Modulhandbuch Master Informatik

Transkript

1 Modulhandbuch Master Informatik tudienordnungsversion: 2009 Erstellt am: Mittwoch 25 November 2015 aus der O Datenbank der TU Ilmenau

2 sverzeichnis Name des Moduls/Fachs 1.F 2.F 3.F 4.F 5.F 6.F 7.F Abschluss L Fachnr. Technische Informatik F 8 Integrierte Hard- und oftwaresysteme L 20min Komplexe eingebettete ysteme L 90min raktische Informatik F 8 Netzalgorithmen L 20min Transaktionale Informationssysteme L Theoretische Informatik F 4 Effiziente Algorithmen L 30min Integrierte Hard- und oftwaresysteme F 0 ystem- und oftware-engineering L Technische Applikation von etri-netzen L 20min UMT-Netze L 20min Einchipcontroller und Digitale ignalprozessoren L 20min pezielle Aspekte Integrierter Hard- und oftwaresysteme L pezielle und Innovative Rechnerarchitekturen L 20min Wireless Internet L 20min Medieninformatik und irtual Reality F 0 Computergrafik L 60min Erfassung und erarbeitung von 3D-Daten L 60min Interaktive Computergrafiksysteme / irtuelle Realität L 60min Bildanalyse für 3D-Oberflächen- und olumendaten L 60min Geometrische Modellierung L 60min ertiefung Bildverarbeitung und Mustererkennung L 60min Data Analytics and oft Computing F 0 Inferenzmethoden L 60min Knowledge Discovery in Databases L 30min oftcomputing L 60min Data Mining L 60min Data-Warehouse-Technologien L 20min Neurobiologische Informationsverarbeitung L 90min

3 ystem- und oftware-engineering F 0 Requirements Engineering L oftwarearchitekturen L oftwarearchitekturen - von Requirements zum angepassten Entwurf L pezielle robleme des E L ystem- und oftware-engineering L Objektorientierte rozessmodellierung L 60min Quantitative ystemmodellierung und Analyse L 20min Theoretische Aspekte der oftwaretechnik L 20min Mobile und verteilte Kommunikations- und Informationssysteme F 0 Nichtfunktionale Eigenschaften L 20min UMT-Netze L 20min erteilte Algorithmen L 20min erteilte Echtzeitsysteme L 20min Advanced Networking Technologies L 20min Ressourcenmanagement L 20min erteiltes Datenmanagement L 30min Wireless Internet L 20min Kognitive ysteme F 0 Erfassung und erarbeitung von 3D-Daten L 60min Multimediale Mensch-Maschine-Kommunikation L 60min Robotvision L 20min Bildanalyse für 3D-Oberflächen- und olumendaten L 60min Bilderfassungssysteme L 20min Kognitive Robotik L 120min Kognitive ysteme / Robotik L Lernen in kognitiven ystemen L Lernen in kognitiven ystemen L 60min ertiefung Bildverarbeitung und Mustererkennung L 60min Algorithmik und Komplexität F 0 Approximationsalgorithmen L 20min Komplexitätstheorie L 20min pezielle Themen der Komplexitätstheorie L 20min

4 erifikation unendlicher ysteme L 20min Ausgewählte Kapitel der Komplexitätstheorie / Algorithmik L 30min Logik in der Informatik L 20min IT-icherheit F 0 erteilte Algorithmen L 20min Advanced Networking Technologies L 20min chutz von Kommunikationsinfrastrukturen L 20min ecurity Engineering L 20min Ergänzungsfächer MO 12 Advanced Networking Technologies L 20min Approximationsalgorithmen L 20min Ausgewählte Kapitel der Komplexitätstheorie / Algorithmik L 30min Bildanalyse für 3D-Oberflächen- und olumendaten L 60min Computational Intelligence für Assistenzsysteme L 60min Computergrafik L 60min Data Mining L 60min Data-Warehouse-Technologien L 20min Einchipcontroller und Digitale ignalprozessoren L 20min Erfassung und erarbeitung von 3D-Daten L 60min Geometrische Modellierung L 60min Inferenzmethoden L 60min Interaktive Computergrafiksysteme / irtuelle Realität L 60min Knowledge Discovery in Databases L 30min Kognitive Robotik L 120min Kognitive ysteme / Robotik L Lernen in kognitiven ystemen L Komplexitätstheorie L 20min Lernen in kognitiven ystemen L 60min Logik in der Informatik L 20min Multimediale Mensch-Maschine-Kommunikation L 60min Neurobiologische Informationsverarbeitung L 90min Nichtfunktionale Eigenschaften L 20min Objektorientierte rozessmodellierung L 60min 4 636

5 arallele Algorithmen auf Gittern und Hypercubes L 20min Quantitative ystemmodellierung und Analyse L 20min Requirements Engineering L Ressourcenmanagement L 20min Robotvision L 20min chutz von Kommunikationsinfrastrukturen L 20min ecurity Engineering L 20min oftcomputing L 60min oftwarearchitekturen L oftwarearchitekturen - von Requirements zum angepassten Entwurf L oftware Reengineering L pezielle Algorithmen L 20min pezielle Aspekte Integrierter Hard- und oftwaresysteme L pezielle robleme des E L pezielle Themen der Komplexitätstheorie L 20min pezielle und Innovative Rechnerarchitekturen L 20min ystem- und oftware-engineering L Technische Applikation von etri-netzen L 20min Theoretische Aspekte der oftwaretechnik L 20min UMT-Netze L 20min erifikation unendlicher ysteme L 20min erteilte Algorithmen L 20min erteilte Echtzeitsysteme L 20min erteiltes Datenmanagement L 30min ertiefung Bildverarbeitung und Mustererkennung L 60min Webalgorithmen L 20min Wireless Internet L 20min rojektseminar F 4 rojektseminar L Fortgeschrittene Mathematik für Informatiker F 8 Informations- und Kodierungstheorie L 30min Optimierung L 30min

6 Diskrete Mathematik L 30min Numerik L 30min tochastische Modelle L 30min Hauptseminar F 4 Hauptseminar L Fachpraktikum MO 30 Fachpraktikum L Masterarbeit mit Kolloquium F 30 Kolloquium zur Master-Arbeit L 30min Masterarbeit MA

7 Technische Informatik Modulnummer: 8196 Modulverantwortlich: rof. Dr. Andreas Mitschele-Thiel Modulabschluss: Fachprüfung/Modulprüfung generiert Lernergebnisse Fachkompetenz: Die tudierenden verstehen detailliert Aufbau und Funktionsweise von komplexen eingebetteten Rechnersystemen und integrierten ystem-on-chip-ystemen. Die tudenten verstehen die in eingebetteten ystemen und integrierten ystem-on-chip-ystemen zu beachtenden Echtzeit-, Kommunikations- und softwaretechnischen Aspekte. Die tudierenden sind fähig, icherheit, Zuverlässigkeit und Leistungsverbrauch beim Entwurf zu berücksichtigen. Die tudenten haben Kenntnisse in der Entwurfsdomäne Automotive. Methodenkompetenz: Die tudierenden sind in der Lage, Methoden des ystementwurfs, des modellbasierten Entwurfs, des Hardware-oftware-Codesigns und der Optimierung auf konkrete roblemstellungen anzuwenden. Die tudierenden sind in der Lage, verschiedene Methoden für unterschiedliche Anwendungsgebiete zu bewerten. ystemkompetenz: Die tudierenden entwerfen und validieren auszugsweise komplexe eingebettete Rechnersysteme und integrierte ystem-on-chip-ysteme für konkrete Einsatzszenarien. ozialkompetenz: Die tudierenden sind in der Lage, praktische roblemstellungen des Entwurfs in der Gruppe zu lösen. orraussetzungen für die Teilnahme - IH 1 - IH 2 eite 7 von 217

8 ACHTUNG: Fach wird nicht mehr angeboten! Technische Informatik Integrierte Hard- und oftwaresysteme 3 Fachabschluss: rüfungsleistung mündlich 20 min prache: Deutsch und Englisch 7771 rüfungsnummer: Fachverantwortlich: rof. Dr. Andreas Mitschele-Thiel Turnus:ommersemester Leistungspunkte: 4 Workload (h): 120 Anteil elbststudium (h): 98 W: 3.0 W nach 1.F 2.F 3.F 4.F 5.F 6.F 7.F ertieftes erständnis des Entwicklungsprozesses integrierter ystem-on-chip-ysteme und der Methoden zum Entwurf, der funktionalen alidierung und der Leistungsbewertung und Optimierung entsprechender ysteme. orkenntnisse IH 2, Rechnerarchitektur, Betriebssysteme, oftware Engineering ertiefende Aspekte des Entwurfs integrierter HW/W-ysteme insbesondere von ystem-on-chip-designs; chwerpunkt auf ystemoptimierung und Testmethoden owerpoint-räsentationen, Tafelarbeit und Diskussionen räsentationen und in der orlesung individuell bekannt gegebenes aktuelles Material flichtkennz.: flichtfach 2235 verwendet in folgenden tudiengängen eite 8 von 217

9 ACHTUNG: Fach wird nicht mehr angeboten! Technische Informatik Komplexe eingebettete ysteme Fachabschluss: rüfungsleistung schriftlich 90 min prache: Deutsch flichtkennz.: flichtfach Turnus:ommersemester 8191 rüfungsnummer: Fachverantwortlich: rof. Dr. Armin Zimmermann Leistungspunkte: 4 Workload (h): 120 Anteil elbststudium (h): 86 W: 3.0 W nach 1.F 2.F 3.F 4.F 5.F 6.F 7.F Fachkompetenz: Die tudierenden verstehen detailliert Aufbau und Funktionsweise von komplexen eingebetteten Rechnersystemen. Die tudenten verstehen die in eingebetteten ystemen zu beachtenden Echtzeit-, Kommunikations- und softwaretechnischen Aspekte. Die tudierenden sind fähig, icherheit, Zuverlässigkeit und Leistungsverbrauch beim Entwurf zu berücksichtigen. Die tudenten haben Kenntnisse in der Entwurfsdomäne Automotive. Methodenkompetenz: Die tudierenden sind in der Lage, Methoden des ystementwurfs, des modellbasierten Entwurfs und des Hardware-oftware- Codesigns auf konkrete roblemstellungen anzuwenden. Die tudierenden sind in der Lage, verschiedene Methoden für unterschiedliche Anwendungsgebiete zu bewerten. ystemkompetenz: Die tudierenden entwerfen und validieren auszugsweise komplexe eingebettete Rechnersysteme für konkrete Einsatzszenarien. ozialkompetenz: Die tudierenden sind in der Lage, praktische roblemstellungen des Entwurfs in der Gruppe zu lösen. orkenntnisse Bachelor in Conputer cience or related subjects BsC im tudiengang Ingenieurinformatik bzw. weitgehend äquivalentem tudiengang 1. Introduction, Motivation 2. Aspects of ystem Design 3. Model-Based Design 4. Real-Time ystems 5. cheduling 6. afety and Reliability 7. oftware Design for Embedded ystems 8. Hardware-oftware-Codesign 9. Computer Architecture of Embedded ystems 10. Communication ystems 11. Energy Consumption 12. Automotive Embedded ystems 13. Design projects in different application areas (Ü+) orlesung: Folien (Beamer erforderlich), Arbeitsblätter (Online und Copyshop) Übung: Arbeitsblätter und Entwurfsproblembeschreibung (Online und Copyshop) Design-Tools (C-ool notwendig) Allgemein: Webseite (Materialsammlung und weiterführende Infos) Are publicized on the web site and in the lecture rimär: Eigenes Material (Online und Copyshop) ekundär: Empfehlungen in der orlesung Allgemein: Webseite (dort auch gelegentlich aktualisierte hinweise und Online-Quellen). uccessful completuion and grading is based on - 70% written exam (90 min) 2236 eite 9 von 217

10 - 30 % individual talks by students verwendet in folgenden tudiengängen Master Ingenieurinformatik 2009 Master Research in Computer & ystems Engineering 2009 eite 10 von 217

11 raktische Informatik Modulnummer: 8214 Modulverantwortlich: rof. Dr. Günter chäfer Modulabschluss: Fachprüfung/Modulprüfung generiert Lernergebnisse Fachkompetenz: Die tudierenden verfügen über grundlegende Kenntnisse zu Basisalgorithmen und einfachen Datenstrukturen der Informatik. Die tudierenden können roblemlösungen algorithmisch beschreiben und in einer höheren rogrammiersprache implementieren. Methodenkompetenz: Die tudierenden sind in der Lage, für eine Aufgabenstellung einen Algorithmus zu entwerfen bzw. bekannte Algorithmenmuster anzuwenden. Zur Implementierung des Algorithmus können sie die rogrammiersprache Java einsetzen. ozialkompetenz: Die tudierenden lösen die Aufgabe selbständig. ie sind in der Lage, auf Fehler, Kritiken und Lösungshinweise zu reagieren. ie verstehen die Notwendigkeit einer sorgfältigen und logisch exakten Arbeitsweise. orraussetzungen für die Teilnahme orlesung / Übung Algorithmen und rogrammierung (1.emester) eite 11 von 217

12 raktische Informatik Netzalgorithmen Fachabschluss: rüfungsleistung mündlich 20 min prache: Deutsch 8215 rüfungsnummer: Fachverantwortlich: rof. Dr. Günter chäfer W nach flichtkennz.: flichtfach Turnus:Wintersemester Leistungspunkte: 4 Workload (h): 120 Anteil elbststudium (h): 86 W: F 2.F 3.F 4.F 5.F 6.F 7.F 2253 Fachkompetenz: Die tudierenden verstehen die gebräuchlichen Routingverfahren kennen die Notwendigkeit für eine bedarfsgerechte Aufteilung des erkehrsaufkommens in Netzwerken. ie können die verschiedenen Zielsetzung beim Netzwerkentwurf voneinander abgrenzen und gegenüberstellen. Methodenkompetenz: Die tudierenden können grundlegende Entwurfs- bzw. Optimierungsprobleme als Multi- Commodity-Flow robleme formulieren. ie sind in der Lage diese in tandardformen zu überführen und durch Anwendung mathematischer tandardsoftware zu lösen. ystemkompetenz: Die tudierenden verstehen die Wechselwirkungen verschiedener Optimierungsziele beim Netzwerkentwurf und -betrieb. orkenntnisse MA Informatik 1. Einführung: Kommunikation in datagrammorientierten Netzwerken, Routingalgorithmen inklusive Korrektheitsbeweise, Modellierung von Datenverkehr mittels oisson-rozess, MM1 Wartesystem, Grundlegende Entwurfsprobleme in Netzwerken 2. Netzwerkmodellierung: Modellierung von Netzwerk-Design-Aufgaben als Multi-Commodity-Flow robleme, ure- Allocation-roblem, hortest-ath-routing, Fair Networks, Tunnel-Design in ML Netzwerken, Multilevel Netzwerke 3. Optimierungsmethoden: Grundlagen der Linearen Optimierung, implexalgorithmus, Branch-and-Bound, Gomory- chnitte, Branch-and-Cut 4. Netzwerkentwurf: Zusammenhang von Netzwerkentwurfsproblemen und mathematischer Modellierung in tandardform, kapazitierte robleme, faddiversität, Limited-Demand-plit, N-ollständigkeit von ingle-ath-allocation, Modular Flows, nichtlineare Zielfunktionen und Nebenbedingungen, Lösung von roblemen mit konvexen und konkaven Zielfunktionen bzw. Nebenbedingungen durch lineare Approximation 5. Network Resilience: Zusammenhangsmaße, Biconnected Components, Algorithmen zur Bestimmung der Blockstruktur von Graphen raktische robleme und rotokollfunktionen in Kommunikationsnetzen und ihr algorithmischer Hintergrund. Folien, Tafelanschrieb, Bücher eite 12 von 217

13 Michal ioro, Deepankar Medhi. Routing, Flow, and Capacity Design in Communication and Computer Networks. The Morgan Kaufmann eries in Networking, Elsevier, 2004 verwendet in folgenden tudiengängen Master Wirtschaftsinformatik 2013 Master Ingenieurinformatik 2014 Master Ingenieurinformatik 2009 Master Wirtschaftsinformatik 2014 Master Informatik 2013 Master Wirtschaftsinformatik 2015 eite 13 von 217

14 raktische Informatik Transaktionale Informationssysteme Fachabschluss: rüfungsleistung alternativ prache: Deutsch 254 rüfungsnummer: Fachverantwortlich: rof. Dr. Winfried Kühnhauser Turnus:Wintersemester Leistungspunkte: 4 Workload (h): 120 Anteil elbststudium (h): 86 W: 3.0 W nach 1.F 2.F 3.F 4.F 5.F 6.F 7.F In verteilten Informatiksystemen wie Datenbankmanagementsystemen, Workflowmanagementsystemen oder teuerungsund Kontrollsystemen gibt es typischerweise eine große Anzahl und ielfalt an Ressourcen, die von vielen ystemkomponenten gemeinsam genutzt werden. Der verteilte Charakter derartiger zenarien bedingt dabei einerseits, dass ein hoher Grad an arallelität bei der Nutzung gemeinsamer Ressourcen besteht, andererseits aber auch Ausfälle von Teilkomponenten solcher ysteme zum Regelfall gehören. Die tudierenden erwerben Kenntnisse über die theoretischen und methodischen Grundlagen transaktionaler oftwaresysteme. ie erwerben die Fähigkeit, die Eignung derartiger ysteme in Bezug auf konkrete Anwendungsszenarien zur analysieren, zu beurteilen und transaktionale ysteme in innovativen Anwendungsszenarien selbst zu entwickeln. orkenntnisse Master Informatik Ausgehend von beispielhaften Anwendungsszenarien werden die rigorosen theoretischen Grundlagen transaktionaler ysteme besprochen und Methoden, Algorithmen und Architekturen vorgestellt, die die Eigenschaften transaktionaler ysteme herstellen. Kursinhalte sind Transaktionssemantiken und modelle sowie Methoden und erfahren zur Herstellung der elementaren ACID-Eigenschaften. räsentationen mit rojektor und Tafel, Bücher und Fachaufsätze, Übungsaufgaben und Diskussionsblätter siehe Webseiten des Kurses flichtkennz.: flichtfach Die Note setzt sich zu je 50% aus einer Zwischenklausur (60 min) und einer mündliche rüfung (20 min) zusammen. verwendet in folgenden tudiengängen Master Informatik 2013 Master Ingenieurinformatik eite 14 von 217

15 Master Ingenieurinformatik 2009 eite 15 von 217

16 Theoretische Informatik Modulnummer: 8224 Modulverantwortlich: rof. Dr. Martin Dietzfelbinger Modulabschluss: Fachprüfung/Modulprüfung generiert Lernergebnisse siehe Beschreibung des Fachs Effiziente Algorithmen 2 orraussetzungen für die Teilnahme Bachelor, insbesondere Algorithmen und Datenstrukturen und Effiziente Algorithmen. eite 16 von 217

17 ACHTUNG: Fach wird nicht mehr angeboten! Theoretische Informatik Effiziente Algorithmen 2 Fachabschluss: rüfungsleistung mündlich 30 min prache: Deutsch 8225 rüfungsnummer: Fachverantwortlich: rof. Dr. Martin Dietzfelbinger W nach Turnus:Wintersemester 1.F 2.F 3.F 4.F 5.F 6.F 7.F Fachkompetenz: Die tudierenden kennen einige wesentliche fortgeschrittene Algorithmen und die hierfür notwendigen Entwurfs- und Analysetechniken. ie können mit den erlernten Techniken Algorithmen für abgewandelte Fragestellungen entwerfen und analysieren. ie können Algorithmen auch auf nicht offensichtliche Anwendungsfragestellungen übertragen. ie können eine amortisierte Laufzeitanalyse durchführen, wenn die wesentlichen Festlegungen angegeben sind. Die tudierenden kennen die vielfältige Anwendbarkeit von Flussalgorithmen. ie kennen nichttriviale grundlegende Techniken für die erarbeitung von Wörtern (Textsuche) und die relevanten Beweistechniken. orkenntnisse toff des Bachelorstudiums zum Thema Algorithmen: Algorithmen und Datenstrukturen, Effiziente Algorithmen, Wahrscheinlichkeitsrechnung (tochastik) für Informatiker, Mathematik für Informatiker. Flussprobleme und algorithmen: Ford-Fulkerson-Methode, Algorithmus von Edmonds/Karp, perrflussmethode (Algorithmus von Dinitz). Matchingprobleme und ihre Algorithmen: Kardinalitätsmatching, Lösung über Flussalgorithmen, Algorithmus von Hopcroft/Karp; gewichtetes Matching: Auktionsalgorithmus, Ungarische methode; tabile aarungen: atz von Kuhn/Munkres, Algorithmus von Gale/hapley. Amortisierte Analyse von Datenstrukturen: Ad-Hoc-Analyse, Bankkontomethode, otentialmethode. Binomialheaps und Fibonacci-Heaps. Textsuche: Randomisiertes erfahren; Algorithmus von Knuth/Morris/ratt, Algorithmus von Aho/Corasick, Algorithmus von Boyer/Moore, orverarbeitung für Boyer-Moore-Algorithmus. Tafelvortrag, Ausarbeitungen als Text im Netz. rojektion. Übungsblätter auf der orlesungswebseite. flichtkennz.: flichtfach Leistungspunkte: 4 Workload (h): 120 Anteil elbststudium (h): 86 W: 3.0 Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, Clifford tein, Introduction to Algorithms, MIT ress, Dasgupta, C. apadimitriou, U. azirani, Algorithms, McGraw-Hill, 2007 T. Ottmann,. Widmayer, Algorithmen und Datenstrukturen, pektrum Akademischer erlag, 2002 R. edgewick, Algorithms, Addison-Wesley, 2002 (auch C-, C++, Java-ersionen, auch auf deutsch bei earson) R. edgewick, Algorithms, art 5: Graph Algorithms, Addison-Wesley, 2003 J. Kleinberg, E. Tardos, Algorithm Design, earson Education, 2005 Ravindra K. Ahuja, Thomas L. Magnanti, James B. Orlin: Network Flows, rentice Hall, eite 17 von 217

18 verwendet in folgenden tudiengängen eite 18 von 217

19 Integrierte Hard- und oftwaresysteme Modulnummer: 8227 Modulverantwortlich: rof. Dr. Wolfgang Fengler Modulabschluss: Fachprüfung/Modulprüfung generiert Lernergebnisse Detailliertes fortgeschrittenes erständnis für und Fähigkeiten zu Aufbau, Funktion, Modellierung und Entwurf integrierter Hard- und oftwaresysteme orraussetzungen für die Teilnahme empfohlen: Modul IH im Bachelor IN (keine Bedingung) eite 19 von 217

20 Integrierte Hard- und oftwaresysteme ystem- und oftware-engineering Fachabschluss: rüfungsleistung alternativ prache: Deutsch 8328 rüfungsnummer: Fachverantwortlich: rof. Dr. Armin Zimmermann W nach Turnus:Wintersemester Leistungspunkte: 3 Workload (h): 90 Anteil elbststudium (h): 56 W: 3.0 orkenntnisse 1.F 2.F 3.F 4.F 5.F 6.F 7.F Fachkompetenz: Die tudierenden verstehen detailliert erfahren und Herangehensweisen für den Entwurf technischer ysteme mit oftwareanteil. Die tudenten haben Kenntnisse im Anwendungsgebiet Automotive Engineering und sind in der Lage, fehlertolerante und sicherheitskritische ysteme zu entwerfen und zu realisieren. Methodenkompetenz: Die tudierenden sind in der Lage, Methoden des modellbasierten ystem- und oftwareentwurfs auf konkrete roblemstellungen anzuwenden. ozialkompetenz: Die tudierenden sind in der Lage, praktische roblemstellungen des ystem- und oftware-engineering in der Gruppe zu lösen und zu präsentieren. BsC im tudiengang Ingenieurinformatik / Informatik bzw. weitgehend äquivalentem tudiengang * Einführung und Überblick * ystementwurf - orgehensmodelle - rojektmanagement - Qualitätsmanagement * Entwurf zuverlässiger ysteme - icherheit, Zuverlässigkeit und Fehlertoleranz - Modelle und Bewertung * Automotive ystem and oftware Engineering - Mechatronik und Hardware im Automobil - teuergeräteentwurf - AUTOAR * Begleitendes Entwurfsund Implementierungsprojekt (z.b. fehlertolerante teuerung einer Modelleisenbahn) orlesung: Folien (Beamer erforderlich) Übung: Arbeitsblätter (Online) Allgemein: Webseite (Materialsammlung und weiterführende Infos) siehe Webseiten der Lehrveranstaltung und Hinweise in der Lehrveranstaltung flichtkennz.: flichtfach 2236 verwendet in folgenden tudiengängen Master Wirtschaftsinformatik 2011 Master Wirtschaftsinformatik 2009 eite 20 von 217

21 Integrierte Hard- und oftwaresysteme Technische Applikation von etri-netzen Fachabschluss: rüfungsleistung mündlich 20 min prache: Deutsch 171 rüfungsnummer: Fachverantwortlich: rof. Dr. Wolfgang Fengler Turnus:Wintersemester Leistungspunkte: 4 Workload (h): 120 Anteil elbststudium (h): 86 W: 3.0 W nach 1.F 2.F 3.F 4.F 5.F 6.F 7.F Detailliertes erständnis von klassischen und höheren etri-netzen, von Möglichkeiten zur formalen erifikation und Transformation, Anwendung beim Entwurf von teuerungsystemen, parallelen, verteilten und objektorientierten oftwaresystemen orkenntnisse Rechnerarchitekturen 1 oder Technische Informatik 2 oder vergleichbare eranstaltung Rechnerorganisation oder Technische Informatik 1 oder vergleichbare eranstaltung oftwaretechnik oder oftwaresysteme oder vergleichbare eranstaltung 1. Einleitung 2. Definitionen und Eigenschaften von latz-transitions-netzen (TN) 3. teuerungsentwurf mit TN 4. Hierarchie in TN 5. Höhere Netze: Colored etri Nets (CN) 6. Modellierung paralleler und verteilter rogramme 7. Technologiemodellierung mit CN 8. UML-Diagramme und etri-netze 9. Geschäftsprozesse, Workflow und N Arbeitsblätter für und Ü Reisig, W.: ystem Design Using etri Nets. Berlin: pringer-erlag, 1991 tarke, eter H.: Analyse von etri-netz- Modellen. tuttgart: Teubner,1990 Jensen, K.: Coloured etri Nets - Basic Concepts, Analysis Methods and ractical Use, ol. 1: Basic Concepts. Allgemein: Webseite (dort auch gelegentlich aktualisierte hinweise und Online-Quellen). flichtkennz.: flichtfach 2231 Modulprüfung: iehe dort. eite 21 von 217

22 Einzelfall: Mündliche rüfung 20 Minuten. verwendet in folgenden tudiengängen Master Informatik 2013 Master Ingenieurinformatik 2014 Master Ingenieurinformatik 2009 eite 22 von 217

23 Integrierte Hard- und oftwaresysteme UMT-Netze Fachabschluss: rüfungsleistung mündlich 20 min prache: Deutsch und Englisch 215 rüfungsnummer: Fachverantwortlich: rof. Dr. Andreas Mitschele-Thiel Turnus:Wintersemester Leistungspunkte: 3 Workload (h): 90 Anteil elbststudium (h): 68 W: 2.0 W nach Kenntnisse der Funktion von UMT-Netzen orkenntnisse Wireless Internet oder Mobilkommunikationsnetze räsentation, Fragen zum toff 1.F 2.F 3.F 4.F 5.F 6.F 7.F Grundlagen der Mobilkommunikation GM und GR UMT-Architektur und rotokollarchitektur Mobilitätsverwaltung erbindungsverwaltung Wideband CDMA erwaltung der Funkressourcen UMT-Funkzugangssystem UMT-Dienste UMT-Evolution (HA, LTE/AE) Kaaranen, et al: UMT Networks flichtkennz.: flichtfach 2235 verwendet in folgenden tudiengängen eite 23 von 217

24 Integrierte Hard- und oftwaresysteme Einchipcontroller und Digitale ignalprozessoren Fachabschluss: rüfungsleistung mündlich 20 min prache: Deutsch 174 Fachverantwortlich: Dr. Bernd Däne rüfungsnummer: Turnus:Wintersemester Leistungspunkte: 2 Workload (h): 60 Anteil elbststudium (h): 38 W: 2.0 W nach 1.F 2.F 3.F 4.F 5.F 6.F 7.F Detailliertes erständnis zu Aufbau, rogrammierung und praktischem Einsatz von Einchipmikrorechnern (Microcontrollern, Einchipcontrollern) und Digitalen ignalprozessoren. orkenntnisse notwendig: Rechnerarchitekturen 1 oder Technische Informatik 2 oder vergleichbare eranstaltung. empfohlen: Rechnerarchitekturen 2 oder vergleichbare eranstaltung. Aufbau, Funktionsweise, Gemeinsamkeiten und Unterscheidungskriterien von Einchipcontrollern (Einchipmikrorechner, EMR; auch: Mikrocontroller, µc) und Digitalen ignalprozessoren (D); Detaillierte Betrachtung von EMR an Beispielen; Detaillierte Betrachtung von D an Beispielen; rozessorkerne, maschinennahe rogrammierung, integrierte eripheriefunktionen, Entwicklungswerkzeuge Anschriebe, Folien, Rechnerdemonstrationen, Downloads Gelegentlich aktualisierte hinweise und Onlinequellen sind der Webseite zu entnehmen: flichtkennz.: flichtfach 2231 Modulprüfung: iehe dort. Einzelfall: Mündliche rüfung 20 Minuten. verwendet in folgenden tudiengängen Master Ingenieurinformatik 2014 Master Fahrzeugtechnik 2009 Master Ingenieurinformatik 2009 Master Fahrzeugtechnik 2014 Master Informatik 2013 eite 24 von 217

25 eite 25 von 217

26 Integrierte Hard- und oftwaresysteme pezielle Aspekte Integrierter Hard- und oftwaresysteme Fachabschluss: rüfungsleistung mündlich prache: Deutsch 7793 rüfungsnummer: Fachverantwortlich: rof. Dr. Andreas Mitschele-Thiel W nach Turnus:ommersemester Leistungspunkte: 4 Workload (h): 120 Anteil elbststudium (h): 75 W: 2.0 orkenntnisse 1.F 2.F 3.F 4.F 5.F 6.F 7.F Detailliertes fortgeschrittenes erständnis für und Fähigkeiten zu speziellen Themen zu Aufbau, Funktion, Modellierung und Entwurf integrierter Hard- und oftwaresysteme ertiefungskenntnisse zu integrierten Hard- und oftwaresystemen Auswahl von Themen zum fortgeschrittenen tand des Gebietes Integrierte Hard- und oftwaresysteme kurzfristig unter Lehrmaterial auf den WEB-eiten der beteiligten Fachgebiete abrufbare pdf-dateien angaben individuell zu den behandelten Themen in der orlesung bzw. im bereitgestellten Lehrmaterial flichtkennz.: flichtfach Art der Notengebung: Generierte Noten 2235 verwendet in folgenden tudiengängen Master Informatik 2013 Master Ingenieurinformatik 2014 Master Ingenieurinformatik 2009 eite 26 von 217

27 Integrierte Hard- und oftwaresysteme pezielle und Innovative Rechnerarchitekturen Fachabschluss: rüfungsleistung mündlich 20 min prache: Deutsch 173 Fachverantwortlich: Dr. Bernd Däne W nach rüfungsnummer: Turnus:ommersemester 1.F 2.F 3.F 4.F 5.F 6.F 7.F Umfassende Information und detailliertes erständnis der vielfältigen Entwicklungsrichtungen und onderformen von Rechnerarchitekturen orkenntnisse notwendig: Rechnerarchitekturen 1 oder Technische Informatik 2 oder vergleichbare eranstaltung. empfohlen: Rechnerarchitekturen 2 oder vergleichbare eranstaltung. 1. Einleitung 2. ektorrechner 3. irtuelle Befehlssatzarchitekturen 4. Datenfluss-Architekturen 5. rocessing in Memory (IM) 6. Neurocomputer 7. Tendenzen bei teuerfluss-rozessoren 8. Optische Computer 9. Quantencomputer Anschriebe, Folien, Rechnerdemonstrationen, Downloads flichtkennz.: flichtfach Alle Informationen sind auf der Webseite der orlesung zu finden: Leistungspunkte: 2 Workload (h): 60 Anteil elbststudium (h): 38 W: Modulprüfung: iehe dort. Einzelfall: Mündliche rüfung 20 Minuten. verwendet in folgenden tudiengängen eite 27 von 217

28 Master Informatik 2013 Master Ingenieurinformatik 2014 Master Ingenieurinformatik 2009 eite 28 von 217

29 Integrierte Hard- und oftwaresysteme Wireless Internet Fachabschluss: rüfungsleistung mündlich 20 min prache: Deutsch und Englisch 214 rüfungsnummer: Fachverantwortlich: rof. Dr. Andreas Mitschele-Thiel Turnus:ommersemester Leistungspunkte: 2 Workload (h): 60 Anteil elbststudium (h): 32 W: 2.0 W nach 1.F 2.F 3.F 4.F 5.F 6.F 7.F erständnis der robleme und der rotokolle drahtloser I-basierte Kommunikationssysteme orkenntnisse Telematik/Rechnernetze. Grundlagen der drahtlose Übertragung Medienzugriffsverfahren Mobilitätsmanagement Transportprotokolle Quality-of- ervice icherheit Kommunikationssysteme (802.11, GM/GR, UMT) und Hardware von Kommunikationsystemen räsentation, Fragen zum toff räsentationen siehe chiller: Mobilkommunikation flichtkennz.: flichtfach 2235 verwendet in folgenden tudiengängen eite 29 von 217

30 Medieninformatik und irtual Reality Modulnummer: 8228 Modulverantwortlich: rof. Dr. Beat Brüderlin Modulabschluss: Fachprüfung/Modulprüfung generiert Lernergebnisse Umfassende theoretische und praktische Grundlagen der geometrischen Modellierung, der fortgeschrittenen Methoden der Bildverarbeitung, der softaretechnischen Umsetzung komplexer interaktiver ysteme, Techniken der irtuellen Realität der Echtzeitgrafik mit besonderer Behandlung der hardwarenahen Umsetzung von realistischen Echtzeiteffekten. orraussetzungen für die Teilnahme Bachelor, Grundlagen Computergrafik eite 30 von 217

31 Medieninformatik und irtual Reality Computergrafik 2 Fachabschluss: rüfungsleistung schriftlich 60 min prache: keine Angabe flichtkennz.: flichtfach Turnus:Wintersemester 241 rüfungsnummer: Fachverantwortlich: rof. Dr. Beat Brüderlin Leistungspunkte: 3 Workload (h): 90 Anteil elbststudium (h): 68 W: 2.0 W nach F 2.F 3.F 4.F 5.F 6.F 7.F 2252 orkenntnisse Ausgewählte Kapitel neuer Rendering-Technologie: rogrammierbare hader, Deferred hading.ray Tracing, Global Illumination, pherical Harmonics. Diese orlesung ist z.zt. noch in Ausarbeitung. schriftliche rüfung 90 min, mündliches rüfungsgespräch nach ereinbarung verwendet in folgenden tudiengängen Master Informatik 2013 Master Ingenieurinformatik 2014 Master Ingenieurinformatik 2009 eite 31 von 217

32 Medieninformatik und irtual Reality Erfassung und erarbeitung von 3D-Daten Fachabschluss: rüfungsleistung schriftlich 60 min prache: Deutsch flichtkennz.: flichtfach Turnus:ommersemester 239 Fachverantwortlich: Dr. Rico Nestler rüfungsnummer: Leistungspunkte: 4 Workload (h): 120 Anteil elbststudium (h): 98 W: 3.0 W nach 1.F 2.F 3.F 4.F 5.F 6.F 7.F umfassender Überblick zu 3D-Messverfahren, naturwissenschaftliche und technische Grundlagen der berührungslosen 3D- Messtechnik, mathematische Grundlagen zur Modellierung von tereosystemen, shape from motion, optical flow, shape from shading, Laserscanner, Grundlagen zu computertomographischen erfahren, Fokusserien und konfokale Technologien, Laufzeitverfahren (TOF), erarbeitung von unktewolken (Repräsentation, adaptive Filterung, Restauration / Rekonstruktion, egmentierung und Klassifikationnach Typ) orkenntnisse GD 1, systemtheoretische Grundlagen (günstig); Grundlagen der tatistik (günstig) Einleitung mit praktischen Anwendungsbeispielen zur Motivation, physiologische und psychologische Grundlagen der 3D- Wahrnehmung, technische Grundansätze der 3D-Datenerfassung in umfassender Übersicht, im folgenden mit Fokus auf optischen erfahren: mathematische Grundlagen und projektive Räume, monokulare erfahren (shape from motion, shape from shading, shape from texture), binokulares und polynokulares tereo (Grundansätze, Kalibrierung, Réseau-Technik, Bündelausgleich), Korrespondenzanalyse (epipolares und andere Constraints, intensitätsbasierte erfahren, featurebasierte erfahren), strukturiertes Licht (Multilichtschnitt, kodiertes Licht, hasenshift, Moiré), chnitttechniken (konfokale Mikroskopie, Computer Tomography, Fokusserien), ubpixeling (unktalgorithmen, Maximum-Likelihood-chätzung von trukturorten, Kantenalgorithmen), erarbeitung von 3D-unktewolken (Homogenisierung, 3D-Triangulation, Homogenisierung von Triangulationen, Registrierung, Regularisierung, Extraktion von Randkurven) kript Erfassung und erarbeitung von 3D-Daten (144 eiten, IN ), Experimentiermodul I-Toolkit für ebststudium, Demoversion ointwork zum elbststudium Richard Hartley, Andrew Zissermann: Multiple iew geometry in computer vision, Cambridge University ress, eventh rinting 2010,IBN R. Klette, A. Koschan, and K. chlüns, Computer ision - Räumliche Information aus digitalen Bildern. Braunschweig, Wiesbaden: F. ieweg & ohn erlagsgesellschaft mbh, 1996, G. Hauske, ystemtheorie der visuellen Wahrnehmung. tuttgart: B. G. Teubner, 1994, R. M. Haralick and L. G. hapiro, Computer and Robot ision. New York, Bonn, Tokyo, aris, , F. Leavers, hape Detection in Computer ision Using the Hough Transform: priger-erlag, K. oss, R. Neubauer, and M. chubert, Monokulare Rekonstruktion für Robotvision. Aachen: erlag haker, 1995, eite 32 von 217

33 X. Jiang and H. Bunke, Dreidimensionales Computersehen - Gewinnung und Analyse von Tiefenbildern. Berlin, Heidelberg, New York: pringer-erlag, 1996, schriftliche rüfung 60 min, mündliches rüfungsgespräch nach ereinbarung verwendet in folgenden tudiengängen Master Ingenieurinformatik 2014 Master Ingenieurinformatik 2009 Master Medientechnologie 2009 Master Medientechnologie 2013 Master Informatik 2013 eite 33 von 217

34 Medieninformatik und irtual Reality Interaktive Computergrafiksysteme / irtuelle Realität Fachabschluss: rüfungsleistung schriftlich 60 min prache: Deutsch flichtkennz.: flichtfach Turnus:ommersemester 236 rüfungsnummer: Fachverantwortlich: rof. Dr. Beat Brüderlin Leistungspunkte: 3 Workload (h): 90 Anteil elbststudium (h): 68 W: 2.0 W nach 1.F 2.F 3.F 4.F 5.F 6.F 7.F Die orlesung nähert sich dem vielschichtigen Thema grafisch interaktiver Mensch-Computerschnittstellen aus verschiedenen Richtungen und schafft dadurch einen Überblick über die Methodiken. tudierende sollen mit den vermittelten Grundagen (nach eventueller ertiefung im Detail, bzw. mit geeigneten oftwarewerkzeugen) selbständig interaktive Anwendungen entwerfen und umsetzen können. orkenntnisse Grundlagen der Computergrafik Erwünscht: Objektorientiertes rogrammieren 1. Teil: Grundzüge der Mensch-Computer Interaktion: on Eingabegeräten über Betriebssystemunterstützung zur oftwaretechnik. Aspekte der Benutzerfreundlichkeit anhand von tandardsoftware sowie pezialanwendungen - Input Handling (logical devices / GK, request, sampling, event-mode, ergleich der Methoden) - oftwaretechnologiekonzepte für GUI: Objekt-orientiertes Event-handling / Widgets - GUI Design (Anforderungen und Entwurfsgrundsätze) - oftwaretechnik für GUI: Aspect-orientierter Entwurf vs. objekt-orientierte Methoden, Entwurfsmuster, UIM - Diskussion spezieller Interaktions-Konzepte f. 2D- und 3D-Interaktion für das "Desktop aradigma" (Usability Aspekte, Diskussion der Entwurfsregeln an Beispiel-Anwendungen) 2. Teil beschäftigt sich mit speziellen Geräten und Methoden der irtuellen und Erweiterten Realität - irtual Reality: Grundlagen & Geräte, Tracking ysteme - Augmented Reality: Geräte und Methoden cripte und Folienkopien 1) Computer Graphics, rinciples and ractice. J.D. Foley, A. van Dam,.K. Feiner, J.F. Hughes, Addison-Wesley, ) 3D User Interfaces: Theory and ractice, Doug A. Bowman, Ernst Kruijff, Joseph J. Laviola, Addison-Wesley Longman, Amsterdam (26. Juli 2004) 3) ideo «Doing with Images Makes ymbols» (Dr. Alan Kay, 1987): Teil 1: Teil 2: 4) Design atterns - Elements of Reusable Object-Oriented oftware. Erich Gamma, Richard Helm, Ralph Johnson und John lissides, Addison 2252 verwendet in folgenden tudiengängen Master Ingenieurinformatik 2014 eite 34 von 217

35 Bachelor Ingenieurinformatik 2008 Master Ingenieurinformatik 2009 Master Medientechnologie 2009 Master Medientechnologie 2013 Master Informatik 2013 eite 35 von 217

36 ACHTUNG: Fach wird nicht mehr angeboten! Medieninformatik und irtual Reality Bildanalyse für 3D-Oberflächen- und olumendaten Fachabschluss: rüfungsleistung schriftlich 60 min prache: keine Angabe flichtkennz.: flichtfach Turnus:ommersemester 8230 Fachverantwortlich: Dr. Karl-Heinz Franke rüfungsnummer: Leistungspunkte: 2 Workload (h): 60 Anteil elbststudium (h): 49 W: 1.0 W nach 1.F 2.F 3.F 4.F 5.F 6.F 7.F orkenntnisse schriftliche rüfung 60 min verwendet in folgenden tudiengängen Master Ingenieurinformatik 2009 eite 36 von 217

