Modulhandbuch Master Ingenieurinformatik rüfungsordnungsversion: 2014 Erstellt am: Mittwoch 01 Oktober 2014 aus der O Datenbank der TU Ilmenau
Inhaltsverzeichnis Name des Moduls/Fachs 1.F 2.F 3.F 4.F 5.F 6.F 7.F Abschluss L Fachnr. Medizintechnik F 0 Hauptseminar BMT 0 2 0 L 4 1685 raktikum BMT 0 0 1 0 0 2 L 4 8411 Designprojekt BMT Msc F 6 100681 Designprojekt 0 4 0 L 6 7868 Klinische erfahren F 6 101355 Klinisches eminar "Medizinische Grundlagen" L 1 1701 Klinische erfahren 2 0 0 L 120min 6 100526 Klinische erfahren 1 2 0 0 L 2 1696 Klinische erfahren 2 2 0 0 L 3 1697 Biomedizinische Mess- und Therapietechnik MO 6 100800 Biomedizinische Mess- und Therapietechnik 2 1 0 2 0 0 L 6 100308 Biomedizinische Technik F 7 100342 Biomedizinische Technik 4 1 0 L 7 100342 Biosignalverarbeitung F 8 100341 Biosignalverarbeitung 4 2 0 L 8 100341 Medizinische Informatik F 6 101356 Medizinische Informatik 1 1 0 2 1 0 L 6 101159 Nichttechnisches Nebenfach MO 5 Nichttechnisches Nebenfach: tudienleistung 1 L 0 0000 Nichttechnisches Nebenfach: tudienleistung 2 L 0 0000 Informationstheorie und Codierung F 5 Informationstheorie und Codierung 2 1 1 L 30min 4 1378 Masterarbeit II F 30 Kolloquium zur Master-Arbeit L 30min 10 101480 Masterarbeit MA 6 20 7461 Komplexe Informationstechnische ysteme - Grundlagen F 5 Komplexe Informationstechnische ysteme - Grundlagen 2 1 1 L 5 100516 rojektseminar zum tudienschwerpunkt II Msc MO 6 rojektseminar zum tudienschwerpunkt 0 4 0 L 6 100514 Technische Kybernetik - ystemtechnik F 0
Hauptseminar Technische Kybernetik - ystemtechnik 0 2 0 L 4 101187 Diagnose- und orhersagesysteme F 5 100905 Diagnose- und orhersagesysteme 2 1 1 L 5 101191 Adaptive und strukturvariable Regelungssysteme F 5 100908 Adaptive und strukturvariable Regelungssysteme 2 1 1 L 5 100755 Fuzzy und Neuro Control F 5 100723 Fuzzy- and Neuro Control 2 1 1 L 5 100726 Nichtlineare Regelungssysteme 1 F 5 100722 Nichtlineare Regelungssysteme 1 2 1 1 L 5 100498 Nichtlineare Regelungsysteme 2 F 5 100907 Nichtlineare Regelungssysteme 2 2 1 1 L 5 100762 Kommunikations- und Bussysteme F 5 100900 Kommunikations- und Bussysteme 2 1 1 L 5 100768 Wissensermittlung F 5 101353 Wissensermittlung 2 1 1 L 5 101192 Hierarchische teuerungssysteme F 5 100906 Hierarchische teuerungssysteme 2 1 1 L 5 101193 Ereignisdiskrete ysteme F 5 100903 Ereignisdiskrete ysteme 3 1 0 L 30min 5 7631 rozess- und Umweltsystemtechnik F 5 101354 rozess und Umweltsystemtechnik 3 1 0 L 30min 5 101195 Integrierte Hard- und oftwaresysteme F 0 Hauptseminar Integrierte Hard- und oftwaresysteme 0 2 0 L 4 101188 rogrammierbare Logikbausteine F 5 100697 rogrammierbare Logikbausteine 1 1 2 L 30min 5 100759 Rechnergestützte chaltungssimulation und deren Algorithmen (EDA) Rechnergestützte chaltungssimulation und deren Algorithmen (EDA) Fortgeschrittene Modellierung und Rechnerarchitekturen Fortgeschrittene Modellierung und Rechnerarchitekturen F 5 100696 2 2 0 L 30min 5 100473 F 8 101319 L 8 101157 Einchipcontroller und Digitale ignalprozessoren 2 0 0 L 0 174 pezielle und Innovative Rechnerarchitekturen 2 0 0 L 0 173 Technische Applikation von etri-netzen 2 1 0 L 0 171 Advanced Mobile Communication Networks F 5 101360 Advanced Mobile Communication Networks 2 2 0 2 2 0 L 30min 5 100500
Leistungsbewertung Technischer ysteme F 5 101318 Leistungsbewertung Technischer ysteme 2 2 0 L 5 101158 pezielle Aspekte Integrierter Hard- und oftware- ysteme pezielle Aspekte Integrierter Hard- und oftwaresysteme F 5 101320 2 2 0 L 5 7793 Kognitive Technische ysteme F 0 Hauptseminar Kognitive Robotik 0 2 0 L 4 101186 Kognitive Robotik F 4 101336 Kognitive Robotik L 30min 6 181 Kognitive ysteme / Robotik 2 0 0 L 3 181 Lernen in kognitiven ystemen 2 1 0 L 0 182 Robotvision & MMI F 4 101337 Robotvision & MMI L 120min 6 101148 Mensch-Maschine-Interaktion 2 0 0 L 0 101352 Robotvision 2 1 0 L 0 183 ystemtechnik für die Bildverarbeitung F 4 101338 ystemtechnik für die Bildverarbeitung L 60min 5 101150 Bilderfassungssysteme 2 0 0 L 0 8198 Komponenten von Bildaufnahmeeinheiten 2 0 0 L 0 8316 3D-Bildverarbeitung F 4 101323 3D-Bildverarbeitung L 120min 6 101149 Erfassung und erarbeitung von 3D-Daten 2 1 0 L 0 239 Bildanalyse für 3D-Oberflächen- und olumendaten oftwarearchitekturen - von Requirements zum angepassten Entwurf oftwarearchitekturen - von Requirements zum angepassten Entwurf 2 0 0 L 0 8230 F 4 101329 3 2 0 L 6 101151 Knowledge Engineering F 4 101324 Knowledge Engineering L 120min 7 101152 Data Mining 2 0 0 L 0 221 Evolutionäre erfahren 1 0 0 L 0 101153 Inferenzmethoden 2 0 0 L 0 220 Objektorientierte Modellierung F 4 101332 Objektorientierte Modellierung 2 1 0 L 90min 5 101154 Dynamische rozessoptimierung F 5
Dynamische rozessoptimierung 2 1 1 L 5 8195 tudienschwerpunkt F 34 F 0 0000 Multimediale Informations- und Kommunikationssysteme F 0 Hauptseminar Multimediale Informations- und Kommunikationssysteme 0 2 0 L 4 101189 Advanced Networking Technologies F 5 101334 Advanced Networking Technologies 3 0 0 L 20min 5 5642 Netzalgorithmen F 5 100525 Netzalgorithmen 2 1 0 L 20min 5 8215 Theoretische Aspekte der Kommunikationsnetze F 5 100735 Theoretische Aspekte der Kommunikationsnetze 4 1 0 L 30min 5 5652 rotokolle und Dienste der Mobilkommunikation F 5 101351 rotokolle und Dienste der Mobilkommunikation 2 1 1 L 20min 5 5203 chutz von Kommunikationsinfrastrukturen F 5 101335 chutz von Kommunikationsinfrastrukturen 3 0 0 L 20min 5 5641 Distributed Data Management F 5 101328 Distributed Data Management 2 1 0 L 30min 5 101155 Transaktionale Informationssysteme F 5 100524 Transaktionale Informationssysteme 2 1 0 L 20min 5 254 Advanced Mobile Communication Networks F 5 5837 Advanced Mobile Communication Networks 2 2 0 2 2 0 L 30min 5 100500 Interaktive Grafiksysteme F 6 101322 Interaktive Grafiksysteme L 120min 6 101156 Computergrafik 2 2 0 0 L 0 241 Interaktive Grafiksysteme 2 0 0 L 0 101156 Network ecurity F 5 101295 Network ecurity 3 0 0 L 20min 5 5645 Cellular Communication ystems F 5 5844 Cellular Communication ystems 2 2 0 L 30min 5 100501 erteilte Echtzeitsysteme F 5 101333 erteilte Echtzeitsysteme 3 1 0 L 20min 5 260 Mobilfunk F 0 Hauptseminar Mobilfunk 0 2 0 L 4 101190 Advanced Networking Technologies F 5 101334
Advanced Networking Technologies 3 0 0 L 20min 5 5642 Antennen F 5 100685 Antennen 2 1 1 L 30min 5 5168 Digitale Messdatenverarbeitung 1 F 5 101357 Digitale Messdatenverarbeitung 1 2 2 0 L 30min 5 5180 Digitale Messdatenverarbeitung 2 F 5 101358 Digitale Messdatenverarbeitung 2 2 2 0 L 30min 5 5181 Funknavigation und UWB-Radarsensorik F 6 100694 Funknavigation und UWB-Radarsensorik 4 1 0 L 60min 6 100472 Mobile Communications F 5 100683 Mobile Communications 3 1 0 L 30min 5 5176 Adaptive and Array ignal rocessing F 5 100503 Adaptive and Array ignal rocessing 3 1 0 L 30min 5 5581 Funksysteme F 5 100687 Funksysteme 3 1 0 L 30min 5 5175 Messsysteme der Informations- und Kommunikationstechnik Messsysteme der Informations- und Kommunikationstechnik F 5 100684 3 1 0 L 30min 5 5170 Implementation of Broadcasting ystems F 5 100739 Implementation of Broadcasting ystems 2 2 0 L 30min 5 8294
Modul: Dynamische rozessoptimierung Modulnummer: 100355 Modulverantwortlich: rof. Dr. u Li Modulabschluss: Fachprüfung/Modulprüfung generiert Lernergebnisse Die tudierenden können die Grundlagen, roblemstellungen und Methoden der dynamischen rozessoptimierung klassifizieren, Methoden und Werkzeuge anwenden, unterschiedliche roblemstellungen und mathematische Herleitungen analysieren und generieren optimale teuerungen berechnen sowie Anwendungsfälle für industrielle rozesse analysieren, entwickeln und bewerten. orraussetzungen für die Teilnahme Grundlagen der Mathematik, hysik, Elektrotechnik, Regelungs- und ystemtechnik, rozessoptimierung 1 1) Mündliche rüfung, 30 min. und 2) Unbenoteter chein (Testat) für raktikum eite 7 von 207
Modul: Dynamische rozessoptimierung Dynamische rozessoptimierung Fachabschluss: rüfungsleistung alternativ prache: Deutsch Fachnummer: 8195 Fachverantwortlich: rof. Dr. u Li W nach Fachsemester 2 1 1 Lernergebnisse / Kompetenzen Die tudierenden können rüfungsnummer:220372 Turnus:ommersemester 1.F 2.F 3.F 4.F 5.F 6.F 7.F die Grundlagen, roblemstellungen und Methoden der dynamischen rozessoptimierung klassifizieren, Methoden und Werkzeuge anwenden, unterschiedliche roblemstellungen und mathematische Herleitungen analysieren und generieren optimale teuerungen berechnen sowie Anwendungsfälle für industrielle rozesse analysieren, entwickeln und bewerten orkenntnisse Grundlagen der Mathematik, hysik, Elektrotechnik; Regelungs- und ystemtechnik Inhalt Indirekte erfahren - ariationsverfahren, Optimalitätsbedingungen - Das Maximum-rinzip - Dynamische rogrammierung - Riccati-Optimal-Regler Direkte erfahren - Methoden zur Diskretisierung, Orthogonale Kollokation - Lösung mit nichtlinearen rogrammierungsverfahren - imultane und equentielle erfahren Anwendungsbeispiele - rozesse in der Luft- und Raumfahrtindustrie - rozesse in der Chemieindustrie - rozesse in der Wasserbewirtschaftung Medienformen räsentation, orlesungsskript, Tafelanschrieb Literatur flichtkennz.: flichtfach Art der Notengebung: Generierte Noten Leistungspunkte: 5 Workload (h): 150 Anteil elbststudium (h): 105 W: 4.0 Fakultät für Informatik und Automatisierung Fachgebiet: D. G. Luenberger. Introduction to Dynamic ystems. Wiley. 1979 A. C. Chiang. Elements of Dynamic Optimization. McGraw-Hill. 1992 D.. Bertsekas. Dynamic rogramming and tochastic Control. Academic ress. 1976 2212 eite 8 von 207
R. F. tengel. Optimal Control and Estimation. Dover ublications. 1994 J. Macki. Introduction to Optimal Control Theory. pringer. 1998 D. G. Hull. Optimal Control Theory for Applications. pringer. 2003 1) Mündliche rüfung, 30 min. und 2) Testat für durchzuführendes raktikum verwendet in folgenden tudiengängen Master Ingenieurinformatik 2014 Master Mechatronik 2014 Master Wirtschaftsingenieurwesen 2013 ertiefung AT Master Ingenieurinformatik 2009 Master Electrical ower and Control Engineering 2013 Master Mechatronik 2008 Master Research in Computer & ystems Engineering 2009 Master Elektrotechnik und Informationstechnik 2014 ertiefung AT eite 9 von 207
Modul: Komplexe Informationstechnische ysteme - Grundlagen Modulnummer: 100358 Modulverantwortlich: rof. Dr. Armin Zimmermann Modulabschluss: Fachprüfung/Modulprüfung generiert Lernergebnisse siehe Fachbeschreibung orraussetzungen für die Teilnahme Bachelor Informatik / Ingenieurinformatik oder gleichwertiger Abschluss eite 10 von 207
Modul: Komplexe Informationstechnische ysteme - Grundlagen Komplexe Informationstechnische ysteme - Grundlagen Fachabschluss: rüfungsleistung generiert prache: Deutsch Fachnummer: 100516 rüfungsnummer:220373 Fachverantwortlich: rof. Dr. Armin Zimmermann W nach Fachsemester 2 1 1 Lernergebnisse / Kompetenzen flichtkennz.: flichtfach Art der Notengebung: Generierte Noten Turnus:ommersemester Leistungspunkte: 5 Workload (h): 150 Anteil elbststudium (h): 105 W: 4.0 Fakultät für Informatik und Automatisierung Fachgebiet: 1.F 2.F 3.F 4.F 5.F 6.F 7.F Die tudierenden verstehen detailliert Aufbau und Funktionsweise von komplexen informationstechnischen ystemen. 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. 2236 orkenntnisse Bachelor Informatik / Ingenieurinformatik oder gleichwertiger Abschluss Inhalt Modellbasierte ystem-entwicklung icherheit und Zuverlässigkeit, Energieeffizienz elbstorganisierende ysteme Architektur komplexer informationstechnischer ysteme oftwareentwicklung komplexer informationstechnischer ysteme (Gemeinsame Lehrveranstaltung von Fachgebieten des Instituts für Technische Informatik und Ingenieurinformatik, Inhalte werden noch abgestimmt) Medienformen Folien und Übungsblätter, verfügbar auf den Webseiten Literatur Hinweise in der Lehrveranstaltung und auf den Webseiten eite 11 von 207
verwendet in folgenden tudiengängen Master Informatik 2013 Master Ingenieurinformatik 2014 Master Mathematik und Wirtschaftsmathematik 2013 ertiefung AM eite 12 von 207
Modul: Informationstheorie und Codierung Modulnummer: 100632 Modulverantwortlich: rof. Dr. Jochen eitz Modulabschluss: Fachprüfung/Modulprüfung generiert Lernergebnisse Fachkompetenz Die tudierenden lernen die informationstheoretische Beschreibung und Kenngrößen von Quellenmodellen, des Übertragungskanals und von Leitungscodierungen kennen. ie sind fähig, erfahren zur Optimalcodierung und fehlerkorrigierenden Codierung zu verstehen und anzuwenden. Weiterhin sind sie in der Lage, Codierungen zu klassifizieren und deren Algorithmen zu verstehen, zu analysieren und mit Hilfe entsprechender Kenngrößen zu bewerten. ie kennen die Grundlagen der Chiffrierung, von orthogonalen Multiplexverfahren und der Kombination von Optimalcodierung und Modulation. Die tudierenden sind in der Lage, Codes hinsichtlich Redundanz, törsicherheit und Chiffrierung zu bewerten und zu synthetisieren. ie können die Effizienz der Redundanzreduktion für bekannte tandardverfahren in modernen Informationsübertragungssystemen (leitungsgebunden und drahtlos) analysieren und grundlegende erfahren der Optimalcodierung in Anwendungen synthetisieren. Die tudierenden erwerben sich die Fähigkeit, neue erfahren der Codierungstechnik zu verstehen, zu bewerten und zu synthetisieren. Methodenkompetenz Die tudierenden sind sicher im Umgang mit mathematischen Beschreibungen von Codierungsverfahren und sind daher in der Lage, so beschriebene erfahren auch in Anwendungen umzusetzen. ystemkompetenz Durch die in dieser orlesung behandelten Themen sind die tudierenden in der Lage eine Übertragungsstrecke von der Quelle bis zur enke aus informationstheoretischer icht als ystem zu verstehen, Funktionalitäten zu analysieren, zu beschreiben und zu bewerten. ie verstehen die Aufgaben und Ziele der verschiedenen im ystem angewendeten Codierungsarten und deren Auswirkungen bzw. deren Einfluss auf das Gesamtverhalten des ystems. ozialkompetenz Anhand von sowohl in der orlesung als auch in den Übungen diskutierten Beispielen sind die tudierenden in der Lage, robleme aus dem Bereich der Informationstheorie und Codierung mit Experten zu diskutieren und eigene Beiträge zu präsentieren. orraussetzungen für die Teilnahme flichtfächer in den emestern 1-4, Warscheinlichkeitsrechnung, ausgewählte Methoden der Algebra eite 13 von 207
Modul: Informationstheorie und Codierung Informationstheorie und Codierung Fachabschluss: rüfungsleistung mündlich 30 min prache: Deutsch Fachnummer: 1378 Fachverantwortlich: rof. Dr. Jochen eitz W nach Fachsemester Lernergebnisse / Kompetenzen orkenntnisse Inhalt rüfungsnummer:2100022 2 1 1 flichtkennz.: flichtfach Art der Notengebung: Gestufte Noten Turnus:Wintersemester Leistungspunkte: 4 Workload (h): 120 Anteil elbststudium (h): 86 W: 4.0 Fakultät für Elektrotechnik und Informationstechnik Fachgebiet: 1.F 2.F 3.F 4.F 5.F 6.F 7.F Die tudierenden kennen informationstheoretische Beschreibung und Kenngrößen der Quellenmodelle, des Übertragungskanals, von Leitungscodierungen. ie erstehen Optimalcodierungen, Fehlerkorrigierende Codierungsverfahren, Grundlagen der Chiffrierung, Anwendungen der Codierungstheorie in orthogonalen Multiplexverfahren und Kombination von Optimalcodierung und Modulation. Die tudierenden sind in der Lage, Codes hinsichtlich Redundanz, törsicherheit und Chiffrierung zu bewerten und zu synthetisieren. ie können die Effizienz der Redundanzreduktion für bekannte tandardverfahren in modernen Informationsübertragungssystemen (leitungsgebunden und drahtlos) analysieren und grundlegende erfahren der Optimalcodierung in Anwendungen synthetisieren. Die tudierenden erwerben die Fähigkeit, neue erfahren der Codierungstechnik zu verstehen, zu bewerten und zu synthetisieren. flichtfächer in den emestern 1-4, Warscheinlichkeitsrechnung, ausgewählte Methoden der Algebra 2114 Nachrichtenübertragungsmodell, ignalquellen, informationstheoretische Beschreibung, Entropie. Quellencodierung, Redundanzminderung nach Fano und Huffman, Codierung von Markoff-rozessen. Redundanzminderung durch Transformation, elektion und Quantisierung Übertragungskanal, informationstheoretische Beschreibung, ignal/rausch-erhältnis und Fehlerwahrscheinlichkeit Informationstheoretische Modellierung des Übertragungskanals, Informationsfluss und Kanalkapazität Leitungscodierungen (AMI, HDB3, T, 4B3T, 5B6B, CMI, 8B6T) Fehlerkorrigierende Codierung (Kanalcodierung), Grundlagen, Fehlererkennung, Fehlerkorrektur, Restfehlerrate Hamming-Codes, Linearcodes, zyklische Codes, Technische Realisierung Burstfehlerkorrektur. Faltungscodierung und iterbi- Algorithmus Galoisfeld, BCH-Codes, R-Codes. Turbo codes. Chiffrierung (DE, RA), Digitale ignaturen, symmetrische u. asymmetrische erfahren Orthogonalcodes und CDMA Trellis-Codierte Modulation (TCM). Medienformen Folienpräsentation Übungsscript Tafelanschrieb Folienskript bei Copy-hop erhältlich Literaturverweise und Liste mit rüfungsfragen online Literatur eite 14 von 207
Rohling, H.: 'Einführung in die Informations- und Codierungstheorie', Teubner-erlag 1995, IBN 3-519-06174-0 Bossert, M.: 'Kanalcodierung' Teubner-erlag 1998, IBN 3-519-06143-0 Kubas, Chr.: 'Informations- und Kodierungstheorie' 4. Lb, Dresden 1991, IBN 02-1590-04-0 Klimant, H.; iotraschke,r.; chönfeld,d.: 'Informations- und Kodierungstheorie', Teubner-erlag 2006, IBN 3-8154-2300-7 trutz,t.: 'Bilddatenkompression', ieweg-erlag 2005, IBN 3-528-13922-6 Finger, A.: 'Digitale ignalstrukturen in der Informationstechnik' EB erlag Technik 1985 Wobst, R.: 'Abenteuer Kryptologie', Addison-Wesley 2001, IBN 3-8273-1815-7 Fey,.: 'Informationstheorie', Akademie-erlag Berlin 1963 aupel,th.: 'Ein Beitrag zur Transformationscodierung von Audiosignalen' (Diss.) alenti,m. C.: 'Iterative Detection and Decoding for Wireless Communications', Dissertation 1999, Blacksburg, irginia Golomb,.W.: 'Run-length-Encodings', IEEE Trans. on information theory, vol.12, ept. 1966, pp.399-401 verwendet in folgenden tudiengängen Master Ingenieurinformatik 2014 Bachelor Elektrotechnik und Informationstechnik 2008 Master Ingenieurinformatik 2009 Master Optische ystemtechnik/optronik 2014 Bachelor Elektrotechnik und Informationstechnik 2013 Master Optronik 2010 Master Optronik 2008 eite 15 von 207
Modul: tudienschwerpunkt(wahl 1 aus 6) Modulnummer: 100361 Modulverantwortlich: rof. Dr. Günter chäfer Modulabschluss: Fachprüfung/Modulprüfung generiert Lernergebnisse Fachkompetenz: Die tudierenden haben sich im gewählten tudienschwerpunkt vertieft und die dort vermittelten Kenntnisse erworben. Methodenkompetenz: ie können die grundlegenden sowie fortgeschrittenen Methoden des gewählten chwerpunktes anwenden und beherrschen die dort üblichen Analyse- sowie ynthesetechniken orraussetzungen für die Teilnahme Hochschulzulassung, Inhalte der ersten vier emester des Bachelorstudiums. eite 16 von 207
Modul: Kognitive Technische ysteme Modulnummer: 8335 Modulverantwortlich: rof. Dr. Horst-Michael Groß Modulabschluss: Fachprüfung/Modulprüfung generiert Lernergebnisse Fachkompetenz: Die tudierenden verstehen Aufbau und Funktionsweise kognitiver technischer ysteme und ihrer Teilkomponenten aus der kognitiven Robotik, der Bildverarbeitung und der erforderlichen rozessmodellierung. Die tudierenden kennen Lernparadigmen, verschiedenen Arten von technischen ehsystemen bis hin zu Lösungsansätzen zur multimedialen Mensch-Maschine-Kommunikation. Methodenkompetenz: Die tudierenden sind in der Lage, technische ehsysteme zu analysieren und zu konzipieren, die über Eigenschaften des Lernens verfügen und in autonom agierenden ystemen (z. B. Robotern) eingesetzt werden können. ie beherrschen die dazu notwendigen oftwaresysteme. ie sind in der Lage, vorhandenes Wissen in begrenzter Zeit erfolgreich zur roblemlösung in der kognitiven Robotik anzuwenden. ozialkompetenz: Die tudierenden lösen einen Teil der Aufgaben in der Gruppe. ie sind in der Lage, auf Kritiken und Lösungshinweise zu reagieren. ie verstehen die Notwendigkeit einer sorgfältigen und ehrlichen Arbeitsweise. orraussetzungen für die Teilnahme keine eite 17 von 207
Modul: Kognitive Technische ysteme Hauptseminar Kognitive Robotik Fachabschluss: tudienleistung schriftlich prache: Fachnummer: 101186 rüfungsnummer: 2200474 Fachverantwortlich: rof. Dr. Horst-Michael Groß W nach Fachsemester Lernergebnisse / Kompetenzen 0 2 0 flichtkennz.: flichtfach Art der Notengebung: Testat / Gestufte Noten Turnus:ganzjährig Leistungspunkte: 4 Workload (h): 120 Anteil elbststudium (h): 98 W: 2.0 Fakultät für Informatik und Automatisierung Fachgebiet: 1.F 2.F 3.F 4.F 5.F 6.F 7.F 2233 orkenntnisse Inhalt Medienformen Literatur verwendet in folgenden tudiengängen Master Ingenieurinformatik 2014 eite 18 von 207
Modul: Kognitive Robotik Modulnummer: 101336 Modulverantwortlich: rof. Dr. Horst-Michael Groß Modulabschluss: Fachprüfung/Modulprüfung generiert Lernergebnisse siehe Fachbeschreibung orraussetzungen für die Teilnahme eite 19 von 207
Modul: Kognitive Robotik Kognitive Robotik Fachabschluss: rüfungsleistung mündlich 30 min prache: Deutsch Fachnummer: 181 rüfungsnummer:2200100 Fachverantwortlich: rof. Dr. Horst-Michael Groß W nach Fachsemester Lernergebnisse / Kompetenzen orkenntnisse Neuroinformatik Inhalt Medienformen Arbeitsblätter zur orlesung, Übungsaufgaben, e-learning Module Turnus:ommersemester Leistungspunkte: 6 Workload (h): 180 Anteil elbststudium (h): 158 W: 2.0 Fakultät für Informatik und Automatisierung Fachgebiet: 1.F 2.F 3.F 4.F 5.F 6.F 7.F naturwissenschaftliche und angewandte Grundlagen, Einbindung des angewandten Grundlagenwissens der Informationsverarbeitung Begriffsdefinitionen; Anwendungsbeispiele; Marktentwicklung; Basiskomponenten Kognitiver Roboter; Antriebskonzepte; aktive und passive / interne und externe ensoren; Hindernisvermeidung; probabilistische Umgebungsmodellierung und elbstlokalisation mittels distanzmessender ensorik; fadplanung und Bewegungssteuerung; teuerarchitekturen; grundlegende Aspekte der Mensch-Roboter-Interaktion; imultaneous Localization and Mapping (LAM) und dessen pielarten; probabilistische erfahren zur Zustandsschätzung (Kalman-Filter, artikel-filter, Hierarchische artikel-filter); visuell-basierte Umgebungs-modellierung; multimodale erfahren zur Umgebungs-erfassung / ensorfusion; Entwurf von hybriden teuerarchitekturen Literatur flichtkennz.: flichtfach Borenstein, Everett, Feng: Where am I? ensors and Methods for Mobile Robot ositioning; online, 1996; Murphy: Introduction to AI Robotics, MIT ress, 2000 Art der Notengebung: Gestufte Noten 2233 verwendet in folgenden tudiengängen Master Ingenieurinformatik 2014 Master Biomedizinische Technik 2009 Master Ingenieurinformatik 2009 Master Informatik 2013 Master Informatik 2009 eite 20 von 207
Modul: Kognitive Robotik Kognitive ysteme / Robotik Fachabschluss: über Komplexprüfung prache: Fachnummer: 181 rüfungsnummer: 2200444 Fachverantwortlich: rof. Dr. Horst-Michael Groß W nach Fachsemester 2 0 0 Lernergebnisse / Kompetenzen flichtkennz.: flichtfach Art der Notengebung: unbenotet Turnus:ommersemester Leistungspunkte: 3 Workload (h): 90 Anteil elbststudium (h): 68 W: 2.0 Fakultät für Informatik und Automatisierung Fachgebiet: 1.F 2.F 3.F 4.F 5.F 6.F 7.F 2233 orkenntnisse Inhalt Medienformen Literatur verwendet in folgenden tudiengängen Master Ingenieurinformatik 2014 Master Biomedizinische Technik 2009 Master Ingenieurinformatik 2009 Master Informatik 2013 Master Informatik 2009 eite 21 von 207
Modul: Kognitive Robotik Lernen in kognitiven ystemen Fachabschluss: über Komplexprüfung prache: Fachnummer: 182 rüfungsnummer: 2200443 Fachverantwortlich: rof. Dr. Horst-Michael Groß W nach Fachsemester 2 1 0 Lernergebnisse / Kompetenzen flichtkennz.: flichtfach Art der Notengebung: unbenotet Turnus:ommersemester Leistungspunkte: 0 Workload (h): 0 Anteil elbststudium (h): 0 W: 3.0 Fakultät für Informatik und Automatisierung Fachgebiet: 1.F 2.F 3.F 4.F 5.F 6.F 7.F 2233 orkenntnisse Inhalt Medienformen Literatur verwendet in folgenden tudiengängen Master Informatik 2013 Master Ingenieurinformatik 2014 Master Informatik 2009 Master Ingenieurinformatik 2009 eite 22 von 207
Modul: Robotvision & MMI Modulnummer: 101337 Modulverantwortlich: rof. Dr. Horst-Michael Groß Modulabschluss: Fachprüfung/Modulprüfung generiert Lernergebnisse Ziel des Moduls ist es, Kompetenzen auf den Gebieten Mensch-Maschine-Interaktion und der maschinellen Bildverarbeitung auf mobilen lattformen (Roboter) zu vermitteln. Die tudierenden kennen und verstehen die trategien Bildaufnahme- und verarbeitungsalgorithmen und können diese für Fragestellungen der Kommunikation Mensch Roboter anwenden. Die tudierenden sind mit den aus den trategien abgeleiteten methodischen Grundlagen vertraut und können die wichtigsten erarbeitungstechniken erkennen und bewerten, sowie typische Aufgaben der Bildverarbeitung auf Robotern für Navigation und Interaktion mit ihrer Hilfe analysieren und lösen. ie sind in der Lage, diese Kompetenzen in den yntheseprozess komplexer Roboterprojekte einfließen zu lassen. Die tudierenden kennen und verstehen die grundlegenden Wirkprinzipien von Kamera basiert arbeitenden mobilen lattformen für Assistenz- und ervicezwecke, können diese analysieren, bewerten und bei weiterführenden Entwicklungsprozessen mitwirken. Die tudierenden sind in der Lage, Fach- Methoden- und ystemkompetenz für das Themenspektrum Robotvision und Mensch-Maschine-Interaktion in interdisziplinären Teams zu vertreten. Die tudierenden sind in der Lage, grundlegende achverhalte des Themenfeldes klar und korrekt zu kommunizieren. orraussetzungen für die Teilnahme keine eite 23 von 207
Modul: Robotvision & MMI Robotvision & MMI Fachabschluss: rüfungsleistung schriftlich 120 min Art der Notengebung: Gestufte Noten prache: deutsch flichtkennz.: flichtfach Turnus:Wintersemester Fachnummer: 101148 rüfungsnummer:2200445 Fachverantwortlich: rof. Dr. Horst-Michael Groß Leistungspunkte: 6 Workload (h): 180 Anteil elbststudium (h): 124 W: 5.0 Fakultät für Informatik und Automatisierung Fachgebiet: W nach Fachsemester Lernergebnisse / Kompetenzen 1.F 2.F 3.F 4.F 5.F 6.F 7.F Ziel des Moduls ist es, Kompetenzen auf den Gebieten Mensch-Maschine-Interaktion und der maschinellen Bildverarbeitung auf mobilen lattformen (Roboter) zu vermitteln. Die tudierenden kennen und verstehen die trategien Bildaufnahme- und verarbeitungsalgorithmen und können diese für Fragestellungen der Kommunikation Mensch Roboter anwenden. Die tudierenden sind mit den aus den trategien abgeleiteten methodischen Grundlagen vertraut und können die wichtigsten erarbeitungstechniken erkennen und bewerten, sowie typische Aufgaben der Bildverarbeitung auf Robotern für Navigation und Interaktion mit ihrer Hilfe analysieren und lösen. ie sind in der Lage, diese Kompetenzen in den yntheseprozess komplexer Roboterprojekte einfließen zu lassen. Die tudierenden kennen und verstehen die grundlegenden Wirkprinzipien von Kamera basiert arbeitenden mobilen lattformen für Assistenz- und ervicezwecke, können diese analysieren, bewerten und bei weiterführenden Entwicklungsprozessen mitwirken. Die tudierenden sind in der Lage, Fach- Methoden- und ystemkompetenz für das Themenspektrum Robotvision und Mensch-Maschine-Interaktion in interdisziplinären Teams zu vertreten. Die tudierenden sind in der Lage, grundlegende achverhalte des Themenfeldes klar und korrekt zu kommunizieren. orkenntnisse keine Inhalt siehe orlesungen der einzelnen Fächer Medienformen 2233 Literatur verwendet in folgenden tudiengängen Master Informatik 2013 Master Ingenieurinformatik 2014 Master Ingenieurinformatik 2009 eite 24 von 207
Modul: Robotvision & MMI Mensch-Maschine-Interaktion Fachabschluss: über Komplexprüfung prache: Fachnummer: 101352 rüfungsnummer: 2200447 Fachverantwortlich: rof. Dr. Horst-Michael Groß W nach Fachsemester Lernergebnisse / Kompetenzen 2 0 0 flichtkennz.: flichtfach Art der Notengebung: unbenotet Turnus:Wintersemester Leistungspunkte: 0 Workload (h): 0 Anteil elbststudium (h): 0 W: 2.0 Fakultät für Informatik und Automatisierung Fachgebiet: 1.F 2.F 3.F 4.F 5.F 6.F 7.F 2233 orkenntnisse Inhalt Medienformen Literatur verwendet in folgenden tudiengängen Master Informatik 2013 Master Ingenieurinformatik 2014 Master Ingenieurinformatik 2009 eite 25 von 207
Modul: Robotvision & MMI Robotvision Fachabschluss: über Komplexprüfung prache: Fachnummer: 183 rüfungsnummer: 2200446 Fachverantwortlich: rof. Dr. Horst-Michael Groß W nach Fachsemester Lernergebnisse / Kompetenzen 2 1 0 flichtkennz.: flichtfach Art der Notengebung: unbenotet Turnus:Wintersemester Leistungspunkte: 0 Workload (h): 0 Anteil elbststudium (h): 0 W: 3.0 Fakultät für Informatik und Automatisierung Fachgebiet: 1.F 2.F 3.F 4.F 5.F 6.F 7.F 2233 orkenntnisse Inhalt Medienformen Literatur verwendet in folgenden tudiengängen Master Informatik 2013 Master Ingenieurinformatik 2014 Master Informatik 2009 Master Ingenieurinformatik 2009 eite 26 von 207
Modul: ystemtechnik für die Bildverarbeitung Modulnummer: 101338 Modulverantwortlich: rof. Dr. Franz chmidt Modulabschluss: Fachprüfung/Modulprüfung generiert Lernergebnisse orraussetzungen für die Teilnahme eite 27 von 207
Modul: ystemtechnik für die Bildverarbeitung ystemtechnik für die Bildverarbeitung Fachabschluss: rüfungsleistung mündlich 60 min prache: Fachnummer: 101150 rüfungsnummer: 2100532 Fachverantwortlich: rof. Dr. Franz chmidt W nach Fachsemester Lernergebnisse / Kompetenzen Art der Notengebung: Gestufte Noten flichtkennz.: Wahlpflichtfach Turnus:Wintersemester Leistungspunkte: 5 Workload (h): 150 Anteil elbststudium (h): 105 W: 4.0 Fakultät für Elektrotechnik und Informationstechnik Fachgebiet: 1.F 2.F 3.F 4.F 5.F 6.F 7.F 2116 orkenntnisse Inhalt Medienformen Literatur verwendet in folgenden tudiengängen Master Informatik 2013 Master Ingenieurinformatik 2014 Master Ingenieurinformatik 2009 eite 28 von 207
Modul: ystemtechnik für die Bildverarbeitung Bilderfassungssysteme Fachabschluss: über Komplexprüfung prache: Fachnummer: 8198 rüfungsnummer: 2100533 Fachverantwortlich: rof. Dr. Franz chmidt W nach Fachsemester Lernergebnisse / Kompetenzen 2 0 0 flichtkennz.: flichtfach Art der Notengebung: unbenotet Turnus:ommersemester Leistungspunkte: 0 Workload (h): 0 Anteil elbststudium (h): 0 W: 2.0 Fakultät für Elektrotechnik und Informationstechnik Fachgebiet: 1.F 2.F 3.F 4.F 5.F 6.F 7.F 2116 orkenntnisse Inhalt Medienformen Literatur verwendet in folgenden tudiengängen Master Ingenieurinformatik 2014 Master Informatik 2009 Master Elektrotechnik und Informationstechnik 2014 ertiefung ATE Master Ingenieurinformatik 2009 Master Informatik 2013 eite 29 von 207
Modul: ystemtechnik für die Bildverarbeitung Komponenten von Bildaufnahmeeinheiten Fachabschluss: über Komplexprüfung prache: Fachnummer: 8316 rüfungsnummer: 2100534 Fachverantwortlich: rof. Dr. Franz chmidt W nach Fachsemester Lernergebnisse / Kompetenzen 2 0 0 flichtkennz.: flichtfach Art der Notengebung: unbenotet Turnus:ommersemester Leistungspunkte: 0 Workload (h): 0 Anteil elbststudium (h): 0 W: 2.0 Fakultät für Elektrotechnik und Informationstechnik Fachgebiet: 1.F 2.F 3.F 4.F 5.F 6.F 7.F 2116 orkenntnisse Inhalt Medienformen Literatur verwendet in folgenden tudiengängen Master Informatik 2013 Master Ingenieurinformatik 2014 Master Elektrotechnik und Informationstechnik 2014 ertiefung ATE Master Ingenieurinformatik 2009 eite 30 von 207
Modul: 3D-Bildverarbeitung Modulnummer: 101323 Modulverantwortlich: rof. Dr. Beat Brüderlin Modulabschluss: Fachprüfung/Modulprüfung generiert Lernergebnisse orraussetzungen für die Teilnahme eite 31 von 207
Modul: 3D-Bildverarbeitung 3D-Bildverarbeitung Fachabschluss: rüfungsleistung schriftlich 120 min Art der Notengebung: Gestufte Noten prache: flichtkennz.: flichtfach Turnus:ommersemester Fachnummer: 101149 rüfungsnummer: 2200448 Fachverantwortlich: rof. Dr. Beat Brüderlin Leistungspunkte: 6 Workload (h): 180 Anteil elbststudium (h): 124 W: 5.0 Fakultät für Informatik und Automatisierung Fachgebiet: W nach Fachsemester Lernergebnisse / Kompetenzen 1.F 2.F 3.F 4.F 5.F 6.F 7.F 2252 orkenntnisse Inhalt Medienformen Literatur verwendet in folgenden tudiengängen Master Informatik 2013 Master Ingenieurinformatik 2014 Master Ingenieurinformatik 2009 eite 32 von 207
Modul: 3D-Bildverarbeitung Erfassung und erarbeitung von 3D-Daten Fachabschluss: über Komplexprüfung prache: Fachnummer: 239 rüfungsnummer: 2200449 Fachverantwortlich: rof. Dr. Beat Brüderlin W nach Fachsemester 2 1 0 Lernergebnisse / Kompetenzen flichtkennz.: flichtfach Art der Notengebung: unbenotet Turnus:Wintersemester Leistungspunkte: 0 Workload (h): 0 Anteil elbststudium (h): 0 W: 3.0 Fakultät für Informatik und Automatisierung Fachgebiet: 1.F 2.F 3.F 4.F 5.F 6.F 7.F 2252 orkenntnisse Inhalt Medienformen Literatur verwendet in folgenden tudiengängen Master Ingenieurinformatik 2014 Master Ingenieurinformatik 2009 Master Medientechnologie 2009 Master Medientechnologie 2013 Master Informatik 2013 Master Informatik 2009 eite 33 von 207
Modul: 3D-Bildverarbeitung Bildanalyse für 3D-Oberflächen- und olumendaten Fachabschluss: über Komplexprüfung prache: Fachnummer: 8230 rüfungsnummer: 2200450 Fachverantwortlich: rof. Dr. Beat Brüderlin W nach Fachsemester Lernergebnisse / Kompetenzen 2 0 0 flichtkennz.: flichtfach Art der Notengebung: unbenotet Turnus:ommersemester Leistungspunkte: 0 Workload (h): 0 Anteil elbststudium (h): 0 W: 2.0 Fakultät für Informatik und Automatisierung Fachgebiet: 1.F 2.F 3.F 4.F 5.F 6.F 7.F 2252 orkenntnisse Inhalt Medienformen Literatur verwendet in folgenden tudiengängen Master Informatik 2013 Master Ingenieurinformatik 2014 Master Informatik 2009 Master Ingenieurinformatik 2009 eite 34 von 207
Modul: oftwarearchitekturen - von Requirements zum angepassten Entwurf Modulnummer: 101329 Modulverantwortlich: rof. Dr. Detlef treitferdt Modulabschluss: Fachprüfung/Modulprüfung generiert Lernergebnisse Fachkompetenz (20%). Die tudierenden können die Werkzeuge des oftware Engineering in einem konkreten rojektkontext anwenden. ie können die Aussagekraft / Qualität der jeweiligen Ergebnisse bewerten. Die tudierenden sind fähig oftwareentwicklungsprozesse zu analysieren und auf die jeweiligen Gegebenheiten eines rojektes anzupassen. ie verstehen Architekturmuster / ~stile und können diese im rojektkontext einsetzen. Methodenkompetenz (40%). Die tudierenden sind fähig die vorgestellten Entwicklungsmethoden und ~werkzeuge anzuwenden und deren Ergebnisse früh im Entwicklungsprozess abzuschätzen. ie sind fähig aus den vermittelten Methoden und Werkzeugen für ein gegebenes rojekt die passenden auszuwählen und anzuwenden. ozialkompetenz (40%). Die tudierenden lernen die Erfordernisse und Ergebnisse von oftwareentwicklungsprozessen innerhalb einer Entwicklergruppe kennen und können deren Bedeutung für ein oftwareprojekt innerhalb einer Firma einschätzen. ie lernen auch die große Bedeutung der "weichen" Faktoren innerhalb von oftwareentwicklungsprozessen kennen und können deren Auswirkungen abschätzen. Die tudierenden sind fähig die Auswirkungen von Architekturentscheidungen im Kontext einer Entwicklergruppe zu bewerten. Hintergründe der rojektarbeit, Anforderungen und die Bedeutung sozialer Netzwerke sind den tudenten bekannt. orraussetzungen für die Teilnahme Kenntnisse aus den orlesungen oftwaretechnik 1/2 sind von orteil. siehe Fachbeschreibung eite 35 von 207
Modul: oftwarearchitekturen - von Requirements zum angepassten Entwurf oftwarearchitekturen - von Requirements zum angepassten Entwurf Fachabschluss: rüfungsleistung alternativ prache: deutsch Fachnummer: 101151 rüfungsnummer:2200451 Fachverantwortlich: rof. Dr. Detlef treitferdt W nach Fachsemester Lernergebnisse / Kompetenzen orkenntnisse 3 2 0 flichtkennz.: flichtfach Art der Notengebung: Gestufte Noten Turnus:Wintersemester Leistungspunkte: 6 Workload (h): 180 Anteil elbststudium (h): 124 W: 5.0 Fakultät für Informatik und Automatisierung Fachgebiet: 1.F 2.F 3.F 4.F 5.F 6.F 7.F Fachkompetenz (20%). Die tudierenden können die Werkzeuge des oftware Engineering in einem konkreten rojektkontext anwenden. ie können die Aussagekraft / Qualität der jeweiligen Ergebnisse bewerten. Die tudierenden sind fähig oftwareentwicklungsprozesse zu analysieren und auf die jeweiligen Gegebenheiten eines rojektes anzupassen. ie verstehen Architekturmuster / ~stile und können diese im rojektkontext einsetzen. Methodenkompetenz (40%). Die tudierenden sind fähig die vorgestellten Entwicklungsmethoden und ~werkzeuge anzuwenden und deren Ergebnisse früh im Entwicklungsprozess abzuschätzen. ie sind fähig aus den vermittelten Methoden und Werkzeugen für ein gegebenes rojekt die passenden auszuwählen und anzuwenden. ozialkompetenz (40%). Die tudierenden lernen die Erfordernisse und Ergebnisse von oftwareentwicklungsprozessen innerhalb einer Entwicklergruppe kennen und können deren Bedeutung für ein oftwareprojekt innerhalb einer Firma einschätzen. ie lernen auch die große Bedeutung der "weichen" Faktoren innerhalb von oftwareentwicklungsprozessen kennen und können deren Auswirkungen abschätzen. Die tudierenden sind fähig die Auswirkungen von Architekturentscheidungen im Kontext einer Entwicklergruppe zu bewerten. Hintergründe der rojektarbeit, Anforderungen und die Bedeutung sozialer Netzwerke sind den tudenten bekannt. 223A Kenntnisse über oftwareentwicklungsprozesse Objektorientierte Modellierung Objektorientierte rogrammierung Inhalt Diese orlesung vermittelt tudenten der Informatik und Ingenieurinformatik Methoden und Techniken des oftware Engineering. Über die Einbettung der Aktivitäten in den oftwareentwicklungsprozess werden die einzelnen chritte und in den Übungen vertieft. Die eranstaltung enthält die Erarbeitung von oftwarearchitekturzielen, Beschreibungsansätze der verschieden Modelle und Dokumente, orgehen bei der Entwicklung (rozesse), Entscheidungsfindung, Architekturstile / - muster und ihre Qualitätseigenschaften, sowie die rüfung/bewertung von Architekturen. (Die orlesung wird in Deutsch gehalten, einige der Materialien sind jedoch nur in Englisch verfügbar - was allerdings im Hinblick auf die spätere Arbeitswelt nur von orteil ist!) Medienformen orlesungsfolien DF Dokumente (auch wissenschaftliche Beiträge) eite 36 von 207
rozessbeschreibungen (HTML), Templates Literatur Umfassende Werke [Balz 1996] Helmut Balzert, "Lehrbuch der oftware-technik", pektrum Akademischer erlag, 1996. [Fowl 1999] Martin Fowler, Refactoring Improving the Design of Existing Code, Addison Wesley, 1999. [Gamm 1995] Erich Gamma, Richard Helm, Ralph Johnson, John lissides, Design atterns Elements of Reusable Object-Oriented oftware, Addison Wesley, 1995. [Mart 2009] Robert C. Martin, Clean Code, rentice Hall, 2009. [McCo 2004] teve McConnell, Code Complete 2nd Edition, Microsoft ress, 2004. [Rooc 2004] tefan Roock, Martin Lippert, Refactorings in großen oftwareprojekten, dpunkt.erlag GmbH, 2004. [omm 2007] Ian ommerville, oftware Engineering, earson tudium, 2007. [Mens 2008] T. Mens and. Demeyer, Eds., oftware Evolution. pringer-erlag New York Inc, 2008. pezielle Themen... Entwicklungsprozesse [Beck 2000] Kent Beck, extreme rogramming explained, Addison Wesley, 2000. [Buns2002] C. Bunse and A. von Knethen, orgehensmodelle kompakt. Fraunhofer ublica [http://publica.fraunhofer.de/oai.har] (Germany), 2002. [Carr 1993] Marvin J. Carr, uresh L. Konda, Ira Monarch, F. Carol Ulrich, Clay F. Walker, "Taxonomy-Based Risk Identification", Carnegie Mellon University, Technical Report CMU/EI-93-TR-6, EC-TR-93-183, 1993. [Open 2011] Eclipse rocess Framework, "Open Unified rocess, OpenU", content retrieved 2011-10-01, 2011. Requirements [Bere 2009] Brian Berenbach, Daniel J. aulish, Juergen Kazmeier, Arnold Rudorfer, "oftware & ystems Requirements Engineering In ractice", Mc Graw Hill, 2009. [Haya 1990]. I. Hayakawa, "Language in Thought and Action", Harvest Books, 1990. [Koo 1998] Gerald Kotonya, Ian ommerville, "Requirements Engineering - rocesses and Techniques", John Wiley & ons, 1998. [Kula 2000] Daryl Kulak, Eamonn Guiney, "Use Cases - Requirements in Context", Addison-Wesley, 2000. [Lams 2001] Axel van Lamsweerde, "Goal-Oriented Requirements Engineering: A Guided Tour", in roceedings of the 5th IEEE International ymposium on Requirements Engineering (RE 2001), 27-31 August 2001, Toronto, Canada, 2001. [Lams 2009] Axel van Lamsweerde, "Requirements Engineering: From ystem Goals to UML Models to oftware pecifications", John Wiley & ons, 2009. [McCo 2006] teve McConnell, "oftware Estimation", Microsoft ress, 2006. [ohl 2008] Klaus ohl, "Requirements Engineering: Grundlagen, rinzipien,techniken", dpunkt.erlag GmbH, 2008. [Robe 1999] uzanne Robertson, James Robertson, "Mastering the Requirements rocess", Addison-Wesley, 1999. [Rupp 2002] Chris Rupp, "Requirements-Engineering und -Management", Hanser erlag, 2002. [chu 2000] G. Gordon chulmeyer, Garth R. Mackenzie, "erification & alidation of Modern oftware-intensive ystems", rentice Hall, 2000. [oa 1997] Ian ommerville, ete awyer, "Requirements Engineering: A Good ractice Guide", John Wiley & ons, 1997. [Wieg 1999] Karl E. Wiegers, "oftware Requirements", Microsoft ress, 1999. [With 2007] tephen Withall, "oftware Requirement atterns", Microsoft ress, 2007. Architektur, roduktlinien [Boec 2004] Günter Böckle, eter Knauber, Klaus ohl, Klaus chmid, oftware-roduktlinien: Methoden, Einführung und raxis, dpunkt.erlag GmbH, 2004. [Clem 2002] aul Clements, Rick Kazman, Mark Klein, Evaluating oftware Architectures, Addison Wesley, 2002. [Hrus 2012]. Hruschka and G. tarke, Architektur-Knigge für oftwarearchitekten-der erschätzer. 2012. [Kang 1990] K. Kang,. Cohen, J. Hess, W. Novak, and A. eterson, Feature-Oriented Domain Analysis (FODA) Feasibility tudy, EI Institute, Carnegie Mellon University, UA, CMU/EI-90-TR-021, 1990. [Kazm 2000] Rick Kazman, Mark Klein, aul Clements, "ATAM: Method for Architecture Evaluation", TECHNICAL REORT, CMU/EI-2000-TR-004, EC-TR-2000-004, 2000. [Lind 2007] F. J. van der Linden, K. chmid, and E. Rommes, oftware roduct Lines in Action: The Best Industrial ractice in roduct Line Engineering. Berlin: pringer, 2007. [Love 2005] Robert Love, Linux Kernel Development (2nd Edition), Novell ress, 2005. [Masa 2007] Dieter Masak, OA? erviceorientierung in Business und oftware, pringer erlag, 2007. eite 37 von 207
[ohl 2005] Klaus ohl, Günter Böckle, Frank van der Linden,"oftware roduct Line Engineering Foundations, rinciples, and Techniques", pringer, Heidelberg 2005. [osc 2007] Torsten osch, Klaus Birken, Michael Gerdom, "Basiswissen oftwarearchitektur", d.punkt erlag, 2004 oder 2007. [pin 2009] D. pinellis and G. Gousios, Beautiful Architecture: Leading Thinkers Reveal the Hidden Beauty in oftware Design. O Reilly Media, 2009. Im erlauf der eranstaltung werden die Dokumente zu den einzelnen oftwareentwicklungsphasen der jeweiligen Gruppenprojekte erstellt. Es wird zwei Dokumente und eine chlusspräsentation geben, die in die Note einfließen. (1) Ein Requirementsdokument (2) Die Architekturbeschreibung / das Architekturdokument (3) Die finale räsentation fließen zu 50% und zu gleichen Anteilen in die Abschlussnote mit ein. verwendet in folgenden tudiengängen Master Informatik 2013 Master Ingenieurinformatik 2014 Master Informatik 2009 Master Ingenieurinformatik 2009 eite 38 von 207
Modul: Knowledge Engineering Modulnummer: 101324 Modulverantwortlich: rof. Dr. Rainer Knauf Modulabschluss: Fachprüfung/Modulprüfung generiert Lernergebnisse Ziel des Moduls ist es, Kompetenzen auf dem Gebiet der fortschrittlichen Methoden der modernen Wissensverarbeitung zu vermitteln. Die tudierenden kennen und verstehen die trategien der Datenverarbeitung mit evolutionären/genetischen Algorithmen, mit Inferenzmethoden der KI und dem großen pektrum des Datamining und können diese für informatische/ingenieurinformatische roblemstellungen anwenden. Die tudierenden sind mit den methodischen Grundlagen vertraut und können die wichtigsten Datenanalyse und verarbeitungs Techniken erkennen und bewerten, sowie typische Informatikaufgaben mit ihrer Hilfe analysieren und lösen. ie sind in der Lage, diese Kompetenzen in den yntheseprozess komplexer ingenieurtechnischer und informatischer rojekte einfließen zu lassen. Die tudierenden kennen und verstehen die grundlegenden Wirkprinzipien von rodukten und erfahren, bei deren Entwicklung Methoden der Wissensverarbeitung und des Datamining Anwendung fanden, können diese analysieren, bewerten und bei weiterführenden yntheseprozessen mitwirken. Die tudierenden sind in der Lage, Fach- Methoden- und ystemkompetenz für Inferenzmethoden, Datamining und Evolutionäre/genetische Algorithmen in interdisziplinären Teams zu vertreten und grundlegende achverhalte dazu klar und korrekt zu kommunizieren. orraussetzungen für die Teilnahme keine eite 39 von 207
Modul: Knowledge Engineering Knowledge Engineering Fachabschluss: rüfungsleistung schriftlich 120 min Art der Notengebung: Gestufte Noten prache: deutsch flichtkennz.: flichtfach Turnus:Wintersemester Fachnummer: 101152 Fachverantwortlich: rof. Dr. Rainer Knauf rüfungsnummer:2200452 Leistungspunkte: 7 Workload (h): 210 Anteil elbststudium (h): 154 W: 5.0 Fakultät für Informatik und Automatisierung Fachgebiet: W nach Fachsemester Lernergebnisse / Kompetenzen 1.F 2.F 3.F 4.F 5.F 6.F 7.F Ziel des Moduls ist es, Kompetenzen auf dem Gebiet der fortschrittlichen Methoden der modernen Wissensverarbeitung zu vermitteln. Die tudierenden kennen und verstehen die trategien der Datenverarbeitung mit evolutionären/genetischen Algorithmen, mit Inferenzmethoden der KI und dem großen pektrum des Datamining und können diese für informatische/ingenieurinformatische roblemstellungen anwenden. Die tudierenden sind mit den methodischen Grundlagen vertraut und können die wichtigsten Datenanalyse und verarbeitungs Techniken erkennen und bewerten, sowie typische Informatikaufgaben mit ihrer Hilfe analysieren und lösen. ie sind in der Lage, diese Kompetenzen in den yntheseprozess komplexer ingenieurtechnischer und informatischer rojekte einfließen zu lassen. Die tudierenden kennen und verstehen die grundlegenden Wirkprinzipien von rodukten und erfahren, bei deren Entwicklung Methoden der Wissensverarbeitung und des Datamining Anwendung fanden, können diese analysieren, bewerten und bei weiterführenden yntheseprozessen mitwirken. Die tudierenden sind in der Lage, Fach- Methoden- und ystemkompetenz für Inferenzmethoden, Datamining und Evolutionäre/genetische Algorithmen in interdisziplinären Teams zu vertreten und grundlegende achverhalte dazu klar und korrekt zu kommunizieren. orkenntnisse keine Inhalt siehe Beschreibung der einzelnen Fächer Medienformen 2238 Literatur verwendet in folgenden tudiengängen Master Informatik 2013 Master Ingenieurinformatik 2014 Master Ingenieurinformatik 2009 eite 40 von 207
Modul: Knowledge Engineering Data Mining Fachabschluss: über Komplexprüfung prache: Fachnummer: 221 rüfungsnummer: 2200454 Fachverantwortlich: rof. Dr. Rainer Knauf W nach Fachsemester Lernergebnisse / Kompetenzen 2 0 0 flichtkennz.: flichtfach Art der Notengebung: unbenotet Turnus:ommersemester Leistungspunkte: 0 Workload (h): 0 Anteil elbststudium (h): 0 W: 2.0 Fakultät für Informatik und Automatisierung Fachgebiet: 1.F 2.F 3.F 4.F 5.F 6.F 7.F 2238 orkenntnisse Inhalt Medienformen Literatur verwendet in folgenden tudiengängen Master Informatik 2013 Master Ingenieurinformatik 2014 Master Informatik 2009 Master Ingenieurinformatik 2009 eite 41 von 207
Modul: Knowledge Engineering Evolutionäre erfahren Fachabschluss: über Komplexprüfung prache: Fachnummer: 101153 rüfungsnummer: 2200455 Fachverantwortlich: rof. Dr. Rainer Knauf W nach Fachsemester Lernergebnisse / Kompetenzen 1 0 0 flichtkennz.: flichtfach Art der Notengebung: unbenotet Turnus:ommersemester Leistungspunkte: 0 Workload (h): 0 Anteil elbststudium (h): 0 W: 1.0 Fakultät für Informatik und Automatisierung Fachgebiet: 1.F 2.F 3.F 4.F 5.F 6.F 7.F 2238 orkenntnisse Inhalt Medienformen Literatur verwendet in folgenden tudiengängen Master Informatik 2013 Master Ingenieurinformatik 2014 Master Ingenieurinformatik 2009 eite 42 von 207
Modul: Knowledge Engineering Inferenzmethoden Fachabschluss: über Komplexprüfung prache: Fachnummer: 220 rüfungsnummer: 2200453 Fachverantwortlich: rof. Dr. Rainer Knauf W nach Fachsemester Lernergebnisse / Kompetenzen 2 0 0 flichtkennz.: flichtfach Art der Notengebung: unbenotet Turnus:Wintersemester Leistungspunkte: 0 Workload (h): 0 Anteil elbststudium (h): 0 W: 2.0 Fakultät für Informatik und Automatisierung Fachgebiet: 1.F 2.F 3.F 4.F 5.F 6.F 7.F 2238 orkenntnisse Inhalt Medienformen Literatur verwendet in folgenden tudiengängen Master Informatik 2013 Master Ingenieurinformatik 2014 Master Informatik 2009 Master Ingenieurinformatik 2009 eite 43 von 207
Modul: Objektorientierte Modellierung Modulnummer: 101332 Modulverantwortlich: rof. Dr. Armin Zimmermann Modulabschluss: Fachprüfung/Modulprüfung generiert Lernergebnisse siehe Fachbeschreibung orraussetzungen für die Teilnahme eite 44 von 207
Modul: Objektorientierte Modellierung Objektorientierte Modellierung Fachabschluss: rüfungsleistung alternativ 90 min Art der Notengebung: Gestufte Noten prache: Deutsch flichtkennz.: flichtfach Turnus:ommersemester Fachnummer: 101154 rüfungsnummer:2200456 Fachverantwortlich: rof. Dr. Armin Zimmermann Leistungspunkte: 5 Workload (h): 150 Anteil elbststudium (h): 116 W: 3.0 Fakultät für Informatik und Automatisierung Fachgebiet: W nach Fachsemester Lernergebnisse / Kompetenzen 1.F 2.F 3.F 4.F 5.F 6.F 7.F 2 1 0 Fähigkeiten der Modellierung des erhaltens und der truktur von ystemen mit Hilfe der UML orkenntnisse Grundlagen der objektorientierten rogrammierung Hilfreich: Grundlagen des UML-Klassendiagramms Inhalt Die Unified Modeling Language (UML) ist eine standardisierte prache zur Modellierung der truktur und des erhaltens von technischen aber auch nichttechnischen ystemen. ie wird in vielen Bereichen der Informatik angewendet. Einige grundlegende Elemente der UML wurden in anderen Lehrveranstaltungen bereits vorgestellt. Im Rahmen dieser eranstaltung werden alle Diagramme der UML im Detail erläutert. Anhand des Metamodells soll ein erständnis der grundlegenden truktur der UML vermittelt werden. Zudem dient das Metamodell als Beispiel für die Modellierung der truktur eines komplexen ystems. Den chwerpunkt dieser Lehrveranstaltung bildet jedoch die erhaltensmodellierung. Mit insgesamt 7 Diagrammtypen bietet die UML verschiedene Möglichkeiten hierfür. Es soll gezeigt werden, wie sich diese Diagramme auch z.b. zur Modellierung von Geschäftsprozessen verwenden lassen und welche pezialisierungen bzw. Erweiterungen existieren (ystems Modeling Language (ysml), Object Contstraint Language (OCL), Business rocess Modeling Notation (BMN)). Im Rahmen des zugehörigen eminars soll das erhalten und die truktur eines selbst gewählten technischen ystems im Team nach einem einfachen orgehen modelliert werden. Diese sollen Lösungen zu gestellten Modellierungsaufgaben beinhalten. Medienformen 2236 Literatur Chris Rupp, tefan Queins, Barbara Zengler: UML2 glasklar raxiswissen für die UML-Modellierung, 3. aktualisierte Auflage, 2007, Hanser Bernd Oestereich, tefan Bremer (Mitarbeit): Analyse und Design mit UML 2.3, 9. Auflage, 2009, Oldenbourg Gernot tarke, Mike Beedle: Effektive oftware-architekturen, Ein praktischer Leitfaden., 4. aktualisierte Auflage, 2009, Hanser, IBN 9-783446-420083 eite 45 von 207