2023
Im Jahr 2023 finden im Rahmen des Informatik-Kolloquiums die folgenden Vorträge statt
(Für weitere Informationen (Abstract etc.) klicken Sie auf den jeweiligen Vortragstitel)
Donnerstag, 19. Januar 2023, 17:00 Uhr, Zuse-Hörsaal, Informatikgebäude, Am Hubland
Prof. Davide Taibi, University of Oulu, Finnland
From Monolithic Web-Apps to Micro-Frontends
Montag, 24. April 2023, 16:15 Uhr, Zuse-Hörsaal, Informatikgebäude, Am Hubland
Prof. Gene Y. Tsudik, University of California, Irvine, USA
CACTI: Captcha Avoidance via Client-side TEE Integration
Montag, 22. Mai 2023, 16:15 Uhr, Übungsraum I, Informatikgebäude, Am Hubland
Prof. Dr.-Ing. Matthias Jung, Professur für Technische Informatik, Universität Würzburg
It’s the Memory, Stupid!
Montag, 12. Juni 2023, 16:15 Uhr, Übungsraum I, Informatikgebäude, Am Hubland
Prof. Dr. Marie Schmidt, Professur für Optimierung unter Ressourcenbeschränkung, Universität Würzburg
Optimierung im öffentlichen Verkehr
Donnerstag, 22. Juni 2023, 16:15 Uhr, Zuse-Hörsaal, Informatikgebäude, Am Hubland
Prof. Dr.-Ing. Wolfgang Utschick, Technische Universität München
Bayesian Inference and Generative Models for Parameter Estimation in Wireless Communication Systems
Montag, 3. Juli 2023, 16:15 Uhr, Übungsraum I, Informatikgebäude, Am Hubland
Prof. Dr.-Ing. Guido Dietl, Professur für Satellite Communication and Radar Systems, Universität Würzburg
Benefits and Challenges of Quantum Communications
Donnerstag, 6. Juli 2023, 16:15 Uhr, Übungsraum I, Informatikgebäude, Am Hubland
Dr. Ioana Jivet, Goethe University Frankfurt am Main
Supporting Student Success with Data
Montag, 10. Juli 2023, 16:15 Uhr, Übungsraum I, Informatikgebäude, Am Hubland
Prof. Dr.-Ing. Marco Pruckner, Professur für Modellierung und Simulation, Universität Würzburg
Modellierung und Simulation nachhaltiger Energiesysteme
Montag, 17. Juli 2023, 16:15 Uhr, Übungsraum I, Informatikgebäude, Am Hubland
Prof. Dr. Günther Waxenegger-Wilfing, Professur für Digitale Methoden in der Modellierung & Kontrolle von Raumfahrtantrieben, Universität Würzburg
Machine Learning in Rocket Engine and Spacecraft Control Applications