37 Medieninformatik und irtual Reality Geometrische Modellierung Fachabschluss: rüfungsleistung schriftlich 60 min prache: Deutsch flichtkennz.: flichtfach Turnus:ommersemester 240 rüfungsnummer: Fachverantwortlich: rof. Dr. Beat Brüderlin Leistungspunkte: 4 Workload (h): 120 Anteil elbststudium (h): 86 W: 3.0 W nach 1.F 2.F 3.F 4.F 5.F 6.F 7.F ermittlung mathematischer und informationstechnischer Grundlagen geometrischer Modellierungssoftware / Computer Aided Design (CAD). Die orlesung wendet sich sowohl an Entwickler von CAD-oftware, als auch an den interessierten Anwender solcher ysteme. orkenntnisse Algorithmen und Datenstrukturen, Computergrafik Grundlagen / lineare Algebra Mathematische Grundlagen,Datenrepräsentierungen, geometrische Operationen: Metrik, metrische Räume, Metriken (L-2, L-1, L-unendlich), Epsilon-Umgebung, offene (abgeschlossene) Mengen, Nachbarschaft, Operatoren: Abschluss, Inneres, Komplement, Rand, Boolesche Mengenoperationen (ereinigung, Durchschnitt, Differenz) Abstandsfunktionen für Mengen, roblematik nichtmetrischer Abstandsfunktionen. Hausdorff-Metrik. Topologie, topologische Räume, stetige Abbildungen, Homöomorphismen, homöomorph. Einbettung, topologische Dimension, reguläre Körper, reguläre Mengenoperationen (praktische Bedeutung) d-implexe, simpliziale Komplexe. Orientierung, Orientierbarkeit Mannigfaltigkeiten (3-, 2-Mannigfaltigkeit mit, bzw. ohne Rand) 2-Mannigfaltigkeit als simplizialer Komplex, seudo 2-Mannigfaltigkeit. olyedertehorie: olyedersatz, Eulercharakteristik, latonische Körper (Hinweise: Kristalle, Dreiecksnetze / peicherbedarf. geometriebasierte Datenkompression.) Euleroperatoren, Euler oincarré Charakteristik. Euler Operatoren auf simplizialen Komplexen, abstrakte olyeder. Beispiele für Euler-oincarré Charakteristik Überblick / Zusammenhänge der Definitionen (reguläre Mengen, 2-Mannigfaltigkeiten / simpl. Kompl. Euler) Konkrete Darstellung von Objekten als strukturierte Mengen, Datenrepräsentierung als funktionale Abbildung (ollständigkeit, Eindeutigkeit, Genauigkeit, Effizienz, etc.) B-Rep, CG, Winged Edge, Drahtmodelle, oxel, implex. Algorithmische Umsetzung von regularisierten Mengenoperationen auf olyedern. Robustheit geometrischer Algorithmen. Intuitionistische Inzidenzrelation. Effiziente geometrische Datenstrukturen & Algorithmen: Algorithmen: Einführung, algorithm. Komplexität, räumliche (mehrdimensionale) uchstrukturen: Grid, oxel, Octree, K-d-Bäume, Grid-file, hierachische AABB, OBB, k-do, R* unktsuche, Bereichsuche, körperhafte Objekte als hochdimensionale unkte, Hüllkörperhierarchie mit Überlappung, Nachbarschaftssuche, Anwendungsbsp. Ray Tracing, Kollisionserkennung (hysiksimulation, Boolean) Effiziente geometrische Datenstrukturen & Algorithmen: Konvexe Hüllen. Definition und Konstruktion. Methode mit tützgeraden. Erweiterung auf höhere Dimensionen. Konvexe Hüllen. Fächermethode nach Graham + Divide & Conquer chneiden von Liniensegmenten mit dem lane weep erfahren. oronoi-zellen, Delaunay Triangulierung, kelette. Output-ensitivität, Temporale Kohärenz, tochastische Algorithmen. Kurven & Flächen: Implizite vs. explizite (parametrische) Kurven, Ferguson- Darstellung, Bezier-Darstellung. De Casteljau-Beziehung. Konvexe-Hüllen-Eigenschaft. De Casteljau-Zerlegung. Flatnesstest, adaptive Zerlegung /Approximation. Eigenschaften: ositive Definiteness, ariation-diminishing eite 37 von 217

38 Eigenschaft Bezier Flächen. Zerlegung in Zeilen- und paltenkurven. Adaptive, rekursive Zerlegung v. Bezierflächen nach de Casteljau. Computer Algebra Methoden (Gröbner Basen, Resultante) olynomgrad von Flächen und Trimmkurven sowie Flächenschnitten. Rationale Bezierkurven B-pline-Kurven (tückweise olynomkurven) Freiformflächen (Trimmkurven, Komposition, T-NURB, Tesselierung) Computer Aided Design Modellieroperationen im CAD, CAD ysteme / Kernel (Open ource) Feature-basiertes, parametrisches Modellieren mit CAD. Aktuelle kripte / Ergänzungen, siehe orlesungs-webseiten des Fachgebietes Grafische Datenverarbeitung (Fakultät IA) Brüderlin, B., Meier, A., Computergrafik und geometrisches Modellieren, Teubner-erlag, 2001 Christopher M. Hoffmann, Geometric and olid Modeling, Morgan Kaufmann ublishers 2nd Edition, 1992 (this book is out of print. For an online copy: ) verwendet in folgenden tudiengängen Master Informatik 2013 Master Mathematik und Wirtschaftsmathematik 2008 eite 38 von 217

39 ACHTUNG: Fach wird nicht mehr angeboten! Medieninformatik und irtual Reality ertiefung Bildverarbeitung und Mustererkennung Fachabschluss: rüfungsleistung schriftlich 60 min prache: keine Angabe flichtkennz.: flichtfach Turnus:ommersemester 8229 Fachverantwortlich: Dr. Karl-Heinz Franke rüfungsnummer: Leistungspunkte: 4 Workload (h): 120 Anteil elbststudium (h): 86 W: 3.0 W nach 1.F 2.F 3.F 4.F 5.F 6.F 7.F orkenntnisse verwendet in folgenden tudiengängen Master Elektrotechnik und Informationstechnik 2014 ertiefung ATE eite 39 von 217

40 Data Analytics and oft Computing Modulnummer: 8231 Modulverantwortlich: rof. Dr. Kai-Uwe attler Modulabschluss: Fachprüfung/Modulprüfung generiert Lernergebnisse Nach dem Besuch der eranstaltungen dieses Moduls verfügen die tudierenden über fortgeschrittene Kenntnisse in ausgewählten Bereichen der Datenanalyse mit Methoden der tatistik, des maschinellen Lernens und der Logik. ie können roblemstellungen und Lösungen aus diesem Bereichen erklären und bewerten. Die tudierenden sind in der Lage, die vermittelten Methoden für praktische Aufgabenstellungen der Datenanalyse, der Wissensentdeckung und verarbeitung anzuwenden und darauf aufbauend eigene Lösungen zu entwickeln. orraussetzungen für die Teilnahme keine keine eite 40 von 217

41 Data Analytics and oft Computing Inferenzmethoden Fachabschluss: rüfungsleistung schriftlich 60 min prache: Deutsch, auf Nachfrage flichtkennz.: flichtfach Turnus:Wintersemester Englisch 220 Fachverantwortlich: rof. Dr. Rainer Knauf rüfungsnummer: Leistungspunkte: 3 Workload (h): 90 Anteil elbststudium (h): 68 W: 2.0 W nach angewandte Grundlagen, ermittlung neuester Techniken orkenntnisse 1.F 2.F 3.F 4.F 5.F 6.F 7.F Kenntnisse in mathematischer Logik: rädikatenkalkül der 1. tufe, Deduktion, rogrammierfertigkeiten in Logischer rogrammierung (alle orkenntnisse nach erfolgreicher Absolvierung der L Künstliche Intelligenz vor) kript, ower-oint räsentation, Aufgabensammlung (1) rädikatenkalkül der ersten tufe (K1): Wiederholung und sinnvolle Ergänzungen (ortenlogik, rädikatenkalkül der ersten tufe mit Gleichheit) (2) problembezogene Wissensrepräsentationen der KI und arianten der Implementierung von Inferenzmethoden darüber (3) Deduktion: Grundlagen, Deduktionssysteme, Komplexitätsbetrachtungen (4) Induktion und maschinelles Lernen: Erlernen von Klassifikationsregeln aus Beispielen, Erlernen eines besten induktiven chlusses im rädikatenkalkül der ersten tufe, erfahren zur Ermittlung des speziellsten Anti-Unifikators über K1-Ausdrücken, Klassifikation nach Bayes (1) Luger: Künstliche Intelligenz: trategien zur Lösung komplexer robleme. München: earson tudium (Übersetzung aus dem Addison-Wesley erlag), 4. Aufl., 2001 (2) Russel/Norvig: Künstliche Intelligenz: Ein moderner Ansatz, München: earson tudium (Übersetzung aus dem Addison-Wesley erlag), 2004 (3) Knauf: Logische rogrammierung und Wissensbasierte ysteme: Eine Einführung. Aachen: haker, verwendet in folgenden tudiengängen Master Informatik 2013 Master Ingenieurinformatik 2014 eite 41 von 217

42 Master Ingenieurinformatik 2009 eite 42 von 217

43 Data Analytics and oft Computing Knowledge Discovery in Databases Fachabschluss: rüfungsleistung mündlich 30 min prache: Deutsch 8232 rüfungsnummer: Fachverantwortlich: rof. Dr. Kai-Uwe attler Turnus:Wintersemester Leistungspunkte: 4 Workload (h): 120 Anteil elbststudium (h): 86 W: 3.0 W nach 1.F 2.F 3.F 4.F 5.F 6.F 7.F Die tudierenden verstehen nach dem Besuch dieser eranstaltung fortgeschrittene Konzepte des Data Mining. ie kennen den rozess der Wissensentdeckung in Datenbanken sowie konkrete Teilaufgaben dieses rozesses. ie verstehen erfahren zum Data Mining für spezielle roblemstellungen wie die Analyse von Datenströmen, raum- bzw. zeitbezogenen Daten und Graphstrukturen. Die tudierenden sind in der Lage, konkrete Data-Mining-erfahren hinsichtlich des Einsatzes für konkrete Aufgabenstellungen auszuwählen, zu bewerten und anzuwenden. orkenntnisse orlesungen Datenbanksysteme, tatistik Einführung; Grundlagen: tatistik, Daten, Datenaufbereitung; Klassische Data-Mining-Techniken: Clustering, Frequent Itemset Mining, Klassifikation; Online Mining in Datenströmen: Datenstromverarbeitung, Datenzusammenfassungen, Frequent attern Mining, Clustering in Datenströmen, Klassifikation; Graph Mining: Mustersuche in Graphen, Erkennen von Communities, Erkennung häufiger ubgraphen, patio-temporal Mining: equential attern Mining, räumliche Ausreißer und Clustering, rediktion; Big Data Analytics: MapReduce und Hadoop, Data-Mining-Tasks in Hadoop orlesung mit räsentation und Tafel, Handouts, Moodle. Kumar, M. teinbach,. Tan: Introduction to Data Mining, Addison Wesley, J. Han, M. Kamber, J. ei: Data Mining: Concepts and Techniques, 3. Auflage, Morgan Kaufmann ublishers, M. Ester, J. ander: Knowledge Discovery in Databases, pringer erlag, flichtkennz.: flichtfach 2254 verwendet in folgenden tudiengängen Master Wirtschaftsinformatik 2011 Master Wirtschaftsinformatik 2013 eite 43 von 217

44 Master Wirtschaftsinformatik 2009 Master Wirtschaftsinformatik 2014 Master Informatik 2013 Master Wirtschaftsinformatik 2015 eite 44 von 217

45 ACHTUNG: Fach wird nicht mehr angeboten! Data Analytics and oft Computing oftcomputing 2 Fachabschluss: rüfungsleistung schriftlich 60 min prache: Deutsch flichtkennz.: flichtfach Turnus:Wintersemester 180 rüfungsnummer: Fachverantwortlich: rof. Dr. Horst-Michael Groß Leistungspunkte: 2 Workload (h): 60 Anteil elbststudium (h): 49 W: 1.0 W nach F 2.F 3.F 4.F 5.F 6.F 7.F In der orlesung oftcomputing II lernen die tudenten die Begriffswelt der Gen. Algorithmen (GA) und der evolut. trategien (E) verstehen. ie verstehen übergreifende Ansätze zur Lösung von Klassifikations- und Regelungs- und Optimierungsproblemen mit GA/E-Methoden. Die tudierenden sind in der Lage, Fragestellungen aus dem o. g. roblemkreisen zu analysieren, durch Anwendung des behandelten Methodenspektrums Lösungskonzepte zu entwerfen und diese auf technische und biomedizinische Fragestellungen zu applizieren, sowie bestehende Lösungskonzepte zu bewerten. orkenntnisse Neuroinformatik; oftcomputing 2233 Begleitmaterial zur orlesung (owerpoint-folien); Java-Applets; oftwarebeispiele Nissen,. : Einführung in Evolutionäre Algorithmen. ieweg-lg. Braunschweig, 1997 Jacob, Ch.: rincipia Evolvica. dpunkt.verlag, Heidelberg, 1997 Gerdes, I., Klawonn, F., Kruse, R.: Evolutionäre Algorithmen. ieweg-lg. Wiesbaden, 2004 Heistermann, J.: Genetische Algorithmen. B.G. Teubner erlagsgesellschaft, tuttgart, Leipzig, 1994 Lippe, W.-M.: oft-computing. pringer-erlag, Berlin, Heidelberg, 2006 Rechenberg, I.: Evolutionsstrategie 94, frommann-holzboog lg., tuttgart, 1994 verwendet in folgenden tudiengängen eite 45 von 217

46 Data Analytics and oft Computing Data Mining Fachabschluss: rüfungsleistung schriftlich 60 min prache: Deutsch, auf Nachfrage flichtkennz.: flichtfach Turnus:ommersemester Englisch 221 Fachverantwortlich: rof. Dr. Rainer Knauf rüfungsnummer: Leistungspunkte: 3 Workload (h): 90 Anteil elbststudium (h): 68 W: 2.0 W nach ermittlung von grundlegender Methoden und Techniken orkenntnisse kript, ower-oint räsentation, Aufgabensammlung 1.F 2.F 3.F 4.F 5.F 6.F 7.F fundierte Kenntnisse in mathematischer Logik und Wahrscheinlichkeitstheorie (1) Motivation, typische Aufgabenklassen und Anwendungen, tufenprozess zur Modellbildung, Entropie der Information, (2) Erlernen von Entscheidungsbäumen: schrittweise erfeinerung von ID3 zu C 4.5 (numerische Attribute, fehlende Attribute), (3) Entscheidungsbäume über regulären atterns, (4) Erlernen von Klassifikationsregeln: binäre Klassifikation nach John tuard Mill (JM), (5) Assoziations-Analyse und deren erfeinerung (kategorische Attribute others, numerische Attribute), (6) knn-klassifikation (1) Tan, ang-ning; teinbach, Michael; Kumar, ipin: Introduction to Data Mining. IBN, earson Education, (2) Markus Lusti: Data Warehousing and Data Mining: Eine Einführung in entscheidungsunterstützende ysteme, IBN , pringer, (3) etersohn, Helge: Data Mining. erfahren, rozesse, Anwendungsarchitektur. IBN , Oldenbourg erlag, (4) Lawrence, Kennth D.; Kudyba, tephan, Klimberg, Ronald K.: Data Mining Methods and Applications, IBN , Boca Raton, FL u.a.: Auerbach, verwendet in folgenden tudiengängen Master Informatik 2013 Master Ingenieurinformatik 2014 Master Ingenieurinformatik 2009 eite 46 von 217