Lehrveranstaltungen
Archiv: frühere/unregelmäßige Lehrveranstaltungen
„Hallo Welt!“ für Fortgeschrittene | letztmals SS 2021 |
Programmierung und Architekturen von Cluster-Rechnern | letztmals SS 2020 |
Informatik-Repetitorium | letztmals WS 2018/19 |
Geschichte der Programmiersprachen | letztmals WS 2018/19 |
Mobile Application Development | letztmals SS 2016 |
Principles of Programming Languages | letztmals SS 2015 |
Parallele Algorithmen/Parallel Algorithms | letztmals WS 2014/15 |
Graphtransformationssysteme | letztmals SS 2014 |
Funktionale Programmierung in Haskell | letztmals SS 2013 |
Vorangehendes Semester
Vorlesung (VORL)
-
Algorithmen und Datenstrukturen
-
Ausgewählte Kapitel aus dem Übersetzerbau
Es ist keine Anmeldung erforderlich.
Vorlesung "Grundlagen des Übersetzerbaus" (Übersetzerbau 1)
-
Grundlagen des Übersetzerbaus
Voraussetzung zur Teilnahme an der Modulprüfung ist die erfolgreiche Bearbeitung der Übungsaufgaben.
Praktikum (PR)
-
NWERC Praktikum
Die Sprache wird mit den Studierenden am Anfang der Veranstaltung abgestimmt.
Der Zeitplan der Lehrveranstaltung sieht folgende Anteile vor:
- 2 SWS Vorlesung vor dem Wettbewerb: Dozenten erklären Algorithmen oder besprechen Aufgaben
- 1 SWS nach dem Wettbewerb: Dozenten besprechen Lösungen
- 5 Stunden Wettbewerb
- 4 Tage Exkursion zum Trainingslager vor dem Wettbewerb
- 3 Tage Exkursion zum NWERC
Seminar (SEM)
-
Begleitseminar zu Bachelor- und Masterarbeiten
-
Machine Learning: Advances
Anmeldung mit Themenanfrage per E-Mail vor Beginn des Seminars; Die Themen werden nach dem Prinzip "Wer zuerst kommt, mahlt zuerst" verteilt.
Dieser Kurs richtet sich an Anfänger, die mit maschinellem Lernen nicht vertraut sind, oder an Studierende, die eine schnelle Auffrischung suchen.
Anmeldung via e-mail an tobias.feigl@fau.de
-
Machine Learning: Introduction
Anmeldung mit Themenanfrage per E-Mail vor Beginn des Seminars; Die Themen werden nach dem Prinzip "Wer zuerst kommt, mahlt zuerst" verteilt.
Dieser Kurs richtet sich an Anfänger, die mit maschinellem Lernen nicht vertraut sind, oder an Studierende, die eine schnelle Auffrischung suchen.
Anmeldung via e-mail an tobias.feigl@fau.de
Übung (UE)
-
Übungen zu Grundlagen des Übersetzerbaus
-
Übungen zu Ausgewählte Kapitel aus dem Übersetzerbau
Blockveranstaltung n.V. nach der Vorlesungszeit (voraussichtlich 28.02.-04.03.2022).
-
Intensivübungen zu Algorithmen und Datenstrukturen
Termine n.V. zu Semesterbeginn!
-
Rechnerübungen zu Algorithmen und Datenstrukturen
Übungsbetrieb beginnt in der zweiten Vorlesungswoche!
Der Übungsbetrieb beginnt in der zweiten Woche der Vorlesungszeit.
-
Tafelübungen zu Algorithmen und Datenstrukturen
Übungsbetrieb beginnt in der zweiten Vorlesungswoche!
Online-Anmeldung zur Übung in der ersten Vorlesungswoche erforderlich!
Der Übungsbetrieb beginnt in der zweiten Woche der Vorlesungszeit.
Repetitorium (RE)
Aktuelles Semester
Vorlesung (VORL)
-
Analyse und Design objektorientierter Softwaresysteme mit der Unified Modeling Language (UML)
-
Optimierungen in Übersetzern
Voraussetzung zur Teilnahme an der Prüfung ist die erfolgreiche Bearbeitung der Übungsaufgaben.
-
Parallele und Funktionale Programmierung
-
Testen von Softwaresystemen
Übung (UE)
-
Übungen zu Analyse und Design objektorientierter Softwaresysteme mit der Unified Modeling Language (UML)
-
Übungen zu Optimierungen in Übersetzern
Zeit und Ort für die Übungen werden in der ersten Vorlesungsstunde vereinbart.
-
Rechnerübungen zu Algorithmen und Datenstrukturen
Der Übungsbetrieb beginnt in der zweiten Woche der Vorlesungszeit.
-
Tafelübungen zu Algorithmen und Datenstrukturen
Online-Anmeldung zur Übung* in der ersten Vorlesungswoche *erforderlich!
Der Übungsbetrieb beginnt in der zweiten Woche der Vorlesungszeit.
-
Übungen zu Parallele und funktionale Programmierung
Informationen zur Übungseinteilung erhalten Sie in der ersten Vorlesung!
Seminar (SEM)
Kommendes Semester
Seminar (SEM)
-
Begleitseminar zu Bachelor- und Masterarbeiten
-
Machine Learning: Advances
Anmeldung mit Themenanfrage per E-Mail vor Beginn des Seminars; Die Themen werden nach dem Prinzip "Wer zuerst kommt, mahlt zuerst" verteilt.
Dieser Kurs richtet sich an Anfänger, die mit maschinellem Lernen nicht vertraut sind, oder an Studierende, die eine schnelle Auffrischung suchen.
Anmeldung via e-mail an tobias.feigl@fau.de
-
Machine Learning: Introduction
Anmeldung mit Themenanfrage per E-Mail vor Beginn des Seminars; Die Themen werden nach dem Prinzip "Wer zuerst kommt, mahlt zuerst" verteilt.
Dieser Kurs richtet sich an Anfänger, die mit maschinellem Lernen nicht vertraut sind, oder an Studierende, die eine schnelle Auffrischung suchen.
Anmeldung via e-mail an tobias.feigl@fau.de
Vorlesung (VORL)
-
Ausgewählte Kapitel aus dem Übersetzerbau
Es ist keine Anmeldung erforderlich.
Vorlesung "Grundlagen des Übersetzerbaus" (Übersetzerbau 1)
-
Grundlagen des Übersetzerbaus
Voraussetzung zur Teilnahme an der Modulprüfung ist die erfolgreiche Bearbeitung der Übungsaufgaben.
Übung (UE)
-
Übungen zu Grundlagen des Übersetzerbaus
-
Übungen zu Ausgewählte Kapitel aus dem Übersetzerbau
Blockveranstaltung n.V. nach der Vorlesungszeit.
-
Rechnerübungen zu Algorithmen und Datenstrukturen
Übungsbetrieb beginnt in der zweiten Vorlesungswoche!
Der Übungsbetrieb beginnt in der zweiten Woche der Vorlesungszeit.
-
Tafelübungen zu Algorithmen und Datenstrukturen
Übungsbetrieb beginnt in der zweiten Vorlesungswoche!
Online-Anmeldung zur Übung in der ersten Vorlesungswoche erforderlich!
Der Übungsbetrieb beginnt in der zweiten Woche der Vorlesungszeit.
Repetitorium (RE)
Übliches Raster der Lehrveranstaltungen
Sommersemester |
Wintersemester |
|
Algorithmen und Datenstrukturen (Übungen) | (AuD) | (AuD) |
Parallele und Funktionale Programmierung | (PFP) | |
Grundlagen des Übersetzerbaus | (UE1) | |
Optimierungen in Übersetzern | (UE2) | |
Ausgewählte Kapitel aus dem Übersetzerbau | (UE3) | |
Analyse und Design objektorientierter Softwaresysteme mit der Unified Modeling Language (UML) | (OOAD) | |
Testen von Softwaresystemen | (TSWS) | |
Machine Learning: Introduction | (ML-I) | |
Machine Learning: Advances | (ML-II) |