Achtung:

Sie haben Javascript deaktiviert!
Sie haben versucht eine Funktion zu nutzen, die nur mit Javascript möglich ist. Um sämtliche Funktionalitäten unserer Internetseite zu nutzen, aktivieren Sie bitte Javascript in Ihrem Browser.

Foto: Universität Paderborn, Jörg Ullmann Bildinformationen anzeigen
Foto: Universität Paderborn, Jörg Ullmann Bildinformationen anzeigen
Foto: Universität Paderborn, Jörg Ullmann Bildinformationen anzeigen

Foto: Universität Paderborn, Jörg Ullmann

Foto: Universität Paderborn, Jörg Ullmann

Foto: Universität Paderborn, Jörg Ullmann

Lehre & Prüfungen

Python-Crashkurs

Im Wintersemester 2018/19 bietet unser Fachgebiet in Kooperation mit dem Fachgebiet Elektrische Messtechnik (https://ei.uni-paderborn.de/emt/lehre/lehrveranstaltungen/ws-201819/python-crashkurs/) einen Python-Crashkurs im Umfang von 3 x 2h an. Ziel dieses Crashkurses ist es, Studierenden eine Einstiegshilfe zu geben, um Python-Grundlagen zu lernen, welche in mehreren unserer Veranstaltungen (VSS, SML, OAF, ...) aber auch in den Veranstaltungen anderer Fachgebiete genutzt werden können.  

Der Crashkurs besteht aus drei Blöcken zu jeweils 2 Stunden (Unterlagen: https://fgnt.github.io/python_crashkurs_doc/):

  • Einrichtung von Python (Notebook oder Poolraum-Computer), Python-Grundlagen und Jupyter
  • Numerisches Python (numpy, scipy, ...)
  • Auswertung und Visualisierung (pandas, matplotlib, ...)

Der Kurs findet am 12.10.2018 und den beiden nachfolgenden Freitagen jeweils von 09:00 bis 11:00 im Poolraum P7.02.1 statt. Ein zweiter möglicher Termin kann je nach Nachfrage eingerichtet werden. Um die Teilnehmerzahl abschätzen zu können, melden Sie sich bitte für den Kurs in der jeweils ersten Stunde der Lehrveranstaltung VSS oder KSS an.

Die Teilnahme am Kurs ist optional und wird nicht bewertet. In den Programmierübungen zu den Veranstaltungen (VSS, SML, OAF, ...) wird jedoch auf die Vermittlung von Programmierkenntnissen nicht mehr weiter eingegangen.

Nummer Lehrveranstaltung Umfang Dozent WS SS
L.048.10901 Nachrichtentechnik V2/Ü2
ECTS 5
Häb-Umbach
Ebbers
 
L.048.23018
L.048.92030
Aktuelle Themen aus der Mustererkennung und maschinellem Lernen V2/Ü2
ECTS 6
Häb-Umbach
Heymann
 
L.048.24010
L.048.92011
Optimale und adaptive Filter V2/Ü2
ECTS 6
Schmalenströer
Drude
 
L.048.21004 Verarbeitung statistischer Signale V2/Ü2
ECTS 6
Häb-Umbach
Glarner
Böddeker
 
L.048.10502 Projekt angewandte Programmierung Ü2 Ullmann
Heymann
 
L.048.10902 Elemente digitaler Kommunikationssyteme V2/Ü2
ECTS 6
Häb-Umbach  
L.048.10908 Zeitdiskrete Signalverarbeitung V2/Ü2
ECTS 6
Schmalenströer  
L.048.23012 Statistische und maschinelle Lernverfahren V2/Ü2
ECTS 6
Häb-Umbach  
L.048.23021
L.048.92044
Topics in Audio, Speech, and Language Processing V2/Ü2
ECTS 6
Häb-Umbach  
L.048.24001 Digitale Sprachsignalverarbeitung V2/Ü2
ECTS 6
Schmalenströer  
L.048.62003 Forschungsseminar Nachrichtentechnik S2
ECTS 3
Häb-Umbach
Schmalenströer
L.048.10809 Projektseminar Nachrichtentechnik S2
ECTS 3
Häb-Umbach
L.048.28005 Nachrichtentechnik (Projekt) P6
ECTS 9
Häb-Umbach
Schmalenströer
L.048.28501 Communications and Speech Processing (Project) P6
ECTS 9
Häb-Umbach
Schmalenströer
L.048.28006 Digitale Signalverarbeitung (Projekt) P6
ECTS 9
Häb-Umbach
Schmalenströer

Übersicht nach Studiengängen

Bachelor-Studiengang Elektrotechnik (EBA)

1. Studienabschnitt mit Schwerpunkt Elektrotechnik

  • L.048.10809 Projektseminar Nachrichtentechnik

2. Studienabschnitt mit Schwerpunkt Elektrotechnik

  • L.048.10901 Nachrichtentechnik
  • L.048.10902 Elemente digitaler Kommunikationssysteme
  • L.048.10908 Zeitdiskrete Signalverarbeitung

2. Studienabschnitt mit Nebenfach Berufsbildung

  • L.048.10901 Nachrichtentechnik
  • L.048.10809 Projektseminar Nachrichtentechnik
  • L.048.10902 Elemente digitaler Kommunikationssysteme
  • L.048.10908 Zeitdiskrete Signalverarbeitung
Master-Studiengang Elektrotechnik (EMA)

Pflichtfächer

  • L.048.21004 Verarbeitung statistischer Signale

Kognitive Systeme

  • L.048.23018 Aktuelle Themen aus der Mustererkennung und maschinellem Lernen
  • L.048.23012 Statistische und maschinelle Lernverfahren

Kommunikationstechnik

  • L.048.24010 Optimale und adaptive Filter
  • L.048.24001 Digitale Sprachsignalverarbeitung
  • L.048.24011 Videotechnik
  • L.048.24004 Wireless Communications

Projektarbeiten

  • L.048.28006 Digitale Signalverarbeitung (Projekt)
  • L.048.28005 Nachrichtentechnik (Projekt)
Bachelor-Studiengang Computer Engineering (CEBA)

2. Studienabschnitt: Pflichtbereich Elektrotechnik

  • L.048.10901 Nachrichtentechnik

2. Studienabschnitt: Wahlpflichtmodul Elektrotechnik

  • L.048.10908 Zeitdiskrete Signalverarbeitung
  • L.048.10902 Elemente digitaler Kommunikationssysteme
Master-Studiengang Computer Engineering (CEMA)

Pflichtfächer

  • L.048.21004 Verarbeitung statistischer Signale

Communications and Networks

  • L.048.24010 Optimale und adaptive Filter
  • L.048.24004 Wireless Communications

Signal, Image and Speech Processing

  • L.048.92030 Topics in Pattern Recognition and Machine Learning
  • L.048.24010 Optimale und adaptive Filter
  • L.048.24011 Videotechnik
  • L.048.23012 Statistische und maschinelle Lernverfahren
  • L.048.24001 Digitale Sprachsignalverarbeitung
  • L.048.24004 Wireless Communications

Projektgruppe Computer Engineering

  • L.048.28501 Project Group Communications and Speech Processing
Bachelor-Studiengang Wirtschaftsingenieurwesen Elektrotechnik (WGBAET)

Vertiefungsstudium, Technisches Wahlpflichtmodul

  • L.048.10902 Elemente digitaler Kommunikationssysteme
  • L.048.10908 Zeitdiskrete Signalverarbeitung
  • L.048.10901 Nachrichtentechnik

Vertiefungsstudium, Projektseminare

  • L.048.62003 Forschungsseminar Nachrichtentechnik
Master-Studiengang Wirtschaftsingenieurwesen Elektrotechnik (WGMAET)

Technische Wahlpflichtmodule

  • L.048.24011 Videotechnik
  • L.048.24001 Digitale Sprachsignalverarbeitung
  • L.048.24004 Wireless Communications
  • L.048.23012 Statistische und maschinelle Lernverfahren
  • L.048.23018 Aktuelle Themen aus der Mustererkennung und maschinellem Lernen
  • L.048.21004 Verarbeitung statistischer Signale
  • L.048.24010 Optimale und adaptive Filter
Studiengang Lehramt mit Elektrotechnik

Bachelor-Studiengang

  • L.048.10502 Projekt Angewandte Programmierung

Master-Studiengang: Fachwissenschaftliche Studien

  • L.048.10901 Nachrichtentechnik
  • L.048.10902 Elemente digitaler Kommunikationssysteme

Master-Studiengang: Kleine berufliche Fachrichtung Automatisierungstechnik

  • L.048.10908 Zeitdiskrete Signalverarbeitung
  • L.048.10902 Elemente digitaler Kommunikationssysteme
  • L.048.23012 Statistische Lernverfahren und Mustererkennung

Master-Studiengang: Kleine berufliche Fachrichtung Informationstechnik

  • L.048.24010 Optimale und adaptive Filter
  • L.048.24004 Wireless Communications
  • L.048.10902 Elemente digitaler Kommunikationssysteme
  • L.048.24001 Digitale Sprachsignalverarbeitung
  • L.048.10908 Zeitdiskrete Signalverarbeitung
  • L.048.24011 Videotechnik
Master-Studiengang Electrical Systems Engineering

Compulsory objectives: Module: Signal & Information Processing

  • L.048.92005 Statistical and Machine Learning

Compulsory electives: Module: Fundamentals of ESE

  • L.048.92041 Digital Speech Signal Processing

Compulsory electives: Module: Signal & Information Processing

  • L.048.92011 Optimal and Adaptive Filters
  • L.048.92030 Topics in Pattern Recognition and Machine Learning
  • L.048.92035 Wireless Communications

Compulsory electives: Module: ESE-Electives

  • L.048.92011 Optimal and Adaptive Filters
  • L.048.92030 Topics in Pattern Recognition and Machine Learning
  • L.048.92005 Statistical and Machine Learning
  • L.048.92035 Wireless Communications

Compulsory electives: Projects

  • L.048.28005 Nachrichtentechnik (Projekt)
  • L.048.28006 Digitale Signalverarbeitung (Projekt)
Projektgruppen WS 18/19

Die Vorbesprechungen für alle Projektgruppen finden am Montag den 15.10.2018 um 13:00 Uhr in P7.4.02 statt.

Bachelorveranstaltungen WS 18/19

Nachrichtentechnik

  • Vorlesung: Di 9:00 - 11:00 (P7.2.03)
  • Übung: Do 11:00 - 13:00 (P7.2.03)
Masterveranstaltungen im WS 18/19

Aktuelle Themen aus der Mustererkennung und maschinellem Lernen

  • Vorlesung: Do 14:00 - 15:30 (P7.4.02)
  • Übung: Do 15:45 - 17:15 (P7.4.02)

Optimale und adaptive Filter

    • Vorlesung: Mo 9:15 - 10:45 (P7.4.02)
    • Übung: Mo 07:30 - 09:00 (P7.4.02)

    Verarbeitung statistischer Signale

    • Vorlesung: Di 14:00 - 15:30 (P1.4.18)
    • Übung: Di 16:00 - 17:30 (P1.4.18)
    Ansprechpartner & Fragen
    • Bei Fragen zu Projekten, Vorlesungen und Übungen wenden Sie sich bitte an die angegebenen Dozenten.

    Die Universität der Informationsgesellschaft