Module im Bereich: Gestalten und Anwenden - Wahlpflicht Hinweise für Module im Bereich: Gestalten und Anwenden Im Folgenden werden Module für den Bereich Gestalten und Anwenden aus anderen Fakultäten aufgelistet. Wir verweisen auf die Modulbeschreibungen der jeweiligen anbietenden Fakultät; sie können in den Modulhandbüchern der entsprechenden Fakultäten gefunden werden. Abweichende Module müssen vom Studiengangsleitenden genehmigt werden. Mathematik Statistical Methods I (Sommer) Statistical Methods II (Winter) Advanced Topics in Deep Learning (Bachelor) every (in German: Advanced Topics in Deep Learning (Bachelor) ) Module-ID: FIN-INF-110502 Abbreviation ATDL Credit Points 5 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 5 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. Bachelor seminar KMD every (in German: Bachelorseminar KMD ) Module-ID: FIN-INF-110527 Abbreviation KMD_BachelorSeminar Credit Points 5 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 5 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 CP 5 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 CP 5 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 Compilerbau Winter (engl. Compiler Construction ) Modulnummer: FIN-INF-100382 Kürzel CB CP 5 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 5 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 5 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 CP 5 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 CP 5 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 CP 5 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 CP 5 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 CP 5 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: Design-Projekt Sommer (engl. Design project ) Modulnummer: FIN-INF-110517 Kürzel DSP CP 5 Semester Sommer Fachsem. ab 5. Dauer 1 Semester Sprache deutsch Niveau Bachelor Link zum LSF: LSF Zugang beschränkt: Verantwortung: Hans-Knud Arndt Dozent:in: Hans-Knud Arndt Lehrveranstaltungen: Seminar Design-Projekt Übung Design Projekt Verwendbarkeit: - B.Sc. INF: Schlüssel- und Methodenkompetenzen - B.Sc. INF: FIN SMK - 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: Verstehen und Gestalten - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Schlüssel- und Methodenkompetenzen - B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen - B.Sc. INF (bilingual): FIN SMK Angestrebte Lernergebnisse: Absolvent*innen dieses Moduls... entwickeln ein Verständnis für Industrie-Design setzen sich mit den „Zehn Thesen des Guten Designs“ von Dieter Rams auseinander und sind in der Lage, diese auf Projekte anzuwenden entwickeln ein Verständnis für das Design aktueller IT-Produkte Inhalt: Die Teilnehmer*innen sollen im Rahmen dieser Lehrveranstaltung ihre neu gewonnenen Erkenntnisse in Bezug auf Design praktisch auf IT-Produkte anwenden. Hierbei wird sich vor allem auf die von Dieter Rams entwickelten „Zehn Thesen des Guten Designs“ konzentriert. Arbeitsaufwand: 56 h Präsenz 94 h selbstständige Arbeit Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS: Hausarbeit Seminar (2 SWS) Übung (2 SWS) Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen: keine Medienformen: Literatur: Hinweise: Einführung in Digitale Spiele Winter (engl. Introduction to Digital Games ) Modulnummer: FIN-INF-110376 Kürzel EiDS CP 5 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 die Computergraphik Sommer (engl. Introduction to Computer Graphics ) Modulnummer: FIN-INF-110512 Kürzel CP 5 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 Wissensrepräsentation Winter (engl. Introduction to knowledge representation ) Modulnummer: FIN-INF-110518 Kürzel KR CP 5 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 CP 5 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 CP 5 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++ CP 5 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 des Maschinellen Lernens Sommer (engl. Introduction to Machine Learning ) Modulnummer: FIN-INF-110482 Kürzel CP 5 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: IT-Forensik jedes (engl. IT-Forensics ) Modulnummer: FIN-INF-110384 Kürzel IFOR CP 5 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 5 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' Idea Engineering Sommer (engl. Idea Engineering ) Modulnummer: FIN-INF-100708 Kürzel IE CP 5 Semester Sommer Fachsem. ab 3. Dauer 1 Semester Sprache deutsch Niveau Bachelor Link zum LSF: LSF Zugang beschränkt: Verantwortung: Graham Horton Dozent:in: Graham Horton Lehrveranstaltungen: Vorlesung Idea Engineering Übung Idea Engineering Verwendbarkeit: - B.Sc. INF: Schlüssel- und Methodenkompetenzen - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. INF: FIN SMK - B.Sc. INF: Ergänzungsbereich (SPO 2027) - B.Sc. CV: Allgemeine Visualistik - B.Sc. CV: Schlüssel- und Methodenkompetenzen - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: FIN SMK - B.Sc. CV: Interdisziplinär (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INGINF: Ingenieurbereich - B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen - B.Sc. INF (bilingual): FIN SMK Angestrebte Lernergebnisse: Die Studierenden können nach Abschluss des Moduls ... Ideenfindungstechniken aufgabengerecht entwickeln Projekte in Teamarbeit organisieren und durchführen Workshops planen und moderieren out-of-the-box denken und Ideen produzieren Diskussionen strukturieren und leiten Projektergebnisse in einem Bericht darstellen und erklären die Qualität der Teamarbeit und den eigenen Beitrag zum Ergebnis bewerten Inhalt: Der Innovationsprozess Grundlagen von Ideenfindungstechniken Perspektivwechsel Klassische Kreativitätstechniken Verfeinerung, Bewertung und Ausbau von Ideen Werbeideenproduktion Arbeitsaufwand: 56 h Präsenzzeit + 94 h selbstständige Projektarbeit Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS: Hausarbeit 2 SWS Vorlesung 2 SWS Übung Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen: keine Interesse an und Bereitschaft zu Projekt- und Teamarbeit Interesse an Workshop-Gestaltung und an Ideenfindung Medienformen: Literatur: Hinweise: Der Erfolg bei diesem Modul hängt stark von der Qualität der Projekt- und Teamarbeit ab! Die Anzahl Teilnehmer ist beschränkt. Die Teilnahme an der ersten Veranstaltung ist Pflicht. Information Retrieval Winter (in German: Information Retrieval ) Module-ID: FIN-INF-110307 Abbreviation IR Credit Points 5 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: Intelligente Systeme Winter (engl. Intelligent Systems ) Modulnummer: FIN-INF-100384 Kürzel IS CP 5 Semester Winter Fachsem. ab 3. Dauer 1 Semester Sprache deutsch Niveau Bachelor Link zum LSF: LSF Zugang beschränkt: Verantwortung: Sanaz Mostaghim Dozent:in: Sanaz Mostaghim Lehrveranstaltungen: Vorlesung Intelligente Systeme Übung Intelligente Systeme Verwendbarkeit: - B.Sc. INF: Informatik II - Pflicht - B.Sc. INF: Aufbaumodule (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 II - Pflicht - B.Sc. INF (bilingual): Aufbaumodule (SPO 2027) Angestrebte Lernergebnisse: Die Studierenden ... haben Grundkenntnisse im Bereich KI können KI-Algorithmen verstehen, implementieren und analysieren können KI-Algorithmen entwickeln und anwenden haben die Befähigung zur Modellierung von Optimierungsproblemen haben einen Überblick über hochaktuelle Themen aus der KI Inhalt: Eigenschaften intelligenter Systeme Modellierungstechniken für wissensintensive Anwendungen Subsymbolische Lösungsverfahren Heuristische Suchverfahren Lernende Systeme Modellansätze für kognitive Systeme Wissensrevision und Ontologien Entscheidungsunterstützende Systeme Weitere aktuelle Methoden für die Entwicklung Intelligenter Systeme wie Kausale Netze, Unscharfes Schließen Arbeitsaufwand: Präsenzzeit = 56 Stunden: 2 SWS Vorlesung 2 SWS Übung Selbständige Arbeit = 94 Stunden: Vor- und Nachbearbeitung von Vorlesung und Übung Bearbeiten von Übungs- und Programmieraufgaben Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS: 66% aller Übungsaufgaben votieren 3 Aufgaben in den Übungen präsentieren 66% aller Programmieraufgaben votieren Prüfung in schriftlicher Form, Umfang: 2 Stunden, notwendige Vorleistungen werden in erster Veranstaltungswoche und auf Vorlesungswebseite angekündigt Unbenotete Leistung: schriftlich oder mündlich, notwendige Vorleistungen werden in erster Veranstaltungswoche und auf Vorlesungswebseite angekündigt Vorlesung (2 SWS) Übung (2 SWS) Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen: keine Medienformen: Literatur: Rudolf Kruse, Sanaz Mostaghim, Christian Borgelt, Christian Braune, Matthias Steinbrecher. Computational Intelligence. A Methodological Introduction, Springer Text Book, 2022 R. Kruse, C. Borgelt, C. Braune, F. Klawonn, C. Moewes, G. Ruß und M. Steinbrecher. Computational Intelligence: Eine methodische Einführung in Künstliche Neuronale Netze, Evolutionäre Algorithmen, Fuzzy-Systeme und Bayes-Netze. 2. Aufl., Springer-Vieweg-Verlag, 2015 S. Russell, P. Norvig: Künstliche Intelligenz: Ein moderner Ansatz, 3. Auflage, Pearson- Verlag, 2012 G. Görz, J. Schneeberger, U. Schmidt, Handbuch der Künstlichen Intelligenz, 5. Auflage, Oldenbourg-Verlag, 2014 C. Beierle und G. Kern-Isberner Methoden wissensbasierter Systeme, 5., verb. Aufl., Springer-Vieweg Verlag, 2014 Weitere Literatur findet sich auf den jeweiligen Vorlesungsfolien. Hinweise: Interaktive Systeme Sommer (engl. Interactive Systems ) Modulnummer: FIN-INF-100393 Kürzel CP 5 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 5 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 5 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: Mesh Processing Sommer (engl. Mesh Processing ) Modulnummer: FIN-INF-110330 Kürzel MP CP 5 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 MR Credit Points 5 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 CP 5 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 PP CP 5 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: Programmierparadigmen Sommer (engl. Programming Paradigms ) Modulnummer: FIN-INF-110121 Kürzel PGP CP 5 Semester Sommer Fachsem. ab 2. Dauer 1 Semester Sprache deutsch Niveau Bachelor Link zum LSF: LSF Zugang beschränkt: false Verantwortung: Dr. Christian Braune Dozent:in: Dr. Christian Braune Lehrveranstaltungen: Vorlesung Programmierparadigmen Übung Programmierparadigmen Verwendbarkeit: - B.Sc. INF: Informatik II - Pflicht - B.Sc. INF: Aufbaumodule (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 Pflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik II - Pflicht - B.Sc. INF (bilingual): Aufbaumodule (SPO 2027) - M.Sc. DE: Grundlagen Informatik - M.Sc. DE: Informatik Grundlagen (SPO 2027) Angestrebte Lernergebnisse: Studierende, die diesen Kurs erfolgreich abschließen, ... kennen die gängigsten Paradigmen zum Algorithmenentwurf, sind in der Lage, diese anzuwenden, können beurteilen, in welchen Situationen welches Paradigma am geeignetsten ist und verstehen welche Vor- und Nachteile sich aus der Verwendung der jeweiligen Paradigmen ergeben. Inhalt: Konzepte der wesentlichen Paradigmen Prozedurale Programmierung Objektorientierte Programmierung Funktionale Programmierung Logische Programmierung Parallele Programmierung Quantencomputing Technische Umsetzung der Paradigmen in Programmiersprachen Anwendung der Paradigmen in Programmiersprachen wie z.B. C, Java, Scala, Haskell, Prolog, Python Entscheidungskriterien für Paradigmen Arbeitsaufwand: 56 h Präsenzzeit 94 h selbstständige Arbeit Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS: Prüfungsvorleistung erforderlich Prüfung: mündliche Prüfung (wenn es hinreichend viele Teilnehmer gibt: schriftliche Klausur, 120 Minuten) Vorlesung (2 SWS) Übung (2 SWS) Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen: keine Einführung in die Informatik, M1 Der parallele Besuch der Veranstaltungen Algorithmen und Datenstrukturen und M5 ist von Vorteil Medienformen: Literatur: Hinweise: Scrum-in-Practice Winter (engl. Scrum-in-Practice ) Modulnummer: FIN-INF-110511 Kürzel SIP CP 5 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 CP 5 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 5 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 5 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. Software Engineering & IT-Projektmanagement Winter (engl. Software Engineering & IT-Projectmanagement ) Modulnummer: FIN-INF-110476 Kürzel SE&IT-PM CP 5 Semester Winter Fachsem. ab 3. Dauer 1 Semester Sprache deutsch Niveau Bachelor Link zum LSF: LSF Zugang beschränkt: false Verantwortung: Dr. Thomas Wilde Dozent:in: Dr. Thomas Wilde Lehrveranstaltungen: Vorlesung Software Engineering & IT-Projektmanagement Übung Software Engineering & IT-Projektmanagement Verwendbarkeit: - B.Sc. INF: Informatik I - Pflicht - B.Sc. INF: Kernmodule (SPO 2027) - B.Sc. CV: Informatik I - Pflicht - B.Sc. CV: Kernmodule (SPO 2027) - B.Sc. INGINF: Informatik I - Pflicht - B.Sc. INGINF: Kernmodule (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Kernmodule (SPO 2027) - B.Sc. INF (bilingual): Informatik I - Pflicht - B.Sc. INF (bilingual): Kernmodule (SPO 2027) Angestrebte Lernergebnisse: Studierende, die den Kurs erfolgreich absolviert haben ... ... verstehen den Begriff "Software Engineering", seine Bedeutung und die Notwendigkeit strukturierter Softwareentwicklung. ... kennen verschiedene Prozessmodelle, deren Vor- und Nachteile sowie die Kernaktivitäten des Software Engineerings. ... wenden Testmethoden und Refactoring an, um Softwarequalität zu sichern und Fehler zu vermeiden. ... verstehen und nutzen agile Methoden wie Scrum und Kanban und vergleichen sie mit traditionellen Ansätzen. ... setzen Versionskontrolle, IDEs und CI/CD-Pipelines effektiv ein und verstehen Continuous Integration & Deployment. ... schreiben lesbaren, wartbaren und effizienten Code nach bewährten Prinzipien und Konventionen. ... schätzen Aufwand und Ressourcen ein, planen Projekte und überwachen deren Fortschritt. ... kennen Architekturkonzepte und Design-Patterns und wenden diese in Softwareprojekten an. ... arbeiten effektiv im Team, präsentieren Ideen klar und dokumentieren ihre Arbeit. Inhalt: Software Engineering - Was ist das und wozu wird es gebraucht? Prozessmodelle: sequentielle & iterativ, Prozessaktivitäten: Spezifikation, Entwicklung, Validierung, Evolution, Qualitätssicherung: Testint & Refactoring, Agile Softwareentwicklung, Tools & Werkzeuge, Clean-Coding / Code-Conventions, Continuous Integration, Continuous Deployment, Continuous Delivery, IT-Projektmanagement: Schätzung & Prozessplanung, Softwarearchitektur, Design-Patterns, Praktische Beispiele. Arbeitsaufwand: Präsenzzeit: 28h Vorlesung + 28h Übung 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. Prüfung: schriftliche Klausur, 120 Minuten; Schein (SPO bis 2022): Bearbeitung der Aufgaben & Teilnahme an den Übungen. Vorlesung (2 SWS) Übung (2 SWS) Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen: keine Erfolgreicher Abschluss von: Einführung in die Informatik, Algorithmen und Datenstrukturen. Medienformen: Literatur: Ian Sommerville. Software Engineering, 10. Auflage. Pearson, 2016 Erich Gamma, Richard Helm, Ralph E. Johnson, John Vlissides: Design Patterns. Elements of Reusable Object-Oriented Software, Addison Wesley, 1997 Robert Martin: Clean Code: A Handbook of Agile Software Craftsmanship, Prentice Hall, 2008 Für alle Lehrbücher gilt, dass die Auflage und ggf. die Wahl zwischen englischem Original oder deutscher Übersetzung für uns irrelevant ist. Jede ältere Auflage ist in Ordnung. Hinweise: Software Engineering & IT-Projektmanagement (dual) Winter (engl. Software Engineering & IT-Projectmanagement ) Modulnummer: FIN-INF-1104762 Kürzel SE&IT-PM CP 5 Semester Winter Fachsem. ab 3. Dauer 1 Semester Sprache deutsch Niveau Bachelor Link zum LSF: LSF Zugang beschränkt: Verantwortung: Dr. Thomas Wilde Dozent:in: Dr. Thomas Wilde Lehrveranstaltungen: Vorlesung Software Engineering & IT-Projektmanagement Übung Software Engineering & IT-Projektmanagement Verwendbarkeit: - B.Sc. INF: Informatik I - Pflicht - B.Sc. INF: Kernmodule (SPO 2027) - B.Sc. CV: Informatik I - Pflicht - B.Sc. CV: Kernmodule (SPO 2027) - B.Sc. INGINF: Informatik I - Pflicht - B.Sc. INGINF: Kernmodule (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Kernmodule (SPO 2027) Angestrebte Lernergebnisse: Studierende, die den Kurs erfolgreich absolviert haben ... ... verstehen den Begriff "Software Engineering", seine Bedeutung und die Notwendigkeit strukturierter Softwareentwicklung. ... kennen verschiedene Prozessmodelle, deren Vor- und Nachteile sowie die Kernaktivitäten des Software Engineerings. ... wenden Testmethoden und Refactoring an, um Softwarequalität zu sichern und Fehler zu vermeiden. ... verstehen und nutzen agile Methoden wie Scrum und Kanban und vergleichen sie mit traditionellen Ansätzen. ... setzen Versionskontrolle, IDEs und CI/CD-Pipelines effektiv ein und verstehen Continuous Integration & Deployment. ... schreiben lesbaren, wartbaren und effizienten Code nach bewährten Prinzipien und Konventionen. ... schätzen Aufwand und Ressourcen ein, planen Projekte und überwachen deren Fortschritt. ... kennen Architekturkonzepte und Design-Patterns und wenden diese in Softwareprojekten an. ... arbeiten effektiv im Team, präsentieren Ideen klar und dokumentieren ihre Arbeit. Inhalt: Software Engineering - Was ist das und wozu wird es gebraucht? Prozessmodelle: sequentielle & iterativ, Prozessaktivitäten: Spezifikation, Entwicklung, Validierung, Evolution, Qualitätssicherung: Testint & Refactoring, Agile Softwareentwicklung, Tools & Werkzeuge, Clean-Coding / Code-Conventions, Continuous Integration, Continuous Deployment, Continuous Delivery, IT-Projektmanagement: Schätzung & Prozessplanung, Softwarearchitektur, Design-Patterns, Praktische Beispiele. Arbeitsaufwand: Präsenzzeit: 28h Vorlesung + 28h Übung 94h selbstständige Arbeit Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS: Prüfung: schriftliche Klausur, 120 Minuten; Schein (SPO bis 2022): Bearbeitung der Aufgaben & Teilnahme an den Übungen. Vorlesung (2 SWS) Übung (2 SWS) Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen: keine Erfolgreicher Abschluss von: Einführung in die Informatik, Algorithmen und Datenstrukturen. Medienformen: Literatur: Ian Sommerville. Software Engineering, 10. Auflage. Pearson, 2016 Erich Gamma, Richard Helm, Ralph E. Johnson, John Vlissides: Design Patterns. Elements of Reusable Object-Oriented Software, Addison Wesley, 1997 Robert Martin: Clean Code: A Handbook of Agile Software Craftsmanship, Prentice Hall, 2008 Für alle Lehrbücher gilt, dass die Auflage und ggf. die Wahl zwischen englischem Original oder deutscher Übersetzung für uns irrelevant ist. Jede ältere Auflage ist in Ordnung. Hinweise: Spezifikationstechnik Sommer (engl. Introduction to Specification ) Modulnummer: FIN-INF-110116 Kürzel SPT CP 5 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: Startup Engineering I Winter Vorbereitung der Gründung (engl. Startup Engineering I ) Modulnummer: FIN-INF-110322 Kürzel SE 1 CP 5 Semester Winter Fachsem. ab 3. Dauer 1 Semester Sprache deutsch Niveau Bachelor Link zum LSF: LSF Zugang beschränkt: Verantwortung: Graham Horton Dozent:in: Graham Horton Lehrveranstaltungen: Projekt: Startup Engineering I Verwendbarkeit: - B.Sc. INF: Schlüssel- und Methodenkompetenzen - B.Sc. INF: FIN SMK - B.Sc. INF: Ergänzungsbereich (SPO 2027) - B.Sc. CV: Schlüssel- und Methodenkompetenzen - B.Sc. CV: FIN SMK - B.Sc. CV: Interdisziplinär (SPO 2027) - B.Sc. INGINF: Schlüssel- und Methodenkompetenzen - B.Sc. INGINF: FIN SMK - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Wirtschaftsinformatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen - B.Sc. INF (bilingual): FIN SMK Angestrebte Lernergebnisse: Die Absolventen des Moduls ... kennen und verstehen wichtige Erfolgsfaktoren von Startups können eine Produktidee entsprechend mehreren Kriterien beschreiben kennen Vorbereitungsschritte zur Gründung eines Lean Startups können eine Zielgruppe charakterisieren können einen Kundengewinnungsprozess gestalten haben im Team einige Gründungsvorbereitungen eines Startups durchgespielt bewerten die Qualität der Teamarbeit und den eigenen Beitrag zum Ergebnis Inhalt: Teamarbeit Das Lean Startup-Prinzip Plausibilitätscheck eines minimalen Geschäftsmodells Einschätzung des Marktpotenzials eines Produktes Problem-Solution-Fit und Product-Market-Fit Customer Journey Map Customer Persona Validierung von Gründungshypothesen Arbeitsaufwand: 28 h Präsenzzeit + 122 h selbstständige Projektarbeit Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS: Hausarbeit 2 SWS Projekt Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen: keine Interesse an Startups und deren Gründungsvorbereitungen Interesse an und Bereitschaft zu Projekt- und Teamarbeit Medienformen: Literatur: Eric Ries: The Lean Startup Diverse Internet-Quellen (werden in der Veranstaltung bekanntgegeben) Hinweise: Der Erfolg bei diesem Modul hängt stark von der Qualität der Projekt- und Teamarbeit ab! Die Anzahl Teilnehmer ist beschränkt. Die Teilnahme an der ersten Veranstaltung ist Pflicht. Das Modul wird nur in Verbindung mit einer benoteten Prüfungsleistung angeboten. Technische Aspekte der IT-Sicherheit Sommer (engl. Technical Aspects of IT-Security ) Modulnummer: FIN-INF-110434 Kürzel TAITS CP 5 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 Technische Informatik 1 Winter (engl. Computer Engineering 1 ) Modulnummer: FIN-INF-110378 Kürzel TI-1 CP 5 Semester Winter Fachsem. Dauer 1 Semester Sprache deutsch Niveau Bachelor Link zum LSF: LSF Zugang beschränkt: Verantwortung: Prof. Dr. Mesut Güneş, Prof. Dr. David Hausheer Dozent:in: Prof. Dr. Mesut Güneş Lehrveranstaltungen: Vorlesung Technische Informatik 1 Übung Technische Informatik 1 Verwendbarkeit: - B.Sc. INF: Technische Informatik - B.Sc. INF: Aufbaumodule (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Technische Informatik - 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): Technische Informatik - B.Sc. INF (bilingual): Aufbaumodule (SPO 2027) Angestrebte Lernergebnisse: Studierende verstehen den Aufbau digitaler Computer verstehen das Schichtenmodell für Computersysteme verstehen Zahlensysteme und die Herausforderungen der Computerarithmetik können mit unterschiedlichen Zahlensystemen umgehen verstehen die grundlegenden Hardware-Komponenten von Computern verstehen die Maschinenprogrammierung und können einfache Assemblerprogramme entwickeln Inhalt: Aufbau eines Rechners Computerarithmetik Kombinatorische Schaltnetze Sequentielle Schaltwerke Befehlssatz und Adressierung Fließband- und Parallelverarbeitung Arbeitsaufwand: 56h Präsenzzeit + 94h selbstständige Arbeit Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS: Votierung - mindestens 50% der Punkte durch Aufgaben in den Übungen Klausur 120 Minuten Vorlesung (2 SWS) Übung (2 SWS) Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen: keine Medienformen: Literatur: Wird in der Veranstaltung bekannt gegeben. Hinweise: Computer Engineering 1 Winter (in German: Technische Informatik 1 ) Module-ID: FIN-INF-1103782 Abbreviation TI-1 Credit Points 5 Semester Winter Term Duration 1 Semester Language english Level Bachelor Link: LSF Limited accessability: false Responsibility: Prof. Dr. Mesut Güneş, Prof. Dr. David Hausheer Lecturer: Prof. Dr. Mesut Güneş Classes: Vorlesung Technische Informatik 1 Übung Technische Informatik 1   Applicability in curriculum: - B.Sc. INF: Technische Informatik - B.Sc. INF: Aufbaumodule (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Technische Informatik - 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): Technische Informatik - B.Sc. INF (bilingual): Aufbaumodule (SPO 2027) Intended learning outcomes: Students understand the structure of digital computers understand the layer model for computer systems understand number systems and the challenges of computer arithmetic can deal with different number systems understand the basic hardware components of computers understand machine programming and can develop simple assembly programs Content: Structure of a computer Computer arithmetic Combinatorial switching networks Sequential switching networks Instruction set and addressing Conveyor belt and parallel processing Workload: 56h attendance + 94h independent work Pre-examination requirements: Type of examination: Teaching method / lecture hours per week (SWS): Written exam 120 Minuten lecture (2 SWS) exercise (2 SWS) Prerequisites according to examination regulations: Recommended prerequisites: none Media: Literature: Comments: Technische Informatik 2 Sommer (engl. Computer Engineering 2 ) Modulnummer: FIN-INF-110379 Kürzel TI-2 CP 5 Semester Sommer Fachsem. Dauer 1 Semester Sprache deutsch Niveau Bachelor Link zum LSF: LSF Zugang beschränkt: Verantwortung: Prof. Dr. Mesut Güneş, Prof. Dr. David Hausheer Dozent:in: Prof. Dr. Mesut Güneş Lehrveranstaltungen: Vorlesung Technische Informatik 2 Übung Technische Informatik 2 Verwendbarkeit: - B.Sc. INF: Technische Informatik - B.Sc. INF: Aufbaumodule (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Technische Informatik - 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): Technische Informatik - B.Sc. INF (bilingual): Aufbaumodule (SPO 2027) Angestrebte Lernergebnisse: Studierende ... verstehen Prozesse in Betriebssystemen können Algorithmen zur Synchronisation von Prozessen umsetzen verstehen wie Deadlocks entstehen und können Verfahren zur Lösung umsetzen verstehen die Speicherverwaltung und das Scheduling in Betriebssystemen können in C Prozesse umsetzen und betriebssystemnahe Programme entwickeln verstehen die Grundlagen von Kommunikationsnetzen Inhalt: Einführung in Betriebssysteme und Kommunikationssysteme ... Prozesse & Threads Synchronisation Deadlocks Speicherverwaltung Scheduling E/A und Dateisystem Booting, Services und Sicherheit Vernetzte Computer und Internet Arbeitsaufwand: 56h Präsenzzeit + 94h selbstständige Arbeit Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS: Votierung - mindestens 50% der Punkte durch Aufgaben in den Übungen Klausur 120 Minuten Vorlesung (2 SWS) Übung (2 SWS) Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen: keine Technische Informatik 1 Medienformen: Literatur: wird auf der Web-Seite der VL bekanntgegeben Hinweise: Dieses Modul wird im Sommer 2026 in English gelesen. Videos werden in Deutsch verfügbar sein. Computer Engineering 2 Summer (in German: Technische Informatik 2 ) Module-ID: FIN-INF-1103792 Abbreviation TI-2 Credit Points 5 Semester Summer Term Duration 1 Semester Language english Level Bachelor Link: LSF Limited accessability: false Responsibility: Prof. Dr. Mesut Güneş, Prof. Dr. David Hausheer Lecturer: Prof. Dr. Mesut Güneş Classes: Vorlesung Technische Informatik 2 Übung Technische Informatik 2   Applicability in curriculum: - B.Sc. INF: Technische Informatik - B.Sc. INF: Aufbaumodule (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Technische Informatik - 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): Technische Informatik - B.Sc. INF (bilingual): Aufbaumodule (SPO 2027) Intended learning outcomes: Students ... understand processes in operating systems can implement algorithms for the synchronization of processes understand how deadlocks occur and can implement procedures to solve them understand memory management and scheduling in operating systems can implement processes in C and develop operating system-related programs understand the basics of communication networks Content: Introduction to operating systems and communication systems ... Processes & Threads Synchronization Deadlocks Memory management Scheduling I/O and file system Booting, services and security Networked computers and the Internet Workload: 56h attendance time + 94h independent work Pre-examination requirements: Type of examination: Teaching method / lecture hours per week (SWS): Written examination 120 Minutes Lecture (2 SWS) Exercise (2 SWS) Prerequisites according to examination regulations: Recommended prerequisites: none Technische Informatik 1 Media: Literature: wird auf der Web-Seite der VL bekanntgegeben Comments: Virtual and Augmented Reality I Summer (in German: Virtual and Augmented Reality I ) Module-ID: FIN-INF-110523 Abbreviation VAR1_BA Credit Points 5 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 5 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: