Letztes Update: 31. März 2026
Diese Webseite enthält zusätzliche Informationen zum Seminar “Modellierung 2” und Praktikum “Modellierung 1”, welches im Sommersemester 2026 von der Arbeitsgruppe Visual Computing angeboten wird. Die Veranstaltungen behandeln im Schwerpunkt Themen aus dem Gebiet maschinelles Lernen, passend zu “Deep Learning Theorie und Praxis” (früher: “Modellierung 2”) sowie der Veranstaltung “Modellierung 1”. Genaueres wird in der Vorbesprechung am 24.04.2026 mit allen Teilnehmenden abgesprochen.
Modulzuordnung: Das Seminar ist gut auf die Veranstaltung “Deep Learning – Theorie und Praxis” (früher: “Modellierung-2, statistische Datenanalyse”) zugeschnitten , kann aber auch mit “Modellierung 1” und “Statistical Geometry Processing” kombiniert werden. Das Seminar kann auch mit den Veranstaltungen aus der Computer Vision (z.B. “2D Computer Vision und Deep Learning” oder “3D Computer Vision”) kombiniert werden; es gibt entsprechende Themen mit Schwerpunkt in diesem Gebiet. Ähnliches gilt für das Praktikum; es ist turnusmäßig für die Veranstaltung Modellierung 1 vorgesehen, kann aber auch mit allen anderen Vertiefungsveranstaltungen der Arbeitsgruppe Visual Computing kombiniert werden.
Eine Kombination mit anderen Veranstaltungen aus dem Bereich Computer Vision / maschinellem Lernen / Mustererkennung / Computer Graphik sind aus thematischer Sicht denkbar; hier bitte kurz beim Dozenten bzw. Modulverantwortlichen anfragen (wenn nicht von der AG Visual Computing angeboten), um ggf. eine Genehmigung zu erhalten. Achten Sie auch darauf, in welchen Bereich (Theorie/Anwendung/etc.) Ihre Veranstaltung eingeordnet ist!
Fachliche Voraussetzugen: Thematisch können Sie das Seminar (sinnvoll) belegen, wenn Sie Grundkenntnisse in machinellem Lernen, Mustererkennung oder Computer Vision haben. Die Veranstaltung “Deep Learning – Theorie und Praxis” (“Modellierung 2”) ist dabei thematisch am passgenausten, aber auch die Grundvorlesungen in maschinellem Lernen und Data Mining, die Vorlesung Modellierung 1 sowie die Vorlesungen zu Computer Vision mit tiefen Netzen (oder frühere Vorlesungen zu Deep Learning) sind geeignet. Bei sehr geringer Exposition zu maschinellem (und tiefem) Lernen (z.B. nur Modellierung 1) ist eventuell etwas zusätzliche eigenständige Einarbeitung notwendig. Beim Praktikum ist eine Themenwahl passend zur entsprechenden Vertiefungsvorlesung unserer Arbeitsgruppe möglich.
Sowohl Seminar wie auch Praktikum im Sommersemester 2026 als Blockveranstaltung in der vorlesungsfreien Zeit (zwischen Sommersemester 2026 und dem Wintersemester 2026/27) statt. Dabei wird ein ca. zweiwöchiger Block genutzt: Zunächst findet das Seminar statt, gefolgt von dem Praktikum, das zum Teil darauf aufbaut.
Eine finale Terminabstimmung erfolgt am 24. April in der Vorbesprechung.
Am 24. April 2026 findet um 14h c.t. in Raum 03 424 eine Vorbesprechung für Seminar und Praktikum (am gleichen Termin, zur besseren Abstimmung) statt. Alle Interessenten/innen an der Veranstaltung sollten an diesem Treffen teilnehmen. Falls nicht möglich, schicken Sie bitte dem Dozenten vorab eine Email mit Informationen zu Terminwünschen/Einschränkungen in der vorlesungsfreien Zeit und mit dem gewünschten Themengebiet (z.B. Deep Learning bzw. Modellierung 2, Vision, Graphik, etc.) oder – noch besser – schicken Sie eine Vertretung.
Ablauf Seminar: Ein wissenschaftliches Seminar!
Ablauf Praktikum
Im Praktikum werden ähnliche Experimente wie im optionalen praktischen Teil des Seminars durchgeführt. Allerdings wird dabei ein wesentlich höherer Umfang erwartet: Das Praktikum muss den zeitlichen Umfang von zwei Wochen Vollzeit (80 Zeitstunden) haben.
Die Themen werden mit den Gruppen individuell abgesprochen (Diskussion startet in der Vorbesprechung)
Es ist möglich (und auch durchaus erwünscht), Praktikum und Seminar zusammen zu belegen, und das gleiche experimentelle Thema (in angemessenem Umfang) weiter auszubauen. Allerdings kann muss aus formaler Sicht ggf. auf die Modulzuordnung geachtet werden.
Hier sind alle wichtigen Termine für die Veranstaltung (wird noch im Laufe des Semesters weiter aktualisiert):
Ausarbeitungen
Übersicht:
Wichtig: Falls Sie an der Veranstaltung aktiv teilnehmen, sollten Sie sich umgehend auf Teams für das “Team” der Veranstaltung registrieren.
Team Code: nath8si
Anleitung: Benutzen Sie “Discover new Team” oder “Join or Create Team” und geben Sie den o.g. Code ein.
Achtung: Sie müssen sich auf jeden Fall selbst in Teams für die Veranstaltung anmelden (wie hier beschrieben); dies geschieht nicht automatisch.