Ringvorlesung: Die Welt im Computer
Einführung in Big Data, Machine Learning und Quantitative Modellierung
Viele Bereiche naturwissenschaftlicher Forschung durchlaufen zur Zeit einen enormen Wandel. Dieser ist darauf zurückzuführen, dass neue Messmethoden immer größere Datensätze generieren, die mit Computer-basierten Algorithmen aus Bereichen des Machine Learnings völlig neuartig untersucht werden können. Gleichzeitig ermöglicht der Fortschritt in den Computerwissenschaften auch ganz generell die Beschreibung von immer komplexeren System.
In der Ringvorlesung werden daher Konzepte zu Big Data, Machine Learning, Deep Learning, künstlicher Intelligenz und die verschiedenen Arten der Modellierung komplexer Systeme vorgestellt. Neben einem Überblick über die Methoden und die Möglichkeiten des Einsatzes von Super-Computern, werden Dozent*innen aus einem breiten Spektrum wissenschaftlicher Anwendungen über ihre aktuelle Forschung aus diesen Bereichen berichten. Studierende aller Fakultäten sowie interessierte Gäste sind herzlich willkommen!
Leitung der Ringvorlesung:
Die Ringvorlesung wird vom Kompetenzfeld III: Quantitative Modellierung komplexer Systeme organisiert.
Informationen zur Anmeldung
Zielgruppe
Zu unserer Ringvorlesung sind Studierende aller Studiengänge, Gasthörende, Promotionstudierende und die interessierte Öffentlichkeit herzlich eingeladen.Es werden keine Fachkenntnisse vorausgesetzt.
Workload
Die Veranstaltung hat im Rahmen des Studium Integrale einen Workload von ca. 90 Unterrichtsstunden. Dieser Workload setzt sich zusammen aus der Präsenzzeit (ca. 30 Unterrichtsstunden) und der Zeit für die Vor- und Nachbereitung (ca. 60 Unterrichtsstunden). Die Prüfungsleistung wird in Form einer Klausur erbracht, wodurch 3 LP erworben werden können.
Anmeldung
Die Lehrveranstaltungs-Nummer lautet 14904.3601. Für die Teilnahme ist eine Anmeldung über KLIPS nicht verpflichtend, außer Sie möchten die Veranstaltung im Rahmen des Studium Integrale hören. Die FAQ Studium Integrale geben Ihnen Antwort auf viele Fragen zum Studium Integrale und den Extracurricularen Angeboten.
Sie können sich regulär über KLIPS für die Veranstaltung anmelden. Sie erhalten dann Zugang zum Vorlesungsmaterial auf ILIAS. Wenn Sie keine Abschlussprüfung benötigen, aber dennoch eine Teilnahmebescheinigung möchten, melden Sie sich bitte unter Angabe Ihres vollständigen Namens und Ihrer Matrikelnummer bei: y.krumbeck@uni-koeln.de.
Klausur
Wenn Sie eine Prüfungsleistung für diese Veranstaltung erbringen möchten, ist die Teilnahme an einer Klausur notwendig. Leistungspunkte werden nur nach erfolgreichem Abschluss der Klausur verrechnet (3LP).
Sie können sich in KLIPS für die Prüfung anmelden. Hinweis: wenn Sie sich bereits für die Veranstaltung angemeldet haben, müssen Sie sich dennoch zusätzlich für die Klausur anmelden! Bitte beachten Sie die Anmeldefrist.
Die Klausur besteht aus Multiple-Choice Fragen. Diese sind so aufgebaut, dass das Verständnis von grundlegenden Konzepten, die in der Vorlesung behandelt werden, abgefragt wird. Die Klausur richtet sich an alle Fakultäten, Sie müssen also KEINE mathematisch-technischen Voraussetzungen mitbringen. Alle Fragen beziehen sich direkt auf den Inhalt des Vorlesungsmaterial, das Sie auf ILIAS einsehen können.
Termine im Wintersemester 2024/25
Die Vorträge finden jeweils dienstags 16.00 – 17.30 Uhr im Hörsaal II der Physikalischen Institute (Gebäude 321) statt.
Der erste Termin ist der 8. Oktober 2024.
Die Klausur zur Vorlesung findet am 11. Februar 2025 von 16.00 - 17.30 Uhr in Hörsaal D des Hörsaalgebäudes statt. Bitte denken Sie daran, sich rechtzeitig in Klips für die Klausur anzumelden!
Die Nachklausur zur Vorlesung findet am 25. März 2025 von 16.00 - 17.30 Uhr in Hörsaal D des Hörsaalgebäudes statt.
Programm
8.10.2024
Einführung (circa 10 Minuten)
Yorik Krumbeck
8.10.2024
Introduction to Mathematical Modeling and Methods (Vortrag auf Englisch)
Dr. Andrés M. Rueda-Ramírez
15.10.2024
Trustworthy Artificial Intelligence (Vortrag auf Englisch)
Prof. Dr. Aleksandar Bojchevski (Institut für Informatik)
22.10.2024
Das quantenmechanische Viel-Teilchenproblem in der Chemie: Approximative Lösungen der Schrödinger-Gleichung
PD Dr. Michael Hanrath (Institut für Theoretische Chemie)
29.10.2024
Digitale Pflanzen - von der Zelle zum Ökosystem
Prof.in Dr.in Nadine Toepfer (Institut für Pflanzenwissenschaften)
05.11.2024
Machine Learning in der Präzisionsmedizin
Prof. Dr. Andreas Beyer (Institut für Genetik)
12.11.2024
Wolken, Wetter und Klima – wie wir versuchen mit komplexen Modellen unsere Welt zu verstehen
Dr.in Vera Schemann (Institut für Geophysik und Meteorologie)
19.11.2024
When data and algorithms meet brain and gut feeling: thoughts on media, management, and society (Vortrag auf Deutsch)
Prof.in Dr.in Claudia Loebbecke (Seminar für Medien- und Technologiemanagement)
26.11.2024
Quantitative Modellierung astrophysikalischer Systeme
Prof.in Dr.in Stefanie Walch-Gassner (I. Physikalisches Institut)
03.12.2024
ENTFÄLLT!
17.12.2024
Finding needle in the data haystack: deep learning for large biomedical analysis (Vortrag auf Englisch)
Prof.in Dr.in Katarzyna Bozek (Center for Molecular Medicine Cologne)
07.01.2025
Lernen mit und über (generative) Künstliche Intelligenz
Ingo Kleiber (Prorektorat für Lehre und Studium)
14.01.2025
Sprache mit dem Computer verarbeiten- und verstehen?
Prof. Dr. Nils Reiter (Institut für Digital Humanities)
21.01.2025
Stochastic Population Dynamics - a “crash course”
Dr. Yorik Krumbeck (kurzfristige Vertretung)
28.01.2025
Quantum Systems & Computers
Prof. Dr. Matteo Rizzi (Institut für Theoretische Physik)
Zeit und Ort
- Dienstags, 16.00-17.30 Uhr
- Hörsaal II, Physikalische Institute (321)
Klausur
- Zeit: 11.02.2025 16.00 - 17.30 Uhr
- Ort: Hörsaal D, Hörsaalgebäude
Nachklausur
- Zeit: 25.03.2025, 16.00 - 17.30 Uhr
- Ort: Hörsaal D, Hörsaalgebäude