Lehrveranstaltungen

Die genannten Themen werden in Projektarbeiten in Kooperation mit der Landmetzgerei Setzer (https://www.landmetzgerei.de/) angeboten. Ziel ist es, mit realen Daten eines  Unternehmens eine gegebene Fragestellung zu analysieren mithilfe der in AIDAHO Modulen gelernten Methodiken zur Datenanalyse. Die Themen werden betreut von einem/r wiss. Mitarbeiter:in des FG Lebensmittelinformatik. Bei erfolgreichem Abschluss erfolgt eine Anrechnung als AIDAHO Application seminar. Je nach Studiengang des Studierenden, können diese auch als curriculares Modul angerechnet werden, z.B.: Einführung in die wissenschaftlichen Arbeitsmethoden der Lebensmittelinformatik (1511-011), Projektarbeit (1500-530), Portfolio-Modul oder Applied Data Science Lab (5000-671).

Die gewünschte Anrechnung klären Sie bitte vor Teilnahme mit uns ab. Die Bearbeitung des Themas erfolgt in Zusammenheng mit der Lehrveranstaltung Einführung in die wissenschaftlichen Arbeitsmethoden der Lebensmittelinformatik (1511-011). Diese ist im Stil einer wissenschaftlichen Konferenz organisiert. Alle Teilnehmer müssen eine wissenschaftliche Arbeit über die zugewiesenen Themen verfassen. In diesem Fall ist dies ein kurzer Bericht über die angewendete Methodik, die Präsentation der Resultate und eine kurze Dikussion selbiger.

Die Teilnahme an drei Vorträgen ist verpflichtend: Kick-Off und Einführungen zur Literaturrecherche, LaTeX/Overleaf, Anwendung von Sprachmodellen (u.a. ChatGPT), Einführung in die Datenvisualisierung und Präsentationstechniken. Darauffolgend beginnt die Bearbeitungsphase in der die Studierenden eine wissenschaftliche Kurzarbeit zu ihrem gewähltem Thema unter Begleitung ihrer Betreuungsperson verfassen. Am Ende des Semesters findet die "Konferenz" mit den Abschlusspräsentationen der Teilnehmer statt. Eine Beteiligung an Diskussionen anderer Arbeiten ist elementar. Die Teilnahme am Kick-Off Meeting, den Seminartagen und an den Abschlusspräsentationen ist verpflichtend. Die Prüfungsleistungen können bei Bedarf auf Englisch abgelegt werden.

Kontakt: Jan Dvorak

Dieses Seminar ist im Stil einer wissenschaftlichen Konferenz organisiert. Alle Teilnehmer müssen eine wissenschaftliche Arbeit über die zugewiesenen Themen verfassen und diese bis zur ersten Entwurfsfrist einreichen. Zuvor gibt es drei Seminartage mit Kick-Off und Einführungen zur Literaturrecherche, LaTeX/Overleaf, Anwendung von Sprachmodellen (u.a. ChatGPT), Einführung in die Datenvisualisierung und Präsentationstechniken. Darauffolgend beginnt die Bearbeitungsphase in der die Studierenden eine wissenschaftliche Kurzarbeit zu ihrem gewähltem Thema unter Begleitung ihrer Betreuungsperson verfassen. Danach beginnt die Begutachtungsphase, in der jede Arbeit mindestens zwei anderen Teilnehmern zugeteilt wird, die die Arbeiten begutachten müssen. Nach dieser Phase werden die Gutachten bei den Betreuern eingereicht, die sie an die Verfasser der Arbeiten weiterleiten. Auf der Grundlage des Feedbacks aus den Reviews werden die Autoren ihre Arbeiten verbessern, bevor sie ihre endgültige Version der Arbeit einreichen.

Themen im Wintersemester 2023/24 und Informationen zur Anmeldung.

Zeitplan Wintersemester 2023/24

Themenbekanntgabe: 01. August 2023

Bewerbung für Themen bis: 14. Oktober 2023

Themenvergabe: 16. Oktober 2023

Kick-Off Meeting, 1/3 Seminartag: 17. Oktober 2023, voraus. 13:30-15:30 Uhr (weitere Informationen folgen per Mail)

2+3/3 Seminartag: 24./30. Oktober 2023, voraus.  13:30-15:30 Uhr  (weitere Informationen folgen per Mail)

Abgabe erster Entwurf: 20. Dezember 2023

Deadline für Begutachtung: 14. Januar 2024

Präsentationen/ Bericht Abgabe (Camera Ready Copy): 25. Januar 2024, 23:59

Finale Präsentation: 26. Januar 2024 (weitere Informationen folgen per Mail, voraus. 14-16 Uhr) 

 Kursinformation

Die Veranstaltung ist an Studierende adressiert, die technische Grundlagen über die Funktionsweise von Informationssystemen erwerben wollen. Neben Grundlagen über die Funktionsweise von Computern und Programmierung, werden Algorithmen für Standardprobleme, Datenstrukturen und Rechnernetzwerke vorgestellt.

Inhalte der Veranstaltung sind:
- Funktionsweise von Computern
- Grundlagen der Programmierung
- Grundlegende Algorithmen für Suchen und Sortieren von Informationen
- Datenstrukturen, z.B. Arrays, Bäume, Listen, Hashing, Graphen
- Verteilte Systeme und Rechnernetze

 Kursinformation

Die Veranstaltung ist an Studierende der Lebensmittelwissenschaft und Biotechnologie adressiert. Neben einer theoretischen Einführung in die Thematik sind praktische Übungen anhand realer Datenbeispiele mit Excel, R oder Python Bestandteil der Veranstaltung.

Mögliche Inhalte der Veranstaltung sind:
- Ereignissen und Mengensystemen, Deskription und Exploration von Daten
- Wahrscheinlichkeitsrechnung (eindimensional und multivariat), Zufallsvariablen
- Parameterschätzung
- Statistische Tests und Hypothesen
- Regressionsanalyse, Korrelationsanalyse, Varianzanalyse
- Zeitreihenanalyse
- Exkurs: Verfahren des maschinellen Lernens zur Datenanalyse

 Kursinformation

This module will provide essential knowledge of the technological foundations of information systems. Based on this, students will be able to assess technology but also to develop software and acquire fundamentals for learning machine learning techniques.
The students will learn basic concepts of computer hardware (von Neumann architecture) and system software (operating systems concepts), programming fundamentals (Java or Python), as well as algorithms and data structures (searching, sorting, lists, hash-tables, trees). This includes an understanding of the basic architectures of modern information systems, software implementation, and how to model problems in algorithms/software and how solve them using modern programming languages.

Kursinformation

In the first part of the lecture, the students will learn the basics of programming and how to work with the Python ML ecosystem. After an overview and self-training of basic programming concepts, the focus is set on the acquisition of programming skills for the application and evaluation of machine learning (ML) techniques. Students will learn about most basic ML models and how to implement them in Python using state-of-the-art ML frameworks such as scikit-learn. Subsequently, Deep Learning, known from recent applications such as image recognition (e.g. for autonomous vehicles), will be the subject of discussion along with practical training sessions using PyTorch. Additionally, metrics and concepts for evaluating ML models, i.e., how to interpret the results, are taught. Also the aspect of data visualization as a central topic of data analytics will be trained in this course.            

Kursinformation

The module introduces fundamental concepts of “Natural Sciences” and aims to deliver basic knowledge in Chemistry, Microbiology, Biotechnology, (Food) Engineering, and Material Science. A case study, for instance on ‘Time Temperature Indicators”, fosters knowledge transfer and enables the students to apply the different concepts to one concrete example of application. Lecture-accompanying experiments and guided tours through the laboratories and pilot plants of the Institute of Food Science and Biotechnology are part of the course schedule. Moreover, 2 industry – hosted lectures further highlight the importance of natural Sciences as one of the key disciplines in Bioeconomy.

Kursinformation

Students learn advanced programming with Python with a focus on practical application in realistic use cases. The following contents are covered:

• Programming with Python
• AI Coding-Tools (e.g. ChatGPT, Github Copilot, ...) 
• Computer Networks
• Web development with Python
• API Programming
• Data Analytics

The course will be conducted in a project-based format. In addition to delivering theoretical lecture content, these concepts will be practically applied in projects, with students receiving guidance from tutors.

Kursinformation

In this module a set of tools and skills are provided to identify, describe, evaluate, and improve the sustainability of the value chain of a (new) biobased product. The students analyze a whole biogenic value chain currently on the agenda of the bioeconomy transformation process to develop a deeper understanding of biobased industrial and commercial activities. With support from supervisors and in communication with partners from industry, students first identify a value chain related to food, feed, fibre or fuel production. They then describe, analyse and identify gaps in the value chain from biomass production to conversion and market introduction of the product.

The following methods and tools can be used for the system analysis:
- “energy and mass flows”, and “thermodynamic considerations”
- supply chain management based on “value stream mapping” and “continuous improvement techniques”.
- “life-cycle assessment”,
- “environmental and social impact assessment”.

These methods and tools are introduced to demonstrate how to carry out an internet-based case study using a step-by-step approach. Particular emphasis is placed on the selection of green materials, the design of factory operations and the management of market introduction of (new) bio-based products. Environmental and social impacts of the value chain will be assessed and approaches for waste reduction and energy saving will be elaborated in order to optimize production. Finally, based on their analysis, students develop a concept to improve an existing biogenic value chain or scientific and engineering pre-studies can be carried out to fill identified gaps or create new products. The results as well as the pros and cons of the applied methods are presented and discussed in class.

Kursinformation

Seminar für Doktorand:innen nach individueller Absprache.

Mögliche Themen:

• Projekt- und Zeitmanagement, Kooperation mit Forschungspartnern/Unternehmen
• Konzeption von Projekten im Rahmen der Digitalisierung der Lebensmittelverarbeitung
• Erstellen von Präsentationen angepasst an die Zuhörer
• Diskussion zur Hypothesenbildung, Planung von Experimenten zu deren Beantwortung
• Datenauswertung, Aufbereitung in Tabellen, Bilder, Schemata, Ableitung von Modellvorstellungen und deren Integration in Publikation
• Planung von Vorarbeiten für neue Forschungsprojekte bis hin zur Antragstellung ausgerichtet auf den jeweiligen Förderer