Lehrveranstaltungen im WS 2015/16. Institut für Informatik

Transkript

1 Lehrveranstaltungen im WS 2015/16 Institut für Informatik

2 Lehrveranstaltungsangebot WS 2015/16 Im Rahmen dieser Info-Veranstaltung wurde das Lehrangebot des Instituts für Informatik für das kommende WS vorgestellt. In dieser Präsentation sind leider nicht alle Veranstaltungen enthalten. Folgende Ergänzungen sind daher notwendig: - Von der AG Brinkmann werden im WS die Vorlesung Betriebssysteme (Bachelor- Studiengang) und Graphen- und Netzwerkoptimierung angeboten, ebenfalls ein Seminar und das Praktikum zur Veranstaltung Kommunikationsnetze. - Von der AG Hildebrandt werden die Veranstaltungen Einführung in die Bioinformatik und Big Data, sowie ein Seminar und Praktikum angeboten. Die Pflichtveranstaltungen der Bachelorstudiengänge werden im Rahmen dieser Veranstaltung nicht vorgestellt. Genauere Informationen finden Sie im Modulhandbuch. Das gesamte Lehrangebot des Instituts ist über Jogustine einsehbar. Für Rückfragen stehen wir ihnen gerne zur Verfügung Juli 2015 Johannes Gutenberg-Universität Mainz * Institut für Informatik

3 AG Softwaretechnik Vorlesung + Übung Dozent 15. Juli 2015 Johannes Gutenberg-Universität Mainz * Institut für Informatik Mensch-Maschine-Interaktion Prof. Dr. Luckas (FH Bingen) 1.1 Mensch-Maschine-Interaktion (I-WM03) Lern- und Qualifikationsziele Die Studierenden sollen die wesentlichen Ansätze benutzerorientierter Analyse- und Entwicklungsmethoden kennen und kritisch reflektieren sowie menschliche, soziale und organisatorische Faktoren berücksichtigen können. Dies heißt im Einzelnen: Theoretische und praktische Fähigkeiten in der Entwicklung user-centered-design orientierter Mensch-Computer-Systeme, Methoden-Kenntnisse bzgl. des user-centereddesign Entwicklungsprozesses, Sensibilisierung für Problemstellungen im Zusammenhang mit situiertem Arbeiten, Ausbildung der Fähigkeit zu iterativer Optimierung eines Mensch-Computer Systems in Projektform und die Befähigung, computerbasierte Systeme aus Sicht der Anwender zu sehen. Lehrinhalte Physiologische und Psychologische Grundlagen Software-Ergonomie Modelle der Kommunikation Mensch Computer Vorlesungen Normen, gesetzliche Grundlagen, Richtlinien Hardware Interaktion Grafische Dialogsysteme Gestaltung webbasierter Systeme Usability Engineering, Vorgehensweisen Studiengang Termin B.Sc. Wird nachgereicht

4 AG Softwaretechnik Praktikum Dozent Web & Mobile Development Prof. Dr. C. Wille (Lehrauftrag) Inhalte der Vorlesung aus dem SS15: - Konzepte und technische Grundlagen von Webservern und Java basierter Webtechnologien - Konzeption und Entwicklung von Servlets /JSP / JSF - Rolle von Scriptsprachen wie Javascript im modernes Webdesign - Konzepte und Entwicklungsschritte mobiler Applikationen - Software Plattform Android und ihre Komponenten - GUI-Programmierung für mobile Endgeräte - Datenverwaltung und Content Provider - Datenzugriff über Asynchrone Task / Webservice mit SOAP und REST Vorlesungen - Entwicklung von Anwendungen mit Sensoren und Ortsbezogenheit - Netzwerkprogrammierung für mobile Geräte - Sicherheit webbasierter und mobiler Anwendungen - Plattformübergreifende Programmierung. Studiengang B.Sc. Termin Ende Febr. / Anfang März Juli 2015 Johannes Gutenberg-Universität Mainz * Institut für Informatik

5 Webentwicklung Praktikum Dozent Inhalte Studiengang Web-Programmierung 15. Juli 2015 Johannes Gutenberg-Universität Mainz * Institut für Informatik Jens Grochtdreis (Lehrauftrag) Literatur: Das große Little Boxes-Buch ( In diesem Praktikum ergänzen sich theoretische und praktische Teile. Je nach Wissensstand der Teilnehmer werden wir die unterschiedlichen Facetten der Frontend-Entwicklung beleuchten. Denn egal welche komplizierten Probleme serverseitig und mit Datenbankprogrammierung gelöst werden: am Ende kommt HTML heraus, das mit CSS ansprechend und nutzbar gestaltet werden soll. Die Teilnehmer sollen sich idealerweise ein Projekt vornehmen, an dem sie am Ende des Praktikums das Gelernte austesten können. Dieses Projekt sollte sich im Wesentlichen mit HTML, CSS und Javascript realisieren lassen. Vorlesungen Der Kurs baut auf Vorkenntnissen der Teilnehmer über HTML und CSS auf. Es ist deshalb ratsam, dass jeder Teilnehmer das empfohlene "Little Boxes" liest bzw. sich mit Onlineangeboten wie "A beginner's guide to HTML & CSS ( auf einen arbeitsfähigen Stand bringt. B.Sc. Termin Ende Feb. / Anfabng März 2016

6 Webentwicklung - Praktikum HTML CSS Grundaufbau eines HTML- Dokumentes Semantik Formulare Tabellen Kaskade und Spezifität Layouts mit Floats und Positionierung Clearing/Clearfix elastisch,flexibel, pixelbasiert CSS3 Das DOM Das Boxmodell jquery Grundidee (unobtrusive JavaScript) Wie binde ich jquery ein? Einfache DOM-Manipulationen Browser Debuggen im Browser graceful degredation, progressive enhancement Performance Responsive Webdesign Zunahme der Devicetypen Ein Design für viele Devices Mediaqueries Stolpersteine unterschiedliche Layouttypen Navigationen anpassen Codereihenfolge Barrierefreiheit Sinn, Betroffene, Nutzniesser Mehr als "Web für Blinde" Barrierefreiheit und JavaScript Codequalität Barrierefreiheit testen Juli 2015 Johannes Gutenberg-Universität Mainz * Institut für Informatik

7 Datenbanken Vorl. + Üb. Dozent Inhalte Studiengang Termin Nicht-Standarddatenbanken Dr. H.-J. Schröder NoSQL - Datenbanken Geodatenbanken XML Security Engineering. B.Sc. / M.Ed. Vorlesungen Do Uhr 15. Juli 2015 Johannes Gutenberg-Universität Mainz * Institut für Informatik

8 Fachdidaktik Vorl. + Üb. Dozent/en Inhalte Fachdidaktik I E. Messner Vorlesungen Studiengang B.Ed. Termin n.v. 15. Juli 2015 Johannes Gutenberg-Universität Mainz * Institut für Informatik

9 Fachdidaktik Vorl./Üb./Sem inar Dozent/en Inhalte Fachdidaktik II Dr. Jens Gallenbacher Vorlesungen Studiengang M.Ed. Termin n.v. 15. Juli 2015 Johannes Gutenberg-Universität Mainz * Institut für Informatik

10 Fachdidaktik Praktikum Dozent/en Inhalte Projektpraktikum Prof. Dr. E. Schömer / Dr. H.-J. Schröder Vorlesungen Studiengang M.Ed. Termin n.v. 15. Juli 2015 Johannes Gutenberg-Universität Mainz * Institut für Informatik

11 Design Patterns Seminar WS 2015/16 Dr. Stefan Endler Termin: Immer dienstags Uhr Raum: Vorbesprechung: Dienstag, (letzte Semesterferienwoche), Uhr Raum:

12 Algorithmische Geometrie Elmar Schömer Johannes Gutenberg-Universität Mainz Institut für Informatik Wintersemester 2015/16 Elmar Schömer Algorithmische Geometrie

13 Was ist Algorithmische Geometrie? Algorithmische Geometrie Algebraische Geometrie Elmar Schömer Algorithmische Geometrie

14 Was ist Algorithmische Geometrie? Algorithmische Geometrie Algorithmische Geographie Elmar Schömer Algorithmische Geometrie

15 Was ist Algorithmische Geometrie? Algorithmische Geometrie = Datenstrukturen und effiziente Algorithmen für geometrische Probleme Elmar Schömer Algorithmische Geometrie

16 n Punkte im R d Elmar Schömer Algorithmische Geometrie

17 Voronoidiagramm Elmar Schömer Algorithmische Geometrie

18 n Punkte im R d Elmar Schömer Algorithmische Geometrie

19 Konvexe Hülle Elmar Schömer Algorithmische Geometrie

20 Triangulierung Elmar Schömer Algorithmische Geometrie

21 Delaunay-Triangulierung Elmar Schömer Algorithmische Geometrie

22 Dualität Elmar Schömer Algorithmische Geometrie

23 Theorie vs Praxis Elmar Schömer Algorithmische Geometrie

24 Offset-Flächen + Swept Volumes Elmar Schömer Algorithmische Geometrie

25 Parallele und Verteilte Architekturen Lehrangebot: WiSe 2015/16 Vorlesungen Technische Informatik (Grundvorlesung) High Performance Computing (HPC) Praktikum Paralleles Programmieren mit CUDA Seminar Paralleles Rechnen Prof. Bertil Schmidt

26 Vorlesung: High Performance Computing (HPC) Background Parallel Hardware Parallel Software Shared Memory Programming OpenMP Pthreads Distributed Memory Programming MPI Unified Parallel C (UPC) Parallel Program Development N-Body Problems Tree Search Parallel Architectures Intel Xeon Phi Practical Parallel Programming Exercises (using SAUCE) Interactive Learning Approach Multi-core CPUs Manycores GPUs Supercomputers

27 CUDA Block-Praktikum Paralleles Programmieren mit CUDA Neueste Hardware (Titan, K20, etc.)

28 Seminarvorbesprechung: Paralleles Rechnen Prof. Bertil Schmidt

29 Scheinkriterien und Organisation Vortrag von ca. 45min (inklusive Q&A) Termin: wird noch bekanntgegeben (zwei Vorträge pro Termin) Abgabe der Vortragsfolien zwei Wochen vor dem Vortrag einzureichen per Danach persönliche Vorbesprechung mit Professor Schmidt (1-2 Wochen vor dem Vortrag) Abgabe einer ausführlichen Ausarbeitung (Deutsch oder Englisch) als Basis für die Bewertung des schriftlichen Teils. Ausarbeitung im IEEE CS Format (Umfang mindestens 6 Seiten) - Abgabe bis spätestens vier Wochen nach dem Vortrag! Teilnahme am Seminar (Anwesenheitspflicht) Praktische Tipps im Merkblatt für Seminare Arbeitsempfehlungen.pdf

30 Seminar: Paralleles Rechnen Themen 1. New Architecture for Parallel Automata Processing 2. Suffix Array and Least Common Prefix on GPUs 3. Fast Scan Algorithms for GPUs 4. A Fully Parallel Sequence Aligner 5. UPC++: A PGAS Extension for C++ 6. An Evaluation of Throughput Computing on CPU and GPU 7. Deep learning with COTS HPC systems 8. SIMD Decomposition for In-place Matrix Transposition 9. Parallel Community Detection in Social Media 10. PyCUDA and PyOpenCL 11. CUDA-enabled Dynamic Time Warping 12. Selber vorgeschlagenes Thema muss aber von mir genehmigt werden

31 Themenvergabe mit 2 bevorzugten Themen (mit Präferenz) an Prof Schmidt bis Ich werde dann versuchen die Themen an Studenten zuzuordnen Neue Themen können auch vorgeschlagen werden (müssen dann aber von mir genehmigt werden)

32 Data Mining Ablauf Projektartige Veranstaltung mit Kombination von Vorlesung und Übung Donnerstag, Uhr, Raum Material auf Englisch Hands-on Programmierkenntnisse erforderlich Interesse Prüfung: mündlich Arbeitsgruppe Data Mining

33 Data Mining Content / Inhalt der Vorlesung Pattern Mining language of patterns L database D Arbeitsgruppe Data Mining

34 Data Mining Content / Inhalt der Vorlesung Pattern Mining Clustering Arbeitsgruppe Data Mining

35 Data Mining Content / Inhalt der Vorlesung Pattern Mining Clustering Graph Mining Arbeitsgruppe Data Mining

36 Data Mining Content / Inhalt der Vorlesung Pattern Mining Clustering Graph Mining Statistical Relational Learning Databases and Logic Probability Learning Arbeitsgruppe Data Mining

37 Data Mining Werden Sie Data Scientist! Arbeitsgruppe Data Mining

38 Introduction to Artificial Intelligence Ablauf Vorlesung: Dienstag, Uhr, Raum TBA Vorlesungsmaterial auf Englisch Basierend auf Russell & Norvig Übungen: Voraussichtlich Dienstag im Anschluss Größtenteils praktische Übungen Voraussetzungen: Programmierkenntnisse erforderlich Interesse Prüfung: mündlich Einführung in die künstliche Intelligenz Arbeitsgruppe Data Mining

39 Introduction to Artificial Intelligence The Turing Test Einführung in die künstliche Intelligenz Content / Inhalt der Vorlesung Arbeitsgruppe Data Mining

40 Introduction to Artificial Intelligence The Turing Test Rational Agents Einführung in die künstliche Intelligenz Content / Inhalt der Vorlesung Agent Sensors Percepts? Actuators Actions Environment Arbeitsgruppe Data Mining

41 Introduction to Artificial Intelligence The Turing Test Rational Agents Solving Problems by Searching Einführung in die künstliche Intelligenz Content / Inhalt der Vorlesung Arbeitsgruppe Data Mining

42 Introduction to Artificial Intelligence Einführung in die künstliche Intelligenz Content / Inhalt der Vorlesung The Turing Test Rational Agents Solving Problems by Searching Constraint-Satisfaction Problems (CSPs) Arbeitsgruppe Data Mining

43 Introduction to Artificial Intelligence Einführung in die künstliche Intelligenz Content / Inhalt der Vorlesung The Turing Test Rational Agents Solving Problems by Searching Constraint-Satisfaction Problems (CSPs) Playing Games Arbeitsgruppe Data Mining

44 Introduction to Artificial Intelligence Einführung in die künstliche Intelligenz Content / Inhalt der Vorlesung The Turing Test Rational Agents Solving Problems by Searching Constraint-Satisfaction Problems (CSPs) Playing Games Satisfiability and Model Construction Predicate Logic & Modeling with Logic Arbeitsgruppe Data Mining

45 Introduction to Artificial Intelligence Einführung in die künstliche Intelligenz Content / Inhalt der Vorlesung The Turing Test Rational Agents Solving Problems by Searching Constraint-Satisfaction Problems (CSPs) Playing Games Satisfiability and Model Construction Predicate Logic & Modeling with Logic Planning C B A A B C start state goal state Arbeitsgruppe Data Mining

46 Introduction to Artificial Intelligence Einführung in die künstliche Intelligenz Content / Inhalt der Vorlesung The Turing Test Rational Agents Solving Problems by Searching Constraint-Satisfaction Problems (CSPs) Playing Games Satisfiability and Model Construction Predicate Logic & Modeling with Logic Planning Machine Learning (Overview) & Reinforcement Learning Arbeitsgruppe Data Mining

47 Lehrangebot Visual Computing Wintersemester 2015

48

49 Modeling II Seminar + Practical

50 Lecture: Modelling II Continuation of Modeling I Prerequisite: Modeling I Not strictly mandatory: Strong math / physics background can replace Modeling I In case: talk to us to double check!

51 Lecture: Modelling II Continuation of Modeling I Prerequisite: Modeling I Not strictly mandatory: Strong math / physics background can replace Modeling I In case: talk to us to double check! More Specific Linear algebra / linear models Least-squares / quadratic optimization Basics: ODEs / PDEs / basic finite elements Matrix factorization (SVD) and eigenvalues

52 Lecture: Modelling II Statistical modeling Bayesian methods Machine learning (discriminative / generative models) Features, MRFs, shape matching Differential geometry Non-linear models Intrinsic geometry

53 Lecture: Modelling II Organization Format: V2+Ü2 Lecture: Thu 14-16h Room: Instructor: Michael Wand (V+Ü) Start: Program: Bachelor & Master Prerequisites Linear mathematical modeling (Modeling I or equivalent) Software development (EiP, EiS), C++ is useful Computer Graphics/Machine Learning is useful

54 Seminar + Practical Machine Understanding of Visual Data Modeling I or II is NOT required! Seminar is required for practical!

55 Seminar + Practical Discriminative Models Generative Models

56 Seminar + Practical Prerequisites Basic knowledge of Image processing. Calculus, Linear algebra, basic probability and statistics. Coding experience (also required for seminar as we have python based assignment). In case: talk to us to double check!

57 Seminar + Practical Seminar Time: Wed 14-16h Room: Instructors: Michael Wand, Chuan Li Start: Program: Bachelor & Master Language: English Participate: Max 15

58 Seminar + Practical preliminary

59 Seminar + Practical Practical Start: Semester break (March 2016) Prerequisites: Seminar Recommendation: Software development (EiP, EiS) Modeling II / Machine Learning / Data Mining / Computer vision / Computer Graphics lectures Mini-lecture will be offered

60 Thank you