Modulkatalog (ab Winter 2026/27)

Investition und Finanzierung

Sommer

(engl. Investition und Finanzierung )

Modulnummer: FIN-INF-999852

Kürzel

CP

5

Semester

Sommer

Fachsem.

ab 4.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Fakultät für Wirtschaftswissenschaften
Dozent:in: Fakultät für Wirtschaftswissenschaften
Lehrveranstaltungen: Vorlesung Investition und Finanzierung Hörsaalübung Investition und Finanzierung
Verwendbarkeit: - B.Sc. WIF: Wirtschaftswissenschaften Pflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden


Inhalt:

Arbeitsaufwand:
42 h Präsenz 108 h Selbstudium (inkl. Prüfung)

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Klausur

2 SWS (Vorlesung) 1 SWS (Hörsaalübung)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

AI Ethics, Data Privacy, and Intellectual Property in IT

Winter

(in German: AI Ethics, Data Privacy, and Intellectual Property in IT )
Module-ID: FIN-INF-110510

Abbreviation

Credit Points

5

Semester

Winter

Term

Duration

1 Semester

Language

english

Level

Bachelor

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

Intended learning outcomes:
Students:


Content:

Workload:


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

None

Hausarbeit (Homework and Presentation)

Lectures (2 SWS) Exercise (2 SWS)

Prerequisites according to examination regulations: Recommended prerequisites:

none

Media: Literature:

Professional Ethics

AI Ethics Data Privacy & GDPR Intellectual Property

Comments:
Kurs für Wintersemester unklar, da Lehrauftrag

AMS Lab Projects

every

(in German: AMS Lab Projects )
Module-ID: FIN-INF-120503

Abbreviation

AMS-Lab

Credit Points

6

Semester

every

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Prof. Dr.-Ing. Benjamin Noack
Lecturer: Prof. Dr.-Ing. Benjamin Noack
Classes:
  • AMS Lab Projects
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INF: Schlüssel- und Methodenkompetenzen
- M.Sc. INF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. INF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. INF: Projekte (SPO 2027)
- M.Sc. INGINF: Informatik
- M.Sc. INGINF: Ingenieurinformatik
- M.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Informatik
- M.Sc. WIF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. WIF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. WIF: Projekte (SPO 2027)
- M.Sc. DKE: Applied Data Science
- M.Sc. DKE: Projects (SPO 2027)
- M.Sc. DE: Interdisziplinäres Team-Projekt
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. DE: Digital Engineering-Projekt
- M.Sc. DE: Digital Engineering (SPO 2027)
- M.Sc. DE: Engineering Specialization (SPO 2027)
- M.Sc. DE: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. DE: Projekte (SPO 2027)
- M.Sc. VC: Computer Science
- M.Sc. VC: Schlüssel- und Methodenkompetenzen
- M.Sc. VC: Computer Science (SPO 2027)
- M.Sc. VC: Schlüssel- und Methodenkompetenz (SPO 2027)

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


Content:
This module offers different team projects and individual projects on current, research-related areas like:

Workload:
180 h of individual and team work

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

Scientific Project (Wissenschaftliches Projekt)

Project (2 SWS)

Prerequisites according to examination regulations: Recommended prerequisites:

keine

Media: Literature:

Literature will be announced in the lecture.

Comments:

Advanced Database Models

Summer

(in German: Advanced Database Models )
Module-ID: FIN-INF-103805

Abbreviation

ADBM

Credit Points

6

Semester

Summer

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Gunter Saake
Lecturer: Eike Schallehn
Classes:
  • Lecture Advanced Database Models
  • Exercise Advanced Database Models
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Data Processing for Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. VC: Computer Science

Intended learning outcomes:
The students ...


Content:

Workload:
56 h contact hours + 124 h self-study

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

To be eligible to take the exam, you must have completed certain prerequisites. Further details will be announced in the first lecture.

Written exam (120 min)

  • Lecture 2 SWS
  • Exercise 2 SWS
Prerequisites according to examination regulations: Recommended prerequisites:

none

Database introduction course

Media: Literature:


Comments:

Advanced Programming in Computational Intelligence in Games

Summer

(in German: Advanced Programming in Computational Intelligence in Games )
Module-ID: FIN-INF-120495

Abbreviation

AP-CIG

Credit Points

6

Semester

Summer

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Sanaz Mostaghim
Lecturer: Sanaz Mostaghim
Classes:
  • Lecture Advanced Programming in Computational Intelligence in Games
  • Tutorials Advanced Programming in Computational Intelligence in Games
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Applied Data Science
- M.Sc. VC: Computer Science

Intended learning outcomes:
Students ...


Content:
This course addresses the basic and advanced topics in the area of computational intelligence and games and contains three parts: Part 1 addresses the basics in Evolutionary Game Theory (EGT). In this part you will learn about simple games such as scissors/rock/paper and the focus on the strategies for playing games. Part 2 is about learning agents, and we focus on reinforcement learning mechanisms. There are three questions for games:

The application is on board games. Part 3 contains the advanced topics in games and artificial intelligence How can we consider physical constraints of a spaceship while moving in an unknown terrain. Other topics are Monte Carlo Tree Search, Procedural Content Generation, Decision Making and Multi-Objective Learning.

Workload:
56 contact hours + 94h self study

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

  • Hausarbeit (home work containing programming)
  • Exercises and Tutorials
  • Klausur (written Exam) 120 Minuten

  • lectures (2 SWS)
  • exercise classes (2 SWS)
Prerequisites according to examination regulations: Recommended prerequisites:

none

Programming experience

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:

Advanced Topics in Databases

Summer

(in German: Advanced Topics in Databases )
Module-ID: FIN-INF-120277

Abbreviation

ATDB

Credit Points

6

Semester

Summer

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Gunter Saake
Lecturer: David Broneske
Classes:
  • Lecture Advanced Topics in Databases
  • Exercise Advanced Topics in Databases
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Data Processing for Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. VC: Computer Science

Intended learning outcomes:
The students ...


Content:
Topics of the lecture will frequently change in accordance with current research directions in the database community and represent cutting-edge aspects. Current Topics:

Workload:
56h contact hours + 124h self-study

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

Successful participation in the exercise

Oral exam

  • 2 SWS Lecture
  • 2 SWS Exercise class
Prerequisites according to examination regulations: Recommended prerequisites:

none

  • Knowledge about database foundations and about principles of internal database operations
  • Basic programming skills
Media: Literature:


Comments:

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 ...


Content:

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 Deep Learning (Master)

every

(in German: Advanced Topics in Deep Learning (Master) )
Module-ID: FIN-INF-120496

Abbreviation

ATDL

Credit Points

6

Semester

every

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Sebastian Stober
Lecturer: Sebastian Stober
Classes: Advanced Topics in Deep Learning  
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Learning Methods and Models for Data Science
- M.Sc. DKE: Data Processing for Data Science
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. VC: Computer Science

Intended learning outcomes:
Students ...


Content:

Workload:


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

  • Hausarbeit
  • Mündliche Prüfung

Vorlesung/Seminar (2 SWS)

Prerequisites according to examination regulations: Recommended prerequisites:

none

Introduction to Deep Learning

Media: Literature:


Comments:

Advanced Topics in Networking

Winter

(in German: Advanced Topics in Networking )
Module-ID: FIN-INF-120518

Abbreviation

ATN

Credit Points

6

Semester

Winter

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: David Hausheer
Lecturer: David Hausheer
Classes:
  • Lecture Advanced Topics in Networking
  • Exercise Advanced Topics in Networking
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DE: Methoden der Informatik
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. VC: Computer Science
- M.Sc. DKE: Data Processing for Data Science

Intended learning outcomes:
Students...


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

Workload:


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:

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:
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...


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

Workload:


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.

Algorithmen und Datenstrukturen

Sommer

(engl. Algorithms and Data Structures )

Modulnummer: FIN-INF-110361

Kürzel

AuD

CP

10

Semester

Sommer

Fachsem.

ab 2.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Christian Rössl
Dozent:in: Christian Rössl
Lehrveranstaltungen: In Deutsch / In German
  • Vorlesung Algorithmen und Datenstrukturen
  • Übung Algorithmen und Datenstrukturen
  • Tutorien Algorithmen und Datenstrukturen
In Englisch / In English
  • Lecture Algorithms and Data Structures
  • Exercise Algorithms and Data Structures
  • Tutorial Algorithms and Data Structures
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 - Pflicht
- B.Sc. WIF: Kernmodule (SPO 2027)
- B.Sc. INF (bilingual): Informatik I - Pflicht
- B.Sc. INF (bilingual): Kernmodule (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden


Inhalt:

Arbeitsaufwand:
106h Präsenz + 194h selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

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

Klausur 120 Minuten

  • Vorlesung (4 SWS)
  • Übung (2 SWS)
  • Tutorium (1 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

  • Programmierkenntnisse in Java, insbesondere Objektorientierung und Abstrakte Datentypen
  • Grundlegendes Verständnis von Algorithmen, insbesondere Verständnis von Rekursion
  • Verständnis von asymptotischer Abschätzung des Aufwands von Algorithmen und deren formale Beschreibung (z.B. Groß-O-Notation)
  • Verständnis grundlegender Beweistechniken (z.B. vollständige Induktion)

Medienformen: Literatur:


  • Saake & Sattler: Algorithmen und Datenstrukturen
  • Goodrich, Tamassia & Goldwasser: Data Structures and Algorithms in Java
  • Sedgewick & Wayne: Algorithms
  • Cormen, Leiserson, Rivest, Stein: Introduction to Algorithms

Hinweise:
Die Abgabe des ersten Übungsblatts erfolgt ggf. schon in der ersten Semesterwoche, d.h. die Aufgaben können vorher bearbeitet werden! Dazu ist eine rechtzeitige Anmeldung auf https://aud.vc.cs.ovgu.de erforderlich. Diese ist bereits vor Semesterbeginn möglich.

Algorithmen und Datenstrukturen

Summer

(in German: Algorithmen und Datenstrukturen )
Module-ID: FIN-INF-110487

Abbreviation

DSA

Credit Points

10

Semester

Summer

Term

starting at 2.

Duration

1 Semester

Language

english

Level

Bachelor

Link: LSF
Limited accessability:
Responsibility: Christian Braune
Lecturer: Christian Braune
Classes:
  • Lecture Algorithms and Data Structures
  • Exercise Algorithms and Data Structures
  • Tutorial Algorithms and Data Structures
 
Applicability in curriculum: - B.Sc. INF (bilingual): Informatik I - Pflicht
- B.Sc. INF (bilingual): Kernmodule (SPO 2027)

Intended learning outcomes:
The students


Content:

Workload:
106h attendance + 194h independent work

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

In order to be able to take part in the exam, preliminary work is required. Details will be announced in the first lecture.

Written exam 120 minutes

  • Lecture (4 SWS)
  • Exercise (2 SWS)
  • Tutorial (1 SWS)
Prerequisites according to examination regulations: Recommended prerequisites:

none

  • Programming skills in Java, including Object Oriented Programming and Abstract Data Types
  • Basic understanding of algorithms, including understanding of recursion
  • Understanding of runtime/cost of algorithms and its formal representation (e.g., Big-O notation)
  • Understanding basic methods of proof (e.g., proof by induction)
Media: Literature:

  • Saake & Sattler: Algorithmen und Datenstrukturen
  • Goodrich, Tamassia & Goldwasser: Data Structures and Algorithms in Java
  • Sedgewick & Wayne: Algorithms
  • Cormen, Leiserson, Rivest, Stein: Introduction to Algorithms

Comments:
The first assignment may be due in the first week of the semester, which means you can work on the assignment in advance! This requires prior registration at https://aud.vc.cs.ovgu.de. Registration opens before the semester begins.

Algorithmen und Programmierung

Winter

Grundlagen Programmierung und Algorithmen

(engl. Algorithms and Programming )

Modulnummer: FIN-INF-160002

Kürzel

GPA

CP

5

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Eike Schallehn
Dozent:in: Eike Schallehn
Lehrveranstaltungen: Vorlesung Grundlagen Programmierung und Algorithmen Übung Grundlagen Progammierung und Algorithmen
Verwendbarkeit:

Angestrebte Lernergebnisse:
Absolvent*innen dieses Moduls...


Inhalt:
Die Teilnehmer*innen diese

Arbeitsaufwand:
56h Präsenzzeit (28h Vorlesung, 28h Übung) 94h selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Zulassung aus dem Bereich der Übungen, Bedingungen werden zu Beginn der Veranstaltung bekanntgegeben.

Klausur 120 Minuten

  • 2 SWS Vorlesung
  • 2 SWS Übung

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

Anwendungssysteme

Sommer

(engl. Business Application Systems )

Modulnummer: FIN-INF-110123

Kürzel

AWS

CP

5

Semester

Sommer

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

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

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:

Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Hausarbeit

  • Vorlesung
  • Übung

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:


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

Hinweise:

Applied Discrete Modelling

Winter

(in German: Applied Discrete Modelling )
Module-ID: FIN-INF-120279

Abbreviation

ADM

Credit Points

6

Semester

Winter

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: PD Dr. Claudia Krull
Lecturer: PD Dr. Claudia Krull
Classes:
  • Lecture Applied Discrete Modelling
  • Exercise class Applied Discrete Modelling
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. WIF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. DKE: Learning Methods and Models for Data Science
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. DE: Informatik Wahlpflicht (SPO 2027)
- M.Sc. VC: Computer Science
- M.Sc. VC: Computer Science (SPO 2027)

Intended learning outcomes:


Content:

Workload:
56 h lectures and exercise classes
124 h independent work

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

Solutions to Assignments 1-6 need to be handed in before the exam registration.

Oral Exam 30 Minutes

  • Lecture 2 SWS
  • Exercise class 2 SWS
Prerequisites according to examination regulations: Recommended prerequisites:

none

  • Engineering mathematics
  • Computer programming
Media: Literature:

recorded lectures and exercises are available


Comments:

Assistenzrobotik

Sommer

(engl. Assistance robotics )

Modulnummer: FIN-INF-120443

Kürzel

AROB

CP

6

Semester

Sommer

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Norbert Elkmann (Fraunhofer IFF)
Dozent:in: Norbert Elkmann (Fraunhofer IFF)
Lehrveranstaltungen:
  • Vorlesung Assistenzrobotik
  • Übung Assistenzrobotik
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. INF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. INGINF: Informatik
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Methoden des Digital Engineering
- M.Sc. DE: Methoden der Informatik
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. DE: Informatik Wahlpflicht (SPO 2027)
- M.Sc. DE: Digital Engineering (SPO 2027)
- M.Sc. DE: Engineering Specialization (SPO 2027)

Angestrebte Lernergebnisse:
Absolvent*innen dieses Moduls ...


Inhalt:

Arbeitsaufwand:
42h Präsenzzeit + 138h selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Mündliche Prüfung

  • 2 SWS Vorlesung
  • 2 SWS Übung

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

  • Programmierkenntnisse
  • Lineare Algebra

Medienformen: Literatur:



Hinweise:

Ausgewählte Algorithmen der Computergraphik

Winter

(engl. Selected Algorithms in Computer Graphics )

Modulnummer: FIN-INF-120272

Kürzel

AACG

CP

6

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Christian Rössl
Dozent:in: Christian Rössl
Lehrveranstaltungen:
  • Vorlesung Ausgewählte Algorithmen der Computergraphik
  • Übung Ausgewählte Algorithmen der Computergraphik
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. VC: Visual Computing

Angestrebte Lernergebnisse:
Die Studierenden


Inhalt:

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

Arbeitsaufwand:


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 20 Minuten

  • Vorlesung 2 SWS
  • Übung 2 SWS

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

  • Vorlesungen im Bereich Computergraphik z.B.
    • Grundlagen der Computergraphik
    • CAGD
    • Mesh Processing
  • Spaß an mathematischen Aufgabenstellungen und Programmierung
  • 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:


Literatur wird in der Vorlesung bekannt gegeben.

Hinweise:
Wir verwenden i.d.R. Julia (https://julialang.org) als Programmiersprache (statt vormals Matlab und GNU Octave) und dazu C++ nach Bedarf. Wo genau der Fokus liegt, tarieren wir soweit möglich in der Veranstaltung je nach Vorkenntnissen und Wünschen aus.

Bachelor-Projekt

jedes

(engl. Bachelor Project )

Modulnummer: FIN-INF-999995

Kürzel

CP

18

Semester

jedes

Fachsem.

ab 6.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Studiendekan:in der FIN
Dozent:in: Alle Hochschullehrer der FIN
Lehrveranstaltungen: keine
Verwendbarkeit: - B.Sc. INF: Studienprofil: Webgründer
- B.Sc. INF: Abschlussmodule

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:
Auftragsspezifisch

Arbeitsaufwand:
150 h selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

  • Bachelorarbeit
  • Verteidigung

keine

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

Bachelorarbeit

jedes

(engl. Bachelor Thesis )

Modulnummer: FIN-INF-999997

Kürzel

CP

12

Semester

jedes

Fachsem.

ab 6.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Studiendekan:in der FIN
Dozent:in: Alle Hochschullehrer der FIN
Lehrveranstaltungen: keine
Verwendbarkeit: - B.Sc. INF: Abschlussmodule
- B.Sc. CV: Abschlussmodule
- B.Sc. INGINF: Abschlussmodule
- B.Sc. WIF: Abschlussmodule
- B.Sc. INF (bilingual): Abschlussmodule

Angestrebte Lernergebnisse:
Studierende, die dieses Modul absolviert haben, …


Inhalt:
Das Thema der Bachelorarbeit kann aus aktuellen Forschungsvorhaben der Institute oder aus betrieblichen Problemstellungen mit wissenschaftlichem Charakter abgeleitet werden. In der Verteidigung sollen das Thema der Bachelorarbeit und die damit verbundenen Probleme und Erkenntnisse in einem Vortrag dargestellt und diesbezügliche Fragen beantwortet werden.

Arbeitsaufwand:


Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

  • Bachelorarbeit
  • Verteidigung

keine

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

150 CP, um die Arbeit anzumelden


Medienformen: Literatur:



Hinweise:
Die Zeit von der Ausgabe des Themas bis zur Abgabe beträgt 20 Wochen.

Bachelorarbeit (dual)

jedes

(engl. Bachelor Thesis (dual) )

Modulnummer: FIN-INF-9999972

Kürzel

CP

12

Semester

jedes

Fachsem.

ab 6.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Studiendekan:in der FIN
Dozent:in: Alle Dozenten der FIN
Lehrveranstaltungen: keine
Verwendbarkeit: - B.Sc. INF: Abschlussmodule
- B.Sc. INGINF: Abschlussmodule

Angestrebte Lernergebnisse:
Studierende, die dieses Modul absolviert haben, …


Inhalt:
Das Thema der Bachelorarbeit kann aus aktuellen Forschungsvorhaben der Institute oder aus betrieblichen Problemstellungen mit wissenschaftlichem Charakter abgeleitet werden. In der Verteidigung sollen das Thema der Bachelorarbeit und die damit verbundenen Probleme und Erkenntnisse in einem Vortrag dargestellt und diesbezügliche Fragen beantwortet werden.

Arbeitsaufwand:


Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

  • Bachelorarbeit
  • Verteidigung

keine

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

150 CP, um die Arbeit anzumelden


Medienformen: Literatur:



Hinweise:
Die Zeit von der Ausgabe des Themas bis zur Abgabe beträgt 20 Wochen.

Bachelorseminar 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:
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:


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:

The student must:
  1. read the papers
  2. compare the methods and results in them in order to answer the scientific questions
  3. critically discuss and rank the methods compared in the previous step
  4. present the above in class and answer questions
  5. 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:

Bachelorseminar 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:
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:


Content:
In this seminar, the participants will learn about

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


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:

Berufspraktikum

jedes

(engl. Internship )

Modulnummer: FIN-INF-999999

Kürzel

CP

18

Semester

jedes

Fachsem.

ab 6.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Studiendekan:in der FIN
Dozent:in: Dozenten der FIN
Lehrveranstaltungen: keine
Verwendbarkeit: - B.Sc. INF: Abschlussmodule
- B.Sc. CV: Abschlussmodule
- B.Sc. INGINF: Abschlussmodule
- B.Sc. WIF: Abschlussmodule
- B.Sc. INF (bilingual): Abschlussmodule

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:
Arbeitgeberspezifisch

Arbeitsaufwand:
480 h Praktikumszeit + 60 h Praktikumsbericht

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Unbenotete Hausarbeit (Praktikumsbericht) Leitfaden für das Schreiben des Praktikumsbericht

Praktikum außerhalb der Fakultät für Informatik

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

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 ...


Inhalt:

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:
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 ...


Inhalt:

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

Clean Code Development

Winter

(in German: Clean Code Development )
Module-ID: FIN-INF-120432

Abbreviation

CCD

Credit Points

6

Semester

Winter

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Prof. Dr. Frank Ortmeier
Lecturer: Prof. Dr. Frank Ortmeier
Classes:
  • Vorlesung Clean Code Development
  • Übung Clean Code Development
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INF: Schlüssel- und Methodenkompetenzen
- M.Sc. INGINF: Informatik
- M.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Methoden des Digital Engineering
- M.Sc. DE: Methoden der Informatik
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. VC: Computer Science
- M.Sc. VC: Schlüssel- und Methodenkompetenzen

Intended learning outcomes:
Students:


Content:

Workload:
56h Präsenszeit + 124h selbständige Arbeit am Projekt

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

Projekt

Mündliche Prüfung

  • Vorlesung (2 SWS)
  • Übung (2 SWS)
Prerequisites according to examination regulations: Recommended prerequisites:

keine

Software Engineering

Media: Literature:


Comments:
Enrollment Restriction: Limited number of participants. The selection process will be announced during the first lecture.

Cloud School

Sommer

(in German: Cloud School )
Module-ID: FIN-INF-110484

Abbreviation

CS

Credit Points

5

Semester

Sommer

Term

starting at 3.

Duration

1 Semester

Language

english

Level

Bachelor

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

Intended learning outcomes:
The students ...


Content:

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

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

In order to participate in the exam, preliminary exam requirements must be met. Details will be announced in the first lecture.

Graded und ungraded written examination, 120 Min.

2 SWS Lecture + 3 SWS Exercise class

Prerequisites according to examination regulations: Recommended prerequisites:

none

Media: Literature:

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

Comments:

Compilerbau

Winter

(engl. Compiler Construction )

Modulnummer: FIN-INF-100382

Kürzel

CB

CP

5

Semester

Winter

Fachsem.

ab 3.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
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...


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:


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 Geometry

Summer

(in German: Computational Geometry )
Module-ID: FIN-INF-102201

Abbreviation

CompGeom

Credit Points

6

Semester

Summer

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Prof. Dr. Stefan Schirra
Lecturer: Prof. Dr. Stefan Schirra
Classes: Lectures and exercises Computational Geometry  
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. WIF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. DKE: Data Processing for Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. DE: Informatik Wahlpflicht (SPO 2027)
- M.Sc. VC: Visual Computing
- M.Sc. VC: Visual Computing (SPO 2027)

Intended learning outcomes:
Students know how to design and analyze algorithms for advanced geometric problems. They understand the basics of combinatorial and algebraic geometry.

Content:

Workload:
56 h classroom + 124 h independent work

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

active participation

Oral exam

  • Lecture and Exercise (4 SWS)
Prerequisites according to examination regulations: Recommended prerequisites:

keine

Basics in algorithmic geometry (for example, bachelor modul Grundzüge der Algorithmischen Geometrie)

Media: Literature:

  • de Berg, Cheong, van Kreveld, Overmars; Computational Geometry
  • Devadoss, O'Rourke; Computational Geometry

Comments:

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:

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 Graphics - an Introduction

Winter

(in German: Computer Graphics - an Introduction )
Module-ID: FIN-INF-110472

Abbreviation

ICG

Credit Points

6

Semester

Winter

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Holger Theisel
Lecturer: Holger Theisel
Classes:
  • Lecture Computer Graphics - an Introduction
  • Exercise class Computer Graphics - an Introduction
 
Applicability in curriculum: - M.Sc. DE: Grundlagen Informatik
- M.Sc. VC: Visual Computing

Intended learning outcomes:
The students


Content:

Workload:


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

  • Successful completion of the exercises
  • Completing a programming task

Exam: Written exam 120 min. Exam certificate: Passing the written exam 120 min.

  • Lectures (2 SWS)
  • Exercises (2 SWS)
Prerequisites according to examination regulations: Recommended prerequisites:

keine

Media: Literature:

  • 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. D. Salomon: Computer Graphics Geometric Modeling, Springer, 1999A.
  • Watt: 3D Computer Graphics. Addison-Wesley Publishing Company, Inc., 2000

Comments:
(nur anrechenbar wenn nicht vorher die deutschsprachige Bachelor-LV Computergraphik I belegt wurde)

Computer-Assisted Surgery

Winter

(in German: Computer-Assisted Surgery )
Module-ID: FIN-INF-120519

Abbreviation

CAS

Credit Points

6

Semester

Winter

Term

ab 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Christian Hansen
Lecturer: Christian Hansen
Classes:
  • Lecture Computer-Assisted Surgery
    Seminar Computer-Assisted Surgery
    Team project Computer-Assisted Surgery
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. VC: Visual Computing

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

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

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:

Workload:
56 h contact hours + 124 h self study

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

Successful completion of the exercise/seminar

Oral exam

  • Lecture (2SWS)
  • Seminar (2SWS) or team project (2SWS)
Prerequisites according to examination regulations: Recommended prerequisites:

keine

Media: Literature:


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:
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 ...

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

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:

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:

Computergestützte Diagnose und Therapie

Winter

(engl. Computer Aided Diagnosis and Therapy )

Modulnummer: FIN-INF-110325

Kürzel

CDT

CP

5

Semester

Winter

Fachsem.

ab 3.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Bernhard Preim
Dozent:in: Bernhard Preim
Lehrveranstaltungen:
  • Vorlesung Computergestützte Diagnose und Therapie
  • Seminar Computergestützte Diagnose und Therapie
Verwendbarkeit: - B.Sc. CV: Anwendungsfach - Medizintechnik
- B.Sc. CV: Computervisualistik - Wahlpflicht

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:

Arbeitsaufwand:
56 h Präsenzzeit + 94 h selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Referat (im Seminar)

  • Schriftliche Prüfung, 2 Stunden
  • Prüfungsvoraussetzung: Präsentation

  • 2 SWS Vorlesung
  • 2 SWS Seminar

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

Modul Computer Vision

Medienformen: Literatur:


  • Lehmann, Thomas „Digitale Bildverarbeitung für Routineanwendungen“, Universitätsverlag, 2005
  • Preim, Bartz „Visualization in Medicine“, Morgan Kaufman, 2007
  • Preim, Botha: Visual Computing for Medicine, 2nd Edition, , Morgan Kaufman, San Francisco, 2013

Hinweise:

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 ...


Inhalt:

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 Engineering

Winter

(engl. Data Engineering )

Modulnummer: FIN-INF-110475

Kürzel

CP

5

Semester

Winter

Fachsem.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Andreas Nürnberger, Gunter Saake, Myra Spiliopoulou
Dozent:in: Gunter Saake, Andreas Nürnberger, Myra Spiliopoulou
Lehrveranstaltungen:
  • Vorlesung Data Engineering
  • Übung Data Engineering
Verwendbarkeit:

Angestrebte Lernergebnisse:
- Dieses Modul steht derzeit nur den Studierenden des FMB-Bachelorstudiengangs AI Engineering zur Verfügung und leitet seine Ziele aus dem Kanon der FMB. PLATZHALTER für FIN: Die Studierenden:


Inhalt:
-

Arbeitsaufwand:
56 Stunden Präsenzzeit
94 Stunden selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Klausur 120 Minuten

  • Vorlesung 2 SWS
  • Übung 2 SWS

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

Data Engineering

Winter

(engl. Data Engineering )

Modulnummer: FIN-INF-999700

Kürzel

CP

5

Semester

Winter

Fachsem.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Andreas Nürnberger, Gunter Saake, Myra Spiliopoulou
Dozent:in: Andreas Nürnberger, Gunter Saake, Myra Spiliopoulou
Lehrveranstaltungen: Vorlesung Data Engineering Übung Data Engineering
Verwendbarkeit:

Angestrebte Lernergebnisse:


Inhalt:
Teil 1: Datenbanken

Teil 2: Datenzugriffe Teil 3: Statistische Datenbetrachtung

Arbeitsaufwand:
150 h = 54 h Präsenszeit und 96 h Selbststudium

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Keine

Klausur (120 min.)

Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:
Verwendbarkeit des Moduls im B.Sc. AI Engineering

Data Management for Engineering Applications

Winter

(in German: Data Management for Engineering Applications )
Module-ID: FIN-INF-120326

Abbreviation

DMEA

Credit Points

6

Semester

Winter

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Gunter Saake
Lecturer: Eike Schallehn
Classes:
  • Lecture Data Management for Engineering Applications
  • Exercise Data Management for Engineering Applications
 
Applicability in curriculum: - M.Sc. DE: Methoden des Digital Engineering

Intended learning outcomes:
The students ...


Content:

Workload:
56 contact hours + 94 h independent study + 30 h lab

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

To be eligible to take the exam, you must have completed certain prerequisites. Further details will be announced in the first lecture.

Written exam (120 min)

  • 2 SWS lecture
  • 2 SWS exercise class
Prerequisites according to examination regulations: Recommended prerequisites:

keine

Media: Literature:


Comments:

Data Mining I - Introduction to Data Mining

Summer

Introduction to Data Mining

(in German: Data Mining I - Introduction to Data Mining )
Module-ID: FIN-INF-120454

Abbreviation

DM1_ENG

Credit Points

6

Semester

Summer

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Myra Spiliopoulou
Lecturer: Myra Spiliopoulou
Classes:
  • Vorlesung DM1_ENG
  • Übung DM1_ENG
COURTESY TRANSLATION:
  • Lecture class DM1_ENG
  • Exercise class DM1_ENG
 
Applicability in curriculum: - M.Sc. DKE: Fundamentals of Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. VC: Computer Science

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

and have thus acquired skills they need in order to design themselves learning algorithms, and to build workflows for model evaluation.

Content:

Workload:


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

A minimum number of points must be achieved during the course.

  • Schriftliche Prüfung - Klausur (120 min)
COURTESY TRANSLATION:
  • Written exam of the form 'Klausur' (120 min)

  • Vorlesung (2 SWS)
  • Übung (2 SWS)
COURTESY TRANSLATION:
  • Lecture (2 hours per week of the semester)
  • Exercise (2 hours per week of the semester)
Prerequisites according to examination regulations: Recommended prerequisites:

keine

  • Databases
  • Data management
  • Basics in statistics
Media: Literature:

Book M: The book of the course is Introduction to Data Mining by Pan-Ning Tan, Michael Steinbach, Anuj Karpatne and Vipin Kumar. PEARSON, 2019 (2nd edition)

  • Chapters 2 and 3
  • Parts of Chapters 4, 6, 7
  • Parts of Chapters 8 and 10
Overview of the book under https://www-users.cs.umn.edu/~kumar001/dmbook/index.php including slide collections etc To read the full textbook (electronic version): Find the ebook from the library here, follow the direct link, and log in -> Shibboleth login -> Otto-von-Guericke University -> Log in -> read. Note: Some slides come from the 1st edition. They concern content that did not change between the two editions. Book D: Data Preprocessing in Data Mining by Salvador Garcia, Julian Luengo and Fransisco Herrera, SPRINGER International Publishing Switzerland, 2015**** This book is used in the Block 'Data Engineering' (Block 'Data' for short). This book is available as pdfs from our library. The chapters of relevance are mentioned in the description of the course block.****

Comments:
This module is intended for students in low semesters of 4-semester-long master degrees and assumes a limited background in data science. It is not appropriate for students with a bachelor degree in data science.

Data Mining II - Advanced Topics in Data Mining

Winter

(in German: Data Mining II - Advanced Topics in Data Mining )
Module-ID: FIN-INF-120455

Abbreviation

DM2

Credit Points

9

Semester

Winter

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Myra Spiliopoulou
Lecturer: Myra Spiliopoulou
Classes: Vorlesung DM 2 Übung DM 2 COURTESY TRANSLATION:
  • Lecture class DM2
  • Exercise class DM2
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Learning Methods and Models for Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. VC: Computer Science

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

and have thus acquired skills they need in order to design and evaluate temporal learning algorithms themselves

Content:
Block 1A: Data Streams

Block 1B: Time series Block 2: discussion of papers (inverted classroom) and hands-on of algorithms (in the exercises)

Workload:


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

Votierung in der Vorlesung und in der Übung (A minimum number of points must be achieved in Block 1 and in Block 2)

Schriftliche Prüfung - Klausur COURTESY TRANSLATION:

  • Written exam of the form 'Klausur'
  • Prerequisite for the written exam: a minimum number of points must be achieved; this procedure is called 'Votierung'

  • Vorlesung (2 SWS)
  • Übung (2 SWS)
COURTESY TRANSLATION:
  • Lecture (2 hours per week of the semester)
  • Exercise (2 hours per week of the semester)
Prerequisites according to examination regulations: Recommended prerequisites:

keine

  • Familiarity with learning algorithms for static tabular data
  • Familiarity with methods for the evaluation of models induced on static data
Media: Literature:


Comments:
Block 1: Literature on streams and time series; is provided in the elearning page of the module Block 2: New papers are discussed, every time the course is offered

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:
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:

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

Inhalt:

Arbeitsaufwand:


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:

Data Science with Python

Winter

(in German: Data Science with Python )
Module-ID: FIN-INF-120513

Abbreviation

DSWP

Credit Points

6

Semester

Winter

Term

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Dr. Christian Beyer
Lecturer: Dr. Christian Beyer
Classes: Data Science with Python  
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INF: Schlüssel- und Methodenkompetenzen
- M.Sc. INGINF: Informatik
- M.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Informatik
- M.Sc. WIF: Schlüssel- und Methodenkompetenzen
- M.Sc. DKE: Applied Data Science
- M.Sc. VC: Computer Science
- M.Sc. VC: Schlüssel- und Methodenkompetenzen
- M.Sc. DE: Methoden der Informatik
- M.Sc. DE: Interdisziplinäres Team-Projekt

Intended learning outcomes:
The course is about learning from data to perform predictions and obtain useful insights. In the seminar, we will use the programming language Python.
Necessary skills to manage and analyze data will be taught and practiced on real-world applications. Programming knowledge from other courses is helpful but not mandatory. However, students are expected to have a profound knowledge of fundamental data-analysis techniques, such as classification, regression and clustering. After successful completion of this course, the student will be able to perform the following tasks in Python:


Content:
Part Fundamentals & Visualization: Basics, scripts, workflows, vectors & functions in Python Explorative data visualization Data transformation Part Data Management & Exploratory Data Analysis: Data cleaning & scraping Generating hypotheses and an intuition about the data with exploratory data analysis Data import Data management Relational data Strings, categorical data, dates & time Iteration: imperative & functional programming Part Modeling: Linear regression Classification Evaluation Model selection & regularization (LASSO, Ridge) Feature selection & model interpretation Decision trees Ensembles: random forests Boosting: gradient boosted trees Unsupervised learning, e.g. k-means, hierarchical clustering, self-organizing maps, principal component analysis Topic modeling with simple graphical models Statistical testing Part Communication: Communication and dissemination of results through visualization and interpretable summaries with documents, notebooks, presentations & websites

Workload:
Attendance time = 28 h: - 2 SWS weekly seminar; Independent work outside the actual Seminar time = 152 h: - 76 h preparation and follow-up of the seminar topics - 76 h solving the tasks, incl. work in the laboratory 180h = 28h attendance time + 152h independent work

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

Referat

Seminar (2 SWS)

Prerequisites according to examination regulations: Recommended prerequisites:

keine

Area 1: Data Mining, Machine Learning, Artificial Intelligence Area 2: Databases Area 3: Programming Languages and Software Engineering Area 4: Stochastics, Applied Statistics

Media: Literature:

Will provided during the seminar

Comments:

Data Warehouse Technologies

Winter

(in German: Data Warehouse Technologies )
Module-ID: FIN-INF-102808

Abbreviation

DWT

Credit Points

6

Semester

Winter

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Gunter Saake
Lecturer: David Broneske
Classes:
  • Lecture Introduction to Data Warehousing
  • Exercise Introduction to Data Warehousing
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Wirtschaftsinformatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Data Processing for Data Science
- M.Sc. DE: Fachliche Spezialisierung

Intended learning outcomes:
The students ...


Content:

Workload:
56 contact hours + 124 h self study

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

Written exam (120 min)

  • 2 SWS Lecture
  • 2 SWS Exercise class
Prerequisites according to examination regulations: Recommended prerequisites:

keine

Modules Datenbanken 1/Database Concepts and Datenbanken 2

Media: Literature:

Data Warehouse Technologien. Veit Köppen, Gunter Saake, Kai-Uwe Sattler. 2. Auflage, mitp-Verlag, 2014

Comments:

Data and Knowledge Engineering

Sommer

(in German: Data and Knowledge Engineering )
Module-ID: FIN-INF-120500

Abbreviation

Credit Points

6

Semester

Sommer

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Andreas Nürnberger
Lecturer: Andreas Nürnberger
Classes: Seminar Data and Knowledge Engineering  
Applicability in curriculum: - M.Sc. INF: Schlüssel- und Methodenkompetenzen
- M.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Schlüssel- und Methodenkompetenzen
- M.Sc. DKE: Fundamentals of Data Science
- M.Sc. VC: Schlüssel- und Methodenkompetenzen

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


Content:
The seminar focuses on applying machine learning techniques to a hands-on problem, resulting in a paper and short presentation in one of the following research areas: Information Retrieval:

Natural Language Processing Human Computer Interaction

Workload:
180 h self study

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

Written report and oral presentation (Referat). Requirements for exam participation will be announced in the first week of the course in class and online.

Seminar

Prerequisites according to examination regulations: Recommended prerequisites:

keine

Media: Literature:


Comments:

Database Concepts

Summer

(in German: Database Concepts )
Module-ID: FIN-INF-120529

Abbreviation

DB1

Credit Points

6

Semester

Summer

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Gunter Saake
Lecturer: Gunter Saake
Classes:
  • Lecture Database Concepts
  • Exercise class Database Concepts
 
Applicability in curriculum: - M.Sc. DE: Grundlagen Informatik

Intended learning outcomes:
The students ...


Content:

Workload:
56 contact hours + 124 h self study

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

Successful participation in the exercise

Written exam (120 min)

  • 2 SWS Lecture
  • 2 SWS Exercise
Prerequisites according to examination regulations: Recommended prerequisites:

Cannot be attended together with “Datenbanken 1”

Media: Literature:

  • Datenbanken - Konzepte und Sprachen. Gunter Saake, Kai-Uwe Sattler, Andreas Heuer, March 2013, ISBN 3-8266-9453-8, MitpVerlag; Edition 5
  • Fundamentals of Database Systems. Ramez Elmasri, Shamkant B. Navathe, April 2010, ISBN 0-136-08620-9, Addison Wesley; Edition 6

Comments:

Database Concepts

Summer

(in German: Database Concepts )
Module-ID: FIN-INF-110489

Abbreviation

DB1_en

Credit Points

5

Semester

Summer

Term

Duration

1 Semester

Language

english

Level

Bachelor

Link: LSF
Limited accessability:
Responsibility: Gunter Saake
Lecturer: Gunter Saake
Classes:
  • Lecture Database Concepts
  • Exercise class Database Concepts
 
Applicability in curriculum: - B.Sc. INF (bilingual): Informatik I - Pflicht
- B.Sc. INF (bilingual): Kernmodule (SPO 2027)

Intended learning outcomes:
The students ...


Content:

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

Written exam (120 min)

  • 2 SWS Lecture
  • 2 SWS Exercise
Prerequisites according to examination regulations: Recommended prerequisites:

Cannot be attended together with “Datenbanken 1”

Media: Literature:

  • Datenbanken - Konzepte und Sprachen. Gunter Saake, Kai-Uwe Sattler, Andreas Heuer, March 2013, ISBN 3-8266-9453-8, MitpVerlag; Edition 5
  • Fundamentals of Database Systems. Ramez Elmasri, Shamkant B. Navathe, April 2010, ISBN 0-136-08620-9, Addison Wesley; Edition 6

Comments:

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:
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 ...


Inhalt:
Inhalte der Veranstaltung:

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 1

Winter

(engl. Database Concepts )

Modulnummer: FIN-INF-100391

Kürzel

DB1

CP

5

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Gunter Saake
Dozent:in: Gunter Saake
Lehrveranstaltungen:
  • Vorlesung Datenbanken 1
  • Übung Datenbanken 1
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: Anwenden - Pflicht
- B.Sc. WIF: Kernmodule (SPO 2027)
- B.Sc. INF (bilingual): Informatik I - Pflicht
- B.Sc. INF (bilingual): Kernmodule (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:

Arbeitsaufwand:
56 h Präsenz + 94 h selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Erfolgreicher Besuch der Übung

Schriftliche Prüfung (120 min)

  • 2 SWS Vorlesung
  • 2 SWS Übung

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

Kann nicht gleichzeitig mit dem Modul "Database Concepts" besucht werden


Medienformen: Literatur:


Datenbanken - Konzepte und Sprachen. Gunter Saake, Kai-Uwe Sattler, Andreas Heuer. März 2018, ISBN 978‐3‐95845‐777‐5; Mitp-Verlag; Auflage: 6

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 ...


Inhalt:

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:

Datenbanken 2

Sommer

Datenbankimplementierungstechniken

(engl. Database Implementation Techniques )

Modulnummer: FIN-INF-120531

Kürzel

DB II

CP

6

Semester

Sommer

Fachsem.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Gunter Saake
Dozent:in: Gunter Saake
Lehrveranstaltungen:
  • Vorlesung Datenbanken 2
  • Übung Datenbanken 2
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Data Processing for Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. VC: Computer Science

Angestrebte Lernergebnisse:


Inhalt:

Arbeitsaufwand:
56h Präsenz + 124h selbstständige ArbeitErfolgreiche Bearbeitung von Semesteraufgaben (Ausgabe zum Beginn des Semesters)

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Erfolgreiche Bearbeitung von Semesteraufgaben (Ausgabe zum Beginn des Semesters)

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:

Datenmanagement

Sommer

(engl. Datenmanagement )

Modulnummer: FIN-INF-100302

Kürzel

DM

CP

5

Semester

Sommer

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Eike Schallehn
Dozent:in: Eike Schallehn
Lehrveranstaltungen:
  • Vorlesung Datenmanagement
  • Übung Datenmanagement
Verwendbarkeit:

Angestrebte Lernergebnisse:
Die Lehrveranstaltung soll ein praxisorientiertes Verständnis von Datenbanksystemen und deren grundlegenden Konzepte vermitteln. Den Teilnehmern soll die Vorgehensweise zum Entwurf einer relationalen Datenbank vermittelt werden. Weiterhin sollen sie durch die Vermittlung von Kenntnissen der Datenbanksprache SQL und deren Anwendung zur Entwicklung von Datenbankanwendungen befähigt werden.

Inhalt:

Arbeitsaufwand:
56 Stunden Präsenz
94 Stunden selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Klausur 120 Minuten

  • Vorlesung 2 SWS
  • Übung 2 SWS

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

Decision Support Project

jedes

Development of a Group Decision-Making App

(engl. Decision Support Project )

Modulnummer: FIN-INF-120501

Kürzel

DSP

CP

6

Semester

jedes

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Graham Horton
Dozent:in: Graham Horton, Jana Görs
Lehrveranstaltungen: Wöchentliche Projektmeetings
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. INF: Schlüssel- und Methodenkompetenzen
- M.Sc. INF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. INF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. INF: Projekte (SPO 2027)
- M.Sc. INGINF: Informatik
- M.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Informatik
- M.Sc. WIF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. WIF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. WIF: Projekte (SPO 2027)

Angestrebte Lernergebnisse:
Absolvent*innen dieses Moduls ...


Inhalt:

Arbeitsaufwand:


Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Hausarbeit

2 SWS Projektmeeting

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

  • Interesse an der Konzeption eines Softwareprototyps durch Interviews mit einem Auftraggeber
  • Fähigkeit und Bereitschaft zur Teamarbeit
  • Programmiererfahrung, vorzugweise in C, C++, Javascript o.ä.
  • Interesse an der Verwirklichung von Forschungsergebnissen in Form eines praktischen Software-Tools

Medienformen: Literatur:


  • Jana Görs: Combinatorial Multicriteria Acceptability Analysis for IT-Supported Group Decisions: Detailed Analysis, Enhanced Metric and Efficient Consensus Building
  • Goers J, Horton G: Combinatorial multi-criteria acceptability analysis: a decision analysis and consensus-building approach for cooperative groups. Eur J Oper Res 308(1):243–254

Hinweise:
Der Erfolg bei diesem Modul hängt stark von der Qualität der Projekt- und Teamarbeit ab! Das Modul kann in den Studiengängen M-INF, M-WIF und M-INGINF auch als Wissenschaftliches Teamprojekt angerechnet werden. Die Anzahl Teilnehmer ist auf 18 beschränkt. Die Anmeldezeit bestimmt über die Aufnahme. Gruppenanmeldungen (drei Personen) werden bevorzugt. Die Teilnahme an der Auftaktveranstaltung ist Pflicht.

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 ...


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:


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...


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:

Design-Projekt

Sommer

(engl. Design Project )

Modulnummer: FIN-INF-120520

Kürzel

DSP

CP

6

Semester

Sommer

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Hans-Knud Arndt
Dozent:in: Hans-Knud Arndt
Lehrveranstaltungen:
  • Seminar Design Projekt
  • Übung Design Projekt
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. INF: Schlüssel- und Methodenkompetenzen
- M.Sc. INGINF: Informatik
- M.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Wirtschaftsinformatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Human Factors
- M.Sc. VC: Schlüssel- und Methodenkompetenzen

Angestrebte Lernergebnisse:
Absolvent*innen dieses Moduls...


Inhalt:

Arbeitsaufwand:
Präsenzzeiten:

Selbstständiges Arbeiten: 180h = 4 SWS = 56h Präsenzzeit + 124h selbstständige Arbeit
Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Hausarbeit

Seminar (2 SWS)
Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

Didaktik der Informatik II

jedes

(engl. Didactics of Computer Science II )

Modulnummer: FIN-INF-906377

Kürzel

DDI II

CP

10

Semester

jedes

Fachsem.

ab 2.

Dauer

2 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Dr. Henry Herper
Dozent:in: Dr. Henry Herper
Lehrveranstaltungen: Vorlesung Didaktik der Informatik II Übung Didaktik der Informatik II Praktikum des Unterrichtsfaches Informatik
Verwendbarkeit:

Angestrebte Lernergebnisse:
Die Studierenden


Inhalt:

Arbeitsaufwand:
300h gesamt/ 84h Präsenzzeit/ 216h Selbststudium

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

mündliche Prüfung

Vorlesung (2 SWS) Übung (2 SWS) Praktikum (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

Didaktik der Informatik I


Medienformen: Literatur:



Hinweise:

Digital Engineering Project

every

(in German: Digital Engineering Project )
Module-ID: FIN-INF-120463

Abbreviation

DE Project

Credit Points

12

Semester

every

Term

starting at 3.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Dean of studies
Lecturer: All professors of the FIN
Classes: Project Digital Engineering Project  
Applicability in curriculum: - M.Sc. DE: Digital Engineering-Projekt
- M.Sc. DE: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. DE: Projekte (SPO 2027)

Intended learning outcomes:
The students


Content:
In this project, students work together on an innovative, interdisciplinary task in teams of 2 to 5. This module is implemented by different teachers, so the subject matter varies.

Workload:
360 h self study

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

Project report and presentation

Project

Prerequisites according to examination regulations: Recommended prerequisites:

keine

Media: Literature:


Comments:
On application to the examinations committee, the Digital Engineering Project can be split into two sub-projects.

Digitalhandwerk

Winter

(engl. Digital craft )

Modulnummer: FIN-INF-120535

Kürzel

DHW

CP

6

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Hans-Knud Arndt
Dozent:in: Hans-Knud Arndt
Lehrveranstaltungen:
  • Seminar Digitalhandwerk
  • Übung Digitalhandwerk
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Wirtschaftsinformatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Human Factors

Angestrebte Lernergebnisse:
Absolvent*innen dieses Moduls...


Inhalt:
Die Teilnehmer*innen erlangen im Rahmen dieser Lehrveranstaltung einen künstlerisch-gestalterischen Einblick in die Informatik. Hierzu setzen Sie sich unter anderem mit den folgenden Themen auseinander:

Arbeitsaufwand:
56 h Präsenz
124h selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

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

Hausarbeit

Seminar (2 SWS)
Übung /2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

Distributed Data Management

Winter

(in German: Distributed Data Management )
Module-ID: FIN-INF-102404

Abbreviation

DDM

Credit Points

6

Semester

Winter

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Gunter Saake
Lecturer: Eike Schallehn
Classes:
  • Lecture Distributed Data Management
  • Exercise Distributed Data Management
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Data Processing for Data Science
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. VC: Computer Science

Intended learning outcomes:
The students ...


Content:

Workload:
56 h contact hours + 124 h self-study

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

To be eligible to take the exam, you must have completed certain prerequisites. Further details will be announced in the first lecture.

Written exam (120 min)

  • Vorlesung 2 SWS
  • Übung 2 SWS
Prerequisites according to examination regulations: Recommended prerequisites:

none

Database introduction course

Media: Literature:


Comments:

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:
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:


Inhalt:

Arbeitsaufwand:
56 h Präsenz + 94 h selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Wird in der ersten Vorlesung bekanntgegeben.

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

  • 2 SWS Vorlesung
  • 2 SWS Übung

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

Algorithmen und Datenstrukturen

Medienformen: Literatur:


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

Hinweise:

Einführung in Managementinformationssysteme

Sommer

(engl. Introduction to management information systems )

Modulnummer: FIN-INF-103315

Kürzel

EinfMIS

CP

5

Semester

Sommer

Fachsem.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

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

Angestrebte Lernergebnisse:
Absolvent*innen dieses Moduls...


Inhalt:

Arbeitsaufwand:
56h Präsenzzeit
94h selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

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

Klausur

Vorlesung (2 SWS)
Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

Einführung in die Wirtschaftsinformatik

Medienformen: Literatur:



Hinweise:

Einführung in die Computergraphik

Sommer

(engl. Introduction to Computer Graphics )

Modulnummer: FIN-INF-110512

Kürzel

CP

5

Semester

Sommer

Fachsem.

ab 2.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
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


Inhalt:

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 Informatik

Winter

(engl. Introduction to Computer Science )

Modulnummer: FIN-INF-110360

Kürzel

Einf. INF

CP

10

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Christian Rössl
Dozent:in: Christian Rössl
Lehrveranstaltungen:
  • Vorlesung Einführung in die Informatik
  • Übung Einführung in die Informatik
  • Tutorium Einführung in die Informatik
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 - Pflicht
- B.Sc. WIF: Kernmodule (SPO 2027)
- B.Sc. INF (bilingual): Informatik I - Pflicht
- B.Sc. INF (bilingual): Kernmodule (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden


Inhalt:

Arbeitsaufwand:


Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

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

Klausur 120 Minuten

  • Vorlesung (4 SWS)
  • Übung (2SWS)
  • Tutorium (1 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:


Überwiegend:

  • Saake & Sattler: Algorithmen und Datenstrukturen
Ergänzend:
  • Goodrich, Tamassia & Goldwasser: Data Structures and Algorithms in Java
  • Sedgewick & Wayne: Algorithms
  • Cormen, Leiserson, Rivest & Stein: Introduction to Algorithms

Hinweise:

Einführung in die Informatik (für BiBa)

Winter

for BiBa

(in German: Einführung in die Informatik (für BiBa) )
Module-ID: FIN-INF-110486

Abbreviation

IntroCS

Credit Points

10

Semester

Winter

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Bachelor

Link: LSF
Limited accessability:
Responsibility: PD Dr.-Ing. habil. Christian Krätzer
Lecturer: PD Dr.-Ing. habil. Christian Krätzer
Classes:
  • Lecture Introduction to Computer Science
  • Exercise Introduction to Computer Science
  • Tutorial Introduction to Computer Science
 
Applicability in curriculum: - B.Sc. INF (bilingual): Informatik I - Pflicht
- B.Sc. INF (bilingual): Kernmodule (SPO 2027)

Intended learning outcomes:
Students


Content:

Workload:


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

In order to take the exam, preliminary exam requirements must be met. Details will be announced in the first lecture.

Written exam 120 minutes

  • Lecture (4 SWS)
  • Exercise (2 SWS)
  • Tutorial (1 SWS)
Prerequisites according to examination regulations: Recommended prerequisites:

none

Media: Literature:

Basis:

  • Saake & Sattler: Algorithmen und Datenstrukturen
Additional material:
  • Goodrich, Tamassia & Goldwasser: Data Structures and Algorithms in Java

Comments:
Die Teilnahme an dieser Lehrveranstaltung ist beschränkt auf die Studierenden des FIN Studienganges “Bilingualer Bachelor Informatik” (BiBa)

Einführung in die Informatik - Algorithmen und Datenstrukturen I

Winter

für Bildungsstudiengänge

(engl. Introduction to Computer Science - Algorithms and Data Structures I )

Modulnummer: FIN-INF-914240

Kürzel

EAD I

CP

5

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Rita Freudenberg
Dozent:in: Rita Freudenberg
Lehrveranstaltungen: Vorlesung EAD I Übung EAD I
Verwendbarkeit:

Angestrebte Lernergebnisse:
Die Studierenden


Inhalt:

Arbeitsaufwand:
150h gesamt 56h Präsenzzeit / 94h Selbststudium

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Klausur 120 Minuten

Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

Einführung in die Informatik I

Winter

Algorithmen und Datenstrukturen für Bildungsstudiengänge

(engl. Introduction to Computer Science I )

Modulnummer: FIN-INF-914240

Kürzel

EAD I

CP

5

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Rita Freudenberg
Dozent:in: Rita Freudenberg
Lehrveranstaltungen: Vorlesung EAD I Übung EAD I
Verwendbarkeit:

Angestrebte Lernergebnisse:
Students


Inhalt:

Arbeitsaufwand:
150h total 56h attendance time / 94h self-study

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

written examination 120 minutes

Lecture (2 SWS) Exercise (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

none


Medienformen: Literatur:



Hinweise:

Einführung in die Wirtschaftsinformatik

Winter

(engl. Business Informatics (Introduction) )

Modulnummer: FIN-INF-110122

Kürzel

EWIF

CP

5

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

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

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:

Arbeitsaufwand:
42h Präsenzzeit + 108h selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

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

Hausarbeit

  • Vorlesung (2SWS)
  • Übung (2SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:


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

Hinweise:

Einführung in die Wissensrepräsentation

Winter

(engl. Introduction to knowledge representation )

Modulnummer: FIN-INF-110518

Kürzel

KR

CP

5

Semester

Winter

Fachsem.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
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 ...


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:

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 ...


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:


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:

Estimation for Autonomous Mobile Robots

Winter

(in German: Estimation for Autonomous Mobile Robots )
Module-ID: FIN-INF-120485

Abbreviation

AMR

Credit Points

6

Semester

Winter

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Prof. Dr.-Ing. Benjamin Noack
Lecturer: Prof. Dr.-Ing. Benjamin Noack
Classes:
  • Lecture Estimation for Autonomous Mobile Robots
  • Exercise Estimation for Autonomous Mobile Robots
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. INGINF: Informatik
- M.Sc. INGINF: Ingenieurinformatik
- M.Sc. WIF: Informatik
- M.Sc. WIF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Methoden des Digital Engineering
- M.Sc. DE: Methoden der Informatik
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. DE: Informatik Wahlpflicht (SPO 2027)
- M.Sc. DE: Digital Engineering (SPO 2027)
- M.Sc. DE: Engineering Specialization (SPO 2027)
- M.Sc. VC: Computer Science
- M.Sc. VC: Computer Science (SPO 2027)

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


Content:

Workload:
56 h contact time 124 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

Linear Algebra, Analysis

Media: Literature:

Literature will be announced in the lecture.

Comments:

Ethische Herausforderungen im Digitalen Zeitalter

Winter

(engl. Ethical Challenges in the Digital Age )

Modulnummer: FIN-INF-140010

Kürzel

CP

5

Semester

Winter

Fachsem.

ab 3.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Andreas Nürnberger
Dozent:in: Dr. Karl Teille (extern)
Lehrveranstaltungen: Vorlesung Ethische Herausforderungen im Digitalen Zeitalter
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: Schlüssel- und Methodenkompetenzen
- B.Sc. INGINF: FIN SMK
- B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen
- B.Sc. INF (bilingual): FIN SMK

Angestrebte Lernergebnisse:
Am Ende der VL können die Studierenden:


Inhalt:

Arbeitsaufwand:
90h Präsenz + 60h selbstständiges Arbeiten

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

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

Vorlesung 2 SWS

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

Evolutionary Multi-Objective Optimization

Summer

(in German: Evolutionary Multi-Objective Optimization )
Module-ID: FIN-INF-120469

Abbreviation

EMO

Credit Points

6

Semester

Summer

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Sanaz Mostaghim
Lecturer: Sanaz Mostaghim
Classes:
  • Lecture Evolutionary Multi-Objective Optimization
  • Exercises Evolutionary Multi-Objective Optimization
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Learning Methods and Models for Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. VC: Computer Science

Intended learning outcomes:
The students...


Content:
In our daily life, we are inevitably involved in optimization. How to get to the university in the least time is a simple optimization problem that we encounter every morning. Just looking around ourselves, we can see many examples of optimization problems, even with conflicting objectives and higher complexities. It is natural to want everything to be as good as possible, in other words optimal. The difficulty arises when there are conflicts between different goals and objectives. Indeed, there are many real-world optimization problems with multiple conflicting objectives in science and industry, which are of great complexity. We call them Multi-objective Optimization Problems.
Over the past decade, many new ideas have been investigated and studied to solve such optimization problems as any new development in optimization which can lead to a better solution of a particular problem is of considerable value to science and industry. Among these methods, evolutionary algorithms are shown to be quite successful and have been applied to many applications. This course addresses the basic and advanced topics in the area of evolutionary multi-objective optimization and contains the following content:

Workload:
56 h contact time + 124 h self study

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

Written exam (120 Min) Exercises

  • 2 SWS lecture
  • 2 SWS exercise class
Prerequisites according to examination regulations: Recommended prerequisites:

none

Media: Literature:

  • Deb, Kalyanmoy. Multi-Objective Optimization Using Evolutionary Algorithms, Wiley, 2001.
  • Coello, Carlos A. Coello, Gary B. Lamont, and David A. Van Veldhuizen. Evolutionary algorithms for solving multi-objective problems. Vol. 5. New York: Springer, 2007.
  • Miettinen, Kaisa. Nonlinear multiobjective optimization. Vol.12. Springer Science & Business Media, 2012.
  • Ehrgott, Matthias. Multicriteria optimization. Vol. 491. Springer Science & Business Media, 2005.
  • Kruse, Rudolf, et al. Computational intelligence: a methodological introduction. Springer, 2016.

Comments:

Filmseminar Informatik und Ethik

Winter

(engl. Film Seminar - Computer Science and Ethics )

Modulnummer: FIN-INF-120294

Kürzel

CP

6

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Gunter Saake
Dozent:in: Eike Schallehn
Lehrveranstaltungen:
  • Seminar Filmseminar Informatik und Ethik
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. WIF: Schlüssel- und Methodenkompetenzen
- M.Sc. VC: Computer Science

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:
Diskussion von Fragen der Ethik informationstechnischer Anwendungen, wie z.B.

Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Referat

Seminar (4 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

Umfangreiche Kenntnisse von Grundlagen und Anwendungen von Informationssystemen

Medienformen: Literatur:



Hinweise:

Flow Visualization

Summer

(in German: Flow Visualization )
Module-ID: FIN-INF-120261

Abbreviation

FlowVis

Credit Points

6

Semester

Summer

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Holger Theisel
Lecturer: Holger Theisel
Classes:
  • Vorlesung Flow Visualization
  • Übung Flow Visualization
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. VC: Visual Computing

Intended learning outcomes:
The students


Content:

Workload:
56 contact hours + 124h self study

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

oral exam

  • 2 SWS lecture
  • 2 SWS exercise class
Prerequisites according to examination regulations: Recommended prerequisites:

keine

Einführung in die Computergraphik oder Computer Graphics - an Introduction

Media: Literature:


Comments:

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:
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 ...


Inhalt:

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 ...


Inhalt:

Arbeitsaufwand:


Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Prüfungsvorleistung erforderlich, wird zu Semesterbeginn bekanntgegeben;

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

  • asynchrone Vorlesung (2 SWS)
  • Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

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

Medienformen: Literatur:


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

Hinweise:

Grundlagen der Computer Vision

Sommer

(engl. Introduction to Computer Vision )

Modulnummer: FIN-INF-110304

Kürzel

GRCV

CP

5

Semester

Sommer

Fachsem.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Sebastian von Enzberg
Dozent:in: Sebastian von Enzberg
Lehrveranstaltungen: Vorlesung Grundlagen der Computer Vision Projekt Grundlagen der Computer Vision
Verwendbarkeit: - B.Sc. CV: Computervisualistik - Pflicht

Angestrebte Lernergebnisse:
Die Studierenden:


Inhalt:
Inhalt

Arbeitsaufwand:
150h = 4SWS = 56h Präsenzzeit + 94h selbstständige Arbeit, Präsenzzeiten: 2 SWS Vorlesung, 2 SWS Projekttreffen Selbstständige Arbeit: Projektplanung und Umsetzung in Teams, Vorbereitung der Projektpräsentation, Vor- und Nachbearbeitung des Vorlesungsstoffs

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Prüfungsvorleistung wird zu Beginn der Veranstaltung bekanntgegeben.

  • Benotet: Mündliche Prüfung
  • Unbenotet: Projektarbeit

Vorlesung (2 SWS) Projekttreffen (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

Einführung in die Informatik, lineare Algebra, Grundkenntnisse des Maschinellen Lernens

Medienformen: Literatur:



Hinweise:

Grundlagen der Informatik für Ingenieure

Winter

(engl. Grundlagen der Informatik für Ingenieure )

Modulnummer: FIN-INF-110473

Kürzel

GIF

CP

5

Semester

Winter

Fachsem.

ab 1.

Dauer

2 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Eike Schallehn
Dozent:in: Eike Schallehn
Lehrveranstaltungen:
  • Vorlesung Grundlagen der Informatik für Ingenieure
  • Übung Grundlagen der Informatik für Ingenieure
Verwendbarkeit:

Angestrebte Lernergebnisse:
Absolvent*innen dieses Moduls...


Inhalt:
Die Teilnehmer*innen behandeln folgende Themen:

Arbeitsaufwand:
56 Stunden Präsenzzeit
94 Stunden selbsständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Zulassung aus dem Bereich der Übungen, Bedingungen werden zu Beginn der Veranstaltung bekanntgegeben.

Klausur 120 Minuten

  • Vorlesung 2 SWS
  • Übung (im Wintersemester 1 SWS, im Sommersemster 2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

Grundlagen der Informatik für Ingenieure - PNK

Sommer

Grundlagen der Informatik für Wissenschaftliche Anwendungen

(engl. Computational Foundations )

Modulnummer: FIN-INF-908618

Kürzel

GIF-PNK

CP

5

Semester

Sommer

Fachsem.

ab 2.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Eike Schallehn
Dozent:in: Eike Schallehn
Lehrveranstaltungen:
  • Vorlesung Grundlagen der Informatik für Ingenieure - PNK
  • Übung Grundlagen der Informatik für Ingenieure - PNK
Verwendbarkeit:

Angestrebte Lernergebnisse:
Absolvent*innen dieses Moduls...


Inhalt:

Arbeitsaufwand:
56 Stunden Präsenzzeit
94 Stunden selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Zulassung aus dem Bereich der Übungen, Bedingungen werden zu Beginn der Veranstaltung bekanntgegeben.

Klausur 120 Minuten

  • Vorlesung 2 SWS
  • Übung 2 SWS

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

Grundlagen der Theoretischen Informatik

Winter

(engl. Introduction to the Theory of Computation )

Modulnummer: FIN-INF-110105

Kürzel

GThI

CP

5

Semester

Winter

Fachsem.

ab 3.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Prof. Dr. Stefan Schirra
Dozent:in: Prof. Dr. Stefan Schirra
Lehrveranstaltungen:
  • Vorlesung Grundlagen der Theoretischen Informatik
  • Übung Grundlagen der Theoretischen Informatik
Verwendbarkeit: - B.Sc. INF: Mathematik / Theoretische Informatik
- B.Sc. INF: Aufbaumodule (SPO 2027)
- B.Sc. CV: Mathematik / Theoretische Informatik
- B.Sc. CV: Computervisualistik Pflicht (SPO 2027)
- B.Sc. INGINF: Mathematik / Theoretische Informatik
- B.Sc. INGINF: Ingenieurinformatik Pflicht (SPO 2027)
- B.Sc. WIF: Verstehen und Gestalten - Wahlpflicht
- B.Sc. WIF: Informatik Wahlpflicht (SPO 2027)
- B.Sc. INF (bilingual): Mathematik / Theoretische Informatik
- B.Sc. INF (bilingual): Aufbaumodule (SPO 2027)

Angestrebte Lernergebnisse:


Inhalt:

Arbeitsaufwand:


Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Erfolgreiche Teilnahme an den Übungen, d.h. für je 4 aufeinanderfolgende Übungsblätter 50% der Aufgaben erfolgreich votieren (siehe moodle und Vorlesung) und mindestens einmal erfolgreich eine eigene Lösung präsentieren

Klausur 120 Minuten (schriftliche Prüfung)

  • Vorlesung (3 SWS )
  • Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:


  • Hopcroft, Motwani, Ullmann; Einführung in der Automatentheorie, Formale Sprachen und Komplexitätstheorie
  • Lewis, Papadimitriou; Elements of the Theory of Computation
  • Sipser; Theory of Computation.

Hinweise:

Grundlagen der Theoretischen Informatik

Winter

(in German: Grundlagen der Theoretischen Informatik )
Module-ID: FIN-INF-110493

Abbreviation

Credit Points

5

Semester

Winter

Term

Duration

1 Semester

Language

english

Level

Bachelor

Link: LSF
Limited accessability:
Responsibility: Tetiana Lavynska
Lecturer: Tetiana Lavynska
Classes:
  • Lecture Introduction to the Theory of Computation
  • Exercise Introduction to the Theory of Computation
 
Applicability in curriculum: - B.Sc. INF (bilingual): Mathematik / Theoretische Informatik
- B.Sc. INF (bilingual): Aufbaumodule (SPO 2027)

Intended learning outcomes:


Content:

Workload:
70h contact hours + 80h self study

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

Exam preparation: Successful participation in the exercises (see lecture)

Written exam 120 minutes

Lecture (3 SWS) Exercise (2 SWS)

Prerequisites according to examination regulations: Recommended prerequisites:

none

Media: Literature:

  • Hopcroft, Motwani, Ullmann; Einführung in der Automatentheorie, Formale Sprachen und Komplexitätstheorie
  • Lewis, Papadimitriou; Elements of the Theory of Computation
  • Sipser; Theory of Computation.

Comments:

Grundlagen der Theoretischen Informatik II

Sommer

(engl. Introduction to the Theory of Computation II )

Modulnummer: FIN-INF-110118

Kürzel

GThI 2

CP

5

Semester

Sommer

Fachsem.

ab 4.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Prof. Dr. Stefan Schirra
Dozent:in: Prof. Dr. Stefan Schirra
Lehrveranstaltungen:
  • Vorlesung Grundlagen der Theoretischen Informatik II
  • Übung Grundlagen der Theoretischen Informatik II
Verwendbarkeit: - B.Sc. INF: Mathematik / Theoretische Informatik
- 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: Verstehen und Gestalten - Wahlpflicht
- B.Sc. WIF: Informatik Wahlpflicht (SPO 2027)
- B.Sc. INF (bilingual): Mathematik / Theoretische Informatik
- B.Sc. INF (bilingual): Aufbaumodule (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden haben erweiterte Fähigkeiten, komplexe Probleme hinsichtlich Berechenbarkeit und Komplexität beurteilen und klassifizieren zu können.

Inhalt:

Arbeitsaufwand:
56h Präsenzzeit 94h selbstständige Arbeit (Bearbeiten der Übungsaufgaben Nachbereitung der Vorlesungen)

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Erfolgreiche Teilnahme an den Übungen, d.h. für je 4 aufeinanderfolgende Übungsblätter 50% der Aufgaben erfolgreich votieren

Klausur 120 Min (schriftliche Prüfung)

  • Vorlesung (2 SWS)
  • Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

Grundlagen der Theoretischen Informatik

Medienformen: Literatur:


  • Sipser; Theory of Computation
  • Kozen; Automata and Computability

Hinweise:
Auch dieses Modul ist zwei Lehrstühlen zugeordnet, die es abwechselnd bedienen

Grundlagen der Theoretischen Informatik II

Summer

(in German: Grundlagen der Theoretischen Informatik II )
Module-ID: FIN-INF-110494

Abbreviation

Credit Points

5

Semester

Summer

Term

Duration

1 Semester

Language

english

Level

Bachelor

Link: LSF
Limited accessability:
Responsibility: Tetiana Lavynska
Lecturer: Tetiana Lavynska
Classes:
  • Lecture Introduction to the Theory of Computation II
  • Exercise Introduction to the Theory of Computation II
 
Applicability in curriculum: - B.Sc. INF (bilingual): Mathematik / Theoretische Informatik
- B.Sc. INF (bilingual): Aufbaumodule (SPO 2027)

Intended learning outcomes:
Students have advanced skills in assessing and classifying complex problems in terms of calculability and complexity.

Content:

Workload:
56h contact hours + 94h self study (working on the exercises and following up on the lectures)

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

Exam admission prerequisites: Successful participation in the exercises (see lecture)

Written exam 120 min

  • Lecture (2 SWS)
  • Exercise (2 SWS)
Prerequisites according to examination regulations: Recommended prerequisites:

none

Introduction to the Theory of Computation

Media: Literature:

  • Sipser; Theory of Computation
  • Kozen; Automata and Computability

Comments:

Grundlagen der Theoretischen Informatik III

Winter

(M.Sc.)

(engl. Introduction to the Theory of Computation III )

Modulnummer: FIN-INF-110464

Kürzel

GThI 3

CP

6

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Prof. Dr. Stefan Schirra
Dozent:in: Prof. Dr. Stefan Schirra
Lehrveranstaltungen:
  • Vorlesung Grundlagen der Theoretischen Informatik III
  • Übung Grundlagen der Theoretischen Informatik III
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. INF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. WIF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. VC: Computer Science

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

Inhalt:

Arbeitsaufwand:
56h Präsenzzeit + 124h selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Aktive Teilnahme an der Veranstaltung. Im Unterschied zur B.Sc. Variante muss mindestens einmal eine eigene Lösung zu einer Übungsaufgabe vorgestellt werden.

Klausur 120 Minuten

  • Vorlesung (3 SWS)
  • Übung (1 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

Grundlagen der Theoretischen Informatik I + II (Bachelor)

Medienformen: Literatur:


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

Hinweise:

Grundlagen der Theoretischen Informatik III

Winter

(B.Sc.)

(engl. Introduction to the Theory of Computation III )

Modulnummer: FIN-INF-110464

Kürzel

GThI 3

CP

5

Semester

Winter

Fachsem.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

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

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

Inhalt:

Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Aktive Teilnahme an der Veranstaltung

Klausur (schriftlich) 120 Minuten

  • Vorlesung (3 SWS)
  • Übung (1 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

Grundlagen der Theoretischen Informatik und Grundlagen der Theoretischen Informatik II (Bachelor)

Medienformen: Literatur:


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

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

Grundlagen des Maschinellen Lernens

Sommer

(engl. Introduction to Machine Learning )

Modulnummer: FIN-INF-110482

Kürzel

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 ...


Inhalt:

Arbeitsaufwand:
56h Präsenz + 94h selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

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

  • 2 SWS Vorlesung
  • 2 SWS Übung

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

Grundzüge der Algorithmischen Geometrie

Sommer

(engl. Basic Introduction to Computational Geometry )

Modulnummer: FIN-INF-110117

Kürzel

GzAG

CP

5

Semester

Sommer

Fachsem.

ab 4.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

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

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:

Arbeitsaufwand:
56h Präsenzzeit 94h selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

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

Klausur 120 Minuten

  • Vorlesung (3 SWS)
  • Übung (1 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

Algorithmen und Datenstrukturen

Medienformen: Literatur:


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

Hinweise:

Hochintegrierte Enterprise Systeme

Winter

(engl. Highly Integrated Enterprise Systems )

Modulnummer: FIN-INF-110477

Kürzel

HES

CP

5

Semester

Winter

Fachsem.

ab 3.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

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

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:

Arbeitsaufwand:


Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Hausarbeit

  • Vorlesung (2 SWS)
  • Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

Human-Centred Manufacturing and Usability

Sommer

HCAMU

(in German: Human-Centred Manufacturing and Usability )
Module-ID: FIN-INF-120512

Abbreviation

HCMU

Credit Points

6

Semester

Sommer

Term

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Ernesto William De Luca
Lecturer: Marianna Ciccarelli
Classes: Lecture/Exercise: Human-Centred Manufacturing and Usability  
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. VC: Computer Science

Intended learning outcomes:
The students ...


Content:
The course aims to provide both theoretical and practical skills for the evaluation and design of safe, efficient, and human-centered work environments. It will cover key concepts related to health and safety in industrial settings, with a particular focus on risk prevention and the integration of human resources into Industry 4.0 processes. Special attention will be given to the principles of Human-Centered Design and Human-Centered Manufacturing, with an introduction to occupational ergonomics and methods for analyzing physical and cognitive ergonomics. The course will also explore risk assessment methodologies, including applications in human-robot collaboration, as well as user-machine interaction paradigms and usability concepts. Learning activities are supported by hands-on exercises in ergonomic analysis and usability testing.

Workload:


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

Written report (Hausarbeit)

4 SWS Lecture/Exercise

Prerequisites according to examination regulations: Recommended prerequisites:

keine

Media: Literature:


Comments:

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:
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 ...


Inhalt:

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-Security of Cyber-Physical Systems

Winter

(engl. IT-Security of Cyber-Physical Systems )

Modulnummer: FIN-INF-120457

Kürzel

ITS-CPS

CP

6

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Prof. Dr.-Ing. Jana Dittmann
Dozent:in: Prof. Dr.-Ing. Jana Dittmann
Lehrveranstaltungen:
  • Vorlesung IT-Security of Cyber-Physical Systems
  • Projekt IT-Security of Cyber-Physical Systems
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. INF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. WIF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. DKE: Applied Data Science
- M.Sc. VC: Computer Science
- M.Sc. VC: Computer Science (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden


Inhalt:
Aktuelle Herausforderungen und Erarbeitung von Lösungen zur IT Sicherheit am Beispiel von einem technischen Anwendungsfall:

Arbeitsaufwand:
Projektvorlesung zu ausgewählten technischen Themen der IT Sicherheit; Vergabe eines anspruchsvollen Themas zu selbständigen Bearbeitung und Lösung einer gestellten Aufgabe 4 SWS = 2V + 2Ü (Labor) Arbeitsaufwand: 180h (56 h Präsenzzeit + 124 h 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) Projekt (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

Sichere Systeme, Algorithmen und Datenstrukturen, Grundlagen der Technischen Informatik

Medienformen: Literatur:



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

IT-Softwareprojekt KMD

every

(engl. IT-Software project KMD )

Modulnummer: FIN-INF-110525

Kürzel

Softproj_KMD

CP

5

Semester

every

Fachsem.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Myra Spiliopoulou
Dozent:in: Myra Spiliopoulou
Lehrveranstaltungen: Softwareprojekt Softproj_KMD
Verwendbarkeit: - 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

Angestrebte Lernergebnisse:
DEUTSCH: Beim erfolgreichen Abschluss von diesem Projekt können die Studierenden:

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

Inhalt:
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.

Arbeitsaufwand:
DEUTSCH:

ENGLISCH:
Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / 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)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

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

Medienformen: Literatur:


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

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

IT-Softwareprojekt 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:
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:

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

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:

ENGLISCH:
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 ...


Inhalt:

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.

In-Memory und Cloud-Technologien

Winter

(in German: In-Memory und Cloud-Technologien )
Module-ID: FIN-INF-120506

Abbreviation

IMCloud

Credit Points

6

Semester

Winter

Term

starting at 1.

Duration

2 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Hon. Prof. Dr. Alexander Zeier
Lecturer: Hon. Prof. Dr. Alexander Zeier
Classes:
  • Vorlesung In-Memory und Cloud-Technologien 1
  • Vorlesung In-Memory und Cloud-Technologien 2
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Data Processing for Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. VC: Computer Science

Intended learning outcomes:
Die Studierenden ...


Content:
In-Memory Technologie und Anwendungen mit Focus auf SAP HANA:

Workload:
Präsenzzeiten = 56 h:


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

Eine mündliche Prüfung am Ende des Kurses

Vorlesung (4SWS)

Prerequisites according to examination regulations: Recommended prerequisites:

keine

  • Datenbanken I
  • Datenbanken II
Media: Literature:

Plattner, H., Zeier, A.: In-Memory Data Management: Technology and Applications, Springer Verlag, 2. Auflage, Mai 2012, ISBN 978-3642295744 Whitepaper HANA on Intel: Three Steps to Reinvent Your Enterprise as a Digital Disrupter†von Prof. Dr. Alexander Zeier & Intel CTO Enterprise Ed Goldman, 2016. Cloud Computing, Blog (July 2020) zu Digital Decoupling. Title: Trapped by legacy systems, CIOs look for a way out https://www.accenture.com/us-en/blogs/cloud-computing/zeier-digitaldecoupling-sap-google-cloud

Comments:
Start jeweils zum Wintersemester.

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 ...


Content:

Workload:
56h contact time + 94h self study

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

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

  • 2 SWS Lecture
  • 2 SWS Exercise class
Prerequisites according to examination regulations: Recommended prerequisites:

keine

Media: Literature:

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

Comments:

Informationstechnologie in Organisationen

Sommer

(engl. Information Technology in Organisations )

Modulnummer: FIN-INF-110124

Kürzel

ITO

CP

5

Semester

Sommer

Fachsem.

ab 3.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

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

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

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

Inhalt:

Arbeitsaufwand:


Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Votierung - min Anzahl von Punkten während der Lehrveranstaltung

Schriftliche Prüfung - Klausur (120 min)

  • Vorlesung (2 SWS)
  • Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:


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

  • BUCH D: ‘Digitalisierung in Industrie, Handels- und Dienstleistungsunternehmen’ Lars Fend & Jürgen Hofmann (eds), 3. Auflage, SPRINGER GABLER
  • BUCH T: ‘Tools des Maschinellen Lernens: Marktstudie, Anwendungsbereiche & Lösungen der Künstlichen Intelligenz’ Marcus Grum, Eldar Sultanow, Daniel Friedmann, André Ullrich, Norbert Gronau (2020)
sowie:
  • BUCH L: 'An Introduction to Statistical Learning - with Applications in R' Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani (2021), 2nd edition, SPRINGER;
    Kapitel 3, Abschnitte 3.1 & 3.4. https://doi.org/10.1007/978-1-0716-1418-1
Weitere zitierte Literatur, zusätzliche Fallstudien und wissenschaftliche Artikel erscheinen in den jeweiligen Veranstaltungsblocks.

Hinweise:

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 ...


Inhalt:

Arbeitsaufwand:
Präsenzzeit = 56 Stunden:

Selbständige Arbeit = 94 Stunden:
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:
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, ...


Inhalt:

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:

Interdisziplinäres Teamprojekt

jedes

(engl. Interdisciplinary Team Project )

Modulnummer: FIN-INF-120462

Kürzel

ITP

CP

6

Semester

jedes

Fachsem.

ab 2.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Studiendekan:in der FIN
Dozent:in: Dozenten der FIN
Lehrveranstaltungen: Projekt Interdisziplinäres Teamprojekt
Verwendbarkeit: - M.Sc. DE: Interdisziplinäres Team-Projekt
- M.Sc. DE: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. DE: Projekte (SPO 2027)

Angestrebte Lernergebnisse:
Nach Abschluss des Moduls können die Studierenden …


Inhalt:
Dieses Modul wird von unterschiedlichen Hochschullehrern implementiert. Die fachlichen Inhalte sind daher angebotsspezifisch.

Arbeitsaufwand:
180h = Betreute Projektarbeit, Teamarbeit, Selbststudium und Präsentationen

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Wissenschaftliches Projekt

Projekt

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

Internes Rechnungswesen

Sommer

(engl. Internes Rechnungswesen )

Modulnummer: FIN-INF-999854

Kürzel

CP

5

Semester

Sommer

Fachsem.

ab 4.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Fakultät für Wirtschaftswissenschaften
Dozent:in: Fakultät für Wirtschaftswissenschaften
Lehrveranstaltungen: Vorlesung Internes Rechnungswesen Hörsaalübung Internes Rechnungswesen
Verwendbarkeit: - B.Sc. WIF: Wirtschaftswissenschaften Pflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden


Inhalt:

Arbeitsaufwand:
56 h Präsenz 94 h Selbststudium (inkl. Prüfungsleistung)

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Klausur

2 SWS Vorlesung 2 SWS Hörsaalübung

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

Introduction to Computer Graphics

Winter

(in German: Introduction to Computer Graphics )
Module-ID: FIN-INF-999808

Abbreviation

Credit Points

5

Semester

Winter

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Holger Theisel
Lecturer: Holger Theisel
Classes: Lecture Introduction to Computer Graphics Exercise Introduction to Computer Graphics  
Applicability in curriculum: - M.Sc. VC: Visual Computing

Intended learning outcomes:
The students


Content:

Workload:
56h contact time + 94h self study

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

oral examination

  • 2 SWS Lecture
  • 2 SWS Exercise
Prerequisites according to examination regulations: Recommended prerequisites:

none

Einführung in die Informatik (Introduction to Computer Science)

Media: Literature:

  • 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

Comments:
It is not allowed to take this module and Computer Graphics - an Introduction as well.

Introduction to Computer Science for Engineers

Winter

(in German: Introduction to Computer Science for Engineers )
Module-ID: FIN-INF-120440

Abbreviation

ICSE

Credit Points

6

Semester

Winter

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Bachelor

Link: LSF
Limited accessability:
Responsibility: Dr. Christian Braune
Lecturer: Dr. Christian Braune
Classes:
  • Lecture Introduction to Computer Science for Engineers
  • Exercise class Introduction to Computer Science for Engineers
 
Applicability in curriculum: - M.Sc. DE: Grundlagen Informatik
- M.Sc. DE: Informatik Grundlagen (SPO 2027)

Intended learning outcomes:
Students who finish this course


Content:
Introduction to:

Workload:
180 h (70 h contact hours + 110 h complementary reading and realization of the exercises/assignments)

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

Prerequisites for admission: successful completion of assignments (voting & assessment). Details will be explained during the first lecture.

Written examination, 120 min

Lecture (2 SWS) Exercise (2 SWS)

Prerequisites according to examination regulations: Recommended prerequisites:

keine

Media: Literature:

Computer Science - An Interdisciplinary Approach, R. Sedgewick and K. Wayne, Addison-Wesley, 2016, ISBN 0-13-407642-7 Algorithms, 4th Edition, R. Sedgewick and K. Wayne, Addison-Wesley, 2011, ISBN 0-321-57351-X Data Structures and Algorithm in Java, 6th Edition, M.T. Goodrich and R. Tamassia and M.H. Goldwasser, Wiley, 2014, ISBN 1-118-77133-4

Comments:

Introduction to Deep Learning

Summer

(in German: Introduction to Deep Learning )
Module-ID: FIN-INF-120521

Abbreviation

IDL

Credit Points

6

Semester

Summer

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Sebastian Stober
Lecturer: Sebastian Stober
Classes:
  • Lecture Introduction to Deep Learning
  • Exercise class Introduction to Deep Learning
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Learning Methods and Models for Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. VC: Computer Science

Intended learning outcomes:
Students ...


Content:

Workload:


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

Exam requirements: participation and active involvement in the course and the exercises (defined in the 1st lecture and published on the course website) Final exam: written (120 minutes) Schein: pass final exam (at least 4.0)

  • Lecture (2 SWS)
  • Exercise (2 SWS)
Prerequisites according to examination regulations: Recommended prerequisites:

keine

Machine Learning (required)

Media: Literature:

Ian Goodfellow, Yoshua Bengio & Aaron Courville: "Deep Learning", MIT Press, 2016.

Comments:

Introduction to Distributed Sensor Data Fusion

Summer

(in German: Introduction to Distributed Sensor Data Fusion )
Module-ID: FIN-INF-120497

Abbreviation

SDF

Credit Points

6

Semester

Summer

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

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: - M.Sc. INF: Informatik
- M.Sc. INF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. INGINF: Informatik
- M.Sc. INGINF: Ingenieurinformatik
- M.Sc. WIF: Informatik
- M.Sc. WIF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Methoden des Digital Engineering
- M.Sc. DE: Methoden der Informatik
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. VC: Computer Science
- M.Sc. VC: Computer Science (SPO 2027)

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


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 124 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 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 ...


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:


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 Machine Learning Safety

Sommer

(engl. Introduction to Machine Learning Safety )

Modulnummer: FIN-INF-120532

Kürzel

MLS

CP

6

Semester

Sommer

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Prof. Dr. Frank Ortmeier
Dozent:in: Prof. Dr. Frank Ortmeier, Konstantin Kirchheim
Lehrveranstaltungen: Vorlesung Introduction to Machine Learning Safety Übung Introduction to Machine Learning Safety
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Learning Methods and Models for Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. VC: Computer Science

Angestrebte Lernergebnisse:


Inhalt:

Arbeitsaufwand:


Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Teilnahme an der Übung

Hausarbeit

Übung (2 SWS) Vorlesung (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

Introduction to Deep Learning

Medienformen: Literatur:



Hinweise:

Introduction to Machine Learning Safety

Sommer

(in German: Introduction to Machine Learning Safety )
Module-ID: FIN-INF-120532

Abbreviation

MLS

Credit Points

6

Semester

Sommer

Term

ab 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Prof. Dr. Frank Ortmeier
Lecturer: Prof. Dr. Frank Ortmeier, Konstantin Kirchheim
Classes: Vorlesung Introduction to Machine Learning Safety Übung Introduction to Machine Learning Safety  
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Learning Methods and Models for Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. VC: Computer Science

Intended learning outcomes:


Content:

Workload:


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

Teilnahme an der Übung

Hausarbeit

Übung (2 SWS) Vorlesung (2 SWS)

Prerequisites according to examination regulations: Recommended prerequisites:

keine

Introduction to Deep Learning

Media: Literature:


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 ...


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

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:

Introduction to Simulation

Winter

(in German: Introduction to Simulation )
Module-ID: FIN-INF-120345

Abbreviation

ItS

Credit Points

6

Semester

Winter

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Graham Horton
Lecturer: Graham Horton
Classes:
  • Lecture Introduction to Simulation
  • Exercise class Introduction to Simulation
 
Applicability in curriculum: - M.Sc. DKE: Fundamentals of Data Science
- M.Sc. DE: Grundlagen Informatik
- M.Sc. DE: Informatik Grundlagen (SPO 2027)

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


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

Workload:
56 contact hours + 124 h self study

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

2h written exam

  • 2 SWS lecture
  • 2 SWS exercise class
Prerequisites according to examination regulations: Recommended prerequisites:

keine

Basic engineering mathematics

Media: Literature:

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

Comments:

KI in Unternehmen

Sommer

Einsatzbereiche und ethische Implikationen

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

Modulnummer: FIN-INF-110504

Kürzel

KIU

CP

5

Semester

Sommer

Fachsem.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

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

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:

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


Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Referat

Seminar

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

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

Medienformen: Literatur:


Literatur wird in der ersten Veranstaltung für die einzelnen Seminarthemen bereitgestellt

Hinweise:

Learning Generative Models

Winter

(in German: Learning Generative Models )
Module-ID: FIN-INF-120522

Abbreviation

LGM

Credit Points

6

Semester

Winter

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Sebastian Stober
Lecturer: Sebastian Stober
Classes:
  • Lecture Learning Generative Models
  • Exercise class Learning Generative Models
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Learning Methods and Models for Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. VC: Computer Science

Intended learning outcomes:
Students can ..


Content:

Workload:
56 contact hours + 124h self study

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

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

  • 2 SWS lecture
  • 2 SWS exercise class
Prerequisites according to examination regulations: Recommended prerequisites:

keine

Introduction to Deep Learning or Deep Learning für Ingenieure (required)

Media: Literature:

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

Comments:

Learning Generative Models

Winter

(in German: Learning Generative Models )
Module-ID: FIN-INF-110519

Abbreviation

LGM

Credit Points

5

Semester

Winter

Term

starting at 3.

Duration

1 Semester

Language

english

Level

Bachelor

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

Intended learning outcomes:
Students can ..


Content:

Workload:
56 contact hours + 94h self study

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

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

  • 2 SWS lecture
  • 2 SWS exercise class
Prerequisites according to examination regulations: Recommended prerequisites:

keine

Deep Learning für Ingenieure

Media: Literature:

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

Comments:

Logik

Sommer

(in German: Logik )
Module-ID: FIN-INF-110492

Abbreviation

Logic

Credit Points

5

Semester

Sommer

Term

starting at 2.

Duration

1 Semester

Language

english

Level

Bachelor

Link: LSF
Limited accessability:
Responsibility: Martin Glauer
Lecturer: Martin Glauer
Classes:
  • Lecture Logic
  • Exercise Logic
 
Applicability in curriculum: - B.Sc. INF (bilingual): Mathematik / Logik
- B.Sc. INF (bilingual): Aufbaumodule (SPO 2027)

Intended learning outcomes:
Students can


Content:

Workload:
Attendance time: 14 x 4 hours = 56 hours Independent follow-up work on the lecture: 94 hours

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

2/3 of the exercises voted

120 minute written exam

  • Lecture (2 SWS)
  • Exercise (2 SWS)
Prerequisites according to examination regulations: Recommended prerequisites:

none

Media: Literature:

- J. Barwise, J. Etchemendy: Language, Proof and Logic.

Comments:

Logik

Summer

(engl. Logic )

Modulnummer: FIN-INF-110103

Kürzel

Logik

CP

5

Semester

Summer

Fachsem.

ab 2.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Fabian Neuhaus
Dozent:in: Fabian Neuhaus
Lehrveranstaltungen: In Deutsch / In German
  • Vorlesung Logik
  • Übung Logik
In Englisch / In English
  • Lecture Logik
  • Exercise Logik
Verwendbarkeit: - B.Sc. INF: Mathematik / Logik
- B.Sc. INF: Aufbaumodule (SPO 2027)
- B.Sc. CV: Mathematik / Logik
- B.Sc. CV: Computervisualistik Pflicht (SPO 2027)
- B.Sc. INGINF: Mathematik / Logik
- B.Sc. INGINF: Ingenieurinformatik Pflicht (SPO 2027)
- B.Sc. INF (bilingual): Mathematik / Logik
- B.Sc. INF (bilingual): Aufbaumodule (SPO 2027)
- B.Sc. WIF: Informatik Pflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden können


Inhalt:

Arbeitsaufwand:


Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

2 Drittel der Übungsaufgaben votiert

  • Klausur 120 Min.

  • Vorlesung (2 SWS)
  • Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:


  • J. Barwise, J. Etchemendy: Sprache, Beweis und Logik.
  • Dassow : Logik für Informatiker
  • Schöning : Logik für Informatiker
  • J. Kelly: Logik (im Klartext)

Hinweise:

Logik 2

Winter

(engl. Logic 2 )

Modulnummer: FIN-INF-0

Kürzel

Logik2

CP

10

Semester

Winter

Fachsem.

ab 4.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor,Master

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

Angestrebte Lernergebnisse:


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

Arbeitsaufwand:


Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

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

Mündliche Prüfung

Übung 2 SWS Vorlesung 2 SWS

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

Erfolgreicher Abschluss des Modul Logik bzw. fundiertes Wissen im Bereich der Themen des Moduls"Logik.

Medienformen: Literatur:



Hinweise:
Anmeldung via E-Learning-Plattform

MLOps for Small Language Model Applications

Winter

(in German: MLOps for Small Language Model Applications )
Module-ID: FIN-INF-120515

Abbreviation

LLMOps

Credit Points

9

Semester

Winter

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Prof. Dr. Klaus Turowski, Dr.-Ing. Abdulrahman Nahhas
Lecturer: Prof. Dr. Klaus Turowski, Dr.-Ing. Abdulrahman Nahhas
Classes: Vorlesung + Übung + Tutorial  
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Wirtschaftsinformatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. VC: Computer Science

Intended learning outcomes:
Students ...


Content:
The generalization and standardization of the Large Language Model Operations (LLMOps) life cycle is crucial for the effective adoption and management of Large Language Models (LLMs) in a business context. In many cases, the lifecycle of an LLM solution does not end with the delivery an initial solution; rather, subsequent model improvement, operation, monitoring, and maintenance have become essential parts of this process. At this point, sophisticated paradigms and methods are required to facilitate the continuous development and operation of these systems while preventing errors, failures, and other disruptions. The course is designed to teach the fundamentals, as well as provide initial practical experience in the development of LLM solutions and technologies, in conjunction with dedicated cloud-native technologies and an emphasis on small LLMs (SML) that are edge-suitable, may be operated on premise, or are ressource-efficient. In addition to the theoretical basics, essential concepts and technologies are discussed and applied that enable the continuous improvement, integration, delivery, and testing of LLM solutions for business problems.

Workload:
Attendance:
21 h lecture / 63 h exercise Independent work: 207 h

  1. Preparation and follow-up of lecture & exercise
  2. Development of an LLM-based sotution following LLMLOps practicies to address a business problems
9 x30h (63 h attendance time + 207 h independent work)
Pre-examination requirements: Type of examination: Teaching method / lecture hours per week (SWS):

Report

Vorlesung (2 SWS) Übung (2 SWS)

Prerequisites according to examination regulations: Recommended prerequisites:

  1. VLBA: Systemarchitectures or 2. VLBA Cloud DevOps Technologies or 3. Version control systems, DevOps practicies (CI/CD), Containerization technologies, and python.

  1. VLBA: Systemarchitectures or 2. VLBA Cloud DevOps Technologies or 3. Version control systems, DevOps practicies (CI/CD), Containerization technologies, and python.
Media: Literature:


Comments:

Machine Learning

Winter

(in German: Machine Learning )
Module-ID: FIN-INF-120517

Abbreviation

ML

Credit Points

6

Semester

Winter

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Andreas Nürnberger
Lecturer: Andreas Nürnberger
Classes:
  • Lecture Machine Learning
  • Exercise class Machine Learning
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Fundamentals of Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. VC: Computer Science

Intended learning outcomes:
Students ...


Content:

Workload:
56 contact hours + 124h self study

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

Written exam (also for pass/fail grade). Requirements for exam participation will be announced in the first week of the course in class and online.

  • Lecture (2 SWS)
  • Exercise class (2 SWS)
Prerequisites according to examination regulations: Recommended prerequisites:

keine

Algorithmen und Datenstrukturen

Media: Literature:


Comments:
Can only be credited if the module "Grundlagen des Maschinellen Lernens" has not been credited already.

Management of Global Large IT-Systems in International Companies

Summer

(in German: Management of Global Large IT-Systems in International Companies )
Module-ID: FIN-INF-120315

Abbreviation

MGLIIC

Credit Points

6

Semester

Summer

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Gunter Saake
Lecturer: Karl-Albert Bebber, Wolfgang Stockhausen
Classes:
  • Block lecture Management of Global Large IT-Systems in International Companies
  • Block Exercise class Management of Global Large IT-Systems in International Companies
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Wirtschaftsinformatik
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Human Factors
- M.Sc. DE: Methoden der Informatik
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. VC: Computer Science

Intended learning outcomes:
Students are able to …


Content:

Workload:
56 contact hours + 124 h self study

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

Requirements for exam admission will be announced in the first lecture

Written Exam (120 min)

  • 2 SWS Blockvorlesung
  • 2 SWS Blockübung
Prerequisites according to examination regulations: Recommended prerequisites:

keine

Knowledge about IT-Systems and Business administration

Media: Literature:


Comments:

Marketing

Sommer

(engl. Marketing )

Modulnummer: FIN-INF-999853

Kürzel

CP

5

Semester

Sommer

Fachsem.

ab 4.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Fakultät für Wirtschaftswissenschaften
Dozent:in: Fakultät für Wirtschaftswissenschaften
Lehrveranstaltungen: Vorlesung Marketing Hörsaalübung Marketing
Verwendbarkeit: - B.Sc. WIF: Wirtschaftswissenschaften Pflicht (SPO 2027)

Angestrebte Lernergebnisse:
Nach dem erfolgreichen Absolvieren des Moduls haben die Studierenden


Inhalt:

Arbeitsaufwand:
56 h Präsenz 94 h Selbststudium inkl. Prüfungsleistung

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Klausur

2 SWS Vorlesung 2 SWS Hörsaalübung

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:


Esch, F. R. (2024). Strategie und Technik der Markenführung (10th ed.). Vahlen, Franz. https://permalink.obvsg.at/AC16821843 Homburg, C. (2020a). Grundlagen des Marketingmanagements: Einführung in Strategie, Instrumente, Umsetzung und Unternehmensführung (6th ed.). Springer eBook Collection. Springer Gabler. https://doi.org/10.1007/978- 3-658-29638-4 Homburg, C. (2020b). Marketingmanagement: Strategie - Instrumente - Umsetzung - Unternehmensführung (7th ed.). Springer Gabler.https://doi.org/10.1007/978-3-658-29636-0 T Sarstedt, M., & Mooi, E. (2019). A Concise Guide to Market Research: The Process, Data, and Methods Using IBM SPSS Statistics (3.th ed.). Springer. Scharf, A., Schubert, B., & Hehn, P. (2022). Marketing: Einführung in Theorie und Praxis (7th ed.). SchäfferPoeschel Verlag für Wirtschaft SteuernRecht GmbH. Weiterführende Literatur bzw. Ergänzungen werden im Laufe der Lehrveranstaltung bekannt gegeben.

Hinweise:

Masterarbeit

jedes

(engl. Masters Thesis )

Modulnummer: FIN-INF-999997

Kürzel

CP

30

Semester

jedes

Fachsem.

ab 3.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Studiendekan:in der FIN
Dozent:in: Alle Dozenten der FIN
Lehrveranstaltungen: keine
Verwendbarkeit: - M.Sc. INF: Masterarbeit
- M.Sc. INGINF: Masterarbeit
- M.Sc. WIF: Masterarbeit
- M.Sc. DKE: Masterarbeit
- M.Sc. DE: Masterarbeit
- M.Sc. VC: Masterarbeit

Angestrebte Lernergebnisse:
Nach Abschluss des Moduls können die Studierenden …


Inhalt:
Durch die Bearbeitung der Masterarbeit entwickeln die Studierenden eine eigenständige Lösung und erwerben dadurch detailliertes und kritisches Verständnis in einem Spezialbereich der Informatik. Das Thema der Masterarbeit kann aus aktuellen Forschungsvorhaben der Institute oder aus betrieblichen Problemstellungen mit wissenschaftlichem Charakter abgeleitet werden. Dieses Modul wird von unterschiedlichen Hochschullehrern implementiert. Die fachlichen Inhalte sind daher angebotsspezifisch.

Arbeitsaufwand:


Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Masterarbeit und Verteidigung

selbstständige Arbeit, Verteidigung

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

Nachweis von 60 CP bzw. 90 CP aus den Schwerpunktbereichen (siehe SPO des Studienganges)


Medienformen: Literatur:



Hinweise:

Masterarbeit

jedes

(in German: Masterarbeit )
Module-ID: FIN-INF-999997

Abbreviation

Credit Points

30

Semester

jedes

Term

ab 3.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Studiendekan:in der FIN
Lecturer: Alle Dozenten der FIN
Classes: keine  
Applicability in curriculum: - M.Sc. INF: Masterarbeit
- M.Sc. INGINF: Masterarbeit
- M.Sc. WIF: Masterarbeit
- M.Sc. DKE: Masterarbeit
- M.Sc. DE: Masterarbeit
- M.Sc. VC: Masterarbeit

Intended learning outcomes:
Nach Abschluss des Moduls können die Studierenden …


Content:
Durch die Bearbeitung der Masterarbeit entwickeln die Studierenden eine eigenständige Lösung und erwerben dadurch detailliertes und kritisches Verständnis in einem Spezialbereich der Informatik. Das Thema der Masterarbeit kann aus aktuellen Forschungsvorhaben der Institute oder aus betrieblichen Problemstellungen mit wissenschaftlichem Charakter abgeleitet werden. Dieses Modul wird von unterschiedlichen Hochschullehrern implementiert. Die fachlichen Inhalte sind daher angebotsspezifisch.

Workload:


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

Masterarbeit und Verteidigung

selbstständige Arbeit, Verteidigung

Prerequisites according to examination regulations: Recommended prerequisites:

Nachweis von 60 CP bzw. 90 CP aus den Schwerpunktbereichen (siehe SPO des Studienganges)

Media: Literature:


Comments:

Medical Visualization

Summer

(in German: Medical Visualization )
Module-ID: FIN-INF-102622

Abbreviation

MedVis

Credit Points

6

Semester

Summer

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Bernhard Preim
Lecturer: Gabriel Mistelbauer
Classes:
  • Lecture Medical Visualization
  • Exercise class Medical Visualization
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. VC: Visual Computing

Intended learning outcomes:
Students ...


Content:

Workload:
56 contact hours + 124 h self study

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

Oral exam

  • 2 SWS lecture
  • 2 SWS exercise class
Prerequisites according to examination regulations: Recommended prerequisites:

none

Lecture Visualization

Media: Literature:

  • B. Preim und D. Bartz: Visualization in Medicine, Morgan Kaufman, San Francisco, 2006Preim,
  • Botha: Visual Computing for Medicine, 2nd Edition, , Morgan Kaufman, San Francisco, 2013

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


Inhalt:

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 ...


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

Workload:


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:

Modellierung

Winter

(engl. Modeling )

Modulnummer: FIN-INF-110127

Kürzel

Mod

CP

5

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Dr.-Ing. Daniel Staegemann
Dozent:in: Dr.-Ing. Daniel Staegemann
Lehrveranstaltungen:
  • Vorlesung Modellierung
  • Übung Modellierung
Verwendbarkeit: - B.Sc. INF: Informatik I - Pflicht
- B.Sc. CV: Informatik I - Pflicht
- B.Sc. INGINF: Informatik I - Pflicht
- B.Sc. WIF: Gestalten - Pflicht
- B.Sc. INF (bilingual): Informatik I - Pflicht

Angestrebte Lernergebnisse:
Studierende ...


Inhalt:

Arbeitsaufwand:


Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Benotete und unbenotete schriftliche Prüfung, 120 Min.

  • Vorlesung (2 SWS)
  • Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:


Kecher, C. (2011): UML 2 – Das umfassende Handbuch. 4. Aufl. Reisig, W. (1998): Systementwurf mit Netzen. Berlin u. a.

Hinweise:

Modellierung

Winter

(in German: Modellierung )
Module-ID: FIN-INF-110488

Abbreviation

Credit Points

5

Semester

Winter

Term

Duration

1 Semester

Language

english

Level

Bachelor

Link: LSF
Limited accessability:
Responsibility: n.b.
Lecturer: n.b.
Classes:
  • Lecture Modeling
  • Exercise Modeling
 
Applicability in curriculum: - B.Sc. INF (bilingual): Informatik I - Pflicht
- B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Intended learning outcomes:
Students ...


Content:

Workload:


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

Graded und ungraded written examination, 120 Min.

  • Lecture (2 SWS)
  • Exercise (2 SWS)
Prerequisites according to examination regulations: Recommended prerequisites:

keine

Media: Literature:

Kecher, C. (2011): UML 2 – Das umfassende Handbuch. 4. Aufl. Reisig, W. (1998): Systementwurf mit Netzen. Berlin u. a.

Comments:

Modellierungstechnik und Softwareprojekt

Winter

(engl. Modeling Technology and Software Project )

Modulnummer: FIN-INF-906375

Kürzel

MSP

CP

5

Semester

Winter

Fachsem.

ab 3.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Dr. Henry Herper
Dozent:in: Dr. Henry Herper
Lehrveranstaltungen: Vorlesung Modellierung und Softwareprojekt Übung Modellierung und Softwareprojekt
Verwendbarkeit:

Angestrebte Lernergebnisse:
Die Studierenden


Inhalt:

Arbeitsaufwand:
150h gesamt/ 56h Präsenzzeit/ 94h Selbststudium

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

mündliche Prüfung

Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

erfolgreiche Teilnahme an EAD I und EAD II

Medienformen: Literatur:



Hinweise:

Multimedia and Security

Sommer

(engl. Multimedia and Security )

Modulnummer: FIN-INF-120458

Kürzel

MMSEC

CP

6

Semester

Sommer

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Prof. Dr. Jana Dittmann
Dozent:in: Prof. Dr. Jana Dittmann
Lehrveranstaltungen:
  • Vorlesung Mediensicherheit
  • Übung Mediensicherheit
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. INF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. WIF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. VC: Computer Science
- M.Sc. VC: Computer Science (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:

Arbeitsaufwand:
56 h Präsenzzeit + 124 h selbstständige Arbeit

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


Medienformen: Literatur:



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

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 ...


Inhalt:

Arbeitsaufwand:


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:

Musik Information Retrieval

Winter

(engl. Music Information Retrieval )

Modulnummer: FIN-INF-120516

Kürzel

MIR

CP

6

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Sebastian Stober
Dozent:in: Sebastian Stober
Lehrveranstaltungen:
  • Vorlesung Musik Information Retrieval
  • Übung Musik Information Retrieval
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. VC: Computer Science

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:

Arbeitsaufwand:


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:

Narrative Visualization

Summer

(in German: Narrative Visualization )
Module-ID: FIN-INF-120523

Abbreviation

NarVis

Credit Points

3

Semester

Summer

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Bernhard Preim
Lecturer: Bernhard Preim
Classes: Seminar Narrative Visualization  
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Human Factors
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. VC: Visual Computing

Intended learning outcomes:
Students ...


Content:

Workload:
28 h contact hours + 152 h self study

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

Referat

2 SWS Seminar

Prerequisites according to examination regulations: Recommended prerequisites:

keine

Module Visualization

Media: Literature:


Comments:

Neuro-Symbolic Integration

Winter

(in German: Neuro-Symbolic Integration )
Module-ID: FIN-INF-120536

Abbreviation

NeSy

Credit Points

6

Semester

Winter

Term

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Martin Glauer
Lecturer: Martin Glauer
Classes:
  • Lectures
  • Exercise Classes
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. WIF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. DKE: Learning Methods and Models for Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. DE: Informatik Wahlpflicht (SPO 2027)
- M.Sc. VC: Computer Science
- M.Sc. VC: Computer Science (SPO 2027)

Intended learning outcomes:
Die Absolvent:innen vertiefen die Inhalte der Lehrveranstaltungen Logik und Intelligente Systeme, indem sie lernen, wie diese zu Neuro-Symbolischen Methoden kombiniert werden können. Hierfür werden neuste Forschungsinhalte aus diesem Gebiet vorgestellt und hinsichtlich der Eignung bestimmter Problemstellungen untersucht. Somit lernen Absolvent:innen komplexe Aufgaben aus der Schnittstelle von Anwendung und Forschung selbstständig zu bewältigen. In den Übungen werden auch offene Aufgaben gestellt, bei denen die eigenen Ergebnisse erklärt und kritisch bewertet und ggf alternative Ansätze vorgeschlagen werden sollen. Die Teilnehmenden können so eigene Ideen einbringen und erlangen detailliertes und kritisches Verständnis der Methoden der neuro-symbolischen Integration.

Content:

Workload:
Total: 180 h


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

  • Active participations during the exercise sessions
  • Voting for exercise tasks

Schriftliche Prüfung/Klausur bzw. elektronische Prüfung (written exam)

Lecture (2 SWS) Exercise (2 SWS)

Prerequisites according to examination regulations: Recommended prerequisites:

keine

Logik/Logic Intelligente Systeme/Intelligent Systems Deep Learning Programming experience (e.g. in Python)

Media: Literature:


Comments:

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:
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...


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:


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:

Praktikum IT Sicherheit

jedes

(engl. Praktikum IT-Security )

Modulnummer: FIN-INF-120291

Kürzel

P-ITSEC

CP

6

Semester

jedes

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Prof. Dr.-Ing. Jana Dittmann
Dozent:in: PD Dr.-Ing. habil. Christian Krätzer
Lehrveranstaltungen: Wissenschaftliches Projekt Praktikum IT-Sicherheit
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. INF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. WIF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. DE: Interdisziplinäres Team-Projekt
- M.Sc. DE: Digital Engineering-Projekt
- M.Sc. VC: Computer Science
- M.Sc. VC: Computer Science (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:
Praktikum als Wissenschaftliches Projekt mit Erarbeitung eines Demonstrators als Einzel- oder Teamprojekt:

Arbeitsaufwand:


Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

keine

Hausarbeit (Beschreibung der erarbeiteten Lösung und der zugehörigen Evaluationsergebnisse)

Wissenschaftliches Projekt (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



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

Praxisphase im letzten Semester (dual)

jedes

(engl. Internship )

Modulnummer: FIN-INF-9999992

Kürzel

CP

18

Semester

jedes

Fachsem.

ab 3.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Studiendekan:in der FIN
Dozent:in: Dozenten der FIN
Lehrveranstaltungen: keine
Verwendbarkeit: - B.Sc. INF: Abschlussmodule
- B.Sc. INGINF: Abschlussmodule

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:
Arbeitgeberspezifisch

Arbeitsaufwand:
480 h Praxiszeit + 60 h Hausarbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Unbenotete Hausarbeit

Praxisphase außerhalb der Fakultät für Informatik

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

Principles and Practices of Scientific Work and Soft Skills

Summer

(in German: Principles and Practices of Scientific Work and Soft Skills )
Module-ID: FIN-INF-120502

Abbreviation

PPSW

Credit Points

6

Semester

Summer

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: PD Dr. Claudia Krull
Lecturer: PD Dr. Claudia Krull
Classes:
  • Lecture PPSW
  • Exercise PPSW
 
Applicability in curriculum: - M.Sc. DKE: Fundamentals of Data Science
- M.Sc. DE: Human Factors
- M.Sc. DE: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. INF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. WIF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. VC: Schlüssel- und Methodenkompetenz (SPO 2027)

Intended learning outcomes:


Content:
The course covers the following topics, among others:

The project and term paper topic can be related to an ongoing research project or be used for Master’s thesis preparation.

Workload:
40 h in person teaching 140 h independent work

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

participation in all classes
completion of assignments
keeping all deadlines

Report

Lecture (2 SWS) Exercise (2 SWS)

Prerequisites according to examination regulations: Recommended prerequisites:

keine

Media: Literature:


Comments:
participation is limited to 40

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:
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, ...


Inhalt:

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:

Propädeutikum Informatik

Winter

(engl. Introductory Course in Computer Science )

Modulnummer: FIN-INF-999820

Kürzel

Alle Hochschullehrer:innen

CP

5

Semester

Winter

Fachsem.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Studiendekan:in der FIN
Dozent:in: Alle Hochschullehrer:innen
Lehrveranstaltungen: Praktikum Propädeutikum Informatik
Verwendbarkeit: - B.Sc. INF: Aufbaumodule (SPO 2027)
- B.Sc. CV: Computervisualistik Pflicht (SPO 2027)
- B.Sc. INGINF: Ingenieurinformatik Pflicht (SPO 2027)
- B.Sc. INF (bilingual): Aufbaumodule (SPO 2027)

Angestrebte Lernergebnisse:
Nach erfolgreicher Teilnahme können die Studierenden…


Inhalt:
Das Modul verbindet drei Stränge. Den ersten bildet die Vorstellung der Arbeitsgruppen der Fakultät: An jedem Termin präsentieren sich zwei Arbeitsgruppen mit ihren Forschungsschwerpunkten, ihrem Lehrangebot, möglichen Themen für Projekt- und Abschlussarbeiten sowie den daraus erwachsenden Karrierewegen. Ergänzt wird dies durch exemplarische Einblicke in laufende Forschungsarbeiten und durch die Frage, wofür die Inhalte der Grundlagenmodule im weiteren Studium gebraucht werden. Der zweite Strang vermittelt in praktischen, am eigenen Rechner nachvollzogenen Sequenzen die Werkzeuge des wissenschaftlichen und praktischen Arbeitens: Textsatz und Dokumentenerstellung mit LaTeX, Typst, Markdown/Pandoc und Overleaf; die Kommandozeile mit Dateisystem, Kommandos, Umlenkung und einfacher Skripterstellung; die Kollaborations- und Infrastrukturdienste der Fakultät (Mattermost, GitLab und Git, BigBlueButton, Nextcloud) sowie die Einrichtung der eigenen Arbeitsumgebung einschließlich grundlegender Backup-Praktiken. Der dritte Strang stellt die Informatik in ihren rechtlichen, gesellschaftlichen und organisatorischen Kontext. Behandelt werden Urheberrecht und geistiges Eigentum, die Open-Source-Idee und die gängigen Lizenzfamilien mit ihren Konsequenzen für eigene Projekte; Medienkompetenz, Datenschutz und Datensicherheit bis hin zu signierter und verschlüsselter Kommunikation; die historische Perspektive auf das Fach mit Beiträgen von Ada Lovelace, Grace Hopper und den „Hidden Figures“, daran anschließend Diversität in der Informatik und Bias in informatischen Systemen, etwa in Spracherkennung und Bildverarbeitung; schließlich die Rolle von Informatiker/-innen im KI-Zeitalter und in interdisziplinären Entwicklungsteams sowie Nachhaltigkeitsaspekte informatischer Systeme. Zur Studienorganisation stellen sich die Fachschaft (FaRaFIN) und die zuständigen Beauftragten vor und informieren über Auslandsaufenthalte, Gleichstellungs- und Förderangebote, Familienfreundlichkeit, Nachteilsausgleiche und Härtefallregelungen.

Arbeitsaufwand:
56h Präsenz und 94h Selbststudium

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Keine

Anwesenheit als Prüfungsvorleistung für Bachelorarbeit

Praktikum (2×2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

Prozessmanagement

Winter

(engl. Process Management )

Modulnummer: FIN-INF-102624

Kürzel

PZM

CP

6

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Hans-Knud Arndt
Dozent:in: Hans-Knud Arndt
Lehrveranstaltungen:
  • Vorlesung Prozessmanagement
  • Übung Prozessmanagement
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. WIF: Wirtschaftsinformatik
- M.Sc. DKE: Applied Data Science

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:

Arbeitsaufwand:
Präsenzzeiten:

Selbstständiges Arbeiten: 180h = 4 SWS = 56h Präsenzzeit + 124h selbstständige Arbeit
Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Das erfolgreiche Absolvieren der Semesteraufgabe ermöglicht den Studierenden die Teilnahme an der mündlichen Prüfung

Mündliche Prüfung

Vorlesung (2 SWS)
Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

Kenntnisse zu Methoden und Werkzeugen in Bereich von Managementinformationssystemen (z.B. durch Veranstaltung: Einführung in Managementinformationssysteme)

Medienformen: Literatur:


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

Hinweise:

Qualitätsmanagementsysteme

Winter

(engl. Systems for Quality Management )

Modulnummer: FIN-INF-102625

Kürzel

QMS

CP

6

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Hans-Knud Arndt
Dozent:in: Hans-Knud Arndt
Lehrveranstaltungen:
  • Vorlesung Qualitätsmanagementsysteme
  • Übung Qualitätsmanagementsysteme
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. WIF: Wirtschaftsinformatik
- M.Sc. DKE: Applied Data Science

Angestrebte Lernergebnisse:
Absolvent*Innen dieses Moduls ...


Inhalt:

Arbeitsaufwand:
Präsenzzeiten:

Selbstständiges Arbeiten: 180h = 4 SWS = 56h Präsenzzeit + 124h selbstständige Arbeit
Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Das erfolgreiche Absolvieren der Semesteraufgabe ermöglicht den Studierenden die Teilnahme an der mündlichen Prüfung

Mündliche Prüfung

Vorlesung (2 SWS)
Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

Kenntnisse zu Methoden und Werkzeugen in Bereich von Managementinformationssystemen (z.B. durch Veranstaltung: Einführung in Managementinformationssysteme)

Medienformen: Literatur:


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

Hinweise:

Recent Topics in Business Informatics

every

(in German: Recent Topics in Business Informatics )
Module-ID: FIN-INF-120318

Abbreviation

RTBI

Credit Points

6

Semester

every

Term

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Prof. Dr. Klaus Turowski
Lecturer: Dr. Daniel Staegemann , Abdulrahman Nahhas
Classes: Seminar RTBI  
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INF: Schlüssel- und Methodenkompetenzen
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Wirtschaftsinformatik
- M.Sc. WIF: Schlüssel- und Methodenkompetenzen
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Human Factors
- M.Sc. DE: Methoden der Informatik
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. VC: Computer Science

Intended learning outcomes:
Students ...


Content:

Workload:
presence = 40 hr.:

40 h lecture with integrated exercise
independent work = 140 hr:
Follow-up of the lecture, write paper and review, and present paper.

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

Referat

Seminar (4SWS)

Prerequisites according to examination regulations: Recommended prerequisites:

none

Basics of scientific writing

Media: Literature:


Comments:

Recommenders - Bachelorseminar

Summer

Topics of Recommenders

(in German: Recommenders - Bachelorseminar )
Module-ID: FIN-INF-110522

Abbreviation

RECSYS-SEM-5

Credit Points

5

Semester

Summer

Term

ab 4.

Duration

1 Semester

Language

english

Level

Bachelor

Link: LSF
Limited accessability:
Responsibility: Myra Spiliopoulou
Lecturer: Myra Spiliopoulou
Classes: Seminar 'Topics in Recommenders'  
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 module, the students have acquired soft skills and technical expertise as follows:

and have thus acquired skills they need in order to select recommendation tools and to design workflows that train, evaluate and apply a recommender.

Content:
The course consists of two blocks:

Workload:


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

Referat

Seminar (2 SWS)

Prerequisites according to examination regulations: Recommended prerequisites:

keine

  • At least in the 4th semester
  • Machine Learning
  • Data Mining
  • Introduction to Deep Learning
  • Advanced English skills
Media: Literature:

  • Literature for Block 1: selected chapters from the 'Recommender Systems Handbook' in the editions:
    • Recommender Systems Handbook by Francesco Ricci, Lior Rokach and Bracha Shapira (editors), SPRINGER (2015), 2nd edition, https://doi.org/10.1007/978-1-4899-7637-6
    • Recommender Systems Handbook by Francesco Ricci, Lior Rokach and Bracha Shapira (editors), SPRINGER (2022), 3rd edition, https://doi.org/10.1007/978-1-0716-2197-4
    • Further cited literature, including scientific articles and use cases are cited at the beginning of each unit.
  • Literature for Block 2: the papers for the seminar assignments will be announced during the course

Comments:

Recommenders - Master level

Summer

Learning Methods and Evaluation Methods for Recommenders

(in German: Recommenders - Master level )
Module-ID: FIN-INF-120525

Abbreviation

RECSYS-M

Credit Points

9

Semester

Summer

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Myra Spiliopoulou
Lecturer: Myra Spiliopoulou
Classes:
  • Lecture Recommenders
  • Exercise class Recommenders
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Wirtschaftsinformatik
- M.Sc. DKE: Learning Methods and Models for Data Science
- M.Sc. DE: Methoden des Digital Engineering
- M.Sc. DE: Methoden der Informatik
- M.Sc. VC: Computer Science

Intended learning outcomes:
When successfully completing this module, the students have acquired soft skills and technical expertise, as follows: SOFT SKILLS: They

TECHNICAL EXPERTISE: They and have thus acquired skills they need in order to critically appreciate off-the-shelf or state-of-the-art methods and to design workflows that encompass recommender learning, tuning and evaluation

Content:
The course consists of two blocks:

Workload:


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

A minimum number of points must be achieved during the classes

Schriftliche Prüfung (Klausur)

  • Vorlesung (2 SWS) - Lecture class (2 hours-per-week)
  • Übung (2 SWS) - Exercise class (2 hours-per-week)
Prerequisites according to examination regulations: Recommended prerequisites:

keine

  • Data Mining I
  • Machine Learning
  • Data Mining II
  • Introduction to Deep Learning
  • Advanced English skills
  • Reading of scientific papers, as acquired eg in a bachelor seminar
Media: Literature:

  • Literature for Block 1: selected chapters from the 'Recommender Systems Handbook' in the editions:
    • Recommender Systems Handbook by Francesco Ricci, Lior Rokach and Bracha Shapira (editors), SPRINGER (2015), 2nd edition, https://doi.org/10.1007/978-1-4899-7637-6
    • Recommender Systems Handbook by Francesco Ricci, Lior Rokach and Bracha Shapira (editors), SPRINGER (2022), 3rd edition, https://doi.org/10.1007/978-1-0716-2197-4
    • Further cited literature, including scientific articles and use cases are cited at the beginning of each unit.
  • Literature for Block 2: the papers for the discussions in class will be announced during the course

Comments:

Schlüsselkompetenzen Grundlagen

Winter

vorher Schlüsselkompetenzen I&II

(engl. Soft Skills Basics )

Modulnummer: FIN-INF-110110

Kürzel

SchlüKo

CP

5

Semester

Winter

Fachsem.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: PD Dr. Claudia Krull
Dozent:in: PD Dr. Claudia Krull
Lehrveranstaltungen: In Deutsch / In German
  • Vorlesung Schlüsselkompetenzen Grundlagen
In Englisch / In English
  • Lecture Soft Skills Basics
(Die Sprachvarianten alternieren jährlich. Im Wintersemester 205/26 findet die englische Variante statt.)
Verwendbarkeit: - B.Sc. INF: Schlüssel- und Methodenkompetenzen
- B.Sc. INF: Kernmodule (SPO 2027)
- B.Sc. CV: Schlüssel- und Methodenkompetenzen
- B.Sc. CV: Kernmodule (SPO 2027)
- B.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- B.Sc. INGINF: Kernmodule (SPO 2027)
- B.Sc. WIF: Schlüssel- und Methodenkompetenzen
- B.Sc. WIF: Kernmodule (SPO 2027)
- B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen
- B.Sc. INF (bilingual): Kernmodule (SPO 2027)

Angestrebte Lernergebnisse:


Inhalt:

Arbeitsaufwand:


Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Klausur, 120 min

Vorlesung (4 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:

Videos der Vorlesungen sind in Deutsch und Englisch für alle Teilnehmer verfügbar


Hinweise:
Sprache jetzt deutsch und englisch, abwechselnd live und mit Videos in beiden Sprachen. Weitere Informationen siehe www.sim.ovgu.de

Schlüsselkompetenzen Grundlagen

Winter

vorher Schlüsselkompetenzen I&II

(in German: Schlüsselkompetenzen Grundlagen )
Module-ID: FIN-INF-1101102

Abbreviation

SchlüKo

Credit Points

5

Semester

Winter

Term

Duration

1 Semester

Language

english

Level

Bachelor

Link: LSF
Limited accessability:
Responsibility: PD Dr. Claudia Krull
Lecturer: PD Dr. Claudia Krull
Classes: In Deutsch / In German
  • Vorlesung Schlüsselkompetenzen Grundlagen
In Englisch / In English
  • Lecture Soft Skills Basics
(Die Sprachvarianten alternieren jährlich. Im Wintersemester 2025/26 findet die englische Variante statt.)  
Applicability in curriculum: - B.Sc. INF: Schlüssel- und Methodenkompetenzen
- B.Sc. INF: Kernmodule (SPO 2027)
- B.Sc. CV: Schlüssel- und Methodenkompetenzen
- B.Sc. CV: Kernmodule (SPO 2027)
- B.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- B.Sc. INGINF: Kernmodule (SPO 2027)
- B.Sc. WIF: Schlüssel- und Methodenkompetenzen
- B.Sc. WIF: Kernmodule (SPO 2027)
- B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen
- B.Sc. INF (bilingual): Kernmodule (SPO 2027)

Intended learning outcomes:


Content:

Workload:


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

Written exam, 120 min

Lecture (4 SWS)

Prerequisites according to examination regulations: Recommended prerequisites:

none

Media: Literature:

Videos der Vorlesungen sind in Deutsch und Englisch für alle Teilnehmer verfügbar


Comments:
Language now German and English, alternating live and with videos in both languages. For further information see www.sim.ovgu.de

Schlüsselkompetenzen Grundlagen (dual)

Winter

vorher Schlüsselkompetenzen I&II (dual)

(engl. Soft Skills Basics (dual) )

Modulnummer: FIN-INF-110110

Kürzel

SchlüKo

CP

5

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: PD Dr. Claudia Krull
Dozent:in: PD Dr. Claudia Krull
Lehrveranstaltungen: In Deutsch / In German
  • Vorlesung Schlüsselkompetenzen Grundlagen
In Englisch / In English
  • Lecture Soft Skills Basics
(Die Sprachvarianten alternieren jährlich. Im Wintersemester 205/26 findet die englische Variante statt.)
Verwendbarkeit: - B.Sc. INF: Schlüssel- und Methodenkompetenzen
- B.Sc. INF: Kernmodule (SPO 2027)
- B.Sc. CV: Schlüssel- und Methodenkompetenzen
- B.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- B.Sc. INGINF: Kernmodule (SPO 2027)
- B.Sc. WIF: Schlüssel- und Methodenkompetenzen
- B.Sc. WIF: Kernmodule (SPO 2027)

Angestrebte Lernergebnisse:


Inhalt:

Arbeitsaufwand:


Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

  • Referat in Kooperation mit dem Praxispartner

Klausur, 120 min

Vorlesung (4 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:

Videos der Vorlesungen sind in Deutsch und Englisch für alle Teilnehmer verfügbar


Hinweise:
Sprache jetzt deutsch und englisch, abwechselnd live und mit Videos in beiden Sprachen. Weitere Hinweise siehe www.sim.ovgu.de

Schlüsselkompetenzen Grundlagen (dual)

Winter

vorher Schlüsselkompetenzen I&II (dual)

(in German: Schlüsselkompetenzen Grundlagen (dual) )
Module-ID: FIN-INF-1101102

Abbreviation

SchlüKo

Credit Points

5

Semester

Winter

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Bachelor

Link: LSF
Limited accessability:
Responsibility: PD Dr. Claudia Krull
Lecturer: PD Dr. Claudia Krull
Classes: In Deutsch / In German
  • Vorlesung Schlüsselkompetenzen Grundlagen
In Englisch / In English
  • Lecture Soft Skills Basics
(Die Sprachvarianten alternieren jährlich. Im Wintersemester 2025/26 findet die englische Variante statt.)  
Applicability in curriculum: - B.Sc. INF: Schlüssel- und Methodenkompetenzen
- B.Sc. INF: Kernmodule (SPO 2027)
- B.Sc. CV: Schlüssel- und Methodenkompetenzen
- B.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- B.Sc. INGINF: Kernmodule (SPO 2027)
- B.Sc. WIF: Schlüssel- und Methodenkompetenzen
- B.Sc. WIF: Kernmodule (SPO 2027)

Intended learning outcomes:


Content:

Workload:


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

Presentation in collaboration with the industry partner

Written exam, 120 min

Lecture (4 SWS)

Prerequisites according to examination regulations: Recommended prerequisites:

none

Media: Literature:

Lecture videos are available in German and English for all participants


Comments:
Sprache jetzt deutsch und englisch, abwechselnd live und mit Videos in beiden Sprachen. Weitere Hinweise siehe www.sim.ovgu.de

Scientific Project on Databases for Multi-Dimensional Data, Genomics, and modern Hardware

every

(in German: Scientific Project on Databases for Multi-Dimensional Data, Genomics, and modern Hardware )
Module-ID: FIN-INF-120507

Abbreviation

SPDB

Credit Points

6

Semester

every

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Gunter Saake
Lecturer: Gunter Saake
Classes: Lecture Scientific Project on Databases for Multi-Dimensional Data, Genomics, and modern Hardware  
Applicability in curriculum: - M.Sc. INF: Schlüssel- und Methodenkompetenzen
- M.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Schlüssel- und Methodenkompetenzen
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Interdisziplinäres Team-Projekt
- M.Sc. DE: Fachliche Spezialisierung

Intended learning outcomes:
The students ...


Content:

Workload:
contact hours: 14h lectures + 8h presentations + 14h consultations
self study: 60h implementation + 24h presentations + 30h papers

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

Seminar paper (Referat)

  • Lecture (2 SWS)
  • Supervision (2 SWS)
Prerequisites according to examination regulations: Recommended prerequisites:

none

Programming Knowledge in C++, Python, Java or Rust

Media: Literature:


Comments:
Requirement: Passing an initial programming test

Scientific Project on Databases for Multi-Dimensional Data, Genomics, and modern Hardware

every

(in German: Scientific Project on Databases for Multi-Dimensional Data, Genomics, and modern Hardware )
Module-ID: FIN-INF-110507

Abbreviation

SPDB

Credit Points

6

Semester

every

Term

starting at 5.

Duration

1 Semester

Language

english

Level

Bachelor

Link: LSF
Limited accessability:
Responsibility: Gunter Saake
Lecturer: Gunter Saake
Classes: Lecture Scientific Project on Databases for Multi-Dimensional Data, Genomics, and modern Hardware  
Applicability in curriculum: - 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: Schlüssel- und Methodenkompetenzen
- B.Sc. INGINF: FIN SMK
- B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen
- B.Sc. INF (bilingual): FIN SMK

Intended learning outcomes:
The students ...


Content:

Workload:
contact hours: 14h lectures + 8h presentations + 14h consultations
self study: 60h implementation + 24h presentations + 30h papers

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

Seminar paper (Referat)

  • Vorlesung (2 SWS)
  • Betreuung (2 SWS)
Prerequisites according to examination regulations: Recommended prerequisites:

keine

Media: Literature:


Comments:
Requirement: Passing an initial programming test

Scientific Writing

Winter

(in German: Scientific Writing )
Module-ID: FIN-INF-120511

Abbreviation

SciWri

Credit Points

6

Semester

Winter

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: PD Dr. Claudia Krull
Lecturer: Temitope Ibidunni Akinloye
Classes: Seminar Scientific Writing  
Applicability in curriculum: - M.Sc. INF: Schlüssel- und Methodenkompetenzen
- M.Sc. INF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Human Factors
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. DE: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. VC: Schlüssel- und Methodenkompetenzen
- M.Sc. VC: Schlüssel- und Methodenkompetenz (SPO 2027)

Intended learning outcomes:


Content:

Workload:


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

participation in all classes
completion of assignments
keeping all deadlines

Seminar paper (Paper + Reviews) Presentation

Seminar (2 SWS)

Prerequisites according to examination regulations: Recommended prerequisites:

keine

Media: Literature:


Comments:
participation is limited to 40

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:
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 ...


Inhalt:

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

Scrum-in-Practice

Winter

(engl. Scrum-in-Practice )

Modulnummer: FIN-INF-120438

Kürzel

SIP

CP

6

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
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: - M.Sc. INF: Informatik
- M.Sc. INF: Schlüssel- und Methodenkompetenzen
- M.Sc. INGINF: Informatik
- M.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. VC: Computer Science
- M.Sc. VC: Schlüssel- und Methodenkompetenzen

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:

Arbeitsaufwand:
180h = 56h Präsenszeit + 124h selbständige Arbeit am Projekt

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Projekt + Ausarbeitung

mündliche Prürfung

Blockseminar / Projektarbeit

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

Software Engineering

Medienformen: Literatur:



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

Selected Chapters of IT Security: Orchestration of Mechanisms and Tools

Winter

(engl. Selected Chapters of IT Security: Orchestration of Mechanisms and Tools )

Modulnummer: FIN-INF-120505

Kürzel

ITSEC-Orch

CP

6

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Prof. Dr.-Ing. Jana Dittmann
Dozent:in: Prof. Dr.-Ing. Jana Dittmann
Lehrveranstaltungen: Projekt Selected Chapters of IT-Security
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. INF: Schlüssel- und Methodenkompetenzen
- M.Sc. INF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. INF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. INGINF: Informatik
- M.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Informatik
- M.Sc. WIF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. WIF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. DE: Informatik Wahlpflicht (SPO 2027)
- M.Sc. VC: Computer Science
- M.Sc. VC: Schlüssel- und Methodenkompetenzen
- M.Sc. VC: Computer Science (SPO 2027)
- M.Sc. VC: Schlüssel- und Methodenkompetenz (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:
Inhalte zu aktuellen Herausforderungen und Lösungen der IT Sicherheit mit ausgewählten Fragen der Orchestrierung als technisch-organisatorische Gestaltungsaufgabe wie zum Beispiel aus:

Arbeitsaufwand:
28 h Präsenzzeit 152 h selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

keine

Hausarbeit

Forschungsprojekt (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



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

Selected Chapters of IT Security: Orchestration of Mechanisms and Tools

Winter

(in German: Selected Chapters of IT Security: Orchestration of Mechanisms and Tools )
Module-ID: FIN-INF-120505

Abbreviation

ITSEC-Orch

Credit Points

6

Semester

Winter

Term

ab 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Prof. Dr.-Ing. Jana Dittmann
Lecturer: Prof. Dr.-Ing. Jana Dittmann
Classes: Projekt Selected Chapters of IT-Security  
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INF: Schlüssel- und Methodenkompetenzen
- M.Sc. INF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. INF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. INGINF: Informatik
- M.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Informatik
- M.Sc. WIF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. WIF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. DE: Informatik Wahlpflicht (SPO 2027)
- M.Sc. VC: Computer Science
- M.Sc. VC: Schlüssel- und Methodenkompetenzen
- M.Sc. VC: Computer Science (SPO 2027)
- M.Sc. VC: Schlüssel- und Methodenkompetenz (SPO 2027)

Intended learning outcomes:
Die Studierenden ...


Content:
Inhalte zu aktuellen Herausforderungen und Lösungen der IT Sicherheit mit ausgewählten Fragen der Orchestrierung als technisch-organisatorische Gestaltungsaufgabe wie zum Beispiel aus:

Workload:
28 h Präsenzzeit 152 h selbstständige Arbeit

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

keine

Hausarbeit

Forschungsprojekt (2 SWS)

Prerequisites according to examination regulations: Recommended prerequisites:

keine

Media: Literature:


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

Selected Chapters of IT Security: Prevention, Detection, Attribution and Reaction

Winter

(engl. Selected Chapters of IT Security: Prevention, Detection, Attribution and Reaction )

Modulnummer: FIN-INF-120504

Kürzel

ITSEC-PDAR

CP

6

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Prof. Dr.-Ing. Jana Dittmann
Dozent:in: Prof. Dr.-Ing. Jana Dittmann
Lehrveranstaltungen: Projekt Selected Chapters of IT Security
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. INF: Schlüssel- und Methodenkompetenzen
- M.Sc. INF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. INF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. INGINF: Informatik
- M.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Informatik
- M.Sc. WIF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. WIF: Schlüssel- und Methodenkompetenz (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:

Arbeitsaufwand:
28 h Präsenzzeit 152 h selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

keine

Hausarbeit

Forschungsprojekt (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

Sichere Systeme, Algorithmen und Datenstrukturen, Grundlagen der Technischen Informatik

Medienformen: Literatur:



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

Selected Chapters of IT Security: Prevention, Detection, Attribution and Reaction

Winter

(in German: Selected Chapters of IT Security: Prevention, Detection, Attribution and Reaction )
Module-ID: FIN-INF-120504

Abbreviation

ITSEC-PDAR

Credit Points

6

Semester

Winter

Term

ab 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Prof. Dr.-Ing. Jana Dittmann
Lecturer: Prof. Dr.-Ing. Jana Dittmann
Classes: Projekt Selected Chapters of IT Security  
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INF: Schlüssel- und Methodenkompetenzen
- M.Sc. INF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. INF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. INGINF: Informatik
- M.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Informatik
- M.Sc. WIF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. WIF: Schlüssel- und Methodenkompetenz (SPO 2027)

Intended learning outcomes:
Die Studierenden ...


Content:

Workload:
28 h Präsenzzeit 152 h selbstständige Arbeit

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

keine

Hausarbeit

Forschungsprojekt (2 SWS)

Prerequisites according to examination regulations: Recommended prerequisites:

keine

Sichere Systeme, Algorithmen und Datenstrukturen, Grundlagen der Technischen Informatik

Media: Literature:


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

Seminar 'Advanced Topics of KMD'

every

(in German: Seminar 'Advanced Topics of KMD' )
Module-ID: FIN-INF-120330

Abbreviation

AdvKMD_Seminar

Credit Points

6

Semester

every

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Myra Spiliopoulou
Lecturer: Myra Spiliopoulou
Classes: Seminar AdvKMD_Seminar  
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INF: Schlüssel- und Methodenkompetenzen
- M.Sc. INGINF: Informatik
- M.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Wirtschaftsinformatik
- M.Sc. WIF: Informatik
- M.Sc. WIF: Schlüssel- und Methodenkompetenzen
- M.Sc. DKE: Learning Methods and Models for Data Science
- M.Sc. DKE: Data Processing for Data Science
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. VC: Computer Science

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


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

The student must:
  1. collect additional literature from the topic area in a transparent manner
  2. compare the scientific advances in the collected literature in order to answer the scientific questions
  3. critically discuss and rank the methods compared in the previous step
  4. present the collected literature, the comparisons and the results in class
  5. write an essay on them

Workload:


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 advanced mining methods
  • Familiarity with procedures for the evaluation of models and the comparison of models
  • Underpinnings of scientific writing (e.g. through a bachelor seminar or a bachelor thesis)
Media: Literature:

The literature of the seminar covers several topics. For each topic, it consists of the papers assigned to each student and the paper that the student collects on that topic. The topics change in each semester.

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

Seminar on Advanced Topics of Predictive Maintenance

every

(in German: Seminar on Advanced Topics of Predictive Maintenance )
Module-ID: FIN-INF-120489

Abbreviation

PredMa_Masterseminar

Credit Points

6

Semester

every

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Prof. Dr.-Ing. Benjamin Noack, Prof. Dr. Myra Spiliopoulou
Lecturer: Prof. Dr.-Ing. Benjamin Noack, Prof. Dr. Myra Spiliopoulou
Classes:
  • Seminar Advanced Topics of Predictive Maintenance
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INF: Schlüssel- und Methodenkompetenzen
- M.Sc. INF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. INF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. INGINF: Informatik
- M.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Wirtschaftsinformatik
- M.Sc. WIF: Informatik
- M.Sc. WIF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. WIF: Wirtschaftsinformatik (SPO 2027)
- M.Sc. WIF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. DKE: Learning Methods and Models for Data Science
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Methoden des Digital Engineering
- M.Sc. DE: Methoden der Informatik
- M.Sc. DE: Digital Engineering (SPO 2027)
- M.Sc. DE: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. VC: Computer Science
- M.Sc. VC: Computer Science (SPO 2027)

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


Content:
In this seminar, the participants will learn about

Workload:
28h in presence (consultation meetings, presentations) + 156 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

  • Signal and information processing
  • Learning algorithms
  • Underpinnings of engineering sciences and/or business informatics (some topics only)
  • Principles of scientific writing
Media: Literature:

Literature depends on topic assignment and is given to each student together with the assignment

Comments:

Sensor Networks Seminar

Winter

(in German: Sensor Networks Seminar )
Module-ID: FIN-INF-120514

Abbreviation

SN

Credit Points

6

Semester

Winter

Term

ab 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Prof. Dr.-Ing. Benjamin Noack
Lecturer: Prof. Dr.-Ing. Benjamin Noack
Classes: Seminar Sensor Networks  
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INF: Schlüssel- und Methodenkompetenzen
- M.Sc. INF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. INF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. INGINF: Informatik
- M.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Informatik
- M.Sc. WIF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. WIF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Methoden des Digital Engineering
- M.Sc. DE: Methoden der Informatik
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. VC: Schlüssel- und Methodenkompetenzen
- M.Sc. VC: Schlüssel- und Methodenkompetenz (SPO 2027)

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


Content:
In this seminar, the participants will learn about

Workload:
28 h in presence (consultation meetings, presentations) + 156 h self study

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

  • Presentation
  • Discussion
  • Scientific Article
(Referat und Hausarbeit)

Seminar (2 SWS)

Prerequisites according to examination regulations: Recommended prerequisites:

keine

  • Lecture Introduction to Distributed Sensor Data Fusion
  • Learning algorithms
  • Underpinnings of engineering sciences and/or business informatics (some topics only)
  • Principles of scientific writing
Media: Literature:

Literature depends on topic assignment and is given to each student together with the assignment

Comments:

Service Engineering

Sommer

(engl. Service Engineering )

Modulnummer: FIN-INF-120530

Kürzel

CP

6

Semester

Sommer

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Prof. Dr. Frank Ortmeier
Dozent:in: Prof. Dr. Andreas Schmietendorf (HWR Berlin)
Lehrveranstaltungen:
  • Vorlesung Service Engineering
  • Übung Service Engineering
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Wirtschaftsinformatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Applied Data Science

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:
Überblick

Themen:

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:

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:
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 ...


Inhalt:
Überblick

Themen:

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:

Sichere Systeme

Sommer

(engl. Secure Systems )

Modulnummer: FIN-INF-110115

Kürzel

SISY

CP

5

Semester

Sommer

Fachsem.

ab 3.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Prof. Dr. Jana Dittmann
Dozent:in: Prof. Dr. Jana Dittmann
Lehrveranstaltungen:
  • Vorlesung Sichere Systeme
  • Übung Sichere 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 II - Pflicht
- B.Sc. INGINF: Ingenieurinformatik Pflicht (SPO 2027)
- B.Sc. WIF: Anwenden - Pflicht
- B.Sc. WIF: Informatik Pflicht (SPO 2027)
- B.Sc. INF (bilingual): Informatik II - Pflicht
- B.Sc. INF (bilingual): Aufbaumodule (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:

Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit (Lösung der Übungsaufgaben & Prüfungsvorbereitung)

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

keine

  • Empfohlene Teilnahme an den Vorlesungen und Übungen:
  • Note: Prüfung (schriftlich, 120 Min, keine Vorleistungen)
  • Unbenotete Prüfungsleistung: Bekanntgabe zu Beginn der Veranstaltung

  • Vorlesung (2 SWS)
  • Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

  • Einführung in die Informatik
  • Grundlagen der Theoretischen Informatik
  • Grundlagen der Technischen Informatik

Medienformen: Literatur:



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

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:
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:


Content:

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

Soft Skills für Masterstudierende

Sommer

(engl. Soft Skills for Masters students )

Modulnummer: FIN-INF-120250

Kürzel

SK-M

CP

6

Semester

Sommer

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Graham Horton
Dozent:in: Graham Horton
Lehrveranstaltungen:
  • Vorlesung Soft Skills für Masterstudierende
  • Tutorien Soft Skills für Masterstudierende
Verwendbarkeit: - M.Sc. INF: Schlüssel- und Methodenkompetenzen
- M.Sc. INF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. VC: Schlüssel- und Methodenkompetenzen
- M.Sc. VC: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. DE: Human Factors
- M.Sc. DE: Schlüssel- und Methodenkompetenz (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:

Arbeitsaufwand:
56 h Präsenzzeit + 124 h selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Gruppenarbeit Thesis proposal erarbeiten

Klausur 120 min

  • Vorlesung (2 SWS)
  • Tutorien (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:
Der frühere Name dieses Moduls war Schlüsselkompetenzen 3

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:
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...


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

Workload:


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 Defined Networking

Summer

(in German: Software Defined Networking )
Module-ID: FIN-INF-120460

Abbreviation

SDN

Credit Points

6

Semester

Summer

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: David Hausheer
Lecturer: David Hausheer
Classes:
  • Lecture Software Defined Networking
  • Exercise Software Defined Networking
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DE: Methoden der Informatik
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. VC: Computer Science

Intended learning outcomes:
Students...


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

Workload:


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:

Software Development Project

Sommer

(engl. Software Development Project )

Modulnummer: FIN-INF-110478

Kürzel

SDP

CP

10

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 Software Development Project
  • Übung Software Development Project
Verwendbarkeit: - B.Sc. INF: Schlüssel- und Methodenkompetenzen
- B.Sc. INF: Kernmodule (SPO 2027)
- B.Sc. CV: Schlüssel- und Methodenkompetenzen
- B.Sc. CV: Kernmodule (SPO 2027)
- B.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- B.Sc. INGINF: Kernmodule (SPO 2027)
- B.Sc. WIF: Schlüssel- und Methodenkompetenzen
- B.Sc. WIF: Kernmodule (SPO 2027)
- B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen
- B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:

Arbeitsaufwand:
300h = 50h Präsenzzeit + 190h Projektarbeit + 60h selbstständige Prüfungsvorbereitung

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Anzahl Kurzpräsentationen in den Übungen

Mündliche Prüfung, aufgeteilt auf einzelne Meilensteine als Teilleistung. Alle Teilleistungen müssen bestanden werden.

  • Vorlesung (2 SWS)
  • Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

  • Einführung in die Informatik
  • Software Engineering

Medienformen: Literatur:



Hinweise:

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:
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 ...


Inhalt:

Arbeitsaufwand:


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 ...


Inhalt:

Arbeitsaufwand:


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:

Software-Development for Industrial Robotics

Winter

(engl. Software-Development for Industrial Robotics )

Modulnummer: FIN-INF-120273

Kürzel

SDIR

CP

6

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Prof. Dr. Frank Ortmeier
Dozent:in: Prof. Dr. Frank Ortmeier
Lehrveranstaltungen:
  • Vorlesung Software-Development for Industrial Robotics
  • Übung Software-Development for Industrial Robotics
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. INGINF: Ingenieurinformatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Methoden des Digital Engineering
- M.Sc. DE: Methoden der Informatik
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. VC: Computer Science

Angestrebte Lernergebnisse:
The students have ...


Inhalt:
The use of industrial robots is increasing rapidly these days. In 2014, the expected number of industrial robots increased by 27% compared to the previous year. The main reason is their flexibility, especially their ability to perform a wide range of tasks. In the lecture “Software Development for Industrial Robotics” an overview of this domain is given as well as the mathematical background. The latter deals in particular with the idea of forward and inverse kinematics, point-to-point movements, linear movements, trajectory planning, recognition of singularities, Denavit-Hartenberg convention, rotation and translation matrices. The final project deals with control using a collision-free path planner, KUKA youBot kinematics, numerical approaches to solving inverse kinematics, etc.

Arbeitsaufwand:
180h = 56h attendance time + 124h independent work

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Projekt

mündliche Prüfung

  • Lecture (2 SWS)
  • Exercise (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

none


Medienformen: Literatur:



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

Softwareprojekt

jedes

(engl. Software Project )

Modulnummer: FIN-INF-110316

Kürzel

SWP

CP

5

Semester

jedes

Fachsem.

ab 4.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Studiendekan:in der FIN
Dozent:in: Dozenten der FIN
Lehrveranstaltungen: Projekt Softwareprojekt
Verwendbarkeit: - B.Sc. INF: Schlüssel- und Methodenkompetenzen
- B.Sc. INF: Kernmodule (SPO 2027)
- B.Sc. CV: Schlüssel- und Methodenkompetenzen
- B.Sc. CV: Kernmodule (SPO 2027)
- B.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- B.Sc. INGINF: Kernmodule (SPO 2027)
- B.Sc. WIF: Schlüssel- und Methodenkompetenzen
- B.Sc. WIF: Kernmodule (SPO 2027)
- B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen
- B.Sc. INF (bilingual): Kernmodule (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:

Arbeitsaufwand:
150h selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Hausarbeit: Durchführung, Dokumentation und Abnahme eines Softwareprojektes

Projekt

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

Softwareprojekt (dual)

jedes

(engl. Software Project (dual) )

Modulnummer: FIN-INF-1103162

Kürzel

SWP

CP

5

Semester

jedes

Fachsem.

ab 4.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Studiendekan:in der FIN
Dozent:in: Dozenten der FIN
Lehrveranstaltungen: Projekt Softwareprojekt (dual)
Verwendbarkeit: - B.Sc. INF: Schlüssel- und Methodenkompetenzen
- B.Sc. INF: Kernmodule (SPO 2027)
- B.Sc. CV: Schlüssel- und Methodenkompetenzen
- B.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- B.Sc. INGINF: Kernmodule (SPO 2027)
- B.Sc. WIF: Schlüssel- und Methodenkompetenzen
- B.Sc. WIF: Kernmodule (SPO 2027)
- B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:

Arbeitsaufwand:
150 h Projektarbeit in Teams

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Hausarbeit (Bericht über den Verlauf und die Ergebnisse des Projektes)

Projekt

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



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 ...


Inhalt:

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 ...


Inhalt:

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.

Startup Engineering II

Winter

Developing a Minimum Viable Product

(engl. Startup Engineering II )

Modulnummer: FIN-INF-120442

Kürzel

SE 2

CP

6

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Jana Görs
Dozent:in: Graham Horton; Jana Görs
Lehrveranstaltungen:
  • Projekt Startup Engineering 2
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. INF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. INF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. INF: Projekte (SPO 2027)
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. WIF: Informatik Wahlpflicht (SPO 2027)
- M.Sc. WIF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. WIF: Projekte (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:

Arbeitsaufwand:
28 h Präsenz + 152 h selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Keine

Hausarbeit

  • 2 SWS Projekt

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

Startup Engineering I

Medienformen: Literatur:


Internet-Recherchen. Anhaltspunkte werden gegeben.

Hinweise:
Der Erfolg bei diesem Modul hängt stark von der Qualität der Projekt- und Teamarbeit ab! Das Modul kann in den Studiengängen M-INF, M-WIF, M-INGINF und M-VC auch als Wissenschaftliches Teamprojekt angerechnet werden. Die Anzahl Teilnehmenden ist auf 15 beschränkt. Die Teilnahme an der ersten Veranstaltung ist Pflicht.

Swarm Intelligence

Winter

(in German: Swarm Intelligence )
Module-ID: FIN-INF-102419

Abbreviation

SI

Credit Points

6

Semester

Winter

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Sanaz Mostaghim
Lecturer: Sanaz Mostaghim
Classes:
  • Vorlesung Swarm Intelligence
  • Übung Swarm Intelligence
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Learning Methods and Models for Data Science
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. VC: Computer Science

Intended learning outcomes:
The students will get an understanding about Swarm Intelligence and its definitions. They will get the ability to develop swarm intelligence algorithms such as swarm aggregation, swarm movements, tracking, tracing and optimization. In addition, they learn the foundations in collective decision-making and their applications. The students can implement, analyse and evaluate swarm algorithms on several applications.

Content:
This course provides in-depth knowledge about swarm intelligence in technical systems. In swarm intelligence, we deal with a group of simple and usually homogenous individuals with simple rules. Usually, swarms can achieve a complex and intelligent behaviour using local interactions between its members. This collective property can be used in technical systems. One advanced application of swarm intelligence is in swarm robotics, in which simple small robots can collectively learn to achieve some predefined complex tasks. During this course, the algorithms of swarm intelligence are presented, analysed and compared. The following topics will be covered: Part 1: Fundamentals of swarm intelligence

Part 2: Swarm and multiagent systems Part 3: Applications

Workload:
Präsenzzeit: 2 SWS Vorlesung 2 SWS Übungen Selbstständige Arbeit: Bearbeiten von Übungs- und Programmieraufgaben 180 h = 56 h Präsenzzeit + 124 h selbstständige Arbeit

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

All students that participate can take the exam.

Written Exam (120 min)

Vorlesung (2 SWS) Übung (2 SWS)

Prerequisites according to examination regulations: Recommended prerequisites:

keine

Informatik (Algorithmen und Datenstrukturen, Maschinelles Lernen)

Media: Literature:

Eric Bonabeau, Marco Dorigo and Guy Theraulaz, Swarm In-telligence: From Natural to Artificial Systems, Oxford University Press, 1999Andries Engelbrecht, Fundamentals of Computational Swarm Intelligence, Wiley 2006 James Kennedy and Russel Eberhart, Swarm Intelligence, Morgan Kaufmann, 2001 Zbigniew Michalewicz and David Fogel, How to solve it: Modern Heuristics, Springer, 2001 Veysel Gazi, Stability Analysis of Swarms, The Ohio State University, 2002 Marco Dorigo and Thomas Stützle, Ant Colony Optimization, The MIT Press, 2004 C. Solnon: Ant Colony Optimization and Constraint Program-ming. Wiley 2010 Gerhard Weiss, Multiagent Systems: A modern approach to distributed artificial systems, The MIT Press, 2000 Christian Müller-Schloer, Hartmut Schmeck and Theo Ungerer, Organic Computing – A Paradigm Shift for Complex Systems, Springer, 2011

Comments:
Enrollment is limited to a maximum number of participants. If necessary, students will be selected based on a statement of purpose submitted at the beginning of the semester.

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:
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 ...


Inhalt:

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


Inhalt:

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:

Technische Informatik 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:
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


Content:

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 ...


Inhalt:
Einführung in Betriebssysteme und Kommunikationssysteme ...

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.

Technische Informatik 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:
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 ...


Content:
Introduction to operating systems and communication systems ...

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:

Technische Informatik für Bildungsstudiengänge I

Winter

(engl. Computer Engineering for Educational Study Programs )

Modulnummer: FIN-INF-900603

Kürzel

TI I

CP

5

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Dr. Volkmar Hinz
Dozent:in: Dr. Volkmar Hinz
Lehrveranstaltungen: Vorlesung Technische Informatik I Übung Technische Informatik I
Verwendbarkeit:

Angestrebte Lernergebnisse:
Die Studierenden


Inhalt:

Arbeitsaufwand:
150h gesamt/ 56h Präsenzzeit/ 94h Selbststudium

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Klausur 120 Minuten

Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

Technische Informatik für Bildungsstudiengänge II

Sommer

(engl. Computer Engineering for Educational Study Programs II )

Modulnummer: FIN-INF-903863

Kürzel

TI II

CP

5

Semester

Sommer

Fachsem.

ab 2.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Dr. Volkmar Hinz
Dozent:in: Dr. Volkmar Hinz
Lehrveranstaltungen: Vorlesung Technische Informatik II Übung Technische Informatik II
Verwendbarkeit:

Angestrebte Lernergebnisse:
Die Studierenden


Inhalt:

Arbeitsaufwand:
150h gesamt/ 56h Präsenzzeit/ 94h Selbststudium

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

mündliche Prüfung

Vorlesung (2 SWS) Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

erfolgreich Teilnahme an Technische Informatik I für Bildungsstudiengänge

Medienformen: Literatur:



Hinweise:

Three-Dimensional & Advanced Interaction

Winter

(in German: Three-Dimensional & Advanced Interaction )
Module-ID: FIN-INF-120286

Abbreviation

TAI

Credit Points

6

Semester

Winter

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Christian Hansen
Lecturer: Florian Heinrich
Classes:
  • Lecture Three-Dimensional & Advanced Interaction
  • Seminar Three-Dimensional & Advanced Interaction
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. VC: Visual Computing

Intended learning outcomes:
Students ...


Content:

Workload:
56h contact time + 124h self study

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

Successful completion of the seminar (clarified in first lecture)

Written exam

  • Lecture (2 SWS)
  • Exercise class (2 SWS)
Prerequisites according to examination regulations: Recommended prerequisites:

keine

Module Interactive Systems

Media: Literature:

  • Bowman, Kruijff, Laviola, Jr., Poupyrev: „3D User Interfaces: Theory and Practice“, Addison-Wesley, 2004
  • Müller-Tomfelde (Ed.): „Tabletops – Horizontal Interactive Displays“, Springer, 2010
  • Saffer: „Designing Gestural Interfaces“, O'Reilly Media, 2008
  • Shaer, Hornecker: „Tangible User Interfaces: Past, Present and Future Directions“. In Foundations and Trends in Human-Computer Interaction, 3 (1), 2010

Comments:

Umweltmanagementinformationssysteme

Sommer

(engl. Environmental Management Information Systems )

Modulnummer: FIN-INF-120257

Kürzel

UMIS

CP

6

Semester

Sommer

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Hans-Knud Arndt
Dozent:in: Hans-Knud Arndt
Lehrveranstaltungen:
  • Vorlesung Umweltmanagementinformationssysteme
  • Übung Umweltmanagementinformationssysteme
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. WIF: Wirtschaftsinformatik

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:

Arbeitsaufwand:


Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

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

Mündliche Prüfung

Vorlesung (2 SWS)
Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

Usability und Ästhetik

Sommer

(engl. Usability and Aesthetics )

Modulnummer: FIN-INF-110433

Kürzel

U&Ä

CP

5

Semester

Sommer

Fachsem.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

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

Angestrebte Lernergebnisse:
Absolvent*Innen dieses Moduls ...


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

Arbeitsaufwand:
Präsenzzeiten:

Selbstständiges Arbeiten: 150h = 4 SWS = 56h Präsenzzeit + 94h selbstständige Arbeit
Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Das erfolgreiche Absolvieren der Semesteraufgabe ermöglicht den Studierenden die Teilnahme an der Prüfung.

Schriftliche Prüfung (Klausur) jeweils im SoSe

Vorlesung (2 SWS)
Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:


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

Hinweise:

User Experience Design Sprint

Winter

(engl. User Experience Design Sprint )

Modulnummer: FIN-INF-120510

Kürzel

UEDS

CP

6

Semester

Winter

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Hans-Knud Arndt
Dozent:in: Hans-Knud Arndt
Lehrveranstaltungen: Seminar User Experience Design Sprint
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Wirtschaftsinformatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Fachliche Spezialisierung

Angestrebte Lernergebnisse:
Die Absolvent*innen dieses Moduls...


Inhalt:
Die Teilnehmer*innen simulieren im Rahmen der Lehrveranstaltung einen in der Unternehmenspraxis immer wichtiger werdenden User Experience Design Sprint. Ein solcher dient der ersten Durchdringung von Problemstellungen und der sich anschließenden Ideenfindung.
Hierbei werden innovative Methoden des Design Thinking sowie weitere Ansätze zur Verbesserung der Usability und User Experience von Produkten bzw. Dienstleistungen angewendet.

Arbeitsaufwand:
180h = 40h (Blockveranstaltung) + 140h 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.

Hausarbeit

Seminar (3 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

VLBA - Systemarchitekturen

Sommer

(engl. VLBA: Systemarchitectures )

Modulnummer: FIN-INF-120252

Kürzel

VLBA-SysA

CP

9

Semester

Sommer

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Prof. Dr. Klaus Turowski
Dozent:in: Prof. Dr. Klaus Turowski
Lehrveranstaltungen:
  • Vorlesung VLBA: Systemarchitekturen
  • Übung VLBA: Systemarchitekturen
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Wirtschaftsinformatik
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. VC: Computer Science

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:

Arbeitsaufwand:
Präsenzzeiten:

28 h Vorlesung / 28 h Übung
Selbstständiges Arbeiten:
1. Vor- und Nachbereitung Vorlesung
2. Entwicklung einer auf maschinellem Lernen basierenden Lösung unter Anwendung von MLOps-Praktiken zur Lösung betriebswirtschaftlicher Probleme 
9 x30h (56 h Präsenzzeit + 214 h selbstständige Arbeit)
Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Referat

  • Vorlesung (2 SWS)
  • Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

Version control systems, DevOps practicies (CI/CD), Containerization technologies, and python.

Version control systems, DevOps practicies (CI/CD), Containerization technologies, and python.

Medienformen: Literatur:


  • Turowski, K.: Fachkomponenten. Aachen 2002.
  • Herden, S., Marx Gómez, J., Rautenstrauch, C., Zwanziger, A.: Softwarearchitekturen für E-Business-Systeme, Berlin, Heidelberg u. a., 2006.

Hinweise:

VLBA – Cloud DevOps Technologies

Winter

(in German: VLBA – Cloud DevOps Technologies )
Module-ID: FIN-INF-120478

Abbreviation

VLBA-CDOT

Credit Points

9

Semester

Winter

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Prof. Dr. Klaus Turowski
Lecturer: Prof. Dr. Klaus Turowski
Classes:
  • '- Lecture VLBA Cloud DevOps Technologies
    • Exercise VLBA Cloud DevOps Technologies
    • Consultation VLBA - Cloud DevOps Technologien (Consultation)
    • Tutorial VLBA - Cloud DevOps Technologien (Tutorial)
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Wirtschaftsinformatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Data Processing for Data Science
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. VC: Computer Science

Intended learning outcomes:
Students ...


Content:
In view of highly networked applications, big data and cloud computing, the careful planning and construction of architectures and landscapes of the corresponding information systems is more important than ever. In many cases, the lifecycle of a system does not end with the delivery of the solution, but rather the subsequent operation, monitoring and maintenance have become an essential part of this process. At this point, sophisticated paradigms and methods are required to facilitate the continuous development and operation of these systems while preventing errors, failures and other disruptions. The course is designed to teach the fundamentals as well as initial practical experience in the development and Table of Contents Part A (Winter) Page 248 - Part A Table of Contents Part B (Full) operation (DevOps) of systems in conjunction with dedicated cloud technologies. In addition to the theoretical basics, essential concepts and technologies are discussed and applied that enable the continuous integration, delivery and testing of corresponding systems.

Workload:
Attendance = 84 h: 21 h Lecture 21 h Exercise 21 h Consultation 21 h Tutorial Independend work = 186 h: 186 h working on several assignments that build on each other

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

In order to qualify for the final project, certain requirements must be fulfilled. Details will be announced in the first lecture.

Hausarbeit

Vorlesung (2 SWS) Übung (2 SWS)

Prerequisites according to examination regulations: Recommended prerequisites:

keine

Media: Literature:


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:
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:

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:

Virtual and Augmented Reality I

Summer

(in German: Virtual and Augmented Reality I )
Module-ID: FIN-INF-120527

Abbreviation

VAR1_MA

Credit Points

6

Semester

Summer

Term

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Christian Hansen
Lecturer: Christian Hansen
Classes:
  • Lecture Virtual and Augmented Reality
  • Exercise class Virtual and Augmented Reality
 
Applicability in curriculum: - M.Sc. VC: Visual Computing

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. Students who complete this module will learn how to supervise an interdisciplinary project team.  They will learn how to analyse their role in the team and their individual contribution to the team's outcome.

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:

Workload:
56 contact hours + 124h self study

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

oral exam

  • Lecture (2 SWS)
  • Seminar (2 SWS)
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:

Visual Analytics

Summer

(in German: Visual Analytics )
Module-ID: FIN-INF-120524

Abbreviation

Credit Points

6

Semester

Summer

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Bernhard Preim
Lecturer: Bernhard Preim
Classes:
  • Lecture Visual Analytics
  • Exercise class Visual Analytics
 
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Methoden des Digital Engineering
- M.Sc. DE: Methoden der Informatik
- M.Sc. VC: Visual Computing

Intended learning outcomes:
Students ...


Content:

Workload:
'- 56 contact hours + 124 h self study

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

Written exam, 2 hours

  • 2 SWS Lecture
  • 2 SWS Exercise class
Prerequisites according to examination regulations: Recommended prerequisites:

none

  • Lecture Visualization
  • Knowledge of Data Analysis, for example Intelligent Data Analysis
  • Data Mining
  • Machine Learning
  • Artificial Intelligence
Media: Literature:

  • Powerpoint presentation
  • Whiteboard
  • Videos

  • J. J. Thomas, K. A. Cook (Hrsg.): Illuminating the path: The research and development agenda for visual analytics. IEEE Computer Society 2005
  • D. A. Keim, F. Mansmann, J. Schneidewind, J. Thomas, H. Ziegler: Visual analytics: Scope and challenges. Visual Data Mining, 2008
  • Andrienko, N., Andrienko, G., Fuchs, G., Slingsby, A., Turkay, C., & Wrobel, S. (2020). Visual analytics for data scientists. Springer Nature.
  • Kohlhammer, J., Proff, D. U., & Wiener, A. (2018). Visual business analytics: effektiver Zugang zu Daten und Informationen. dpunkt. verlag.

Comments:

Visual Analytics in Health Care

Winter

(in German: Visual Analytics in Health Care )
Module-ID: FIN-INF-120476

Abbreviation

VAHC

Credit Points

3

Semester

Winter

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Bernhard Preim
Lecturer: Bernhard Preim
Classes: '- Seminar Visual Analytics in Health Care  
Applicability in curriculum: - M.Sc. INGINF: Informatik
- M.Sc. WIF: Informatik
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. VC: Visual Computing

Intended learning outcomes:
The students ...


Content:

Workload:
3 credit points = 90 h (28 h attendance time + 62 h independent work), grading scale according to examination regulations

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

Examinations: student talk, seminar paper (10 pages)

Seminar (3 SWS)

Prerequisites according to examination regulations: Recommended prerequisites:

none

Visualization, Data Mining, Visual Analytics or Information Visualization

Media: Literature:

PowerPoint presentation, use of whiteboard, videos

Workshop volumes of the IEEE Workshop Visual Analytics in Healthcare (since 2010), selected publications of other conferences / magazines in the fields of data analysis and visualization

Comments:
Auch anrechenbar für Studierende des Masterstudiengangs "Medical Systems Engineering".

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:
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 ...


Content:

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:

Visualization

Winter

(in German: Visualization )
Module-ID: FIN-INF-102812

Abbreviation

VIS

Credit Points

6

Semester

Winter

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Bernhard Preim
Lecturer: Bernhard Preim
Classes:
  • Lecture Visualization
  • Exercise class Visualization
 
Applicability in curriculum: - M.Sc. DKE: Applied Data Science
- M.Sc. DE: Methoden der Informatik
- M.Sc. DE: Informatik Wahlpflicht (SPO 2027)
- M.Sc. VC: Visual Computing
- M.Sc. VC: Visual Computing (SPO 2027)

Intended learning outcomes:
Students ...


Content:

Workload:
56h contact time + 124h self study, students have to solve a comprehensive additional task where they analyze and visualize a multi-dimensional dataset

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

Written exam, 2 hours

  • 2 SWS Lectures
  • 2 SWS Exercise classes
Prerequisites according to examination regulations: Recommended prerequisites:

none

  • Module Computer Graphics I
  • Modules Mathematics I, II and III
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)
  • M. Ward, D. Keim, G. Grinstein (2015): Interactive Data Visualization: Foundations, Techniques, and Applications, Second Edition

Comments:

Wahlpflichtfach FIN SMK

jedes

(engl. WPF FIN SMK )

Modulnummer: FIN-INF-110397

Kürzel

WPF FIN SMK

CP

5

Semester

jedes

Fachsem.

ab 6.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Studiendekan:in der FIN
Dozent:in: Alle Hochschullehrer der FIN
Lehrveranstaltungen: Implementierungsspezifisch
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: Schlüssel- und Methodenkompetenzen
- B.Sc. INGINF: FIN SMK
- B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen
- B.Sc. INF (bilingual): FIN SMK

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:
'- Dieses Modul wird durch unterschiedliche Lehrveranstaltungen implementiert. Die Inhalte sind angebotsspezifisch.

Arbeitsaufwand:
150 Stunden (implementierungsspezifisch)

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Implementierungsspezifisch

Implementierungsspezifisch

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

Wissenschaftliches Individualprojekt

jedes

(engl. Individual Scientific Project )

Modulnummer: FIN-INF-120301

Kürzel

WIP

CP

6

Semester

jedes

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Studiendekan:in der FIN
Dozent:in: Alle Dozenten der FIN
Lehrveranstaltungen: keine
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. INF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. INF: Projekte (SPO 2027)
- M.Sc. INGINF: Informatik
- M.Sc. INGINF: Ingenieurinformatik
- M.Sc. WIF: Wirtschaftsinformatik
- M.Sc. WIF: Informatik
- M.Sc. WIF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. WIF: Projekte (SPO 2027)
- M.Sc. DKE: Learning Methods and Models for Data Science
- M.Sc. DKE: Data Processing for Data Science
- M.Sc. DKE: Applied Data Science
- M.Sc. DKE: Projects (SPO 2027)
- M.Sc. DE: Human Factors
- M.Sc. DE: Methoden des Digital Engineering
- M.Sc. DE: Methoden der Informatik
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. DE: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. DE: Projekte (SPO 2027)
- M.Sc. VC: Visual Computing
- M.Sc. VC: Computer Science
- M.Sc. VC: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. VC: Projekte (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:
Die Studierenden bearbeiten in selbstständiger Arbeit eine individuell vereinbarte, wissenschaftliche Fragestellung unter Anleitung eines Hochschullehrers. Im Projekt entwickeln die Studierenden eine eigenständige Informatik-Lösung. Dadurch erwerben sie ein detailliertes und kritisches Verständnis in einem Spezialbereich der Informatik. Dieses Modul wird von unterschiedlichen Hochschullehrern implementiert. Die fachlichen Inhalte sind daher angebotsspezifisch.

Arbeitsaufwand:
180h selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Wissenschaftliches Projekt

Angeleitetes wissenschaftliches Individualprojekt

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:
Projekte außerhalb der FIN müssen von Studiengangsleiter abgesegnet werden.

Wissenschaftliches Individualprojekt (10 CP)

jedes

(engl. Individual Scientific Project )

Modulnummer: FIN-INF-999851

Kürzel

WIP

CP

10

Semester

jedes

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Studiendekan:in der FIN
Dozent:in: Alle Dozenten der FIN
Lehrveranstaltungen: keine
Verwendbarkeit: - M.Sc. INF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. INF: Projekte (SPO 2027)
- M.Sc. WIF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. WIF: Projekte (SPO 2027)
- M.Sc. DKE: Applied Data Science
- M.Sc. DKE: Projects (SPO 2027)
- M.Sc. DE: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. DE: Projekte (SPO 2027)
- M.Sc. VC: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. VC: Projekte (SPO 2027)

Angestrebte Lernergebnisse:
Die Studierenden ...


Inhalt:
Die Studierenden bearbeiten in selbstständiger Arbeit eine individuell vereinbarte, wissenschaftliche Fragestellung unter Anleitung eines Hochschullehrers. Im Projekt entwickeln die Studierenden eine eigenständige Informatik-Lösung. Dadurch erwerben sie ein detailliertes und kritisches Verständnis in einem Spezialbereich der Informatik. Dieses Modul wird von unterschiedlichen Hochschullehrern implementiert. Die fachlichen Inhalte sind daher angebotsspezifisch.

Arbeitsaufwand:
300 h selbständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Wissenschaftliches Projekt

Angeleitetes wissenschaftliches Individualprojekt

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

Wissenschaftliches Seminar

jedes

(engl. Scientific Seminar )

Modulnummer: FIN-INF-110321

Kürzel

CP

5

Semester

jedes

Fachsem.

ab 3.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Studiendekan:in der FIN
Dozent:in: Dozenten der FIN
Lehrveranstaltungen: Seminar Wissenschaftliches Seminar
Verwendbarkeit: - B.Sc. INF: Schlüssel- und Methodenkompetenzen
- B.Sc. INF: Wissenschaftliches Seminar
- B.Sc. INF: Kernmodule (SPO 2027)
- B.Sc. CV: Schlüssel- und Methodenkompetenzen
- B.Sc. CV: Wissenschaftliches Seminar
- B.Sc. CV: Kernmodule (SPO 2027)
- B.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- B.Sc. INGINF: Wissenschaftliches Seminar
- B.Sc. INGINF: Kernmodule (SPO 2027)
- B.Sc. WIF: Schlüssel- und Methodenkompetenzen
- B.Sc. WIF: Wissenschaftliches Seminar
- B.Sc. WIF: Kernmodule (SPO 2027)
- B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen
- B.Sc. INF (bilingual): Wissenschaftliches Seminar
- B.Sc. INF (bilingual): Kernmodule (SPO 2027)

Angestrebte Lernergebnisse:
Studierende, die dieses Modul  absolviert haben …


Inhalt:
Die fachlichen Inhalte sind angebotsspezifisch.

Arbeitsaufwand:


Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Referat

Seminar (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:
Folgende Seminare werden im Wintersemester angeboten:

Folgende Seminare werden im Sommersemester angeboten:

Wissenschaftliches Seminar (dual)

jedes

(engl. Scientific Seminar (dual) )

Modulnummer: FIN-INF-1103213

Kürzel

CP

5

Semester

jedes

Fachsem.

ab 3.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Studiendekan:in der FIN
Dozent:in: Dozenten der FIN
Lehrveranstaltungen: Seminar Wissenschaftliches Seminar
Verwendbarkeit: - B.Sc. INF: Schlüssel- und Methodenkompetenzen
- B.Sc. INF: Wissenschaftliches Seminar
- B.Sc. INF: Kernmodule (SPO 2027)
- B.Sc. CV: Schlüssel- und Methodenkompetenzen
- B.Sc. CV: Wissenschaftliches Seminar
- B.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- B.Sc. INGINF: Wissenschaftliches Seminar
- B.Sc. INGINF: Kernmodule (SPO 2027)
- B.Sc. WIF: Schlüssel- und Methodenkompetenzen
- B.Sc. WIF: Wissenschaftliches Seminar
- B.Sc. WIF: Kernmodule (SPO 2027)

Angestrebte Lernergebnisse:
Studierende, die dieses Modul  absolviert haben …


Inhalt:
Dieses Modul kann durch unterschiedliche Lehrveranstaltungen implementiert werden. Die fachlichen Inhalte sind angebotsspezifisch.

Arbeitsaufwand:


Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Referat

Seminar (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:
Folgende Seminare werden im Wintersemester angeboten:

Folgende Seminare werden im Sommersemester angeboten:

Wissenschaftliches Teamprojekt

jedes

(engl. Scientific Team Project )

Modulnummer: FIN-INF-120482

Kürzel

WTP

CP

6

Semester

jedes

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Studiendekan:in der FIN
Dozent:in: Dozenten der FIN
Lehrveranstaltungen: keine
Verwendbarkeit: - M.Sc. INF: Informatik
- M.Sc. INF: Schlüssel- und Methodenkompetenzen
- M.Sc. INF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. INF: Projekte (SPO 2027)
- M.Sc. INGINF: Informatik
- M.Sc. INGINF: Ingenieurinformatik
- M.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Wirtschaftsinformatik
- M.Sc. WIF: Informatik
- M.Sc. WIF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. WIF: Projekte (SPO 2027)
- M.Sc. DKE: Applied Data Science
- M.Sc. DKE: Projects (SPO 2027)
- M.Sc. DE: Interdisziplinäres Team-Projekt
- M.Sc. DE: Digital Engineering-Projekt
- M.Sc. DE: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. DE: Projekte (SPO 2027)
- M.Sc. VC: Schlüssel- und Methodenkompetenzen
- M.Sc. VC: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. VC: Projekte (SPO 2027)

Angestrebte Lernergebnisse:
Nach Abschluss des Moduls können die Studierenden …


Inhalt:
Dieses Modul wird von unterschiedlichen Hochschullehrern implementiert. Die fachlichen Inhalte sind daher angebotsspezifisch.

Arbeitsaufwand:
180 h selbstständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Referat

Wissenschaftliches Projekt

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

Wissenschaftliches Teamprojekt (10 CP)

jedes

(engl. Scientific Team Project )

Modulnummer: FIN-INF-999850

Kürzel

WTP

CP

10

Semester

jedes

Fachsem.

ab 1.

Dauer

1 Semester

Sprache

deutsch

Niveau

Master

Link zum LSF: LSF
Zugang beschränkt:
Verantwortung: Studiendekan:in der FIN
Dozent:in: Alle Dozenten der FIN
Lehrveranstaltungen: keine
Verwendbarkeit: - M.Sc. INF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. INF: Projekte (SPO 2027)
- M.Sc. WIF: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. WIF: Projekte (SPO 2027)
- M.Sc. DKE: Projects (SPO 2027)
- M.Sc. DE: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. DE: Projekte (SPO 2027)
- M.Sc. VC: Schlüssel- und Methodenkompetenz (SPO 2027)
- M.Sc. VC: Projekte (SPO 2027)

Angestrebte Lernergebnisse:
Nach Abschluss des Moduls können die Studierenden …


Inhalt:
Dieses Modul wird von unterschiedlichen Hochschullehrern implementiert. Die fachlichen Inhalte sind daher angebotsspezifisch.

Arbeitsaufwand:
300 h selbständige Arbeit

Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Referat

Wissenschaftliches Projekt

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine


Medienformen: Literatur:



Hinweise:

Wissenschaftliches Teamprojekt KMD

every

(in German: Wissenschaftliches Teamprojekt KMD )
Module-ID: FIN-INF-120528

Abbreviation

Teamproj_KMD

Credit Points

6

Semester

every

Term

starting at 1.

Duration

1 Semester

Language

english

Level

Master

Link: LSF
Limited accessability:
Responsibility: Myra Spiliopoulou
Lecturer: Myra Spiliopoulou
Classes: Teamproj_KMD  
Applicability in curriculum: - M.Sc. INF: Informatik
- M.Sc. INF: Schlüssel- und Methodenkompetenzen
- M.Sc. INGINF: Informatik
- M.Sc. INGINF: Schlüssel- und Methodenkompetenzen
- M.Sc. WIF: Wirtschaftsinformatik
- M.Sc. WIF: Informatik
- M.Sc. WIF: Schlüssel- und Methodenkompetenzen
- M.Sc. DKE: Applied Data Science
- M.Sc. DE: Interdisziplinäres Team-Projekt
- M.Sc. DE: Fachliche Spezialisierung
- M.Sc. DE: Digital Engineering-Projekt
- M.Sc. VC: Computer Science
- M.Sc. VC: Schlüssel- und Methodenkompetenzen

Intended learning outcomes:
When completing this module successfully, the students can: * solve a realistic data mining and data engineering task in teamwork * assess the business implications (costs and benefits) of a solution they propose * built-up a team and organize themselves in it, distributing subtasks among themselves according to their competences, setting milestones and pursuing a joint schedule * search for scientific papers of relevance * search appropriate libraries for data preparation, learning and visualization * design a learning workflow, apply AI methods and evaluate the induced models * develop a software solution jointly, using public domain tools * justify their design decisions and software suite selections * present their work as a team * write a joint report where they summarize and justify their approachBitte nachtragen nach neuen Constructive Alignment Vorgaben.

Content:
CONTENT: Assignment in the form of a realistic task that involves the analysis of static or dynamic, structured or unstructured data with mining methods, including supervised, unsupervised and semi-supervised methods, stream miners, forecasters and elaborate AI tools. The assignment involves design, development and evaluation of a software solution in teamwork. STRUCTURE: The assignment is for a team of students, typically three; for larger teams, the assignment is extended to ensure that the effort of each student is 6 ECTS. The students are called to solve the task as a team. The task involves understanding a realistic problem, designing, developing and evaluating a solution for it, presenting this solution to the class, defending it and documenting it on paper.

Workload:
For each team member: 28 h in class (including meetings) + 124 h self-study The teamproject is typically for three students. For larger teams, the assignments is extended to ensure that the effort of each team member is as above.

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

  • Wissenschaftliches Projekt, implementiert als eine Hausarbeit, die ein Referat beinhaltet
COURTESY TRANSLATION:
This module implements the exam form 'Wissenschaftliches Projekt' as a 'Hausarbeit' which incorporates a 'Referat'.

Wissenschaftliches Teamprojekt (2 SWS)

Prerequisites according to examination regulations: Recommended prerequisites:

keine

  • Familiarity with advanced mining methods for static data and (for some assignments) for streams
  • Familiarity with software development and software libraries
  • Underpinnings of project management
Media: Literature:

Literature depends on topic assignment and is given to each team together with the assignment

Comments:
Als Implementierung des generischen PFLICHTMODULS "Wissenschaftliches Teamprojekt" entsprechend anrechenbar. COURTESY TRANSLATION: This module implements the COMPULSORY generic module 'Wissenschaftliches Teamprojekt'.

Wissensmanagement – Methoden und Werkzeuge

Winter

(engl. Knowledge Management Methods and Instruments )

Modulnummer: FIN-INF-100373

Kürzel

WMS

CP

5

Semester

Winter

Fachsem.

Dauer

1 Semester

Sprache

deutsch

Niveau

Bachelor

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

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

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

Inhalt:

Arbeitsaufwand:


Prüfungsvorleistungen: Studien-/Prüfungsleistungen: Lehrform / SWS:

Votierung - min Anzahl von Punkten durch Aufgaben in den Übungen

Schriftliche Prüfung - Klausur (120 min)

  • Vorlesung (2 SWS)
  • Übung (2 SWS)

Voraussetzungen nach Prüfungsordnung: Empfohlene Voraussetzungen:

keine

Data Mining, Machine Learning, Information Retrieval

Medienformen: Literatur:


Literatur zum Teil I der Lehrveranstaltung:

  • 1. Franz Lehner ‘WISSENSMANAGEMENT - Grundlagen, Methoden und technische Unterstützung’ 6. überarbeitete und erweiterte Auflage, 2021, Verlag: HANSER; erreichbar unter www.hanser-elibrary.com von unserer Universitätsbibliothek
  • 2. Fallstudien zusätzlich aus: • K. Mertins & H. Seidel. "Wissensmanagement im Mittelstand", SPRINGER (2009) • A. Stocker & K. Tochtermann, "Wissenstransfer mit Wikis und Weblogs: Fallstudien zum erfolgreichen Einsatzvon Web 2.0 in Unternehmen", GABLER (2010)
Literatur zum Teil II der Lehrveranstaltung:
  • 1. Einstiegshilfe für Klassifikation aus dem entsprechenden Kapitel des Buchs ‘Introduction to Data Mining’, 2. Auflage, (2018/2019) von Pan-Ning Tan, Michael Steinbach, Anuj Karpatne & Vipin Kumar, PEARSON (erreichbar unter https://www-users.cs.umn.edu/~kumar001/dmbook/index.php)
  • 2. Auszüge zu Text Mining aus ‘Modeling the Internet and the Web: Probabilistic Methods and Algorithms’ (2003) von Pierre Baldi, Paolo Frasconi, Padhraic Smyth, WILEY
  • 3. Tutorial von Jesse Read zu Multi-Label Klassifikation (verlinkt vom Foliensatz) 2013
Weitere Literatur, zusätzliche Fallstudien und wissenschaftliche Artikel erscheinen im jeweiligen Veranstaltungsblock.

Hinweise: