CE-Bachelor Studiengang

Transkript

1 CE-Bachelor Studiengang Vertiefungsrichtung Informatik Prof. Dr. Felix Wolf 3/7/17 Vertiefungsrichtung Informatik 1

2 Studienplan CE (Bachelor) Semester Fachrichtungen Semester 1-4 Gemeinsame Grundlagenfächer 3/7/17 Vertiefungsrichtung Informatik 2

3 Studienplan CE (Bachelor) Semester 5-6 Mathematik Bauingenieurwesen und Geodäsie Maschinenbau Elektrotechnik und Informationstechnik Informatik Prüfungsplan für das 5. und 6. Fachsemester muss spätestens am Ende des 3. Semesters vorgelegt werden! Semester 1-4 Gemeinsame Grundlagenfächer 3/7/17 Vertiefungsrichtung Informatik 3

4 Studienplan CE (Bachelor) Semester 5-6 Mathematik Bauingenieurwesen und Geodäsie Maschinenbau Elektrotechnik und Informationstechnik Informatik Prüfungsplan für das 5. und 6. Fachsemester muss spätestens am Ende des 3. Semesters vorgelegt werden! Semester 1-4 Gemeinsame Grundlagenfächer 3/7/17 Vertiefungsrichtung Informatik 4

5 Fachrichtung Informatik 5. & 6. Semester: 60 CP Pflichtbereich (12CP) Programmierung Massiv-Paralleler Prozessoren Visual Computing Software Engineering Wahlpflichtbereich (36CP) Maximal 12CP durch Praktikum oder Seminar Bachelor Thesis (12CP) 3/7/17 Vertiefungsrichtung Informatik 5

6 Informatik Bereiche Simulation and Robotics Optimierung statischer und dynamischer Systeme Physikalisch basierte Simulation Robotik Human-Computer Systems Bildverarbeitung Grafische Datenverarbeitung Software Engineering Formale Programmanalyse Moderne Softwareentwicklung Softwaresystemtechnologie Data and Knowledge Engineering Künstliche Intelligenz Data Mining Maschinelles Lernen 3/7/17 Vertiefungsrichtung Informatik 6

7 Neue Namen für Informatik Bereiche Alt Computational Engineering Software Engineering Human Computer Systems Data and Knowledge Engineering Neu Robotik, Computational und Computer Engineering Software Systeme und formale Grundlagen Visual & Interactive Computing Web, Wissens- und Informationsverarbeitung 3/7/17 Vertiefungsrichtung Informatik Stefan Kurowski 7

8 Fachgebiete mit engem Bezug zu CE Fachgebiet Scientific Computing Graphics, Capture and Massively Parallel Computing Intelligente Autonome Systeme Simulation, Systemoptimierung und Robotik Parallele Programmierung Prof. Bischof Gösele Peters von Stryk Wolf 3/7/17 Vertiefungsrichtung Informatik Stefan Kurowski 8

9 Scientific Computing (Prof. Christian Bischof) Tools for parallel programs Intelligent instrumentation (so you do not get killed by overhead) Trust in measurements (If the instrumented program runs 10% slower, is the level 1 cache miss ratio 10% more as well?) Parallel algorithms Lattice-based cryptography (breaking codes on HPC architectures) Super carbon nanotubes Automatic differentiation and beyond Tools that augment a computer program, so it computes derivatives (for codes with lines of codes) Tools to enable operator overloading (it is easy in theory)

10 Teaching & Beyond In SS17: Seminar Heterogeneous Parallel Programming Seminar Automatic Code Generation In WS17/18: To be announced In SS18: New course on Parallel Algorithms and HPC Co-Design BS/MS/PhD Thesis + Hiwi possibilities in

11 Graphics, Capture and Massively Parallel Computing (GCC) Prof. Dr.-Ing. Michael Goesele massively parallel computing methods Example: Auto-tuning of memory structures. Which data to store where in GPU memory? Weber and Goesele: Adaptive GPU Array Layout Auto- Tuning. Software Engineering Methods for Parallel and High Performance Applications (SEM4HPC) /7/17 Vertiefungsrichtung Informatik 11

12 Graphics, Capture and Massively Parallel Computing (GCC) massively parallel computing with applications in CE (e.g. optimization) and visual computing (computer graphics, computer vision) Example: Texture assignment for 3D reconstructed geometry Which input image provides texture for a triangle? Thuerck et al.: A Fast, Massively Parallel Solver for Large, Irregular Pairwise Markov Random Fields. High Performance Graphics /7/17 Vertiefungsrichtung Informatik 12

13 Intelligente Autonome Systeme (Prof. Dr. Jan Peters) Robotik Roboter Tisch-Tennis Nichtlineare Regelung Operationsraum-Regelung Roboter-Greifen und Manipulation Robot Skill Learning Biomimetik Brain-Robot Interfaces Modell. menschl. Bewegungen Biolog.-inspirierte Regelung&Lernen Erlernen von Motorfähigkeiten Modell-Lernen, Lernende Regler Lernen von Taktile Umgebungserfassung Machinelles Lernen Imitations-Lernen Real-Zeit Regression Reinforcement Learning Mustererkennung in Zeitreihen

14 Themenbereiche für Abschlussarbeiten 1. Algorithmenentwicklung im Maschinellen Lernen und deren Erprobung. 2. Lösung von Robotik-Problemen durch Einsatz von künstlicher Intelligenz. 3. Modellierung von biologischen Motorlernen und Aktionsgeneration mit Hilfe von Computational Models. 4. Anwendung in Human-centered Robotics, Brain-Robot Interfaces, etc.

15 Prof. Dr. Oskar von Stryk Simulation, Systemoptimierung & Robotik Forschungsthemen Biomechanisch inspirierte Roboter Beispiele fertiggestellter CE-Abschlussarbeiten Aufbau und Validierung eines elastischen Manipulatormodells Vorwärtsdynamiksimulation von biomechanischen Systemen Interdisziplinäre Themen 3/7/17 Vertiefungsrichtung Informatik 15

16 Prof. Dr. Oskar von Stryk Simulation, Systemoptimierung & Robotik Forschungsthemen Autonome und kooperative Roboter Humanoide Roboteravatare Such- und Rettungsroboter Beispiele fertiggestellter CE-Abschlussarbeiten Modulare Weltmodellierung und Kommunikation in heterogenen Robotersystemen Entwicklung eines Systems zur Zustandsschätzung für einen teleoperierten Humanoidroboter Interdisziplinäre Themen Interdisziplinäre Teams & internationale Wettbewerbe Intelligente Roboter zur Ferninspektion von Anlagen 3/7/17 Vertiefungsrichtung Informatik 16

17 Parallele Programmierung (Prof. Dr. Felix Wolf) Geschwindigkeit von Einzelprozessoren stagniert seit etwa 15 Jahren Parallelisierung daher oft einzige Möglichkeit, Programme nachhaltig zu beschleunigen Schwerpunkt Methoden, Werkzeuge und Algorithmen zur Nutzung massiver Parallelität 3/7/17 Vertiefungsrichtung Informatik Stefan Kurowski 17

18 Themenbereiche für Abschlussarbeiten Werkzeuge zur Parallelisierung sequentieller Programme Werkzeuge zur Leistungsmodellierung paralleler Programme Dynamische Schedulingverfahren für Rechencluster Massiv-parallele Algorithmen z.b. für die Gehirnforschung oder Sprachverarbeitung n f (p) = c k p i k log j k 2 (p) k=1 3/7/17 Vertiefungsrichtung Informatik Stefan Kurowski 18

19 Beispiele für Lehrveranstaltungen Veranstaltung Seminar Heterogeneous Parallel Programming Seminar Automatic Code Generation Parallel Algorithms and HPC Co-Design (ab SS18) Capturing Reality Programming Massively Parallel Processors Lernende Roboter Integriertes Projekt: Robotik & Maschinelles Lernen 1, 2 Maschinelles Lernen 1 -- Statistische Methoden Grundlagen der Robotik (Vorlesung mit Übung) Optimierung statischer und dynamischer Systeme Integriertes Robotik-Projekt Teil 1 und 2 Multithreading in C++ Advanced Multithreading in C++ Prof. Bischof Gösele Peters von Stryk Wolf 3/7/17 Vertiefungsrichtung Informatik Stefan Kurowski 19

20 Ansprechpartner Name Prof. Dr. Christian Bischof Prof. Dr. Michael Gösele Prof. Dr. Jan Peters Prof. Dr. Oskar von Stryk Prof. Dr. Felix Wolf 3/7/17 Vertiefungsrichtung Informatik Stefan Kurowski 20