Module im Bereich: Informatik - Wahlpflicht

AI Ethics, Data Privacy, and Intellectual Property in IT
Advanced Topics in Deep Learning (Bachelor)
Advanced Topics in Networking
Anwendungssysteme
Bachelor seminar KMD
Bachelor seminar Predictive Maintenance
Bioinformatik
Biometrics Project
Cloud School
Compilerbau
Computational Intelligence in Games
Computer-Assisted Surgery
Computernetze 1
Data Mining – Einführung in Data Mining
Datenanalyse, Visualisierung und Visual Analytics
Datenbanken 2
Deep Learning für Ingenieure
Einführung in Digitale Spiele
Einführung in Managementinformationssysteme
Einführung in die Computergraphik
Einführung in die Wirtschaftsinformatik
Einführung in die Wissensrepräsentation
Erklärbare und sichere KI
Game Design – Grundlagen
Grundlagen der C++ Programmierung
Grundlagen der Theoretischen Informatik III
Grundlagen des Maschinellen Lernens
Grundzüge der Algorithmischen Geometrie
Hochintegrierte Enterprise Systeme
IT-Forensik
IT-Software project KMD
Information Retrieval
Informationstechnologie in Organisationen
Interaktive Systeme
Introduction to Distributed Sensor Data Fusion
Introduction to Simulation
KI in Unternehmen
Learning Generative Models
Logik 2
Mesh Processing
Mobile Robotics
Musik Information Retrieval
Parallele Programmierung
Scrum-in-Practice
Service Engineering
Simulation Project
Software Defined Networking
Spezifikationstechnik
Technische Aspekte der IT-Sicherheit
Usability und Ästhetik
Virtual and Augmented Reality I
Visualization
Wissensmanagement – Methoden und Werkzeuge

AI Ethics, Data Privacy, and Intellectual Property in IT

Winter

(in German: AI Ethics, Data Privacy, and Intellectual Property in IT )

Module-ID: FIN-INF-110510

Abbreviation

Credit Points

Semester

Winter

Term

Duration

1 Semester

Language

english

Level

Bachelor

Link:	LSF
Limited accessability:
Responsibility:	Dr. Laila Barqawi, Dr. Mohammad Abdallah
Lecturer:	Dr. Laila Barqawi, Dr. Mohammad Abdallah
Classes:	Lecture AI Ethics, Data Privacy, and Intellectual Property in IT (online) Exercise AI Ethics, Data Privacy, and Intellectual Property in IT (online)
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. WIF: Recht - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
Students:

can explain fundamental ethical principles.
can appreciate ‘ACM’ and ‘IEEE’ professional ethics codes.
can interpret the core provisions of the ‘GDPR’ and apply them to IT scenarios.
can understand and identify IP rights and licensing types relevant to software and AI.
can analyse how ethics, privacy, and IP are interrelated in IT innovation.
can propose responsible approaches to real-world data and IP challenges.

Content:

Ethics: professional integrity, fairness, and accountability in IT;
Data Privacy: key data protection concepts and GDPR compliance;
Intellectual Property (IP): ownership, licensing, and innovation in digital products.

Workload:

Contact hours (lectures + activities): 52h
Independent work (preparation + homework + project): 98h

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
None	Hausarbeit (Homework and Presentation)	Lectures (2 SWS) Exercise (2 SWS)

Prerequisites according to examination regulations:	Recommended prerequisites:
none

Media:

Literature:

Professional Ethics

ACM Code – https://www.acm.org/code-of-ethics
IEEE Code – https://www.ieee.org/about/corporate/governance/p7-8

AI Ethics

UNESCO - https://www.unesco.org/en/artificial-intelligence/recommendation-ethics

Data Privacy & GDPR

The General Data Protection Regulation (GDPR), https://gdpr.eu/
Federal Data Protection Act (BDSG), https://www.gesetze-im-internet.de/englisch_bdsg/

Intellectual Property

WIPO. Enterprising Ideas- A Guide to Intellectual Property for Startups https://www.wipo.int/edocs/pubdocs/en/wipo_pub_961.pdf

Comments:
Kurs für Wintersemester unklar, da Lehrauftrag

Advanced Topics in Deep Learning (Bachelor)

every

(in German: Advanced Topics in Deep Learning (Bachelor) )

Module-ID: FIN-INF-110502

Abbreviation

ATDL

Credit Points

Semester

every

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Bachelor

Link:	LSF
Limited accessability:
Responsibility:	Sebastian Stober
Lecturer:	Sebastian Stober
Classes:	Advanced Topics in Deep Learning
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Künstliche Intelligenz - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
The students ...

are able to read and analyze current research papers
can apply deep learning to an application domain
gain in-depth knowledge in an application domain
learn to work efficiently in a team on scientific problems
learn to work on a server infrastructure
present scientific results in a written and oral form

Content:

Current topics from deep learning research
Creation of domain-specific deep learning pipelines
The application domain will be announced
beforehand

Workload:
30 contact hours + 120h self-study

Pre-examination requirements:

Type of examination:

Teaching method / lecture hours per week (SWS):

Written report ("Hausarbeit")
Oral exam

Lecture/Seminar (2 SWS)

Prerequisites according to examination regulations:	Recommended prerequisites:
none	Introduction to Deep Learning or Deep Learning for Engineers

Media:	Literature:

Comments:

Advanced Topics in Networking

Winter

(in German: Advanced Topics in Networking )

Module-ID: FIN-INF-110513

Abbreviation

ATN

Credit Points

Semester

Winter

Term

starting at 5.

Duration

1 Semester

Language

english

Level

Bachelor

Link:	LSF
Limited accessability:	false
Responsibility:	David Hausheer
Lecturer:	David Hausheer
Classes:	Lecture Advanced Topics in Networking Exercise Advanced Topics in Networking
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
Students...

enhance their competence in the area of networking
understand advanced networking concepts
can explain these concepts to other participants
are able to apply these concepts in theoretical use cases and practical exercises

Content:
The course deals with advanced topics in the area of networking:

Overlay networks for content delivery, e.g., P2P, BitTorrent, CDNs, caching, overlay video streaming
Distributed Hash Tables (DHT), e.g., Kademlia
Blockchains
Crypto currencies and Bitcoin
Ethereum and smart contracts
Secure network architectures, e.g., SCION
Congestion Control, e.g., QUIC and Multipath-QUIC

Workload:

28h lectures
22h theoretical exercises
4h practical exercises
96h homework (further studies, preparation for the final exam)

Pre-examination requirements:

Type of examination:

Teaching method / lecture hours per week (SWS):

Prerequisites for the exam required; details will be announced at the beginning of the semester.

Written exam 120 minutes

Lecture 2 SWS
Exercise 2 SWS

Prerequisites according to examination regulations:	Recommended prerequisites:
none	Modul Computernetze

Media:	Literature:
	Textbooks as indicated. Slides and paper copies as necessary.

Comments:
In früheren Versionen der Studien- und Prüfungsordnung ist dieses Modul als WPF Technische Informatik anrechenbar.

Anwendungssysteme

Sommer

(engl. Business Application Systems )

Modulnummer: FIN-INF-110123

Kürzel

AWS

Semester

Sommer

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Prof. Dr. Klaus Turowski
Dozent:in:	Prof. Dr. Klaus Turowski
Lehrveranstaltungen:	Vorlesung Anwendungssysteme Übung Anwendungssysteme
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Anwenden - Pflicht - B.Sc. WIF: Wirtschaftsinformatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden ...

verstehen, wie Geschäftsprozesse durch IT-Technologien unterstützt werden.
kennen die Zwecke betrieblicher Anwendungssysteme.
wissen, dass für verschiedene Geschäftsbereiche unterschiedliche betriebliche Anwendungen erforderlich sind.
verstehen, wie Geschäftsdaten auf verschiedene betriebliche Anwendungen abgebildet werden.
wissen wie man komplexere Sachverhalte mit Tabellen darstellt.
können mehrere betriebliche Anwendungssysteme in verschiedenen Geschäftsbereichen anwenden.
wissen wie verschiedene betriebliche Anwendungssysteme miteinander integriert sind und welche Integrationsformen möglich sind.
können sich neues Wissen eigenständig aneignen und für sich nutzbar machen.
können bei unbekannten Aufgaben eigene Ideen einbringen und Entscheidungen treffen.
können für neue Aufgaben geeignete Lösungen wählen, anwenden und anschließend beurteilen.

Inhalt:

Grundlagen der Wertschöpfungskette nach Porter
Prozesse der betrieblichen Informationsverarbeitung
Forschung und Entwicklung
Vertrieb
Einkauf
Produktion
Logistik
Fallstudien zu komplexen Geschäftsprozessen mit SAP R/3 Enterprise

Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Hausarbeit

Vorlesung
Übung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine

Medienformen:	Literatur:
	Mertens, P. (2005): Integrierte Informationsverarbeitung 1. 15. Auflage, Berlin u. a.

Hinweise:

Bachelor seminar KMD

every

(in German: Bachelorseminar KMD )

Module-ID: FIN-INF-110527

Abbreviation

KMD_BachelorSeminar

Credit Points

Semester

every

Term

Duration

1 Semester

Language

english

Level

Bachelor

Link:	LSF
Limited accessability:	false
Responsibility:	Myra Spiliopoulou
Lecturer:	Myra Spiliopoulou
Classes:	Seminar KMD_BachelorSeminar
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Künstliche Intelligenz - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Verstehen und Gestalten - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
When successfully completing this seminar, the students:

can read and present a scientific paper
can compare mining methods, workflows and frameworks that address a specific scientific topic, and can rank them on given criteria
can critically discuss the advantages and caveats of a published mining method
can summarize one or more papers , their comparisons and critical discussion in an essay
can present the scientific paper(s) they have read in a pre-specified amount of time and in a way understandable to both an audience that has read the papers and to an audience that has not, and they can answer questions

Content:
CONTENT: Topics on 'Knowledge Management and Discovery' for business applications, engineering applications and applications in healthcare; all topics refer to mining algorithms STRUCTURE: Each student receives a topic as assignment. The assignment encompasses:

one or two papers in the topic's area
a series of questions to be answered from the papers

The student must:

read the papers
compare the methods and results in them in order to answer the scientific questions
critically discuss and rank the methods compared in the previous step
present the above in class and answer questions
write an essay on them

Workload:
28 h Präsenz + 94 h selbstständige Arbeit COURTESY TRANSLATION: 28 h in class + 94 h self-study

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
	Referat	Seminar (2 SWS)

Prerequisites according to examination regulations:

Recommended prerequisites:

none

Familiarity with mining algorithms
Familiarity with methods for model evaluation

Media:	Literature:
	The seminar contains several topics. The mapping of the module (see field 'Verwendbarkeit') depends on the topic assigned to a specific student.

Comments:

Bachelor seminar Predictive Maintenance

every

(in German: Bachelorseminar Predictive Maintenance )

Module-ID: FIN-INF-110524

Abbreviation

PREDMA_BSEM

Credit Points

Semester

every

Term

ab 3.

Duration

1 Semester

Language

english

Level

Bachelor

Link:	LSF
Limited accessability:	true
Responsibility:	Prof. Dr. Myra Spiliopoulou, Prof. Dr.-Ing. Benjamin Noack
Lecturer:	Prof. Dr. Myra Spiliopoulou, Prof. Dr.-Ing. Benjamin Noack
Classes:	Seminar PredMa_BSeminar
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Künstliche Intelligenz - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
When successfully completing this seminar, the students can:

read scientific articles given to them on introductory topics of predictive maintenance
discuss these articles and reflect on them
compare the methods that appear in these articles and discuss the pros and contra of each method in comparison to other methods
summarize article contents on predictive maintenance in a report and present them
formulate questions on these articles and answer questions formulated by other seminar participants

Content:
In this seminar, the participants will learn about

challenges and methods for data acquisition in industrial processing
data analysis tools in predictive maintenance
process modeling, fault detection, and state prediction

Workload:
28 h in presence (consultation meetings, presentations) / 96 h self-study for:

Reading and Understanding of Provided Papers
Writing an essay
Presentation and question answering

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
	Referat	Seminar (2 SWS)

Prerequisites according to examination regulations:

Recommended prerequisites:

none

Linear Algebra and Calculus
Underpinnings of data analytics
Underpinnings of signal processing

Media:	Literature:
	Scientific articles on Predictive Maintenance; choice of articles depends on topic assignment and is given to each student together with the assignment

Comments:

Bioinformatik

Sommer

(engl. Bioinformatics )

Modulnummer: FIN-INF-700003

Kürzel

BioInf

Semester

Sommer

Fachsem.

ab 5.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Andreas Nürnberger
Dozent:in:	Andreas Nürnberger
Lehrveranstaltungen:	Vorlesung Bioinformatik Übung Bioinformatik
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden ...

verstehen verschiedene Datenstrukturen für Bioinformatik
können Basisalgorithmen zur Bearbeitung von Sequenzdaten anwenden und programmieren
wenden Clusteranalyse und verschiedene Heuristiken für die Bearbeitung molekularbiologischer Daten an

Inhalt:

Einführung in die Bioinformatik und die Molekularbiologie
Einführung in Datenbanken und speziell molekularbiologische Datenbanken
Algorithmen zur Sequenzanalyse
Heuristische Methoden für die Sequenzanalyse
Algorithmen zur Clusteranalyse
Expressionsdatenanalyse
Algorithmen zum Aufbau phylogenetischer Bäume

Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Klausur (2h). Voraussetzung zur Teilnahme an der Prüfung werden in der ersten Vorlesung und online bekannt gegeben.

2 SWS Vorlesung
2 SWS Übung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Algorithmen und Datenstrukturen

Medienformen:

Literatur:

R. Merkl. Bioinformatik: Grundlagen, Algorithmen, Anwendungen (4. Auflage), Wiley-VCH, 2022.
R. Merkl, S. Waak. Bioinformatik Interaktiv: Algorithmen und Praxis. Wiley-VCH, 2003.
R. Rauhut. Bioinformatik: Sequenz-Struktur-Funktion. WileyVHC, 2001.
D.E. Krane, ML. Raymer. Fundamental Concepts of Bioinformatics. Pearson Education, 2003.
J. Setubal, J. Meidanis. Introduction to Computational Molecular Biology. PWS Publishing Company, 1997.
A. M. Lesk. Bioinformatik: Eine Einführung. Spektrum Akademischer Verlag, 2002.
A. M. Lesk. Introduction to Bioinformatics. Oxford University Press, 2002.

Hinweise:

Biometrics Project

jedes

(engl. Biometrics Project )

Modulnummer: FIN-INF-110415

Kürzel

MMDAP

Semester

jedes

Fachsem.

ab 5.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Prof. Dr.-Ing. Jana Dittmann
Dozent:in:	Prof. Dr.-Ing. Jana Dittmann
Lehrveranstaltungen:	Vorlesung IT-Sicherheit und Digitale Selbstverteidigung Übung IT-Sicherheit und Digitale Selbstverteidigung Vorlesung Informatik & Kriminalistik Übung Informatik & Kriminalistik
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...

können anhand einer ausgewählten fachlichen Fragestellung zur Cybersicherheit die Anforderungen und Lösungsmöglichkeiten im Zusammenspiel von Sicherheit, Sensortechnik und Multimediatechnologie für ein Anwendungsbeispiel verstehen
können Komponenten multi-modaler Systeme am Beispiel sicher gestalten und eine Sicherheitsbewertung vornehmen
können technische Integrationsaspekte verstehen und Umsetzungen ausgewählter Inhalte aus „Sichere Systeme“ und „Algorithmen und Datenstrukturen“ vornehmen
können eine Evaluation und Bewertung multi-modaler Systeme vornehmen und Restrisiken benennen
können Herausforderungen in der Teamarbeit erkennen und reflektieren
können die Ergebnisse in einem Referat präsentieren und sich einer Diskussion stellen
können Sicherheit als Prozess in einem IuK-System verstehen und ausgewählte Mechanismen gestalten und anwenden

Inhalt:

Einführung und Grundlagen zu ausgewählten fachlichen Fragestellungen zur Cybersicherheit, Sensortechnik und Multimediatechnologie
Erläuterungen anhand von Anwendungsbeispielen
Gestaltungskonzepte für sichere Multi-modale Systeme für ausgewählte Beispiele
Ansätze zur Sicherheitsbewertung
Wiederholung: Grundlagen der Teamarbeit, Vorlesung ist Projekt-orientiert

Arbeitsaufwand:
56h Präsenszeit
94h selbstständige Arbeit

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

keine

Referat mit zwei Teilleistungen (Vortrag und Ausarbeitung)

Das Referat umfasst eine eigenständige und vertiefte schriftliche Auseinandersetzung mit einer Fragestellung aus dem Arbeitszusammenhang der Lehrveranstaltung unter Einbeziehung und gezielter kritischer Auswertung einschlägiger Literatur, sowie die Darstellung der eigenen Arbeit auch im Vergleich im Team und die Vermittlung sowie Bewertung der eigenen Ergebnisse im mündlichen Vortrag sowie in der anschließenden Diskussion im Team.
Die Ausarbeitungen müssen schriftlich vorliegen.

Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine

Medienformen:	Literatur:

Hinweise:
https://omen.cs.uni-magdeburg.de/itiamsl/deutsch/lehre/index.html

Cloud School

Sommer

(in German: Cloud School )

Module-ID: FIN-INF-110484

Abbreviation

Credit Points

Semester

Sommer

Term

starting at 3.

Duration

1 Semester

Language

english

Level

Bachelor

Link:	LSF
Limited accessability:
Responsibility:	Prof. Dr. Klaus Turowski
Lecturer:	Christian Haertel / Christian Daase
Classes:	Lecture Cloud School Exercise Cloud School
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Verstehen und Gestalten - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
The students ...

know and understand the basic principles of the cloud computing paradigm
know the typical service and deployment models of cloud computing
understand workloads and revenue models
are able to build basic cloud applications independently
understand the benefits and risks of cloud computing at the business and application layer
are able to select suitable cloud infrastructure from appropriate platform offerings for their applications
know how to apply cloud design patterns in practical developments
are able to use self-developed cloud applications for modern application scenarios (e.g., related to machine learning and data science)

Content:

Cloud Computing Fundamentals
Cloud Offering Patterns
Cloud Application Architecture Patterns
Cloud Application Management Patterns
Composite Application Pattern
Impact of Cloud Computing Properties
Cloud Computing Application Scenarios

Workload:
45 h lecture and exercise + 105 h independent work

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
In order to participate in the exam, preliminary exam requirements must be met. Details will be announced in the first lecture.	Graded und ungraded written examination, 120 Min.	2 SWS Lecture + 3 SWS Exercise class

Prerequisites according to examination regulations:	Recommended prerequisites:
none

Media:	Literature:
	Fehling, C.; Leymann, F.; Retter, R.; Schupeck, W.; Arbitter, P. (2014): Cloud Computing Patterns: Fundamentals to Design, Build, and Manage Cloud Applications (ISBN: 978-3-7091-1567-1), DOI: 10.1007/978-3-7091-1568-8

Comments:

Compilerbau

Winter

(engl. Compiler Construction )

Modulnummer: FIN-INF-100382

Kürzel

Semester

Winter

Fachsem.

ab 3.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Prof. Dr. Michael Kuhn
Dozent:in:	Prof. Dr. Michael Kuhn
Lehrveranstaltungen:	Vorlesung Compilerbau Übung Compilerbau
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Teilnehmenden...

verstehen theoretische Grundlagen von formalen Sprachen
wenden Algorithmen zur Optimierung von regulären Ausdrücken, Grammatiken und Code-Repräsentationen an
verstehen wichtige Konzepte von Compilern
erstellen Komponenten eines Compilers in kleineren Teams
präsentieren Lösungsansätze und Ergebnisse anderen Teilnehmenden

Inhalt:
Compiler übersetzen Programme aus einer Ausgangssprache in eine Zielsprache, üblicherweise aus einer höheren Programmiersprache in eine Maschinensprache. Dies erlaubt es unter anderem, die gleiche Anwendung mit relativ geringem Aufwand für unterschiedliche Prozessorarchitekturen zu übersetzen und darauf auszuführen. Ein tiefergehendes Verständnis von Compilern hilft dabei, effizientere und sicherere Programme zu schreiben. Die zu übersetzenden Programme werden außerdem durch Compiler überprüft und verbessert. Wie viele Fehler dabei gefunden werden können, hängt von der Striktheit der Sprache ab. Einige Sprachen, wie z. B. Rust, machen es schwieriger, Programme ohne Fehler zu schreiben, bieten dafür aber gewisse Korrektheitsgarantien. Darüber hinaus führen Compiler eine Vielzahl an Optimierungen durch, um die gegebene Rechnerarchitektur möglichst effizient zu nutzen. Die Vorlesung findet nach dem Prinzip des Flipped Classroom statt. Dabei sollen selbstständig die entsprechenden Kapitel des Buches „Introduction to Compilers and Language Design“ gelesen werden, die dann in der Vorlesung vertieft besprochen werden. In der Vorlesung werden die Konzepte vermittelt, die Übungen dienen der praktischen Anwendung und Umsetzung der erworbenen Kenntnisse.

Arbeitsaufwand:

56h Präsenz
94h selbstständiges Arbeiten

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Aktive und erfolgreiche Teilnahme an den Übungen

Mündliche Prüfung

Vorlesung (2 SWS)
Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:

Empfohlene Voraussetzungen:

keine

Praktische Kenntnis einer Systemprogrammiersprache wie C oder C++
Grundkenntnisse in Datenstrukturen und Rechnerarchitekturen (z. B. Algorithmen und Datenstrukturen, Technische Informatik)

Medienformen:

Literatur:

Introduction to Compilers and Language Design (Douglas Thain)

Hinweise:

Computational Intelligence in Games

Summer

Game Theory, Reinforcement Learning and Beyond

(in German: Computational Intelligence in Games )

Module-ID: FIN-INF-110515

Abbreviation

CIG

Credit Points

Semester

Summer

Term

starting at 4.

Duration

1 Semester

Language

english

Level

Bachelor

Link:	LSF
Limited accessability:
Responsibility:	Sanaz Mostaghim
Lecturer:	Sanaz Mostaghim
Classes:	Lecture Computational Intelligence in Games Exercise Computational Intelligence in Games
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
The students will learn the concepts in reinforcement learning, Game Theory and beyond and can apply them to various domains, particularly in Games. The students can program the learned algorithms and will get an understanding about the functionality of the algorithms.

Content:

This course addresses the basic and advanced topics in the area of computational intelligence and games and contains three parts:
Part one addresses the basics in Evolutionary Game Theory (EGT). In this part you will learn about simple games such as scissors/rock/paper and the main focus on the strategies for playing games.
Part two is about learning agents and we focus on reinforcement learning mechanisms. There are three questions for games:
- – How can we use the information from a search mechanism to learn?
- – How can we use reinforcement learning to find for a better strategy?
- – How can we use reinforcement learning as a search mechanism? The application is on board games.
Part three contains the advanced topics in games and artificial intelligence such as how can we program an agent who can pass a Turing test? How can we consider physical constraints of a spaceship while moving in an unknown terrain?

Workload:
56 contact hours + 94 h self study

Pre-examination requirements:

Type of examination:

Teaching method / lecture hours per week (SWS):

Written exam
Hausarbeit

Lecture (2 SWS)
Exercise class (2 SWS)

Prerequisites according to examination regulations:	Recommended prerequisites:
none	Intelligente Systeme

Media:

Literature:

Ian Millington and John Funge, Artificial Intelligence for Games, CRC Press, 2009
Richard S. Sutton and Andrew G. Barto, Reinforcement Learning: An Introduction, MIT Press, Cambridge, MA, 1998
Jorgen W. Weibull, Evolutionary Game Theory, MIT Press, 1997
Thomas Vincent, Evolutionary Game Theory, Natural Selection, and Darwinian Dynamics, Cambridge University Press, 2005
Josef Hofbauer, Karl Sigmund, Evolutionary Games and Population Dynamics, Cambridge University Press, 1998

Comments:

Computer-Assisted Surgery

Winter

(in German: Computer-Assisted Surgery )

Module-ID: FIN-INF-110514

Abbreviation

CAS

Credit Points

Semester

Winter

Term

Duration

1 Semester

Language

english

Level

Bachelor

Link:	LSF
Limited accessability:	true
Responsibility:	Christian Hansen
Lecturer:	Christian Hansen
Classes:	Lecture Computer-Assisted Surgery Seminar Computer-Assisted Surgery Team project Computer-Assisted Surgery
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Medizintechnik - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
Students who complete this module ...

have an in-depth knowledge of modern surgical and interventional imaging technologies such as iMRI, iCT and IOUS, as well as medical image processing
understand methods such as surgical tracking, calibration and registration, which are essential for the development and application of surgical assistance systems
can design and develop surgical planning and navigation systems.
can write a state of the art report in the field of computer assisted surgery
can read, analyse and briefly summarise scientific papers in a scientific report.

Within this module students can choose between a seminar or a team project. If students choose to undertake a seminar, they ...

will be able to read, understand and present scientific publications in the field of computer-assisted surgery
will understand how to critically analyse scientific publications and improve their ability to present the results of others' research.

If students opt for a team project, they ...

will develop, test and evaluate a software tool in an interdisciplinary team
will learn how to deal with conflict in interdisciplinary teams.

Content:
This lecture provides an overview of computer-assisted surgery. After an introduction to the basics, the state of the art in computer-assisted surgery is presented using clinical examples. The following topics will be covered:

Fundamentals of intra-operative imaging
Fundamentals of surgical visualisation
Computer-assisted surgical planning
Surgical navigation systems
Surgical Augmented Reality
Surgeon-Computer Interaction
Robotic Surgery
Medical Software Development and Evaluation

Workload:
56h contact hours + 94h self study

Pre-examination requirements:

Type of examination:

Teaching method / lecture hours per week (SWS):

Successful completion of the exercise/seminar

oral exam

Lecture (2 SWS)
Seminar (2 SWS) or team project (2 SWS)

Prerequisites according to examination regulations:	Recommended prerequisites:
none

Media:	Literature:

Comments:

Computernetze 1

Winter

(engl. Computer Networks 1 )

Modulnummer: FIN-INF-140006

Kürzel

CN-1

Semester

Winter

Fachsem.

ab 3.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Prof. Dr. Mesut Güneş
Dozent:in:	Prof. Dr. Mesut Güneş
Lehrveranstaltungen:	Vorlesung Computernetze 1 Übung Computernetze 1
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Studierende ...

kennen und verstehen die Grundlagen der Datenkommunikation
kennen die Schichtenarchitektur des ISO/OSI-Modells
verstehen Konzepte wie Kanalkapazität, Datenrate und ihre Zusammenhänge
verstehen Fehlererkennung und Fehlerkorrektur und ARQ-Verfahren
sind in der Lage Herausforderungen der höheren Protokollschichten einzuordnen

Inhalt:

Grundlegende Protokolle und Ansätze von der Bitübertragungsschicht bis zu Netzwerkschicht
ISO/OSI-Architektur vs TCP/IP-Architektur
Datenübertragung
Medienzugriffskontrolle
Fehlerbehandlung
Zuverlässige Nachrichtenübertragung

Arbeitsaufwand:
56 h Präsenz + 94 h selbstständige Arbeit

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Klausur 120 Minuten

2 SWS Vorlesung
2 SWS Übung

Voraussetzungen nach Prüfungsordnung:

Empfohlene Voraussetzungen:

keine

Technische Informatik 1
Technische Informatik 2
Algorithmen und Datenstrukturen

Medienformen:

Literatur:

Andrew S. Tanenbaum, “Computer Networks”, Pearson International
James F. Kurose, Keith W. Ross, “Computer Networking – A Top-Down Approach”, Addison Wesley

Hinweise:

Data Mining – Einführung in Data Mining

Winter

Einführung zu Data Mining für Bachelorstudiengänge

(engl. Data Mining for Bachelor Students - An Introduction (German course) )

Modulnummer: FIN-INF-110302

Kürzel

DM4BA

Semester

Winter

Fachsem.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Myra Spiliopoulou
Dozent:in:	Myra Spiliopoulou
Lehrveranstaltungen:	Vorlesung DM4BA Übung DM4BA
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Künstliche Intelligenz - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Verstehen und Gestalten - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden:

verstehen, wozu Data Mining gut ist
verstehen, wie eine Klassifikationsaufgabe aussieht und wie eine Clustering-Aufgabe aussieht, und können zwischen den zwei Typen von Aufgaben unterscheiden
verstehen, wie einfache Klassifikationsmethoden funktionieren und können diese für Probleme anwenden
verstehen, wie einfache Clustering-Methoden funktionieren und können diese für Probleme anwenden
verstehen die Herausforderungen der Evaluation von Modellen
können Evaluationsvorgänge gestalten und durchführen
verstehen, warum Data Engineering vor dem Aufruf von Lernverfahren nötig ist
können einfache Instrumente der Datenaufbereitung anwenden und ihre Ergebnisse evaluieren

und haben damit notwendige Grundlagen erworben, um einen einfachen Vorgang zum Ableiten eines Modells und zu dessen Evaluation zu gestalten.

