Skip to main content

User account menu

  • Log in
DBS-Logo

Database Group Leipzig

within the department of computer science

ScaDS-Logo Logo of the University of Leipzig

Main navigation

  • Home
  • Study
    • Exams
      • Hinweise zu Klausuren
    • Courses
      • Current
    • Modules
    • LOTS-Training
    • Abschlussarbeiten
    • Masterstudiengang Data Science
    • Oberseminare
    • Problemseminare
    • Top-Studierende
  • Research
    • Projects
      • Benchmark datasets for entity resolution
      • FAMER
      • HyGraph
      • Privacy-Preserving Record Linkage
      • GRADOOP
    • Publications
    • Prototypes
    • Annual reports
    • Cooperations
    • Graduations
    • Colloquia
    • Conferences
  • Team
    • Erhard Rahm
    • Member
    • Former employees
    • Associated members
    • Gallery

Trends in Machine Learning and Data Analytics

Breadcrumb

  • Home
  • Study
  • Wintersemester 2019/20
  • Trends in Machine Learning and Data Analytics
  • Anrechenbar als Seminar-Modul (“Forschungsseminar Datenbanken”) im Masterstudium oder Bachelorstudium Informatik sowie im Rahmen des Vertiefungsmoduls Moderne Datenbanktechnologien (10-202-2216) (siehe auch Modulangebot).
  • Das Seminar ist auf max. 20 Teilnehmer/innen begrenzt.
  • Um an dem Seminar teilzunehmen, müssen Sie sich bis 9.10.2019 in AlmaWeb für das Modul Moderne Datenbanktechnologien (10-202-2216) und das Seminar anmelden sowie an der Einführungsveranstaltung teilnehmen, bei der die endgültige Platz- und Themenvergabe erfolgt.

     

Bei Fragen und Problemen zur An- und Abmeldung wenden Sie sich bitte an das Studienbüro via einschreibung(at)math.uni-leipzig.de

  • Einführungsveranstaltung mit Themenvergabe am 25.10.2019 um 13:30 Uhr im Big Data Kompetenzzentrum ScaDS, Ritterstraße 9-13 2.OG (Standort/Lagebschreibung).
  • Die studentischen Vorträge finden an den Freitagsterminen im Jan. 2020 (jeweils ab 13:30 Uhr) statt.

Leistungsbewertung

Ein erfolgreiches Seminar setzt die Teilnahme an allen Seminarterminen voraus, die selbständige Erarbeitung eines Themas sowie einen Vortrag sowie eine schriftliche Ausarbeitung (15-20 Seiten) über das Thema. Die Benotung setzt sich aus der Note zu Vortrag und Diskussion sowie der Note für die Ausarbeitung zusammen. Einige Hinweise zum Verfassen der schriftlichen Ausarbeitung finden Sie hier.

Themen und Betreuer

NrThemaBetreuerVotragenderQuellenTermin VortragFolienAusarbeitung
00Welcome and Introduction–Prof. Dr. Erhard Rahm–25.10.2019––
        
 Introduction      
01Machine Learning: Techniques and TrendsTäschner[redacted][1],[2],[3], [4]10.01pdf–
02Architectures of neural networksSchuchart–[1],[2] ––
 Deep learning      
03Image classification using CNNsWilke[redacted][1],[2],[3], [4]10.01pdf–
04Deep Convolutional Generative Adversarial NetworksPeukert[redacted][1]17.01––
05Deep learning for entity matchingSaeedi–[1] ––
 Machine Learning on Graphs      
06Overview of Graph RepresentationsObraczka–[1]–––
07Random-Walk-based EmbeddingsRost[redacted][1],[2],[3],[4]17.01––
08Google Deep Mind and GMNsGomez–[1],[2] ––
09Semi-supervised Learning on GraphsChristen–[1],[2], [3] ––
 Machine Learning Threats and Solutions      
10Overview on Privacy-preserving Machine LearningFranke–[1] ––
11Privacy-preserving Deep LearningSehili–[1] ––
12Fair Machine LearningRohde[redacted][1]17.01pdf–
13Explainable artificial intelligenceRohde[redacted][1],[2]24.01pdf–
14Attention is all you needSyed[redacted][1]24.01.––
 Machine Learning in Medicine      
15Machine Learning for Data Integration in Biology and MedicineFranke[redacted][1]31.01pdf–
16Deep Learning for Mortality PrognosisLin–[1]–––
17Time Series Classification in MedicineChristen–[1],[2] ––
18Deep Learning in RadiomicsMartin[redacted][1], [2]24.01pdfpdf
 Other Applications for Machine Learning      
19Network and Host intrusion detectionGrimmer[redacted][1] [2][3] [4]31.01––
20Distributed LearningWilke–[1] ––
21Tackling Climate Change with Machine LearningWilke[redacted][1],[2]31.01pdf–
22AutoMLAlkhouri[redacted][1]31.01––

Modul

  • Forschungsseminar Datenbanken
  • Moderne Datenbanktechnologien (großes Modul)

Semester

Wintersemester 2019/20

Recent publications

  • 2025 / 9: Generating Semantically Enriched Mobility Data from Travel Diaries
  • 2025 / 8: Slice it up: Unmasking User Identities in Smartwatch Health Data
  • 2025 / 6: SecUREmatch: Integrating Clerical Review in Privacy-Preserving Record Linkage
  • 2025 / 6: Leveraging foundation models and goal-dependent annotations for automated cell confluence assessment
  • 2025 / 5: Federated Learning With Individualized Privacy Through Client Sampling

Footer menu

  • Directions
  • Contact
  • Impressum