KIT-Bibliothek
suchen
KIT-Bibliothek
KIT-Bibliothek Medienportal
FAQ Audio-/Videodatei publizieren
Meine Ergebnisse eingrenzen
Art der Mediendatei
Reichweite
Fachgebiet
Publikationsjahr
Typ
Vorlesung 4: Operatoren und Ausdrücke
Vorlesung 4: Operatoren und Ausdrücke
Anne Koziolek
Vorlesung 3: Ein- und Ausgabe (ohne Dozentin)
Vorlesung 3: Ein- und Ausgabe (ohne Dozentin)
Anne Koziolek
Vorlesung 7: Git (ohne Dozentin)
Vorlesung 7: Git (ohne Dozentin)
Anne Koziolek
Vorlesung 7: Git
Vorlesung 7: Git
Anne Koziolek
Vorlesung 5: Kontrollfluss und Schleifen (ohne Dozentin)
Vorlesung 5: Kontrollfluss und Schleifen (ohne Dozentin)
Anne Koziolek
Vorlesung 1: Wie Java verwenden
Vorlesung 1: Wie Java verwenden
Anne Koziolek
Vorlesung 1: Wie Java verwenden (ohne Dozentin)
Vorlesung 1: Wie Java verwenden (ohne Dozentin)
Anne Koziolek
Vorlesung 6: Funktionen (ohne Dozentin)
Vorlesung 6: Funktionen (ohne Dozentin)
Anne Koziolek
Vorlesung 0: Willkommen
Vorlesung 0: Willkommen
Anne Koziolek
Vorlesung 4: Operatoren und Ausdrücke (ohne Dozentin)
Vorlesung 4: Operatoren und Ausdrücke (ohne Dozentin)
Anne Koziolek
Vorlesung 0: Willkommen (ohne Dozentin)
Vorlesung 0: Willkommen (ohne Dozentin)
Anne Koziolek
Vorlesung 2: Primitive Datentypen und Variablen (ohne Dozentin)
Vorlesung 2: Primitive Datentypen und Variablen (ohne Dozentin)
Anne Koziolek
Vorlesung 2: Primitive Datentypen und Variablen
Vorlesung 2: Primitive Datentypen und Variablen
Anne Koziolek
Vorlesung 3: Ein- und Ausgabe
Vorlesung 3: Ein- und Ausgabe
Anne Koziolek
Vorlesung 5: Kontrollfluss und Schleifen
Vorlesung 5: Kontrollfluss und Schleifen
Anne Koziolek
Vorlesung 6: Funktionen
Vorlesung 6: Funktionen
Anne Koziolek
Optimal Reduction of Dirac Mixture Densities on the 2-Sphere
Optimal Reduction of Dirac Mixture Densities on the 2-Sphere
Uwe D. Hanebeck, Kailai Li
Efficient Deterministic Conditional Sampling of Multivariate Gaussian Densities
Efficient Deterministic Conditional Sampling of Multivariate Gaussian Densities
Uwe D. Hanebeck
Deterministic Gaussian Sampling With Generalized Fibonacci Grids
Deterministic Gaussian Sampling With Generalized Fibonacci Grids
Progressive Bayesian Filtering with Coupled Gaussian and Dirac Mixtures
Progressive Bayesian Filtering with Coupled Gaussian and Dirac Mixtures
Uwe D. Hanebeck
Association-Free Multilateration Based on Times of Arrival
Association-Free Multilateration Based on Times of Arrival
Uwe D. Hanebeck
KCDS Virtual Open House 2025
KCDS Virtual Open House 2025
Angela Hühnerfuß
Screencast Vitruvius
Screencast Vitruvius
Thomas Weber
Weihnachtsgrüße von ARMAR
Weihnachtsgrüße von ARMAR
Tatjana Schwarzbeck, Adrian Yass
KCDS How to prepare your application
KCDS How to prepare your application
Angela Hühnerfuß
Project 03: Mathematical Foundations of Bayesian Neural Networks
Project 03: Mathematical Foundations of Bayesian Neural Networks
Charlotte Debus, Sebastian Krumscheid
Project 04: Replacement of physical PSC simulation by machine learning in an Earth system model
Project 04: Replacement of physical PSC simulation by machine learning in an Earth system model
Ole Kirner, Jörg Meyer, Achim Streit
Project 02: Advanced Parallelization Techniques for datadriven Uncertainty Quantification