Inhalt:

Klassifikation: Lernverfahren und Evaluationsvorgänge
Clustering: Lernverfahren und Evaluationsvorgänge
mehr zu Methoden für die Evaluation von Modellen
Data Engineering: Datenaufbereitungsaufgaben, -methoden und -evaluationsvorgänge

Arbeitsaufwand:

28 Stunden Vorlesung (Präsenz)
28 Stunden Übung (Präsenz)
94 Stunden Eigensändiges Arbeit zur Vor- und Nachbereitung der Vorlesung und der Übung, sowie zur Prüfungsvorbereitung

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Votierung - min Anzahl von Punkten durch Aufgaben in den Übungen

Schriftliche Prüfung - Klausur (120 min)

Vorlesung (2 SWS)
Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Datenbanken

Medienformen:

Literatur:

Zu Data Mining Methoden und zu Evaluationsansätzen:
- Pan-Ning Tan, Michael Steinbach, Anuj Karpatne, Vipin Kumar (2019). Introduction to Data Mining, 2nd edition. Pearson – Ausschnitte aus Kpt 3, 5, 7
- Ian Witten & Eibe Frank (2005). Data Mining – Practical machine learning tools and techniques. 2nd edition.
  Elsevier – Ausschnitte aus Kpt 4 zu Naive Bayes
Zu Data Engineering:
- Salvador Garcia, Julian Luengo, Francisco Herrera (2015). Data Preprocessing for Data Mining.
  Springer – Ausschnitte aus Kpt 3, 4, 7, evtl auch aus Kpt 2
- und eventuell für Zeitreihen:
  - Parmezan, A. R. S., Souza, V. M. A., and Batista, G. E. A. P. A. (2019). Evaluation of statistical and machine learning models for time series prediction: Identifying the state-of-the-art and the best conditions for the use of each model. Information Sciences, DOI: 10.1016/j.ins.2019.01.076
  - Cismondi, F. C., Fialho, A., Vieira, S., Reti, S., Sousa, J., and Finkelstein, S. (2013). Missing data in medical databases: Impute, delete or classify? Artificial Intelligence in Medicine, DOI: 10.1016/j.artmed.2013.01.003
Weitere Literatur wird in den einzelnen Sessions aufgelistet.

Hinweise:

Datenanalyse, Visualisierung und Visual Analytics

Sommer

(engl. Data Analysis, Visualization and Visual Analytics )

Modulnummer: FIN-INF-110388

Kürzel

DatenVisVA

Semester

Sommer

Fachsem.

ab 4.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Holger Theisel
Dozent:in:	Dirk Joachim Lehmann
Lehrveranstaltungen:	Vorlesung Datenanalyse, Visualisierung und Visual Analytics
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...

kennen Methoden der Datenanalyse, Visualisierung und des Visual Analytics, einschließlich algorithmischer Verfahren zur Datenaufbereitung, Dimensionsreduktion und Clusteranalyse.
kennen Visualisierungstechniken zur Darstellung hochdimensionaler Daten und interaktiver Visual Analytics-Ansätze zur Entscheidungsunterstützung.
kennen kognitive und wahrnehmungspsychologische Aspekte der Datenvisualisierung sowie Prinzipien effektiver grafischer Darstellungen.
können geeignete Methoden und Werkzeuge zur Analyse und Visualisierung komplexer Datenbestände auswählen, anwenden und interpretieren.
können Visualisierungs- und Analysemodelle technisch umsetzen, evaluieren und in geeignete Applikationen integrieren.
können die Qualität und Aussagekraft von Datenvisualisierungen und analytischen Modellen kritisch bewerten und optimieren.
können für einfache Problemstellungen aus der Anwendung selbstständig datenbasierte Lösungen entwickeln und präsentieren.

Inhalt:
Inhalte der Veranstaltung:

Automatisierbare Datenanalyse: Einführung in maschinelles Lernen und statistische Methoden zur Datenauswertung und deren mathematische Grundlagen (insbesondere in der multivariaten Optimierung). Behandelte Techniken umfassen PCA zur Dimensionsreduktion, k-Means zur Clusterbildung und Regressionsanalysen zur Modellierung von Zusammenhängen u.v.m.
Datenvisualisierung: Methoden zur grafischen Darstellung von Daten zur Erkennung von Mustern und Trends, darunter Scatterplots, Heatmaps und Parallelkoordinaten.
Visual Analytics: Kombination aus Data-Mining-Methoden und interaktiven Visualisierungen zur Analyse komplexer Datenbestände. Einsatz von Dashboards und Reporting-Tools zur Entscheidungsunterstützung.
Interdisziplinäre Aspekte: Einfluss der visuellen Wahrnehmung und kognitiven Verarbeitung auf effektive Visualisierungen. Berücksichtigung von Farbtheorie, Gestaltprinzipien und Usability.
Anwendungsbeispiele: Praxisnahe Anwendungen aus Finanzdatenanalyse, Bioinformatik und Epidemiologie, etwa zur Krankheitsüberwachung oder Genexpressionsanalyse.
Die Veranstaltung kombiniert Theorie und praxisnahe Anwendungsszenarien, um Studierende auf eigenständige Datenanalyse- und Visualisierungsaufgaben vorzubereiten.

Arbeitsaufwand:
30 h Präsenzzeit + 120 h selbstständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
	Klausur, 120 min.	2 SWS Vorlesung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine

Medienformen:	Literatur:

Hinweise:

Datenbanken 2

Sommer

Implementierungstechniken

(engl. Database Implementation Techniques )

Modulnummer: FIN-INF-102810

Kürzel

DB2

Semester

Sommer

Fachsem.

ab 4.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Gunter Saake
Dozent:in:	Gunter Saake
Lehrveranstaltungen:	Vorlesung Datenbanken 2 Übung Datenbanken 2
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden ...

verstehendie Architektur und Funktionsweise von Datenbanksystemen
verstehen die Verwaltung des Hintergrundspeichers und Seitenverdrängungsstrategien
verstehen typische Zugriffstrukturen und können diese implementieren
verstehen Zugriffsstrukturen für spezielle Anwendungsfälle
können Basisalgorithmen für Datenbankoperationen zu implementieren
verstehen die Verarbeitung von Anfragen, können deren Leistung beurteilen und optimieren

Inhalt:

Aufgaben und Prinzipien von Datenbanksystemen
Architektur von Datenbanksystemen
Verwaltung des Hintergrundspeichers
Dateiorganisation und Zugriffsstrukturen
Zugriffsstrukturen für spezielle Anwendungen
Basisalgorithmen für Datenbankoperationen
Optimierung von Anfragen

Arbeitsaufwand:
56h Präsenz + 94h selbstständige Arbeit

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Klausur (120 min)

2 SWS Vorlesung
2 SWS Übung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Datenbanken 1

Medienformen:	Literatur:
	Datenbanken: Implementierungstechniken. Gunter Saake, Kai-Uwe Sattler, Andreas Heuer, 4. Auflage mitp-Verlag, Bonn, 2019, ISBN: 978-3-95845-779-9

Hinweise:

Deep Learning für Ingenieure

Winter

(engl. Deep Learning for Engineers )

Modulnummer: FIN-INF-110485

Kürzel

DLFI

Semester

Winter

Fachsem.

ab 3.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Sebastian Stober
Dozent:in:	Sebastian Stober
Lehrveranstaltungen:	Deep Learning für Ingenieure (Vorlesung) Deep Learning für Ingenieure (Übung)
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: Studienprofil: Künstliche Intelligenz - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden ...

können moderne Deep Learning Methoden für unterschiedliche Domänen sicher anwenden
haben die Fähigkeit, aktuelle Forschung in diesem Bereich zu folgen
kennen den Ablauf der Entwicklung von tiefen neuronalen Netzen.

Inhalt:
Einführung in den Lernprozess durch Backpropagation. Es werden essentielle Modellarchitekturen, wie MLP, RNN, CNN, Auto-Encoder und Transformer(Attention) vorgestellt und auf verschiedene Probleme angewendet. Hierbei werden die Lernparadigmen des überwachten und unüberwachten Lernens und deren Anwendungen vermittelt. Dies beinhaltet
auch Regularisierungen, fortgeschrittene Trainingsmethoden und Interpretierung von Lernkurven und Ergebnissen

Arbeitsaufwand:

56h Präsenzzeit (Vorlesung + Übung)
94h selbstständige Arbeit (Vor- und Nachbearbeitung von Vorlesung (OER) und Übung, Bearbeiten von Übungs- und Programmieraufgaben)

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Klausur 120 Minuten Ankündigung der notwendigen Vorleistungen in der ersten Veranstaltungswoche.

Vorlesung (2 SWS)
Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Maschinelles Lernen

Medienformen:	Literatur:

Hinweise:

Einführung in Digitale Spiele

Winter

(engl. Introduction to Digital Games )

Modulnummer: FIN-INF-110376

Kürzel

EiDS

Semester

Winter

Fachsem.

ab 3.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Holger Theisel
Dozent:in:	Tim Härtel
Lehrveranstaltungen:	Vorlesung Einführung in Digitale Spiele Übung Einführung in Digitale Spiele
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Nach erfolgreichem Abschluss des Moduls sind die Studierenden in der Lage:

Ideen für Spiele zu entwickeln und diese in Form eines selbstgewählten Prototypen umzusetzen.
Grundlagen für den Aufbau und dem Ablauf von Spielen zu verstehen und erklären zu können.
Die wichtigsten Bestandteile einer Game Engine, z. B. der Physics Engine und des Renderings, zu verstehen, zu erklären und im Rahmen einer Game Engine zu verwenden.
Übergreifende Prozesse im Bezug auf die Spielentwicklung nachzuvollziehen und zu erklären.
Verstehen und Anwenden (software-)technischer Askepte der Spieleentwicklung, wie Collisions, Shader, etc.

Inhalt:

Game Design
Game Development Software Patterns
2D-3D Math Game Concepts
Rendering
Animations
Lights
Shadows
Shader
Physics Engines
Collisions
Audio (Engine)
Pathfinding
Navigation
Procedural Content Generation
Game AI
Prototyping
Playtesting
Flow
Gamification/Serious Games
Feedback, Gameplay Loop

Arbeitsaufwand:
56 h Präsenz + 94 h selbstständige Arbeit

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Wird in der ersten Vorlesung bekanntgegeben.

Klausur 120 Minuten (Note), Wissenschaftliches Projekt (Schein)

2 SWS Vorlesung
2 SWS Übung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Algorithmen und Datenstrukturen

Medienformen:

Literatur:

Jason Gregory: “Game Engine Architecture”, Taylor & Francis, 2009
Steve Rabin: “Introduction to Game Development”, Charles River Media, 2010
Jesse Schell: The Art of Game Design: A Book of Lenses. CRC Press, 2008
Thomas Akenine-Möller, Eric Haines, Naty Hoffman: “Real Time Rendering”, Peters, 2008

Hinweise:

Einführung in Managementinformationssysteme

Sommer

(engl. Introduction to management information systems )

Modulnummer: FIN-INF-103315

Kürzel

EinfMIS

Semester

Sommer

Fachsem.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Hans-Knud Arndt
Dozent:in:	Hans-Knud Arndt
Lehrveranstaltungen:	Vorlesung Einführung in Managementinformationssysteme Übung Einführung in Managementinformationssysteme
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Anwenden - Pflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Absolvent*innen dieses Moduls...

erlangen ein Verständnis des Konzepts von Managementsystemen für Organisationen jeglicher Art
setzen sich mit der Idee von Managementinformationssystemen als informationstechnische Entsprechung von Managementsystemen auseinander
kennen methodische Herangehensweisen zur Entwicklung von Managementinformationssystemen
kennen die Anwendung von Metainformation und Anwendungsintegration in Managementinformationssystemen

Inhalt:

Grundlagen zu Managementsystemen
Managementinformationssysteme als Informationssysteme für Managementsysteme
Methoden zur Konzipierung und Realisierung von Managementinformationssystemen
Metainformation in Managementinformationssystemen

Arbeitsaufwand:
56h Präsenzzeit
94h selbstständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
Um an der Prüfung teilnehmen zu können, sind Prüfungsvorleistungen erforderlich. Details werden in der ersten Vorlesung bekannt gegeben.	Klausur	Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Einführung in die Wirtschaftsinformatik

Medienformen:	Literatur:

Hinweise:

Einführung in die Computergraphik

Sommer

(engl. Introduction to Computer Graphics )

Modulnummer: FIN-INF-110512

Kürzel

Semester

Sommer

Fachsem.

ab 2.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Holger Theisel
Dozent:in:	Holger Theisel
Lehrveranstaltungen:	Vorlesung Einführung in die Computergraphik Übung Einführung in die Computergraphik
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Computervisualistik - Pflicht - B.Sc. CV: Computervisualistik Pflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden

verstehen die grundlegenden Konzepte der Computergraphik
können ihre Kenntnisse anwenden zur Erstellung eines Rendering-Programms
Arbeiten in Gruppen an Übungen und Programmmieraufgaben
erlernen sowohl theoretische Grundlagen als auch Anwendungen der Computergraphik
sind nach der Veranstaltung in der Lage, sich vertiefte Kenntnisse der Computergraphik anzueignen

Inhalt:

Einführung, Geschichte, Anwendungsgebiete der Computergraphik
Modellierung und Akquisition graphischer Daten
Graphische Anwendungsprogrammierung
Transformationen
Clipping
Rasterisierung und Antialiasing
Beleuchtung
Texturierung
Sichtbarkeit
Raytracing
Moderne Konzepte der Computergraphik im Überblick

Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Klausur, 120 min

2 SWS Vorlesung
2 SWS Übung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Einführung in die Informatik

Medienformen:

Literatur:

J.D. Foley, A. van Dam, S.K. Feiner, J.F. Hughes: Computer Graphics – Principles and Practice (second Edition). AddisonWesley Publishing Company, Inc., 1996
J. Encarnacao, W. Straßer, R. Klein: Gerätetechnik, Programmierung und Anwendung graphischer Systeme, Teil I und II. Oldenbourg, München, Wien, 1966, 1997
D. Salomon: Computer Graphics Geometric Modeling, Sprin-ger, 1999
A. Watt: 3D Computer Graphics. Addison-Wesley Publishing Company, Inc., 2000

Hinweise:
Dieses Modul darf nicht zusätzlich zum Modul Computer Graphics - an Introduction gehört werden.

Einführung in die Wirtschaftsinformatik

Winter

(engl. Business Informatics (Introduction) )

Modulnummer: FIN-INF-110122

Kürzel

EWIF

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Prof. Dr. Klaus Turowski
Dozent:in:	Prof. Dr. Klaus Turowski
Lehrveranstaltungen:	Vorlesung Einführung in die Wirtschaftsinformatik Übung Einführung in die Wirtschaftsinformatik
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Verstehen - Pflicht - B.Sc. WIF: Wirtschaftsinformatik Grundlagen (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden ...

verstehen zentrale Begriffe und Konzepte aus dem Bereich der Wirtschaftsinformatik.
beherrschen Methoden und Techniken des klassischen IT-Projektmanagements für die Bereiches des Anforderungsmanagements sowie der Termin-, Einsatzmittel- und Kostenplanung.
kennen die Bausteine für Geschäftsmodelle und die Theorie der informationellen Mehrwerte bezogen auf elektronische und mobile Angebote.
lernen die verschiedenen Generationen und Kategorien von Programmiersprachen kennen.
können die Methoden der Architektur Integrierter Informationssysteme anwenden, um die Komplexität des betriebswirtschaftlichen Geschehens zu erfassen und bei der Gestaltung von Lösungen an der Schnittstelle von Informatik, Wirtschaftsinformatik und Wirtschaftswissenschaften beizutragen.
können Sachverhalte abstrahieren und analytisch denken.

