

gM

arkt

fors

chun

gVe

rhal

tens

-, In

form

atio

ns-

und

Aktio

nsgr

undl

agen

für

Mar

ktin

gent

-sch

eidu

ngen

be

scha

ffen

und

vers

tehe

n

Ja36

Mar

ketin

gAn

alyt

ische

s Cus

tom

er

Rela

tions

ship

Man

agem

ent (

CRM

)Ei

nsat

z u. N

utzu

ng v

. CRM

-M

aßna

hmen

kon

zipie

ren

und

eval

uier

en

Ja24

Mar

ketin

gU

nter

stüt

zung

s- u

. In

form

atio

nssy

stem

eEi

nsat

z u. N

utzu

ng te

ch-

nisc

her W

erkz

euge

als

auch

da

s Dat

en-m

anag

ent u

nd d

ie

Erfo

lgsk

ontr

olle

auf

Bas

is ko

mpl

exer

sta-

tistis

cher

M

etho

den

Ja24

Info

rmat

ikSe

min

ar "D

ata

Scie

nce"

ja20

Info

rmat

ikW

ahlp

flich

tmod

ul "D

ata

Scie

nce"

Met

hode

n un

d An

wen

dung

enja

34

Info

rmat

ikBa

chel

orar

beit

Data

Sci

ence

in d

er

Mar

ktfo

rsch

ung

1In

form

atik

Mas

tera

rbei

tm

achi

ne L

earn

ing

1

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Med

ia S

yste

mRe

latio

nale

Dat

enba

nken

Grun

dlag

enja

30M

edie

n un

d In

form

atio

nPH

P-Pr

ogra

mm

ieru

ngDa

tenb

ankt

echn

olog

ieja

65

Med

ien

und

Info

rmat

ion

Betr

iebl

iche

s Dat

enm

anag

men

tSt

atist

ikja

65

WIN

TERS

EMES

TER

2019

/20


74

noch Anlage 8

Info

rmat

ion,

Med

ien,

Bi

blio

thek

Digi

tal u

nd In

tern

etök

onom

ieM

asch

inel

les L

erne

nJa

15

Öko

trop

holo

gie

Mar

ktfo

rsch

ung

Mar

ktfo

rsch

ung

Ja26

Mar

ketin

gM

arkt

fors

chun

gVe

rhal

tens

-, In

form

atio

ns-

und

Aktio

nsgr

undl

agen

für

Mar

ktin

gent

-sch

eidu

ngen

be

scha

ffen

und

vers

tehe

n

Ja36

Wirt

scha

fts-

info

rmat

ikW

irtsc

haft

sinfo

rmat

ik 3

Mod

elle

dyn

amisc

her

Gesc

häft

spro

zess

e m

it de

n M

etho

den

der

Wirt

scha

ftsin

form

atik

en

twic

keln

und

ana

ly-s

iere

n

Ja35

Info

rmat

ikPr

ojek

t "Da

ta S

cien

ce"

ja14

Info

rmat

ikSe

min

ar "D

ata-

, Pro

cess

-, Te

xt-

Min

ing"

ja14

Info

rmat

ikW

ahlp

flich

mod

ul "P

roce

ss

Inte

llige

nce"

ja7

Info

rmat

ikBa

chel

orar

beit

Data

Sci

ence

in d

er

Pgar

mak

ovig

ilanz

1In

form

atik

Mas

tera

rbei

tM

achi

ne L

earn

ing

1

Info

rmat

ikBa

chel

orar

beit

Vide

over

arbe

itung

mit

Mac

hine

Lea

rnin

g1

Ange

wan

dte

Mat

hem

atik

(Mas

ter

MES

, I&

K)Se

min

arM

asch

inel

les L

erne

nJa

26


75

noch Anlage 8

HCU

SOM

MER

SEM

ESTE

R 20

15

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Baui

ngen

ieur

wes

enBa

uphy

sik T

rans

ient

e Be

rech

nung

des

som

mer

liche

n W

ärm

esch

utze

s ja

35

Baui

ngen

ieur

wes

enU

mw

eltb

ewer

tung

/-ve

rträ

glic

hkei

tspr

üfun

gk.

A.ja

20

Stad

tpla

nung

Com

pute

rges

tütz

tes P

lane

n un

d En

twer

fen

II c

ompu

terg

estü

tzte

n M

odel

lieru

ng

ja74

Stad

tpla

nung

Stat

istik

und

SPS

S e

xplo

rativ

e Da

tena

naly

seja

15Ge

odäs

ie u

nd G

eoin

form

atik

Mat

hem

atik

2

Groß

e Gl

eich

ungs

syst

eme

ja35

Geod

äsie

und

Geo

info

rmat

ikGe

odät

ische

Aus

wer

tem

etho

den

2Ge

o-Da

tena

naly

seja

38

Geod

äsie

und

Geo

info

rmat

ikO

rtsb

ezog

ene

Syst

eme/

Posit

ioni

erun

gGe

o-Da

tena

naly

seja

18

Geod

äsie

und

Geo

info

rmat

ikGe

odat

enba

nken

Geod

aten

bank

enja

13

WIN

TERS

EMES

TER

2015

/16

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Stad

tpla

nung

Qua

ntita

tive

Met

hode

nSt

atist

ische

Met

hode

n in

den

Soz

ialw

issen

scha

ften

ja

106

Geod

äsie

und

Geo

info

rmat

ikM

athe

mat

ik 3

Data

visu

alisi

erun

gja

29

Geod

äsie

und

Geo

info

rmat

ikGe

odät

ische

Aus

wer

tem

etho

den

1Ge

odat

enan

alys

eja

48

Geod

äsie

und

Geo

info

rmat

ikLu

ftbi

ldph

otog

ram

met

rieGe

odat

enan

alys

eja

14

Geod

äsie

und

Geo

info

rmat

ikSo

ftw

are

and

Inte

rfac

e Te

chno

logy

Date

nana

lyse

ja45

Geod

äsie

und

Geo

info

rmat

ikN

ahbe

reic

hsph

otog

ram

met

rieM

esst

echn

ik u

nd D

aten

anal

yse

ja10

Geod

äsie

und

Geo

info

rmat

ikGI

-Sci

ence

Ge

odat

enan

alys

e/Da

tenb

anke

nja

41Re

sour

ce E

ffici

ency

in

Arch

itect

ure

and

Plan

ning

Rese

arch

Met

hods

and

Sta

tistic

sSt

atist

ik

ja29

Reso

urce

Effi

cien

cy in

Ar

chite

ctur

e an

d Pl

anni

ngM

ater

ial F

low

Ana

lysis

and

Life

Cy

cle

Asse

ssm

ent

Date

nana

lyse

ja22

Reso

urce

Effi

cien

cy in

Ar

chite

ctur

e an

d Pl

anni

ngTe

chno

logi

es fo

r Sus

tain

able

W

ater

Res

ourc

e M

anag

emen

tDa

tena

naly

seja

24

SOM

MER

SEM

ESTE

R 20

16


76

Anlage 9

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Baui

ngen

ieur

wes

enBa

uphy

sik T

rans

ient

e Be

rech

nung

des

som

mer

liche

n W

ärm

esch

utze

s ja

35Ba

uing

enie

urw

esen

Um

wel

tbew

ertu

ng/-

vert

rägl

ichk

eits

prüf

ung

k.A.

ja20

Stad

tpla

nung

Stat

istik

und

SPS

S e

xplo

rativ

e Da

tena

naly

seja

23St

adtp

lanu

ngVe

rkeh

rsm

odel

lieru

ngVe

rkeh

rsm

odel

lieru

ngja

6Ge

odäs

ie u

nd G

eoin

form

atik

Mat

hem

atik

2

Groß

e Gl

eich

ungs

syst

eme

ja36

Geod

äsie

und

Geo

info

rmat

ikGe

odät

ische

Aus

wer

tem

etho

den

2Ge

o-Da

tena

naly

seja

33

Geod

äsie

und

Geo

info

rmat

ikTe

rres

tria

l Las

er S

cann

ing

1Ge

odat

ener

fass

ung

ja42

Geod

äsie

und

Geo

info

rmat

ikIn

tegr

ated

Nav

igat

ion

ja21

Geod

äsie

und

Geo

info

rmat

ikDa

tenm

odel

lieru

ng

Geo-

Date

nana

lyse

ja20

Geod

äsie

und

Geo

info

rmat

ikGe

odat

enba

nken

Geod

aten

bank

enja

21Ge

odäs

ie u

nd G

eoin

form

atik

Geos

tatis

tics a

nd D

igita

l El

evat

ion

Mod

els

ja43

WIN

TERS

EMES

TER

2016

/17

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Stad

tpla

nung

Qua

ntita

tive

Met

hode

nSt

atist

ische

Met

hode

n in

den

Soz

ialw

issen

scha

ften

ja

80St

adtp

lanu

ng G

IS in

der

Sta

dtpl

anun

gAn

alys

e vo

n un

d U

mga

ng m

it Ge

odat

enja

25

Geod

äsie

und

Geo

info

rmat

ikM

athe

mat

ik 3

Data

visu

alisi

erun

gja

18Ge

odäs

ie u

nd G

eoin

form

atik

Geoi

nfor

mat

ik 1

Ge

odat

enja

21Ge

odäs

ie u

nd G

eoin

form

atik

Geod

ätisc

he A

usw

erte

met

hode

n 1

Geod

aten

anal

yse

ja49

Geod

äsie

und

Geo

info

rmat

ikGe

odat

enan

alys

e Ge

odat

enan

alys

eja

20Ge

odäs

ie u

nd G

eoin

form

atik

Luft

bild

phot

ogra

mm

etrie

Geod

aten

anal

yse

ja20

Geod

äsie

und

Geo

info

rmat

ikSo

ftw

are

and

Inte

rfac

e Te

chno

logy

Date

nana

lyse

ja38

Geod

äsie

und

Geo

info

rmat

ikN

ahbe

reic

hsph

otog

ram

met

rieM

esst

echn

ik u

nd D

aten

anal

yse

ja8

Geod

äsie

und

Geo

info

rmat

ikGI

-Sci

ence

Ge

odat

enan

alys

eja

39Ge

odäs

ie u

nd G

eoin

form

atik

Dyna

misc

he M

esst

echn

ik

Mes

stec

hnik

und

Dat

enan

alys

eja

7Re

sour

ce E

ffici

ency

in

Arch

itect

ure

and

Plan

ning

Rese

arch

Met

hods

and

Sta

tistic

sSt

atist

ik

ja35

Reso

urce

Effi

cien

cy in

Ar

chite

ctur

e an

d Pl

anni

ngM

ater

ial F

low

Ana

lysis

and

Life

Cy

cle

Asse

ssm

ent

Date

nana

lyse

ja21

Reso

urce

Effi

cien

cy in

Ar

chite

ctur

e an

d Pl

anni

ngTe

chno

logi

es fo

r Sus

tain

able

W

ater

Res

ourc

e M

anag

emen

tDa

tena

naly

seja

22


77

SOM

MER

SEM

ESTE

R 20

17

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Baui

ngen

ieur

wes

enBa

uphy

sik T

rans

ient

e Be

rech

nung

des

som

mer

liche

n W

ärm

esch

utze

s ja

35

Baui

ngen

ieur

wes

enU

mw

eltb

ewer

tung

/-ve

rträ

glic

hkei

tspr

üfun

gk.

A.ja

20

Stad

tpla

nung

Stat

istik

und

SPS

S e

xplo

rativ

e Da

tena

naly

seja

18Ge

odäs

ie u

nd G

eoin

form

atik

Mat

hem

atik

2

Groß

e Gl

eich

ungs

syst

eme

ja35

Geod

äsie

und

Geo

info

rmat

ikGe

odät

ische

Aus

wer

tem

etho

den

2Ge

o-Da

tena

naly

seja

37

Geod

äsie

und

Geo

info

rmat

ikTe

rres

tria

l Las

er S

cann

ing

1Ge

odat

ener

fass

ung

ja36

Geod

äsie

und

Geo

info

rmat

ikIn

tegr

ated

Nav

igat

ion

Geod

aten

/ Ka

lman

Filt

erja

24Ge

odäs

ie u

nd G

eoin

form

atik

Date

nmod

ellie

rung

Ge

o-Da

tena

naly

seja

13Ge

odäs

ie u

nd G

eoin

form

atik

Geod

aten

bank

enGe

odat

enba

nken

ja12

Geod

äsie

und

Geo

info

rmat

ikGe

osta

tistic

s and

Dig

ital

Elev

atio

n M

odel

sGe

osta

tistik

ja35

WIN

TERS

EMES

TER

2017

/18

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Baui

ngen

ieur

wes

enW

asse

rsen

sible

St

adte

ntw

ickl

ung

k.A.

ja10

Stad

tpla

nung

GIS

in d

er S

tadt

plan

ung

Anal

yse

von

und

Um

gang

mit

Geod

aten

ja

25St

adtp

lanu

ngQ

uant

itativ

e M

etho

den

Stat

istisc

he M

etho

den

in d

en S

ozia

lwiss

ensc

haft

en

ja63

Fach

über

grei

fend

e St

udie

nang

ebot

e

Skill

s: D

igita

l City

Sci

ence

- In

stru

men

te zu

r Ana

lyse

und

Vi

sual

isier

ung

dat

enba

siert

e St

adtm

odel

lieru

ngja

15

Geod

äsie

und

Geo

info

rmat

ikM

athe

mat

ik 3

Data

visu

alisi

erun

gja

14Ge

odäs

ie u

nd G

eoin

form

atik

Geoi

nfor

mat

ik 1

Ge

odat

enja

25

Geod

äsie

und

Geo

info

rmat

ikGe

odät

ische

Aus

wer

tem

etho

den

1Ge

odat

enan

alys

eja

57

Geod

äsie

und

Geo

info

rmat

ikAu

sgle

ichu

ngsr

echn

ung

3 Ge

odat

enan

alys

e / K

alm

an F

ilter

ja14

Geod

äsie

und

Geo

info

rmat

ikGe

odat

enan

alys

e Ge

odat

enan

alys

eja

15Ge

odäs

ie u

nd G

eoin

form

atik

Geod

aten

verw

altu

ng

Geod

aten

ja13

Geod

äsie

und

Geo

info

rmat

ikAi

rbor

ne L

aser

scan

ning

Ge

odat

enan

alys

eja

4

Geod

äsie

und

Geo

info

rmat

ikSo

ftw

are

and

Inte

rfac

e Te

chno

logy

Date

nana

lyse

ja28

Geod

äsie

und

Geo

info

rmat

ikN

ahbe

reic

hsph

otog

ram

met

rieM

esst

echn

ik u

nd D

aten

anal

yse

ja10

Geod

äsie

und

Geo

info

rmat

ikGI

-Sci

ence

Ge

odat

enan

alys

e ja

26Ge

odäs

ie u

nd G

eoin

form

atik

Dyna

misc

he M

esst

echn

ik

Mes

stec

hnik

und

Dat

enan

alys

eja

7


78

Reso

urce

Effi

cien

cy in

Ar

chite

ctur

e an

d Pl

anni

ngRe

sear

ch M

etho

ds a

nd S

tatis

tics

Stat

istik

ja

27

Reso

urce

Effi

cien

cy in

Ar

chite

ctur

e an

d Pl

anni

ngM

ater

ial F

low

Ana

lysis

and

Life

Cy

cle

Asse

ssm

ent

Date

nana

lyse

ja28

Reso

urce

Effi

cien

cy in

Ar

chite

ctur

e an

d Pl

anni

ngTe

chno

logi

es fo

r Sus

tain

able

W

ater

Res

ourc

e M

anag

emen

tDa

tena

naly

seja

19

SOM

MER

SEM

ESTE

R 20

18

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Baui

ngen

ieur

wes

enBa

uphy

sik T

rans

ient

e Be

rech

nung

des

som

mer

liche

n W

ärm

esch

utze

s ja

35

Baui

ngen

ieur

wes

enU

mw

eltb

ewer

tung

/-ve

rträ

glic

hkei

tspr

üfun

gk.

A.ja

20

Stad

tpla

nung

GIS

in d

er S

tadt

plan

ung

Anal

yse

von

und

Um

gang

mit

Geod

aten

ja

31St

adtp

lanu

ngSt

atist

ik u

nd S

PSS

exp

lora

tive

Date

nana

lyse

ja18

Stad

tpla

nung

Verk

ehrs

mod

ellie

rung

Verk

ehrs

mod

ellie

rung

ja4

Geod

äsie

und

Geo

info

rmat

ikM

athe

mat

ik 2

Gr

oße

Glei

chun

gssy

stem

eja

44

Geod

äsie

und

Geo

info

rmat

ikGe

odät

ische

Aus

wer

tem

etho

den

2Ge

o-Da

tena

naly

seja

50

Geod

äsie

und

Geo

info

rmat

ikIn

geni

eurg

eodä

sie 2

St

atist

ik u

nd D

aten

anal

yse

13Ge

odäs

ie u

nd G

eoin

form

atik

Ope

nSou

rce

GIS

Geo-

Date

nana

lyse

ja12

Geod

äsie

und

Geo

info

rmat

ikTe

rres

tria

l Las

er S

cann

ing

1Ge

odat

ener

fass

ung

ja34

Geod

äsie

und

Geo

info

rmat

ikTe

rres

tria

l Las

er S

cann

ing

2Ge

odat

ener

fass

ung

ja11

Geod

äsie

und

Geo

info

rmat

ikIn

tegr

ated

Nav

igat

ion

Geod

aten

/ Ka

lman

Filt

erja

18Ge

odäs

ie u

nd G

eoin

form

atik

Date

nmod

ellie

rung

Ge

odat

enja

12Ge

odäs

ie u

nd G

eoin

form

atik

Geod

aten

bank

enGe

odat

enba

nken

ja13

Geod

äsie

und

Geo

info

rmat

ikGe

osta

tistic

s and

Dig

ital

Elev

atio

n M

odel

sGe

osta

tistik

ja34

WIN

TERS

EMES

TER

2018

/19

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Baui

ngen

ieur

wes

enW

asse

rsen

sible

St

adte

ntw

ickl

ung

k.A.

ja10

Stad

tpla

nung

Qua

ntita

tive

Met

hode

nSt

atist

ische

Met

hode

n in

den

Soz

ialw

issen

scha

ften

ja

63Ge

odäs

ie u

nd G

eoin

form

atik

Mat

hem

atik

3Da

tavi

sual

isier

ung

ja27

Geod

äsie

und

Geo

info

rmat

ikGe

oinf

orm

atik

1

Geod

aten

ja30

Geod

äsie

und

Geo

info

rmat

ikGe

odät

ische

Aus

wer

tem

etho

den

1Ge

odat

enan

alys

eja

43


79

Geod

äsie

und

Geo

info

rmat

ikAu

sgle

ichu

ngsr

echn

ung

3 Ge

odat

enan

alys

e / K

alm

an F

ilter

ja8

Geod

äsie

und

Geo

info

rmat

ikGe

odat

enan

alys

e Ge

odat

enan

alys

eja

12Ge

odäs

ie u

nd G

eoin

form

atik

Geod

aten

verw

altu

ng

Geod

aten

ja12

Geod

äsie

und

Geo

info

rmat

ikAi

rbor

ne L

aser

scan

ning

Ge

odat

enan

alys

eja

9Ge

odäs

ie u

nd G

eoin

form

atik

Luft

bild

phot

ogra

mm

etrie

Geod

aten

anal

yse

ja6

Geod

äsie

und

Geo

info

rmat

ikSo

ftw

are

and

Inte

rfac

e Te

chno

logy

Date

nana

lyse

ja28

Geod

äsie

und

Geo

info

rmat

ikN

ahbe

reic

hsph

otog

ram

met

rieM

esst

echn

ik u

nd D

aten

anal

yse

ja3

Geod

äsie

und

Geo

info

rmat

ikGI

-Sci

ence

Ge

odat

enan

alys

e ja

23Ge

odäs

ie u

nd G

eoin

form

atik

Dyna

misc

he M

esst

echn

ik

Mes

stec

hnik

und

Dat

enan

alys

eja

9Ge

odäs

ie u

nd G

eoin

form

atik

Geod

ätisc

he E

rdbe

obac

htun

gGe

odat

enan

alys

eja

7Re

sour

ce E

ffici

ency

in

Arch

itect

ure

and

Plan

ning

Rese

arch

Met

hods

and

Sta

tistic

sSt

atist

ik

ja25

Reso

urce

Effi

cien

cy in

Ar

chite

ctur

e an

d Pl

anni

ngM

ater

ial F

low

Ana

lysis

and

Life

Cy

cle

Asse

ssm

ent

Date

nana

lyse

ja19

SOM

MER

SEM

ESTE

R 20

19

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Baui

ngen

ieur

wes

enBa

uphy

sik T

rans

ient

e Be

rech

nung

des

som

mer

liche

n W

ärm

esch

utze

s ja

35

Baui

ngen

ieur

wes

enU

mw

eltb

ewer

tung

/-ve

rträ

glic

hkei

tspr

üfun

gk.

A.ja

20

Baui

ngen

ieur

wes

enEn

ergi

e-In

fras

truk

tur

Mac

hine

Lea

rnin

g, R

ando

m W

alk

Theo

rieja

8St

adtp

lanu

ngSt

atist

ik u

nd S

PSS

exp

lora

tive

Date

nana

lyse

ja16

Stad

tpla

nung

Verk

ehrs

mod

ellie

rung

Verk

ehrs

mod

ellie

rung

jaGe

odäs

ie u

nd G

eoin

form

atik

Mat

hem

atik

2

Line

are

Alge

bra

und

Data

Sci

ence

ja36

Geod

äsie

und

Geo

info

rmat

ikGe

odät

ische

Aus

wer

tem

etho

den

2Ge

o-Da

tena

naly

seja

41

Geod

äsie

und

Geo

info

rmat

ikIn

geni

eurg

eodä

sie 2

M

esst

echn

ik, S

tatis

tik u

nd D

aten

anal

yse

ja4

Geod

äsie

und

Geo

info

rmat

ikO

penS

ourc

e GI

SGe

o-Da

tena

naly

seja

10Ge

odäs

ie u

nd G

eoin

form

atik

Terr

estr

ial L

aser

Sca

nnin

g 1

Geod

aten

erfa

ssun

gja

22Ge

odäs

ie u

nd G

eoin

form

atik

Terr

estr

ial L

aser

Sca

nnin

g 2

Geod

aten

erfa

ssun

gja

2Ge

odäs

ie u

nd G

eoin

form

atik

Inte

grat

ed N

avig

atio

n Ge

odat

en /

Kalm

an F

ilter

ja14

Geod

äsie

und

Geo

info

rmat

ikDa

tenm

odel

lieru

ng

Geod

aten

ja10

Geod

äsie

und

Geo

info

rmat

ikGe

odat

enba

nken

Geod

aten

bank

enja

9

Geod

äsie

und

Geo

info

rmat

ikGe

osta

tistic

s and

Dig

ital

Elev

atio

n M

odel

sGe

osta

tistik

ja22

WIN

TERS

EMES

TER

2019

/20


80

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Baui

ngen

ieur

wes

enW

asse

rsen

sible

St

adte

ntw

ickl

ung

k.A.

ja10

Stad

tpla

nung

Qua

ntita

tive

Met

hode

nSt

atist

ische

Met

hode

n in

den

Soz

ialw

issen

scha

ften

ja

65

Fach

über

grei

fend

e St

udie

nang

ebot

e

Skill

s: D

igita

l City

Sci

ence

- In

stru

men

te zu

r Ana

lyse

und

Vi

sual

isier

ung

date

nbas

iert

e St

adtm

odel

lieru

ngja

24

Fach

über

grei

fend

e St

udie

nang

ebot

eQ

-Stu

dy "T

hink

like

a M

achi

ne"

Küns

tlich

e In

telli

genz

, Mas

chne

lles L

erne

nja

26

Geod

äsie

und

Geo

info

rmat

ikM

athe

mat

ik 3

Data

visu

alisi

erun

gja

26Ge

odäs

ie u

nd G

eoin

form

atik

Geoi

nfor

mat

ik 1

Ge

odat

enja

26

Geod

äsie

und

Geo

info

rmat

ikGe

odät

ische

Aus

wer

tem

etho

den

1Ge

odat

enan

alys

eja

38

Geod

äsie

und

Geo

info

rmat

ikAu

sgle

ichu

ngsr

echn

ung

3 Ge

odat

enan

alys

e / K

alm

an F

ilter

ja10

Geod

äsie

und

Geo

info

rmat

ikGe

odat

enan

alys

e Ge

odat

enan

alys

eja

26Ge

odäs

ie u

nd G

eoin

form

atik

Geod

aten

verw

altu

ng

Geod

aten

ja28

Geod

äsie

und

Geo

info

rmat

ikAi

rbor

ne L

aser

scan

ning

Ge

odat

enan

alys

eja

15Ge

odäs

ie u

nd G

eoin

form

atik

Luft

bild

phot

ogra

mm

etrie

Geod

aten

anal

yse

ja11

Geod

äsie

und

Geo

info

rmat

ikSo

ftw

are

and

Inte

rfac

e Te

chno

logy

Date

nana

lyse

ja29

Geod

äsie

und

Geo

info

rmat

ikN

ahbe

reic

hsph

otog

ram

met

rieM

esst

echn

ik u

nd D

aten

anal

yse

ja3

Geod

äsie

und

Geo

info

rmat

ikGI

-Sci

ence

Ge

odat

enan

alys

e ja

49Re

sour

ce E

ffici

ency

in

Arch

itect

ure

and

Plan

ning

Rese

arch

Met

hods

and

Sta

tistic

sSt

atist

ik

ja28

Reso

urce

Effi

cien

cy in

Ar

chite

ctur

e an

d Pl

anni

ngM

ater

ial F

low

Ana

lysis

and

Life

Cy

cle

Asse

ssm

ent

Date

nana

lyse

ja9

Reso

urce

Effi

cien

cy in

Ar

chite

ctur

e an

d Pl

anni

ngTe

chno

logi

es fo

r Sus

tain

able

W

ater

Res

ourc

e M

anag

emen

tDa

tena

naly

seja

7

Geod

äsie

und

Geo

info

rmat

ikGe

odat

enba

nken

Geod

aten

bank

enja

Geod

äsie

und

Geo

info

rmat

ikGe

osta

tistic

s and

Dig

ital

Elev

atio

n M

odel

sGe

osta

tistik

ja


81

noch Anlage 9

Hoch

schu

le fü

r Mus

ik u

nd T

heat

er

WIN

TERS

EMES

TER

2019

/20

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlM

ultim

edia

Co

mpo

sitio

nKi

netic

s in

Soun

d an

d Sp

ace:

M

otio

n Tr

acki

ngAn

lyse

von

Be

weg

ungs

date

nja

10

Mul

timed

ia

Com

posit

ion

Artif

icia

l Int

ellig

ence

Küns

tlich

e In

telli

genz

in

mus

ikal

ische

r An

wen

dung

ja10


82

Anlage 10

Die HCU plant für das Sommersemester 2020 folgende Veranstaltungen:

Studienfach Einzelne Veranstaltungen (Vorlesungen, Seminare, etc.) Schwerpunkte

Stadtplanung Statistik und SPSS explorative Datenanalyse Stadtplanung Verkehrsmodellierung Verkehrsmodellierung

Bauingenieur- wesen Bauphysik Transiente Berechnung des sommerlichen

Wärmeschutzes

Bauingenieur- wesen Energie-Infrastruktur Machine Learning, Random Walk Theorie

Geodäsie und Geoinformatik Mathematik 2 Machine Learning & Lineare Algebra

Geodäsie und Geoinformatik

Geodätische Auswertemethoden 2 Geo-Datenanalyse

Geodäsie und Geoinformatik OpenSource GIS Geo-Datenanalyse

Geodäsie und Geoinformatik Ingenieurgeodäsie 2 Messtechnik, datenanalyse, machine learning

Geodäsie und Geoinformatik Terrestrial Laser Scanning 1 Geodatenerfassung

Geodäsie und Geoinformatik Terrestrial Laser Scanning 2 Geodatenerfassung

Geodäsie und Geoinformatik Integrated Navigation Geodaten / Kalman Filter

Geodäsie und Geoinformatik Datenmodellierung Geodaten

Geodäsie und Geoinformatik Geodatenbanken Geodatenbanken

Geodäsie und Geoinformatik

Geostatistics and Digital Elevation Models Geostatistik

Die HAW plant für das Sommersemester 2020 folgende Veranstaltungen:

Veranstaltungen Schwerpunkte Seminar "Data-, Process-, Text-Mining" Data Science Wahlpflichtmodul "Data Science" Data Science Wahlpflichtmodul "Scientific Adventures" Mathematische Grundlagen für Data Science Autonome Systeme Digital Engineering and Mobility Künstliche Intelligenz Digital Engineering and Mobility Maschinelles Lernen Digital Engineering and Mobility Big Data Digital Engineering and Mobility Englischsprachige Vorlesung zum Thema „Neural Networks“ Maschinelles Lernen


83

Anlage 11

Buce

rius L

aw S

choo

l

WIN

TERS

EMES

TER

2017

/18

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlSt

udiu

m g

ener

ale

Einf

ühru

ng in

die

Pro

gram

mie

rung

Wah

lpfli

cht

16St

udiu

m g

ener

ale

Einf

ühru

ng in

die

Info

rmat

ikW

ahlp

flich

t39

SOM

MER

SEM

ESTE

R 20

18

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlSt

udiu

m g

ener

ale

Einf

ühru

ng in

die

Sta

tistik

für J

urist

enW

ahlp

flich

t34

Sum

mer

Pro

gram

le

gal T

echn

olog

y an

d op

erat

ions

Le

hrve

rans

taltu

ngen

im

Som

mer

prog

ram

m

Lega

l Ope

ratio

ns, L

egal

Des

ign,

In

nova

tion

Diffu

sion

in th

e Le

gal

Indu

stry

, Leg

al A

naly

tics a

nd

Artif

icia

l Int

ellig

ence

, Leg

al

Tech

nolo

gy in

Disp

ute

Reso

lutio

n,

Com

puta

tiona

l Law

and

Rul

es-

Driv

en A

utom

atio

nja

33

WIN

TERS

EMES

TER

2018

/19

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlSt

udiu

m g

ener

ale

Einf

ühru

ng in

die

Pro

gram

mie

rung

AW

ahlp

flich

t32

Stud

ium

gen

eral

eEi

nfüh

rung

in d

ie P

rogr

amm

ieru

ng B

Wah

lpfli

cht

30

SOM

MER

SEM

ESTE

R 20

19

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlSt

udiu

m g

ener

ale

Einf

ühru

ng in

die

Sta

tistik

Wah

lpfli

cht

54


84

Anlage 12

Sum

mer

Pro

gram

le

gal T

echn

olog

y an

d op

erat

ions

Le

hrve

rans

taltu

ngen

im

Som

mer

prog

ram

m

Inno

vatio

n Di

ffusio

n in

the

Lega

l In

dust

ry, L

egal

Ana

lytic

s and

Ar

tific

ial I

ntel

ligen

ce,

Com

puta

tiona

l Law

and

Rul

es-

Driv

en A

utom

atio

n, L

egal

O

pera

tions

, Han

ds-O

n N

etw

ork

Anal

ysis

in L

aw, D

ata

Anal

ysis

and

Visu

aliza

tion

ja36

WIN

TERS

EMES

TER

2019

/20

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlSt

udiu

m g

ener

ale

Einf

ühru

ng in

die

Info

rmat

ikW

ahlp

flich

t57


85

Bran

d U

nive

rsity

of A

pplie

d Sc

ienc

es

SOM

MER

SEM

ESTE

R 20

15

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlFo

reca

stin

g M

etho

ds: E

stim

atio

n an

d Te

st P

roce

dure

s /

Stoc

hast

ics

Mul

tivar

iate

Eco

nom

ic A

naly

sis

WIN

TERS

EMES

TER

2015

/16

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Met

hode

n de

r int

erna

tiona

len

Verb

rauc

her-

und

Mar

ktfo

rsch

ung

Mar

kt- u

nd W

ettb

ewer

bsan

alys

eAn

alys

e un

d Be

wer

tung

inte

rnat

iona

ler F

orsc

hung

serg

ebni

sse

Übe

rblic

k üb

er d

ie o

pera

tiven

Anf

orde

rung

en

SOM

MER

SEM

ESTE

R 20

16

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlFo

reca

stin

g M

etho

ds: E

stim

atio

n an

d Te

st P

roce

dure

s /

Stoc

hast

ics

Mul

tivar

iate

Eco

nom

ic A

naly

sis

WIN

TERS

EMES

TER

2016

/17

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlIn

tern

atio

nal B

rand

M

anag

emen

tIn

tern

atio

nal M

arke

t Res

earc

hM

etho

den

der i

nter

natio

nale

n Ve

rbra

uche

r- u

nd M

arkt

fors

chun

gja

11

Mar

kt- u

nd W

ettb

ewer

bsan

alys

eAn

alys

e un

d Be

wer

tung

inte

rnat

iona

ler F

orsc

hung

serg

ebni

sse

Übe

rblic

k üb

er d

ie o

pera

tiven

Anf

orde

rung

en

SOM

MER

SEM

ESTE

R 20

17

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Inte

rnat

iona

l Bra

nd

Man

agem

ent

Stat

istic

sja

7

Inte

rnat

iona

l Bra

nd

Com

mun

icat

ion

Inte

rnat

iona

l Mar

ket R

esea

rch

ja7

Inte

rnat

iona

l Bra

nd

Man

agem

ent

Stat

istic

sja

8

Inte

rnat

iona

l Bra

nd

Man

agem

ent

Inte

rnat

iona

l Mar

ket R

esea

rch

ja7


86

Anlage 13

Fore

cast

ing

Met

hods

: Est

imat

ion

and

Test

Pro

cedu

res /

St

ocha

stic

s M

ultiv

aria

te E

cono

mic

Ana

lysis

WIN

TERS

EMES

TER

2017

/18

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlIn

tern

atio

nal B

rand

M

anag

emen

tIn

tern

atio

nal M

arke

t Res

earc

hM

etho

den

der i

nter

natio

nale

n Ve

rbra

uche

r- u

nd M

arkt

fors

chun

gja

6

Mar

kt- u

nd W

ettb

ewer

bsan

alys

eAn

alys

e un

d Be

wer

tung

inte

rnat

iona

ler F

orsc

hung

serg

ebni

sse

Übe

rblic

k üb

er d

ie o

pera

tiven

Anf

orde

rung

en

SOM

MER

SEM

ESTE

R 20

18

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlFo

reca

stin

g M

etho

ds: E

stim

atio

n an

d Te

st P

roce

dure

s /

Stoc

hast

ics

Mul

tivar

iate

Eco

nom

ic A

naly

sis

WIN

TERS

EMES

TER

2018

/19

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlIn

tern

atio

nal B

rand

M

anag

emen

tIn

tern

atio

nal M

arke

t Res

earc

hM

etho

den

der i

nter

natio

nale

n Ve

rbra

uche

r- u

nd M

arkt

fors

chun

gja

3

Mar

kt- u

nd W

ettb

ewer

bsan

alys

eAn

alys

e un

d Be

wer

tung

inte

rnat

iona

ler F

orsc

hung

serg

ebni

sse

Übe

rblic

k üb

er d

ie o

pera

tiven

Anf

orde

rung

en

SOM

MER

SEM

ESTE

R 20

19

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlFo

reca

stin

g M

etho

ds: E

stim

atio

n an

d Te

st P

roce

dure

s /

Stoc

hast

ics

Mul

tivar

iate

Eco

nom

ic A

naly

sis

WIN

TERS

EMES

TER

2019

/20

Inte

rnat

iona

l Bra

nd

Man

agem

ent

ja6

Stat

istic

s

Inte

rnat

iona

l Bra

nd

Com

mun

icat

ion

Inte

rnat

iona

l Mar

ket R

esea

rch

ja7

Inte

rnat

iona

l Bra

nd

Man

agem

ent

Stat

istic

sja

3

Inte

rnat

iona

l Bra

nd

Man

agem

ent

Stat

istic

sja

11

Inte

rnat

iona

l Bra

nd

Com

mun

icat

ion

Inte

rnat

iona

l Mar

ket R

esea

rch

ja9


87

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Met

hode

n de

r int

erna

tiona

len

Verb

rauc

her-

und

Mar

ktfo

rsch

ung

Mar

kt- u

nd W

ettb

ewer

bsan

alys

eAn

alys

e un

d Be

wer

tung

inte

rnat

iona

ler F

orsc

hung

serg

ebni

sse

Übe

rblic

k üb

er d

ie o

pera

tiven

Anf

orde

rung

en

Inte

rnat

iona

l Bra

nd

Com

mun

icat

ion

Inte

rnat

iona

l Mar

ket R

esea

rch

ja4


88

EBC

Hoch

schu

le

WIN

TERS

EMES

TER

2019

/20

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

IBM

Big

Data

and

Bus

ines

s Int

ellig

ence

BWL

ja20

IBM

eBi

g Da

ta a

nd B

usin

ess I

ntel

ligen

ceBW

Lja

20


89

Anlage 14

SOM

MER

SEM

ESTE

R 20

15

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlM

arke

ting

Man

agem

ent

Sem

inar

Date

nana

lyse

ja18

1St

atist

ikSe

min

arDa

tena

naly

seja

225

Busin

ess A

naly

tics a

nd B

usin

ess

Inte

llige

nce

Sem

inar

(Mas

ter)

Data

Sci

ence

, Big

Da

taja

22Ap

plie

d Q

uant

itativ

e An

alys

isSe

min

ar (M

Sc G

MG)

Date

nana

lyse

ja32

Appl

ied

Qua

ntita

tive

Anal

ysis

Sem

inar

(Exe

cutiv

e M

BA)

Date

nana

lyse

ja15

WIN

TERS

EMES

TER

2015

/16

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlQ

uant

itativ

e M

etho

den

Sem

inar

Date

nana

lyse

ja21

1M

arke

ting

Man

agem

ent

Sem

inar

Date

nana

lyse

ja19

5Da

tenb

anks

yste

mSe

min

arDa

ta M

inin

gja

9

Digi

tale

s Mar

ketin

g &

E-B

usin

ess

Sem

inar

Onl

ine

Mar

ketin

g,

Nut

zerv

erha

lten

ja16

Digi

tale

s Mar

ketin

g &

E-B

usin

ess

Sem

inar

(Mas

ter)

Onl

ine

Mar

ketin

g,

Nut

zerv

erha

lten

ja7

Opt

imiza

tion

of N

etw

orks

Sem

inar

(MBA

Shi

ppin

g)m

athe

mat

ical

m

odel

ing

ja15

SOM

MER

SEM

ESTE

R 20

16

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlSt

atist

ikSe

min

arDa

tena

naly

seja

254

Mar

ketin

g M

anag

emen

tSe

min

arDa

tena

naly

seja

195

HSBA

Ham

burg

Sch

ool o

f Bus

ines

s Adm

inis

trat

ion


90

Anlage 15

Digi

tale

s Mar

ketin

g &

E-B

usin

ess

Sem

inar

Onl

ine

Mar

ketin

g,

Nut

zerv

erha

lten

ja16

Busin

ess A

naly

tics a

nd B

usin

ess

Inte

llige

nce

Sem

inar

(MBA

CM

)Da

ta S

cien

ce, B

ig

Data

ja21

Appl

ied

Qua

ntita

tive

Anal

ysis

Sem

inar

(MSc

GM

G)Da

tena

naly

seja

25Ap

plie

d Q

uant

itativ

e An

alys

isSe

min

ar (E

xecu

tive

MBA

)Da

tena

naly

seja

15

WIN

TERS

EMES

TER

2016

/17

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlQ

uant

itativ

e M

etho

den

Sem

inar

Date

nana

lyse

ja23

5Da

tenb

anks

yste

mSe

min

arDa

ta M

inin

gja

10M

arke

ting

Man

agem

ent

Sem

inar

Date

nana

lyse

ja18

6

Digi

tale

s Mar

ketin

g &

E-B

usin

ess

Sem

inar

Onl

ine

Mar

ketin

g,

Nut

zerv

erha

lten

ja8

Digi

tale

s Mar

ketin

g &

E-B

usin

ess

Sem

inar

Onl

ine

Mar

ketin

g,

Nut

zerv

erha

lten

ja17

Opt

imiza

tion

of N

etw

orks

Sem

inar

(MBA

Shi

ppin

g)m

athe

mat

ical

m

odel

ing

ja8

Entr

epre

neur

ship

Sem

inar

(MSc

GM

G)

Big

Data

–

Deve

lopm

ent o

f ne

w B

usin

ess

Mod

els

ja15

SOM

MER

SEM

ESTE

R 20

17

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlSt

atist

ikSe

min

arDa

tena

naly

seja

249

Mar

ketin

g M

anag

emen

tSe

min

arDa

tena

naly

seja

186

Digi

tale

s Mar

ketin

g &

E-B

usin

ess

Sem

inar

Onl

ine

Mar

ketin

g,

Nut

zerv

erha

lten

ja17


91

Busin

ess A

naly

tics a

nd B

usin

ess

Inte

llige

nce

Sem

inar

(MBA

CM

)Da

ta S

cien

ce, B

ig

Data

ja30

Appl

ied

Qua

ntita

tive

Anal

ysis

Sem

inar

(MSc

GM

G)Da

tena

naly

seja

39Ap

plie

d Q

uant

itativ

e An

alys

isSe

min

ar (E

xecu

tive

MBA

)Da

tena

naly

seja

10

WIN

TERS

EMES

TER

2017

/18

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlQ

uant

itativ

e M

etho

den

Sem

inar

Date

nana

lyse

ja23

1Da

tenb

anks

yste

mSe

min

arDa

ta M

inin

gja

13M

arke

ting

Man

agem

ent

Sem

inar

Date

nana

lyse

ja18

2

Digi

tale

s Mar

ketin

g &

E-B

usin

ess

Sem

inar

Onl

ine

Mar

ketin

g,

Nut

zerv

erha

lten

ja12

Digi

tale

s Mar

ketin

g &

E-B

usin

ess

Sem

inar

(MBA

CM

)O

nlin

e M

arke

ting,

N

utze

rver

halte

nja

7

Opt

imiza

tion

of N

etw

orks

Sem

inar

(MBA

Shi

ppin

g)m

athe

mat

ical

m

odel

ing

ja7

SOM

MER

SEM

ESTE

R 20

18

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlSt

atist

ikSe

min

arDa

tena

naly

seja

228

Mar

ketin

g M

anag

emen

tSe

min

arDa

tena

naly

seja

182

Digi

tale

s Mar

ketin

g &

E-B

usin

ess

Sem

inar

Onl

ine

Mar

ketin

g,

Nut

zerv

erha

lten

ja12

Busin

ess A

naly

tics a

nd B

usin

ess

Inte

llige

nce

Sem

inar

(MBA

CM

)Da

ta S

cien

ce, B

ig

Data

ja20

Appl

ied

Qua

ntita

tive

Anal

ysis

Sem

inar

(MSc

GM

G)ja

40Ap

plie

d Q

uant

itativ

e An

alys

isSe

min

ar (E

xecu

tive

MBA

)ja

15

WIN

TERS

EMES

TER

2018

/19


92

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlDi

gita

l Too

lbox

Vorle

sung

Data

Sci

ence

ja33

0Da

tenb

anks

yste

mSe

min

arDa

ta M

inin

gja

20Q

uant

itativ

e M

etho

den

Sem

inar

Date

nana

lyse

ja23

1M

arke

ting

Man

agem

ent

Sem

inar

Date

nana

lyse

ja17

7

Digi

tale

s Mar

ketin

g &

E-B

usin

ess

Sem

inar

Onl

ine

Mar

ketin

g,

Nut

zerv

erha

lten

ja37

Effe

kte

der D

igita

lisie

rung

Sem

inar

KI, M

asch

inel

les

Lern

en, B

lock

chai

nja

15Da

tenb

asie

rt E

ntsc

heid

enSe

min

arDa

tena

naly

seja

15

Digi

tale

s Mar

ketin

g &

E-B

usin

ess

Sem

inar

(MBA

CM

)O

nlin

e M

arke

ting,

N

utze

rver

halte

nja

5

Opt

imiza

tion

of N

etw

orks

Sem

inar

(MBA

Shi

ppin

g)m

athe

mat

ical

m

odel

ing

ja12

Data

Ana

lysis

& S

tatis

tics

Vorle

sung

(MSc

BD

+ M

Sc F

IN)

Prob

abili

ty a

nd

Stat

istic

al

Conc

epts

, Str

uctu

re

of re

latio

nal

data

base

s m

anag

emen

t sy

stem

s, M

ATLA

Bja

19

Digi

tal E

cono

mic

s Vo

rlesu

ng (M

Sc B

D +

MSc

FIN

)Pl

atfo

rm e

cono

my,

In

tern

et o

f thi

ngs

ja19


93

Appl

ied

Econ

omet

rics

Vorle

sung

(MSc

BD

+ M

Sc F

IN)

Regr

essio

n M

odel

s,

Und

erst

andi

ng

Corr

elat

ion,

Tim

e-Se

ries A

naly

sis,

Data

Driv

en

Inno

vatio

n, F

acto

r Re

gres

sion,

GLM

ja19

PC L

ab Q

uant

itiat

ive

Fina

nce

Vorle

sung

(MSc

FIN

)

Appl

icat

ion

of b

asic

fin

ance

con

cept

s to

soft

war

e an

d pr

ogra

mm

ing,

VBA

, M

ATLA

Bja

9

SOM

MER

SEM

ESTE

R 20

19

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlDa

tenb

anks

yste

mSe

min

arDa

ta M

inin

gja

23St

atist

ikSe

min

arDa

tena

naly

seja

235

Mar

ketin

g M

anag

emen

tSe

min

arDa

tena

naly

seja

177

Digi

tal T

oolb

oxVo

rlesu

ngDa

ta S

cien

ceja

330

Digi

tale

s Mar

ketin

g &

E-B

usin

ess

Sem

inar

Onl

ine

Mar

ketin

g,

Nut

zerv

erha

lten

ja37

Appl

ied

Qua

ntita

tive

Anal

ysis

Sem

inar

(MSc

GM

G)Da

tena

naly

seja

32Ap

plie

d Q

uant

itativ

e An

alys

isSe

min

ar (E

xecu

tive

MBA

)Da

tena

naly

seja

10

WIN

TERS

EMES

TER

2019

/20

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlDa

tenb

anks

yste

mSe

min

arDa

ta M

inin

gja

22M

arke

ting.

digi

tal

Vorle

sung

Date

nana

lyse

ja25

Sale

s.re

tail.

digi

tal

Vorle

sung

Date

nana

lyse

ja32


94

Qua

ntita

tive

Met

hode

nSe

min

arDa

tena

naly

seja

230

Mar

ketin

g M

anag

emen

tSe

min

arDa

tena

naly

seja

181

Digi

tal T

oolb

oxVo

rlesu

ngDa

ta S

cien

ceja

359

Effe

kte

der D

igita

lisie

rung

Sem

inar

KI, M

asch

inel

les

Lern

en, B

lock

chai

nja

19Da

tenb

asie

rt E

ntsc

heid

enSe

min

arDa

tena

naly

seja

19Al

gorit

hmen

& In

telli

genz

Sem

inar

KI, A

lgor

ithm

enja

15

Digi

tale

s Mar

ketin

g &

E-B

usin

ess

Sem

inar

(MBA

CM

)O

nlin

e M

arke

ting,

N

utze

rver

halte

nja

8Su

stai

nabl

e In

nova

tion

&

Com

plia

nce

Vorle

sung

(MSc

BD

+ M

Sc F

IN)

Data

Sec

urity

ja19

Fina

ncia

l Eng

inee

ring

Vorle

sung

(MSc

FIN

)St

ocha

stic

cal

culu

sja

9

Qua

ntita

tive

Risk

Man

agem

ent

Vorle

sung

(MSc

FIN

)

Qua

ntita

tive

Appr

oach

to ri

sk

man

agem

ent,

risk

mod

ellin

gja

9

PC L

ab Q

uant

itiat

ive

Fina

nce

Vorle

sung

(MSc

FIN

)

Appl

icat

ion

of b

asic

fin

ance

con

cept

s to

soft

war

e an

d pr

ogra

mm

ing,

VBA

, M

ATLA

Bja

7

Data

Ana

lysis

& S

tatis

tics

Vorle

sung

(MSc

BD

+ M

Sc F

IN)

Prob

abili

ty a

nd

Stat

istic

al

Conc

epts

, Str

uctu

re

of re

latio

nal

data

base

s m

anag

emen

t sy

stem

s, M

ATLA

Bja

27


95

noch Anlage 15

Digi

tal E

cono

mic

s Vo

rlesu

ng (M

Sc B

D +

MSc

FIN

)Pl

atfo

rm e

cono

my,

In

tern

et o

f thi

ngs

ja27

Appl

ied

Econ

omet

rics

Vorle

sung

(MSc

BD

+ M

Sc F

IN)

Regr

essio

n M

odel

s,

Und

erst

andi

ng

Corr

elat

ion,

Tim

e-Se

ries A

naly

sis,

Data

Driv

en

Inno

vatio

n, F

acto

r Re

gres

sion,

GLM

ja27


96

noch Anlage 15

HSU

WIN

TERS

EMES

TER

2015

/16

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

BWL/

VWL

Stat

istic

al C

ompu

ting

com

pute

r-in

tens

ive

stat

istisc

he

Verf

ahre

nne

in7

SOM

MER

SEM

ESTE

R 20

16

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Erzie

hung

swiss

ensc

haft

en

Zwisc

hen

Rank

ings

, Mon

itorin

g un

d in

tera

ktiv

er L

erns

oftw

are

- Di

e Ve

ränd

erun

g vo

n Bi

ldun

g du

rch

Big

Data

Ja30

BWL

Empi

risch

e So

zialfo

rsch

ung

Date

nerh

ebun

g Ja

100

WIN

TERS

EMES

TER

2016

/17

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

BWL/

VWL

Stat

istic

al C

ompu

ting

com

pute

r-in

tens

ive

stat

istisc

he

Verf

ahre

nne

in8

SOM

MER

SEM

ESTE

R 20

17

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl


97

Anlage 16

BWL

Empi

risch

e So

zialfo

rsch

ung

Date

nerh

ebun

g Ja

100

WIN

TERS

EMES

TER

2017

/18

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

BWL/

VWL

Stat

istic

al C

ompu

ting

com

pute

r-in

tens

ive

stat

istisc

he

Verf

ahre

nne

in9

SOM

MER

SEM

ESTE

R 20

18

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Mas

chin

enba

uDi

gita

le T

rans

form

atio

n in

der

Pr

oduk

tent

wic

klun

gM

achi

ne L

earn

ing

Ja4

BWL

Empi

risch

e So

zialfo

rsch

ung

Date

nerh

ebun

g Ja

100

WIN

TERS

EMES

TER

2018

/19

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

BWL/

VWL

Stat

istic

al C

ompu

ting

com

pute

r-in

tens

ive

stat

istisc

he

Verf

ahre

nne

in7

SOM

MER

SEM

ESTE

R 20

19

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

Mas

chin

enba

uDi

gita

le T

rans

form

atio

n in

der

Pro

dMac

hine

Lea

rnin

gJa

3W

irtsc

haft

singe

nieu

rwes

enDi

gita

le T

rans

form

atio

n in

der

Pro

dMac

hine

Lea

rnin

gJa

7


98

WIN

TERS

EMES

TER

2019

/20

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hl

BWL/

VWL

Stat

istic

al C

ompu

ting

com

pute

r-in

tens

ive

stat

istisc

he

Verf

ahre

nne

in8


99

KLU

SOM

MER

SEM

ESTE

R 20

17

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlM

aste

r of S

cien

ce in

Glo

bal

Logi

stic

s and

Sup

ply

Chai

n M

anag

emen

tDa

ta S

cien

ceDa

tena

naly

seja

7

SOM

MER

SEM

ESTE

R 20

18

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlM

aste

r of S

cien

ce in

Glo

bal

Logi

stic

s and

Sup

ply

Chai

n M

anag

emen

tDa

ta S

cien

ceDa

tena

naly

seja

10

SOM

MER

SEM

ESTE

R 20

19

Stud

ienf

ach

Einz

elne

Ver

anst

altu

ngen

(Vor

lesu

ngen

, Sem

inar

e, e

tc.)

Schw

erpu

nkte

Präs

enzv

eran

stal

tung

Teiln

ehm

erza

hlM

aste

r of S

cien

ce in

Glo

bal

Logi

stic

s and

Sup

ply

Chai

n M

anag

emen

t und

Mas

ter o

f Sc

ienc

e in

Man

agem

ent

(gem

eins

amer

Kur

s)Da

ta S

cien

ceM

achi

ne

Lear

ning

ja36

Bach

elor

of S

cien

ce in

Bus

ines

s Ad

min

istra

tion

Data

Man

agem

ent

Date

ntec

hnol

ogie

ja16


100

Anlage 17

HSBA

Studienfach Einzelne Veranstaltungen (Vorlesungen, Seminare, etc.) Schwerpunkte

Datenbanksystem Seminar Data Mining Statistik Seminar Datenanalyse Marketing Management Seminar Datenanalyse Digital Toolbox Vorlesung Data Science

Marketing.digital Seminar Online Marketing, Nutzerverhalten

Applied Quantitative Analysis Seminar (MSc GMG) Datenanalyse Applied Quantitative Analysis Seminar (Executive MBA) Datenanalyse


101

Anlage 18

BÜRGERSCHAFT 21/19784 · Wirtschaft) und Digitaler Journalismus. Bereits besetzt sind eine...

Documents

Transcript of BÜRGERSCHAFT 21/19784 · Wirtschaft) und Digitaler Journalismus. Bereits besetzt sind eine...