Die hier aufgeführten Veranstaltungen sind Teil des festen Lehrangebots des CDSC und werden regelmäßig angeboten.
Das Angebot in diesem Semester finden Sie in der Übersicht aller aktuellen Lehrveranstaltungen.
Einführung in die Bayes'sche Statistik
Die Bayes'sche Statistik bietet einen vereinheitlichenden Zugang zu Problemen der Datenanalyse und bildet zugleich eine theoretische Grundlage für viele Methoden des maschinellen Lernens. Ziel der Vorlesung ist es, anhand von Beispielen aus verschiedenen Wissenschaftsgebieten, dem Alltag sowie aus aktuellen Anwendungen des maschinellen Lernens eine erste Einführung in das Themengebiet zu geben. Aufbauend auf den theoretischen Grundlagen werden Fragestellungen wie Parameterschätzung, Modellvergleich und Hypothesentests, Kausale Inferenz und Experimentelles Design behandelt, ergänzt durch ihre numerische Umsetzung mittels moderner Monte Carlo Methoden.
Weitere Informationen zur aktuelle Vorlesung im Sommersemester 2025 finden Sie im LearnWeb
Kontakt: Oliver Kamps
Interdisziplinäre Einführung in Komplexe Netzwerke
Komplexe Netzwerke sind ein modernes, thematisch äußerst vielfältiges und hochgradig interdisziplinäres Forschungsfeld. Ziel der Vorlesung ist, eine Einführung in den universellen Werkzeugkoffer der Netzwerktheorie zu geben. Dieser stellt Konzepte und Methoden bereit, um komplexe Netzwerke zu beschreiben und zu analysieren, Phänomene, die in ihnen auftreten, zu verstehen und die Funktionsweise und Resilienz von Netzwerken zu optimieren. Im Rahmen der Vorlesung werden zahlreiche Anwendungsbeispiele aus verschiedenen Fachdisziplinen (z. B. Physik, Chemie, Biologie, Neurowissenschaft, Medizin, Wirtschaftswissenschaften und Soziologie) vorgestellt, welche um aktuelle Fragestellungen (z. B. Propagation von Desinformation, Radwegenetze, Klimanetzwerke, Ausbreitung von Epidemien) ergänzt werden.
Die Vorlesung wird momentan, unterstützt durch QV-Mittel der Universität, ausgearbeitet und erstmalig im SoSe 2026 angeboten.
Kontakt: Katrin Schmietendorf
Einführung in die nichtlineare Dynamik und Selbstorganisation
Nichtlineare Effekte und kollektive Phänomene, die durch die Wechselwirkung vieler Teile entstehen, können in sehr unterschiedlichen Wissenschaftsbereichen wie Physik, Chemie, Biologie, Medizin, Ingenieurwissenschaften, Sozialwissenschaften oder der Psychologie beobachtet werden. Dazu gehören abrupte Übergänge zwischen Zuständen mit völlig verschiedenen Eigenschaften, Multistabilität oder die selbstorganisierte Entstehung von räumlicher, zeitlicher und raumzeitlicher Ordnung bzw. Strukturen. Die Vorlesung soll anhand von Beispielen aus verschiedenen Wissenschaftbereichen in die Modellierung solcher Phänomene einführen und die zugrundeliegenden gemeinsamen Prinzipien erkunden.
Weitere Informationen Die nächste Vorlesung wird im Wintersemester 2026/2027 stattfinden
Kontakt: Oliver Kamps
Einführung in das maschinelle Lernen
Die interdisziplinäre Einführungsvorlesung richtet sich an Bachelor- und Master-Studierende verschiedener Fachrichtungen mit heterogenen Vorkenntnissen. Die Vorlesung gibt einen Überblick über die fundamentalen Konzepte und Algorithmen des Machine Learnings und erläutert diese an grundlegenden Anwendungsbeispielen.
Weitere Informationen Die nächste Vorlesung wird als Blockveranstaltung in der Vorlesungsfreien Zeit im Sommersemester 2026 stattfinden
Kontakt: Oliver Kamps