Inhalt:

Definition und Einordnung der Wirtschaftsinformatik
Berufsbilder für Wirtschaftsinformatiker
Wirtschaftsinformatik als Wissenschaft
Grundbegriffe der Wirtschaftsinformatik
Einführung in klassisches IT-Projektmanagement
Anforderungsmanagement
Modellierung von betriebswirtschaftlichen Strukturen und Prozessen
Erarbeitung von betriebswirtschaftlichen Problemlösungen mit Endbenutzerwerkzeugen

Arbeitsaufwand:
42h Präsenzzeit + 108h selbstständige Arbeit

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Für die Teilnahme an der Prüfungsleistung (Hausarbeit) sind bestimmte Anforderungen zu erfüllen. Weitere Informationen werden in der ersten Vorlesung kommuniziert.

Hausarbeit

Vorlesung (2SWS)
Übung (2SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine

Medienformen:	Literatur:
	Enzyklopädie der Wirtschaftsinformatik (http://www.enzyklopaedie-der-wirtschaftsinformatik.de/)

Hinweise:

Einführung in die Wissensrepräsentation

Winter

(engl. Introduction to knowledge representation )

Modulnummer: FIN-INF-110518

Kürzel

Semester

Winter

Fachsem.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	true
Verantwortung:	Fabian Neuhaus
Dozent:in:	Fabian Neuhaus
Lehrveranstaltungen:	Vorlesung Einführung in die Wissensrepräsentation Übung Einführung in die Wissensrepräsentation
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...

verstehen die theoretischen Grundlagen der Wissensrepräsentation
kennen wichtige Sprachen, Methoden und Werkzeuge, die in der Praxis zur Repräsentation von Wissen verwendet werden
haben die die Fähigkeit, einfache Wissensgraphen und Ontologien selbstständig in kleinen Teams zu entwickeln und
diese Ergebnisse zu präsentieren.

Inhalt:
In diesem Modul werden Studierende in die Grundlagen der Wissensrepräsentation eingeführt. Dies geschieht am Beispiel von Technologien, die für die Repräsentation von Wissen in Form von Wissensgraphen und Ontologien verwendet werden. Im Rahmen dieses Moduls werden folgende Inhalte behandelt:

theoretische Grundlagen der Wissensrepräsentation und formaler Semantik
Resource Description Framework (RDF): eine Sprache für Wissensgraphen
Resource Description Framework Schema (RDFS): eine Sprache für einfache kontrollierte Vokabulare und Taxonomien
SPARQL Protocol and RDF Query Language: eine Abfragesprache für RDF(S) Graphen
Web Ontology Language (OWL): eine Sprache für angewandte Ontologien
Methoden für die Entwicklung von Wissensgraphen und Ontologien
Beispiele für Anwendung von Wissensgraphen und Ontologien in der Praxis in verschiedenen Anwendungsgebieten (z.B. Biologie, Chemie, Materialwissenschften)

Arbeitsaufwand:
56h Präsenzzeit + 94h selbständige Arbeit

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Votierung von 2/3 der Übungsaufgaben.
Aktive Teilnahme an Vorlesung und Übung

Schriftliche Prüfung

2 SWS Vorlesung
2 SWS Übung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Erfolgreicher Abschluss des Modul “Logik” bzw. fundiertes Wissen im Bereich der Themen des Moduls "Logik".

Medienformen:	Literatur:

Hinweise:
Anmeldung via E-Learning-Plattform

Erklärbare und sichere KI

Sommer

(engl. Explainable and safe AI )

Modulnummer: FIN-INF-110496

Kürzel

XAI

Semester

Sommer

Fachsem.

ab 3.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Sebastian Stober
Dozent:in:	Sebastian Stober
Lehrveranstaltungen:	Vorlesung Erklärbare und sichere KI Übung Erklärbare und sichere KI
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Künstliche Intelligenz - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden ...

können Methoden zur Erklärung von Entscheidungen und internen Repräsentationen, sowie Prozessen von Modellen des maschinellen Lernens sicher anwenden
haben die Fähigkeit, die Qualität von Modellen abseits von Genauigkeitsmetriken einschätzen zu können
können Modelle zielgerichtet verbessern

Inhalt:
Einordnung unterschiedlicher Kategorien von Erklärbarkeits-Methoden für Modelle des maschinellen Lernens sowie Anforderungen an Nutzer:innenzentrierte Erklärungen. Darstellung direkt interpretierbarer Modelle (ante-hoc) sowie Analyse- und Visualisierungs-Methoden für Blackbox-Modelle (post-hoc). Zudem werden grundlegende Post-hoc Erklärungstechniken mit modell-agnostischen und modell-spezifischen Ansätzen vorgestellt.

Arbeitsaufwand:

56h Präsenzzeit (Vorlesung + Übung)
94h selbstständige Arbeit (Vor- und Nachbearbeitung von Vorlesung (OER) und Übung, Bearbeiten von Übungs- und Programmieraufgaben)

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Klausur 120 Minuten Ankündigung der notwendigen Vorleistungen in der ersten Veranstaltungswoche.

Vorlesung (2 SWS)
Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Deep Learning für Ingenieure

Medienformen:	Literatur:

Hinweise:

Game Design – Grundlagen

Sommer

(engl. Game Design – Foundations )

Modulnummer: FIN-INF-102835

Kürzel

GDG

Semester

Sommer

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Holger Theisel
Dozent:in:	Johannes Hauffe, Christian Sandkämper (Just2D Interactive GmbH)
Lehrveranstaltungen:	Vorlesung Game Design Grundlagen Übung Game Design Grundlagen
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden ...

kennen grundlegende Konzepte des Game Designs
wissen, wie eine Welt gestaltet wird und wie mit Spielerfeedback umgegangen wird
sind dazu in der Lage, Strategien und Techniken, um Charaktere und Dialoge zu gestalten
können Spielmechaniken, Spielerlebnisse und Feedback kritisch analysieren
können Verbesserungen sowie Optimierungen benennen

Inhalt:

Game Design: Definitionen;
Aufgaben eines Game Designers
Die Struktur von Spielen: Komponenten eines Spiels
Die Struktur von Spielen: Thema, Vision, PoV und Genre
Game Design: Weltdesign
Game Design: Charakterdesign
Game Design: Setting, Hintergrundgeschichte und Handlung
Game Design: Rätsel, Aufgaben und Hindernisse
Game Design: Balancing und Testing
Das Spiel und der Game Designer
Das Spiel und der Spieler
Dokumentationstechniken
Kommunikation; der Designer und das Team

Die vorgestellten Inhalte beziehen sich auf aktuelle Forschungen und werden mit Erfahrungen aus der Wirtschaft ergänzt.

Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Klausur, 120 min

2 SWS Vorlesung
2 SWS Übung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Einführung in Digitale Spiele

Medienformen:

Literatur:

Raph Koster: A Theory of Fun. Paraglyph Press, 2005
Jesse Schell: The Art of Game Design: A Book of Lenses. CRC Press, 2008
Tracy Fullerton: Game Design Workshop: A Playcentric Approach to Creating Innovative Games. CRC Press, 2008

Hinweise:

Grundlagen der C++ Programmierung

Sommer

(engl. Introduction to C++ Programming )

Modulnummer: FIN-INF-110382

Kürzel

C++

Semester

Sommer

Fachsem.

ab 2.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Dr. Thomas Wilde
Dozent:in:	Dr. Thomas Wilde
Lehrveranstaltungen:	Vorlesung Grundlagen der C++ Programmierung Übung Grundlagen der C++ Programmierung
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Studierende, die den Kurs erfolgreich absolviert haben, sind in der Lage ...

... den Kompilierungsprozess für C++ Projekte zu erklären,
... primitive Datentypen, Operatoren und Kontrollstrukturen anzuwenden und zu vergleichen,
... Zeiger und Speicherverwaltung in C++ zu nutzen,
... Zeiger, Zeigerarithmetik und Arrays sicher zu verwenden,
... dynamische Speicherverwaltung und Ausnahmebehandlung zu beherrschen,
... Funktionen, objektorientierte Programmierung und Operatorüberladung anzuwenden und zu nutzen,
... generische Programmierung umzusetzen und die Standardbibliothek zu nutzen.

Inhalt:

Bedienung des Compilers und Zusammenspiel mit Linker
Primitive Datentypen, Operatoren und Kontrollfluss (und Unterschiede zu Java)
Variablen, Felder, Zeiger und Zeigerarithmetik
Funktionen
Klassen
Speicherverwaltung, Referenzen, Ausnahmebehandlung
Überladen von Operatoren
Generische Programmierung mit Templates Überblick über die Standardbibliothek inklusive STL
Werkzeuge (Debugger, make, Valgrind, Doxygen)
Allgemeine Problematiken (z.B. Programmierstil, Quellcode-Verwaltung, Optimierung, Zeichensätze/UTF-8)

Arbeitsaufwand:

asynchrone Vorlesung 2 SWS = 28h Arbeit,
Übung 2 SWS = 28h Präsenzzeit,
94h selbstständige Arbeit,
gesamt 150h.

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Prüfungsvorleistung erforderlich, wird zu Semesterbeginn bekanntgegeben;

Prüfung: schriftliche Klausur, 120 Minuten;
Schein: schriftliche Klausur muss mitgeschrieben und bestanden werden.

asynchrone Vorlesung (2 SWS)
Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:

Empfohlene Voraussetzungen:

keine

Grundkenntnisse in Programmierung
idealerweise Java-Kenntnisse (z.B. aus der Vorlesung "Einführung in die Informatik")

Medienformen:

Literatur:

Bjarne Stroustrup. The C++ Programming Language,
Frank B. Brokken. C++ Annotations. ,
Scott Meyers. Effective C++,
Nicolai M. Josuttis. The C++ Standard Library - A Tutorial and Reference.

Hinweise:

Grundlagen der Theoretischen Informatik III

Winter

(B.Sc.)

(engl. Introduction to the Theory of Computation III )

Modulnummer: FIN-INF-110464

Kürzel

GThI 3

Semester

Winter

Fachsem.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Prof. Dr. Stefan Schirra
Dozent:in:	Prof. Dr. Stefan Schirra
Lehrveranstaltungen:	Vorlesung Grundlagen der Theoretischen Informatik III Übung Grundlagen der Theoretischen Informatik III
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Studierende lernen, formale Sprachen in die Chomsky-Hierarchie einzuordnen und beurteilen zu können. Sie verstehen algebraische Zugänge zu Formalen Sprachen. Ferner lernen sie Optionen kennen, mit schweren Problemem umzugehen, und diese anzuwenden.

Inhalt:

Weiteres zu regulären und kontextfreien Sprachen,
Kleene Algebren,
Exakte Exponentialzeitalgorithmen,
Algorithmen für spezielle Graphklassen,
Festparameterhandhabbarkeit,
Approximationsalgorithmen und Nichatapproximierbarkeit
Elementare Komplexitätstheorie.

Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Aktive Teilnahme an der Veranstaltung

Klausur (schriftlich) 120 Minuten

Vorlesung (3 SWS)
Übung (1 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Grundlagen der Theoretischen Informatik und Grundlagen der Theoretischen Informatik II (Bachelor)

Medienformen:

Literatur:

Sipser; Theory of Computation
Kozen; Automata and Computability
Shallit; A Second Course on Automata and Computability Theory

Hinweise:
Dies ist die Bachelorvariante zur gleichnamigen Masterveranstaltung. Voraussetzung sind die (Inhalte der) Veranstaltungen Grundlagen der Theoretischen Informatik und Grundlagen der Theoretischen Informatik II. Ein Bachelorzeugnis ist folglich keine zwingende Voraussetzung für diese Veranstaltung, die den Stoff aus den Teilen 1 und 2 vertieft und ergänzt. Der Aufwand ist eigentlich 6 CP, aber dies ist im Bachelorbereich leider nicht möglich, also sind es im Bachelor nur 5. Dafür müssen Studierende in der Bachelorvariante weniger Übungsaufgaben bearbeiten.

Grundlagen des Maschinellen Lernens

Sommer

(engl. Introduction to Machine Learning )

Modulnummer: FIN-INF-110482

Kürzel

Semester

Sommer

Fachsem.

ab 3.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Andreas Nürnberger
Dozent:in:	Andreas Nürnberger
Lehrveranstaltungen:	Vorlesung Grundlagen des Maschinellen Lernens Übung Grundlagen des Maschinellen Lernens
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden ...

haben die Fähigkeit, Machine Learning Pipelines und individuelle Algorithmen zu erstellen
können Entscheidungsbäume, Mehrebenen-Perceptrons, und KNN Klassifizierer in Java, Python, C++ programmieren
können die Leistung verschiedener Klassifizierer bei praktischen Anwendungen bewerten

Inhalt:

Einführung in das Funktionslernen;
Einführung in die Konzepträume und Konzeptlernen;
Algorithmen des Instanz-basiertes Lernens und Clusteranalyse;
Algorithmen zum Aufbau der Entscheidungsbäume;
Bayesches Lernen;
Neuronale Netze;
Assoziationsanalyse;
Verstärkungslernen;
Hypothesen Evaluierung

Arbeitsaufwand:
56h Präsenz + 94h selbstständige Arbeit

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Klausur (2h, auch als unbenotete Prüfungsleistung). Voraussetzung zur Teilnahme an der Prüfung werden in der ersten Vorlesung und online bekannt gegeben.

2 SWS Vorlesung
2 SWS Übung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine

Medienformen:	Literatur:

Hinweise:

Grundzüge der Algorithmischen Geometrie

Sommer

(engl. Basic Introduction to Computational Geometry )

Modulnummer: FIN-INF-110117

Kürzel

GzAG

Semester

Sommer

Fachsem.

ab 4.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Prof. Dr. Stefan Schirra
Dozent:in:	Prof. Dr. Stefan Schirra
Lehrveranstaltungen:	Vorlesung Grundzüge der Algorithmischen Geometrie Übung Grundzüge der Algorithmischen Geometrie
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Computervisualistik - Pflicht - B.Sc. CV: Computervisualistik Pflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Verstehen und Gestalten - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...

haben die Fähigkeit, algorithmische Lösungen für elementare geometrische Probleme zu erstellen und hinsichtlich ihrer Effizienz zu bewerten
können fundamentale geometrische Strukturen zur Problemlösung beschreiben und anwenden

Inhalt:

Algorithmenentwurfsparadigmen (beispielsweise Plane-Sweep, Teile- und Herrsche, randomisierte inkrementelle Konstruktion) für geometrische Algorithmen,
Grundlegende geometrische Strukturen (Konvexe Hülle, Triangulierung von Punktmengen, Arrangements, Voronoi- und Delaunaydiagramme)

Arbeitsaufwand:
56h Präsenzzeit 94h selbstständige Arbeit

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Erfolgreiche Teilnahme an den Übungen (50% der Aufgaben votieren)

Klausur 120 Minuten

Vorlesung (3 SWS)
Übung (1 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Algorithmen und Datenstrukturen

Medienformen:

Literatur:

de Berg, Cheong, van Kreveld, Overmars: Computational Geometry (3. Edition).
Klein: Algorithmische Geometrie (2. Auflage).

Hinweise:

Hochintegrierte Enterprise Systeme

Winter

(engl. Highly Integrated Enterprise Systems )

Modulnummer: FIN-INF-110477

Kürzel

HES

Semester

Winter

Fachsem.

ab 3.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Prof. Dr. Klaus Turowski
Dozent:in:	Robert Häusler / UCC
Lehrveranstaltungen:	Vorlesung HES Übung HES(Ü)
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Verstehen und Gestalten - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden ...

kennen und verstehen das "Big Picture" von hochintegrierten Enterprise Systemen.
verstehen die Vielseitigkeit, die Komplexität und den Wert von Anwendungssystemen für Unternehmen.
verstehen die Grundzüge und Konzepte in den Bereichen Geschäftsprozesse, Fiori-Entwicklung, SAP Basis, Campus Management und Data Analytics (beispielgetriebenes Konzeptverständnis).
können Geschäftsprozesse an einem Beispielsystem durchführen und sind in der Lage diese zu reflektieren.
haben Kenntnisse in Bezug auf die Flexibilisierung von Unternehmenssoftware durch Customizing und Entwicklung (am Beispiel SAP).
können Teile eines Unternehmens in einem Anwendungssystem abbilden (Customizing) und eine einfache SAP-basierte App entwickeln.
können sich in praktische (Problem-)Szenarien einarbeiten, im Team reflektieren und Lösungen erarbeiten.

Inhalt:

Big Picture SAP: Vertikaler Schnitt durch die Unternehmensarchitektur (von Endanwendung über Customizing und Entwicklung hin zu Basis und Infrastruktur)
Customizing von Organisationsstrukturen und Integration von Geschäftsprozessen
Einstieg in App-Entwicklung mit SAP UI5 und Fiori
SAP Basis (Aufbau & Betrieb von Systemen), Datensicherheit und Infrastruktur
SAP in der Verwaltung
Analytics in SAP

Arbeitsaufwand:

Vorlesung 28h
Übung 28h
selbstständige Arbeit 94h

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Hausarbeit

Vorlesung (2 SWS)
Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine

Medienformen:	Literatur:

Hinweise:

IT-Forensik

jedes

(engl. IT-Forensics )

Modulnummer: FIN-INF-110384

Kürzel

IFOR

Semester

jedes

Fachsem.

ab 3.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Prof. Dr.-Ing. Jana Dittmann
Dozent:in:	Prof. Dr.-Ing. Jana Dittmann
Lehrveranstaltungen:	Vorlesung IT-Forensik Übung IT-Forensik
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...

können anhand einer ausgewählten fachlichen Fragestellung zur IT-Forensik die Anforderungen und Lösungsmöglichkeiten für ein Anwendungsbeispiel verstehen
das Vorgehensmodell einer IT-forensischen Untersuchungen verstehen und umsetzen
können forensische Methoden und Werkzeuge am Beispiel anwenden
können Ergebnisse einer forensischen Untersuchung auswerten und bewerten
können die Ergebnisse in einem Referat präsentieren und sich einer Diskussion stellen
können Herausforderungen in der Teamarbeit erkennen und reflektieren
können IT-Forensik als strategische und operative Aufgabe in einem IuK-System verstehen und ausgewählte Mechanismen gestalten und anwenden

Inhalt:

Einführung und Grundlagen zu ausgewählten fachlichen Fragestellungen zur Cybersicherheit und zu IT-forensischen Untersuchungen:
datenzentrisches Vorgehensmodell mit Informationen, Daten und Phasen für IT-forensische Untersuchungen,
Anwendung an ausgewählten Beispielen
Sicherheitsziele und Designanforderungen in der IT-Forensik
Ausgewählte Beispiele zur Beweismittelsuche und Erhebung sowie Auswertung gemäß Best Practices
Grundlagen zur Aufbereitung, Dokumentation und Präsentation von Untersuchungsergebnissen
Wiederholung: Grundlagen der Teamarbeit, Vorlesung ist Projekt-orientiert

Arbeitsaufwand:
150h = 56h Präsenzzeit + 94h selbstständige Arbeit

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

keine

Referat mit zwei Teilleistungen (Vortrag und Ausarbeitung):

Das Referat umfasst eine eigenständige und vertiefte schriftliche Auseinandersetzung mit einer Fragestellung aus dem Arbeitszusammenhang der Lehrveranstaltung unter Einbeziehung und gezielter kritischer Auswertung einschlägiger Literatur, sowie die Darstellung der eigenen Arbeit auch im Vergleich im Team und die Vermittlung sowie Bewertung der eigenen Ergebnisse im mündlichen Vortrag sowie in der anschließenden Diskussion im Team.
Die Ausarbeitungen müssen schriftlich vorliegen.

Vorlesung (2 SWS)
Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:

Empfohlene Voraussetzungen:

keine

Grundlagen Algorithmen und Datenstrukturen,
Grundlagen der theoretischen Informatik,
Grundlagen der technischen Informatik,
Sichere Systeme

Medienformen:	Literatur:

Hinweise:
https://omen.cs.uni-magdeburg.de/itiamsl/deutsch/lehre/index.html

IT-Software project KMD

every

(in German: IT-Softwareprojekt KMD )

Module-ID: FIN-INF-110525

Abbreviation

Softproj_KMD

Credit Points

Semester

every

Term

Duration

1 Semester

Language

english

Level

Bachelor

Link:	LSF
Limited accessability:	false
Responsibility:	Myra Spiliopoulou
Lecturer:	Myra Spiliopoulou
Classes:	Softwareprojekt Softproj_KMD
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Schlüssel- und Methodenkompetenzen - B.Sc. INF: Studienprofil: Künstliche Intelligenz - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Schlüssel- und Methodenkompetenzen - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Schlüssel- und Methodenkompetenzen - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Schlüssel- und Methodenkompetenzen - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen

Intended learning outcomes:
DEUTSCH: Beim erfolgreichen Abschluss von diesem Projekt können die Studierenden:

ein Team gestalten, sich in dieses Team einordnen, Teilaufgaben unter sich teilen, Meilensteine setzen und einen gemeinsamen Zeitplan angehen
eine vereinfachte Data-Mining oder Data-Engineering Aufgabe in Gruppenarbeit lösen
in Gruppenarbeit eine Softwarelösung entwerfen, entwickeln und evaluieren
ihre Entscheidungen bzgl Entwurf, Gestaltung und Software-auswahl begründen
ihre Arbeit als Team präsentieren
einen gemeinsamen Bericht schreiben, wo sie ihre Lösung zusammenfassen und begründen

ENGLISH: When completing this project successfully, the students can:

build up a team and organize themselves in it, distributing subtasks among themselves according to their competences, setting milestones and pursuing a joint schedule
solve a simpified data mining or data engineering task in teamwork
design, develop and evaluate a software solution jointly
justify their design decisions and software suite selections
present their work as a team
write a joint report where they summarize and justify their approach

Content:
DEUTSCH: Realistische aber vereinfachte Aufgabe, welche Datenanalyse mit Lernverfahren beinhaltet; die Aufgabe umfasst Entwurf, Entwicklung und Evaluation einer Softwarelösung als Gruppenarbeit ENGLISH: Assignment of a realistic but simplified task that involves the analysis of data with learning methods. The assignment involves design, development and evaluation of a software solution in teamwork.

Workload:
DEUTSCH:

Für jedes Gruppenmitglied: 28 Std Präsenz inkl Konsultationen und Sitzungen, 96 Std Selbststudium
Die Aufgabe ist für eine Studierendengruppe; der Aufwand ist 5 ECTS pro Gruppenmitglied

ENGLISCH:

For each team member: 28 h in presence (incl consultations and meetings) + 96 h self-study
Asssignments are designed for student teams; the effort of each team member is 5 ECTS.

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
	GERMAN: Dieses Modul implementiert die 'Prüfungsform wissenschaftliches Projekt' als eine 'Hausarbeit', in der ein 'Referat' eingebettet ist ENGLISH: This module implements the 'Prüfungsform wissenschaftliches Projekt' in the form of a 'Hausarbeit' which in turn incorporates a 'Referat'	GERMAN: IT-Softwareprojekt (2 SWS) ENGLISH: IT-Softwareprojekt (2 hours per week)

Prerequisites according to examination regulations:

Recommended prerequisites:

none

GERMAN:

Datenbanken
Vertrautheit mit einfachen Mining-Algorithmen
Grundzüge der Wirtschaftsinformatik (nur für manche Aufgabestellungen)
Vertrautheit mit Software Entwicklung
Theoretische Grundlagen von Projektmanagement
Englischkenntnisse für Lesen und Formulierung von Suchanfragen, weil alle relevanten Software-Bibliotheken und Fora zur Unterstützung bei der Software-Entwicklung auf Englisch sind

ENGLISH:

Database management
Familiarity with simple mining algorithms
Familiarity with underpinnings of business informatics (some assignments only)
Familiarity with software development
Theoretical underpinnings of project management
Reading English and searching on English, because all relevant software libraries and fora for the support of software developers are on English

Media:	Literature:
	DEUTSCH: Die Anfangsliteratur hängt von der Aufgabenstellung ab und wird jedem Team zusammen mit der Aufgabenstellung gegeben; das Team wird eventuell weitere Literatur sammeln und sich aneignen müssen ENGLISCH: Literature to start with depends on topic assignment and is given to each team together with the assignment; the team must eventually collect further literature and work with it

Comments:
GERMAN: Als Implementierung des generischen PFLICHTMODULS "Softwareprojekt" entsprechend anrechenbar ENGLISH: This module implements the COMPULSORY generic module 'Softwareprojekt'

Information Retrieval

Winter

(in German: Information Retrieval )

Module-ID: FIN-INF-110307

Abbreviation

Credit Points

Semester

Winter

Term

starting at 3.

Duration

1 Semester

Language

english

Level

Bachelor

Link:	LSF
Limited accessability:
Responsibility:	Andreas Nürnberger
Lecturer:	Andreas Nürnberger
Classes:	Lecture Information Retrieval Exercise Information Retrieval
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
Students ...

have the ability to create index structures for text and images using Apache SOLR, Apache Lucene and Elastic Search
perform end-to-end pre-processing of text data
develop index structures with pre-processing and user search interfaces
evaluate search engine performance

Content:

Statistical properties of texts
Retrieval models and data structures
Relevance feedback
Evaluation
Structuring datasets (clustering, categorisation)
Structure and algorithms for web search
Interface design

Workload:
56h contact time + 94h self study

Pre-examination requirements:

Type of examination:

Teaching method / lecture hours per week (SWS):

Written exam. Requirements for exam participation will be announced in the first week of the course in class and online.

2 SWS Lecture
2 SWS Exercise class

Prerequisites according to examination regulations:	Recommended prerequisites:
keine

Media:

Literature:

Introduction to Information Retrieval, C.D. Manning, P. Raghavan, H. Schütze, Cambridge University Press, 2008.
Information Retrieval: Data Structures and Algorithms, William B. Frakes and Ricardo Baeza-Yates, Prentice-Hall, 1992.

Comments:

Informationstechnologie in Organisationen

Sommer

(engl. Information Technology in Organisations )

Modulnummer: FIN-INF-110124

Kürzel

ITO

Semester

Sommer

Fachsem.

ab 3.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Myra Spiliopoulou
Dozent:in:	Myra Spiliopoulou
Lehrveranstaltungen:	Vorlesung Informationstechnologie in Organisationen Übung Informationstechnologie in Organisationen
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten - Pflicht - B.Sc. WIF: Wirtschaftsinformatik Grundlagen (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Beim erfolgreichen Abschliessen des Moduls, die Studierenden:

verstehen die Rolle der IT für das moderne Unternehmen
verstehen, was ein Geschäftsmodell ist, wie das Internet die Gestaltung von Geschäftsmodellen beeinflusst und welche Rolle IT für Geschäftsmodelle im Internet spielt
haben Einblick in die Rolle der Daten für die Entscheidungsunterstützung im Unternehmen
verstehen, wie Methoden zur Ableitung von einfachen Modellen funktionieren und wie diese zu evaluieren sind
können Modelle für einfache Problemstellungen ableiten

und haben damit notwendige Grundlagen erworben, um IT-Lösungen gestalten zu können.

Inhalt:

Grundzüge zu IT im Unternehmen, darunter IT entlang der Wertschöpfungskette
Daten für die Entscheidungsunterstützung, darunter Datenmanagement und einfache Lernverfahren
Unternehmen im Netz, darunter Geschäftsmodelle und Rolle der IT

Arbeitsaufwand:

28 Stunden Vorlesung (Präsenz)
28 Stunden Übung (Präsenz)
94 Stunden Eigensändiges Arbeit zur Vor- und Nachbereitung der Vorlesung und der Übung, sowie zur Prüfungsvorbereitung

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Votierung - min Anzahl von Punkten während der Lehrveranstaltung

Schriftliche Prüfung - Klausur (120 min)

Vorlesung (2 SWS)
Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine

Medienformen:

Literatur:

BUCH W: WIRTSCHAFTSINFORMATIK, Hans Robert Hansen & Jan Mendling & Gustaf Neumann (2019) sowie Ausschnitte aus:

BUCH D: ‘Digitalisierung in Industrie, Handels- und Dienstleistungsunternehmen’ Lars Fend & Jürgen Hofmann (eds), 3. Auflage, SPRINGER GABLER
BUCH T: ‘Tools des Maschinellen Lernens: Marktstudie, Anwendungsbereiche & Lösungen der Künstlichen Intelligenz’ Marcus Grum, Eldar Sultanow, Daniel Friedmann, André Ullrich, Norbert Gronau (2020)

sowie:

BUCH L: 'An Introduction to Statistical Learning - with Applications in R' Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani (2021), 2nd edition, SPRINGER;
Kapitel 3, Abschnitte 3.1 & 3.4. https://doi.org/10.1007/978-1-0716-1418-1

Weitere zitierte Literatur, zusätzliche Fallstudien und wissenschaftliche Artikel erscheinen in den jeweiligen Veranstaltungsblocks.

Hinweise:

Interaktive Systeme

Sommer

(engl. Interactive Systems )

Modulnummer: FIN-INF-100393

Kürzel

Semester

Sommer

Fachsem.

ab 5.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	true
Verantwortung:	Christian Hansen
Dozent:in:	Christian Hansen
Lehrveranstaltungen:	Vorlesung Interaktive Systeme Übung Interaktive Systeme
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Schlüssel- und Methodenkompetenzen - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: FIN SMK - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Schlüssel- und Methodenkompetenzen - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. CV: FIN SMK - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Schlüssel- und Methodenkompetenzen - B.Sc. INGINF: FIN SMK - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen - B.Sc. INF (bilingual): FIN SMK

Angestrebte Lernergebnisse:
Studierende, die dieses Modul absolvieren, ...

erwerben grundlegende Kenntnisse im Bereich der Mensch-Computer-Interaktion, einem wichtigen Teilgebiet der Informatik.
kennen nutzerzentrierte und normkonforme Entwicklungsprozesse für Bedienoberflächen und können diese auf praktische Anwendungsfälle anwenden.
führen ein interdisziplinäres Teamprojekt durch, entwickeln, testen und evaluieren im Team ein fortgeschrittenes User Interface, lernen komplexe Entscheidungen im Team zu treffen und Kompromisse einzugehen.
präsentieren ihre Projektergebnisse in einem Vortrag, verteidigen ihre Ergebnisse und Entscheidungen und reflektieren ihre Rolle im Team und ihren individuellen Beitrag zum gemeinsamen Ergebnis.

Inhalt:

Technische Grundlagen der Mensch-Computer-Interaktion (Fenster-, Menü- und Dialogsysteme)
Interaktionstechniken und Interaktionsaufgaben
Kognitive Grundlagen der Mensch-Computer-Interaktion
Analyse von Aufgaben und Benutzern
Prototypentwicklung und Evaluierung
Spezifikation von Benutzungsschnittstellen

Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Klausur, 120 min.

2 SWS Vorlesung
2 SWS Übung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Algorithmen und Datenstrukturen

Medienformen:	Literatur:
	Preim/Dachselt: Interaktive Systeme. Springer 2010

Hinweise:

Introduction to Distributed Sensor Data Fusion

Summer

(in German: Introduction to Distributed Sensor Data Fusion )

Module-ID: FIN-INF-110503

Abbreviation

SDF

Credit Points

Semester

Summer

Term

starting at 4.

Duration

1 Semester

Language

english

Level

Bachelor

Link:	LSF
Limited accessability:
Responsibility:	Prof. Dr.-Ing. Benjamin Noack
Lecturer:	Prof. Dr.-Ing. Benjamin Noack
Classes:	Lecture Introduction to Distributed Sensor Data Fusion Exercise Introduction to Distributed Sensor Data Fusion
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
Students who complete the course ...

have an overview of basic problems and methods in designing distributed sensor systems and their applications.
understand how to process data in a network of sensors, what requirements the infrastructure must meet, and how to model and describe errors like measurement noise.
are familiar with the mathematical tools and can apply them.
can analyze, compare, and evaluate different approaches to information processing of sensor data.

Content:
This lecture introduces basic principles, requirements, and methods of sensor data processing. Since data are more often gathered by networked sensor systems, this lecture places particular emphasis on distributed sensor data fusion methods. We will start by discussing the technical specifications of a sensor system and the basics of digital sensor data processing. Our study includes sampling theorems, compressive sensing, and signal matching. We will consider the required infrastructure to processing sensor data in networked systems, i.e., sensor networks. Based on this infrastructure, we can apply methods for multisensor data fusion to spatially distributed sensors and can monitor spatio-temporal processes.

Workload:

56 h contact time
94 h independent study

Pre-examination requirements:

Type of examination:

Teaching method / lecture hours per week (SWS):

Oral exam (30 min)

Lecture (2 SWS)
Exercise (2 SWS)

Prerequisites according to examination regulations:	Recommended prerequisites:
none

Media:	Literature:
	Literature will be announced in the lecture.

Comments:

Introduction to Simulation

Winter

(in German: Introduction to Simulation )

Module-ID: FIN-INF-100372

Abbreviation

ItS

Credit Points

Semester

Winter

Term

starting at 5.

Duration

1 Semester

Language

english

Level

Bachelor

Link:	LSF
Limited accessability:
Responsibility:	Graham Horton
Lecturer:	Graham Horton
Classes:	Lecture Introduction to Simulation Exercise class Introduction to Simulation
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik II - Pflicht - B.Sc. INGINF: Ingenieurinformatik Pflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Intended learning outcomes:
Students who complete the course ...

can use a professional simulation tool
know the practical considerations when solving initial value problems numerically
can carry out input and output analysis for stochastic, discrete-event models
can model simple systems as stochastic Petri nets, ordinary differential equations and discrete-time Markov chains
know and understand the steps in a simulation study

Content:
Introduction to the fundamentals and steps in a simulation study:

discrete-event simulation
random variables and random number generation
statistical data analysis
ordinary differential equations and numerical integration
stochastic Petri nets
the AnyLogic simulation system
discrete-time Markov chains
agent-based simulation

Workload:
56 contact hours + 94 h self study

Pre-examination requirements:

Type of examination:

Teaching method / lecture hours per week (SWS):

120 min written exam

Lecture 2 SWS
Exercise class 2 SWS

Prerequisites according to examination regulations:	Recommended prerequisites:
none	Mathematik 5

Media:	Literature:
	Banks, Carson, Nelson, Nicol: Discrete-Event System Simulation

Comments:

KI in Unternehmen

Sommer

Einsatzbereiche und ethische Implikationen

(engl. AI in Companies – Areas of Application and Ethical Implications )

Modulnummer: FIN-INF-110504

Kürzel

KIU

Semester

Sommer

Fachsem.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Dr. Christian Beyer
Dozent:in:	Dr. Christian Beyer
Lehrveranstaltungen:	Seminar: KI in Unternehmen - Einsatzbereiche und ethische Implikationen
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Künstliche Intelligenz - B.Sc. INF: Wissenschaftliches Seminar - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Wissenschaftliches Seminar - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Wissenschaftliches Seminar - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Verstehen und Gestalten - Wahlpflicht - B.Sc. WIF: Wissenschaftliches Seminar - B.Sc. WIF: Wirtschaftsinformatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Wirtschaftsinformatik Grundlagen (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Wissenschaftliches Seminar - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...

verstehen, wie KI in Unternehmenskontexten genutzt wird und können es kritisch bewerten
erkennen und diskutieren ethische Implikationen im Zusammenhang mit KI.
entwickeln ihre Präsentationsfähigkeit und die Fähigkeit, komplexe Themen verständlich darzustellen.
lernen wissenschaftliche Artikel zu analysieren, zusammenzufassen und selber zu verfassen

Inhalt:

Ein Überblick über Einsatzmöglichkeiten von KI in Unternehmen
ethische Überlegungen
gesellschaftliche Verantwortung
Fallbeispiele

Arbeitsaufwand:
Präsenszeiten:
2 Stunden pro Woche: Seminar / Konsultationen Individuelle Arbeitszeit 130 Stunden:

Lesen und Verstehen der bereitgestellten Artikel
Recherche zusätzlicher Artikel
Schreiben
Präsentation

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
	Referat	Seminar

Voraussetzungen nach Prüfungsordnung:

Empfohlene Voraussetzungen:

keine

Mindestens im 4 Semester
Machine Learning
Data Mining
Fundamentals of Natural Language Processing
Introduction to Deep Learning
Fortgeschrittene Englischkenntnisse

Medienformen:	Literatur:
	Literatur wird in der ersten Veranstaltung für die einzelnen Seminarthemen bereitgestellt

Hinweise:

Learning Generative Models

Winter

(in German: Learning Generative Models )

Module-ID: FIN-INF-110519

Abbreviation

LGM

Credit Points

Semester

Winter

Term

starting at 3.

Duration

1 Semester

Language

english

Level

Bachelor

Link:	LSF
Limited accessability:
Responsibility:	Sebastian Stober
Lecturer:	Sebastian Stober
Classes:	Lecture Learning Generative Models Exercise class Learning Generative Models
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Künstliche Intelligenz - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Verstehen und Gestalten - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
Students can ..

confidently apply generative models to develop a solution for a given problem
follow recent publications on generative models and critically assess their contributions
formulate hypotheses and design & conduct experiments with generative models to validate them
document progress & design decisions for reproducibility and transparency

Content:

Training methods & architectures for generative models, in particular energy-based models (e.g. Restricted Boltzmann Machines, RBMs)
autoregressive models
variational learning and Generative Adversarial Nets (GANs)
flow-based models
diffusion models

Workload:
56 contact hours + 94h self study

Pre-examination requirements:

Type of examination:

Teaching method / lecture hours per week (SWS):

Oral exam (necessary preliminary work for admission to the examination is announced in the first week of the course)
Schein (necessary preliminary work for admission to the examination is announced in the first week of the course)

2 SWS lecture
2 SWS exercise class

Prerequisites according to examination regulations:	Recommended prerequisites:
keine	Deep Learning für Ingenieure

Media:	Literature:
	Ian Goodfellow, Yoshua Bengio & Aaron Courville: “Deep Learning”, MIT Press, 2016.

Comments:

Logik 2

Winter

(engl. Logic 2 )

Modulnummer: FIN-INF-0

Kürzel

Logik2

Semester

Winter

Fachsem.

ab 4.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor,Master

Link zum LSF:	LSF
Zugang beschränkt:	true
Verantwortung:	Fabian Neuhaus
Dozent:in:	Fabian Neuhaus
Lehrveranstaltungen:	Vorlesung Logik 2 Übung Logik 2
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Verstehen und Gestalten - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027) - M.Sc. INF: Informatik - M.Sc. INF: Informatik Wahlpflicht (SPO 2027) - M.Sc. INGINF: Informatik - M.Sc. WIF: Informatik - M.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - M.Sc. DKE: Fundamentals of Data Science - M.Sc. DE: Grundlagen Informatik - M.Sc. DE: Informatik Grundlagen (SPO 2027) - M.Sc. VC: Computer Science - M.Sc. VC: Computer Science (SPO 2027)

Angestrebte Lernergebnisse:

Anwendungen von ausgewählten Erweiterungen der klassischen Logik zur Wissensrepräsentation
Anwendungen von ausgewählten nicht-klassischen Logiken zur Wissensrepräsentation
Anwendung von Beweiskalkülen für Logiken
Verstehen von fortgeschrittenen semantischen Methoden für Logiken
Verstehen von metalogischen Beweisen und die Fähigkeit einfache metalogische Beweise selbst zu führen

Inhalt:
Die Veranstaltung baut auf der Pflichtveranstaltung Logik auf, in der die klassische Aussagen- und Prädikatenlogik eingeführt wird. In Logik 2 werden einerseits weiterführende Themen der klassischen Logik behandelt (u.a. Korrektheits-, Vollständigkeits- und Kompaktheitsbeweise). Darüber hinaus werden Erweiterungen der klassischen Logik sowie nichtklassische Logiken behandelt, z.B. Modallogik, Temporallogik, epistemische Logik, Konditionallogik, mehrwertige Logiken und Logik höherer Stufe.

Arbeitsaufwand:

Präsenzzeiten: 14 X 4h = 56h
selbständige Arbeit = 244h
(Vorbereiten der Vorlesung,
Lösen Übungsaufgaben,
Vorbereitung Präsentation)

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

2 Drittel der Übungsaufgaben votiert
BA: mindestens 1 Präsentation
MA: mindestens 2 Präsentationen

Mündliche Prüfung

Übung 2 SWS Vorlesung 2 SWS

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Erfolgreicher Abschluss des Modul Logik bzw. fundiertes Wissen im Bereich der Themen des Moduls"Logik.

Medienformen:	Literatur:

Hinweise:
Anmeldung via E-Learning-Plattform

Mesh Processing

Sommer

(engl. Mesh Processing )

Modulnummer: FIN-INF-110330

Kürzel

Semester

Sommer

Fachsem.

ab 5.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Christian Rössl
Dozent:in:	Christian Rössl
Lehrveranstaltungen:	Vorlesung Mesh Processing Übung Mesh Processing
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden

verstehen 2D Flächen im 3D Raum (z.B. parametrische vs implizite Darstellung) sowohl und deren Eigenschaften (z.B. Differentialgeometrie)
verstehen die diskrete Darstellung von Flächen mit Polygonnetzen
verstehen und verwenden verschiedene Datenstrukturen für Dreiecksnetze an
verstehen grundlegende Methoden der Geometrieverarbeitung mit Polygonnetzen
wenden diese Methoden beispielhaft in Implementierungen an

Inhalt:

3D-scannen und Triangulierung
Datenstrukturen
Diskrete Differentialgeometrie
Glätten
Parametrisierung
Dezimierung
Remeshing
Deformation

Die Veranstaltung kann je Bedarf in englischer oder deutscher Sprache abgehalten werden. Vorlesungsmaterialien stehen auf englisch zur Verfügung.

Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Um an der Prüfung teilnehmen zu können, sind Prüfungsvorleistungen erforderlich. Details werden in der ersten Vorlesung bekannt gegeben.

Mündliche Prüfung

Vorlesung (2 SWS)
Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:

Empfohlene Voraussetzungen:

keine

Computergraphik
CAGD
Mathematik 1,2 (Lineare Algebra, Analysis) und Mathematik 5 (Numerische Lösungsverfahren, Geometrische Methoden)
Programmierkenntnisse in C++ oder Julia oder Matlab und/oder die Bereitschaft sich schnell und selbständig in neues einzuarbeiten
Grundlegende Kenntnisse der Versionsverwaltung mit Git
Bereitschaft, der Veranstaltung auch in englischer Sprache zu folgen

Medienformen:	Literatur:
	Botsch, Kobbelt, Pauly, Alliez & Lévy.: Polygonal Mesh Processing

Hinweise:
Wir verwenden i.d.R. Julia (https://julialang.org) als Programmiersprache (statt vormals Matlab und GNU Octave) und ggf. C++ (mit https://www.pmp-library.org). Ob wir C++ verwenden, entscheiden wir in der Veranstaltung je nach Vorkenntnissen und Wünschen.

Mobile Robotics

Sommer

(in German: Mobile Robotics )

Module-ID: FIN-INF-110526

Abbreviation

Credit Points

Semester

Sommer

Term

starting at 4.

Duration

1 Semester

Language

english

Level

Bachelor

Link:	LSF
Limited accessability:
Responsibility:	Prof. Dr.-Ing. Benjamin Noack
Lecturer:	Prof. Dr.-Ing. Benjamin Noack
Classes:	Lecture Mobile Robotics Exercise Mobile Robotics
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Intended learning outcomes:
Students who completed the course ...

have a comprehensive overview of concepts and algorithms used in mobile robotics applications, such as delivery robots or autonomous cars
have a foundational understanding of the mathematical principles required for system modeling, planning, perception, mapping, and their probabilistic approaches
understand how various components within a robotic system interlink and interact
are able to select appropriate algorithms for a given setup in mobile robotics and implement them using the ROS2 framework

Content:
This course offers an introduction to the foundational principles and algorithms of mobile robotics, utilizing a flipped classroom approach. The course emphasizes a conceptual understanding of mobile robotics while introducing relevant mathematical underpinnings. Students complete preparatory work before each lecture, which they use in class to deepen understanding and application of knowledge. In the exercise, students deepen their knowledge with practical experience and complete programming assignments using the Robot Operating System 2 (ROS2) framework. With an emphasis on wheeled robots, this lecture covers

the modeling of mobile robots,
sensing of their own state and the environment—including image processing
planning,
control,
localization,
mapping,
and advanced methods.

The main parts of the course are based on the book Computational Principles of Mobile Robotics

Workload:

28h Lecture
28h Practical Exercise
94h independent Study

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
	Term paper about implementation, documentation, and presentation of a robotics project (Hausarbeit über Durchführung, Dokumentation und Abnahme eines Roboterprojekts)	Lecture (2 SWS) Exercise (2 SWS)

Prerequisites according to examination regulations:

Recommended prerequisites:

keine

Linear Algebra and Calculus

Media:	Literature:
	Computational Principles of Mobile Robotics

Comments:

Musik Information Retrieval

Winter

(engl. Music Information Retrieval )

Modulnummer: FIN-INF-110520

Kürzel

MIR

Semester

Winter

Fachsem.

ab 3.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Sebastian Stober
Dozent:in:	Sebastian Stober
Lehrveranstaltungen:	Vorlesung Musik Information Retrieval Übung Musik Information Retrieval
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden ...

kennen die Grundlagen der digitalen Musikverarbeitung
kennen unterschiedliche Musikformate (Repräsentationen) und relevanter Merkmale
können Probleme der Musikanalyse mit Hilfe von Theorien und Methoden der Informatik analysieren und modellieren
können computergestützte Lösungen für die Analyse von Musikdaten umzusetzen und erproben (u.a. Musiksynchronisation, Strukturanalyse, Content-Based Retrieval, Quellentrennung)

Inhalt:

Music Representations
Fourier Analysis of Signals
Music Synchronization
Music Structure Analysis
Chord Recognition
Tempo and Beat Tracking
Content-Based Audio Retrieval
Musically Informed Audio Decomposition

Arbeitsaufwand:

Präsenzzeit = 56 Stunden: 2 SWS Vorlesung 2 SWS Übung
Selbstständige Arbeit = 94 Stunden: Vor- und Nachbearbeitung von Vorlesung und Übung, Bearbeiten von Übungs- und Programmieraufgaben, Kursprojekt

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
	Prüfung in mündlicher Form: Ankündigung der notwendigen Vorleistungen in der ersten Veranstaltungswoche und auf der Vorlesungswebseite; Schein (mündlich): Ankündigung der notwendigen Vorleistungen in der ersten Veranstaltungswoche und auf der Vorlesungswebseite	Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine

Medienformen:	Literatur:
	Meinard Müller: Fundamentals of Music Processing Using Python and Jupyter Notebooks 2nd edition, Springer 2021 ISBN: 978-3-030-69807-2

Hinweise:

Parallele Programmierung

Winter

(engl. Parallel Programming )

Modulnummer: FIN-INF-110463

Kürzel

Semester

Winter

Fachsem.

ab 3.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Prof. Dr. Michael Kuhn
Dozent:in:	Prof. Dr. Michael Kuhn
Lehrveranstaltungen:	Vorlesung Parallele Programmierung Übung Parallele Programmierung
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Teilnehmenden...

verstehen Hardwarearchitekturen von Parallelrechnern
optimieren Anwendungen bezüglich ihrer Leistungsfähigkeit
verstehen wichtige Konzepte zur Parallelisierung von Anwendungen
erstellen parallele Programme mit verschiedenen Programmieransätzen in kleineren Teams
präsentieren Lösungsansätze und Ergebnisse anderen Teilnehmenden

Inhalt:
Die parallele Programmierung gewinnt immer mehr an Bedeutung, da heutzutage bereits Mobiltelefone und Laptops über mehrere Prozessorkerne verfügen. Supercomputer besitzen teilweise sogar mehrere Millionen Kerne und haben sich als ein nützliches und mittlerweile unverzichtbares Werkzeug für viele Wissenschaftsbereiche etabliert. Die dadurch möglichen Analysen und Simulationen haben es erlaubt, den wissenschaftlichen Erkenntnisgewinn in vielen Bereichen deutlich zu steigern. Die optimale Nutzung dieser Komponenten ist allerdings keine einfache Aufgabe, weshalb Wissenschaftlerinnen und Wissenschaftler bei der Entwicklung effizienter Anwendungen vor immer neue Herausforderungen gestellt werden. Für die parallele Programmierung ist daher ein tiefergehendes Verständnis der Hard- und Softwareumgebung sowie möglicher Fehlerursachen unabdingbar. In der Vorlesung werden die Grundlagen der parallelen Programmierung gelehrt; die Übungen dienen der praktischen Anwendung und Umsetzung der erworbenen Kenntnisse in der Programmiersprache C. Im Rahmen der Vorlesung werden einige der wichtigsten Themengebiete betrachtet: Hard- und Softwarekonzepte (Mehrkernprozessoren, Prozesse/Threads, NUMA etc.), unterschiedliche Ansätze zur parallelen Programmierung (OpenMP, POSIX Threads, MPI) sowie Werkzeuge zur Leistungsanalyse und Fehlersuche (Skalierbarkeit, Deadlocks, Race Conditions etc.). Zusätzlich werden Gründe und Lösungsansätze für Leistungsprobleme diskutiert und alternative Ansätze für die parallele Programmierung vorgestellt. Beispiele und Probleme werden anhand realer wissenschaftlicher Anwendungen veranschaulicht.

Arbeitsaufwand:

56h Präsenz
94h selbstständiges Arbeiten

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Aktive und erfolgreiche Teilnahme an den Übungen

Klausur (120 Minuten)

Vorlesung (2 SWS)
Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:

Empfohlene Voraussetzungen:

keine

Praktische Kenntnis einer Programmiersprache und die Fähigkeit, einfache Programme zu erstellen
Grundkenntnisse in Betriebssystemen und Rechnerarchitekturen (z. B. Technische Informatik)

Medienformen:

Literatur:

High Performance Computing: Modern Systems and Practices (Thomas Sterling, Matthew Anderson und Maciej Brodowicz)

Hinweise:

Scrum-in-Practice

Winter

(engl. Scrum-in-Practice )

Modulnummer: FIN-INF-110511

Kürzel

SIP

Semester

Winter

Fachsem.

ab 5.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	true
Verantwortung:	Prof. Dr. Frank Ortmeier
Dozent:in:	Prof. Dr. Frank Ortmeier
Lehrveranstaltungen:	Vorlesung Scrum-in-Practice Übung Scrum-in-Practice Die Lehrveranstaltungen finden zum Teil im Blockformat statt.
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Schlüssel- und Methodenkompetenzen - B.Sc. INF: FIN SMK - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Schlüssel- und Methodenkompetenzen - B.Sc. CV: FIN SMK - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Schlüssel- und Methodenkompetenzen - B.Sc. INGINF: FIN SMK - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen - B.Sc. INF (bilingual): FIN SMK

Angestrebte Lernergebnisse:
Die Studierenden ...

kennen die Projektmanagementmethode Scrum
wenden agile Softwareentwicklungsmethoden praktisch an
gewinnen praktische Erfahrungen mittels Durchführung eines Projektes
reflektieren ihr Selbst- und Projektmanagement

Inhalt:

In diesem Modul werden theoretische Kenntnisse und praktische Kompetenzen im Umgang mit Scrum vermittelt. Die Veranstaltung besteht aus drei Teilen.
In einem Einführungsteil werden in zwei Vorlesungen die notwendigen Konzepte des Scrum-ProzessModells vorgestellt und eine Einleitung in die zur erfolgreichen Projektdurchführung notwendigen Technologien gegeben.
Im Hauptteil der Veranstaltung wird in einer 1-wöchigen Blockveranstaltung ein Projekt mittels Scrum umgesetzt. Diese erfolgt in Projektteams von 4-5 Teilnehmern. Während dieser Phase finden 2mal täglich Scrum-Meetings mit den Betreuern statt. Als Ergebnis lernen die Teilnehmer zielgerichtet und effizient nach diesem Entwicklungsmodell zu entwickeln.
Die Blockveranstaltung findet in einer Woche während der Vorlesungsfreien Zeit. Hier besteht natürlich Anwesenheitspflicht.
Zur erfolgreichen Durchführung in der Projektarbeit wird von jedem Teilnehmer ein sorgfältiges Einarbeiten in die notwendigen Technologien erwartet.
Nach Abschluss der Projektwoche reflektieren die Teilnehmer Ihre Erfahrungen und fassen diese zusammen. Diese Ergebnisse werden dann in einer gemeinsamen Abschlussveranstaltung diskutiert.

Arbeitsaufwand:
150h = 56h Präsenszeit + 94h selbständige Arbeit am Projekt

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Projekt

mündliche Prüfung

2 SWS Vorlesung
2 SWS Übung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Software Engineering

Medienformen:	Literatur:

Hinweise:
Zuangsbeschränkung: Limitierte Teilnehmerzahl. Auswahlverfahren wird in erster Vorlesung bekannt gegeben

Service Engineering

Sommer

(engl. Service Engineering )

Modulnummer: FIN-INF-110318

Kürzel

Semester

Sommer

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Prof. Dr. Frank Ortmeier
Dozent:in:	Prof. Dr. Andreas Schmietendorf (HWR Berlin)
Lehrveranstaltungen:	Vorlesung Service Engineering Übung Service Engineering
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden ...

kennen die Auswirkungen serviceorientierter Architekturansätze auf den gesamten Lebenszyklus derart implementierter Lösungen,
kennen Herausforderungen (Technologie, Prozesse, Organisation, …) serviceorientierter Integrationslösungen und einhergehende Lösungsalternativen,
können benötigte Services modellgetrieben herleiten und erstellen bzw. Kriterien basiert bewerten (make or buy),
kennen aktuelle Technologieansätze zur Implementierung benötigter Services und können ausgewählte Vertreter prototypisch anwenden,
können Servicekompositionen aus Sicht der Modellierung und Implementierung (Low- und High –Code) erstellen bzw. das benötigte Management anwenden.

Inhalt:
Überblick

Die Vorlesung vermittelt zunächst die geschäfts-, organisations- und prozessbezogenen Ursachen API-basierter Integrationslösungen. In diesem Zusammenhang wird auf domänenspezifische (Referenz-) Modellansätze aus dem industriellen Umfeld (Telekommunikation, Banken, Versicherungen, …) eingegangen.
Darauf aufbauend lernen die Studierenden die Funktionen von Integrationsplattformen (u.a. API-Management) kennen, welche API-Kompositionen über deren gesamten Lebenszyklus unterstützen bzw. verwalten.
Mit Hilfe der ersten Komplexübung erfolgt dann eine quantitative Bewertung im Internet angebotenen Public- bzw. Open APIs.
Eine weitere alternativ gestaltbare Komplexübung beschäftigt sich mit der Spezifikation, Modellierung, Entwicklung und Einbindung webbasierter APIs in (ggf. mobile) Applikationsszenarien.
Im Mittelpunkt der abschließenden Komplexübung steht die Komposition von APIs, wobei abermals ein eigener Schwerpunkt (Modellsicht, Implementierung, Management) gewählt werden kann.

Themen:

Integrationslösungen als Treiber der Digitalisierung
Integrieren statt Implementieren
Basistechnologien für Web-APIs (Public- und Open APIs)
Spezifikation, Entwicklung und Management von Web-APIs
Prozess-Modellierung und -Implementierung (API-Komposition)

Arbeitsaufwand:
56 h Präsenz + 124 h selbstständige Arbeit

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Mündliche Prüfung

2 SWS Vorlesung
2 SWS Übung

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Software Engineering

Medienformen:

Literatur:

Hartenstein, S.; Nadobny, K.; Schmidt, S.; Schmietendorf, A.: Sicherheits- und Compliance-Management im Lebenszyklus von Web APIs, Logos-Verlag, Berlin, März 2020,
Nitze, A.; Schmietendorf, A.: Bewertungsaspekte bei der agilen SW-Entwicklung …, Logos Verlag, Berlin 2014
Schmietendorf, A.; Knuth, M.: Aspekte des Software Engineerings im Diskurs einer Low-Code orientierten Softwareentwicklung, Logos Verlag, Berlin 2024
Sneed, H.; Sneed, S.: Web-basierte Systemintegration, Vieweg-Verlag, Braunschweig/Wiesbaden 2003
Spichale, K.: API-Design, Praxishandbuch für Java-und Webservice-Entwickler, dpunkt.verlag, 2017
Tilkov, S. et al.: REST und HTTP, dpunkt.verlag, Heidelberg 2015

Hinweise:

Simulation Project

Summer

(in German: Simulation Project )

Module-ID: FIN-INF-102616

Abbreviation

SimProj

Credit Points

Semester

Summer

Term

starting at 5.

Duration

1 Semester

Language

english

Level

Bachelor

Link:	LSF
Limited accessability:	true
Responsibility:	PD Dr. Claudia Krull
Lecturer:	PD Dr. Claudia Krull
Classes:	Project meeting Simulation Project
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Schlüssel- und Methodenkompetenzen - B.Sc. INF: FIN SMK - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Schlüssel- und Methodenkompetenzen - B.Sc. CV: FIN SMK - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Schlüssel- und Methodenkompetenzen - B.Sc. INGINF: FIN SMK - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen - B.Sc. INF (bilingual): FIN SMK - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Intended learning outcomes:

Students are able to work in a team on a given project with milestone orientation
Students are able to coordinate and conduct a semester long project, including goal setting and budgeting
Students are able to plan and structure a project according to given milestones
Students understand the importance of responsibility, leadership, delegation, coordination of tasks in a team
Students are able to implement and conduct a practical simulation project on a real world task
Students know how to develop and comply with success and quality criteria
Students have the ability to look back and reflect on their role in the team and their contribution to the joint result

Content:

Basics of project management and teamwork
Implementation of the contents of “Introduction to Simulation” in a real project.

Workload:
56 h teammeetings and presentations 94 h project work

Pre-examination requirements:	Type of examination:	Teaching method / lecture hours per week (SWS):
	Report	2 SWS Lecture (Project presentations) 2 SWS Exercise (Team Meetings)

Prerequisites according to examination regulations:	Recommended prerequisites:
none	Introduction to Simulation

Media:	Literature:

Comments:
Signup is conducted at the end of the previous winter term in the context of the Introduction to Simulation lecture Participation is limited to 25

Software Defined Networking

Summer

(in German: Software Defined Networking )

Module-ID: FIN-INF-110528

Abbreviation

SDN

Credit Points

Semester

Summer

Term

starting at 5.

Duration

1 Semester

Language

english

Level

Bachelor

Link:	LSF
Limited accessability:	false
Responsibility:	David Hausheer
Lecturer:	David Hausheer
Classes:	Lecture Software Defined Networking Exercise Software Defined Networking
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
Students...

gain competence in the area of software defined networking
understand software defined networking concepts
can explain these concepts to other participants
are able to apply these concepts in theoretical use cases and practical exercises

Content:
The course deals with topics in the area of software defined networking:

SDN Architecture (Application, Control, Infrastructure Layer)
SDN Interfaces (North/South-bound vs. East/West-bound interface)
SDN Applications and Use Cases (e.g. Multicasting)
Network Virtualization and Slicing (e.g. FlowVisor)
Network Function Virtualization (NFV) and
Network Service Chaining
SDN Security Network Operating Systems and Languages
OpenFlow Controller (e.g. NOX, Beacon, etc.)
Hardware Switches (e.g. NEC IP8800, Pronto) vs. Software Switches (e.g. NetFPGA, OpenVSwitch)
SDN in Wireless Networks (e.g. OpenWRT)

Workload:

28h lectures
22h theoretical exercises
4h practical exercises
96h homework (further studies, preparation for the final exam)

Pre-examination requirements:

Type of examination:

Teaching method / lecture hours per week (SWS):

Prerequisites for the exam required; details will be announced at the beginning of the semester.

Written exam 120 minutes

2 SWS lecture
2 SWS exercise

Prerequisites according to examination regulations:	Recommended prerequisites:
none	Modul Computernetze

Media:	Literature:
	Textbooks as indicated. Slides and paper copies as necessary.

Comments:
In der letzen SPO ist dieses Modul als WPF im Modulbereich Technische Informatik anrechenbar.

Spezifikationstechnik

Sommer

(engl. Introduction to Specification )

Modulnummer: FIN-INF-110116

Kürzel

SPT

Semester

Sommer

Fachsem.

ab 4.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:
Verantwortung:	Prof. Dr. Frank Ortmeier
Dozent:in:	Prof. Dr. Frank Ortmeier
Lehrveranstaltungen:	Vorlesung Spezifikationstechnik Übung Spezifikationstechnik
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik II - Pflicht - B.Sc. INGINF: Ingenieurinformatik Pflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...

sind mit Methoden der formalen Spezifikation vertraut
können einschätzen, für welche Software-Artefakte der Einsatz formaler Methoden sinnvoll ist
kennen die Potentiale und Grenzen formaler Methoden

Inhalt:

Formale versus informale Spezifikation
Spezifikation, Validierung, Verifikation, Generierung
Spezifikation abstrakter Datentypen
Spezifikation von zeitlichen Abläufen und Prozessen,
Anwendungsbeispiel: Protokollspezifikation Konkrete Spezifikationssprachen und Werkzeuge

Arbeitsaufwand:
150 h = 56 h Präsenzzeit + 94 h selbstständige Arbeit

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Prüfungsvorleistung erforderlich

Mündliche Prüfung

Vorlesung (2 SWS)
Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:

Empfohlene Voraussetzungen:

keine

Algorithmen und Datenstrukturen
Theoretische Informatik

Medienformen:	Literatur:

Hinweise:

Technische Aspekte der IT-Sicherheit

Sommer

(engl. Technical Aspects of IT-Security )

Modulnummer: FIN-INF-110434

Kürzel

TAITS

Semester

Sommer

Fachsem.

ab 4.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Prof. Dr. Jana Dittmann
Dozent:in:	Prof. Dr. Jana Dittmann
Lehrveranstaltungen:	Vorlesung Technische Aspekte der IT-Sicherheit Übung Technische Aspekte der IT-Sicherheit
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...

können anhand einer ausgewählten technischen Fragestellung zur IT-Sicherheit die Anforderungen und Lösungsmöglichkeiten für ein Anwendungsbeispiel verstehen
technische Integrationsaspekte verstehen und Umsetzungen ausgewählter Inhalte aus „Sichere Systeme“ und „Algorithmen und Datenstrukturen“ vornehmen
können technische Komponenten am Beispiel sicher gestalten und eine Sicherheitsbewertung vornehmen
können eine Evaluation und Bewertung technischer Systeme vornehmen und Restrisiken benennen
können die Ergebnisse in einem Referat präsentieren und sich einer Diskussion stellen
können Herausforderungen in der Teamarbeit erkennen und reflektieren
können Sicherheit als Prozess in einem IuK-System verstehen und ausgewählte Mechanismen gestalten und anwenden

Inhalt:

Zusammenfassung von relevanten Grundlagen für einen ausgewählten technischen Praxisfall der IT-Sicherheit mit Zusammenfassung von
- Security-by-Design
- Sicherheitsevaluierung und -bewertung
- Einführung in die Sensortechnik und Kommunikationstechnologien aus Bereichen wie automotiver Sicherheit, IoT- oder Steuer- und Regelungstechnik
Erarbeitung von Anforderungen und Umsetzung sowie Bewertung von Lösungsmöglichkeiten von IT-Sicherheit für den ausgewählten praxisrelevanten, hardwarenahen Anwendungsfall
Technische Integrationsaspekte, Umsetzung ausgewählter Inhalte aus "Sichere Systeme" und "Algorithmen und Datenstrukturen"
Wiederholung: Grundlagen der Teamarbeit, Vorlesung ist Projekt-orientiert

Arbeitsaufwand:
150h: Präsenzzeit = 56h, Selbstständige Arbeit = 94h

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

keine

Referat

Das Referat umfasst eine eigenständige und vertiefte schriftliche Auseinandersetzung mit einer Fragestellung aus dem Arbeitszusammenhang der Lehrveranstaltung unter Einbeziehung und gezielter kritischer Auswertung einschlägiger Literatur, sowie die Darstellung der eigenen Arbeit auch im Vergleich im Team und die Vermittlung sowie Bewertung der eigenen Ergebnisse im mündlichen Vortrag sowie in der anschließenden Diskussion im Team.
Die Ausarbeitungen müssen schriftlich vorliegen.

Vorlesung (2 SWS)
Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:

Empfohlene Voraussetzungen:

keine

Sichere Systeme,
Technische Informatik,
Kommunikation und Netzwerke,
Algorithmen und Datenstrukturen

Medienformen:	Literatur:

Hinweise:
https://omen.cs.uni-magdeburg.de/itiamsl/deutsch/lehre/index.html

Usability und Ästhetik

Sommer

(engl. Usability and Aesthetics )

Modulnummer: FIN-INF-110433

Kürzel

U&Ä

Semester

Sommer

Fachsem.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Hans-Knud Arndt
Dozent:in:	Hans-Knud Arndt
Lehrveranstaltungen:	Vorlesung Usability und Ästhetik Übung Usability und Ästhetik
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten - Pflicht - B.Sc. WIF: Wirtschaftsinformatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Absolvent*Innen dieses Moduls ...

setzen sich mit der Ästhetik und des Designs von Informations- und Kommunikationssystemen bzw. Informations- und Kommunikationstechnik auseinander
setzen sich mit der Idee des Designs als Schlüssel zur nachhaltigen und zeitgemäßen Umsetzung von Informations- und Kommunikationssystemen bzw. einer Informations- und Kommunikationstechnik auseinander
kennen methodische Herangehensweise zur Entwicklung einer nachhaltigen Designstrategie
setzen sich mit Usability, User Experience und gutem Design für Informations- und Kommunikationssysteme bzw. Informations- und Kommunikationstechnik auseinander

Inhalt:
Methoden des User Experience Design und Design Thinking für die Ideation Phase im Entwicklungsprozess von Produkten und Dienstleistungen

Designgeschichte von Informations- und Kommunikationsprodukten
Methoden zur Konzipierung und Realisierung einer Usability und User Experience
10 Thesen des guten Designs
Gutes Design für Informations- und Kommunikationssysteme bzw. Informations- und Kommunikationstechnik

Arbeitsaufwand:
Präsenzzeiten:

2 SWS Vorlesung
2 SWS Übung

Selbstständiges Arbeiten:

Vor- und Nachbereitung Vorlesung
Entwicklung von Lösungen in und für die Übung

150h = 4 SWS = 56h Präsenzzeit + 94h selbstständige Arbeit

Prüfungsvorleistungen:	Studien-/Prüfungsleistungen:	Lehrform / SWS:
Das erfolgreiche Absolvieren der Semesteraufgabe ermöglicht den Studierenden die Teilnahme an der Prüfung.	Schriftliche Prüfung (Klausur) jeweils im SoSe	Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine

Medienformen:	Literatur:
	Siehe http://bauhaus.cs.uni-magdeburg.de

Hinweise:

Virtual and Augmented Reality I

Summer

(in German: Virtual and Augmented Reality I )

Module-ID: FIN-INF-110523

Abbreviation

VAR1_BA

Credit Points

Semester

Summer

Term

ab 4.

Duration

1 Semester

Language

english

Level

Bachelor

Link:	LSF
Limited accessability:	true
Responsibility:	Christian Hansen
Lecturer:	Christian Hansen
Classes:	Lecture Virtual and Augmented Reality I Exercise class Virtual and Augmented Reality I
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Intended learning outcomes:
Students who complete this module will acquire in-depth knowledge in the areas of human-computer interaction in the context of VR/AR, perceptual aspects of VR/AR, VR/AR and input/output devices. In addition, they will gain an understanding of the technical fundamentals of tracking, VR/AR visualisation/rendering and AR registration. In the associated seminar, students develop, test and evaluate a VR/AR software tool in a team. Students will learn how to design, program and test a VR/AR system. In these team projects, students learn how to solve social and technical conflicts. In addition, students present their project results in an oral presentation and justify the results achieved by their team.

Content:
This module covers fundamentals and advanced techniques in the area of VR/AR systems. Students will gain the theoretical foundation needed to design, implement, improve, and evaluate VR/AR systems. In addition, the theoretical foundations can be applied in a team project that accompanies the lecture. Following topics in the field of VR/AR are addressed:

Introduction to VR/AR systems
Perceptional aspects
Input devices
Output devices
AR components and types
Interaction techniques

Workload:
56h contact hours + 94h self-study

Pre-examination requirements:

Type of examination:

Teaching method / lecture hours per week (SWS):

oral exam

Lecture (2SWS)
Seminar (2SWS)

Prerequisites according to examination regulations:	Recommended prerequisites:
	Introduction to Computer Graphics

Media:	Literature:
	Virtual und Augmented Reality (VR/AR) Grundlagen und Methoden der Virtuellen und Augmentierten Realität herausgegeben von: Prof. Dr. Ralf Dörner, Prof. Dr. Wolfgang Broll, Prof. Dr. Paul Grimm, Prof. Dr. Bernhard Jung Verlag: Springer Berlin Heidelberg

Comments:

Visualization

Winter

(in German: Visualization )

Module-ID: FIN-INF-102812

Abbreviation

VIS

Credit Points

Semester

Winter

Term

Duration

1 Semester

Language

english

Level

Bachelor

Link:	LSF
Limited accessability:	true
Responsibility:	Bernhard Preim
Lecturer:	Bernhard Preim
Classes:	Lecture Visualization Exercise Visualization
Applicability in curriculum:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Computervisualistik - Pflicht - B.Sc. CV: Computervisualistik Pflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Intended learning outcomes:
Students ...

understand how physiological perception affects visualization effectiveness
know basic visualization techniques, such as color coding, diagramme types and techniques to visualize graph and network data
can generate appropriate visualizations for business and statistical data

Content:

Visualization goals and quality criteria
Understanding of fundamentals of visual perception
Overview of data structures in visualization
Basic algorithms (Isolines, color scales, diagramm techniques),
Direct and indirect visualization of volume data
map-based visualization
dashboard design
Information visualization

Workload:
56 contact hours + 94 h self study

Pre-examination requirements:

Type of examination:

Teaching method / lecture hours per week (SWS):

Successful participation in the exercise (voting system, vote for at least 2/3 of all tasks)

Written exam, 2hours

2 SWS Lectures
2 SWS Exercise classes

Prerequisites according to examination regulations:

Recommended prerequisites:

none

Module: Computer Graphics I

Media:

Literature:

Powerpoint presentation
Sketches
Videos

P. and M. Keller (1994): Visual Cues, IEEE Computer Society PressT. Munzner (2015). Visualization Analysis and Design: Principles, Techniques, and Practice, A K Peters
W. Schroeder, K. Martin, B. Lorensen (2001): The Visualization Toolkit: An object-oriented approach to 3d graphics, 3. Aufl. Springer, Heidelberg
A. Telea (2014): Data Visualization: Principles and Practice, Second Edition, AK Peters (2. Auflage)
Munzner, T. (2014). Visualization analysis and design. CRC press.
Tominski, C., & Schumann, H. (2020). Interactive visual data analysis. AK Peters/CRC Press.
M. Ward, D. Keim, G. Grinstein (2015): Interactive Data Visualization: Foundations, Techniques, and Applications, Second Edition

Comments:

Wissensmanagement – Methoden und Werkzeuge

Winter

(engl. Knowledge Management Methods and Instruments )

Modulnummer: FIN-INF-100373

Kürzel

WMS

Semester

Winter

Fachsem.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF:	LSF
Zugang beschränkt:	false
Verantwortung:	Myra Spiliopoulou
Dozent:in:	Myra Spiliopoulou
Lehrveranstaltungen:	Vorlesung Wissensmanagement - Methoden und Werkzeuge Übung Wissensmanagement - Methoden und Werkzeuge
Verwendbarkeit:	- B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten - Pflicht - B.Sc. WIF: Wirtschaftsinformatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht

Angestrebte Lernergebnisse:
Nach dem erfolgreichen Abschliessen des Moduls, die Studierenden:

verstehen, was Wissensmanagement bedeutet und was die Rolle und Ziele von einem WMS in einem Unternehmen sind
verstehen die Ziele und Grundfunktionalitäten von einzelnen WMS Komponenten
können erkennen, welche Instrumente für welche WMS-Aufgaben anzuwenden sind
verstehen, wie einfache Text-Mining Methoden funktionieren
verstehen, wie Modelle für herkömmliche und für multi-label Klassifikation abzuleiten sind
können Klassifikationsmodelle evaluieren
können Instrumente für vereinfachte WMS-Aufgaben anwenden

und haben damit notwendige Grundlagen erworben, um WMS-Lösungen gestalten zu können.

Inhalt:

Wissensmanagement im Unternehmen: Begriffe und Ordnungsrahmen für Wissensmanagementlösungen
Wissen und Strategie/Entscheidungsunterstützung
Wissensmanagementmethoden für explizites und tazides Wissen, darunter Dokumentenmanagement und Text Mining
Fallbeispiele

Arbeitsaufwand:

28 Stunden Vorlesung (Präsenz)
28 Stunden Übung (Präsenz)
94 Stunden Eigensändiges Arbeit zur Vor- und Nachbereitung der Vorlesung und der Übung, sowie Prüfungsvorbereitung

Prüfungsvorleistungen:

Studien-/Prüfungsleistungen:

Lehrform / SWS:

Votierung - min Anzahl von Punkten durch Aufgaben in den Übungen

Schriftliche Prüfung - Klausur (120 min)

Vorlesung (2 SWS)
Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung:	Empfohlene Voraussetzungen:
keine	Data Mining, Machine Learning, Information Retrieval

Medienformen:

Literatur:

Literatur zum Teil I der Lehrveranstaltung:

1. Franz Lehner ‘WISSENSMANAGEMENT - Grundlagen, Methoden und technische Unterstützung’ 6. überarbeitete und erweiterte Auflage, 2021, Verlag: HANSER; erreichbar unter www.hanser-elibrary.com von unserer Universitätsbibliothek
2. Fallstudien zusätzlich aus: • K. Mertins & H. Seidel. "Wissensmanagement im Mittelstand", SPRINGER (2009) • A. Stocker & K. Tochtermann, "Wissenstransfer mit Wikis und Weblogs: Fallstudien zum erfolgreichen Einsatzvon Web 2.0 in Unternehmen", GABLER (2010)

Literatur zum Teil II der Lehrveranstaltung:

1. Einstiegshilfe für Klassifikation aus dem entsprechenden Kapitel des Buchs ‘Introduction to Data Mining’, 2. Auflage, (2018/2019) von Pan-Ning Tan, Michael Steinbach, Anuj Karpatne & Vipin Kumar, PEARSON (erreichbar unter https://www-users.cs.umn.edu/~kumar001/dmbook/index.php)
2. Auszüge zu Text Mining aus ‘Modeling the Internet and the Web: Probabilistic Methods and Algorithms’ (2003) von Pierre Baldi, Paolo Frasconi, Padhraic Smyth, WILEY
3. Tutorial von Jesse Read zu Multi-Label Klassifikation (verlinkt vom Foliensatz) 2013

Weitere Literatur, zusätzliche Fallstudien und wissenschaftliche Artikel erscheinen im jeweiligen Veranstaltungsblock.

Hinweise: