Search

true Author Andrea Bäuml producer Microsoft: Print To PDF access_permission:can_modify true pdf:docinfo:producer Microsoft: Print To PDF pdf:docinfo:created 2025-12-04T13:37:11Z ME_Pr [...] is ME Innovationsmanagement Steinhauser semesterbegleitender Leistungsnachweis ME Machine Learning for Engineers Götz Th. semesterbegleitender Leistungsnachweis ME Maschinelles Sehen und Must

true Author David Powering producer Microsoft: Print To PDF access_permission:can_modify true pdf:docinfo:producer Microsoft: Print To PDF pdf:docinfo:created 2025-12-04T12:35:01Z Microsoft [...] Unterricht oft schwer erfassbar sind, anschaulich sichtbar und verständlich. Das neu eingerichtete Learning Lab der Realschule bot mit seinen flexiblen Tischinseln optimale Rahmenbedingungen für das Mixe [...] von Schädel und Nervenbahnen ermöglicht Erkunden komplexer Strukturen. Modernes Lernumfeld: Das Learning Lab ist vollständig für das MR-Anatomiepraktikum vorbereitet. Mikroskopische Inhalte im Raum:

what-to-do-to-switch-to-biblatex https://tex.stackexchange.com/questions/5091/what-to-do-to-switch-to-biblatex annotation https://tex.stackexchange.com/questions/5091/what-to-do-to-switch-to-biblatex [...] what-to-do-to-switch-to-biblatex annotation https://tex.stackexchange.com/questions/5091/what-to-do-to-switch-to-biblatex https://tex.stackexchange.com/questions/5091/what-to-do-to-switch-to-biblatex [...] what-to-do-to-switch-to-biblatex https://tex.stackexchange.com/questions/5091/what-to-do-to-switch-to-biblatex annotation https://tex.stackexchange.com/questions/5091/what-to-do-to-switch-to-biblatex

Still trying. Still growing. You’ve learned to adapt-to new cultures, new struggles, new versions of yourself. You’ve built a life from scratch. That’s something to be proud of. You’re no longer the person

:can_print true Author producer Microsoft: Print To PDF access_permission:can_modify true pdf:docinfo:producer Microsoft: Print To PDF pdf:docinfo:created 2025-11-24T11:02:42Z Liste [...] Informatik III Kl 90 Breidbach Schmidl MA ohne Industrie 4.0 StA - Schmidl Breidbach MA ohne Machine Learning for Engineers – Einführung in Methoden und Werkzeuge StA - Breidbach Schmid MB 17-18 WS 2

PrA Project work in a small team Deep Learning 1. Bergler, Christian 2. Levi, Patrick Kl 26.01.2026 90 min 14:00 15:30 Deep Reinforcement Learning 1. Nierhoff, Thomas 2. Bergler, Christian [...] presentation) International Affairs & Intercultural Meeting (BC) 1. Heckmann, Dominikus 2. Wolff, Annabelle ModA Machine Learning (Englisch) 1. Levi, Patrick 2. Bergler, Christian PrA [...] Friday, 30.01.2026 Exam Exam Exam Exam Exam 14:00–15:30 Deep Learning Ausgewählte Themen der Künstlichen Intelligenz Advanced Deep Learning Time Monday, 02.02.2026 Tuesday, 03.02.2026 Wednesday, 04

Dominikus 2. Nierhoff, Thomas Präs Machine Learning 1 1. Bergler, Christian 2. Brunner, Fabian Keine Kl 02.02.2026 60 min 08:30 09:30 Machine Learning 2 1. Levi, Patrick 2. Bergler, Christian [...] einseitig selbst beschrie- ben, nicht progr. TR Kl 30.01.2026 60 min 14:00 15:00 Ethik, Kognition & Meeting 1. Heckmann, Dominikus 2. Ranisch, Lisa Marie Präs Foreign Language 1 (Deutsch) 1. Fröhlich [...] handschr. be- schriftet Kl 28.01.2026 90 min 14:00 15:30 International Affairs & Intercultural Meeting 1. Heckmann, Dominikus 2. Wolff, Annabelle ModA KI Projekt Gaming 1. Nierhoff, Thomas 2

edu/~wcook/papers/HowToGetaPaperAcceptedToOOPSLA/HowToGetAPaperAcceptedToOOPSLA.htm https://www.cs.utexas.edu/~wcook/papers/HowToGetaPaperAcceptedToOOPSLA/HowToGetAPaperAcceptedToOOPSLA.htm annotation [...] edu/~wcook/papers/HowToGetaPaperAcceptedToOOPSLA/HowToGetAPaperAcceptedToOOPSLA.htm https://www.cs.utexas.edu/~wcook/papers/HowToGetaPaperAcceptedToOOPSLA/HowToGetAPaperAcceptedToOOPSLA.htm annotation [...] ____ to ____. This year, ____ received many submissions. In order to speed up the review process, some low-quality papers will be rejected directly based on TPC chairs' judgement. We regret to inform

WPM X Machine Learning 1 Machine Learning 1 Prof. Fabian Brunner siehe MHB KI/IK 4 5 O WPM O WPM O WPM O FWPM SWPM SWPM WPM PM WPM Maschinelles Lernen in der Robotik Machine Learning in Robotics Prof [...] true Author Julia Weiss producer Microsoft: Print To PDF access_permission:can_modify true pdf:docinfo:producer Microsoft: Print To PDF pdf:docinfo:created 2025-11-17T09:57:22Z !! UP [...] 5 VM [KI] WPM [IK] auf längere absehbare Zeit nicht angeboten X Reinforcement Learning Reinforcement Learning Prof. Thomas Nierhoff siehe MHB KI/IK SWPM SWPM VM [KI] WPM [IK] Robotik Robotics

Zatocil 2. Wolfram s. Prüfungsplan EI O O O O 26.01.2026 14:00–15:30 s. Prüfungsplan EI Machine Learning 1 5 1. Bergler 2. Brunner s. Prüfungsplan KI O O O O X X X X 02.02.2026 08:30–09:30 s. Prüfungsplan [...] Schäfer X X X X X X X X ModA Quantencomputing 5 1. Breidbach 2. Levi X ModA Reinforcement Learning 5 1. Nierhoff 2. Heckmann s. Prüfungsplan KI X s. Prüfungsplan KI Vertiefungsmodul bei KI, SW-Modul

Advanced Deep Learning Advanced Deep Learning German  / English Prof. Christian Bergler see also module manual MKI 4 5 WPM WPM ohne TN‐Begrezung no Deep Reinforcement Learing Deep Reinforcement Learning German [...] hoff see also module manual MKI 4 5 WPM WPM ohne TN‐Begrezung Explanatory Legend SuSe / WiSe to be offered in the semester PM Compulsory Module PT Project BC Bridge Module for MAI WPM

field of deep learning on their own, while also learning from the views and approaches of others to further deepen their understanding. Overall, it helps students to learn not only how to self-organize [...] practical machine learning tools and techniques, Morgan Kaufmann, 2018. A. Géron: Hands-on Machine Learning with Scikit-Learn, Keras and Tensor Flow, O'Reilly, 2018. Raschka: Machine Learning with Python: [...] Machine Learning, Springer, 2006. • F. Chollet: Deep Learning with Python, Manning, 2018. (deutsche Version bei mitp Professional, 2018) • Géron: Hands-On Machine Learning with Scikit-Learn, Keras, and

Beginn Ende Details Deep Learning (SPO alt) 1. Levi, Patrick 2. Bergler, Christian ModA Analyse und Bearbeitung einer gegebe- nen Aufgabenstellung mit Hilfe von Deep Learning; prototypische Realisierung [...] Datum Dauer Beginn Ende Details Machine Learning 1 1. Bergler, Christian 2. Brunner, Fabian Keine Kl 02.02.2026 60 min 08:30 09:30 Machine Learning 2 1. Levi, Patrick 2. Bergler, Christian [...] & Cyber-Physische Systeme 1. Wiehl, Michael 2. Nierhoff, Thomas ModA Ethik, Kognition & Meeting 1. Heckmann, Dominikus 2. Ranisch, Lisa Marie Präs Grundlagen der Robotik 1. Wenk, Matthias

machine learning. • Methodological competence: The students are able to practically apply various machine learning methods and to evaluate the results. • Personal competence: Ability to discuss [...] Personal competence: Ability to communicate about lightweight engineering; ability to work independently as well as in team to solve a technical problem; ability to lifetime learning Course Content Inhalte [...] private situations. They learn to identify these situations and to appear interculturally competent. • Personal competence: Students acquire the interdisciplinary ability to perform in a culturally

Zusammenhang mit Energiespeicherung (Wasserstoff, Elektrolyse, Brennstoffzellen, power to gas, power to liquid, biomass to liquid, etc.), Flexibilisierung von Kraft-Wärme-Kälte-Kopplungsprozessen durch die [...] Nachbereitung Prüfungsvorbereitung = 90 h = 150 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] Nachbereitung Prüfungsvorbereitung = 90 h = 150 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden

Nachbereitung Prüfungsvorbereitung = 90 h = 150 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] Nachbereitung Prüfungsvorbereitung = 90 h = 150 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] Selbststudium Prüfungsvorbereitung = 90 h = 150 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden

Nachbereitung Prüfungsvorbereitung = 90 h = 150 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] Nachbereitung Prüfungsvorbereitung = 90 h = 150 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden [...] Nachbereitung Prüfungsvorbereitung = 90 h = 150 h Lernziele / Qualifikationen des Moduls Learning Outcomes Nach dem erfolgreichen Absolvieren des Moduls verfügen die Studierenden über die folgenden

Machine Learning mit Scikit-Learn, Keras und TensorFlow“, O'Reilly; 2. Edition (2020) Bishop, C.M.: „Pattern Recognition and Machine Learning“, Springer (2006) Chollet, F.: „Deep Learning with Python“ [...] Seite 66 von 86 4.1.3 Machine Learning for Engineers – Einführung in Methoden und Werkzeuge Machine Learning for Engineers – Introduction to Methods ans Tools Zuordnung zum Curriculum [...] und verschiedener Algorithmen des Machine Learning. • Methodenkompetenz: Die Studierenden sind befähigt, verschiedene Verfahren des Machine Learnings praktisch anzugehen und die Ergebnisse zu

Ivanov, Dmitry (2024): Digital Supply Chain Management and Technology to Enhance Resilience by Building and Using End-to-End Visibility During the COVID-19 Pandemic. In: IEEE Trans. Eng. Manage. [...] Roming, Lukas; Franke, Jörg; Reitelshöfer, Sebastian (2025b): The path to a more efficient circular economy by integrating deep learning into robotic sorting system. In: Global Conference on Sustainable [...] Bernt Mayer 24 A Micro Data Approach to the Identification of Credit Crunches von Timo Wollmershäuser und Horst Rottmann 25 Strategies and possible directions to improve Technology Scouting in

• Raschka, S., Liu, Y. H., & Mirjalili, V. (2022). Machine Learning with PyTorch and Scikit-Learn: Develop machine learning and deep learning models with Python. Packt Publishing Ltd. • Goodfellow [...] lineare Regression mit scikit-learn • Einführung in Deep Learning - Grundprinzipien neuronaler Netze (Feedforward, Training, Overfitting) - Erstellung einfacher Deep-Learning-Modelle mit Keras oder PyTorch [...] Material / Reading • Géron, A. (2022). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow: Concepts, tools, and techniques to build intelligent systems. " O'Reilly Media, Inc.". •

system Examination boards Learning spaces Insurances You are here: Studies Getting started University formalties Info session: Exam registration and study organization In addition to revising for exams, success [...] from Wednesday, 10th December 2025 to Wednesday, 7th January 2026 inclusive . (Please note: MANDATORY exam registration for all). All deadlines and dates related to exams can be found on the website ( [...] lecture-free periods Examinations Examinations Repeat examinations Examination system Examination boards Learning spaces Insurances University formalties Overview Info session: Exam registration and study organization

also be an HR session to present entry-level and career opportunities. This will give you the opportunity to meet HR managers in person. Don't miss this chance! We will travel to both companies by bus [...] bus. Everything is free of charge. We will meet in front of the OTH cafeteria for departure. We will also return to the OTH. Kind regards ... Vielen Dank und schöne Grüße Fabian Liedl [...] Dear students, please register for the excursions to ZMS in Schwandorf and Siemens in Amberg via https://www.oth-aw.de/en/myoth/ . You can find the excursions in the excursion portal. Destination: ZMS

Environmental Engineering There is no entitlement to all compulsory elective modules and elective modules being offered. Similarly, there is no entitlement to courses being offered if the number of participants [...] Technology 5 4 3.2.2 Digital Signal Processing 5 4 3.2.3 PLC-Programming 5 4 3.2.4 Machine Learning 5 4 3.2.5 Energy Conversion in Power/Working Machines 5 4 3.2.6 Smart Grids 5 4 3.3.1 Rheology

true Author Michael Wiehl producer Microsoft: Print To PDF access_permission:can_modify true pdf:docinfo:producer Microsoft: Print To PDF pdf:docinfo:created 2025-10-22T13:40:25Z Studienplan [...] Deep Learning (DPLE) 4 5 4 5 1.2 Computer vision and AI (CVAE) 4 5 4 5 1.3 Autonomous robots (AURE) 4 5 4 5 0 0 AI basics data & language (winter) 0 0 12 15 0 0 12 15 17% 2.1 Machine Learning (MALE)

introduction to object-oriented programming, including an overview of the language syntax and how to develop simple applications. Students will learn how to write custom classes and methods, and how to test their [...] Learning Objectives/Competencies to be Assessed Module work (ModA) Project Work in Groups 50% Presentation, similar to board presentation at annual shareholder meeting 50% written [...] weighting *2) Learning Objectives/Competencies to be Assessed Module work (ModA) Project Work in Groups The group project is used to test the practical learning content and competence profiles