Wintersemester 2026/27
Alle notwendigen Informationen und Links zu Lehrveranstaltungen im Wintersemester 2026/27 sind, gegliedert nach den Lehrveranstaltungen, auf dieser Seite zu finden. Alle Fragen an die Lehrenden stellen Sie bitte in den Lehrveranstaltungen bzw. über die jeweils genutzten Plattformen - nicht in individuellen E-Mails an die Lehrenden.
Bachelor:
Beginn der Veranstaltung: Weitere Informationen siehe Moodle-Kurs.
Inhalt:
Diese Veranstaltung wird in Form eines Konferenzseminars angeboten. Ähnlich einer wissenschaftlichen Konferenz reichen die Teilnehmenden eigene Konferenzbeiträge ein, beteiligen sich an dem Review anderer Beiträge und treffen sich am Semesterende zu einem gemeinsamen Workshop, bei dem die erarbeiteten Ergebnisse präsentiert und diskutiert werden. Thematisch ist diese Konferenz im Bereich des Maschinellen Lernens einzuordnen. Die spezifischen Themen der Seminararbeiten werden von wissenschaftlichen Mitarbeitenden des Fachgebiets ausgeschrieben und bei der Einführungsveranstaltung vorgestellt. Diese findet zu Beginn der Vorlesungszeit statt.
Die Einführungsveranstaltung findet voraussichtlich in Präsenz statt. Aktuelle Informationen zum Ablauf der Veranstaltung finden Sie im Moodle-Kurs.
Haben Sie Interesse, dann schauen Sie doch einfach bei der Einführungsveranstaltung (siehe Moodle) vorbei.
Links:
Kontaktperson:
- Dominik Köhler
Der Stoff der Vorlesung wird nach dem Lehrkonzept "Flipped Classroom" in Form von Videos vermittelt. Begleitend zu den Videos gibt es wöchentliche Live-Sessions, zu denen Prof. Sick weiterführende Fragen mit Ihnen diskutiert, die das Verständnis vertiefen. Zusätzlich gibt es eine kurze Zusammenfassung des Stoffes der letzten Woche und einen Ausblick zum Stoff der kommenden Woche.
Die Übungsblätter werden jeden Montag bereitgestellt. Die Lösungen werden eine Woche später nach der letzten Übung hochgeladen. Es werden ausschließlich Präsenzübungen angeboten, in denen die Aufgaben diskutiert werden können.
Alle weitere Information und regelmäßige Ankündigungen zu Veranstaltungen und der Klausurzulassung (Studienleistung) finden Sie im entsprechenden Moodle-Kurs.
Kontaktperson: Lukas Lührs
Die Studierenden erarbeiten ein breites Verständnis der Signalverarbeitungskette in Intelligenten Technischen Systemen. Sie sind mit dem Erreichen des Lehrveranstaltungsziels dazu in der Lage, sachkompetent einfache Aufgaben im Schnittstellenbereich von Datenaufzeichnung und - verarbeitung, elementaren Machine-Learning-Verfahren und der Systembewertung selbstständig, aber auch im Team zu bearbeiten und zu lösen.
Kontaktperson:
Name: Benjamin Herwig
E-Mail: herwig@uni-kassel.de
Master:
Beginn der Veranstaltung: Weitere Informationen siehe Moodle-Kurs.
Inhalt:
Diese Veranstaltung wird in Form eines Konferenzseminars angeboten. Ähnlich einer wissenschaftlichen Konferenz reichen die Teilnehmenden eigene Konferenzbeiträge ein, beteiligen sich an dem Review anderer Beiträge und treffen sich am Semesterende zu einem gemeinsamen Workshop, bei dem die erarbeiteten Ergebnisse präsentiert und diskutiert werden. Thematisch ist diese Konferenz im Bereich des Maschinellen Lernens einzuordnen. Die spezifischen Themen der Seminararbeiten werden von wissenschaftlichen Mitarbeitenden des Fachgebiets ausgeschrieben und bei der Einführungsveranstaltung vorgestellt. Diese findet zu Beginn der Vorlesungszeit statt.
Die Einführungsveranstaltung findet voraussichtlich in Präsenz statt. Aktuelle Informationen zum Ablauf der Veranstaltung finden Sie im Moodle-Kurs.
Haben Sie Interesse, dann schauen Sie doch einfach bei der Einführungsveranstaltung (siehe Moodle) vorbei.
Links:
Kontaktperson:
- Dominik Köhler
Der/die Studierende kann verschiedene Modelle und Algorithmen aus dem Bereich des Deep Learning erklären; neue Modellierungsansätze für verschiedenste Aufgaben wie Klassifikation und Regression, Object Detection usw. entwickeln; neue Anwendungen eigenständig planen und realisieren; existierende Verfahren und Anwendungen kritisch hinterfragen, vergleichen und bewerten; sich neueste Techniken aus der Literatur eigenständig erschließen.
Kontaktperson:
Denis Huseljic
Die Vorlesung behandelt die Grundlagen der Mustererkennung unter probabilistischen Gesichtspunkten. Die folgenden Themen werden besprochen:
- Basics (e.g., stochastics, model selection, curse of dimensionality, decision and information theory)
- Distributions (e.g., multinomial, Dirichlet, Gaussian and Student distributions, nonparametric estimation)
- Linear models for regression
- Linear models for classification
- Neural networks
- Kernel methods
Kontaktperson: Huseljic, Denis
E-Mail: dhuseljic[at]uni-kassel[dot]de
Zu den betrachteten Themenfeldern gehören beispielsweise Verfahren des (teil-)autonomen Lernens wie z.B. Deep Reinforcement Learning, Active Learning, Self-Supervised Learning / Representation Learning, Collaborative Learning, Continual Learning, aber auch Physics-Informed Networks, Temporal Data Analytics u.a..
Kontaktperson: Christoph Scholz