Modulkatalog (ab Winter 2026/27)
- Investition und Finanzierung
- AI Ethics, Data Privacy, and Intellectual Property in IT
- AMS Lab Projects
- Advanced Database Models
- Advanced Programming in Computational Intelligence in Games
- Advanced Topics in Databases
- Advanced Topics in Deep Learning (Bachelor)
- Advanced Topics in Deep Learning (Master)
- Advanced Topics in Networking
- Advanced Topics in Networking
- Algorithmen und Datenstrukturen
- Algorithmen und Datenstrukturen
- Algorithmen und Programmierung
- Anwendungssysteme
- Applied Discrete Modelling
- Assistenzrobotik
- Ausgewählte Algorithmen der Computergraphik
- Bachelor-Projekt
- Bachelorarbeit
- Bachelorarbeit (dual)
- Bachelorseminar KMD
- Bachelorseminar Predictive Maintenance
- Berufspraktikum
- Bioinformatik
- Biometrics Project
- Clean Code Development
- Cloud School
- Compilerbau
- Computational Geometry
- Computational Intelligence in Games
- Computer Graphics - an Introduction
- Computer-Assisted Surgery
- Computer-Assisted Surgery
- Computergestützte Diagnose und Therapie
- Computernetze 1
- Data Engineering
- Data Engineering
- Data Management for Engineering Applications
- Data Mining I - Introduction to Data Mining
- Data Mining II - Advanced Topics in Data Mining
- Data Mining – Einführung in Data Mining
- Data Science with Python
- Data Warehouse Technologies
- Data and Knowledge Engineering
- Database Concepts
- Database Concepts
- Datenanalyse, Visualisierung und Visual Analytics
- Datenbanken 1
- Datenbanken 2
- Datenbanken 2
- Datenmanagement
- Decision Support Project
- Deep Learning für Ingenieure
- Design-Projekt
- Design-Projekt
- Didaktik der Informatik II
- Digital Engineering Project
- Digitalhandwerk
- Distributed Data Management
- Einführung in Digitale Spiele
- Einführung in Managementinformationssysteme
- Einführung in die Computergraphik
- Einführung in die Informatik
- Einführung in die Informatik (für BiBa)
- Einführung in die Informatik - Algorithmen und Datenstrukturen I
- Einführung in die Informatik I
- Einführung in die Wirtschaftsinformatik
- Einführung in die Wissensrepräsentation
- Erklärbare und sichere KI
- Estimation for Autonomous Mobile Robots
- Ethische Herausforderungen im Digitalen Zeitalter
- Evolutionary Multi-Objective Optimization
- Filmseminar Informatik und Ethik
- Flow Visualization
- Game Design – Grundlagen
- Grundlagen der C++ Programmierung
- Grundlagen der Computer Vision
- Grundlagen der Informatik für Ingenieure
- Grundlagen der Informatik für Ingenieure - PNK
- Grundlagen der Theoretischen Informatik
- Grundlagen der Theoretischen Informatik
- Grundlagen der Theoretischen Informatik II
- Grundlagen der Theoretischen Informatik II
- Grundlagen der Theoretischen Informatik III
- Grundlagen der Theoretischen Informatik III
- Grundlagen des Maschinellen Lernens
- Grundzüge der Algorithmischen Geometrie
- Hochintegrierte Enterprise Systeme
- Human-Centred Manufacturing and Usability
- IT-Forensik
- IT-Security of Cyber-Physical Systems
- IT-Softwareprojekt KMD
- IT-Softwareprojekt KMD
- Idea Engineering
- In-Memory und Cloud-Technologien
- Information Retrieval
- Informationstechnologie in Organisationen
- Intelligente Systeme
- Interaktive Systeme
- Interdisziplinäres Teamprojekt
- Internes Rechnungswesen
- Introduction to Computer Graphics
- Introduction to Computer Science for Engineers
- Introduction to Deep Learning
- Introduction to Distributed Sensor Data Fusion
- Introduction to Distributed Sensor Data Fusion
- Introduction to Machine Learning Safety
- Introduction to Machine Learning Safety
- Introduction to Simulation
- Introduction to Simulation
- KI in Unternehmen
- Learning Generative Models
- Learning Generative Models
- Logik
- Logik
- Logik 2
- MLOps for Small Language Model Applications
- Machine Learning
- Management of Global Large IT-Systems in International Companies
- Marketing
- Masterarbeit
- Masterarbeit
- Medical Visualization
- Mesh Processing
- Mobile Robotics
- Modellierung
- Modellierung
- Modellierungstechnik und Softwareprojekt
- Multimedia and Security
- Musik Information Retrieval
- Musik Information Retrieval
- Narrative Visualization
- Neuro-Symbolic Integration
- Parallele Programmierung
- Praktikum IT Sicherheit
- Praxisphase im letzten Semester (dual)
- Principles and Practices of Scientific Work and Soft Skills
- Programmierparadigmen
- Propädeutikum Informatik
- Prozessmanagement
- Qualitätsmanagementsysteme
- Recent Topics in Business Informatics
- Recommenders - Bachelorseminar
- Recommenders - Master level
- Schlüsselkompetenzen Grundlagen
- Schlüsselkompetenzen Grundlagen
- Schlüsselkompetenzen Grundlagen (dual)
- Schlüsselkompetenzen Grundlagen (dual)
- Scientific Project on Databases for Multi-Dimensional Data, Genomics, and modern Hardware
- Scientific Project on Databases for Multi-Dimensional Data, Genomics, and modern Hardware
- Scientific Writing
- Scrum-in-Practice
- Scrum-in-Practice
- Selected Chapters of IT Security: Orchestration of Mechanisms and Tools
- Selected Chapters of IT Security: Orchestration of Mechanisms and Tools
- Selected Chapters of IT Security: Prevention, Detection, Attribution and Reaction
- Selected Chapters of IT Security: Prevention, Detection, Attribution and Reaction
- Seminar 'Advanced Topics of KMD'
- Seminar on Advanced Topics of Predictive Maintenance
- Sensor Networks Seminar
- Service Engineering
- Service Engineering
- Sichere Systeme
- Simulation Project
- Soft Skills für Masterstudierende
- Software Defined Networking
- Software Defined Networking
- Software Development Project
- Software Engineering & IT-Projektmanagement
- Software Engineering & IT-Projektmanagement (dual)
- Software-Development for Industrial Robotics
- Softwareprojekt
- Softwareprojekt (dual)
- Spezifikationstechnik
- Startup Engineering I
- Startup Engineering II
- Swarm Intelligence
- Technische Aspekte der IT-Sicherheit
- Technische Informatik 1
- Technische Informatik 1
- Technische Informatik 2
- Technische Informatik 2
- Technische Informatik für Bildungsstudiengänge I
- Technische Informatik für Bildungsstudiengänge II
- Three-Dimensional & Advanced Interaction
- Umweltmanagementinformationssysteme
- Usability und Ästhetik
- User Experience Design Sprint
- VLBA - Systemarchitekturen
- VLBA – Cloud DevOps Technologies
- Virtual and Augmented Reality I
- Virtual and Augmented Reality I
- Visual Analytics
- Visual Analytics in Health Care
- Visualization
- Visualization
- Wahlpflichtfach FIN SMK
- Wissenschaftliches Individualprojekt
- Wissenschaftliches Individualprojekt (10 CP)
- Wissenschaftliches Seminar
- Wissenschaftliches Seminar (dual)
- Wissenschaftliches Teamprojekt
- Wissenschaftliches Teamprojekt (10 CP)
- Wissenschaftliches Teamprojekt KMD
- Wissensmanagement – Methoden und Werkzeuge
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
- sind in der Lage finanzielle Ziele von Unternehmen zu formulieren.
- erwerben Kenntnisse, um Investitionen analysieren zu können.
- entwickeln die Fähigkeit, eine Investitionsentscheidung zu treffen.
- lernen die verschiedenen Finanzmärkte kennen.
- erhalten Einblicke in die Beurteilung der unterschiedlichen Risikoarten.
- sind in der Lage sich selbstständig neues Wissen anzueignen.
- sind befähigt, finanzwirtschaftliche Sachverhalte bzw. Fragestellungen problem- und zielorientiert zu betrachten
Inhalt:
- Grundlagen der Finanzwirtschaft und der betrieblichen Finanzprozesse
- Finanzmathematische Grundlagen der Investitionskalküle
- Statische und Dynamische Investitionsrechnung
- Unsicherheitsberücksichtigung (Risiko, Risikoarten und Risikonutzen)
- Portfoliotheorie
- Capital Asset Pricing Model
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: |
|
| Applicability in curriculum: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. WIF: Recht - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Intended learning outcomes:
Students:
- can explain fundamental ethical principles.
- can appreciate ‘ACM’ and ‘IEEE’ professional ethics codes.
- can interpret the core provisions of the ‘GDPR’ and apply them to IT scenarios.
- can understand and identify IP rights and licensing types relevant to software and AI.
- can analyse how ethics, privacy, and IP are interrelated in IT innovation.
- can propose responsible approaches to real-world data and IP challenges.
Content:
- Ethics: professional integrity, fairness, and accountability in IT;
- Data Privacy: key data protection concepts and GDPR compliance;
- Intellectual Property (IP): ownership, licensing, and innovation in digital products.
Workload:
- Contact hours (lectures + activities): 52h
- Independent work (preparation + homework + project): 98h
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
None |
Hausarbeit (Homework and Presentation) |
Lectures (2 SWS) Exercise (2 SWS) |
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
none |
| Media: | Literature: |
|
Professional Ethics
|
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: |
|
| 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 ...
- can collaborate in teams to solve challenges in technical domains and deepen their technical expertise.
- can manage a project and define goals and milestones
- can acquire the knowledge in a technical domain to derive solutions
- can present and document their work and achievements
Content:
This module offers different team projects and individual projects on current, research-related areas like:
- robotics
- sensor data processing
- navigation and planning
- industrial machine learning
- optimization and control
- and more
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: |
|
| 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 ...
- understand different non-relational database models, their basic concepts, and their historical development
- understand implications of non-relational data models for query processing and application development
- use non-relational DBMS and their specific capabilities
- develop databases and according applications using non-relational databases
Content:
- Overview and history of database models
- NF2-, object-oriented, object-relational, and semi-structured database models
- Application of the database models and design methodologies (extended ERM, UML, ODMG, XML Schema, etc.)
- Foundations of query languages (OQL, SQL:2003, XPath/XQuery, etc.) and query processing for non-relational data models
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) |
|
| 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: |
|
| 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 ...
- carry out a large programming project using the concepts from the theoretical part of the course.
- have a full understanding of the algorithms of computational Intelligence in Games.
- learn to develop new ideas and apply them to new problems in the context of AI and Games.
- learn to program the methodologies from the lectures in teams.
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:
- How can we use the information from a search mechanism to learn?
- How can we use reinforcement learning to find for a better strategy?
- How can we use reinforcement learning as a search mechanism?
Workload:
56 contact hours + 94h self study
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
|
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
none |
Programming experience |
| Media: | Literature: |
|
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: |
|
| 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 ...
- understand selected advanced topics in databases
- know state-of-the-art solutions for current problems in database research
- assess advanced solutions for current database systems
- can apply advanced methods in database implementation techniques
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:
- Main-memory database algorithms and techniques
- Heterogeneous processing in database systems
- Advanced indexing ans storage techniques
- Storage techniques for NoSQL database systems
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 |
|
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
none |
|
| 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 ...
- are able to read and analyze current research papers
- can apply deep learning to an application domain
- gain in-depth knowledge in an application domain
- learn to work efficiently in a team on scientific problems
- learn to work on a server infrastructure
- present scientific results in a written and oral form
Content:
- Current topics from deep learning research
- Creation of domain-specific deep learning pipelines
- The application domain will be announced
beforehand
Workload:
30 contact hours + 120h self-study
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
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 ...
- can read and analyze current research papers
- apply deep learning to an application domain
- gain in-depth knowledge In the application domain
- learn to work efficiently in a team on scientific problems
- learn to work on a server infrastructure
- present scientific results in a written and oral form
Content:
- Current topics from deep learning research
- Create domain-specific deep learning pipelines
- The application domain will be announced
beforehand
Workload:
- 30h in person
- 150h self-study
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
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: |
|
| 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...
- enhance their competence in the area of networking
- understand advanced networking concepts
- can explain these concepts to other participants
- are able to apply these concepts in theoretical use cases and practical exercises
- gain expertise in practical network applications
Content:
The course deals with advanced topics in the area of networking:
- Overlay networks for content delivery, e.g., P2P, BitTorrent, CDNs, caching, overlay video streaming
- Distributed Hash Tables (DHT), e.g., Kademlia
- Blockchains
- Crypto currencies and Bitcoin
- Ethereum and smart contracts
- Secure network architectures, e.g., SCION
- Congestion Control, e.g., QUIC and Multipath-QUIC
Workload:
- 28h lectures
- 22h theoretical exercises
- 6h practical exercises
- 124h homework (further studies, practical work, preparation for the final exam)
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
Prerequisites for the exam required; details will be announced at the beginning of the semester. |
Written exam 120 minutes |
|
| 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: |
|
| Applicability in curriculum: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Intended learning outcomes:
Students...
- enhance their competence in the area of networking
- understand advanced networking concepts
- can explain these concepts to other participants
- are able to apply these concepts in theoretical use cases and practical exercises
Content:
The course deals with advanced topics in the area of networking:
- Overlay networks for content delivery, e.g., P2P, BitTorrent, CDNs, caching, overlay video streaming
- Distributed Hash Tables (DHT), e.g., Kademlia
- Blockchains
- Crypto currencies and Bitcoin
- Ethereum and smart contracts
- Secure network architectures, e.g., SCION
- Congestion Control, e.g., QUIC and Multipath-QUIC
Workload:
- 28h lectures
- 22h theoretical exercises
- 4h practical exercises
- 96h homework (further studies, preparation for the final exam)
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
Prerequisites for the exam required; details will be announced at the beginning of the semester. |
Written exam 120 minutes |
|
| 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
|
| 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
- kennen und verstehen die wichtigsten grundlegenden Datenstrukturen und Algorithmen auf diesen
- können diese anwenden und beurteilen, welche für eine bestimmte Anwendung (besser) geeignet sind
- verstehen vorgegebene und erstellen eigene Implementierungen
Inhalt:
- Listen
- Bäume
- Balancierte Suchbäume
- Heaps
- Hashverfahren
- Graphen
- Dynamische Programmierung
- Suche in Texten
- Entwurf und Analyse von Algorithmen
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
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| Medienformen: | Literatur: |
|
|
|
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: |
|
| Applicability in curriculum: | - B.Sc. INF (bilingual): Informatik I - Pflicht - B.Sc. INF (bilingual): Kernmodule (SPO 2027) |
Intended learning outcomes:
The students
- know and understand the most important basic data structures and algorithms on these
- are able to apply these and assess which are (better) suited to a specific application
- understand predefined and create their own implementations
Content:
- Lists
- Trees
- Balanced search trees
- Heaps
- Hash method
- Graphs
- Dynamic programming
- Search in texts
- Design and analysis of algorithms
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 |
|
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
none |
|
| Media: | Literature: |
|
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...
- haben ein Verständnis von der Arbeit mit dem Computer zur Unterstützung von ingenieurtechnischen Anwendungsaufgaben.
- kennen Mittel und Methoden zum Algorithmenentwurf und Modellierung, um Software zu entwickeln.
- können erste Programmierieraufgaben lösen und diese erfolgreich einer geeigneten Entwicklungsumgebung (z. B. Matlab) zu testen.
- entwickeln Kenntnisse in Programmierung und Testung. Damit sollen Fertigkeiten und Fähigkeiten zur Lösung konkreter Aufgabenstellungen des eigenen Fachbereiches unter Einsatz von Computer erworbenen werden.
- erwerben Kompetenzen, um im weiteren Studium systematisch Techniken der Informatik erschließen zu können.
Inhalt:
Die Teilnehmer*innen diese
- Computer und Logik
- Programmstrukturen
- Programmplanungsprozess
- Eigenschaften und Entwurf von Algorithmen
- Entscheidungen, Schleifen
- Felder und Methoden
- Operationen mit Feldern und Dateien
- Objekt-orientierte Programmierung
- Programmierumgebung Matlab
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
|
|
| 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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Anwenden - Pflicht - B.Sc. WIF: Wirtschaftsinformatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Angestrebte Lernergebnisse:
Die Studierenden ...
- verstehen, wie Geschäftsprozesse durch IT-Technologien unterstützt werden.
- kennen die Zwecke betrieblicher Anwendungssysteme.
- wissen, dass für verschiedene Geschäftsbereiche unterschiedliche betriebliche Anwendungen erforderlich sind.
- verstehen, wie Geschäftsdaten auf verschiedene betriebliche Anwendungen abgebildet werden.
- wissen wie man komplexere Sachverhalte mit Tabellen darstellt.
- können mehrere betriebliche Anwendungssysteme in verschiedenen Geschäftsbereichen anwenden.
- wissen wie verschiedene betriebliche Anwendungssysteme miteinander integriert sind und welche Integrationsformen möglich sind.
- können sich neues Wissen eigenständig aneignen und für sich nutzbar machen.
- können bei unbekannten Aufgaben eigene Ideen einbringen und Entscheidungen treffen.
- können für neue Aufgaben geeignete Lösungen wählen, anwenden und anschließend beurteilen.
Inhalt:
- Grundlagen der Wertschöpfungskette nach Porter
- Prozesse der betrieblichen Informationsverarbeitung
- Forschung und Entwicklung
- Vertrieb
- Einkauf
- Produktion
- Logistik
- Fallstudien zu komplexen Geschäftsprozessen mit SAP R/3 Enterprise
Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Hausarbeit
|
|
| 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: |
|
| 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:
- Students understand the basics of Markov chains and know selected applications and solution methods
- Students understand non-Markovian stochastic processes and can model and simulate them in different ways
- Students understand hidden Markovian and non-Markovian processes
- Students know selected research topics of the research group
- Students can implement the models and methods they have learned and apply them to problems from the university's main research areas, in particular medicine and engineering
Content:
- Discrete-time and continuous-time Markov chains
- Applications and implementation of solution methods for Markov chains
- Method of supplementary variables
- Proxel simulation and phase distributions
- Modeling with hidden models
- Programming solution methods for different model classes
- Modeling and solving problems from medicine and engineering
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 |
|
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
none |
|
| 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: |
|
| 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 ...
- kennen mathematische Transformationen zur geometrischen und differentiellen Beschreibung von Roboterkinematiken
- kennen die Bewegungsgleichung von Roboter-Manipulatoren und können sie für Fragestellungen zur kollaborativen Sicherheit anwenden
- kennen die unterschiedlichen Interpolationsarten zum Beschreiben einer Roboterbahn und können eigenständig C²-Trajektorien generieren
- können die Kinematik von mobilen Robotern modellieren und ihre Position unter Berücksichtigung von Unsicherheiten im Raum bestimmen
- kennen verschiedene Methoden des maschinellen Lernens (unüberwachtes und überwachtes Lernen sowie Deep Learning) und können deren Einsatzmöglichkeiten für die Bildverarbeitung im Kontext der Robotik einordnen
- verstehen die Grundprinzipien des Reinforcement Learnings und wissen, wie damit optimale Handhabungsstrategien für Roboter generiert werden können
- kennen die Grundlagen der Maschinensicherheit (Risikobeurteilung und CE-Kennzeichnung)
- kennen die Sicherheitsbetriebsarten für kollaborative Robotersysteme und können sie anwenden
Inhalt:
- Einführung in die Assistenzrobotik
- Grundlagen der Assistenzrobotik (Modellierung von Roboterkinematiken, Bahnplanung, Bewegungs- und Kraftregelung, Sensoren, mobile Systeme)
- Mensch-Roboter-Kollaboration und Sicherheit: Technologien, Maschinensicherheit, Normen, Rechtslage
- KI-Verfahren in der Robotik
Arbeitsaufwand:
42h Präsenzzeit + 138h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Mündliche Prüfung
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| 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: |
|
| Verwendbarkeit: | - M.Sc. INF: Informatik - M.Sc. INGINF: Informatik - M.Sc. WIF: Informatik - M.Sc. VC: Visual Computing |
Angestrebte Lernergebnisse:
Die Studierenden
- verstehen grundlegende Konzepte der Linearen Algebra und Numerik
- wenden diese an, um Algorithmen aus dem Bereich der Computergraphik zu implementieren
- erstellen eigene Implementierungen,Tests und Benchmarks
- können geeignete Werkzeuge (z.B. Programmiersprache, Bibliotheken) beurteilen, sinnvoll auswählen und anwenden
- können wissenschaftlichen Artikel im Bereich Computergraphik insbesondere im Hinblick auf mathematische Inhalte verstehen und implementieren
Inhalt:
- Linear least-squares approximation
- Data interpolation and approximation
- Matrix factorization
- Sparse matrices
- Regularization
- Implementation issues
- General applications and case studies
- The specific contents may vary each semester.
Arbeitsaufwand:
- 56 h Präsenz
- 124 h 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 20 Minuten
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| 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 ...
- haben ein von einem externen Auftraggeber formuliertes, studienfachnahes Problem bearbeitet.
- haben die zu erbringenden fachbezogenen Leistungen und die Projektorganisation werden mit ihrem Auftraggeber vereinbart.
- haben einen Meilensteinplan und einen Kommunikationsplan für ihren Arbeitsfortschritt und die erzielten Ergebnisse formuliert
Inhalt:
Auftragsspezifisch
Arbeitsaufwand:
150 h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
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, …
- können eine wissenschaftliche Fragestellung oder eine betriebliche Problemstellung mit wissenschaftlichem Charakter analysieren
- können einen aus wissenschaftlicher Sicht geeigneten Lösungsweg definieren und selbstständig planen und organisieren
- können die benötigten Ressourcen wie wissenschaftliche Literatur oder Software-Werkzeuge beschaffen und sich dort einarbeiten
- können regelmäßige Fortschrittsgespräche nutzen, um Vorschläge ihres Betreuers und ihre eigenen Ideen zu besprechen
- können ihren Lösungweg sowie ihre Ergebnisse und deren Interpretation in einer Bachelorarbeit schriftlich dokumentieren
- können ihre Arbeitsergebnisse sowie deren potenzielle Konsequenzen einschätzen und bewerten.
- können in der Verteidigung die wichtigsten Punkte ihrer Bachelorarbeit in einem Vortrag zusammenfassen und in einem Fachgespräch verteidigen.
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:
- 360 h selbstständige Arbeit
- Verteidigung
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
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, …
- können eine wissenschaftliche Fragestellung oder eine betriebliche Problemstellung mit wissenschaftlichem Charakter analysieren
- können einen aus wissenschaftlicher Sicht geeigneten Lösungsweg definieren und selbstständig planen und organisieren
- können die benötigten Ressourcen wie wissenschaftliche Literatur oder Software-Werkzeuge beschaffen und sich dort einarbeiten
- können regelmäßige Fortschrittsgespräche nutzen, um Vorschläge ihres Betreuers und ihre eigenen Ideen zu besprechen
- können ihren Lösungweg sowie ihre Ergebnisse und deren Interpretation in einer Bachelorarbeit schriftlich dokumentieren
- können ihre Arbeitsergebnisse sowie deren potenzielle Konsequenzen einschätzen und bewerten.
- können in der Verteidigung die wichtigsten Punkte ihrer Bachelorarbeit in einem Vortrag zusammenfassen und in einem Fachgespräch verteidigen.
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:
- 360 h selbstständige Arbeit
- Verteidigung
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
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:
- can read and present a scientific paper
- can compare mining methods, workflows and frameworks that address a specific scientific topic, and can rank them on given criteria
- can critically discuss the advantages and caveats of a published mining method
- can summarize one or more papers , their comparisons and critical discussion in an essay
- can present the scientific paper(s) they have read in a pre-specified amount of time and in a way understandable to both an audience that has read the papers and to an audience that has not, and they can answer questions
Content:
CONTENT: Topics on 'Knowledge Management and Discovery' for business applications, engineering applications and applications in healthcare; all topics refer to mining algorithms
STRUCTURE: Each student receives a topic as assignment. The assignment encompasses:
- one or two papers in the topic's area
- a series of questions to be answered from the papers
- read the papers
- compare the methods and results in them in order to answer the scientific questions
- critically discuss and rank the methods compared in the previous step
- present the above in class and answer questions
- write an essay on them
Workload:
28 h Präsenz + 94 h selbstständige Arbeit
COURTESY TRANSLATION:
28 h in class + 94 h self-study
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
Referat |
Seminar (2 SWS) |
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
none |
|
| 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: |
|
| Applicability in curriculum: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Künstliche Intelligenz - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Intended learning outcomes:
When successfully completing this seminar, the students can:
- read scientific articles given to them on introductory topics of predictive maintenance
- discuss these articles and reflect on them
- compare the methods that appear in these articles and discuss the pros and contra of each method in comparison to other methods
- summarize article contents on predictive maintenance in a report and present them
- formulate questions on these articles and answer questions formulated by other seminar participants
Content:
In this seminar, the participants will learn about
- challenges and methods for data acquisition in industrial processing
- data analysis tools in predictive maintenance
- process modeling, fault detection, and state prediction
Workload:
28 h in presence (consultation meetings, presentations) / 96 h self-study for:
- Reading and Understanding of Provided Papers
- Writing an essay
- Presentation and question answering
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
Referat |
Seminar (2 SWS) |
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
none |
|
| Media: | Literature: |
|
Scientific articles on Predictive Maintenance; |
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 ...
- setzen ihre Kenntnisse aus dem Studium ein, um ein praktisches Problem in einer Organisation zu lösen.
- führen ihre Aufgaben in eigener Verantwortung durch unter Berücksichtigung der betrieblichen und sachlichen Anforderungen ihres Arbeitsumfeldes.
- diskutieren ihren Lösungsweg mit ihren Team-Kollegen und informieren sie über ihre Fortschritte und Ergebnisse.
- bekommen Einblicke in die Notwendigkeiten, Abläufe und sozialen Strukturen in der Organisation.
- beschreiben in einem Abschlussbericht einzelne Aspekte ihrer Tätigkeit, die besondere positive oder negative Folgen hatten.
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:
- Dauer des Berufspraktikums ist mindestens 12 Wochen.
- Möglichkeiten zum Praktikum können über das Universitätsportal Jobteaser gefunden werden:
- Allgemeine Informationen zum Jobteaser
- Jobteaser Portal
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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Angestrebte Lernergebnisse:
Die Studierenden ...
- verstehen verschiedene Datenstrukturen für Bioinformatik
- können Basisalgorithmen zur Bearbeitung von Sequenzdaten anwenden und programmieren
- wenden Clusteranalyse und verschiedene Heuristiken für die Bearbeitung molekularbiologischer Daten an
Inhalt:
- Einführung in die Bioinformatik und die Molekularbiologie
- Einführung in Datenbanken und speziell molekularbiologische Datenbanken
- Algorithmen zur Sequenzanalyse
- Heuristische Methoden für die Sequenzanalyse
- Algorithmen zur Clusteranalyse
- Expressionsdatenanalyse
- Algorithmen zum Aufbau phylogenetischer Bäume
Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Klausur (2h). Voraussetzung zur Teilnahme an der Prüfung werden in der ersten Vorlesung und online bekannt gegeben.
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
Algorithmen und Datenstrukturen
|
| Medienformen: | Literatur: |
|
|
|
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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027) |
Angestrebte Lernergebnisse:
Die Studierenden ...
- können anhand einer ausgewählten fachlichen Fragestellung zur Cybersicherheit die Anforderungen und Lösungsmöglichkeiten im Zusammenspiel von Sicherheit, Sensortechnik und Multimediatechnologie für ein Anwendungsbeispiel verstehen
- können Komponenten multi-modaler Systeme am Beispiel sicher gestalten und eine Sicherheitsbewertung vornehmen
- können technische Integrationsaspekte verstehen und Umsetzungen ausgewählter Inhalte aus „Sichere Systeme“ und „Algorithmen und Datenstrukturen“ vornehmen
- können eine Evaluation und Bewertung multi-modaler Systeme vornehmen und Restrisiken benennen
- können Herausforderungen in der Teamarbeit erkennen und reflektieren
- können die Ergebnisse in einem Referat präsentieren und sich einer Diskussion stellen
- können Sicherheit als Prozess in einem IuK-System verstehen und ausgewählte Mechanismen gestalten und anwenden
Inhalt:
- Einführung und Grundlagen zu ausgewählten fachlichen Fragestellungen zur Cybersicherheit, Sensortechnik und Multimediatechnologie
- Erläuterungen anhand von Anwendungsbeispielen
- Gestaltungskonzepte für sichere Multi-modale Systeme für ausgewählte Beispiele
- Ansätze zur Sicherheitsbewertung
- Wiederholung: Grundlagen der Teamarbeit, Vorlesung ist Projekt-orientiert
Arbeitsaufwand:
56h Präsenszeit
94h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
keine |
Referat mit zwei Teilleistungen (Vortrag und Ausarbeitung)
|
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: |
|
| 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:
- know and understand the principles of Clean Code Development
- are able to apply the associated tools and practices in practice
- learn to independently select and adapt the concepts suitable for a project
- learn to distribute tasks within a team and collaborate in an organized manner
Content:
- Software engineering deals with the creation and development of software, the organization and modeling of related data structures, and the operation of software systems. It thus encompasses software design, implementation, and management.
- The introductory lecture Software Engineering I provided the foundational knowledge for designing and writing good software.
- This advanced lecture introduces modern techniques and methods that are commonly used in the development of large software systems.
- We align with the four core values of Clean Code Development – evolvability, correctness, production efficiency, and comprehensibility.
- To achieve these goals, a variety of programming principles and practices will be introduced.
- These include, among others, team formation and organization in software development, principles and tools of Clean Code Development, continuous integration and automated build systems, bug tracking, error localization and debugging, automated and model-based testing, code analysis and quality metrics, requirements engineering and tracing, as well as distributed and component-based software architectures.
- The course will offer a high degree of practical engagement with tools and software development techniques, especially in the exercises. The goal is not only to convey abstract knowledge but also to develop hands-on competencies.
- Participation in the exercises is mandatory and will be conducted in groups.
Workload:
56h Präsenszeit + 124h selbständige Arbeit am Projekt
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
Projekt |
Mündliche Prüfung |
|
| 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: |
|
| Applicability in curriculum: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Verstehen und Gestalten - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Intended learning outcomes:
The students ...
- know and understand the basic principles of the cloud computing paradigm
- know the typical service and deployment models of cloud computing
- understand workloads and revenue models
- are able to build basic cloud applications independently
- understand the benefits and risks of cloud computing at the business and application layer
- are able to select suitable cloud infrastructure from appropriate platform offerings for their applications
- know how to apply cloud design patterns in practical developments
- are able to use self-developed cloud applications for modern application scenarios (e.g., related to machine learning and data science)
Content:
- Cloud Computing Fundamentals
- Cloud Offering Patterns
- Cloud Application Architecture Patterns
- Cloud Application Management Patterns
- Composite Application Pattern
- Impact of Cloud Computing Properties
- Cloud Computing Application Scenarios
Workload:
45 h lecture and exercise + 105 h independent work
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
In order to participate in the exam, preliminary exam requirements must be met. Details will be announced in the first lecture. |
Graded und ungraded written examination, 120 Min. |
2 SWS Lecture + 3 SWS Exercise class |
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
none |
| Media: | Literature: |
|
Fehling, C.; Leymann, F.; Retter, R.; Schupeck, W.; Arbitter, P. (2014): Cloud Computing Patterns: Fundamentals to Design, Build, and Manage Cloud Applications (ISBN: 978-3-7091-1567-1), DOI: 10.1007/978-3-7091-1568-8
|
Comments:
Compilerbau
Winter
(engl. Compiler Construction )
Modulnummer: FIN-INF-100382 |
|
Kürzel 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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027) |
Angestrebte Lernergebnisse:
Die Teilnehmenden...
- verstehen theoretische Grundlagen von formalen Sprachen
- wenden Algorithmen zur Optimierung von regulären Ausdrücken, Grammatiken und Code-Repräsentationen an
- verstehen wichtige Konzepte von Compilern
- erstellen Komponenten eines Compilers in kleineren Teams
- präsentieren Lösungsansätze und Ergebnisse anderen Teilnehmenden
Inhalt:
Compiler übersetzen Programme aus einer Ausgangssprache in eine Zielsprache, üblicherweise aus einer höheren Programmiersprache in eine Maschinensprache. Dies erlaubt es unter anderem, die gleiche Anwendung mit relativ geringem Aufwand für unterschiedliche Prozessorarchitekturen zu übersetzen und darauf auszuführen. Ein tiefergehendes Verständnis von Compilern hilft dabei, effizientere und sicherere Programme zu schreiben.
Die zu übersetzenden Programme werden außerdem durch Compiler überprüft und verbessert. Wie viele Fehler dabei gefunden werden können, hängt von der Striktheit der Sprache ab. Einige Sprachen, wie z. B. Rust, machen es schwieriger, Programme ohne Fehler zu schreiben, bieten dafür aber gewisse Korrektheitsgarantien. Darüber hinaus führen Compiler eine Vielzahl an Optimierungen durch, um die gegebene Rechnerarchitektur möglichst effizient zu nutzen.
Die Vorlesung findet nach dem Prinzip des Flipped Classroom statt. Dabei sollen selbstständig die entsprechenden Kapitel des Buches „Introduction to Compilers and Language Design“ gelesen werden, die dann in der Vorlesung vertieft besprochen werden.
In der Vorlesung werden die Konzepte vermittelt, die Übungen dienen der praktischen Anwendung und Umsetzung der erworbenen Kenntnisse.
Arbeitsaufwand:
- 56h Präsenz
- 94h selbstständiges Arbeiten
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Mündliche Prüfung
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| Medienformen: | Literatur: |
|
|
|
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:
- basics in combinatorial geometry
- basics in algebraic geometry
- duality
- algorithm design paradigms
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 |
|
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
keine |
Basics in algorithmic geometry (for example, bachelor modul Grundzüge der Algorithmischen Geometrie) |
| Media: | Literature: |
|
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: |
|
| Applicability in curriculum: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Intended learning outcomes:
The students will learn the concepts in reinforcement learning, Game Theory and beyond and can apply them to various domains, particularly in Games.
The students can program the learned algorithms and will get an understanding about the functionality of the algorithms.
Content:
- This course addresses the basic and advanced topics in the area of computational intelligence and games and contains three parts:
- Part one addresses the basics in Evolutionary Game Theory (EGT). In this part you will learn about simple games such as scissors/rock/paper and the main focus on the strategies for playing games.
- Part two is about learning agents and we focus on reinforcement learning mechanisms. There are three questions for games:
- – How can we use the information from a search mechanism to learn?
- – How can we use reinforcement learning to find for a better strategy?
- – How can we use reinforcement learning as a search mechanism? The application is on board games.
- Part three contains the advanced topics in games and artificial intelligence such as how can we program an agent who can pass a Turing test? How can we consider physical constraints of a spaceship while moving in an unknown terrain?
Workload:
56 contact hours + 94 h self study
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
|
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
none |
Intelligente Systeme |
| Media: | Literature: |
|
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: |
|
| Applicability in curriculum: | - M.Sc. DE: Grundlagen Informatik - M.Sc. VC: Visual Computing |
Intended learning outcomes:
The students
- understand the basic concepts of computer graphics
- can apply their knowledge to create their own simple rendering program
- work in groups on exercises and programming tasks
- learn both the theoretical basics and applications of computer graphics
- are able to acquire in-depth knowledge of computer graphics after finishing the course
Content:
- Introduction, history, application areas of Computer graphics
- Modeling and acquisition of graphical data
- Transformations
- Clipping
- Rasterization and antialiasing
- Lighting
- Texturing
- Visibility
- Ray tracing
- Modern concepts of computer graphics at a glance
Workload:
- 56h contact time (lecture + exercise class)
- 94h self study (lecture material, solution of exercises and assignments)
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
Exam: Written exam 120 min. Exam certificate: Passing the written exam 120 min. |
|
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
keine |
| Media: | Literature: |
|
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: |
|
| 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 ...
- have an in-depth knowledge of modern surgical and interventional imaging technologies such as iMRI, iCT and IOUS, as well as medical image processing
- understand methods such as surgical tracking, calibration and registration, which are essential for the development and application of surgical assistance systems
- can design and develop surgical planning and navigation systems.
- can write a state of the art report in the field of computer assisted surgery
- can read, analyse and briefly summarise scientific papers in a scientific report.
- will be able to read, understand and present scientific publications in the field of computer-assisted surgery
- will understand how to critically analyse scientific publications and improve their ability to present the results of others' research.
- will develop, test and evaluate a software tool in an interdisciplinary team
- will learn how to deal with conflict in interdisciplinary teams.
Content:
This lecture provides an overview of computer-assisted surgery. After an introduction to the basics, the state of the art in computer-assisted surgery is presented using clinical examples. The following topics will be covered:
- Fundamentals of intra-operative imaging
- Fundamentals of surgical visualisation
- Computer-assisted surgical planning
- Surgical navigation systems
- Surgical Augmented Reality
- Surgeon-Computer Interaction
- Robotic Surgery
- Medical Software Development and Evaluation
Workload:
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 |
|
| 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: |
|
| Applicability in curriculum: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Medizintechnik - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Intended learning outcomes:
Students who complete this module ...
- have an in-depth knowledge of modern surgical and interventional imaging technologies such as iMRI, iCT and IOUS, as well as medical image processing
- understand methods such as surgical tracking, calibration and registration, which are essential for the development and application of surgical assistance systems
- can design and develop surgical planning and navigation systems.
- can write a state of the art report in the field of computer assisted surgery
- can read, analyse and briefly summarise scientific papers in a scientific report.
- will be able to read, understand and present scientific publications in the field of computer-assisted surgery
- will understand how to critically analyse scientific publications and improve their ability to present the results of others' research.
- will develop, test and evaluate a software tool in an interdisciplinary team
- will learn how to deal with conflict in interdisciplinary teams.
Content:
This lecture provides an overview of computer-assisted surgery. After an introduction to the basics, the state of the art in computer-assisted surgery is presented using clinical examples. The following topics will be covered:
- Fundamentals of intra-operative imaging
- Fundamentals of surgical visualisation
- Computer-assisted surgical planning
- Surgical navigation systems
- Surgical Augmented Reality
- Surgeon-Computer Interaction
- Robotic Surgery
- Medical Software Development and Evaluation
Workload:
56h contact hours + 94h self study
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
Successful completion of the exercise/seminar |
oral exam |
|
| 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: |
|
| Verwendbarkeit: | - B.Sc. CV: Anwendungsfach - Medizintechnik - B.Sc. CV: Computervisualistik - Wahlpflicht |
Angestrebte Lernergebnisse:
Die Studierenden ...
- kennen ausgewählte diagnostische u. therapeutische Prozesse, insbesondere die Rolle der medizinischen Bildgebung (Histologie, radiologische und nuklearmedizinische Bildgebung)
- haben die Fähigkeit, den Bedarf für eine Computerunterstützung abzuschätzen
- haben einen Einblick in die KI-gestützte medizinische Bildanalyse, einschließlich klinischer Anwendungsmöglichkeiten und noch bestehender Limitationen
- kennen die Kriterien für die Akzeptanz von (neuen) Softwarelösungen in der bildbasierten Diagnostik und Therapie
Inhalt:
- Prinzipien der 3D-Bildgebung in der Medizin
- Beschreibung ausgewählter diagnostischer Prozesse
- KI-basierte medizinische Bildanalyse
- Quantifizierung in der bildbasierten Diagnostik
- Computergestützte Diagnostik, insbesondere Erkennung von Lungenrundherden in CT-Daten und Läsionen in Mammographien
- Grundlagen und Anwendungen der virtuellen Endoskopie
- Grundlagen und ausgewählte Beispiele der Planung von Interventionen und Operationen
- Computergestützte Planung u. Bewertung von Operationsstrategien
- Integration von Simulation u. Visualisierung in der Therapieplanung
- Betrachtung von Fallbeispielen: Diagnostik von Gefäßerkrankungen, Planung und intraoperative Unterstützung neurochirurgischer Eingriffe,
- KI-Strategien zur Unterstützung diagnostischer Prozesse
Arbeitsaufwand:
56 h Präsenzzeit + 94 h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Referat (im Seminar) |
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
Modul Computer Vision
|
| Medienformen: | Literatur: |
|
|
|
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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Angestrebte Lernergebnisse:
Studierende ...
- kennen und verstehen die Grundlagen der Datenkommunikation
- kennen die Schichtenarchitektur des ISO/OSI-Modells
- verstehen Konzepte wie Kanalkapazität, Datenrate und ihre Zusammenhänge
- verstehen Fehlererkennung und Fehlerkorrektur und ARQ-Verfahren
- sind in der Lage Herausforderungen der höheren Protokollschichten einzuordnen
Inhalt:
- Grundlegende Protokolle und Ansätze von der Bitübertragungsschicht bis zu Netzwerkschicht
- ISO/OSI-Architektur vs TCP/IP-Architektur
- Datenübertragung
- Medienzugriffskontrolle
- Fehlerbehandlung
- Zuverlässige Nachrichtenübertragung
Arbeitsaufwand:
56 h Präsenz + 94 h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Klausur 120 Minuten
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| Medienformen: | Literatur: |
|
|
|
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: |
|
| 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:
- verstehen, warum Data Engineering vor dem Aufruf von Lernverfahren nötig ist
- sind vertraut mit einer Auswahl von Data Engineering Methoden und
- können diese bei einfachen Aufgabenstellungen anwenden und ihre Ergebnisse evaluieren
Inhalt:
-
Arbeitsaufwand:
56 Stunden Präsenzzeit
94 Stunden selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Klausur 120 Minuten
|
|
| 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:
- Befähigung unstrukturierte Daten durch Datenvorverarbeitung in ein Format zu bringen, das für weitere Auswertung wie zum Beispiel maschinelles Lernen geeignet ist.
- Studierende sollen die Datenaufbereitung praktisch umsetzen sowie einfache Analysen durchführen können.
- Umgang mit wissenschaftlichen Inhalten und Software Libraries auf Englisch
Inhalt:
Teil 1: Datenbanken
- ER Modellierung und Tabellen
- SQL Grundlagen
- SQL Aggregationen
- Alternative Datenbanksysteme
- Anfragearten
- Datenstrukturen für verschieden Anfragearten
- Aggregationen in Python
- Datenmengen & Zeitreihen
- Statistisches Testen
- Datenreinigung, -normalisierung und -transformationen
- Missingness & Rauschen
- Reduzierung des Dimensionsraums
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: |
|
| Applicability in curriculum: | - M.Sc. DE: Methoden des Digital Engineering |
Intended learning outcomes:
The students ...
- understand and assess engineering applications
- understand basics of information systems
- design databases in the context of engineering applications
Content:
- Introduction in the design of relational and non-relational database systems
- Requirements of engineering data management
- Product data management with database systems
- Workflow support and interoperability
- Product lifecycle management
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) |
|
| 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: |
|
| 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
- comprehend the purpose of model induction from data
- are familiar with the behaviour of simple learning algorithms on tabular static data and can apply them to derive models
- comprehend the purpose, challenges and basic instruments for model evaluation
- can evaluate models
- comprehend the purpose of data engineering in preparation of data mining
- are familiar with basic tasks of data engineering
Content:
- Underpinnings: basic forms of learning
- BLOCK 1 - supervised: Classification algorithms and evaluation procedured
- BLOCK 2 - unsupervised: Clustering algorithms and evaluation procedures
- BLOCK Evaluation: more on model evaluation and model comparison
- BLOCK Data Engineering: basic steps on engineering the data before they are input to the model learner
Workload:
- 28 hours - in presence : lecture class (2 hours per week)
- 28 hourse in presence: exercise class (2 hours per week)
- 124 hours: independent work (for lectures, exerices and for the exam preparation)
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
A minimum number of points must be achieved during the course. |
|
|
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
keine |
|
| 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)
|
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:
|
| 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:
- comprehend why temporal data need different learning algorithms and evaluation procedures than used on static data
- comprehend the behaviour of supervised, unsupervised and semi-supervised learning algorithms on temporal data
- can design and apply simple learning algorithms and workflows on temporal data and interpret the induced models
- can evaluate models - once and in continuous evaluation, since both are needed in temporal learning
Content:
Block 1A: Data Streams
- Basics
- Stream classification: learning methods and concept drift detectors; evaluation approaches
- Semi-supervised stream learning: methods and evaluation approaches
- Basics
- Time series classification
- Time series prediction
- Evaluation of models
Workload:
- 28 hours - in presence : lecture class (2 hours per week)
- 28 hourse in presence: exercise class (2 hours per week)
- 214 Stunden: Individual working time on
- Preparation for lectures and exercise classes
- Reading and understanding the articles (scientific papers) provided for the discussion in the lecture class
| 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:
|
|
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
keine |
|
| 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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Künstliche Intelligenz - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Verstehen und Gestalten - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Angestrebte Lernergebnisse:
Die Studierenden:
- verstehen, wozu Data Mining gut ist
- verstehen, wie eine Klassifikationsaufgabe aussieht und wie eine Clustering-Aufgabe aussieht, und können zwischen den zwei Typen von Aufgaben unterscheiden
- verstehen, wie einfache Klassifikationsmethoden funktionieren und können diese für Probleme anwenden
- verstehen, wie einfache Clustering-Methoden funktionieren und können diese für Probleme anwenden
- verstehen die Herausforderungen der Evaluation von Modellen
- können Evaluationsvorgänge gestalten und durchführen
- verstehen, warum Data Engineering vor dem Aufruf von Lernverfahren nötig ist
- können einfache Instrumente der Datenaufbereitung anwenden und ihre Ergebnisse evaluieren
Inhalt:
- Klassifikation: Lernverfahren und Evaluationsvorgänge
- Clustering: Lernverfahren und Evaluationsvorgänge
- mehr zu Methoden für die Evaluation von Modellen
- Data Engineering: Datenaufbereitungsaufgaben, -methoden und -evaluationsvorgänge
Arbeitsaufwand:
- 28 Stunden Vorlesung (Präsenz)
- 28 Stunden Übung (Präsenz)
- 94 Stunden Eigensändiges Arbeit zur Vor- und Nachbereitung der Vorlesung und der Übung, sowie zur Prüfungsvorbereitung
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Votierung - min Anzahl von Punkten durch Aufgaben in den Übungen |
Schriftliche Prüfung - Klausur (120 min)
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
Datenbanken
|
| Medienformen: | Literatur: |
|
|
|
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:
- Import and preprocess raw data (files, databases, web APIs)
- Transform data for modelling
- Perform exploratory data analysis with summary statistics and visualization
- Understand, build and evaluate predictive classification and regression models, including tree-based models, ensembles and boosted models
- Communicate and disseminate results and findings through reproducible documents, presentations, websites and interactive web applications
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: |
|
| 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 ...
- understand the data warehousing approach
- understand technologies in the field of data warehouses
- can use data warehouse specific DBMS functionalities
- can design and develop data warehouse applications
Content:
- The data warehouse approach
- Architecture and differences to traditional Database Management
- The Extract-Transform-Load process
- OLAP and the Multidimensional data model
- Application of the model in database systems
- Query execution and optimization
- Index and Storage structures for data warehouses
- Buisiness Intelligence on data warehouses
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) |
|
| 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 ...
- understand how to work in practice with DKE approaches
- can perform a literature review on the state-of-the-art on a given topic
- can describe a given DKE task in form of a scientific paper
- can present and defend a practical project by a presentation and discussion
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:
- Document organization
- Information management
- Ranking & Explainability
- Named Entity Recognition
- Tokenization & Filtering
- Latent Representations of Words / Sentences / Documents
- Usability
- User Experience (UX) Design
- Human-AI 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: |
|
| Applicability in curriculum: | - M.Sc. DE: Grundlagen Informatik |
Intended learning outcomes:
The students ...
- understand basic concepts of database systems
- are able to model relational databases
- are familiar with relational database languages
- can develop database applications
- model relational databases based on complex and changing practical usage scenarios
Content:
- Properties of Database Systems
- Architectures
- Conceptual Design of Relational Databases
- Relational Database Model
- Mapping of ER-Schemas to Relations
- Database Languages (Relational Algebra, SQL)
- Formal Design Criteria and Normalization
- Database Application Programming
- Further Database Concepts, e.g., Views, Triggers, Access Rights
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) |
|
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
Cannot be attended together with “Datenbanken 1” |
| Media: | Literature: |
|
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: |
|
| Applicability in curriculum: | - B.Sc. INF (bilingual): Informatik I - Pflicht - B.Sc. INF (bilingual): Kernmodule (SPO 2027) |
Intended learning outcomes:
The students ...
- understand basic concepts of database systems
- are able to model relational databases
- are familiar with relational database languages
- can develop database applications
Content:
- Properties of Database Systems
- Architectures
- Conceptual Design of Relational Databases
- Relational Database Model
- Mapping of ER-Schemas to Relations
- Database Languages (Relational Algebra, SQL)
- Formal Design Criteria and Normalization
- Database Application Programming
- Further Database Concepts, e.g., Views, Triggers, Access Rights
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) |
|
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
Cannot be attended together with “Datenbanken 1” |
| Media: | Literature: |
|
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 ...
- kennen Methoden der Datenanalyse, Visualisierung und des Visual Analytics, einschließlich algorithmischer Verfahren zur Datenaufbereitung, Dimensionsreduktion und Clusteranalyse.
- kennen Visualisierungstechniken zur Darstellung hochdimensionaler Daten und interaktiver Visual Analytics-Ansätze zur Entscheidungsunterstützung.
- kennen kognitive und wahrnehmungspsychologische Aspekte der Datenvisualisierung sowie Prinzipien effektiver grafischer Darstellungen.
- können geeignete Methoden und Werkzeuge zur Analyse und Visualisierung komplexer Datenbestände auswählen, anwenden und interpretieren.
- können Visualisierungs- und Analysemodelle technisch umsetzen, evaluieren und in geeignete Applikationen integrieren.
- können die Qualität und Aussagekraft von Datenvisualisierungen und analytischen Modellen kritisch bewerten und optimieren.
- können für einfache Problemstellungen aus der Anwendung selbstständig datenbasierte Lösungen entwickeln und präsentieren.
Inhalt:
Inhalte der Veranstaltung:
- Automatisierbare Datenanalyse: Einführung in maschinelles Lernen und statistische Methoden zur Datenauswertung und deren mathematische Grundlagen (insbesondere in der multivariaten Optimierung). Behandelte Techniken umfassen PCA zur Dimensionsreduktion, k-Means zur Clusterbildung und Regressionsanalysen zur Modellierung von Zusammenhängen u.v.m.
- Datenvisualisierung: Methoden zur grafischen Darstellung von Daten zur Erkennung von Mustern und Trends, darunter Scatterplots, Heatmaps und Parallelkoordinaten.
- Visual Analytics: Kombination aus Data-Mining-Methoden und interaktiven Visualisierungen zur Analyse komplexer Datenbestände. Einsatz von Dashboards und Reporting-Tools zur Entscheidungsunterstützung.
- Interdisziplinäre Aspekte: Einfluss der visuellen Wahrnehmung und kognitiven Verarbeitung auf effektive Visualisierungen. Berücksichtigung von Farbtheorie, Gestaltprinzipien und Usability.
- Anwendungsbeispiele: Praxisnahe Anwendungen aus Finanzdatenanalyse, Bioinformatik und Epidemiologie, etwa zur Krankheitsüberwachung oder Genexpressionsanalyse.
- Die Veranstaltung kombiniert Theorie und praxisnahe Anwendungsszenarien, um Studierende auf eigenständige Datenanalyse- und Visualisierungsaufgaben vorzubereiten.
Arbeitsaufwand:
30 h Präsenzzeit + 120 h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Klausur, 120 min.
|
2 SWS Vorlesung
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| Medienformen: | Literatur: |
|
|
|
Hinweise:
Datenbanken 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: |
|
| 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 ...
- verstehen die Grundkonzepte von Datenbanksystemen
- können relationale Datenbanken entwerfen
- kennen relationale Datenbanksprachen
- können Datenbankanwendungen entwickeln
Inhalt:
- Eigenschaften von Datenbanksystemen
- Architekturen
- Konzeptueller Entwurf einer relationalen Datenbank
- Relationales Datenbankmodell
- Abbildung ER-Schema auf Relationen
- Datenbanksprachen (Relationenalgebra, SQL)
- Formale Entwurfskriterien und Normalisierungstheorie
- Anwendungsprogrammierung
- Weitere Datenbankkonzepte wie Sichten, Trigger, Rechtevergabe
Arbeitsaufwand:
56 h Präsenz + 94 h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Erfolgreicher Besuch der Übung |
Schriftliche Prüfung (120 min)
|
|
| 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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Angestrebte Lernergebnisse:
Die Studierenden ...
- verstehendie Architektur und Funktionsweise von Datenbanksystemen
- verstehen die Verwaltung des Hintergrundspeichers und Seitenverdrängungsstrategien
- verstehen typische Zugriffstrukturen und können diese implementieren
- verstehen Zugriffsstrukturen für spezielle Anwendungsfälle
- können Basisalgorithmen für Datenbankoperationen zu implementieren
- verstehen die Verarbeitung von Anfragen, können deren Leistung beurteilen und optimieren
Inhalt:
- Aufgaben und Prinzipien von Datenbanksystemen
- Architektur von Datenbanksystemen
- Verwaltung des Hintergrundspeichers
- Dateiorganisation und Zugriffsstrukturen
- Zugriffsstrukturen für spezielle Anwendungen
- Basisalgorithmen für Datenbankoperationen
- Optimierung von Anfragen
Arbeitsaufwand:
56h Präsenz + 94h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Klausur (120 min)
|
|
| 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: |
|
| 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:
- Kenntnisse über die Funktionsweise von Datenbankmanagementsystemen
- Befähigung zum physischen Entwurf von Datenbanksyste-men
- Befähigung zur Administration und zum Tuning von Datenbanksystemen
- Befähigung zur Entwicklung von Komponenten von Datenbankmanagementlösungen
- Die Fähigkeit, erworbenes Wissen auf reale Datensätze zu übertragen, Implementierungsentscheidungen eigenständig zu treffen sowie die Eignung eingesetzter Algorithmen für praktische Anwendungsszenarien kritisch zu bewerten.
Inhalt:
- Aufgaben und Prinzipien von Datenbanksystemen
- Architektur von Datenbanksystemen
- Verwaltung des Hintergrundspeichers
- Dateiorganisation und Zugriffsstrukturen
- Zugriffsstrukturen für spezielle Anwendungen
- Basisalgorithmen für Datenbankoperationen
- Optimierung von Anfragen
Arbeitsaufwand:
56h Präsenz + 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.)
|
|
| 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: |
|
| 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:
- Was sind Datenbanken – Grundlegende Konzepte
- Relationale Datenbanken
- Die Anfragesprache SQL
- Datenbankentwurf im ER-Modell
- Abbildung auf das Relationenmodell
- Normalisierung
- Vertiefung SQL
- Anwendungsprogrammierung
- Datenbanken im Internet
- Arbeitsweise von DBMS
Arbeitsaufwand:
56 Stunden Präsenz
94 Stunden selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Klausur 120 Minuten
|
|
| 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 ...
- kennen Merkmale von multikriteriellen Gruppenentscheidungen
- kennen die CMAA-Methode und können unterscheiden, in welchen Situationen sie anwendbar ist
- entwickeln, testen und bewerten ein Software-Tool im Team
- planen und moderieren mindestens einmal eine Gruppenentscheidung
- führen ein Team-Projekt durch und bewerten die Qualität ihrer Teamarbeit
- nehmen an kollaborativen Entscheidungen teil und kennen deren Schwierigkeiten und Erfolgsfaktoren
- präsentieren ihre Projektergebnisse in einem Vortrag und begründen ihre Schlussfolgerungen
- setzen sich im Nachhinein mit der Ausübung ihrer Rolle im Team und ihrem individuellen Beitrag zum gemeinsamen Ergebnis auseinander
- lesen wissenschaftliche Veröffentlichungen und ziehen daraus Erkenntnisse für ihre Aufgabe
- reflektieren über die Rollen im Team, bewerten ihre Effektivität und machen Vorschläge zur Verbesserung
Inhalt:
- Die Teilnehmer*innen entwickeln in Drei-Personen-Teams ein Software-Tool, um Gruppenentscheidungen zu unterstützen
- Erfolgskriterien für die Teamarbeit
- Grundzüge von multikriteriellen Entscheidungen
- Besonderheiten von kooperativen Gruppenentscheidungen
- Combinatorial Multicriteria Acceptability Analysis (CMAA)
- Regelmäßige Team- und Coaching-Meetings
- Abschlusspräsentation und -bericht
Arbeitsaufwand:
- 28 h Präsenz
- 152 h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Hausarbeit
|
2 SWS Projektmeeting
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| Medienformen: | Literatur: |
|
|
|
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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: Studienprofil: Künstliche Intelligenz - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Angestrebte Lernergebnisse:
Die Studierenden ...
- können moderne Deep Learning Methoden für unterschiedliche Domänen sicher anwenden
- haben die Fähigkeit, aktuelle Forschung in diesem Bereich zu folgen
- kennen den Ablauf der Entwicklung von tiefen neuronalen Netzen.
Inhalt:
Einführung in den Lernprozess durch Backpropagation. Es werden essentielle Modellarchitekturen, wie MLP, RNN, CNN, Auto-Encoder und Transformer(Attention) vorgestellt und auf verschiedene Probleme angewendet. Hierbei werden die Lernparadigmen des überwachten und unüberwachten Lernens und deren Anwendungen vermittelt. Dies beinhaltet
auch Regularisierungen, fortgeschrittene Trainingsmethoden und Interpretierung von Lernkurven und Ergebnissen
Arbeitsaufwand:
- 56h Präsenzzeit (Vorlesung + Übung)
- 94h selbstständige Arbeit (Vor- und Nachbearbeitung von Vorlesung (OER) und Übung, Bearbeiten von Übungs- und Programmieraufgaben)
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Klausur 120 Minuten
Ankündigung der notwendigen Vorleistungen in der ersten Veranstaltungswoche.
|
|
| 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: |
|
| Verwendbarkeit: | - B.Sc. INF: Schlüssel- und Methodenkompetenzen - B.Sc. INF: FIN SMK - B.Sc. CV: Schlüssel- und Methodenkompetenzen - B.Sc. CV: FIN SMK - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Schlüssel- und Methodenkompetenzen - B.Sc. INGINF: FIN SMK - B.Sc. WIF: Verstehen und Gestalten - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Schlüssel- und Methodenkompetenzen - B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen - B.Sc. INF (bilingual): FIN SMK |
Angestrebte Lernergebnisse:
Absolvent*innen dieses Moduls...
- entwickeln ein Verständnis für Industrie-Design
- setzen sich mit den „Zehn Thesen des Guten Designs“ von Dieter Rams auseinander und sind in der Lage, diese auf Projekte anzuwenden
- entwickeln ein Verständnis für das Design aktueller IT-Produkte
Inhalt:
Die Teilnehmer*innen sollen im Rahmen dieser Lehrveranstaltung ihre neu gewonnenen Erkenntnisse in Bezug auf Design praktisch auf IT-Produkte anwenden. Hierbei wird sich vor allem auf die von Dieter Rams entwickelten „Zehn Thesen des Guten Designs“ konzentriert.
Arbeitsaufwand:
56 h Präsenz
94 h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Hausarbeit
|
|
| 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: |
|
| 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...
- entwickeln ein Verständnis für Industrie-Design
- setzen sich mit den „Zehn Thesen des Guten Designs“ von Dieter Rams auseinander und sind in der Lage diese auf Projekte anzuwenden
- entwickeln ein Verständnis für das Design aktueller IT-Produkte
- sind in der Lage, das Design von aktuellen IT-Produkte zu entwickeln und zu bewerten
Inhalt:
- Die Teilnehmer*innen sollen im Rahmen dieser Lehrveranstaltung ihre neu gewonnenen Erkenntnisse in Bezug auf Design praktisch auf IT-Produkte anwenden. Hierbei werden die von Dieter Rams entwickelten „Zehn Thesen des Guten Designs“ eingesetzt.
- Darüber hinaus werden weitere Ansätze, wie zum Beispiel von John Maeda: "Simplicity: Die zehn Gesetze der Einfachheit" angewendet.
Arbeitsaufwand:
Präsenzzeiten:
- 2 SWS Seminar = 28h
- 2 SWS Übung = 28h
- Vor- und Nachbereitung Vorlesung Entwicklung von Lösungen für die Übung 124h
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Hausarbeit
|
Seminar (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
- kennen die Schwerpunkte der informatischen/informationstechnischen Grundbildung im Schulsystem Sachsen- Anhalts
- entwickeln Aufgabenstellungen für unterschiedliche Unterrichtssituationen
- können Programmierwerkzeuge für den Einsatz im Informatikunterricht bewerten und anwenden
- können die Phasen des informatischen Modellierens zur Bearbeitung komplexer Aufgabenstellungen für den Informatikunterricht umsetzen
- erarbeiten geeignete Problemstellungen für fachinterne und fachübergreifende Projekte und realisieren diese in Gruppenarbeit
- schätzen auf der Grundlage von Hospitationsprotokollen eine Klassensituation ein
- analysieren vorgegebene Themenbereiche und können das Thema einer Unterrichtsstunde ableiten
- bereiten Unterrichtsstunden vor, halten diese als Unterrichtsproben und werten sie anschließend in der Gruppe aus
- planen Themenbereiche aus vorgegeben Rahmenplänen
- können Schulsituationen und Ergebnisse auf der Basis von empirischer Bildungsforschung bewerten und Schlussfolgerungen ableiten
Inhalt:
- Informatikunterricht im Schulsystem Sachsen-Anhalts
- Aufgabenstellungen im Informatikunterricht
- Programmiersprachen im Informatikunterricht
- Informatisches Modellieren im Informatikunterricht
- Projekte im Informatikunterricht
- Ausgewählte Themen des Informatikunterrichtes In Koordinierung mit dem berufsbildenden Fach
- Hospitationen im Unterricht im Fach Informatik (mind. 20 Stunden) und in außerunterrichtlichen Veranstaltungen der Praktikumsschule wie z.B. Exkursionen sowie Lehrerkonferenzen
- Planung, Durchführung und Analyse eigener Unterrichtsversuche (mind. 4 Unterrichtsstunden)
- Erarbeitung von einem ausführlichen Unterrichtsentwurf zu Unterrichtsstunden, die vom Praktikumsbetreuer der Fakultät für Informatik hospitiert werden
- Erarbeitung einer Didaktischen Studie als Bestandteil des Praktikumsberichtes zu einer vom Praktikumsbetreuer der Fakultät für Informatik gestellten, theoriegeleiteten Aufgabenstellung
- Erarbeitung eines Praktikumsberichtes (Portfolio) entsprechend der vom Praktikumsbetreuer getroffenen Fest- legungen
- fachdidaktische Begleitung zur Vorbereitung und Unterstützung der Praktikumsarbeit und Anleitung zur Erstellung einer wissenschaftlich fundierten Analyse der schulpraktischen Erfahrung
- Vorstellung der eigenen Unterrichtsentwürfe, Hospitationsberichte und des Portfolios
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
- gain practical experience in collaborative, interdisciplinary projects
- often do interdisciplinary work with other departments or with research institutes
- do scientific work, for example by contributing to publications or participating in scientific events
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: |
|
| 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...
- setzen sich mit ihrem persönlichen Zugang zur Informatik auseinander und reflektieren ihn
- lernen die Verschmelzung der Konkreten Kunst und Informatik mit den Ideen der Bauhaus-Vorkurse kennen
- führen Aufgaben zur Materialisierung von Immateriellen und umgekehrt durch
- lernen die Erstellung von dreidimensionale Modelle kennen
- entwickeln eigenständige Ideen für einen Vorkurs für die Informatik
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:
- 3D-Druck und 3D-Scan
- Konkrete Kunst
- Vorkurse des Bauhauses
- Designtheorie
- Farblehre und künstlerische Gestaltung
- Digitalisierung
- Didaktik der Informatik
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) |
| 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: |
|
| 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 ...
- know basic principles and advantages of distributed data management
- can implement distributed databases
- understand query and transaction processing in distributed and parallel database systems
- optimize the run-time performance and satisfy requirements regarding reliability and availability of distributed systems
Content:
- Overview and classification of distributed data management (distributed DBMS, parallel DBMS, fedrated DBMS, P2P)
- Distributed DBMS: architecture, distribution design, distributed query processing and optimization, distributed transactions, and transactional replication
- Parallel DBMS: fundamentals of parallel processing, types of parallelization in DBMS, parallel query processing
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) |
|
| 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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Angestrebte Lernergebnisse:
Nach erfolgreichem Abschluss des Moduls sind die Studierenden in der Lage:
- Ideen für Spiele zu entwickeln und diese in Form eines selbstgewählten Prototypen umzusetzen.
- Grundlagen für den Aufbau und dem Ablauf von Spielen zu verstehen und erklären zu können.
- Die wichtigsten Bestandteile einer Game Engine, z. B. der Physics Engine und des Renderings, zu verstehen, zu erklären und im Rahmen einer Game Engine zu verwenden.
- Übergreifende Prozesse im Bezug auf die Spielentwicklung nachzuvollziehen und zu erklären.
- Verstehen und Anwenden (software-)technischer Askepte der Spieleentwicklung, wie Collisions, Shader, etc.
Inhalt:
- Game Design
- Game Development Software Patterns
- 2D-3D Math Game Concepts
- Rendering
- Animations
- Lights
- Shadows
- Shader
- Physics Engines
- Collisions
- Audio (Engine)
- Pathfinding
- Navigation
- Procedural Content Generation
- Game AI
- Prototyping
- Playtesting
- Flow
- Gamification/Serious Games
- Feedback, Gameplay Loop
Arbeitsaufwand:
56 h Präsenz + 94 h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Wird in der ersten Vorlesung bekanntgegeben. |
Klausur 120 Minuten (Note),
Wissenschaftliches Projekt (Schein)
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
Algorithmen und Datenstrukturen
|
| Medienformen: | Literatur: |
|
|
|
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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Anwenden - Pflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Angestrebte Lernergebnisse:
Absolvent*innen dieses Moduls...
- erlangen ein Verständnis des Konzepts von Managementsystemen für Organisationen jeglicher Art
- setzen sich mit der Idee von Managementinformationssystemen als informationstechnische Entsprechung von Managementsystemen auseinander
- kennen methodische Herangehensweisen zur Entwicklung von Managementinformationssystemen
- kennen die Anwendung von Metainformation und Anwendungsintegration in Managementinformationssystemen
Inhalt:
- Grundlagen zu Managementsystemen
- Managementinformationssysteme als Informationssysteme für Managementsysteme
- Methoden zur Konzipierung und Realisierung von Managementinformationssystemen
- Metainformation in Managementinformationssystemen
Arbeitsaufwand:
56h Präsenzzeit
94h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Um an der Prüfung teilnehmen zu können, sind Prüfungsvorleistungen erforderlich. Details werden in der ersten Vorlesung bekannt gegeben. |
Klausur
|
Vorlesung (2 SWS) |
| 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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Computervisualistik - Pflicht - B.Sc. CV: Computervisualistik Pflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027) |
Angestrebte Lernergebnisse:
Die Studierenden
- verstehen die grundlegenden Konzepte der Computergraphik
- können ihre Kenntnisse anwenden zur Erstellung eines Rendering-Programms
- Arbeiten in Gruppen an Übungen und Programmmieraufgaben
- erlernen sowohl theoretische Grundlagen als auch Anwendungen der Computergraphik
- sind nach der Veranstaltung in der Lage, sich vertiefte Kenntnisse der Computergraphik anzueignen
Inhalt:
- Einführung, Geschichte, Anwendungsgebiete der Computergraphik
- Modellierung und Akquisition graphischer Daten
- Graphische Anwendungsprogrammierung
- Transformationen
- Clipping
- Rasterisierung und Antialiasing
- Beleuchtung
- Texturierung
- Sichtbarkeit
- Raytracing
- Moderne Konzepte der Computergraphik im Überblick
Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Klausur, 120 min
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
Einführung in die Informatik
|
| Medienformen: | Literatur: |
|
|
|
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: |
|
| 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
- verstehen Grundkonzepte von Algorithmen, insbesondere auch Rekursion
- können Algortihmen und einfache Datenstrukturen in Java implementieren
- verstehen Grundlagen verschiedener Programmierparadigmen
- können Eigenschaften von Algorithmen und Datenstrukturen formal beschreiben (z.B. Korrektheit, Aufwand, ADT) und können grundlegende Beweistechniken anwenden
- wenden theoretische und praktische Inhalte in Übungen und Tutorien an
Inhalt:
- Algorithmische Grundkonzepte
- Grundkonzepte in Java
- Funktionen
- Objektorientierte Programmierung
- Programmierparadigmen
- Suchen und Sortieren
- Korrektheit von Algorithmen
- Aufwand von Algorithmen
- Abstrake Datentypen und Einführung in grundlegende Datenstrukturen
- Berechenbarkeit und Entscheidbarkeit
Arbeitsaufwand:
- 98 h Präsenzzeit
- 202 h 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
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| Medienformen: | Literatur: |
|
|
Überwiegend:
|
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: |
|
| Applicability in curriculum: | - B.Sc. INF (bilingual): Informatik I - Pflicht - B.Sc. INF (bilingual): Kernmodule (SPO 2027) |
Intended learning outcomes:
Students
- understand basic concepts of algorithms, in particular recursion
- can implement algorithms and simple data structures in Java
- understand the fundamentals of various programming paradigms
- can formally describe properties of algorithms and data structures (e.g. correctness, complexity, ADT) and apply basic methods of proof
- apply theoretical and practical content in exercises and tutorials
Content:
- Basic algorithmic concepts
- Basic concepts in Java
- Functions
- Object-oriented programming
- Programming paradigms
- Searching and sorting
- Correctness of algorithms
- Complexity of algorithms
- Abstract data types and introduction to basic data structures
- Computability and decidability
Workload:
- 98 h attendance + 202 h independent work
| 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 |
|
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
none |
| Media: | Literature: |
|
Basis:
|
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
- kennen die grundlegenden Konzepte der Informatik
- kennen informatische Denk- und Arbeitsweisen und können diese zur Problemlösung anwenden
- können algorithmische Aufgaben lösen und Datenstrukturen entwerfen
- kennen die Grundprinzipien der Programmierung und können diese anwenden
- haben Fertigkeiten im Umgang mit Programmierumgebungen
- können Informatiksysteme in ihren gesellschaftlichen Kontext einordnen
- kennen die Fachsprache der Informatik und setzen diese Kommunikation ein
Inhalt:
- Grundkonzepte der Informatik
- Algorithmenstrukturen – algorithmische Paradigmen, Eigenschaften von Algorithmen, Beschreibungsformen für Algorithmen
- Sprachübersetzung und Programmiersprachen
- Syntax und Semantik von Programmiersprachen
- Entwurf, Bewertung und Implementierung von Algorithmen
- Informatiksysteme und ihre Auswirkungen auf die Gesellschaft
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
- know the basic concepts of computer science
- know computer science ways of thinking and working and can apply them to solve problems
- can solve algorithmic tasks and design data structures
- know the basic principles of programming and can apply them
- have skills in dealing with programming environments
- can classify computer science systems in their social context
- know the technical language of computer science and use it to communicate
Inhalt:
- Basic concepts of computer science
- Algorithmic structures - algorithmic paradigms, properties of algorithms, forms of description for algorithms
- Language translation and programming languages
- Syntax and semantics of programming languages
- Design, evaluation and implementation of algorithms
- Computer science systems and their impact on society
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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Verstehen - Pflicht - B.Sc. WIF: Wirtschaftsinformatik Grundlagen (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Angestrebte Lernergebnisse:
Die Studierenden ...
- verstehen zentrale Begriffe und Konzepte aus dem Bereich der Wirtschaftsinformatik.
- beherrschen Methoden und Techniken des klassischen IT-Projektmanagements für die Bereiches des Anforderungsmanagements sowie der Termin-, Einsatzmittel- und Kostenplanung.
- kennen die Bausteine für Geschäftsmodelle und die Theorie der informationellen Mehrwerte bezogen auf elektronische und mobile Angebote.
- lernen die verschiedenen Generationen und Kategorien von Programmiersprachen kennen.
- können die Methoden der Architektur Integrierter Informationssysteme anwenden, um die Komplexität des betriebswirtschaftlichen Geschehens zu erfassen und bei der Gestaltung von Lösungen an der Schnittstelle von Informatik, Wirtschaftsinformatik und Wirtschaftswissenschaften beizutragen.
- können Sachverhalte abstrahieren und analytisch denken.
Inhalt:
- Definition und Einordnung der Wirtschaftsinformatik
- Berufsbilder für Wirtschaftsinformatiker
- Wirtschaftsinformatik als Wissenschaft
- Grundbegriffe der Wirtschaftsinformatik
- Einführung in klassisches IT-Projektmanagement
- Anforderungsmanagement
- Modellierung von betriebswirtschaftlichen Strukturen und Prozessen
- Erarbeitung von betriebswirtschaftlichen Problemlösungen mit Endbenutzerwerkzeugen
Arbeitsaufwand:
42h Präsenzzeit + 108h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Für die Teilnahme an der Prüfungsleistung (Hausarbeit) sind bestimmte Anforderungen zu erfüllen. Weitere Informationen werden in der ersten Vorlesung kommuniziert. |
Hausarbeit
|
|
| 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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027) |
Angestrebte Lernergebnisse:
Die Studierenden ...
- verstehen die theoretischen Grundlagen der Wissensrepräsentation
- kennen wichtige Sprachen, Methoden und Werkzeuge, die in der Praxis zur Repräsentation von Wissen verwendet werden
- haben die die Fähigkeit, einfache Wissensgraphen und Ontologien selbstständig in kleinen Teams zu entwickeln und
- diese Ergebnisse zu präsentieren.
Inhalt:
In diesem Modul werden Studierende in die Grundlagen der Wissensrepräsentation eingeführt. Dies geschieht am Beispiel von Technologien, die für die Repräsentation von Wissen in Form von Wissensgraphen und Ontologien verwendet werden. Im Rahmen dieses Moduls werden folgende Inhalte behandelt:
- theoretische Grundlagen der Wissensrepräsentation und formaler Semantik
- Resource Description Framework (RDF): eine Sprache für Wissensgraphen
- Resource Description Framework Schema (RDFS): eine Sprache für einfache kontrollierte Vokabulare und Taxonomien
- SPARQL Protocol and RDF Query Language: eine Abfragesprache für RDF(S) Graphen
- Web Ontology Language (OWL): eine Sprache für angewandte Ontologien
- Methoden für die Entwicklung von Wissensgraphen und Ontologien
- Beispiele für Anwendung von Wissensgraphen und Ontologien in der Praxis in verschiedenen Anwendungsgebieten (z.B. Biologie, Chemie, Materialwissenschften)
Arbeitsaufwand:
56h Präsenzzeit + 94h selbständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Schriftliche Prüfung
|
|
| 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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Künstliche Intelligenz - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Angestrebte Lernergebnisse:
Die Studierenden ...
- können Methoden zur Erklärung von Entscheidungen und internen Repräsentationen, sowie Prozessen von Modellen des maschinellen Lernens sicher anwenden
- haben die Fähigkeit, die Qualität von Modellen abseits von Genauigkeitsmetriken einschätzen zu können
- können Modelle zielgerichtet verbessern
Inhalt:
Einordnung unterschiedlicher Kategorien von Erklärbarkeits-Methoden für Modelle des maschinellen Lernens sowie Anforderungen an Nutzer:innenzentrierte Erklärungen. Darstellung direkt interpretierbarer Modelle (ante-hoc) sowie Analyse- und Visualisierungs-Methoden für Blackbox-Modelle (post-hoc). Zudem werden grundlegende Post-hoc Erklärungstechniken mit modell-agnostischen und modell-spezifischen Ansätzen vorgestellt.
Arbeitsaufwand:
- 56h Präsenzzeit (Vorlesung + Übung)
- 94h selbstständige Arbeit (Vor- und Nachbearbeitung von Vorlesung (OER) und Übung, Bearbeiten von Übungs- und Programmieraufgaben)
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Klausur 120 Minuten
Ankündigung der notwendigen Vorleistungen in der ersten Veranstaltungswoche.
|
|
| 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: |
|
| 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 ...
- have an overview of basic problems and methods in parameter and state estimation for mobile systems.
- understand how to develop kinematic models for mobile robots and how to derive discrete-time prediction models.
- are familiar with the required mathematical tools and can derive and apply least-squares methods for localization and tracking of mobile systems, e.g., based on distance measurements.
- have a deep understanding of Kalman filtering and its nonlinear generalizations for dynamic state estimation and localization of mobile systems.
Content:
- Kinematics, System Models, and Dead Reckoning for Mobile Systems
- Sensor Models and Optimization Methods for Localization and Tracking
- DynamicState Estimation for Real-Time Localization and Tracking
- Linear Kalman Filtering and Nonlinear Generalizations
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) |
|
| 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:
- Die Digitalisierung als Teil der menschlichen Zivilisation richtig einordnen.
- Sie kennen die „Ethik“ als Teilgebiet der praktischen Philosophie und die Unterscheidung zur „Moral“.
- Die unterschiedlichen Begründungsmöglichkeiten und Herleitungen für ein moralisches Verhalten sind ihnen vertraut und können von ihnen aufgezeigt werden.
- Die Studierenden kennen unterschiedliche Disziplinen der Ethik und anhand von Beispielen aus dem Umfeld der Digitalisierung können sie diese mit unterschiedlichen Begründungen und in unterschiedlich Disziplinen diskutieren
- Die Studierenden können die gültigen Normen aus dem „Christlichen Abendland“ und dem „Weltbild der Antike“ herleiten und auf aktuelle Fragestelllungen im Digitalen Zeitalter anwenden.
- Die Studierenden kennen unterschiedlichen Bereichsethiken und den Unterschied zwischen ökonomischen und moralischen Handlungsmaximen.
- Die Studierenden haben unterschiedliche ethische Leitlinien aus Unternehmen und der Gesellschaft für Informatik kennen gelernt.
- Die Studierenden verfügen über einen Überblick über unterschiedliche Wirtschaftsbereiche und deren digitale Weiterentwicklung auch unter Einsatz der Künstlichen Intelligenz.
- Die Studierenden erkennen selbständig die besonderen ethischen Herausforderungen durch die schnelle Weiterentwicklung der Digitalisierung im Allgemeinen und im Hinblick auf die Künstliche Intelligenz im Besonderen.
- Sie kennen die Chancen und Einsatzgebiete von Digitalen Lösungen aber auch die sich ergebenden vielfältigen Grenzen und Schranken.
- Sie können neue Berufsgruppen im Umfeld der Digitalisierung und KI benennen, richtig einordnen und bewerten.
- Die Transformation von Unternehmen durch die Digitalisierung kann am Beispiel der Automobilindustrie von den Studierenden aufgezeigt und erläutert werden. Die durch die Transformation sich vielfältig ergebenden ethischen Herausforderungen können von den Studierenden aufgezeigt werden.
- Die Probleme bei de Versuch eine exakte Definition von künstlicher Intelligenz ist den Studierenden bekannt.
- Die können die Unterschiede zwischen der sog. Schwachen KI und Starken KI (Artificial General Intelligenz) benennen und verstehen den Unterschied zwischen KI in Spielfilmen und der Realität in der beruflichen und privaten Praxis.
- Die Dynamik der Digitalisierung kann von den Studierenden im Bereich von Software, Hardware und an Beispielen von KI-Lösungen aufgezeigt werden.
- Die Gemeinsamkeiten und Unterschiede zwischen Künstlichen Neuronalen Netzen und dem menschlichen Gehirn sin den Studierenden bekannt und sie können die Stärken und Schwächen von KI-Lösungen auf Basis Künstlicher Neuronaler Netze erläutern.
- Der Einsatz von KI im beruflichen und privaten Einsatz am Beispiel von KI-Assistenten, KI-Agenten und KI-basierte Autonome Systeme ist den Studierenden bekannt und kann von ihnen sicher eingeordnet werden.
- Die Studierenden kennen ethische Problemfelder im Umfeld KI generierter oder mit KI manipulierter Bilder und deren schnelle Verbreitung in Digitalen Medien.
- Anhand des Weltwirtschaftsforums in Davos (2024) haben die Studierenden sich global ergebende Problemstellungen durch Digitalisierung und KI erkannt und können diese bewerten.
- Die Studierenden ethischer Herausforderungen beim Einsatz der Künstlichen Intelligenz eingrenzen und kategorisieren.
- In der VL haben die Studierenden ungewollte KI inhärente Herausforderungen (Unseens) und Nutzerspezifische Abhängigkeiten intensiv behandelt.
- Die rechtlichen Herausforderungen beim Einsatz der KI sind den Studierenden bekannt und sie können diese unterscheiden. Die Studierenden kennen den risikobasierten Ansatz der EU beim Einsatz der KI und sie können Lösungen den unterschiedlichen Risikokategorien sicher zuordnen.
- Die Studierenden haben den Einsatz der KI in totalitären Systemen und die Gefahren für eine freie Zivilgesellschaft kennen gelernt und können eigeständig die Herausforderungen benennen.
- Die Weiterentwicklung digitaler Lösungen und KI-gesteuerter Systeme im Bereich der Militärwirtschaft und der Kriegsführung kann von den Studierenden sicher benannt werden.
- Die Studierenden haben unterschiedliche Lösungsansätze für eine Informationsethik kennen gelernt und diese anhand praktischer aktueller Herausforderungen diskutieren und bewerten.
Inhalt:
- Definition von Ethik
- Deskriptive Ethik
- Begründung von Ethik
- Teleologische Ethik
- Deontologische Ethik
- Chancen der Digitalisierung
- Schranken der kommerziellen Verwertbarkeit von Daten
- Ethische Herausforderung im Umgang mit persönlichen Daten / Metadaten
- Erweiterung des Realitätsbegriffes
- Künstliche Intelligenz und Technologische Singularität
- Anwendungsgebiete der Digitalisierung
- Vertrieb
- Mobilität (Autonomes Fahren; Smart Cars)
- Autonome Entscheidungen von Maschinen
- Intelligente, Vernetzte Produktion,
- Industrie 4.0
- Autonome Kriegsführung
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: |
|
| 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...
- have a full understanding of optimization and decision-making algorithms using evolutionary algorithms.
- are able to develop EMO algorithms
- can design optimization algorithms, model optimization problems and perform experiments.
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:
- Introduction to single-objective optimization (SO) and multi-objective optimization (MO), classical methods for solving MO, definitions of Pareto-optimality and other theoretical foundations for MO
- Basics of evolutionary algorithms (algorithms, operators, selection mechanisms, coding and representations)
- Evolutionary multi-objective algorithms (NSGA-II, EMO scalarization methods such as MOEA/D)
- Constraint handling in SO and MO, robust optimization in EMO, surrogate methods for expensive function evaluations
- Evaluation mechanisms (Design of experiments, test problems, metrics, visualization)
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 |
|
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
none |
| Media: | Literature: |
|
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: |
|
| 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 ...
- können sich selbstständig in ein anspruchsvolles Thema einarbeiten
- könne ein anspruchsvolles Thema präsentieren
- verstehen Fragen der Ethik des Einsatzes von Informationstechnologien
Inhalt:
Diskussion von Fragen der Ethik informationstechnischer Anwendungen, wie z.B.
- Einschränkung von Persönlichkeitsrechten
- Gesellschaftliche Effekte
- Ethische Fragen spezifischer Anwendungen (z.B. Militär, Gentechnikt, etc.)
- Sicherheit und Vertrauenswürdigkeit von Systemen am Beispiel vorgegebener und selbst gewählter Spielfilme
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: |
|
| 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
- understand the basic concepts of Flow Visualization in the broader context of Visualization
- are able to create their own visualization projects
- learn both the theoretical basics and applications of Flow Visualization
- are able to acquire in-depth knowledge of Flow Visualization after finishing the course
Content:
- Mathematical principles of vector and tensor fields
- Obtaining flow data
- Direct methods for flow visualization
- Texture-based methods for flow visualization
- Geometry-based methods for flow visualization
- Feature-based methods for flow visualization
- Topological methods for flow visualization
- Finite Time Lyapunov exponents
- objective methods for flow visualization
Workload:
56 contact hours + 124h self study
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
oral exam |
|
| 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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Angestrebte Lernergebnisse:
Die Studierenden ...
- kennen grundlegende Konzepte des Game Designs
- wissen, wie eine Welt gestaltet wird und wie mit Spielerfeedback umgegangen wird
- sind dazu in der Lage, Strategien und Techniken, um Charaktere und Dialoge zu gestalten
- können Spielmechaniken, Spielerlebnisse und Feedback kritisch analysieren
- können Verbesserungen sowie Optimierungen benennen
Inhalt:
- Game Design: Definitionen;
- Aufgaben eines Game Designers
- Die Struktur von Spielen: Komponenten eines Spiels
- Die Struktur von Spielen: Thema, Vision, PoV und Genre
- Game Design: Weltdesign
- Game Design: Charakterdesign
- Game Design: Setting, Hintergrundgeschichte und Handlung
- Game Design: Rätsel, Aufgaben und Hindernisse
- Game Design: Balancing und Testing
- Das Spiel und der Game Designer
- Das Spiel und der Spieler
- Dokumentationstechniken
- Kommunikation; der Designer und das Team
Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Klausur, 120 min
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
Einführung in Digitale Spiele
|
| Medienformen: | Literatur: |
|
|
|
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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027) |
Angestrebte Lernergebnisse:
Studierende, die den Kurs erfolgreich absolviert haben, sind in der Lage ...
- ... den Kompilierungsprozess für C++ Projekte zu erklären,
- ... primitive Datentypen, Operatoren und Kontrollstrukturen anzuwenden und zu vergleichen,
- ... Zeiger und Speicherverwaltung in C++ zu nutzen,
- ... Zeiger, Zeigerarithmetik und Arrays sicher zu verwenden,
- ... dynamische Speicherverwaltung und Ausnahmebehandlung zu beherrschen,
- ... Funktionen, objektorientierte Programmierung und Operatorüberladung anzuwenden und zu nutzen,
- ... generische Programmierung umzusetzen und die Standardbibliothek zu nutzen.
Inhalt:
- Bedienung des Compilers und Zusammenspiel mit Linker
- Primitive Datentypen, Operatoren und Kontrollfluss (und Unterschiede zu Java)
- Variablen, Felder, Zeiger und Zeigerarithmetik
- Funktionen
- Klassen
- Speicherverwaltung, Referenzen, Ausnahmebehandlung
- Überladen von Operatoren
- Generische Programmierung mit Templates Überblick über die Standardbibliothek inklusive STL
- Werkzeuge (Debugger, make, Valgrind, Doxygen)
- Allgemeine Problematiken (z.B. Programmierstil, Quellcode-Verwaltung, Optimierung, Zeichensätze/UTF-8)
Arbeitsaufwand:
- asynchrone Vorlesung 2 SWS = 28h Arbeit,
- Übung 2 SWS = 28h Präsenzzeit,
- 94h selbstständige Arbeit,
- gesamt 150h.
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Prüfungsvorleistung erforderlich, wird zu Semesterbeginn bekanntgegeben; |
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| Medienformen: | Literatur: |
|
|
|
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:
- Fähigkeit zur Anwendung von Algorithmen der Computer Vision Fähigkeit zur eigenständigen Bearbeitung eines kleinen Projekts Teamfähigkeit
Inhalt:
Inhalt
- Early Vision: Active Vision, Stereo Vision, Optical FlowHigh
- Level Vision: Template Matching, variable Templates, Recognition by Components, Bewegungsverfolgung
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. |
|
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: |
|
| Verwendbarkeit: |
Angestrebte Lernergebnisse:
Absolvent*innen dieses Moduls...
- haben ein Verständnis von der Arbeit mit dem Computer zur Unterstützung von ingenieurtechnischen Anwendungsaufgaben.
- haben Kenntnisse davon, wie Hard- und Software sinnvoll für Aufgabenstellungen eingesetzt werden können/sollen
- verfügen über Kenntnisse der Softwareentwicklung (Algorithmenentwurf und Modellierung, Programmierung und Testung)
- sind in der Lage Projekte in der Programmiersprache C++ zu entwerfen
- verstehen den Umgang mit großen Datenmengen (Datenbanksysteme),
- sind in der Lage Informationen grafisch darzustellen/modellieren
Inhalt:
Die Teilnehmer*innen behandeln folgende Themen:
- Computer als Arbeitsmittel
- Algorithmierung und Programmierung
- Grundsätzliches zum Programmieren in C++
- Datenstrukturen, Funktionen, Zeiger und Dateien
- Objektorientierte Programmierung C++
- Computergrafik
- Datenbanksysteme
- Softwaretechnologie
- Computernetzwerke
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
|
|
| 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: |
|
| Verwendbarkeit: |
Angestrebte Lernergebnisse:
Absolvent*innen dieses Moduls...
- haben ein Verständnis von der Arbeit mit dem Computer zur Unterstützung von wissenschaftlichen Anwendungsaufgaben.
- entwickeln ein Verständnis für die frühen Phasen der Softwareentwicklung wie Algorithmenentwurf und Modellierung, Programmierung und Testung.
- erlernen den Umgang mit der Programmiersprache Python sowie einer geeigneten Entwicklungsumgebung und trainieren praktische Fähigkeiten.
- haben Fertigkeiten und Fähigkeiten zur Lösung konkreter Aufgabenstellungen des eigenen Fachbereiches unter Einsatz von Computern.
- haben Kompetenzen erworben, um im weiteren Studium systematisch Techniken der Informatik erschließen zu können.
Inhalt:
- Arbeit mit dem Computer
- Grundlagen der Programmierung
- Programmierung mit Python
- Modellierung von Sachverhalten
- Eigenschaften und Strategien von Alorithmen
- Machine Learning
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
|
|
| 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: |
|
| 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:
- Grundlagen von Automatentheorie und formalen Sprachen zur Problemlösung
- Fähigkeit, Probleme hinsichtlich Berechenbarkeit und Komplexität einordnen zu können
Inhalt:
- Einführung in Formale Sprachen (reguläre und kontextfreie Sprachen, Grammatiken),
- elementare Automatentheorie (endliche Automaten, Kellerautomaten),
- Berechnungsmodelle und Churchsche These,
- Entscheidbarkeit und Semi-Entscheidbarkeit,
- Komplexitätsklassen P und NP, NP-Vollständigkeit
Arbeitsaufwand:
- 70h Präsenzzeit
- 80h selbstständige Arbeit
| 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)
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| Medienformen: | Literatur: |
|
|
|
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: |
|
| Applicability in curriculum: | - B.Sc. INF (bilingual): Mathematik / Theoretische Informatik - B.Sc. INF (bilingual): Aufbaumodule (SPO 2027) |
Intended learning outcomes:
- Basics of automata theory and formal languages for problem solving
- Ability to classify problems in terms of predictability and complexity
Content:
- Introduction to Formal Languages (regular and context-free languages, grammars),
- elementary automata theory (finite automata, basement automata),
- Computational models and Church's thesis,
- Decidability and semi-decidability,
- Complexity classes : P and NP, NP-completeness
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: |
|
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: |
|
| 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:
- Weiterführendes zu Formalen Sprachen und Automatentheorie (Abschlusseigenschaften, deterministische Kellerautomaten, Zustandsminimierung endlicher Automaten),
- Äquivalenz verschiedener Berechnungsmodelle (beispielsweise Turingmaschinen, Registermaschinen, primitiv rekursive und mu-rekursive Funktionen, Grammatiken),
- weitere unentscheidbare und NP-vollständige Probleme.
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)
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
Grundlagen der Theoretischen Informatik
|
| Medienformen: | Literatur: |
|
|
|
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: |
|
| 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:
- Further information on formal languages and automata theory (closure properties, deterministic basement automata, state minimization of finite automata),
- equivalence of different computational models (e.g. Turing machines, register machines, primitive recursive and mu-recursive functions, grammars),
- further undecidable and NP-complete problems.
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 |
|
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
none |
Introduction to the Theory of Computation |
| Media: | Literature: |
|
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: |
|
| 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:
- Weiteres zu regulären und kontextfreien Sprachen,
- Kleene Algebren,
- Exakte Exponentialzeitalgorithmen,
- Algorithmen für spezielle Graphklassen,
- Festparameterhandhabbarkeit,
- Approximationsalgorithmen und Nichatapproximierbarkeit
- Elementare Komplexitätstheorie.
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
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
Grundlagen der Theoretischen Informatik I + II (Bachelor)
|
| Medienformen: | Literatur: |
|
|
|
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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027) |
Angestrebte Lernergebnisse:
Studierende lernen, formale Sprachen in die Chomsky-Hierarchie einzuordnen und beurteilen zu können. Sie verstehen algebraische Zugänge zu Formalen Sprachen. Ferner lernen sie Optionen kennen, mit schweren Problemem umzugehen, und diese anzuwenden.
Inhalt:
- Weiteres zu regulären und kontextfreien Sprachen,
- Kleene Algebren,
- Exakte Exponentialzeitalgorithmen,
- Algorithmen für spezielle Graphklassen,
- Festparameterhandhabbarkeit,
- Approximationsalgorithmen und Nichatapproximierbarkeit
- Elementare Komplexitätstheorie.
Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Aktive Teilnahme an der Veranstaltung |
Klausur (schriftlich) 120 Minuten
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
Grundlagen der Theoretischen Informatik und Grundlagen der Theoretischen Informatik II (Bachelor)
|
| Medienformen: | Literatur: |
|
|
|
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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Angestrebte Lernergebnisse:
Die Studierenden ...
- haben die Fähigkeit, Machine Learning Pipelines und individuelle Algorithmen zu erstellen
- können Entscheidungsbäume, Mehrebenen-Perceptrons, und KNN Klassifizierer in Java, Python, C++ programmieren
- können die Leistung verschiedener Klassifizierer bei praktischen Anwendungen bewerten
Inhalt:
- Einführung in das Funktionslernen;
- Einführung in die Konzepträume und Konzeptlernen;
- Algorithmen des Instanz-basiertes Lernens und Clusteranalyse;
- Algorithmen zum Aufbau der Entscheidungsbäume;
- Bayesches Lernen;
- Neuronale Netze;
- Assoziationsanalyse;
- Verstärkungslernen;
- Hypothesen Evaluierung
Arbeitsaufwand:
56h Präsenz + 94h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Klausur (2h, auch als unbenotete Prüfungsleistung). Voraussetzung zur Teilnahme an der Prüfung werden in der ersten Vorlesung und online bekannt gegeben.
|
|
| 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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Computervisualistik - Pflicht - B.Sc. CV: Computervisualistik Pflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Verstehen und Gestalten - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027) |
Angestrebte Lernergebnisse:
Die Studierenden ...
- haben die Fähigkeit, algorithmische Lösungen für elementare geometrische Probleme zu erstellen und hinsichtlich ihrer Effizienz zu bewerten
- können fundamentale geometrische Strukturen zur Problemlösung beschreiben und anwenden
Inhalt:
- Algorithmenentwurfsparadigmen (beispielsweise Plane-Sweep, Teile- und Herrsche, randomisierte inkrementelle Konstruktion) für geometrische Algorithmen,
- Grundlegende geometrische Strukturen (Konvexe Hülle, Triangulierung von Punktmengen, Arrangements, Voronoi- und Delaunaydiagramme)
Arbeitsaufwand:
56h Präsenzzeit
94h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Erfolgreiche Teilnahme an den Übungen (50% der Aufgaben votieren) |
Klausur 120 Minuten
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
Algorithmen und Datenstrukturen
|
| Medienformen: | Literatur: |
|
|
|
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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Verstehen und Gestalten - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Angestrebte Lernergebnisse:
Die Studierenden ...
- kennen und verstehen das "Big Picture" von hochintegrierten Enterprise Systemen.
- verstehen die Vielseitigkeit, die Komplexität und den Wert von Anwendungssystemen für Unternehmen.
- verstehen die Grundzüge und Konzepte in den Bereichen Geschäftsprozesse, Fiori-Entwicklung, SAP Basis, Campus Management und Data Analytics (beispielgetriebenes Konzeptverständnis).
- können Geschäftsprozesse an einem Beispielsystem durchführen und sind in der Lage diese zu reflektieren.
- haben Kenntnisse in Bezug auf die Flexibilisierung von Unternehmenssoftware durch Customizing und Entwicklung (am Beispiel SAP).
- können Teile eines Unternehmens in einem Anwendungssystem abbilden (Customizing) und eine einfache SAP-basierte App entwickeln.
- können sich in praktische (Problem-)Szenarien einarbeiten, im Team reflektieren und Lösungen erarbeiten.
Inhalt:
- Big Picture SAP: Vertikaler Schnitt durch die Unternehmensarchitektur (von Endanwendung über Customizing und Entwicklung hin zu Basis und Infrastruktur)
- Customizing von Organisationsstrukturen und Integration von Geschäftsprozessen
- Einstieg in App-Entwicklung mit SAP UI5 und Fiori
- SAP Basis (Aufbau & Betrieb von Systemen), Datensicherheit und Infrastruktur
- SAP in der Verwaltung
- Analytics in SAP
Arbeitsaufwand:
- Vorlesung 28h
- Übung 28h
- selbstständige Arbeit 94h
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Hausarbeit
|
|
| 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 ...
- have theoretical and practical skills for the evaluation and design of safe, efficient, and human-centered work environments
- can apply principles of Human-Centered Design and Human-Centered Manufacturing
- understand risk assessment methodologies
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:
- block course
- 40 contact hours + 140 hours self study
| 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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027) |
Angestrebte Lernergebnisse:
Die Studierenden ...
- können anhand einer ausgewählten fachlichen Fragestellung zur IT-Forensik die Anforderungen und Lösungsmöglichkeiten für ein Anwendungsbeispiel verstehen
- das Vorgehensmodell einer IT-forensischen Untersuchungen verstehen und umsetzen
- können forensische Methoden und Werkzeuge am Beispiel anwenden
- können Ergebnisse einer forensischen Untersuchung auswerten und bewerten
- können die Ergebnisse in einem Referat präsentieren und sich einer Diskussion stellen
- können Herausforderungen in der Teamarbeit erkennen und reflektieren
- können IT-Forensik als strategische und operative Aufgabe in einem IuK-System verstehen und ausgewählte Mechanismen gestalten und anwenden
Inhalt:
- Einführung und Grundlagen zu ausgewählten fachlichen Fragestellungen zur Cybersicherheit und zu IT-forensischen Untersuchungen:
- datenzentrisches Vorgehensmodell mit Informationen, Daten und Phasen für IT-forensische Untersuchungen,
- Anwendung an ausgewählten Beispielen
- Sicherheitsziele und Designanforderungen in der IT-Forensik
- Ausgewählte Beispiele zur Beweismittelsuche und Erhebung sowie Auswertung gemäß Best Practices
- Grundlagen zur Aufbereitung, Dokumentation und Präsentation von Untersuchungsergebnissen
- Wiederholung: Grundlagen der Teamarbeit, Vorlesung ist Projekt-orientiert
Arbeitsaufwand:
150h = 56h Präsenzzeit + 94h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
keine |
Referat mit zwei Teilleistungen (Vortrag und Ausarbeitung):
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| 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: |
|
| 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
- kennen und verstehen das Zusammenspiel von System-, Netzwerk- und Anwendungssicherheit
- können IT-Sicherheit zu einer technischen Anwendung im Security-by-Design aus der Forschung selbständig bewältigen
- können bestehende Ansätze bewerten und kreativ für eine Forschungsfrage erweitern
- können sich in den technischen Anwendungsfall einarbeiten und im Team reflektieren
- können für die technische Fragestellung neue Ansätze zur IT-Sicherheit aufzeigen
- können für den Anwendungsfall die IT-Sicherheitsbedarfe feststellen und Verbesserungsalternativen vorschlagen
- können eine ausgewählte technische Lösung umsetzen, evaluieren und bewerten sowie Restrisiken aufzeigen
- können selbständig wissenschaftliche Methoden der IT-Sicherheit anwenden
- können die Ergebnisse wissenschaftlich in einem Referat präsentieren und sich einer Diskussion stellen
Inhalt:
Aktuelle Herausforderungen und Erarbeitung von Lösungen zur IT Sicherheit am Beispiel von einem technischen Anwendungsfall:
- ausgewählten Grundlagen von System-, Netzwerk- und Anwendungssicherheit
- Sicherheitaspekte von Bussystemen
- Design und Realisierung hardwarenaher Sicherheitslösungen
- Bewertung sicherer Systeme mittels Evaluierung
- Wiederholung: Grundlagen der Teamarbeit, Vorlesung ist Projekt-orientiert
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:
- ein Team gestalten, sich in dieses Team einordnen, Teilaufgaben unter sich teilen, Meilensteine setzen und einen gemeinsamen Zeitplan angehen
- eine vereinfachte Data-Mining oder Data-Engineering Aufgabe in Gruppenarbeit lösen
- in Gruppenarbeit eine Softwarelösung entwerfen, entwickeln und evaluieren
- ihre Entscheidungen bzgl Entwurf, Gestaltung und Software-auswahl begründen
- ihre Arbeit als Team präsentieren
- einen gemeinsamen Bericht schreiben, wo sie ihre Lösung zusammenfassen und begründen
- build up a team and organize themselves in it, distributing subtasks among themselves according to their competences, setting milestones and pursuing a joint schedule
- solve a simpified data mining or data engineering task in teamwork
- design, develop and evaluate a software solution jointly
- justify their design decisions and software suite selections
- present their work as a team
- write a joint report where they summarize and justify their approach
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:
- Für jedes Gruppenmitglied: 28 Std Präsenz inkl Konsultationen und Sitzungen, 96 Std Selbststudium
- Die Aufgabe ist für eine Studierendengruppe; der Aufwand ist 5 ECTS pro Gruppenmitglied
- For each team member: 28 h in presence (incl consultations and meetings) + 96 h self-study
- Asssignments are designed for student teams; the effort of each team member is 5 ECTS.
| 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:
|
| 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:
- ein Team gestalten, sich in dieses Team einordnen, Teilaufgaben unter sich teilen, Meilensteine setzen und einen gemeinsamen Zeitplan angehen
- eine vereinfachte Data-Mining oder Data-Engineering Aufgabe in Gruppenarbeit lösen
- in Gruppenarbeit eine Softwarelösung entwerfen, entwickeln und evaluieren
- ihre Entscheidungen bzgl Entwurf, Gestaltung und Software-auswahl begründen
- ihre Arbeit als Team präsentieren
- einen gemeinsamen Bericht schreiben, wo sie ihre Lösung zusammenfassen und begründen
- build up a team and organize themselves in it, distributing subtasks among themselves according to their competences, setting milestones and pursuing a joint schedule
- solve a simpified data mining or data engineering task in teamwork
- design, develop and evaluate a software solution jointly
- justify their design decisions and software suite selections
- present their work as a team
- write a joint report where they summarize and justify their approach
Content:
DEUTSCH: Realistische aber vereinfachte Aufgabe, welche Datenanalyse mit Lernverfahren beinhaltet; die Aufgabe umfasst Entwurf, Entwicklung und Evaluation einer Softwarelösung als Gruppenarbeit
ENGLISH: Assignment of a realistic but simplified task that involves the analysis of data with learning methods. The assignment involves design, development and evaluation of a software solution in teamwork.
Workload:
DEUTSCH:
- Für jedes Gruppenmitglied: 28 Std Präsenz inkl Konsultationen und Sitzungen, 96 Std Selbststudium
- Die Aufgabe ist für eine Studierendengruppe; der Aufwand ist 5 ECTS pro Gruppenmitglied
- For each team member: 28 h in presence (incl consultations and meetings) + 96 h self-study
- Asssignments are designed for student teams; the effort of each team member is 5 ECTS.
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
GERMAN: Dieses Modul implementiert die 'Prüfungsform wissenschaftliches Projekt' als eine 'Hausarbeit', in der ein 'Referat' eingebettet ist ENGLISH: This module implements the 'Prüfungsform wissenschaftliches Projekt' in the form of a 'Hausarbeit' which in turn incorporates a 'Referat' |
GERMAN: IT-Softwareprojekt (2 SWS) ENGLISH: IT-Softwareprojekt (2 hours per week) |
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
none |
GERMAN:
|
| 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: |
|
| Verwendbarkeit: | - B.Sc. INF: Schlüssel- und Methodenkompetenzen - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. INF: FIN SMK - B.Sc. INF: Ergänzungsbereich (SPO 2027) - B.Sc. CV: Allgemeine Visualistik - B.Sc. CV: Schlüssel- und Methodenkompetenzen - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: FIN SMK - B.Sc. CV: Interdisziplinär (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INGINF: Ingenieurbereich - B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen - B.Sc. INF (bilingual): FIN SMK |
Angestrebte Lernergebnisse:
Die Studierenden können nach Abschluss des Moduls ...
- Ideenfindungstechniken aufgabengerecht entwickeln
- Projekte in Teamarbeit organisieren und durchführen
- Workshops planen und moderieren
- out-of-the-box denken und Ideen produzieren
- Diskussionen strukturieren und leiten
- Projektergebnisse in einem Bericht darstellen und erklären
- die Qualität der Teamarbeit und den eigenen Beitrag zum Ergebnis bewerten
Inhalt:
- Der Innovationsprozess
- Grundlagen von Ideenfindungstechniken
- Perspektivwechsel
- Klassische Kreativitätstechniken
- Verfeinerung, Bewertung und Ausbau von Ideen
- Werbeideenproduktion
Arbeitsaufwand:
56 h Präsenzzeit + 94 h selbstständige Projektarbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Hausarbeit
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| 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: |
|
| 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 ...
- können Methoden ihres Fachs einschätzen und kreativ weiterentwickeln.
- können sich neues Wissen eigenständig aneignen und für sich nutzbar machen.
- können bei unbekannten Aufgaben eigene Ideen einbringen und Entscheidungen treffen.
- können für neue Aufgaben geeignete Lösungen wählen, anwenden und anschließend beurteilen.
- können selbstständig wissenschaftlich arbeiten.
- haben ein Verständnis für ausgewählte Vertiefungsgebiete der Wirtschaftswissenschaften, der Wirtschaftsinformatik und der Informatik und für ihre Zusammenhänge.
- können existierende Methoden von Data Science für neuartige Probleme anpassen.
- haben vertiefte, spezialisierte Kenntnisse in der Informatik und können diese in ingenieurwissenschaftlichen Domänen anwenden.
- können in interdisziplinären Projekten Digitalisierungslösungen für komplexe ingenieurwissenschaftliche Systeme beitragen.
Content:
In-Memory Technologie und Anwendungen mit Focus auf SAP HANA:
- Erläuterung der In-Memory-Technologie mit Focus auf SAP HANA
- Zeilen- versus Spaltenhauptspeicherdatenbanken
- Komprimierungs-, Partitionierungs- und Indexierungsansätze
- Google Cloud Technologie und Services
- Einsatz z.B. von Anthos, Bigquery, und AutoML
- Entwicklung von Hochverfügbarkeitslösungen und Backupstrategien
- Erweiterung des Datenlayouts ohne Downtime
- Migrationsansätze für Projekte in denen In-Memory Datenbanken eingesetzt werden
Workload:
Präsenzzeiten = 56 h:
- 56 h Vorlesung
- Selbstständiges Arbeiten = 64 h:
- 60 h Vorbereitung auf die Vorlesung und Lesen der empfohlenen Literatur
| 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 |
|
| 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: |
|
| Applicability in curriculum: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Intended learning outcomes:
Students ...
- have the ability to create index structures for text and images using Apache SOLR, Apache Lucene and Elastic Search
- perform end-to-end pre-processing of text data
- develop index structures with pre-processing and user search interfaces
- evaluate search engine performance
Content:
- Statistical properties of texts
- Retrieval models and data structures
- Relevance feedback
- Evaluation
- Structuring datasets (clustering, categorisation)
- Structure and algorithms for web search
- Interface design
Workload:
56h contact time + 94h self study
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
Written exam. Requirements for exam participation will be announced in the first week of the course in class and online. |
|
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
keine |
| Media: | Literature: |
|
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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten - Pflicht - B.Sc. WIF: Wirtschaftsinformatik Grundlagen (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Angestrebte Lernergebnisse:
Beim erfolgreichen Abschliessen des Moduls, die Studierenden:
- verstehen die Rolle der IT für das moderne Unternehmen
- verstehen, was ein Geschäftsmodell ist, wie das Internet die Gestaltung von Geschäftsmodellen beeinflusst und welche Rolle IT für Geschäftsmodelle im Internet spielt
- haben Einblick in die Rolle der Daten für die Entscheidungsunterstützung im Unternehmen
- verstehen, wie Methoden zur Ableitung von einfachen Modellen funktionieren und wie diese zu evaluieren sind
- können Modelle für einfache Problemstellungen ableiten
Inhalt:
- Grundzüge zu IT im Unternehmen, darunter IT entlang der Wertschöpfungskette
- Daten für die Entscheidungsunterstützung, darunter Datenmanagement und einfache Lernverfahren
- Unternehmen im Netz, darunter Geschäftsmodelle und Rolle der IT
Arbeitsaufwand:
- 28 Stunden Vorlesung (Präsenz)
- 28 Stunden Übung (Präsenz)
- 94 Stunden Eigensändiges Arbeit zur Vor- und Nachbereitung der Vorlesung und der Übung, sowie zur Prüfungsvorbereitung
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Votierung - min Anzahl von Punkten während der Lehrveranstaltung |
Schriftliche Prüfung - Klausur (120 min)
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| Medienformen: | Literatur: |
|
|
BUCH W: WIRTSCHAFTSINFORMATIK, Hans Robert Hansen & Jan Mendling & Gustaf Neumann (2019) sowie Ausschnitte aus:
|
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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik II - Pflicht - B.Sc. INF: Aufbaumodule (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik II - Pflicht - B.Sc. INF (bilingual): Aufbaumodule (SPO 2027) |
Angestrebte Lernergebnisse:
Die Studierenden ...
- haben Grundkenntnisse im Bereich KI
- können KI-Algorithmen verstehen, implementieren und analysieren
- können KI-Algorithmen entwickeln und anwenden
- haben die Befähigung zur Modellierung von Optimierungsproblemen
- haben einen Überblick über hochaktuelle Themen aus der KI
Inhalt:
- Eigenschaften intelligenter Systeme
- Modellierungstechniken für wissensintensive
- Anwendungen Subsymbolische Lösungsverfahren
- Heuristische Suchverfahren
- Lernende Systeme Modellansätze für kognitive
- Systeme Wissensrevision und Ontologien
- Entscheidungsunterstützende Systeme
- Weitere aktuelle Methoden für die Entwicklung
- Intelligenter Systeme wie Kausale Netze,
- Unscharfes Schließen
Arbeitsaufwand:
Präsenzzeit = 56 Stunden:
- 2 SWS Vorlesung
- 2 SWS Übung
- Vor- und Nachbearbeitung von Vorlesung und
- Übung Bearbeiten von Übungs- und Programmieraufgaben
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| Medienformen: | Literatur: |
|
|
|
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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Schlüssel- und Methodenkompetenzen - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: FIN SMK - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Schlüssel- und Methodenkompetenzen - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. CV: FIN SMK - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Schlüssel- und Methodenkompetenzen - B.Sc. INGINF: FIN SMK - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen - B.Sc. INF (bilingual): FIN SMK |
Angestrebte Lernergebnisse:
Studierende, die dieses Modul absolvieren, ...
- erwerben grundlegende Kenntnisse im Bereich der Mensch-Computer-Interaktion, einem wichtigen Teilgebiet der Informatik.
- kennen nutzerzentrierte und normkonforme Entwicklungsprozesse für Bedienoberflächen und können diese auf praktische Anwendungsfälle anwenden.
- führen ein interdisziplinäres Teamprojekt durch, entwickeln, testen und evaluieren im Team ein fortgeschrittenes User Interface, lernen komplexe Entscheidungen im Team zu treffen und Kompromisse einzugehen.
- präsentieren ihre Projektergebnisse in einem Vortrag, verteidigen ihre Ergebnisse und Entscheidungen und reflektieren ihre Rolle im Team und ihren individuellen Beitrag zum gemeinsamen Ergebnis.
Inhalt:
- Technische Grundlagen der Mensch-Computer-Interaktion (Fenster-, Menü- und Dialogsysteme)
- Interaktionstechniken und Interaktionsaufgaben
- Kognitive Grundlagen der Mensch-Computer-Interaktion
- Analyse von Aufgaben und Benutzern
- Prototypentwicklung und Evaluierung
- Spezifikation von Benutzungsschnittstellen
Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Klausur, 120 min.
|
|
| 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 …
- im Team eine komplexe Aufgabe aus dem Fachgebiet mit wissenschaftlichen Methoden bearbeiten
- Lösungsmöglichkeiten diskutieren und sich auf einen gemeinsamen Lösungsweg einigen, zu dem jeder seine Ideen einbringt,
- das benötigte Wissen erarbeiten und für das Team verfügbar machen
- mit anderen zusammen ein Projekt planen und lenken und für ihre eigene Rolle im Team die Verantwortung übernehmen
- ihre Ergebnisse in mündlicher und/oder schriftlicher Form präsentieren und interpretieren
- sich rückblickend mit der Ausübung ihrer Rolle im Team und ihrem Beitrag zum gemeinsamen Ergebnis auseinandersetzen
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
- durchdringen die Grundlagen der Produktions- und Kostentheorie,
- verstehen die Kostenrechnung als Teil des betrieblichen Informationssystems,
- erlangen vertiefte Kenntnisse über die Struktur von Kostenrechnungssystemen,
- lernen verschiedene Kostenrechnungssysteme kennen und sind in der Lage Herstellungskosten und Selbstkosten zu ermitteln,
- erhalten einen Überblick über moderne Ansätze der Kostenrechnung,
- erlernen Techniken der Abweichungsanalyse,
- vertiefen ihre analytischen Fähigkeiten und werden befähigt, kostenrechnungsbezogene Sachverhalte bzw. Fragestellungen problem- und zielorientiertzu betrachten
- lernen umfangreiche Inhalte zu strukturieren und selbstverantwortlich zu erarbeiten.
Inhalt:
- Kostentheoretische Grundlagen
- Kostenarten-, Kostenstellen-, Kostenträgerrechnung
- Systeme der Kostenrechnung, insb. Grenzplankostenrechnung, Prozesskostenrechnung- Abweichungsanalyse
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
- understand the basic concepts of computer graphics
- can apply their knowledge to create a rendering program
- work in groups on exercises and programming tasks
- learn both the theoretical basics and applications of computer graphics
- are able to acquire in-depth knowledge of computer graphics after the course
Content:
- Introduction, history, areas of application of computer graphics
- Modeling and acquisition of graphical data
- Graphical application programming
- Transformations
- Clipping
- Rasterization and anti-aliasing
- Lighting
- Texturing
- Visibility
- Ray tracing
- Modern concepts of computer graphics at a glance
Workload:
56h contact time + 94h self study
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
oral examination |
|
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
none |
Einführung in die Informatik (Introduction to Computer Science) |
| Media: | Literature: |
|
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: |
|
| Applicability in curriculum: | - M.Sc. DE: Grundlagen Informatik - M.Sc. DE: Informatik Grundlagen (SPO 2027) |
Intended learning outcomes:
Students who finish this course
- know the basic principles of programming in an imperative, object-oriented programming language
- understand that design of an algorithm can impact its runtime
- know some of the most commonly used data structures and what their respective advantages and disadvantages are
Content:
Introduction to:
- imperative programming paradigm
- basic concepts of object-oriented programming
- programming in a commonly used programming language (e.g. Python)
- generic programming
- fundamental data structures:
- trees (binary trees, search-trees and self-balancing search trees)
- hash tables
- graphs
- abstract data types: lists, stacks, queues
- main algorithms for fundamental tasks such as sorting and searching
- methods to observe algorithm complexity or performance (Big-O notation).
- fundamental types of algorithm design paradigms: Divide-and-Conquer, Greedy, Backtracking and Searching, and Dynamic Programming
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: |
|
| 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 ...
- confidently apply DL techniques to develop a solution for a given problem
- follow recent DL publications and critically assess their contributions
- formulate hypotheses and design & conduct DL experiments to validate them
- document progress & design decisions for reproducibility and transparency
- have advanced competencies in scientific research in topics of the module
Content:
- Artificial neural network fundamentals (gradient descent & backpropagation, activation functions)
- Network architectures (Convolutional Neural Networks, Recurrent/Recursive Neural Networks, Auto-Encoders, Transformers)
- Regularization techniques
- Introspection & analysis techniques
- Optimization techniques
- Advanced training strategies (e.g. teacher-student)
Workload:
- 56h contact hours (2 SWS lecture + 2 SWS exercise groups)
- 124h self study (reading assignments (flipped classroom), programming exercises)
| 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) |
|
| 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: |
|
| 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 ...
- have an overview of basic problems and methods in designing distributed sensor systems and their applications.
- understand how to process data in a network of sensors, what requirements the infrastructure must meet, and how to model and describe errors like measurement noise.
- are familiar with the mathematical tools and can apply them.
- can analyze, compare, and evaluate different approaches to information processing of sensor data.
Content:
This lecture introduces basic principles, requirements, and methods of sensor data processing. Since data are more often gathered by networked sensor systems, this lecture places particular emphasis on distributed sensor data fusion methods. We will start by discussing the technical specifications of a sensor system and the basics of digital sensor data processing. Our study includes sampling theorems, compressive sensing, and signal matching. We will consider the required infrastructure to processing sensor data in networked systems, i.e., sensor networks. Based on this infrastructure, we can apply methods for multisensor data fusion to spatially distributed sensors and can monitor spatio-temporal processes.
Workload:
56 h contact time
124 h independent study
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
Oral exam (30 min) |
|
| 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: |
|
| Applicability in curriculum: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Intended learning outcomes:
Students who complete the course ...
- have an overview of basic problems and methods in designing distributed sensor systems and their applications.
- understand how to process data in a network of sensors, what requirements the infrastructure must meet, and how to model and describe errors like measurement noise.
- are familiar with the mathematical tools and can apply them.
- can analyze, compare, and evaluate different approaches to information processing of sensor data.
Content:
This lecture introduces basic principles, requirements, and methods of sensor data processing. Since data are more often gathered by networked sensor systems, this lecture places particular emphasis on distributed sensor data fusion methods. We will start by discussing the technical specifications of a sensor system and the basics of digital sensor data processing. Our study includes sampling theorems, compressive sensing, and signal matching. We will consider the required infrastructure to processing sensor data in networked systems, i.e., sensor networks. Based on this infrastructure, we can apply methods for multisensor data fusion to spatially distributed sensors and can monitor spatio-temporal processes.
Workload:
- 56 h contact time
- 94 h independent study
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
Oral exam (30 min) |
|
| 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:
- Verständnis grundlegender Unterschiede zwischen klassischer Softwareentwicklung und datengetriebener Entwicklung von ML-Systemen sowie der daraus resultierenden Sicherheitsimplikationen.
- Fähigkeit, typische Fehlermodi von ML-Systemen systematisch zu analysieren und deren Ursachen (z. B. Datenverteilung, Modellunsicherheit, Verteilungsverschiebung) zu identifizieren.
- Kompetenz, geeignete Test- und Evaluationsverfahren für ML-Modelle in sicherheitskritischen Kontexten auszuwählen und anzuwenden.
- Einordnung und Bewertung von Unsicherheitsabschätzungen, Anomalieerkennung und Robustheitsmechanismen im Hinblick auf ihre sicherheitstechnische Relevanz.
- Verständnis adversarieller Bedrohungsmodelle sowie grundlegender Verteidigungsstrategien.
- Reflexion regulatorischer, ethischer und gesellschaftlicher Rahmenbedingungen beim Einsatz lernbasierter Systeme.
Inhalt:
- Grundlagen und Sicherheitskontext
- Datenqualität und Modelltestverfahren
- Robustheit und Angriffsmodelle
- Unsicherheit und Anomalieerkennung
- Alignment und gesellschaftliche Aspekte
Arbeitsaufwand:
- 20h Übungsteilnahme,
- 20h Vorlesung,
- 40h Vorlesungsvorbereitung,
- 40h Übung,
- 60h Prüfungsvorbereitung
| 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:
- Verständnis grundlegender Unterschiede zwischen klassischer Softwareentwicklung und datengetriebener Entwicklung von ML-Systemen sowie der daraus resultierenden Sicherheitsimplikationen.
- Fähigkeit, typische Fehlermodi von ML-Systemen systematisch zu analysieren und deren Ursachen (z. B. Datenverteilung, Modellunsicherheit, Verteilungsverschiebung) zu identifizieren.
- Kompetenz, geeignete Test- und Evaluationsverfahren für ML-Modelle in sicherheitskritischen Kontexten auszuwählen und anzuwenden.
- Einordnung und Bewertung von Unsicherheitsabschätzungen, Anomalieerkennung und Robustheitsmechanismen im Hinblick auf ihre sicherheitstechnische Relevanz.
- Verständnis adversarieller Bedrohungsmodelle sowie grundlegender Verteidigungsstrategien.
- Reflexion regulatorischer, ethischer und gesellschaftlicher Rahmenbedingungen beim Einsatz lernbasierter Systeme.
Content:
- Grundlagen und Sicherheitskontext
- Datenqualität und Modelltestverfahren
- Robustheit und Angriffsmodelle
- Unsicherheit und Anomalieerkennung
- Alignment und gesellschaftliche Aspekte
Workload:
- 20h Übungsteilnahme,
- 20h Vorlesung,
- 40h Vorlesungsvorbereitung,
- 40h Übung,
- 60h Prüfungsvorbereitung
| 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: |
|
| Applicability in curriculum: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik II - Pflicht - B.Sc. INGINF: Ingenieurinformatik Pflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027) |
Intended learning outcomes:
Students who complete the course ...
- can use a professional simulation tool
- know the practical considerations when solving initial value problems numerically
- can carry out input and output analysis for stochastic, discrete-event models
- can model simple systems as stochastic Petri nets, ordinary differential equations and discrete-time Markov chains
- know and understand the steps in a simulation study
Content:
Introduction to the fundamentals and steps in a simulation study:
- discrete-event simulation
- random variables and random number generation
- statistical data analysis
- ordinary differential equations and numerical integration
- stochastic Petri nets
- the AnyLogic simulation system
- discrete-time Markov chains
- agent-based simulation
Workload:
56 contact hours + 94 h self study
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
120 min written exam |
|
| 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: |
|
| 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 ...
- can analyse discrete, continuous and hybrid systems using a professional simulation tool
- know how to obtain an accurate result efficiently when integrating initial value problems numerically
- can carry out input and output analysis to obtain statistically significant results for stochastic, discrete-event models
- can select an appropriate modelling paradigm for a given situation
- can perform a simulation study and interpret its results
Content:
Introduction to the fundamentals and steps in a simulation study:
- discrete-event simulation
- random variables and random number generation
- statistical data analysis
- ordinary differential equations and numerical integration
- stochastic Petri nets
- the AnyLogic simulation system
- discrete-time Markov chains
- agent-based simulation
Workload:
56 contact hours + 124 h self study
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
2h written exam |
|
| 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 ...
- verstehen, wie KI in Unternehmenskontexten genutzt wird und können es kritisch bewerten
- erkennen und diskutieren ethische Implikationen im Zusammenhang mit KI.
- entwickeln ihre Präsentationsfähigkeit und die Fähigkeit, komplexe Themen verständlich darzustellen.
- lernen wissenschaftliche Artikel zu analysieren, zusammenzufassen und selber zu verfassen
Inhalt:
- Ein Überblick über Einsatzmöglichkeiten von KI in Unternehmen
- ethische Überlegungen
- gesellschaftliche Verantwortung
- Fallbeispiele
Arbeitsaufwand:
Präsenszeiten:
2 Stunden pro Woche: Seminar / Konsultationen
Individuelle Arbeitszeit 130 Stunden:
- Lesen und Verstehen der bereitgestellten Artikel
- Recherche zusätzlicher Artikel
- Schreiben
- Präsentation
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Referat
|
Seminar
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| 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: |
|
| 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 ..
- confidently apply generative models to develop a solution for a given problem
- follow recent publications on generative models and critically assess their contributions
- formulate hypotheses and design & conduct experiments with generative models to validate them
- document progress & design decisions for reproducibility and transparency
Content:
- Training methods & architectures for generative models, in particular energy-based models (e.g. Restricted Boltzmann Machines, RBMs)
- autoregressive models
- variational learning and Generative Adversarial Nets (GANs)
- flow-based models
- diffusion models
Workload:
56 contact hours + 124h self study
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
|
| 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: |
|
| Applicability in curriculum: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Künstliche Intelligenz - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Verstehen und Gestalten - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Intended learning outcomes:
Students can ..
- confidently apply generative models to develop a solution for a given problem
- follow recent publications on generative models and critically assess their contributions
- formulate hypotheses and design & conduct experiments with generative models to validate them
- document progress & design decisions for reproducibility and transparency
Content:
- Training methods & architectures for generative models, in particular energy-based models (e.g. Restricted Boltzmann Machines, RBMs)
- autoregressive models
- variational learning and Generative Adversarial Nets (GANs)
- flow-based models
- diffusion models
Workload:
56 contact hours + 94h self study
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
|
| 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: |
|
| Applicability in curriculum: | - B.Sc. INF (bilingual): Mathematik / Logik - B.Sc. INF (bilingual): Aufbaumodule (SPO 2027) |
Intended learning outcomes:
Students can
- explain the terms relevant to logic and their definitions,
- read logical syntax (in particular logical formulae and arguments)
- describe situations using logical formulae,
- translate logical formulae into German and vice versa,
- recognize and produce normal forms,
- write down situations as model-theoretical structures,
- distinguish between formal representation and meaning (real world/application),
- check arguments for logical conclusions,
- construct proofs independently,
- use algorithms to evaluate and transform logical expressions and arguments.
Content:
- Fields of application for logic in computer science,
- Logical syntax (concept of formula and concept of argument for propositional logic and predicate logic),
- Formal representation of knowledge,
- Logical semantics of two- and three-valued propositional logic and predicate logic,
- Domain-specific languages and abstraction to general logical languages,
- Concept of inference and logical inference,
- Rule systems (e.g. for formulas and proofs), - Basic algorithms for logical problems (SAT solving, Horn formula algorithm, transfer to normal forms) rule systems (e.g. for formulas and proofs),
- basic algorithms for logical problems (SAT solving, Horn formula algorithm, transfer to normal forms)
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 |
|
| 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
|
| 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
- die für Logik relevanten Begriffe und deren Definitionen erklären,
- logische Syntax (insbesondere
logische Formeln und Argumente lesen) - Situationen durch logische Formeln beschreiben,
- logische Formeln ins Deutsche übersetzen und umgekehrt,
- Normalformen erkennen und herstellen,
- Situation als modelltheoretische Struktur aufschreiben,
- zwischen formaler Repräsentation und der Bedeutung (reale Welt/Anwendung) unterscheiden,
- Argumente auf logische Folgerungen überprüfen,
- Beweise selbstständig konstruieren,
- Algorithmen zur Auswertung und Umformung logischer Ausdrücke und Argumente anwenden.
Inhalt:
- Anwendungsfelder für Logik in der Informatik,
- Logische Syntax (Formelbegriff und Argumentbegriff für Aussagenlogik und Prädikatenlogik),
- formale Repräsentation von Wissen,
- Logische Semantik von zwei- und dreiwertiger Aussagenlogik sowie Prädikatenlogik,
- Domänenspezifische Sprachen und Abstraktion zu allgemeinen logischen Sprachen,
- Folgerungsbegriff und logische Folgerung,
- Regelsysteme (u.a. für Formeln und Beweise),
- grundlegende Algorithmen für logische Probleme (SAT-Solving, Hornformel-Algorithmus, Überführung in Normalformen)
Arbeitsaufwand:
- Präsenzzeiten: 14 X 4h = 56 h
- Selbstständiges Nachbereiten der Vorlesung: 94 h
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
2 Drittel der Übungsaufgaben votiert |
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| Medienformen: | Literatur: |
|
|
|
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:
- Anwendungen von ausgewählten Erweiterungen der klassischen Logik zur Wissensrepräsentation
- Anwendungen von ausgewählten nicht-klassischen Logiken zur Wissensrepräsentation
- Anwendung von Beweiskalkülen für Logiken
- Verstehen von fortgeschrittenen semantischen Methoden für Logiken
- Verstehen von metalogischen Beweisen und die Fähigkeit einfache metalogische Beweise selbst zu führen
Inhalt:
Die Veranstaltung baut auf der Pflichtveranstaltung Logik auf, in der die klassische Aussagen- und Prädikatenlogik eingeführt wird. In Logik 2 werden einerseits weiterführende Themen der klassischen Logik behandelt (u.a. Korrektheits-, Vollständigkeits- und Kompaktheitsbeweise). Darüber hinaus werden Erweiterungen der klassischen Logik sowie nichtklassische Logiken behandelt, z.B. Modallogik, Temporallogik, epistemische Logik, Konditionallogik, mehrwertige Logiken und Logik höherer Stufe.
Arbeitsaufwand:
- Präsenzzeiten: 14 X 4h = 56h
- selbständige Arbeit = 244h
(Vorbereiten der Vorlesung,
Lösen Übungsaufgaben,
Vorbereitung Präsentation)
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
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 ...
- know and understand specialized subject content that expands and deepens Large Language Models (LLM) and machine learning development and operation.
- can independently analyze problems and identify alternative solutions.
- know how to work with large language models following proper machine learning development and operation practices.
- are experienced in the theory and handling of container-based virtualization technologies such as Docker.
- know how to use higher programming languages (Python).
- know how to use various configuration and automation tools and languages to automate the development and operation of LLM solutions.
- have practical and theoretical knowledge of testing LLM-solutions, particularly in relation to essential DevOps concepts such as Continuous Integration and Continuous Delivery, LLMOps, testing, and system landscape.
- have the ability to design, create, test, commission, and support LLM solutions for business problems.
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
- Preparation and follow-up of lecture & exercise
- Development of an LLM-based sotution following LLMLOps practicies to address a business problems
| 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: |
|
|
| 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: |
|
| 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 ...
- can create machine learning pipelines and individual algorithms
- program decision trees, multi-layer perceptrons, and KNN classifiers in Java, Python, C++
- can evaluate the predictive performance of various classifiers for practical scenarios
Content:
- Introduction to concept spaces and concept learning
- Algorithms for instance-based learning and cluster analysis
- Algorithms for generating decision trees
- Bayesian learning
- Neural networks
- Association learning
- Reinforcement learning
- Hypothesis evaluation
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. |
|
| 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: |
|
| 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 …
- understand the fundamentals of IT strategy and analyze its significance for businesses.
- describe methods for developing and implementing IT strategies.
- apply project management methodologies such as PRINCE2 and agile approaches in IT projects.
- understand multi-project management, program management and portfolio management in corporate environments.
- apply change management models such as ADKAR to manage organizational transformations.
- understand the importance of IT governance and compliance for corporate structures and regulatory requirements.
- describe stakeholder management and intercultural communication in global IT projects.
- identify risks and quality requirements in IT projects and develop appropriate control measures.
- explain data governance concepts and assess their significance for data protection, IT security, and regulatory compliance.
- describe the role of data quality, metadata management and master data management (MDM) in corporate IT.
- model, analyze, and optimize IT-supported business processes, particularly through the use of BPMN.
- understand Identity & Access Management (IAM) and evaluate its implementation in enterprises.
- explain security aspects such as authentication, authorization, Single Sign-On (SSO), and two-factor authentication (2FA), as well as best practices in enterprise security management.
- assess IT security strategies and cybersecurity measures, including risk mitigation techniques.
- understand the importance of reference data management and data integration for corporate processes.
- evaluate agile methodologies such as Scrum in IT transformation projects and compare them with traditional waterfall approaches.
- understand risk and quality management processes in IT environments, including testing methodologies, compliance frameworks, and risk mitigation strategies.
- analyze and apply IT service delivery models in Shared Service Centers.
Content:
- Business Process Management and Modeling
- Process Analysis and Optimization/Standardization
- Identity and Access Management (IAM)
- Quality and Risk Management in IT Operations
- Testing and Software Quality Assurance, including Documentation
- Agile vs. Waterfall Project Management in IT
- IT Service Delivery and Shared Service Center Management
- Project and Program Management (PRINCE2 i. a.)
- Stakeholder Management in IT Projects
- Change Management (ADKAR, Organizational and Employee Transformation)
- Data Governance (Strategy, Policies, Processes and Data Quality)
- IT Strategy – Business as a Driver for IT (Balanced Scorecard)
- IT Investments and Business Decision-Making
- Insights from Ongoing IT Projects by Public Accountants and IT Project Leads from Major International Companies
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) |
|
| 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
- grundlegende Kenntnisse der Funktion von Marketing in Unternehmen und der Analyse von Märkten erlangt,
- ausgewählte Instrumente des Marketings und marketingpolitische Entscheidungsfelder kennengelernt,
- Fähigkeiten zur Lösung von Problemstellungen im Marketing unter Anwendung geeigneter Methoden erlernt.
Inhalt:
- Grundlagen des Marketings (Ziele, Aufgaben, Entwicklungsstufen)
- Grundlagen Marktforschung
- Strategische Marketingplanung
- Produktmanagement
- Markenführung
- Ausgewählte Marketinginstrumente im Marketingmix (z.B. Preis-, Kommunikations-, und Distributionspolitik)
- Messung des Marketingerfolgs
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 …
- eine komplexe Aufgabe aus Anwendung oder Forschung mit wissenschaftlichen Methoden selbstständig bewältigen,
- sich in die Thematik selbstständig einarbeiten, die Aufgabenstellung analysieren und Lösungsmöglichkeiten dafür vergleichen
- einen eigenen Lösungsweg entwickeln und anschließend bewerten
- ihre Arbeitsergebnisse sowie deren potenzielle Konsequenzen einschätzen und bewerten.
- ihre Ergebnisse und das neue erworbene Wissen erklären und ihre Entscheidungen und Interpretationen verteidigen.
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:
- 22 Wochen eigenständige Erstellung einer wissenschaftlichen Arbeit
- 1h Verteidigung
| 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:
- Wie finde ich ein Thema und wie schreibe ich meine Masterarbeit?
- Übersicht für Masterarbeitsthemen im Thesis Portal
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 …
- eine komplexe Aufgabe aus Anwendung oder Forschung mit wissenschaftlichen Methoden selbstständig bewältigen,
- sich in die Thematik selbstständig einarbeiten, die Aufgabenstellung analysieren und Lösungsmöglichkeiten dafür vergleichen
- einen eigenen Lösungsweg entwickeln und anschließend bewerten
- ihre Arbeitsergebnisse sowie deren potenzielle Konsequenzen einschätzen und bewerten.
- ihre Ergebnisse und das neue erworbene Wissen erklären und ihre Entscheidungen und Interpretationen verteidigen.
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:
- 22 Wochen eigenständige Erstellung einer wissenschaftlichen Arbeit
- 1h Verteidigung
| 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:
- Wie finde ich ein Thema und wie schreibe ich meine Masterarbeit?
- Übersicht für Masterarbeitsthemen im Thesis Portal
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: |
|
| Applicability in curriculum: | - M.Sc. INF: Informatik - M.Sc. INGINF: Informatik - M.Sc. WIF: Informatik - M.Sc. VC: Visual Computing |
Intended learning outcomes:
Students ...
- are familiar with methods for visualizing three-dimensional medical image data
- can compare and evaluate methods for medical volume visualization
- know selected advanced methods for medical visualization
- can apply interactive methods to medical image data
Content:
- Medical volume visualization
- Visualization of 3D surfaces
- Virtual endoscopy
- Vessel visualization
Workload:
56 contact hours + 124 h self study
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
Oral exam |
|
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
none |
Lecture Visualization |
| Media: | Literature: |
|
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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Angestrebte Lernergebnisse:
Die Studierenden
- verstehen 2D Flächen im 3D Raum (z.B. parametrische vs implizite Darstellung) sowohl und deren Eigenschaften (z.B. Differentialgeometrie)
- verstehen die diskrete Darstellung von Flächen mit Polygonnetzen
- verstehen und verwenden verschiedene Datenstrukturen für Dreiecksnetze an
- verstehen grundlegende Methoden der Geometrieverarbeitung mit Polygonnetzen
- wenden diese Methoden beispielhaft in Implementierungen an
Inhalt:
- 3D-scannen und Triangulierung
- Datenstrukturen
- Diskrete Differentialgeometrie
- Glätten
- Parametrisierung
- Dezimierung
- Remeshing
- Deformation
Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| 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: |
|
| Applicability in curriculum: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027) |
Intended learning outcomes:
Students who completed the course ...
- have a comprehensive overview of concepts and algorithms used in mobile robotics applications, such as delivery robots or autonomous cars
- have a foundational understanding of the mathematical principles required for system modeling, planning, perception, mapping, and their probabilistic approaches
- understand how various components within a robotic system interlink and interact
- are able to select appropriate algorithms for a given setup in mobile robotics and implement them using the ROS2 framework
Content:
This course offers an introduction to the foundational principles and algorithms of mobile robotics, utilizing a flipped classroom approach. The course emphasizes a conceptual understanding of mobile robotics while introducing relevant mathematical underpinnings. Students complete preparatory work before each lecture, which they use in class to deepen understanding and application of knowledge. In the exercise, students deepen their knowledge with practical experience and complete programming assignments using the Robot Operating System 2 (ROS2) framework.
With an emphasis on wheeled robots, this lecture covers
- the modeling of mobile robots,
- sensing of their own state and the environment—including image processing
- planning,
- control,
- localization,
- mapping,
- and advanced methods.
Workload:
- 28h Lecture
- 28h Practical Exercise
- 94h independent Study
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
Term paper about implementation, documentation, and presentation of a robotics project (Hausarbeit über Durchführung, Dokumentation und Abnahme eines Roboterprojekts) |
Lecture (2 SWS) |
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
keine |
|
| Media: | Literature: |
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: |
|
| 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 ...
- können Systeme, Daten und Prozesse mithilfe verschiedener Modellierungstechniken abbilden.
- können im Rahmen von Informations- und Kommunikationssystemen Lösungen gestalten, darstellen und kommunizieren.
- können komplexe, gestalterische Sachverhalte abstrahieren und analytisch denken.
- können Konzepte für Informatiklösungen und computergestützte Lösungen so entwerfen und darstellen, dass diese hierauf aufbauend implementiert werden können.
- können die von ihnen erworbenen Fähigkeiten der Abstraktion und Darstellung, besonders in Bezug auf die Abbildung von Prozessen, einerseits zur Erfüllung von Aufgaben an der Schnittstelle von Informatik, Wirtschaftsinformatik und Wirtschaftswissenschaften, aber auch im Kontext von Fachgebieten außerhalb der Informatik einbringen.
- können die Darstellung ihrer Konzepte und Ideen an die Bedürfnisse unterschiedlicher Stakeholder anpassen und somit in zahlreichen Kontexten und über verschiedene Disziplinen hinweg einen wertvollen Beitrag zum Gelingen verschiedenartigster Projekte leisten.
Inhalt:
- Modellierungstheorie: Von der Diskurswelt zu formalisierten Informationsmodellen
- Prozesse, Workflows und Geschäftsprozesse
- Meta-Modelle, Referenzmodellierung
- Grundsätze ordnungsmäßiger Modellierung
- Grundlagen XML Fachkonzeptuelle
- Modellierung mit höheren Petri-Netzen, der Entity Relationship-Methode und der BPMN
- Objektorientierte Modellierung mit UML
- Umsetzung konkreter Aufgabenstellungen
Arbeitsaufwand:
- Präsenzzeiten: 28 SWS Vorlesung + 28 SWS Übung
- Selbstständiges Arbeiten: 54 h Vor- und Nachbereitung der Vorlesung + 40 h Entwicklung von Modellen für die Übung
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Benotete und unbenotete schriftliche Prüfung, 120 Min.
|
|
| 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: |
|
| Applicability in curriculum: | - B.Sc. INF (bilingual): Informatik I - Pflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027) |
Intended learning outcomes:
Students ...
- are able to represent systems, data and processes using various modeling techniques.
- can design, present and communicate solutions within the framework of information and communication systems.
- can abstract complex, creative issues and think analytically.
- can design and present concepts for IT solutions and computer-aided solutions in such a way that they can be implemented on this basis.
- can apply the skills they have acquired in abstraction and representation, especially with regard to the mapping of processes, to fulfill tasks at the interface of computer science, business informatics and economics, but also in the context of subject areas outside of computer science.
- can adapt the representation of their concepts and ideas to the needs of different stakeholders and thus make a valuable contribution to the success of a wide variety of projects in numerous contexts and across different disciplines.
Content:
- Modeling Theory: From the discourse world to formalized information models
- Processes, Workflows, and Business Processes
- Meta-models, Reference Modeling
- Principles of Proper Modeling
- Basics of XML
- Domain Conceptual Modeling with High-level Petri Nets, the Entity-Relationship Method, and BPMN
- Object-Oriented Modeling with UML
- Implementation of Concrete Tasks
Workload:
- Contact hours: 28 semester hours per week (SWS) of lectures + 28 SWS of exercises
- Self study: 54 hours of preparation and follow-up for the lectures + 40 hours of model development for the exercises
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
Graded und ungraded written examination, 120 Min. |
|
| 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
- entwickeln ein Grundverständnis für Softwarearchitekturen und Softwarelebenszyklusmodelle
- sind in der Lage, die Modellierung und Implementierung komplexer Systeme unter Verwendung von UML und einer objektorientierten Programmiersprache zu realisieren
- kennen Software-Testmethoden und können diese anwenden
- können im Rahmen eines Softwareprojektes die Vorgehensweise zur Problemlösung dokumentieren, die Ergebnisse präsentieren und bewerten
Inhalt:
- Software-Lebenszyklus, Architekturschemata
- Modellierungs- und Entwicklungsmethoden
- Objektorientierte Modellierung mit UML
- Umsetzung konkreter Aufgabenstellungen mit Modellierungswerkzeugen und einer objektorientierten Programmiersprache
- Verifikation und Validierung von Programmen
- Durchführung eines Softwareentwicklungsprojektes
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: |
|
| 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 ...
- kennen und verstehen Aspekte der Mediensicherheit
- können ausgewählte Forschungsfragen der Mediensicherheit selbständig bewältigen
- können bestehende Ansätze bewerten und kreativ für eine Forschungsfrage erweitern
- können sich in den semesterspezifischen Anwendungsfall einarbeiten und im Team reflektieren
- können für die Fragestellung neue Ansätze zur Mediensicherheit aufzeigen
- können für den semesterspezifischen Anwendungsfall Sicherheitsbedarfe feststellen und Verbesserungsalternativen vorschlagen
- können eine ausgewählte Lösung umsetzen, evaluieren und bewerten sowie Restrisiken aufzeigen
- können selbständig wissenschaftliche Methoden der IT-Sicherheit anwenden
- können die Ergebnisse wissenschaftlich in einem Referat präsentieren und sich einer Diskussion stellen
Inhalt:
- Motivation, Einführung und Grundlagen zu ausgewählten Themen der Mediensicherheit mit aktuellen Forschungsfragen und Semester-spezifischen Anwendungsfällen
- Zusammenfassung von Sicherheitsaspekten in Multimediaanwendungen und Multimedia-spezifische Umsetzungen von Sicherheitsprotokollen und -mechanismen für Bild, Video und Audio sowie Kombinationen mit Fokus auf die Semester-spezifischen Anwendungsfälle
- Erarbeitung, Umsetzung, Evaluierung und Bewertung von Lösungsmöglichkeiten für die Semester-spezifischen Anwendungsfälle
- Wiederholung: Grundlagen der Teamarbeit, Vorlesung ist Projekt-orientiert
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.
|
|
| 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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Angestrebte Lernergebnisse:
Die Studierenden ...
- kennen die Grundlagen der digitalen Musikverarbeitung
- kennen unterschiedliche Musikformate (Repräsentationen) und relevanter Merkmale
- können Probleme der Musikanalyse mit Hilfe von Theorien und Methoden der Informatik analysieren und modellieren
- können computergestützte Lösungen für die Analyse von Musikdaten umzusetzen und erproben (u.a. Musiksynchronisation, Strukturanalyse, Content-Based Retrieval, Quellentrennung)
Inhalt:
- Music Representations
- Fourier Analysis of Signals
- Music Synchronization
- Music Structure Analysis
- Chord Recognition
- Tempo and Beat Tracking
- Content-Based Audio Retrieval
- Musically Informed Audio Decomposition
Arbeitsaufwand:
- Präsenzzeit = 56 Stunden: 2 SWS Vorlesung 2 SWS Übung
- Selbstständige Arbeit = 94 Stunden: Vor- und Nachbearbeitung von Vorlesung und Übung, Bearbeiten von Übungs- und Programmieraufgaben, Kursprojekt
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Prüfung in mündlicher Form: Ankündigung der notwendigen Vorleistungen in der ersten Veranstaltungswoche und auf der Vorlesungswebseite; Schein (mündlich): Ankündigung der notwendigen Vorleistungen in der ersten Veranstaltungswoche und auf der Vorlesungswebseite
|
Vorlesung (2 SWS)
Übung (2 SWS)
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| Medienformen: | Literatur: |
|
|
Meinard Müller: Fundamentals of Music Processing Using Python and Jupyter Notebooks 2nd edition, Springer 2021 ISBN: 978-3-030-69807-2
|
Hinweise:
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: |
|
| 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 ...
- kennen die Grundlagen der digitalen Musikverarbeitung
- kennen unterschiedliche Musikformate (Repräsentationen) und relevanter Merkmale
- können Probleme der Musikanalyse mit Hilfe von Theorien und Methoden der Informatik analysieren und modellieren
- können computergestützte Lösungen für die Analyse von Musikdaten umzusetzen und erproben (u.a. Musiksynchronisation, Strukturanalyse, Content-Based Retrieval, Quellentrennung)
Inhalt:
- Music Representations
- Fourier Analysis of Signals
- Music Synchronization
- Music Structure Analysis
- Chord Recognition
- Tempo and Beat Tracking
- Content-Based Audio Retrieval
- Musically Informed Audio Decomposition
Arbeitsaufwand:
- Präsenzzeit = 56 Stunden
- Selbstständige Arbeit = 124 Stunden: Vor- und Nachbearbeitung von Vorlesung und Übung, Bearbeiten von Übungs- und Programmieraufgaben, Kursprojekt
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Prüfung in mündlicher Form: Ankündigung der notwendigen Vorleistungen in der ersten Veranstaltungswoche und auf der Vorlesungswebseite; Schein (mündlich): Ankündigung der notwendigen Vorleistungen in der ersten Veranstaltungswoche und auf der Vorlesungswebseite
|
|
| 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 ...
- can apply methods of narrative visualization for Science communication
- can design and present topics of Science communication
Content:
- Overview of Narrative Visualization
- Concepts and Tools for Story Generation
- Applications in climate research, molecular research and astronomy
- Applications in business and finance
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: |
|
| 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:
- (Fuzzy) Logic
- Neuro-Symbolic Integration nach von Hamelen
- Propositional Program Extraction (Arthur, KBANN)
- Cognitive architectures (CLARION)
- Logic Tensor Networks
- Logical Neural Networks
- Graph Neural Networks
- Ontology-based Training
Workload:
Total: 180 h
- Weekly lecture (2 SWS = 28 h)
- Follow-up work (20 h)
- Weekly exercise session (2 SWS = 28 h)
- Completing assignments (84 h)
- Follow-up work (20 h)
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027) |
Angestrebte Lernergebnisse:
Die Teilnehmenden...
- verstehen Hardwarearchitekturen von Parallelrechnern
- optimieren Anwendungen bezüglich ihrer Leistungsfähigkeit
- verstehen wichtige Konzepte zur Parallelisierung von Anwendungen
- erstellen parallele Programme mit verschiedenen Programmieransätzen in kleineren Teams
- präsentieren Lösungsansätze und Ergebnisse anderen Teilnehmenden
Inhalt:
Die parallele Programmierung gewinnt immer mehr an Bedeutung, da heutzutage bereits Mobiltelefone und Laptops über mehrere Prozessorkerne verfügen. Supercomputer besitzen teilweise sogar mehrere Millionen Kerne und haben sich als ein nützliches und mittlerweile unverzichtbares Werkzeug für viele Wissenschaftsbereiche etabliert. Die dadurch möglichen Analysen und Simulationen haben es erlaubt, den wissenschaftlichen Erkenntnisgewinn in vielen Bereichen deutlich zu steigern.
Die optimale Nutzung dieser Komponenten ist allerdings keine einfache Aufgabe, weshalb Wissenschaftlerinnen und Wissenschaftler bei der Entwicklung effizienter Anwendungen vor immer neue Herausforderungen gestellt werden. Für die parallele Programmierung ist daher ein tiefergehendes Verständnis der Hard- und Softwareumgebung sowie möglicher Fehlerursachen unabdingbar.
In der Vorlesung werden die Grundlagen der parallelen Programmierung gelehrt; die Übungen dienen der praktischen Anwendung und Umsetzung der erworbenen Kenntnisse in der Programmiersprache C.
Im Rahmen der Vorlesung werden einige der wichtigsten Themengebiete betrachtet: Hard- und Softwarekonzepte (Mehrkernprozessoren, Prozesse/Threads, NUMA etc.), unterschiedliche Ansätze zur parallelen Programmierung (OpenMP, POSIX Threads, MPI) sowie Werkzeuge zur Leistungsanalyse und Fehlersuche (Skalierbarkeit, Deadlocks, Race Conditions etc.). Zusätzlich werden Gründe und Lösungsansätze für Leistungsprobleme diskutiert und alternative Ansätze für die parallele Programmierung vorgestellt. Beispiele und Probleme werden anhand realer wissenschaftlicher Anwendungen veranschaulicht.
Arbeitsaufwand:
- 56h Präsenz
- 94h selbstständiges Arbeiten
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Klausur (120 Minuten)
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| Medienformen: | Literatur: |
|
|
|
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 ...
- kennen und verstehen Sicherheitsaspekte des ausgewählten Themas
- können die ausgewählte Forschungsfragen selbständig bewältigen
- können bestehende Ansätze bewerten und kreativ für eine Forschungsfrage erweitern
- können sich in Sicherheitsaspekte des ausgewählten Themas einarbeiten und reflektieren
- können für die Fragestellung neue Ansätze für das ausgewählten Thema aufzeigen
- können für das ausgewählte Thema Sicherheitsbedarfe feststellen und Verbesserungsalternativen vorschlagen
- können eine ausgewählte Lösung umsetzen, evaluieren und bewerten sowie Restrisiken aufzeigen
- können selbständig wissenschaftliche Methoden der IT-Sicherheit anwenden
- können die Ergebnisse wissenschaftlich in einem Referat präsentieren und sich einer Diskussion stellen
- können Herausforderungen allein oder ggf. in der Teamarbeit erkennen und reflektieren sowie angehen
Inhalt:
Praktikum als Wissenschaftliches Projekt mit Erarbeitung eines Demonstrators als Einzel- oder Teamprojekt:
- Bearbeitung eines ausgewählten, aktuellen Themas zur Cybersicherheit
- Lösung einer Forschungsaufgabe wie zum Beispiel aus:
- System-, Netzwerk- und Anwendungssicherheit Kryptologie
- Protokolle Mediensicherheit und
- Biometrische Systeme
- Spezifikation und formale Verifikation sicherer Systeme
- IT Sicherheitsmanagement
Arbeitsaufwand:
- 28 h Präsenzzeit (Projektbesprechung, Abgabe und Abnahme)
- 152 h selbstständige Arbeit (132 h Entwicklung einer Softwarelösung 20 h Vorbereitung und Durchführung einer Präsentation und der Abgabe der Ergebnisse)
| 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 ...
- setzen ihre Kenntnisse aus dem Studium ein, um ein praktisches Problem in einer Organisation zu lösen.
- führen ihre Aufgaben in eigener Verantwortung durch unter Berücksichtigung der betrieblichen und sachlichen Anforderungen ihres Arbeitsumfeldes.
- diskutieren ihren Lösungsweg mit ihren Team-Kollegen und informieren sie über ihre Fortschritte und Ergebnisse.
- bekommen Einblicke in die Notwendigkeiten, Abläufe und sozialen Strukturen in der Organisation.
- beschreiben in einem Abschlussbericht einzelne Aspekte ihrer Tätigkeit, die besondere positive oder negative Folgen hatten.
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: |
|
| 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:
- Students know how a Goal is defined and are able to formulate it properly. based on that students know methods for time management.
- Students understand important aspects of project management and teamwork, including phases and pitfalls.
- Students are able to conduct a systematic literature review in order to gain an overview of an area of interest.
- Students are able to identify and formulate research hypothesis
- Students understand how a scientific publication is structured, can read it and extract the important information.
- Students are able to write a research proposal on a selected topic in the form of a scientific publication.
- Students understand how to present a research topic proposal on a selected topic.
Content:
The course covers the following topics, among others:
- Introduction to Scientific Work
- Literature Research and Management Research Projects and Thesis Topics
- Scientific Writing - Thesis Structure and Writing Techniques
- Study Skills & Self Management
- Project Management & Team Work
- Presentation Skills
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 |
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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik II - Pflicht - B.Sc. INF: Aufbaumodule (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Pflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik II - Pflicht - B.Sc. INF (bilingual): Aufbaumodule (SPO 2027) - M.Sc. DE: Grundlagen Informatik - M.Sc. DE: Informatik Grundlagen (SPO 2027) |
Angestrebte Lernergebnisse:
Studierende, die diesen Kurs erfolgreich abschließen, ...
- kennen die gängigsten Paradigmen zum Algorithmenentwurf,
- sind in der Lage, diese anzuwenden,
- können beurteilen, in welchen Situationen welches Paradigma am geeignetsten ist
- und verstehen welche Vor- und Nachteile sich aus der Verwendung der jeweiligen Paradigmen ergeben.
Inhalt:
- Konzepte der wesentlichen Paradigmen
- Prozedurale Programmierung
- Objektorientierte Programmierung
- Funktionale Programmierung
- Logische Programmierung
- Parallele Programmierung
- Quantencomputing
- Technische Umsetzung der Paradigmen in Programmiersprachen
- Anwendung der Paradigmen in Programmiersprachen wie z.B. C, Java, Scala, Haskell, Prolog, Python
- Entscheidungskriterien für Paradigmen
Arbeitsaufwand:
56 h Präsenzzeit
94 h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Prüfungsvorleistung erforderlich |
Prüfung: mündliche Prüfung (wenn es hinreichend viele Teilnehmer gibt: schriftliche Klausur, 120 Minuten)
|
|
| 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…
- sich im Fach und an der Fakultät orientieren: Sie kennen die Schwerpunkte der Arbeitsgruppen und können daraus Vertiefungsrichtungen, Themen für Abschlussarbeiten und mögliche Karrierewege ableiten;
- die Werkzeuge des Studienalltags einsetzen: Textsatzsysteme, Kommandozeile und die Kollaborationsdienste der Fakultät;
- rechtliche, ethische und gesellschaftliche Rahmenbedingungen beurteilen: Urheberrecht und Open-Source-Lizenzen, sicherer Umgang mit Daten sowie die Wirkungen informatischer Systeme, etwa Bias und Nachhaltigkeit;
- ihr Studium eigenverantwortlich organisieren: Studienverlauf und Auslandsaufenthalt planen und die Beratungs- und Förderangebote gezielt nutzen.
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: |
|
| Verwendbarkeit: | - M.Sc. INF: Informatik - M.Sc. WIF: Wirtschaftsinformatik - M.Sc. DKE: Applied Data Science |
Angestrebte Lernergebnisse:
Die Studierenden ...
- entwickeln ein Verständnis der Beeinflussung von Aspekten der Kundenorientierung, Produktivität und des Wertes einer Organisation durch Prozesse
- kennen methodische Herangehensweisen zur Analyse und Optimierung von Prozessen
- kennen methodische Herangehensweisen zur Messung von Prozessleistungen
- kennen methodische Herangehensweisen zur Einführung eines Prozessmanagements in Organisationen
Inhalt:
- Grundlagen zum Prozessmanagement
- Vorgehenskonzept zur Einführung eines Prozessmanagements
- Methoden zur Prozessidentifikation und Prozessimplementierung
- Prozesscontrolling
- Methoden zur Prozessverbesserung und Prozesserneuerung
- Customer Relationship Management
- Supply Chain Management
- Product Lifecycle Management
Arbeitsaufwand:
Präsenzzeiten:
- SWS Vorlesung = 28h
- 2 SWS Übung = 28h
- Vor- und Nachbereitung Vorlesung Entwicklung von Lösungen für die Übung 124h
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Das erfolgreiche Absolvieren der Semesteraufgabe ermöglicht den Studierenden die Teilnahme an der mündlichen Prüfung |
Mündliche Prüfung
|
Vorlesung (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: |
|
|
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: |
|
| Verwendbarkeit: | - M.Sc. INF: Informatik - M.Sc. WIF: Wirtschaftsinformatik - M.Sc. DKE: Applied Data Science |
Angestrebte Lernergebnisse:
Absolvent*Innen dieses Moduls ...
- setzen sich mit dem Spannungsfeld von Qualität, Kosten und Zeit auseinander
- kennen methodische Herangehensweisen zur Einführung eines Qualitätsmanagements in Organisationen
- kennen rechtliche Folgen mangelnder Qualität
- kennen methodische Herangehensweisen zur Messung des Spannungsfeldes von Qualität, Kosten und Zeit
- setzen sich mit der Anwendung eines prozessorientierten Qualitätsmanagements auseinander
Inhalt:
- Grundlagen zum Qualitätsmanagement
- Vorgehenskonzept zur Einführung eines Qualitätsmanagementsystems
- Rechtliche Aspekte des Qualitätsmanagements
- Demings Management-Programm
- Methoden, Werkzeuge und Initiativen zum Qualitätsmanagement
Arbeitsaufwand:
Präsenzzeiten:
- 2 SWS Vorlesung = 28h
- 2 SWS Übung = 28h
- Vor- und Nachbereitung Vorlesung Entwicklung von Lösungen für die Übung 124h
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Das erfolgreiche Absolvieren der Semesteraufgabe ermöglicht den Studierenden die Teilnahme an der mündlichen Prüfung |
Mündliche Prüfung
|
Vorlesung (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: |
|
|
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 ...
- can acquire new knowledge independently through self-sufficient research and consultation of thematically relevant scientific literature and make it usable for themselves.
- can write a scientific paper almost independently and with only a small amount of support and present the final result.
- can convey knowledge from a subject area of their choice as part of a specialist presentation, explain the research results they have achieved and defend the arguments they have put forward in a scientific discussion.
- know the steps involved in writing a scientific paper, from finding a specific topic to presenting it at a conference.
- have carried out the necessary steps for crafting a scientific publication themselves and have developed an understanding of them.
Content:
- Research, Literature Search, Citation & Plagiarism
- Scientific methods
- Hands-On-Guidance
- Introduction to selected Business Informatics topics
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:
- SOFT SKILLS: They
- have become familiar with the demands of a master degree course
- have learned to present a scientific paper And have thus acquired skills they need in preparation of their bachelor thesis and for joining a master degree.
- TECHNICAL EXPERTISE: They
- comprehend the business context of recommenders
- comprehend the different types of recommenders, their advantages and disadvantages from the business perspective and from the mining perspective
- have acquired insights on how to evaluate a recommender from the mining perspective and the business perspective
- understand why adaption is necessary in recommenders and comprehend the behaviour of temporal methods for recommenders
Content:
The course consists of two blocks:
- Block 1 is on Fundamentals of Recommenders: recommender goals and workflows, simple recommendation methods, evaluation mechanisms, recommender adaption on a stream
- Block 2 covers papers on basic topics of recommenders: each student reports on one scientific paper
Workload:
- 28 Stunden: Präsenz (Block 1, Block 2: Seminar / Konsultationen)
- 122 Stunden: eigenständige Arbeit zu
- Vor- und Nachbereitung der Inhalte von Block 1
- Lesen und Verstehen der bereitgestellten Artikel für Block 2
- Bereitstellung der Hausarbeit, inkl Präsentation
| 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 |
|
| Media: | Literature: |
|
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: |
|
| 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
- have learned how to critically discuss and valuate a scientific paper
- comprehend the business context of recommenders
- comprehend the different types of recommenders, their advantages and disadvantages from the business perspective and from the mining perspective and are familiar with advanced recommendation methods
- have acquired advanced insights on how to critically evaluate a recommender from the mining perspective and the business perspective
- understand why adaption is necessary in recommenders and comprehend the behaviour of temporal methods for recommenders
Content:
The course consists of two blocks:
- Block 1 is on Fundamentals of Recommenders and has mutiple parts: (1.1) recommender goals and workflows, (1.2) simple recommendation methods, (1.3) evaluation mechanisms, (1.4) recommender adaption on a stream
- Block 2 covers advanced topics of recommenders: students read and critically discuss papers in class
Workload:
- 28 Std/hours: Vorlesung/Lecture - in presence (lecture class: 2 hours per week, 28 hours)
- 28 Std/hours: Übung/Exercises - in presence (exercise class: 2 hours per week, 28 hours)
- 214 Stunden: Individual working time on
- Preparation for lectures and exercise classes
- Reading and understanding the articles provided
- Discussion of the articles in class
| 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) |
|
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
keine |
|
| Media: | Literature: |
|
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
|
| 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:
- Studierende verstehen den Aufbau des Studiums und wie man erfolgreich studieren kann
- Studierende können Ziele formulieren und sie als Grundlage für erfolgreiches Zeitmanagement nutzen
- Studierende kennen Strategien für erfolgreiche Kommunikation mit anderen und Zusammenarbeit in Teams, und können mögliche Probleme erkennen
- Studierende kennen Methoden für die effektive und effiziente Lebensplanung
- Studierende verstehen die Grundlagen wissenschaftlichen Arbeitens, wissen wie eine Literaturrecherche funktioniert und wie wissenschaftliche Veröffentlichungen aufgebaut sind
- Studierende kennen notwendige Eigenschaften von guten Präsentationen und wissen wie man sie erstellt und durchführt Studierende können einen Projektplan erstellen und danach handeln
- Studierende können sich mit rechtlichen Aspekten, Nachhaltigkeit und ethischen Fragen im Bezug auf die Informatik auseinandersetzen
- Studierende kennen Werkzeuge zur kreativen Lösungsfindung
Inhalt:
- Studienplanung & erfolgreiches Studieren
- Ziele & zielorientiertes Handeln
- Zeitmanagement & Zeitplanung
- Selbstständig denken und handeln
- Werte und ethisches Handeln
- Teams und Teamfähigkeit
- Entrepreneurgeist & Initiative
- Diskussionsführung
- wissenschaftlichen Berichte und Präsentationen
- Digital Rights
- Nachhaltigkeit
Arbeitsaufwand:
- 56 h Vorlesung
- 94 h Hausaufgaben & Klausurvorbereitung
| 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
|
| 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:
- Students understand the structure of the degree program and how to study successfully
- Students can formulate goals and use them as a basis for successful time management
- Students know strategies for successful communication with others and collaboration in teams, and can recognize potential problems
- Students know methods for effective and efficient life planning
- Students understand the basics of scientific work, know how literature research works and how scientific publications are structured
- Students know the necessary characteristics of good presentations and know how to create and conduct them Students can create a project plan and act accordingly
- Students can deal with legal aspects, sustainability and ethical issues in relation to computer science
- Students know tools for finding creative solutions
Content:
- Study planning & successful studying
- Goals & goal-oriented action
- Time management & time planning
- Thinking and acting independently
- Values and ethical behavior
- Teams and team spirit
- Entrepreneurial spirit & initiative
- Discussion skills
- Scientific reports and presentations
- Digital Rights
- Sustainability
Workload:
- 56 h lecture
- 94 h homework & exam preparation
| 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
|
| 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:
- Studierende verstehen den Aufbau des Studiums und wie man erfolgreich studieren kann
- Studierende können Ziele formulieren und sie als Grundlage für erfolgreiches Zeitmanagement nutzen
- Studierende kennen Strategien für erfolgreiche Kommunikation mit anderen und Zusammenarbeit in Teams, und können mögliche Probleme erkennen
- Studierende kennen Methoden für die effektive und effiziente Lebensplanung
- Studierende verstehen die Grundlagen wissenschaftlichen Arbeitens, wissen wie eine Literaturrecherche funktioniert und wie wissenschaftliche Veröffentlichungen aufgebaut sind
- Studierende kennen notwendige Eigenschaften von guten Präsentationen und wissen wie man sie erstellt und durchführt Studierende können einen Projektplan erstellen und danach handeln
- Studierende können sich mit rechtlichen Aspekten, Nachhaltigkeit und ethischen Fragen im Bezug auf die Informatik auseinandersetzen
- Studierende kennen Werkzeuge zur kreativen Lösungsfindung
Inhalt:
- Studienplanung & erfolgreiches Studieren
- Ziele & zielorientiertes Handeln
- Zeitmanagement & Zeitplanung
- Selbstständig denken und handeln
- Werte und ethisches Handeln
- Teams und Teamfähigkeit
- Entrepreneurgeist & Initiative
- Diskussionsführung
- wissenschaftlichen Berichte und Präsentationen
- Digital Rights
- Nachhaltigkeit
Arbeitsaufwand:
- 56 h Vorlesung
- 94 h Hausaufgaben & Klausurvorbereitung
| 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 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
|
| 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:
- Students understand the structure of the degree program and how to study successfully
- Students can formulate goals and use them as a basis for successful time management
- Students know strategies for successful communication with others and collaboration in teams, and can recognize potential problems
- Students know methods for effective and efficient life planning
- Students understand the basics of scientific work, know how literature research works and how scientific publications are structured
- Students know the necessary characteristics of good presentations and know how to create and conduct them Students can create a project plan and act accordingly
- Students can deal with legal aspects, sustainability and ethical issues in relation to computer science
- Students know tools for finding creative solutions
Content:
- Study planning & successful studying
- Goals & goal-oriented action
- Time management & time planning
- Thinking and acting independently
- Values and ethical behavior
- Teams and team spirit
- Entrepreneurial spirit & initiative
- Discussion skills
- Scientific reports and presentations
- Digital Rights
- Sustainability
Workload:
- 56 h lecture
- 94 h homework & exam preparation
| 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 ...
- work and coordinate in a team
- write academic papers
- present scientific results
- acquire knowledge of an advanced research topic on their own
- self-sufficiently develop solutions on selected topics of databases or their applications
- assess their own work critically
Content:
- Scientific writing
- Survey of research literature
- Advanced research topics in the area of databases, genomics and modern hardware
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) |
|
| 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 ...
- work and coordinate in a team
- write academic papers
- present scientific results
- develop solutions on selected topics of databases or their applications
- assess their own work critically
Content:
- Scientific writing
- Survey of research literature
- Advanced research topics in the area of databases, genomics and modern hardware
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) |
|
| 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:
- Students are able to conduct a literature research in order to gain an overview of an area of interest.
- Students can identify open research questions based on a literature research.
- Students are able to identify and formulate research hypothesis
- Students understand how a scientific publication is structured, can read it and extract the important information.
- Students are able to write a research proposal on a selected topic in the form of a scientific publication.
- Students are able to identify and select possible solution methods for a scientific question.
- Students are able to prepare a presentation to explain and defend their research proposal.
- Students understand how to present a research topic proposal on a selected topic.
- Students are able to evaluate the quality of others scientific work
Content:
- Literature citation and paraphrasing
- Presentations Review scientific articles
- Argument formation
- Knowledge and application of academic writing styles
- Peer review assessment
Workload:
- 28h Seminar
- 152h independent work
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
participation in all classes |
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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Schlüssel- und Methodenkompetenzen - B.Sc. INF: FIN SMK - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Schlüssel- und Methodenkompetenzen - B.Sc. CV: FIN SMK - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Schlüssel- und Methodenkompetenzen - B.Sc. INGINF: FIN SMK - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen - B.Sc. INF (bilingual): FIN SMK |
Angestrebte Lernergebnisse:
Die Studierenden ...
- kennen die Projektmanagementmethode Scrum
- wenden agile Softwareentwicklungsmethoden praktisch an
- gewinnen praktische Erfahrungen mittels Durchführung eines Projektes
- reflektieren ihr Selbst- und Projektmanagement
Inhalt:
- In diesem Modul werden theoretische Kenntnisse und praktische Kompetenzen im Umgang mit Scrum vermittelt. Die Veranstaltung besteht aus drei Teilen.
- In einem Einführungsteil werden in zwei Vorlesungen die notwendigen Konzepte des Scrum-ProzessModells vorgestellt und eine Einleitung in die zur erfolgreichen Projektdurchführung notwendigen Technologien gegeben.
- Im Hauptteil der Veranstaltung wird in einer 1-wöchigen Blockveranstaltung ein Projekt mittels Scrum umgesetzt. Diese erfolgt in Projektteams von 4-5 Teilnehmern. Während dieser Phase finden 2mal täglich Scrum-Meetings mit den Betreuern statt. Als Ergebnis lernen die Teilnehmer zielgerichtet und effizient nach diesem Entwicklungsmodell zu entwickeln.
- Die Blockveranstaltung findet in einer Woche während der Vorlesungsfreien Zeit. Hier besteht natürlich Anwesenheitspflicht.
- Zur erfolgreichen Durchführung in der Projektarbeit wird von jedem Teilnehmer ein sorgfältiges Einarbeiten in die notwendigen Technologien erwartet.
- Nach Abschluss der Projektwoche reflektieren die Teilnehmer Ihre Erfahrungen und fassen diese zusammen. Diese Ergebnisse werden dann in einer gemeinsamen Abschlussveranstaltung diskutiert.
Arbeitsaufwand:
150h = 56h Präsenszeit + 94h selbständige Arbeit am Projekt
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Projekt |
mündliche Prüfung
|
|
| 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: |
|
| 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 ...
- kennen die Projektmanagementmethode Scrum
- wenden agile Softwareentwicklungsmethoden praktisch an
- gewinnen praktische Erfahrungen mittels Durchführung eines Projektes
- reflektieren ihr Selbst- und Projektmanagement
Inhalt:
- In diesem Modul werden theoretische Kenntnisse und praktische Kompetenzen im Umgang mit Scrum vermittelt.
- Die Veranstaltung besteht aus drei Teilen.
- In einem Einführungsteil werden in zwei Vorlesungen die notwendigen Konzepte des Scrum-ProzessModells vorgestellt und die zur erfolgreichen Projektdurchführung notwendigen Technologien aufgelistet.
- Im Hauptteil der Veranstaltung wird in einer 1-wöchigen Blockveranstaltung ein Projekt mittels Scrum umgesetzt. Diese erfolgt in Projektteams von 4-5 Teilnehmern.
- Während dieser Phase finden 2mal täglich Scrum-Meetings mit den Betreuern statt. Als Ergebnis lernen die Teilnehmer zielgerichtet und effizient nach diesem Entwicklungsmodell zu entwickeln.
- Die Blockveranstaltung findet in einer Woche während der Vorlesungsfreien Zeit. Hier besteht natürlich Anwesenheitspflicht.
- Zur erfolgreichen Durchführung in der Projektarbeit wird von jedem Teilnehmer ein sorgfältiges Einarbeiten in die notwendigen Technologien erwartet.
- Nach Abschluss der Projektwoche reflektieren die Teilnehmer Ihre Erfahrungen und fassen diese zusammen. Diese Ergebnisse werden dann in einer gemeinsamen Abschlussveranstaltung diskutiert.
Arbeitsaufwand:
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 ...
- kennen und verstehen Aspekte der Orchestrierung
- können ausgewählte Forschungsfragen der Orchestrierung selbständig bewältigen
- können bestehende Ansätze bewerten und kreativ für eine Forschungsfrage erweitern
- können sich in den semesterspezifischen Anwendungsfall einarbeiten und im Team reflektieren
- können für die Fragestellung neue Ansätze zur Orchestrierung aufzeigen
- können für den Semester-spezifischen Anwendungsfall Sicherheitsbedarfe feststellen und Verbesserungsalternativen vorschlagen
- können eine ausgewählte Lösung umsetzen, evaluieren und bewerten sowie Restrisiken aufzeigen
- können selbständig wissenschaftliche Methoden der IT-Sicherheit anwenden
- können die Ergebnisse wissenschaftlich in einem Referat präsentieren und sich einer Diskussion stellen
- können Herausforderungen in der Teamarbeit erkennen und reflektieren sowie angehen
Inhalt:
Inhalte zu aktuellen Herausforderungen und Lösungen der IT Sicherheit mit ausgewählten Fragen der Orchestrierung als technisch-organisatorische Gestaltungsaufgabe wie zum Beispiel aus:
- Sicherheitsmanagement Standardisierung,
- Zertifizierung und Evaluation Technische Gestaltung vor Rechtlichen Erwartungshorizonten
- ethische und sozial Aspekte der IT-Sicherheit einschließlich Nachhaltigkeit, digitale Inklusion und Barrierefreiheit
- Sicherheit im E-Business
- Fallstudien zur IT-Sicherheit
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 ...
- kennen und verstehen Aspekte der Orchestrierung
- können ausgewählte Forschungsfragen der Orchestrierung selbständig bewältigen
- können bestehende Ansätze bewerten und kreativ für eine Forschungsfrage erweitern
- können sich in den semesterspezifischen Anwendungsfall einarbeiten und im Team reflektieren
- können für die Fragestellung neue Ansätze zur Orchestrierung aufzeigen
- können für den Semester-spezifischen Anwendungsfall Sicherheitsbedarfe feststellen und Verbesserungsalternativen vorschlagen
- können eine ausgewählte Lösung umsetzen, evaluieren und bewerten sowie Restrisiken aufzeigen
- können selbständig wissenschaftliche Methoden der IT-Sicherheit anwenden
- können die Ergebnisse wissenschaftlich in einem Referat präsentieren und sich einer Diskussion stellen
- können Herausforderungen in der Teamarbeit erkennen und reflektieren sowie angehen
Content:
Inhalte zu aktuellen Herausforderungen und Lösungen der IT Sicherheit mit ausgewählten Fragen der Orchestrierung als technisch-organisatorische Gestaltungsaufgabe wie zum Beispiel aus:
- Sicherheitsmanagement Standardisierung,
- Zertifizierung und Evaluation Technische Gestaltung vor Rechtlichen Erwartungshorizonten
- ethische und sozial Aspekte der IT-Sicherheit einschließlich Nachhaltigkeit, digitale Inklusion und Barrierefreiheit
- Sicherheit im E-Business
- Fallstudien zur IT-Sicherheit
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 ...
- kennen und verstehen von Aspekten der Prävention, Detektion, Attribution und Reaktion
- können ausgewählte Forschungsfragen der Prävention, Detektion, Attribution und Reaktion selbständig bewältigen
- können bestehende Ansätze bewerten und kreativ für eine Forschungsfrage erweitern
- können sich in den Semester-spezifischen Anwendungsfall einarbeiten und im Team reflektieren
- können für die Fragestellung neue Ansätze zur Prävention, Detektion, Attribution und Reaktion aufzeigen
- können für den Semester-spezifischen Anwendungsfall Sicherheitsbedarfe feststellen und Verbesserungsalternativen vorschlagen
- können eine ausgewählte Lösung umsetzen, evaluieren und bewerten sowie Restrisiken aufzeigen
- können selbständig wissenschaftliche Methoden der IT-Sicherheit anwenden
- können die Ergebnisse wissenschaftlich in einem Referat präsentieren und sich einer Diskussion stellen
- können Herausforderungen in der Teamarbeit erkennen und reflektieren sowie angehen
Inhalt:
- Inhalte zu aktuellen Herausforderungen und Lösungen der IT Sicherheit mit ausgewählten Themen der Prävention, Detektion, Attribution und Reaktion wie zum Beispiel aus:
- System-, - Netzwerk- und Anwendungssicherheit
- Kryptologie
- Mediensicherheit
- Biometrische Systeme
- Spezifikation und formale Verifikation
sicherer Systeme
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 ...
- kennen und verstehen von Aspekten der Prävention, Detektion, Attribution und Reaktion
- können ausgewählte Forschungsfragen der Prävention, Detektion, Attribution und Reaktion selbständig bewältigen
- können bestehende Ansätze bewerten und kreativ für eine Forschungsfrage erweitern
- können sich in den Semester-spezifischen Anwendungsfall einarbeiten und im Team reflektieren
- können für die Fragestellung neue Ansätze zur Prävention, Detektion, Attribution und Reaktion aufzeigen
- können für den Semester-spezifischen Anwendungsfall Sicherheitsbedarfe feststellen und Verbesserungsalternativen vorschlagen
- können eine ausgewählte Lösung umsetzen, evaluieren und bewerten sowie Restrisiken aufzeigen
- können selbständig wissenschaftliche Methoden der IT-Sicherheit anwenden
- können die Ergebnisse wissenschaftlich in einem Referat präsentieren und sich einer Diskussion stellen
- können Herausforderungen in der Teamarbeit erkennen und reflektieren sowie angehen
Content:
- Inhalte zu aktuellen Herausforderungen und Lösungen der IT Sicherheit mit ausgewählten Themen der Prävention, Detektion, Attribution und Reaktion wie zum Beispiel aus:
- System-, - Netzwerk- und Anwendungssicherheit
- Kryptologie
- Mediensicherheit
- Biometrische Systeme
- Spezifikation und formale Verifikation
sicherer Systeme
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:
- know how to collect literature on a specific topic, and can judge which literature is relevant and which is not
- can compare mining methods, workflows and frameworks that address a specific scientific topic, and can rank them on given criteria
- can formulate such criteria themselves
- can critically discuss the advantages and caveats of a published mining method
- can summarize the papers they collected, their comparisons and critical discussion in an essay
- can present the papers they collected, their comparisons and critical discussion in a pre-specified amount of time and in a way understandable to both an audience that has read the papers and to an audience that has not read, and they can answer questions
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:
- one or more 'seed' papers in the topic's area
- a series of questions to be answered, and which concern state of the art (SOTA) methods in the topic area, challenges addressed by these methods, evaluation criteria on the performance of these methods, evaluation procedures and datasets
- collect additional literature from the topic area in a transparent manner
- compare the scientific advances in the collected literature in order to answer the scientific questions
- critically discuss and rank the methods compared in the previous step
- present the collected literature, the comparisons and the results in class
- write an essay on them
Workload:
- 28 hours Seminar+Consultations in class
- 124 hours self-study work on scientific papers
| 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 |
|
| 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: |
|
| 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 ...
- read scientific articles given to them on introductory topics of predictive maintenance
- discuss these articles and reflect on them
- compare the methods that appear in these articles and discuss the pros and contra of each method in comparison to other methods
- summarize article contents on predictive maintenance in a report and present them
- formulate questions on these articles and answer questions formulated by other seminar participants
Content:
In this seminar, the participants will learn about
- challenges and methods for data acquisition in industrial processes
- data analysis tools in predictive maintenance
- process modeling, fault detection, and state prediction for industrial applications
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 |
|
| 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 ...
- can independently research complex topics
- write clear scientific articles
- present informative and understandable scientific talks
- understand challenges and methods in sensor networks
- understand how to these challenges are addressed in practical applications of sensor networks
Content:
In this seminar, the participants will learn about
- challenges and methods used in sensor networks
- the variety of applications and application-specific sensor network design
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): |
|
Seminar (2 SWS) |
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
keine |
|
| 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: |
|
| 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 ...
- kennen die Auswirkungen serviceorientierter Architekturansätze auf den gesamten Lebenszyklus derart implementierter Lösungen,
- kennen Herausforderungen (Technologie, Prozesse, Organisation, …) serviceorientierter Integrationslösungen und einhergehende Lösungsalternativen,
- können benötigte Services modellgetrieben herleiten und erstellen bzw. Kriterien basiert bewerten (make or buy),
- kennen aktuelle Technologieansätze zur Implementierung benötigter Services und können ausgewählte Vertreter prototypisch anwenden,
- können Servicekompositionen aus Sicht der Modellierung und Implementierung (Low- und High –Code) erstellen bzw. das benötigte Management anwenden.
Inhalt:
Überblick
- Die Vorlesung vermittelt zunächst die geschäfts-, organisations- und prozessbezogenen Ursachen API-basierter Integrationslösungen. In diesem Zusammenhang wird auf domänenspezifische (Referenz-) Modellansätze aus dem industriellen Umfeld (Telekommunikation, Banken, Versicherungen, …) eingegangen.
- Darauf aufbauend lernen die Studierenden die Funktionen von Integrationsplattformen (u.a. API-Management) kennen, welche API-Kompositionen über deren gesamten Lebenszyklus unterstützen bzw. verwalten.
- Mit Hilfe der ersten Komplexübung erfolgt dann eine quantitative Bewertung im Internet angebotenen Public- bzw. Open APIs.
- Eine weitere alternativ gestaltbare Komplexübung beschäftigt sich mit der Spezifikation, Modellierung, Entwicklung und Einbindung webbasierter APIs in (ggf. mobile) Applikationsszenarien.
- Im Mittelpunkt der abschließenden Komplexübung steht die Komposition von APIs, wobei abermals ein eigener Schwerpunkt (Modellsicht, Implementierung, Management) gewählt werden kann.
- Integrationslösungen als Treiber der Digitalisierung
- Integrieren statt Implementieren
- Basistechnologien für Web-APIs (Public- und Open APIs)
- Spezifikation, Entwicklung und Management von Web-APIs
- Prozess-Modellierung und -Implementierung (API-Komposition)
Arbeitsaufwand:
56 h Präsenz + 124 h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Mündliche Prüfung
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
Software Engineering
|
| Medienformen: | Literatur: |
|
|
|
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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Angestrebte Lernergebnisse:
Die Studierenden ...
- kennen die Auswirkungen serviceorientierter Architekturansätze auf den gesamten Lebenszyklus derart implementierter Lösungen,
- kennen Herausforderungen (Technologie, Prozesse, Organisation, …) serviceorientierter Integrationslösungen und einhergehende Lösungsalternativen,
- können benötigte Services modellgetrieben herleiten und erstellen bzw. Kriterien basiert bewerten (make or buy),
- kennen aktuelle Technologieansätze zur Implementierung benötigter Services und können ausgewählte Vertreter prototypisch anwenden,
- können Servicekompositionen aus Sicht der Modellierung und Implementierung (Low- und High –Code) erstellen bzw. das benötigte Management anwenden.
Inhalt:
Überblick
- Die Vorlesung vermittelt zunächst die geschäfts-, organisations- und prozessbezogenen Ursachen API-basierter Integrationslösungen. In diesem Zusammenhang wird auf domänenspezifische (Referenz-) Modellansätze aus dem industriellen Umfeld (Telekommunikation, Banken, Versicherungen, …) eingegangen.
- Darauf aufbauend lernen die Studierenden die Funktionen von Integrationsplattformen (u.a. API-Management) kennen, welche API-Kompositionen über deren gesamten Lebenszyklus unterstützen bzw. verwalten.
- Mit Hilfe der ersten Komplexübung erfolgt dann eine quantitative Bewertung im Internet angebotenen Public- bzw. Open APIs.
- Eine weitere alternativ gestaltbare Komplexübung beschäftigt sich mit der Spezifikation, Modellierung, Entwicklung und Einbindung webbasierter APIs in (ggf. mobile) Applikationsszenarien.
- Im Mittelpunkt der abschließenden Komplexübung steht die Komposition von APIs, wobei abermals ein eigener Schwerpunkt (Modellsicht, Implementierung, Management) gewählt werden kann.
- Integrationslösungen als Treiber der Digitalisierung
- Integrieren statt Implementieren
- Basistechnologien für Web-APIs (Public- und Open APIs)
- Spezifikation, Entwicklung und Management von Web-APIs
- Prozess-Modellierung und -Implementierung (API-Komposition)
Arbeitsaufwand:
56 h Präsenz + 124 h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Mündliche Prüfung
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
Software Engineering
|
| Medienformen: | Literatur: |
|
|
|
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: |
|
| 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 ...
- können Sichere Systeme mit Designprinzipien beschreiben und bewerten
- können Sicherheitsaspekte und Gewährleistungsziele im Konzept berücksichtigen und mittels ausgewählten Mechanismen umsetzen sowie beispielhaft evaluieren
- können die Bedeutung von Designprinzipien für sichere Systeme selbständig beschreiben
- können verschiedene Sicherheitsbedürfnisse für sich selbst erkennen und sich selbst danach organisieren
- können anhand von ausgewählten Bedrohungen und Schwachstellen die abstrakten Sicherheitsaspekte und Gewährleistungsziele erkennen, benennen, Basisangriffe zuordnen als auch ausgewählte Sicherheitsmechanismen ableiten
- können eine Sicherheitsbewertung vornehmen und Ergebnisse interpretieren
- können Sicherheit als Prozess in einem IuK-System verstehen und ausgewählte Mechanismen gestalten und anwenden
Inhalt:
- IT-Sicherheitsaspekte, Gewährleistungsziele und IT-Sicherheitsbedrohungen
- Designprinzipien sicherer IT-Systeme
- Sicherheitsrichtlinien
- Ausgewählte Sicherheitsmechanismen
Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit (Lösung der Übungsaufgaben & Prüfungsvorbereitung)
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
keine |
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| 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:
- Students are able to work in a team on a given project with milestone orientation
- Students are able to coordinate and conduct a semester long project, including goal setting and budgeting
- Students are able to plan and structure a project according to given milestones
- Students understand the importance of responsibility, leadership, delegation, coordination of tasks in a team
- Students are able to implement and conduct a practical simulation project on a real world task
- Students know how to develop and comply with success and quality criteria
- Students have the ability to look back and reflect on their role in the team and their contribution to the joint result
Content:
- Basics of project management and teamwork
- Implementation of the contents of “Introduction to Simulation” in a real project.
Workload:
56 h teammeetings and presentations
94 h project work
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
Report |
2 SWS Lecture (Project presentations) 2 SWS Exercise (Team Meetings) |
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
none |
Introduction to Simulation |
| Media: | Literature: |
|
|
Comments:
Signup is conducted at the end of the previous winter term in the context of the Introduction to Simulation lecture
Participation is limited to 25
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: |
|
| 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 ...
- kennen die Grundlagen für eine wertbasierte Lebensführung
- können kreative Methoden der Ideengewinnung und Problemlösung durchführen
- können eine inhaltliche Planung für ihre Masterarbeit erstellen
- können Techniken des Selbstmanagements anwenden
- kennen Perspektiven für die Wahl ihres Berufs
Inhalt:
- Wissenschaftliches Arbeiten III + IV
- Persönliche Produktivität
- Life Leadership
- Problemlösungstechniken
- Wertschöpfung und Kundennutzen
- Innovation
- Querdenken
- Berufswahl
- Meetings leiten
Arbeitsaufwand:
56 h Präsenzzeit + 124 h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Gruppenarbeit Thesis proposal erarbeiten |
Klausur 120 min
|
|
| 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: |
|
| Applicability in curriculum: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Intended learning outcomes:
Students...
- gain competence in the area of software defined networking
- understand software defined networking concepts
- can explain these concepts to other participants
- are able to apply these concepts in theoretical use cases and practical exercises
Content:
The course deals with topics in the area of software defined networking:
- SDN Architecture (Application, Control, Infrastructure Layer)
- SDN Interfaces (North/South-bound vs. East/West-bound interface)
- SDN Applications and Use Cases (e.g. Multicasting)
- Network Virtualization and Slicing (e.g. FlowVisor)
- Network Function Virtualization (NFV) and
- Network Service Chaining
- SDN Security Network Operating Systems and Languages
- OpenFlow Controller (e.g. NOX, Beacon, etc.)
- Hardware Switches (e.g. NEC IP8800, Pronto) vs. Software Switches (e.g. NetFPGA, OpenVSwitch)
- SDN in Wireless Networks (e.g. OpenWRT)
Workload:
- 28h lectures
- 22h theoretical exercises
- 4h practical exercises
- 96h homework (further studies, preparation for the final exam)
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
Prerequisites for the exam required; details will be announced at the beginning of the semester. |
Written exam 120 minutes |
|
| 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: |
|
| 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...
- gain competence in the area of software defined networking
- understand software defined networking concepts
- can explain these concepts to other participants
- are able to apply these concepts in theoretical use cases and practical exercises
- gain expertise in practical network applications
Content:
The course deals with topics in the area of software defined networking:
- SDN Architecture (Application, Control, Infrastructure Layer)
- SDN Interfaces (North/South-bound vs. East/West-bound interface)
- SDN Applications and Use Cases (e.g. Multicasting)
- Network Virtualization and Slicing (e.g. FlowVisor)
- Network Function Virtualization (NFV) and Network Service Chaining
- SDN Security
- Network Operating Systems and Languages
- OpenFlow Controller (e.g. NOX, Beacon, etc.)
- Hardware Switches (e.g. NEC IP8800, Pronto) vs. Software Switches (e.g. NetFPGA, OpenVSwitch)
- SDN in Wireless Networks (e.g. OpenWRT)
Workload:
- 28h lectures
- 22h theoretical exercises
- 6h practical exercises
- 124h homework (further studies, practical work, preparation for the final exam)
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
Prerequisites for the exam required; details will be announced at the beginning of the semester. |
Written exam 120 minutes |
|
| 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: |
|
| 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 ...
- kennen moderne Softwareentwicklungsprozesse und können diese anwenden
- kennen moderne Frameworks zur Softwareentwicklung, insbesondere aus dem Webkontext und können diese verwenden und entsprechend Anwendungsfällen beurteilen
- haben praktische Erfahrung in der Softwareentwicklung von größeren Softwareprojekten und können diese Erkenntnisse zukünftig anwenden
- Studierende können verschiedene Softwareentwicklungsmethoden im industriellen und akademischen Kontext auswählen, beurteilen und effektiv anwenden
Inhalt:
- Softwareentwicklungsumgebung
- Software(architektur)dokumentation
- Versionierung und Continuous Integration
- Automatisiertes Testen
- Issue Tracking und Behandlung von Programmierfehlern
- Codeanalyse und Softwareentwicklungsprozesse inkl. Einsatz ML-basierter Unterstützungssysteme
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.
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| 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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik I - Pflicht - B.Sc. INF: Kernmodule (SPO 2027) - B.Sc. CV: Informatik I - Pflicht - B.Sc. CV: Kernmodule (SPO 2027) - B.Sc. INGINF: Informatik I - Pflicht - B.Sc. INGINF: Kernmodule (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Kernmodule (SPO 2027) - B.Sc. INF (bilingual): Informatik I - Pflicht - B.Sc. INF (bilingual): Kernmodule (SPO 2027) |
Angestrebte Lernergebnisse:
Studierende, die den Kurs erfolgreich absolviert haben ...
- ... verstehen den Begriff "Software Engineering", seine Bedeutung und die Notwendigkeit strukturierter Softwareentwicklung.
- ... kennen verschiedene Prozessmodelle, deren Vor- und Nachteile sowie die Kernaktivitäten des Software Engineerings.
- ... wenden Testmethoden und Refactoring an, um Softwarequalität zu sichern und Fehler zu vermeiden.
- ... verstehen und nutzen agile Methoden wie Scrum und Kanban und vergleichen sie mit traditionellen Ansätzen.
- ... setzen Versionskontrolle, IDEs und CI/CD-Pipelines effektiv ein und verstehen Continuous Integration & Deployment.
- ... schreiben lesbaren, wartbaren und effizienten Code nach bewährten Prinzipien und Konventionen.
- ... schätzen Aufwand und Ressourcen ein, planen Projekte und überwachen deren Fortschritt.
- ... kennen Architekturkonzepte und Design-Patterns und wenden diese in Softwareprojekten an.
- ... arbeiten effektiv im Team, präsentieren Ideen klar und dokumentieren ihre Arbeit.
Inhalt:
- Software Engineering - Was ist das und wozu wird es gebraucht?
- Prozessmodelle: sequentielle & iterativ,
- Prozessaktivitäten: Spezifikation, Entwicklung, Validierung, Evolution,
- Qualitätssicherung: Testint & Refactoring,
- Agile Softwareentwicklung,
- Tools & Werkzeuge,
- Clean-Coding / Code-Conventions,
- Continuous Integration, Continuous Deployment, Continuous Delivery,
- IT-Projektmanagement: Schätzung & Prozessplanung,
- Softwarearchitektur,
- Design-Patterns,
- Praktische Beispiele.
Arbeitsaufwand:
- Präsenzzeit: 28h Vorlesung + 28h Übung
- 94h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
Erfolgreicher Abschluss von:
|
| Medienformen: | Literatur: |
|
|
|
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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik I - Pflicht - B.Sc. INF: Kernmodule (SPO 2027) - B.Sc. CV: Informatik I - Pflicht - B.Sc. CV: Kernmodule (SPO 2027) - B.Sc. INGINF: Informatik I - Pflicht - B.Sc. INGINF: Kernmodule (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Kernmodule (SPO 2027) |
Angestrebte Lernergebnisse:
Studierende, die den Kurs erfolgreich absolviert haben ...
- ... verstehen den Begriff "Software Engineering", seine Bedeutung und die Notwendigkeit strukturierter Softwareentwicklung.
- ... kennen verschiedene Prozessmodelle, deren Vor- und Nachteile sowie die Kernaktivitäten des Software Engineerings.
- ... wenden Testmethoden und Refactoring an, um Softwarequalität zu sichern und Fehler zu vermeiden.
- ... verstehen und nutzen agile Methoden wie Scrum und Kanban und vergleichen sie mit traditionellen Ansätzen.
- ... setzen Versionskontrolle, IDEs und CI/CD-Pipelines effektiv ein und verstehen Continuous Integration & Deployment.
- ... schreiben lesbaren, wartbaren und effizienten Code nach bewährten Prinzipien und Konventionen.
- ... schätzen Aufwand und Ressourcen ein, planen Projekte und überwachen deren Fortschritt.
- ... kennen Architekturkonzepte und Design-Patterns und wenden diese in Softwareprojekten an.
- ... arbeiten effektiv im Team, präsentieren Ideen klar und dokumentieren ihre Arbeit.
Inhalt:
- Software Engineering - Was ist das und wozu wird es gebraucht?
- Prozessmodelle: sequentielle & iterativ,
- Prozessaktivitäten: Spezifikation, Entwicklung, Validierung, Evolution,
- Qualitätssicherung: Testint & Refactoring,
- Agile Softwareentwicklung,
- Tools & Werkzeuge,
- Clean-Coding / Code-Conventions,
- Continuous Integration, Continuous Deployment, Continuous Delivery,
- IT-Projektmanagement: Schätzung & Prozessplanung,
- Softwarearchitektur,
- Design-Patterns,
- Praktische Beispiele.
Arbeitsaufwand:
- Präsenzzeit: 28h Vorlesung + 28h Übung
- 94h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Vorlesung (2 SWS)
Übung (2 SWS)
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
Erfolgreicher Abschluss von:
|
| Medienformen: | Literatur: |
|
|
|
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: |
|
| 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 ...
- Understanding of problems in the robotics domain
- Understanding and applicability of the mathematical background
- Practical experience in programming industrial robots on the basis of various tasks
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
|
|
| 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 ...
- planen und organisieren ein Team-Projekt
- erstellen ein Software-Erzeugnis zu einem vorgegebenen Thema
- berichten regelmäßig über den Verlauf ihres Projektes
- bewerten am Schluss die Qualität der Teamarbeit und ihren eigenen Beitrag zum Ergebnis
Inhalt:
- Durchführung eines Softwareentwicklungsprojektes im Team
- Fachliche Inhalte sind angebotsspezifisch.
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 ...
- planen und organisieren ein Team-Projekt
- erstellen ein Software-Erzeugnis zu einem vorgegebenen Thema
- berichten regelmäßig über den Verlauf ihres Projektes
- bewerten am Schluss die Qualität der Teamarbeit und ihren eigenen Beitrag zum Ergebnis
Inhalt:
- Durchführung eines Softwareentwicklungsprojektes im Team
- Fachliche Inhalte sind angebotsspezifisch.
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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik II - Pflicht - B.Sc. INGINF: Ingenieurinformatik Pflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027) |
Angestrebte Lernergebnisse:
Die Studierenden ...
- sind mit Methoden der formalen Spezifikation vertraut
- können einschätzen, für welche Software-Artefakte der Einsatz formaler Methoden sinnvoll ist
- kennen die Potentiale und Grenzen formaler Methoden
Inhalt:
- Formale versus informale Spezifikation
- Spezifikation, Validierung, Verifikation, Generierung
- Spezifikation abstrakter Datentypen
- Spezifikation von zeitlichen Abläufen und Prozessen,
- Anwendungsbeispiel: Protokollspezifikation Konkrete Spezifikationssprachen und Werkzeuge
Arbeitsaufwand:
150 h = 56 h Präsenzzeit + 94 h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| 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: |
|
| Verwendbarkeit: | - B.Sc. INF: Schlüssel- und Methodenkompetenzen - B.Sc. INF: FIN SMK - B.Sc. INF: Ergänzungsbereich (SPO 2027) - B.Sc. CV: Schlüssel- und Methodenkompetenzen - B.Sc. CV: FIN SMK - B.Sc. CV: Interdisziplinär (SPO 2027) - B.Sc. INGINF: Schlüssel- und Methodenkompetenzen - B.Sc. INGINF: FIN SMK - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Wirtschaftsinformatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Schlüssel- und Methodenkompetenzen - B.Sc. INF (bilingual): FIN SMK |
Angestrebte Lernergebnisse:
Die Absolventen des Moduls ...
- kennen und verstehen wichtige Erfolgsfaktoren von Startups
- können eine Produktidee entsprechend mehreren Kriterien beschreiben
- kennen Vorbereitungsschritte zur Gründung eines Lean Startups
- können eine Zielgruppe charakterisieren
- können einen Kundengewinnungsprozess gestalten
- haben im Team einige Gründungsvorbereitungen eines Startups durchgespielt
- bewerten die Qualität der Teamarbeit und den eigenen Beitrag zum Ergebnis
Inhalt:
- Teamarbeit
- Das Lean Startup-Prinzip
- Plausibilitätscheck eines minimalen Geschäftsmodells
- Einschätzung des Marktpotenzials eines Produktes
- Problem-Solution-Fit und Product-Market-Fit
- Customer Journey Map
- Customer Persona
- Validierung von Gründungshypothesen
Arbeitsaufwand:
28 h Präsenzzeit + 122 h selbstständige Projektarbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| 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.
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: |
|
| 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 ...
- können in Teamarbeit ein Softwareentwicklungsprojekt durchführen,
- können ein innovatives Software-Produkt konzipieren,
- nutzen einen agilen Ansatz, um ein Produkt zu entwickeln, das seine Nutzer begeistert,
- bewerten die Qualität der Teamarbeit und den eigenen Beitrag zum Ergebnis.
Inhalt:
- Minimum Viable Product
- Product-Market Fit-Hypothese
- Spezifikation, Erstellung und Test eines MVP zur Überprüfung einer Hypothese
- Teamarbeit
- Kundennahe Produktentwicklung
Arbeitsaufwand:
28 h Präsenz + 152 h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Keine |
Hausarbeit
|
|
| 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: |
|
| 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
- Swarm stability and stability analysis
- Swarm aggregation
- Swarm in known environments
- Swarm in unknown environments: Particle Swarm Optimization
- Dynamic Optimization
- Multi-Objective Particle Swarm Optimization
- Division of labour and task allocation
- Swarm clustering and sorting
- Ant systems and optimization
- Swarm localization and display
- Swarm robotics
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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Forensik Design - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027) |
Angestrebte Lernergebnisse:
Die Studierenden ...
- können anhand einer ausgewählten technischen Fragestellung zur IT-Sicherheit die Anforderungen und Lösungsmöglichkeiten für ein Anwendungsbeispiel verstehen
- technische Integrationsaspekte verstehen und Umsetzungen ausgewählter Inhalte aus „Sichere Systeme“ und „Algorithmen und Datenstrukturen“ vornehmen
- können technische Komponenten am Beispiel sicher gestalten und eine Sicherheitsbewertung vornehmen
- können eine Evaluation und Bewertung technischer Systeme vornehmen und Restrisiken benennen
- können die Ergebnisse in einem Referat präsentieren und sich einer Diskussion stellen
- können Herausforderungen in der Teamarbeit erkennen und reflektieren
- können Sicherheit als Prozess in einem IuK-System verstehen und ausgewählte Mechanismen gestalten und anwenden
Inhalt:
- Zusammenfassung von relevanten Grundlagen für einen ausgewählten technischen Praxisfall der IT-Sicherheit mit Zusammenfassung von
- Security-by-Design
- Sicherheitsevaluierung und -bewertung
- Einführung in die Sensortechnik und Kommunikationstechnologien aus Bereichen wie automotiver Sicherheit, IoT- oder Steuer- und Regelungstechnik
- Erarbeitung von Anforderungen und Umsetzung sowie Bewertung von Lösungsmöglichkeiten von IT-Sicherheit für den ausgewählten praxisrelevanten, hardwarenahen Anwendungsfall
- Technische Integrationsaspekte, Umsetzung ausgewählter Inhalte aus "Sichere Systeme" und "Algorithmen und Datenstrukturen"
- Wiederholung: Grundlagen der Teamarbeit, Vorlesung ist Projekt-orientiert
Arbeitsaufwand:
150h: Präsenzzeit = 56h, Selbstständige Arbeit = 94h
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
keine |
Referat
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| 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: |
|
| Verwendbarkeit: | - B.Sc. INF: Technische Informatik - B.Sc. INF: Aufbaumodule (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Technische Informatik - B.Sc. INGINF: Ingenieurinformatik Pflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Technische Informatik - B.Sc. INF (bilingual): Aufbaumodule (SPO 2027) |
Angestrebte Lernergebnisse:
Studierende
- verstehen den Aufbau digitaler Computer
- verstehen das Schichtenmodell für Computersysteme
- verstehen Zahlensysteme und die Herausforderungen der Computerarithmetik
- können mit unterschiedlichen Zahlensystemen umgehen
- verstehen die grundlegenden Hardware-Komponenten von Computern
- verstehen die Maschinenprogrammierung und können einfache Assemblerprogramme entwickeln
Inhalt:
- Aufbau eines Rechners
- Computerarithmetik
- Kombinatorische Schaltnetze
- Sequentielle Schaltwerke
- Befehlssatz und Adressierung
- Fließband- und Parallelverarbeitung
Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Votierung - mindestens 50% der Punkte durch Aufgaben in den Übungen |
Klausur 120 Minuten
|
|
| 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: |
|
| Applicability in curriculum: | - B.Sc. INF: Technische Informatik - B.Sc. INF: Aufbaumodule (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Technische Informatik - B.Sc. INGINF: Ingenieurinformatik Pflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Technische Informatik - B.Sc. INF (bilingual): Aufbaumodule (SPO 2027) |
Intended learning outcomes:
Students
- understand the structure of digital computers
- understand the layer model for computer systems
- understand number systems and the challenges of computer arithmetic
- can deal with different number systems
- understand the basic hardware components of computers
- understand machine programming and can develop simple assembly programs
Content:
- Structure of a computer
- Computer arithmetic
- Combinatorial switching networks
- Sequential switching networks
- Instruction set and addressing
- Conveyor belt and parallel processing
Workload:
56h attendance + 94h independent work
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
Written exam 120 Minuten |
|
| 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: |
|
| Verwendbarkeit: | - B.Sc. INF: Technische Informatik - B.Sc. INF: Aufbaumodule (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Technische Informatik - B.Sc. INGINF: Ingenieurinformatik Pflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Technische Informatik - B.Sc. INF (bilingual): Aufbaumodule (SPO 2027) |
Angestrebte Lernergebnisse:
Studierende ...
- verstehen Prozesse in Betriebssystemen
- können Algorithmen zur Synchronisation von Prozessen umsetzen
- verstehen wie Deadlocks entstehen und können Verfahren zur Lösung umsetzen
- verstehen die Speicherverwaltung und das Scheduling in Betriebssystemen
- können in C Prozesse umsetzen und betriebssystemnahe Programme entwickeln
- verstehen die Grundlagen von Kommunikationsnetzen
Inhalt:
Einführung in Betriebssysteme und Kommunikationssysteme ...
- Prozesse & Threads
- Synchronisation
- Deadlocks
- Speicherverwaltung
- Scheduling
- E/A und Dateisystem
- Booting, Services und Sicherheit
- Vernetzte Computer und Internet
Arbeitsaufwand:
56h Präsenzzeit + 94h selbstständige Arbeit
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Votierung - mindestens 50% der Punkte durch Aufgaben in den Übungen |
Klausur 120 Minuten
|
Vorlesung (2 SWS)
Übung (2 SWS)
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
Technische Informatik 1
|
| Medienformen: | Literatur: |
|
|
wird auf der Web-Seite der VL bekanntgegeben
|
Hinweise:
Dieses Modul wird im Sommer 2026 in English gelesen. Videos werden in Deutsch verfügbar sein.
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: |
|
| Applicability in curriculum: | - B.Sc. INF: Technische Informatik - B.Sc. INF: Aufbaumodule (SPO 2027) - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik Wahlpflicht (SPO 2027) - B.Sc. INGINF: Technische Informatik - B.Sc. INGINF: Ingenieurinformatik Pflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Technische Informatik - B.Sc. INF (bilingual): Aufbaumodule (SPO 2027) |
Intended learning outcomes:
Students ...
- understand processes in operating systems
- can implement algorithms for the synchronization of processes
- understand how deadlocks occur and can implement procedures to solve them
- understand memory management and scheduling in operating systems
- can implement processes in C and develop operating system-related programs
- understand the basics of communication networks
Content:
Introduction to operating systems and communication systems ...
- Processes & Threads
- Synchronization
- Deadlocks
- Memory management
- Scheduling
- I/O and file system
- Booting, services and security
- Networked computers and the Internet
Workload:
56h attendance time + 94h independent work
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
Written examination 120 Minutes |
Lecture (2 SWS) Exercise (2 SWS) |
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
none |
Technische Informatik 1 |
| Media: | Literature: |
|
wird auf der Web-Seite der VL bekanntgegeben
|
Comments:
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
- kennen die Grundlagen der Informationsdarstellung und -codierung
- kennen die Komponenten von Computersystemen und können diese entsprechend ihrer Parameter bewerten
- kennen grundlegende theoretische Aspekte von Betriebssystemen und können diese auf reale Betriebssysteme anwenden
- kennen den Aufbau und die Funktionsweise von Computernetzwerken
Inhalt:
- Darstellung von Informationen, Codierungen
- Aufbau von Computern und Computernetzen
- Ausgewählte Aspekte der einzelnen Architekturebenen
- Einblick in die Betriebssystemtheorie
- Grundlagen der Computernetzwerke
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
- kennen analoge und digitale Schaltungskonzepte und können diese praktisch realisieren
- können Informatiksysteme im Umfeld „Messen, Steuern, Regeln“ konfigurieren und anwenden
- haben Grundkenntnisse in der Kommunikations- und Netzwerktechnik sowie dem Aufbau einfacher lokaler drahtgebundener und drahtloser Netzwerke
Inhalt:
- Grundschaltungen der Elektronik in Informatiksystemen
- Sensoren, Aktoren, Mikrocontroller
- Softwarelösungen für Messen, Steuern, Regeln
- Netzstrukturen und Basistechnologien, Protokollarchitektur
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: |
|
| 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 ...
- understand the nature and importance of future user interfaces and the challenges and problems associated with them
- know, analyze and evaluate technologies, interaction techniques and methods for the development of advanced user interfaces
- are able to select suitable technologies and interaction techniques in the field of three-dimensional and modern Post-WIMP user interfaces
- have the ability to critically analyze scientific literature and knowledge of scientific publishing
- can conduct own research on a postgraduate level in the field of advanced user interfaces
Content:
- Introduction to Post-WIMP and Reality-based User Interfaces
- 3DInteraction: Tasks, Devices, 3D-Widgets,
- 3D UIs Augmented Reality Interaction
- Pen-based Interaction Techniques and Sketching
- Multitouch: Technologies, Gestures, Applications
- Gestural Interaction: Tracking, Freehand Gestures
- Tangible Interaction
- Advanced Topics: Gaze-based Interaction, Organic Interfaces, Everywhere Interfaces
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 |
|
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
keine |
Module Interactive Systems |
| Media: | Literature: |
|
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: |
|
| Verwendbarkeit: | - M.Sc. INF: Informatik - M.Sc. WIF: Wirtschaftsinformatik |
Angestrebte Lernergebnisse:
Die Studierenden ...
- setzen sich mit dem Spannungsfeld von Umweltaspekten, umweltorientierter Leistung und Umweltinformation auseinander
- kennen methodische Herangehensweisen zur Messung Umweltaspekten und umweltorientierter Leistung
- sind in der Lage die rechtlichen Folgen mangelnder Umweltleistung zu erfassen
- kennen methodische Herangehensweisen zur effizienten Erfassung, Verwaltung und Nutzung von Metadaten und Daten eines Umweltmanagements
- setzen sich mit der Einführung von Umweltmanagementinformationssystemen in Organisationen auseinander
Inhalt:
- Grundlagen zu Umweltmanagementsystemen
- Gesetzliche und andere Forderungen des Umweltschutzes
- Methoden, Werkzeuge und Normen zu Umweltmanagementsystemen
- Konzeption und Einführung von Umweltmanagementinformationssystemen
Arbeitsaufwand:
- 56h Präsenzzeit (Vorlesung + Übung)
- 124h selbstständige Arbeit (Vor- und Nachbereitung Vorlesung, Entwicklung von Lösungen in der Übung)
| 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) |
| 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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten - Pflicht - B.Sc. WIF: Wirtschaftsinformatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Angestrebte Lernergebnisse:
Absolvent*Innen dieses Moduls ...
- setzen sich mit der Ästhetik und des Designs von Informations- und Kommunikationssystemen bzw. Informations- und Kommunikationstechnik auseinander
- setzen sich mit der Idee des Designs als Schlüssel zur nachhaltigen und zeitgemäßen Umsetzung von Informations- und Kommunikationssystemen bzw. einer Informations- und Kommunikationstechnik auseinander
- kennen methodische Herangehensweise zur Entwicklung einer nachhaltigen Designstrategie
- setzen sich mit Usability, User Experience und gutem Design für Informations- und Kommunikationssysteme bzw. Informations- und Kommunikationstechnik auseinander
Inhalt:
Methoden des User Experience Design und Design Thinking für die Ideation Phase im Entwicklungsprozess von Produkten und Dienstleistungen
- Designgeschichte von Informations- und Kommunikationsprodukten
- Methoden zur Konzipierung und Realisierung einer Usability und User Experience
- 10 Thesen des guten Designs
- Gutes Design für Informations- und Kommunikationssysteme bzw. Informations- und Kommunikationstechnik
Arbeitsaufwand:
Präsenzzeiten:
- 2 SWS Vorlesung
- 2 SWS Übung
- Vor- und Nachbereitung Vorlesung
- Entwicklung von Lösungen in und für die Übung
| 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) |
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| Medienformen: | Literatur: |
|
|
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...
- erlernen ein grundlegendes Verständnis des Ansatzes User Experience Design Sprint kennen
- lernen und testen die Anwendung von Design Thinking Methoden im praktischen Kontext
- erstellen im Rahmen der Veranstaltung UX-Prototypen
- erlenren und wenden Präsentationskompetenz für UX-Design-Projekte an
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: |
|
| 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 ...
- sammeln Know-how über die Architektur von Systemlandschaften.
- wissen wie Geschäftsprozesse und IT-Ressourcen miteinander verbunden werden können (Wie spiegelt sich dies in der (System-)Architektur wider).
- kennen die Unterschiede zwischen monolithischen und serviceorientierten Architekturen bei der Entwicklung und Integration von Anwendungssystemen für Unternehmen.
- wissen, wie man Anwendungskomponenten zur Unterstützung verschiedener Geschäftsprozesse ableitet.
- wissen wie Komponenten und Dienste als Elemente einer Systemarchitektur systematisch identifiziert werden.
- wissen wie Cloud Computing-Technologien zur Unterstützung von Geschäftsprozessen genutzt werden können.
- kennen die Unterschiede zwischen den verschiedenen Cloud- Patterns und den Cloud-Service-Modellen.
- lernen die Cloud Application Architecture kennen und erfahren, wie die Microservice-Architektur die klassische serviceorientierte Architektur in Cloud-Umgebungen ergänzt.
- können sich selbstständig neues Wissen aneignen und für sich nutzbar machen.
- können bei ungewohnten Aufgabenstellungen eigene Ideen einbringen und Entscheidungen treffen.
- können für neue Aufgabenstellungen geeignete Lösungen auswählen, anwenden und anschließend bewerten.
- können die Ergebnisse wissenschaftlich in einem Referat präsentieren und sich einer Diskussion stellen.
Inhalt:
- Theorie der komponentenbasierten Systementwicklung
- Fachkomponenten,
- Frameworks,
- Komponenten-Lebenszyklen,
- CoBCoM-Architektur
- Architekturen von Systemlandschaften
- Pattern-Sprachen und Architektur-Pattern
- Service-orientierte Architektur (SoA)
- Web-Services
- Mediatoren
- Fallstudien
- Personal Information
- GuideShared ERP Architecture
- Inhaltsverzeichnis Teil A (Winter) Seite 250 – Teil A Inhaltsverzeichnis Teil B (Gesamt)
- S4/Hana und SAP Datasphere
- Prototypische Realisierung eines interorganisationalen Informationssystems auf Grundlage der CoBCoM-Architektur und SoA
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
|
|
| 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: |
|
|
|
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: |
|
| 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 ...
- know and understand specialized subject content that expands and deepens the Bachelor's degree.
- can independently analyze problems and identify alternative solutions. -know how to work with UNIX operating systems.
- are experienced in the theory and handling of container-based virtualization technologies such as Docker.
- know how to use higher programming languages (Python).
- know how to use various configuration and automation tools and languages such as Ansible, Salt and Terraform.
- have practical and theoretical knowledge of testing IT systems, particularly in relation to essential DevOps concepts such as Continuous Integration and Continuous Delivery.
- have the ability to design, create, test, commission and support IT systems.
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: |
|
| Applicability in curriculum: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Studienprofil: Computer Games - B.Sc. CV: Anwendungsfach - Computer Games - B.Sc. CV: Computervisualistik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Intended learning outcomes:
Students who complete this module will acquire in-depth knowledge in the areas of human-computer interaction in the context of VR/AR, perceptual aspects of VR/AR, VR/AR and input/output devices. In addition, they will gain an understanding of the technical fundamentals of tracking, VR/AR visualisation/rendering and AR registration. In the associated seminar, students develop, test and evaluate a VR/AR software tool in a team. Students will learn how to design, program and test a VR/AR system. In these team projects, students learn how to solve social and technical conflicts. In addition, students present their project results in an oral presentation and justify the results achieved by their team.
Content:
This module covers fundamentals and advanced techniques in the area of VR/AR systems. Students will gain the theoretical foundation needed to design, implement, improve, and evaluate VR/AR systems. In addition, the theoretical foundations can be applied in a team project that accompanies the lecture. Following topics in the field of VR/AR are addressed:
- Introduction to VR/AR systems
- Perceptional aspects
- Input devices
- Output devices
- AR components and types
- Interaction techniques
Workload:
56h contact hours + 94h self-study
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
oral exam |
|
| 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: |
|
| 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:
- Introduction to VR/AR systems
- Perceptional aspects
- Input devices
- Output devices
- AR components and types
- Interaction techniques
Workload:
56 contact hours + 124h self study
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
oral exam |
|
| 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: |
|
| 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 ...
- know machine learning methods and the visualization of their results
- apply this knowledge to analyse financial and business data
- use statistical methods to improve visual analytics solutions
- can assess and compare clustering methods
Content:
- Introduction: Potential and applications of Visual Analytics
- Visual Analytics based on clustering
- Visual Analytics based on subspace clustering and biclustering
- Visual Analytics with decision trees
- Visual Analytics with association rules
- Scatterplot-based visualizations
- Visual Analytics of events sequences
- Interaktive und Kooperative Methoden von Visual Analytics
- Visual Analytics im Gesundheitswesen
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 |
|
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
none |
|
| Media: | Literature: |
|
|
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 ...
- know specific visual analytics solutions that are used in public healthcare applications
- can interpret and evaluate public healthcare data
- present and explain visual analytics solutions in healthcare scenarios
Content:
- Overview: Potential and applications of Visual Analytics in Healthcare
- Visual Analytics in Public Health
- Visual Analytics in Clinical Medicine
- Visual Analytics for Detecting Adverse Drug Effects
- Visual Analytics in Epidemiology
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: |
|
| Applicability in curriculum: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. INF: Informatik Wahlpflicht (SPO 2027) - B.Sc. CV: Computervisualistik - Pflicht - B.Sc. CV: Computervisualistik Pflicht (SPO 2027) - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik Wahlpflicht (SPO 2027) - B.Sc. WIF: Gestalten und Anwenden - Wahlpflicht - B.Sc. WIF: Informatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht - B.Sc. INF (bilingual): Informatik Wahlpflicht (SPO 2027) |
Intended learning outcomes:
Students ...
- understand how physiological perception affects visualization effectiveness
- know basic visualization techniques, such as color coding, diagramme types and techniques to visualize graph and network data
- can generate appropriate visualizations for business and statistical data
Content:
- Visualization goals and quality criteria
- Understanding of fundamentals of visual perception
- Overview of data structures in visualization
- Basic algorithms (Isolines, color scales, diagramm techniques),
- Direct and indirect visualization of volume data
- map-based visualization
- dashboard design
- Information visualization
Workload:
56 contact hours + 94 h self study
| Pre-examination requirements: | Type of examination: | Teaching method / lecture hours per week (SWS): |
|
Successful participation in the exercise (voting system, vote for at least 2/3 of all tasks) |
Written exam, 2hours |
|
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
none |
|
| Media: | Literature: |
|
|
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: |
|
| 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 ...
- understand how physiological perception affects visualization effectiveness
- know basic visualization techniques
- can generate appropriate visualizations for business and statistical data
- obtain a dataset with at least 100 observations and 5 attributes, formulate two analytical questions, and create data visualizations to answer these questions.
Content:
- Visualization goals and quality criteria
- Understanding of fundamentals of visual perception
- Overview of data structures in visualization
- Basic algorithms (Isolines, color scales, diagram techniques),
- Direct and indirect visualization of volume data
- map-based visualization
- dashboard design
- Information visualization
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 |
|
| Prerequisites according to examination regulations: | Recommended prerequisites: |
|
none |
|
| Media: | Literature: |
|
|
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 ...
- setzen Methoden der Informatik ein, um ein Problem auf dem Gebiet der Informatik oder ihren Anwendungen zu bearbeiten
- üben Methoden-, Selbst- und Sozialkompetenzen bei der Bearbeitung der fachbezogenen Aufgabe. Dazu können beispielsweise gehören: Teamarbeit, Kommunikation und Projektplanung
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 ...
- arbeiten selbstständig an einer wissenschaftlichen Fragestellung
- arbeiten sich selbstständig in ein wissenschaftliches Spezialgebiet ein
- erarbeiten vertiefte Kenntnisse auf einem wissenschaftlichen Spezialgebiet
- präsentieren und interpretieren ihre Ergebnisse in mündlicher und/oder schriftlicher Form
- können ihren Erfolg und die Bedeutung ihrer Ergebnisse einschätzen
- beschreiben die Auswirkungen ihrer Entscheidungen auf den Verlauf und die Ergebnisse des Projektes
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 ...
- arbeiten selbstständig an einer wissenschaftlichen Fragestellung
- arbeiten sich selbstständig in ein wissenschaftliches Spezialgebiet ein
- erarbeiten vertiefte Kenntnisse auf einem wissenschaftlichen Spezialgebiet
- präsentieren und interpretieren ihre Ergebnisse in mündlicher und/oder schriftlicher Form
- können ihren Erfolg und die Bedeutung ihrer Ergebnisse einschätzen
- beschreiben die Auswirkungen ihrer Entscheidungen auf den Verlauf und die Ergebnisse des Projektes
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 …
- können sich mit Hilfe entsprechender Ressourcen in eine wissenschaftliche Fragestellung einarbeiten und sich einen Überblick darüber verschaffen
- können die wichtigen Merkmale einer wissenschaftlichen Fragestellung zusammenfassen, dokumentieren und mit Hilfe geeigneter Medien verständlich präsentieren
Inhalt:
Die fachlichen Inhalte sind angebotsspezifisch.
Arbeitsaufwand:
- Präsenzzeiten = 28 h
- Selbstständiges Arbeiten = 122 h (Aufarbeitung des Themas, Vorbereitung einer Präsentation, schriftliche Ausarbeitung des Themas)
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Referat
|
Seminar (2 SWS)
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| Medienformen: | Literatur: |
|
|
|
Hinweise:
Folgende Seminare werden im Wintersemester angeboten:
- Bachelorseminar KMD
- Bachelorseminar Predictive Maintenance
- Digitalhandwerk
- Effiziente Programmierung und Ein-/Ausgabe
- Hot Topics in Computer Graphics
- Seminar Interactive Information Organization
- Seminar IT-Sicherheit (SITSEC)
- Seminar Vernetzte Systeme
- Wissenschaftliches Seminar: Vibe-Coding in der Softwareentwicklung
- Wissenschaftliches Seminar: AI in Robotics
- Wissenschaftliches Seminar: Introduction to Model Checking
- Bachelorseminar KMD
- Bachelorseminar Predictive Maintenance
- Current Topics in Business Informatics Research (nur unbenotet)
- Digitalisierung und Politik
- Design-Projekt
- Hot Topics in Communication and Networked Systems
- Narrative Visualization
- Recommenders - Bachelorseminar
- Seminar Vernetzte Systeme
- Wissenschaftliches Seminar Advanced Topics in Robotics
- Wissenschaftliches Seminar Advanced Topics in Explainability in Machine Learning
- Wissenschaftliches Seminar Advanced Topics in Formal Methods
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 …
- können sich mit Hilfe entsprechender Ressourcen in eine wissenschaftliche Fragestellung einarbeiten und sich einen Überblick darüber verschaffen
- können die wichtigen Merkmale einer wissenschaftlichen Fragestellung zusammenfassen, dokumentieren und mit Hilfe geeigneter Medien verständlich präsentieren
Inhalt:
Dieses Modul kann durch unterschiedliche Lehrveranstaltungen implementiert werden. Die fachlichen Inhalte sind angebotsspezifisch.
Arbeitsaufwand:
- Präsenzzeiten = 28 h
- Selbstständiges Arbeiten = 122 h (Aufarbeitung des Themas, Vorbereitung einer Präsentation, schriftliche Ausarbeitung des Themas)
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Referat
|
Seminar (2 SWS)
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
|
| Medienformen: | Literatur: |
|
|
|
Hinweise:
Folgende Seminare werden im Wintersemester angeboten:
- Bachelorseminar KMD
- Bachelorseminar Predictive Maintenance
- Digitalhandwerk
- Effiziente Programmierung und Ein-/Ausgabe
- Hot Topics in Computer Graphics
- Seminar Interactive Information Organization
- Seminar IT-Sicherheit (SITSEC)
- Seminar Vernetzte Systeme
- Wissenschaftliches Seminar: Vibe-Coding in der Softwareentwicklung
- Wissenschaftliches Seminar: AI in Robotics
- Wissenschaftliches Seminar: Introduction to Model Checking
- Bachelorseminar KMD
- Bachelorseminar Predictive Maintenance
- Current Topics in Business Informatics Research (nur unbenotet)
- Digitalisierung und Politik
- Design-Projekt
- Hot Topics in Communication and Networked Systems
- Narrative Visualization
- Recommenders - Bachelorseminar
- Seminar Vernetzte Systeme
- Wissenschaftliches Seminar Advanced Topics in Robotics
- Wissenschaftliches Seminar Advanced Topics in Explainability in Machine Learning
- Wissenschaftliches Seminar Advanced Topics in Formal Methods
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 …
- im Team eine komplexe Aufgabe aus dem Fachgebiet mit wissenschaftlichen Methoden bearbeiten
- Lösungsmöglichkeiten diskutieren und sich auf einen gemeinsamen Lösungsweg einigen, zu dem jeder seine Ideen einbringt,
- das benötigte Wissen erarbeiten und für das Team verfügbar machen
- mit anderen zusammen ein Projekt planen und lenken und für ihre eigene Rolle im Team die Verantwortung übernehmen
- das Team-Ergebnis präsentieren und beurteilen und ihre Entscheidungen verteidigen
- sich rückblickend mit der Ausübung ihrer Rolle im Team und ihrem Beitrag zum gemeinsamen Ergebnis auseinandersetzen
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 …
- im Team eine komplexe Aufgabe aus dem Fachgebiet mit wissenschaftlichen Methoden bearbeiten
- Lösungsmöglichkeiten diskutieren und sich auf einen gemeinsamen Lösungsweg einigen, zu dem jeder seine Ideen einbringt,
- das benötigte Wissen erarbeiten und für das Team verfügbar machen
- mit anderen zusammen ein Projekt planen und lenken und für ihre eigene Rolle im Team die Verantwortung übernehmen
- das Team-Ergebnis präsentieren und beurteilen und ihre Entscheidungen verteidigen
- sich rückblickend mit der Ausübung ihrer Rolle im Team und ihrem Beitrag zum gemeinsamen Ergebnis auseinandersetzen
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): |
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 |
|
| 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: |
|
| Verwendbarkeit: | - B.Sc. INF: Informatik - Wahlpflicht - B.Sc. CV: Informatik - Wahlpflicht - B.Sc. INGINF: Informatik - Wahlpflicht - B.Sc. WIF: Gestalten - Pflicht - B.Sc. WIF: Wirtschaftsinformatik Wahlpflicht (SPO 2027) - B.Sc. INF (bilingual): Informatik - Wahlpflicht |
Angestrebte Lernergebnisse:
Nach dem erfolgreichen Abschliessen des Moduls, die Studierenden:
- verstehen, was Wissensmanagement bedeutet und was die Rolle und Ziele von einem WMS in einem Unternehmen sind
- verstehen die Ziele und Grundfunktionalitäten von einzelnen WMS Komponenten
- können erkennen, welche Instrumente für welche WMS-Aufgaben anzuwenden sind
- verstehen, wie einfache Text-Mining Methoden funktionieren
- verstehen, wie Modelle für herkömmliche und für multi-label Klassifikation abzuleiten sind
- können Klassifikationsmodelle evaluieren
- können Instrumente für vereinfachte WMS-Aufgaben anwenden
Inhalt:
- Wissensmanagement im Unternehmen: Begriffe und Ordnungsrahmen für Wissensmanagementlösungen
- Wissen und Strategie/Entscheidungsunterstützung
- Wissensmanagementmethoden für explizites und tazides Wissen, darunter Dokumentenmanagement und Text Mining
- Fallbeispiele
Arbeitsaufwand:
- 28 Stunden Vorlesung (Präsenz)
- 28 Stunden Übung (Präsenz)
- 94 Stunden Eigensändiges Arbeit zur Vor- und Nachbereitung der Vorlesung und der Übung, sowie Prüfungsvorbereitung
| Prüfungsvorleistungen: | Studien-/Prüfungsleistungen: | Lehrform / SWS: |
|
Votierung - min Anzahl von Punkten durch Aufgaben in den Übungen |
Schriftliche Prüfung - Klausur (120 min)
|
|
| Voraussetzungen nach Prüfungsordnung: | Empfohlene Voraussetzungen: |
|
keine
|
Data Mining, Machine Learning, Information Retrieval
|
| Medienformen: | Literatur: |
|
|
Literatur zum Teil I der Lehrveranstaltung:
|
Hinweise: