Bereit für die Klausur? Teste jetzt dein Wissen!
Dein ergebnis
Melde dich für die StudySmarter App an und lerne effizient mit Millionen von Karteikarten und vielem mehr!
Du hast bereits ein Konto? Anmelden
Lerninhalte finden
Features
Entdecke
Egal, ob Zusammenfassung, Altklausur, Karteikarten oder Mitschriften - hier findest du alles für den Studiengang Master of Science Informatik
Universität Erlangen-Nürnberg
Master of Science Informatik
Prof. Dr.
2024
In diesem Themenbereich werden Techniken untersucht, die es ermöglichen, mit approximierten Berechnungen umzugehen, ohne dass die Zuverlässigkeit des Systems beeinträchtigt wird.
Dieser Abschnitt behandelt Ansätze zur Reduzierung des Energieverbrauchs von Rechensystemen durch den Einsatz von Approximationstechniken.
Hier werden Algorithmen diskutiert, die bewusst Näherungslösungen anstelle exakter Ergebnisse liefern, um Rechenzeit und Ressourcen zu sparen.
Dieser Teil des Kurses untersucht mathematische und statistische Methoden zur Bewertung und Verbesserung von Approximationstechniken.
In diesem Abschnitt wird das erworbene Wissen über Approximate Computing zusammengeführt und auf komplexe Problemstellungen angewendet.
Approximate Computing ist ein spannendes Gebiet innerhalb der Informatik und wird als Seminar an der Universität Erlangen-Nürnberg angeboten. In diesem Kurs lernst Du, wie unscharfe Berechnungen genutzt werden können, um die Leistungsfähigkeit und Energieeffizienz von Computersystemen zu verbessern. Durch eine Kombination aus theoretischen Vorlesungen und praktischen Übungen erhältst Du fundierte Kenntnisse in diesem Fachbereich.
Kursleiter: Prof. Dr.
Modulstruktur: Das Modul besteht aus theoretischen und praktischen Teilen, die über das Semester verteilt werden.
Studienleistungen: Die Leistungskontrolle erfolgt durch eine abschließende Prüfung und regelmäßige Übungsaufgaben.
Angebotstermine: Das Seminar wird im Wintersemester angeboten.
Curriculum-Highlights: Fehlerresilienz, Energieeffizienz, Approximate Algorithms, Quantitative Methodiken.
Beginne frühzeitig mit dem Lernen, idealerweise schon zu Beginn des Semesters, um Dir die nötige theoretische Basis anzueignen.
Nutze verschiedene Ressourcen, wie Bücher, Übungsaufgaben, Karteikarten und Probeklausuren, um dein Wissen zu vertiefen.
Schließe Dich Lerngruppen an und tausche Dich mit anderen Studierenden aus, um gemeinsam Lösungsstrategien zu entwickeln.
Vergiss nicht, regelmäßige Pausen einzulegen und in diesen Zeiten komplett abzuschalten, um eine Überbelastung zu vermeiden.
Margaret M.
Nuan I.
Jessica C.
Sie haben bereits ein Konto? Login
93182 Mainframe Programmierung II | Kurs ansehen |
Advanced Deep Learning | Kurs ansehen |
Advanced Design and Programming (5-ECTS) | Kurs ansehen |
Advanced Game Physics | Kurs ansehen |
Advanced Mechanized Reasoning in Coq | Kurs ansehen |
Advanced Networking LEx | Kurs ansehen |
Advanced Programming Techniques | Kurs ansehen |
Advanced Simulation Technology | Kurs ansehen |
AI-1 Systems Project | Kurs ansehen |
AI-2 Systems Project | Kurs ansehen |
Andrea X.