Project 02: Advanced Parallelization Techniques for datadriven Uncertainty Quantification
Sebastian Krumscheid, Linus Seelinger
Project 01: Scholars in the loop? Bridging the gap between distinctive knowledge of small disciplines and training data for AI
Project 01: Scholars in the loop? Bridging the gap between distinctive knowledge of small disciplines and training data for AI
Germaine Götzelmann, Danah Tonne, Charlotte Debus
KCDS Virtual Open House 2023 - Fall
KCDS Virtual Open House 2023 - Fall
Eileen Kühn, Leonid Chaichenets
Wenn der Roboter in die Kita geht
Wenn der Roboter in die Kita geht
Adrian Yass
Introduction to eASiMOV-eCoSim
Introduction to eASiMOV-eCoSim
Jovana Kovacevic, Anne-Christin Süß, Hüseyin Kemal Çakmak, Veit Hagenmeyer
KCDS Virtual Open House - Project 03 Optimization and acceleration of aerosol dynamics and chemistry subprocesses in weather and climate models
KCDS Virtual Open House - Project 03 Optimization and acceleration of aerosol dynamics and chemistry subprocesses in weather and climate models
Ugur Cayoglu
KCDS Virtual Open House - Project 01 Logics for dynamical systems and practical theorem proving tools
KCDS Virtual Open House - Project 01 Logics for dynamical systems and practical theorem proving tools
André Platzer
KCDS Virtual Open House - Introduction and presentation of KCDS
KCDS Virtual Open House - Introduction and presentation of KCDS
Uwe Ehret
KCDS Virtual Open House - Project 04 Exploring the Potential of machine learning methods for improving operational hydrological forecasting and prediction (EPOforHydro)
KCDS Virtual Open House - Project 04 Exploring the Potential of machine learning methods for improving operational hydrological forecasting and prediction (EPOforHydro)
Uwe Ehret, Sebastian Krumscheid
KCDS Virtual Open House - How To Apply to KCDS
KCDS Virtual Open House - How To Apply to KCDS
Angela Hühnerfuß
KCDS Virtual Open House - Project 02 Deep Boltzmann - Structure-preserving deep neural networks to accelerate the solution of the Boltzmann equation
KCDS Virtual Open House - Project 02 Deep Boltzmann - Structure-preserving deep neural networks to accelerate the solution of the Boltzmann equation
Martin Frank
Large Volume Reconstruction of Pyrolyzed Origami Cellulose Structure by Automated Section Acquisition for Array Tomography
Large Volume Reconstruction of Pyrolyzed Origami Cellulose Structure by Automated Section Acquisition for Array Tomography
Liyu Huang
Demonstration video of the automated section acquisition for Array Tomography
Demonstration video of the automated section acquisition for Array Tomography
Liyu Huang
Wie skaliert eigentlich das Ganze?
Wie skaliert eigentlich das Ganze?
Gabriela Molinar, Marco Stang
Sherlock Pandas und Data Watson
Sherlock Pandas und Data Watson
Gabriela Molinar, Marco Stang
Pandas retten den Tag
Pandas retten den Tag
Gabriela Molinar, Marco Stang
Erster Stopp - Die Daten-Raffinerie
Erster Stopp - Die Daten-Raffinerie
Gabriela Molinar, Marco Stang
Regression II: Künstliche Gehirne erzeugen für Dummies
Regression II: Künstliche Gehirne erzeugen für Dummies
Marco Stang, Gabriela Molinar
Wir trainieren nur bergab?
Wir trainieren nur bergab?
Marco Stang, Gabriela Molinar
K-Means-Clustering
K-Means-Clustering
Gabriela Molinar, Marco Stang
Schöne Nachbarschaft
Schöne Nachbarschaft
Gabriela Molinar, Marco Stang
Oh sorry, das war ein Falsch-Positiv
Oh sorry, das war ein Falsch-Positiv
Marco Stang, Gabriela Molinar
100% Genauigkeit, das muss doch gut sein, oder?
100% Genauigkeit, das muss doch gut sein, oder?
Marco Stang, Gabriela Molinar
Jetzt geht's los mit dem Maschinellen Lernen!
Jetzt geht's los mit dem Maschinellen Lernen!
Marco Stang, Gabriela Molinar
Künstlicher Ghost-Writer
Künstlicher Ghost-Writer
Marco Stang, Gabriela Molinar
Wie geht's eigentlich weiter?
Wie geht's eigentlich weiter?
Marco Stang, Gabriela Molinar
Ein künstliches Gedächtnis in N Schritten
Ein künstliches Gedächtnis in N Schritten
Marco Stang, Gabriela Molinar
RNNs und der Mut zur Lücke
RNNs und der Mut zur Lücke
Marco Stang, Gabriela Molinar
Datenmangel? Copy & augmentated Paste
Datenmangel? Copy & augmentated Paste
Gabriela Molinar, Marco Stang
Inhaltsstoffe: Kann Spuren von Intelligenz enthalten
Inhaltsstoffe: Kann Spuren von Intelligenz enthalten
Gabriela Molinar, Marco Stang
Classification: Softmax-Eis für einen one-hot day
Classification: Softmax-Eis für einen one-hot day
Marco Stang, Gabriela Molinar
Wie strukturiert man eine Machine Learning-Lösung?
Wie strukturiert man eine Machine Learning-Lösung?
Gabriela Molinar, Marco Stang
Abschauen ist erwünscht!
Abschauen ist erwünscht!
Gabriela Molinar, Marco Stang
Falten, Ausschneiden und fertig ist das CNN
Falten, Ausschneiden und fertig ist das CNN
Gabriela Molinar, Marco Stang
Jetzt geht's in die Tiefe
Jetzt geht's in die Tiefe
Marco Stang, Gabriela Molinar
Willkommen in der Baumschule!
Willkommen in der Baumschule!
Gabriela Molinar, Marco Stang
Intro zu den klassischen ML-Methoden
Intro zu den klassischen ML-Methoden
Gabriela Molinar, Marco Stang
Hochleistungsrechner Karlsruhe (HoreKa) - Kamerafahrt durch Serverraum
Hochleistungsrechner Karlsruhe (HoreKa) - Kamerafahrt durch Serverraum
Simon Raffeiner
25: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 17.02.2021
25: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 17.02.2021
Sebastian Stüker
23: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 08.02.2021
23: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 08.02.2021
Sebastian Stüker
24: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 10.02.2021
24: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 10.02.2021
Sebastian Stüker
22: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 08.02.2021
22: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 08.02.2021
Sebastian Stüker
21: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 03.02.2021
21: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 03.02.2021
Sebastian Stüker
20: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 03.02.2021
20: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 03.02.2021
Sebastian Stüker
19: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 01.02.2021
19: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 01.02.2021
Sebastian Stüker
18: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 26.01.2021
18: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 26.01.2021
Sebastian Stüker
17: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 20.01.2021
17: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 20.01.2021
Sebastian Stüker
16: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 18.01.2021
16: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 18.01.2021
Sebastian Stüker
14: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 11.01.2021
14: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 11.01.2021
Sebastian Stüker
15: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 13.01.2021
15: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 13.01.2021
Sebastian Stüker
13: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 14.12.2020
13: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 14.12.2020
Sebastian Stüker
12: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 09.12.2020
12: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 09.12.2020
Sebastian Stüker
11: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 07.12.2020
11: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 07.12.2020
Sebastian Stüker
10: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 02.12.2020
10: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 02.12.2020
Sebastian Stüker
09: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 30.11.2020
09: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 30.11.2020
Sebastian Stüker
08: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 25.11.2020
08: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 25.11.2020
Sebastian Stüker
06: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 18.11.2020
06: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 18.11.2020
Sebastian Stüker
07: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 23.11.2020
07: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 23.11.2020
Sebastian Stüker
05: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 16.11.2020
05: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 16.11.2020
Sebastian Stüker
04: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 11.11.2020
04: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 11.11.2020
Sebastian Stüker
03: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 09.11.2020
03: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 09.11.2020
Sebastian Stüker
02: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 04.11.2020
02: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 04.11.2020
Sebastian Stüker
01: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 02.11.2020
01: Grundlagen der Automatischen Spracherkennung, Vorlesung, WS 2020/21, 02.11.2020
Sebastian Stüker
19: Grundbegriffe der Informatik, Übung und Vorlesung, WS 2019/20, 20.12.2019
19: Grundbegriffe der Informatik, Übung und Vorlesung, WS 2019/20, 20.12.2019
Thomas Worsch
26: Robotik I - Einführung in die Robotik, Vorlesung, WS 2019/20, 06.02.2020
26: Robotik I - Einführung in die Robotik, Vorlesung, WS 2019/20, 06.02.2020
Tamim Asfour, Fabian Paus
28: Grundbegriffe der Informatik, Übung und Vorlesung, WS 2019/20, 07.02.2020
28: Grundbegriffe der Informatik, Übung und Vorlesung, WS 2019/20, 07.02.2020
Thomas Worsch
26: Softwaretechnik II, Vorlesung, WS 2019/20, 05.02.2020
26: Softwaretechnik II, Vorlesung, WS 2019/20, 05.02.2020
Ralf Reussner
14: Programmieren, Vorlesung, WS 2019/20, 05.02.2020
14: Programmieren, Vorlesung, WS 2019/20, 05.02.2020
Anne Koziolek
18: Theoretische Grundlagen der Informatik, Vorlesung, WS 2019/20, 04.02.2020
18: Theoretische Grundlagen der Informatik, Vorlesung, WS 2019/20, 04.02.2020
Dorothea Wagner, Jonas Sauer, Guido Brückner
27: Grundbegriffe der Informatik, Übung und Vorlesung, WS 2019/20, 05.02.2020
27: Grundbegriffe der Informatik, Übung und Vorlesung, WS 2019/20, 05.02.2020
Thomas Worsch
28: Algorithmen II, Vorlesung, WS 2019/20, 04.02.2020
28: Algorithmen II, Vorlesung, WS 2019/20, 04.02.2020
Peter Sanders, Sebastian Lamm, Tobias Heuer
07: Entscheidungsbäume: Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2019/20, 29.11.2019
07: Entscheidungsbäume: Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2019/20, 29.11.2019
Johann Marius Zöllner
25: Softwaretechnik II, Vorlesung, WS 2019/20, 04.02.2020
25: Softwaretechnik II, Vorlesung, WS 2019/20, 04.02.2020
Ralf Reussner
25: Robotik I - Einführung in die Robotik, Übung, WS 2019/20, 03.02.2020
25: Robotik I - Einführung in die Robotik, Übung, WS 2019/20, 03.02.2020
Tamim Asfour, Fabian Paus
27: Algorithmen II, Vorlesung, WS 2019/20, 03.02.2020
27: Algorithmen II, Vorlesung, WS 2019/20, 03.02.2020
Peter Sanders, Sebastian Lamm, Tobias Heuer
11: Hidden Markov Modelle: Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2019/20, 10.01.2020
11: Hidden Markov Modelle: Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2019/20, 10.01.2020
Johann Marius Zöllner
13: Sum Product Networks: Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2019/20, 31.01.2020
13: Sum Product Networks: Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2019/20, 31.01.2020
Johann Marius Zöllner
12: Unüberwachte Lernverfahren: Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2019/20, 17.01.2020
12: Unüberwachte Lernverfahren: Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2019/20, 17.01.2020
Johann Marius Zöllner
10: Lernen nach Bayes: Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2019/20, 20.12.2019
10: Lernen nach Bayes: Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2019/20, 20.12.2019
Johann Marius Zöllner
26: Algorithmen II, Vorlesung, WS 2019/20, 28.01.2020
26: Algorithmen II, Vorlesung, WS 2019/20, 28.01.2020
Peter Sanders, Sebastian Lamm, Tobias Heuer
08: Grundlagen des Reinforcement Learning (Wiederholung): Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2019/20, 13.12.2019
08: Grundlagen des Reinforcement Learning (Wiederholung): Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2019/20, 13.12.2019
Johann Marius Zöllner
24: Robotik I - Einführung in die Robotik, Vorlesung, WS 2019/20, 30.01.2020
24: Robotik I - Einführung in die Robotik, Vorlesung, WS 2019/20, 30.01.2020
Tamim Asfour, Fabian Paus
13: Programmieren, Vorlesung, WS 2019/20, 29.01.2020
13: Programmieren, Vorlesung, WS 2019/20, 29.01.2020
Anne Koziolek
26: Grundbegriffe der Informatik, Übung und Vorlesung, WS 2019/20, 29.01.2020
26: Grundbegriffe der Informatik, Übung und Vorlesung, WS 2019/20, 29.01.2020
Thomas Worsch
17: Theoretische Grundlagen der Informatik, Vorlesung, WS 2019/20, 28.01.2020
17: Theoretische Grundlagen der Informatik, Vorlesung, WS 2019/20, 28.01.2020
Dorothea Wagner, Jonas Sauer, Guido Brückner
24: Softwaretechnik II, Vorlesung, WS 2019/20, 29.01.2020
24: Softwaretechnik II, Vorlesung, WS 2019/20, 29.01.2020
Ralf Reussner
23: Softwaretechnik II, Vorlesung, WS 2019/20, 28.01.2020
23: Softwaretechnik II, Vorlesung, WS 2019/20, 28.01.2020
Ralf Reussner
23: Robotik I - Einführung in die Robotik, Vorlesung, WS 2019/20, 27.01.2020
23: Robotik I - Einführung in die Robotik, Vorlesung, WS 2019/20, 27.01.2020
Tamim Asfour, Fabian Paus
25: Algorithmen II, Vorlesung, WS 2019/20, 27.01.2020
25: Algorithmen II, Vorlesung, WS 2019/20, 27.01.2020
Peter Sanders, Sebastian Lamm, Tobias Heuer
22: Robotik I - Einführung in die Robotik, Vorlesung, WS 2019/20, 23.01.2020
22: Robotik I - Einführung in die Robotik, Vorlesung, WS 2019/20, 23.01.2020
Tamim Asfour, Fabian Paus
25: Grundbegriffe der Informatik, Übung und Vorlesung, WS 2019/20, 24.01.2020
25: Grundbegriffe der Informatik, Übung und Vorlesung, WS 2019/20, 24.01.2020
Thomas Worsch
16: Theoretische Grundlagen der Informatik, Vorlesung, WS 2019/20, 23.01.2020
16: Theoretische Grundlagen der Informatik, Vorlesung, WS 2019/20, 23.01.2020
Dorothea Wagner, Jonas Sauer, Guido Brückner
22: Softwaretechnik II, Übung, WS 2019/20, 22.01.2020
22: Softwaretechnik II, Übung, WS 2019/20, 22.01.2020
Ralf Reussner