Informationssystem der Friedrich-Alexander-Universität Erlangen-Nürnberg
© Config eG
Sammlung/Stundenplan
Modulbelegung
Home
|
Rechtliches
|
Kontakt
|
Hilfe
Suche:
Personen
Einrichtungen
sonstige Einträge
Lehrveranstaltungen
Module
Räume
Publikationen
Forschungsprojekte
Internat. Kontakte
Stellenangebote
Möbel-/Rechnerbörse
Examensarbeiten
Semester:
WS 2024/2025
SS 2024
WS 2023/2024
SS 2023
WS 2022/2023
SS 2022
WS 2021/2022
SS 2021
WS 2020/2021
SS 2020
WS 2019/2020
SS 2019
WS 2018/2019
SS 2018
WS 2017/2018
SS 2017
WS 2016/2017
SS 2016
WS 2015/2016
SS 2015
WS 2014/2015
SS 2014
WS 2013/2014
SS 2013
WS 2012/2013
SS 2012
WS 2011/2012
SS 2011
WS 2010/2011
SS 2010
WS 2009/2010
SS 2009
WS 2008/2009
SS 2008
WS 2007/2008
SS 2007
WS 2006/2007
SS 2006
WS 2005/2006
SS 2005
WS 2004/2005
SS 2004
WS 2003/2004
SS 2003
WS 2002/2003
SS 2002
WS 2001/2002
SS 2001
WS 2000/2001
SS 2000
WS 1999/2000
SS 99
WS 98/99
SS 98
WS 97/98
SS 97
WS 96/97
ACHTUNG: seit 15.06.2022 werden Lehrveranstaltungen nur noch über Campo verwaltet. Diese Daten in UnivIS sind nicht mehr auf aktuellem Stand!
Darstellung
Druckansicht
Vorlesungsverzeichnis
>>
Technische Fakultät (TF)
>>
Bitte aktivieren Sie Javascript in Ihrem Browser, um die Funktionalität dieser Seite voll nutzen zu können.
Kolloquium Normative Representation Learning (KollNormLearn)
Dozent/in
Prof. Dr.
Bernhard Kainz
Angaben
Kolloquium
Online/Präsenz
2 SWS
für FAU Scientia Gaststudierende zugelassen, Sprache Englisch
Zeit und Ort: Mi 17:00 - 19:00,
Zoom-Meeting
Inhalt
This colloquium is a discussion platform for researches and students interested in normative machine learning. Our approach is focused on the discussion of recent developments and research papers and students' own research results. This aims at the improvement of presentation and conversation skills and other aspects for example career development, ethics and unconscious bias. The colloquium is open to all interested researchers and students. We will meet mainly on zoom/MS Teams but will also have personal meetings at the various locations of the research group.
Zusätzliche Informationen
Erwartete Teilnehmerzahl: 5, Maximale Teilnehmerzahl: 10
Institution:
W3-Professur für Image Data Exploration and Analysis
UnivIS ist ein Produkt der
Config eG
, Buckenhof