Module im Bereich: Ingenieurinformatik
- AMS Lab Projects
- Estimation for Autonomous Mobile Robots
- Introduction to Distributed Sensor Data Fusion
- Software-Development for Industrial Robotics
- Wissenschaftliches Individualprojekt
- Wissenschaftliches Teamprojekt
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: | false |
| 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:
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: | false |
| 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:
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:
Software-Development for Industrial Robotics
Winter
(engl. Software-Development for Industrial Robotics )
Modulnummer: FIN-INF-120432 |
|
Kürzel SDIR |
CP 6 |
Semester Winter |
Fachsem. ab 1. |
Dauer 1 Semester |
Sprache deutsch |
Niveau Master |
| Link zum LSF: | LSF |
| Zugang beschränkt: | true |
| 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
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 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: