Sie sind hier:
aufgenommen wurden. Hierfür nutzen wir modernste Analysemethoden, inklusive verschiedenster "machine learning" Ansätze ( Fischer et al., 2019 ), auch in Bezug auf die Modulation der EEPs durch kognitive Prozesse
Bereich: FB2
Verwertungsphase. Die Universität Bremen war mit folgenden Teilprojekten beteiligt: Ausbau einer E-Learning-Plattform Frauenförderung im Bereich Neue Medien in der Lehre Beratungs-und Kompetenzzentrum Mu
Bereich: Sites
ertem und kollaborativen Lernen zu verbessern. Dafür soll auf den Methodenbaukasten von Blended Learning-Veranstaltungen zurückgegriffen werden. Leitung : Dr. Yildiray Ogurol Förderung : Studienkontengelder
kooperatives, multimediales Lernen die Weiterentwicklung einer innovativen und integrativen Mobile-Learning-Gesamtkonzeption in den Regelbetrieb der Universität. Aufgabe ist hierbei unter anderem, die Prozesse
(kompetenzorientierten) Prüfungsformaten und auch Self-Assessments ermöglicht werden soll. Blended Learning Szenarien nutzen oft mehrere Methoden oder Anwendungen zur digitalen Unterstützung der Lehre. Im
gewonnenen Datenmengen werden dann dazu verwendet, um die – oft auf künstlicher Intelligenz und Deep Learning basierenden – Überwachungssysteme weiter zu verbessern. In unserem Projekt untersuchen wir, ob
Bereich: Forschung
kommen, gelten die gleichen Regelungen, wie bei einem Auslandssemester, d.h. es muss vorher ein Learning Agreement vereinbart werden. Auch unser Fachbereich bietet für internationale Gaststudierenden eine
Bereich: FB7
wird mit Technologien und Materialien zu experimentieren und während des Herstellens zu lernen („Learning-by-design“). Es werden u.a. 3D-Drucker, Vinyl-Plotter und Arduino-Technologie eingesetzt, um den
Bereich: Kooperationen
2020 - Code Sprint © RTG π³ Overview The summer school on Code Sprint - Benchmarking Deep Learning based CT Image Reconstruction Methods is organized by: Prof. Dr. Peter Maaß (ZeTeM, Bremen) Dr. Maureen
Bereich: FB3
(T1) postponed to a later date in 2020 due to the corona crisis MZH 2340 Georgia Sfakianaki Deep learning for inverse problems and digital pathology (A3) April 22-24, 2020 Online (Zoom) Daniel Otero Baguer