Allgemeine Pädagogik - Basismodul III: Geschichte und Theorie der Erziehung und Bildung (Vorlesung)

Dozentinnen/Dozenten:

Monika Rapold, Annette Scheunpflug

Termine:

Di, 10:15 - 11:45, M3N/02.32
Die Vorlesung selbst findet zu keiner festen Uhrzeit statt, sondern wird in Form von Podcasts asynchon angeboten. Dazu sind im VC-Kurs der V/S die entsprechenden Materialien und Unterlagen eingestellt. Zur angegebenen Zeit am Di, 10:15 bis 11:45 Uhr finden jede Woche Sitzungen in Präsenz im angegebenen Raum statt. Diese bieten keinen neuen Stoff, sondern unterstützen bei der Aufarbeitung, der Vertiefung und dem Transfer der online über die Podcasts vermittelten Inhalte.

Empfohlene Literatur:

Literatur zur Vorlesung ist im VC einsehbar!

EMP_MA_SE: Deep learning and artificial neural networks (Vertiefungsseminar quantitative Forschungsmethoden) [Vertiefungsseminar Quanti: Deep Learning]

Dozent/in:

Matthias Borgstede

Termine:

Do, 12:00 - 14:00, MG2/01.11

Inhalt:

Artificial intelligence (AI) has made immense advances in recent years. Popular applications of AI such as text generation (chat bots), object recognition or autonomous driving are becoming more and more human-like. One of the most promising approaches in the field of AI are neural network models, especially deep learning frameworks.
This course gives a practical introduction to artificial neural networks and deep learning using the statistical programming environment R. Students will acquire the necessary skills to understand how modern AI works by constructing and training their own deep learning models. The course covers the theoretical background of neural networks, basic network architectures, as well as exemplary applications such as object classification, hand-written letter recognition or natural language processing.
The course language will be English.

Empfohlene Literatur:

Chollet, F., Kalinowski, T., Allaire, J.J. (2022). Deep learning with R. Manning.

Ciaburro, G., Venkateswaran, B. (2017). Neural networks with R. Packt.

Hodnett, M., Wiley, J.F. (2018). R Deep learning essentials. Packt.

The literature is freely available for students of Bamberg University via https://learning.oreilly.com

Allgemeine Pädagogik - Basismodul III: Geschichte und Theorie der Erziehung und Bildung (Vorlesung)

Dozentinnen/Dozenten:

Monika Rapold, Annette Scheunpflug

Termine:

Di, 10:15 - 11:45, M3N/02.32
Die Vorlesung selbst findet zu keiner festen Uhrzeit statt, sondern wird in Form von Podcasts asynchon angeboten. Dazu sind im VC-Kurs der V/S die entsprechenden Materialien und Unterlagen eingestellt. Zur angegebenen Zeit am Di, 10:15 bis 11:45 Uhr finden jede Woche Sitzungen in Präsenz im angegebenen Raum statt. Diese bieten keinen neuen Stoff, sondern unterstützen bei der Aufarbeitung, der Vertiefung und dem Transfer der online über die Podcasts vermittelten Inhalte.

Empfohlene Literatur:

Literatur zur Vorlesung ist im VC einsehbar!

EMP_MA_SE: Deep learning and artificial neural networks (Vertiefungsseminar quantitative Forschungsmethoden) [Vertiefungsseminar Quanti: Deep Learning]

Dozent/in:

Matthias Borgstede

Termine:

Do, 12:00 - 14:00, MG2/01.11

Inhalt:

Artificial intelligence (AI) has made immense advances in recent years. Popular applications of AI such as text generation (chat bots), object recognition or autonomous driving are becoming more and more human-like. One of the most promising approaches in the field of AI are neural network models, especially deep learning frameworks.
This course gives a practical introduction to artificial neural networks and deep learning using the statistical programming environment R. Students will acquire the necessary skills to understand how modern AI works by constructing and training their own deep learning models. The course covers the theoretical background of neural networks, basic network architectures, as well as exemplary applications such as object classification, hand-written letter recognition or natural language processing.
The course language will be English.

Empfohlene Literatur:

Chollet, F., Kalinowski, T., Allaire, J.J. (2022). Deep learning with R. Manning.

Ciaburro, G., Venkateswaran, B. (2017). Neural networks with R. Packt.

Hodnett, M., Wiley, J.F. (2018). R Deep learning essentials. Packt.

The literature is freely available for students of Bamberg University via https://learning.oreilly.com