Department > Lectures > Winter Term 2026/2027

Winter Term 2026/2027

Keywords All Master/Core Modules Master/Specialization Master/Colloquia Bachelor/Wahlbereich Bachelor/ÜK Astronomy and Astrophysics Atomic, Molecular and Optical Physics Biophysics, Medical Physics Condensed Matter Physics Environmental Physics Particle Physics Theoretical Physics Scientific Computing

Type All Vorlesung (9) Seminar (3)

Introduction to Numerical Relativity in Astrophysics and Cosmology (MVSpec)
Vorlesung Hujeirat A
heiCO-Info Link to Registration
LV-Anmeldung möglich
more information
1300212308
LV-Anmeldung möglich
Link to Registration
Medical Image Analysis (MVSpec)
Vorlesung Hesser J
heiCO-Info Link to Registration
LV-Anmeldung möglich
more information
1300232210
LV-Anmeldung möglich
Link to Registration
Medical Physics 3 (MVMP3, MVSpec)
Vorlesung Hesser J, Seco J
heiCO-Info Link to Registration
LV-Anmeldung möglich
more information
1300232211
LV-Anmeldung möglich
Link to Registration
Machine Learning and Physics (MKTP6)
Vorlesung Hamprecht F
Homepage heiCO-Info Link to Registration
LV-Anmeldung möglich
more information
1300272106
LV-Anmeldung möglich
Link to Registration
Course Information
Lecture contents and FAQ can be found on our website: https://sciai-lab.org/teaching/26w/mlph/

Content
```
Infos auf unserer Website:https://sciai-lab.org/teaching/26w/mlph/
```
Machine Learning Block (MVSpec+WPSpez)
Vorlesung Jörg Marks
Homepage heiCO-Info Link to Registration
Anmeldung abgelaufen
more information
1300281413
Anmeldung abgelaufen
Link to Registration
Course Information
Dieser Blockkurs (5.10 - 9.10.26), eine Kombination aus Vorlesung und Übungen, vermittelt einen Einblick in die Grundlagen der Datenanalyse und des maschinellen Lernens. Moderne Toolkits, wie scikit-learn und TensorFlow/Keras, erlauben einen Zugriff auf viele verschiedene Machine Learning Algorithmen, Konfigurations- und Kontrollwerkzeuge über ein Python Interface.

Methoden des maschinellen Lernen sind sehr erfolgreich in den Bereichen Bild- und Spracherkennung, in der Robotik und Automation, sowie in der Medizin. In der Physik erlangt maschinelles Lernen eine zunehmend große Bedeutung im Zusammenhang mit Datenanalyse Methoden.

Der Schwerpunkt dieses Kurses liegt auf einer technischen Einführung in Datenanalyse Techniken und maschinelles Lernen mit Programmbeispielen und Übungen.
Content
```
Block Kurs:    5.10.2026 - 9.10.2026    9:00 - 16:30 ! ---------------------------------------------------------------------  Daten Analyse and Machine Learning für Physiker  Tutorial auf dem Anfänger Niveau
```
Prerequisites
```
Python (C++ knowledge könnte funktionieren)
```
Registration Information
```
Anmeldung erforderlich
```

Fundamentals of Simulation Methods (MVComp1, MVSpec)
Vorlesung Klessen R
heiCO-Info Link to Registration
LV-Anmeldung möglich
more information

1300282202
LV-Anmeldung möglich
Link to Registration

Content

- Basic concepts of numerical simulations, continuous and discrete simulations - Discretization or ordinary differential equations, integration schemes of different order - N-Body problems, molecular dynamics, collisionless systems - Discretization of partial differential equations - Finite element and finite volume methods - Lattice methods - Adaptive mesh refinement and multi-grid methods - Matrix solvers and FFT methods - Monte Carlo methods, Markov Chains, applications in statistical physics

Prerequisites

No prior knowledge required apart from basic physics. However, some experience with computer programming and the use plotting software is assumed. As a tip: the course "Python for Scientists", offered on a regular basis by the physics and astronomy department, would be an excellent basis for this course (but not a prerequisite).

Goal

After completion of this module, the students are endowed with the capacity to identify and classify numerical problems. They have reached active understanding of applicable numerical methods and algorithms. They are able to solve basic physical problems with adequate numerical techniques and to recognize the range of validity of numerical solutions.

Computational Molecular Biophysics (MVSpec)
Vorlesung Gräter F, Wade R
heiCO-Info Link to Registration
LV-Anmeldung möglich
more information

1300282203
LV-Anmeldung möglich
Link to Registration

Content

https://www.mpip-mainz.mpg.de/ws-lectures-and-hands-on-sessions-in-computational-molecular-biophysics  "Only a limited number of students can be accepted. Please register in advance through heiCO¿

Computer Vision (MVSpec)
Vorlesung Rother C
heiCO-Info Link to Registration
LV-Anmeldung möglich
more information

1300282207
LV-Anmeldung möglich
Link to Registration

Content

*** Formalitäten:  Tutor (Hauptanlaufstelle für Fragen): Friedrich Feiden: johann-friedrich.feiden@iwr.uni-heidelberg.de  Registrierung: Moodle: https://moodle.uni-heidelberg.de/course/view.php?id=32883   Voraussetzungen: Keine verpflichtenden Vorlesungen, aber es empfiehlt sich, Machine-Learning-Background zu haben. Zum Beispiel: Fundamentals of Machine Learning oder Ähnliches.  Prüfung: Schriftliche Klausur Leistungspunkte: 6 LP Anrechenbarkeit (ohne Garantie): Physics, MSc., Angewandte Informatik, MSc. Scientific Computing  Solange Sie sich rechtzeitig (vor Beginn der ersten Vorlesung) anmelden, kann normalerweise an der Vorlesung teilgenommen werden.   Weitere Informationen finden Sie hier:  https://hci.iwr.uni-heidelberg.de/content/computer-vision

Prerequisites

Keine verpflichtenden Vorlesungen, aber es empfiehlt sich, einen Machine-Learning-Background zu haben. Zum Beispiel: Fundamentals of Machine Learning oder Ähnliches.

Goal

- Brief Introduction to necessary Machine Learning (incl. U-Net, ResNet, Vision Transformers) - Basic Image Processing (incl. linear/non-linear Filtering) - Sparse feature Detection and Description (incl. SIFT and LIFT) - Projective Geometry, Epipolar Geometry - Sparse 3D Reconstruction , SLAM and Camera Localization - Neural Randiance Fields (NERF) - Robust Matching (incl. Differentiable RANSAC) - Object Recognition - Image Generation (incl. GAN, Diffusion, VAE, Flows) - Inverse Rendering - Training Data Generation

Registration Information

You have to be registered in HeiCo and Moodle

Dynamical systems theory in machine learning (MVSpec)
Vorlesung Durstewitz D
heiCO-Info more information
1300282271
Zu dieser LV existiert kein Anmeldeverfahren
Content
```
https://drive.google.com/file/d/1Zaorp0tHFz-oyY6wDrJ2xseTx_3fyi50/view
```
Prerequisites
```
https://moodle.uni-heidelberg.de/course/view.php?id=19789
```
Inverse Rendering (MVSem)
Seminar Rother C
heiCO-Info Link to Registration
Anmeldung abgelaufen
more information
1300282001
Anmeldung abgelaufen
Link to Registration
Content
```
(see English page)
```
Geometric Deep Learning (MVSpec)
Seminar Stühmer J
heiCO-Info more information
1300282210
Zu dieser LV existiert kein Anmeldeverfahren
Advanced Machine Learning (MVJC)
Seminar Hamprecht F, Lippmann P
heiCO-Info more information
1300282301
Zu dieser LV existiert kein Anmeldeverfahren
Content
```
Students present recent papers. https://sciai-lab.org/teaching/journal-club/
```

Winter Term 2026/2027

Course Information

Content

Course Information

Content

Prerequisites

Registration Information

Content

Prerequisites

Goal

Content

Content

Prerequisites

Goal

Registration Information

Content

Prerequisites

Content

Content