AGNES -
Lehre und Prüfung online
Studierende in Vorlesung
Anmelden

Algorithmik des maschinellen Lernens für Graphen - Detailseite

  • Funktionen:
Grunddaten
Veranstaltungsart Vorlesung Veranstaltungsnummer 3313050
Semester SoSe 2024 SWS 4
Rhythmus Moodle-Link  
Veranstaltungsstatus Freigegeben für Vorlesungsverzeichnis  Freigegeben  Sprache englisch
Belegungsfrist Es findet keine Online-Belegung über AGNES statt!
Veranstaltungsformat Keine Angabe

Termine

Gruppe 1
Tag Zeit Rhythmus Dauer Raum Gebäude Raum-
plan
Lehrperson Status Bemerkung fällt aus am Max. Teilnehmer/-innen
Di. 09:00 bis 11:00 wöch 3.101 (Hörsaal)
Stockwerk: 1. OG


alttext alttext
RudCh25 Johann-von-Neumann-Haus - Rudower Chaussee 25 (RUD25)

Außenbereich nutzbar Innenbereich eingeschränkt nutzbar Parkplatz vorhanden Leitsystem im Außenbereich Barrierearmes WC vorhanden Barrierearme Anreise mit ÖPNV möglich
Meyerhenke findet statt     1000
Mi. 15:00 bis 17:00 wöch 3.113 (Seminarraum)
Stockwerk: 1. OG


alttext alttext
RudCh25 Johann-von-Neumann-Haus - Rudower Chaussee 25 (RUD25)

Außenbereich nutzbar Innenbereich eingeschränkt nutzbar Parkplatz vorhanden Leitsystem im Außenbereich Barrierearmes WC vorhanden Barrierearme Anreise mit ÖPNV möglich
Meyerhenke findet statt     1000
Gruppe 1:
 


Zugeordnete Person
Zugeordnete Person Zuständigkeit
Meyerhenke, Henning , Prof. Dr.
Studiengänge
Abschluss Studiengang LP Semester
Master of Education (BS)  Informatik 2. Fach ( Vertiefung: mit LA-Option; POVersion: 2015 )   10  -  
Master of Education (GYM)  Informatik 2. Fach ( Vertiefung: mit LA-Option; POVersion: 2015 )   10  -  
Master of Education (ISG)  Informatik 1. Fach ( Vertiefung: mit LA-Option; POVersion: 2018 )   10  -  
Master of Education (ISG)  Informatik 2. Fach ( Vertiefung: mit LA-Option; POVersion: 2018 )   10  -  
Master of Science  Informatik Hauptfach ( Vertiefung: kein LA; POVersion: 2015 )   10  -  
Master of Science  Wirtschaftsinformatik Hauptfach ( Vertiefung: kein LA; POVersion: 2016 )   10  -  
Zuordnung zu Einrichtungen
Einrichtung
Mathematisch-Naturwissenschaftliche Fakultät, Institut für Informatik
Inhalt
Kommentar

A graph is a versatile data structure that can represent complex data as relationships between objects. Real-world networks modeled by graphs occur in many applications. Their analysis is key to understanding the structure and dynamics of the modeled processes. This course focuses on the algorithmic foundations of the analysis of massive graphs with machine learning and data mining methods.

A key learning objective is to master the full algorithm engineering cycle in the context of the lecture. This means to model a real-world problem as algorithmic task, to design algorithmic solution methods for the task, to be able to analyze and compare these solution methods on a theoretical and empirical level, to implement (selected) algorithms, and to design and evaluate systematic experiments.

Topics include representation learning, graph neural networks, graph clustering, link prediction, network motifs and others.

Good knowledge of fundamental graph algorithms as well as linear algebra operations (as taught in Bachelor modules similar to "Algorithms and Data Structures" and "Linear Algebra and its Connections to Computer Science") is strongly recommended.

Bemerkung

The course will be offered in English.

Strukturbaum

Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester SoSe 2024. Aktuelles Semester: WiSe 2024/25.
Humboldt-Universität zu Berlin | Unter den Linden 6 | D-10099 Berlin