Exercises: Übung zu Grundlagen des Organic Computing - Details

General information

Course name	Exercises: Übung zu Grundlagen des Organic Computing
Course number	INF-0060
Semester	WS 2023/24
Current number of participants	62
Home institute	Organic Computing
Courses type	Exercises in category Teaching
First date	Monday, 06.11.2023 15:45 - 17:15, Room: (2045 N)
Veranstaltung findet in Präsenz statt / hat Präsenz-Bestandteile	Yes
Hauptunterrichtssprache	deutsch
Weitere Unterrichtssprache(n)	Englisch

Lecturers

• David Pätzel
• Prof.Dr. Jörg Hähner

Rooms and times

(2045 N)

Monday: 15:45 - 17:15, weekly (12x)

Fields of study

• Fakultät für Angewandte Informatik > Informatik
• Fakultät für Angewandte Informatik

Module assignments

• Informatik B.Sc. Informatik, PO 2013, 19. Version (WS 2023/24) > B.Sc. Informatik (PO '13) - Informatik-Vertiefung > INF-0060 - Grundlagen des Organic Computing > Grundlagen des Organic Computing (Übung)
• Data Science Bachelorstudiengang Data Science, 3. Version (WS 2023/24) > F. Wahlbereich > INF-0060 - Grundlagen des Organic Computing > Grundlagen des Organic Computing (Übung)
• Ingenieurinformatik B.Sc. Ingenieurinformatik, PO 2013, 18. Version (WS 2023/24) > B.Sc. Ingenieurinformatik (PO '13) - 4. Vertiefungsbereich Technische Informatik, Adaptive Systeme > INF-0060 - Grundlagen des Organic Computing > Grundlagen des Organic Computing (Übung)
• Geoinformatik B.Sc. Geoinformatik, PO 2018, 12. Version (WS 2023/24) > B.Sc. Geoinformatik (PO '18) - E. Wahlpflichtbereich > INF-0060 - Grundlagen des Organic Computing > Grundlagen des Organic Computing (Übung)
• Informatik und Multimedia B.Sc. Informatik und Multimedia, PO 2016, 16. Version (WS 2023/24) > B.Sc. Informatik und Multimedia (PO '15) - Informatik und Multimedia-Vertiefung > INF-0060 - Grundlagen des Organic Computing > Grundlagen des Organic Computing (Übung)
• Mathematik und Informatik Bachelorstudiengang Mathematik und Informatik, 2. Version (WS 2023/24) > E4. Maschinelles Lernen und selbstlernende Systeme > INF-0060 - Grundlagen des Organic Computing > Grundlagen des Organic Computing (Übung)
• Geoinformatik B.Sc. Geoinformatik, PO 2011, 17. Version valid from SS 2023 > B.Sc. Geoinformatik (PO '11) - E: Wahlbereich > INF-0060 (=BScGI_GOC) - Grundlagen des Organic Computing > Grundlagen des Organic Computing (Übung)
• Wirtschaftsinformatik Bachelorstudiengang Wirtschaftsinformatik (PO 2022), 4. Version (WS 2023/24) > Modulgruppe N: Freier Wahlbereich - informatikorientiert > INF-0060 - Grundlagen des Organic Computing > Grundlagen des Organic Computing (Übung)
• Informatik B.Sc. Informatik, PO 2018, 11. Version (WS 2023/24) > Informatik-Vertiefung A > INF-0060 - Grundlagen des Organic Computing > Grundlagen des Organic Computing (Übung)
• Ingenieurinformatik B.Sc. Ingenieurinformatik, PO 2017, 13. Version (WS 2023/24) > B.Sc. Ingenieurinformatik (PO '17) - 4. Vertiefungsbereich Technische Informatik, Adaptive Systeme > INF-0060 - Grundlagen des Organic Computing > Grundlagen des Organic Computing (Übung)
• Informatik und Multimedia B.Sc. Informatik und Multimedia, PO 2013, 19. Version (WS 2023/24) > B.Sc. Informatik und Multimedia (PO '13) - Informatik und Multimedia-Vertiefung > INF-0060 - Grundlagen des Organic Computing > Grundlagen des Organic Computing (Übung)
• Informatik B.Sc. Informatik, PO 2018, 11. Version (WS 2023/24) > Informatik-Wahlbereich > INF-0060 - Grundlagen des Organic Computing > Grundlagen des Organic Computing (Übung)
• Ingenieurinformatik B.Sc. Ingenieurinformatik, PO 2018, 11. Version (WS 2023/24) > 4. Vertiefungsbereich Technische Informatik, Adaptive Systeme > INF-0060 - Grundlagen des Organic Computing > Grundlagen des Organic Computing (Übung)
• Ingenieurinformatik B.Sc. Ingenieurinformatik, PO 2021, 6. Version (WS 2023/24) > Wahlbereich > INF-0060 - Grundlagen des Organic Computing > Grundlagen des Organic Computing (Übung)

Comment/Description

Die zugehörige Übung zur Veranstaltung "Grundlagen des Organic Computing" greift die vorgestellten Algorithmen und Ansätze auf und überführt diese in eine simulierte Umgebung. Die Studenten erlernen dabei vor allem wissenschaftliche Grundsätze bei der Entwicklung und Realisierung komplexer Algorithmen – die Evaluierung und der Vergleich gegenüber herkömmlichen Ansätzen steht im Vordergrund.