Modulhandbuch - tu-ilmenau.de · Multimediale Mensch-Maschine-Kommunikation 2 0 0 PL 60min 3 Robotvision 2 0 0 PL 20min 4 Bildanalyse für 3D-Oberflächen- und Volumendaten 1 0 0

Modulhandbuch

Master

05. November 2018Erstellt am:

aus der POS Datenbank der TU Ilmenau

Studienordnungsversion: 2009

Informatik

gültig für das Wintersemester 2018/19

Herausgeber:

URN: urn:nbn:de:gbv:ilm1-mhb-12189

Der Rektor der Technischen Universität Ilmenau

Name des Moduls/Fachs

Inhaltsverzeichnis1.FS

SV P PP

3.FS

SV SVSV PS

7.FS

S

6.FS

S

2.FS

VP P

4.FS 5.FSLP

VP VAb-

schluss

8.FS 9.FS 10.F

VS PSP VV PS

Technische Informatik 8FP

Integrierte Hard- und Softwaresysteme 3 2 PL 20min1 0 4

Komplexe eingebettete Systeme 2 PL 90min01 4

Praktische Informatik 8FP

Netzalgorithmen 1 PL 20min2 0 4

Transaktionale Informationssysteme 1 PL2 0 4

Theoretische Informatik 4FP

Effiziente Algorithmen 2 1 PL 30min2 0 4

Integrierte Hard- und Softwaresysteme 0FP

System- und Software-Engineering 1 PL2 0 3

Technische Applikation von Petri-Netzen 1 PL 20min2 0 4

UMTS-Netze 0 PL 20min2 0 3

Einchipcontroller und Digitale Signalprozessoren 0 PL 20min2 0 2

Spezielle Aspekte Integrierter Hard- undSoftwaresysteme

2 PL00 4

Spezielle und Innovative Rechnerarchitekturen 2 PL 20min00 2

Wireless Internet 1 PL 20min01 2

Medieninformatik und Virtual Reality 0FP

Computergrafik 2 0 PL 60min2 0 3

Erfassung und Verarbeitung von 3D-Daten 1 PL 60min2 0 4

Interaktive Computergrafiksysteme / VirtuelleRealität

2 PL 60min00 3

Bildanalyse für 3D-Oberflächen- undVolumendaten

1 PL 60min00 2

Geometrische Modellierung 2 PL 60min01 4

Vertiefung Bildverarbeitung und Mustererkennung 2 PL 60min01 4

Data Analytics and Soft Computing 0FP

Inferenzmethoden 0 PL 60min2 0 3

Knowledge Discovery in Databases 1 PL 30min2 0 4

Softcomputing 2 0 PL 60min1 0 2

Verteilte Algorithmen PL 20min 4

Data Mining 2 PL 60min00 3

Data-Warehouse-Technologien 2 PL 20min01 3

Neurobiologische Informationsverarbeitung 2 PL 60min01 3

System- und Software-Engineering 0FP

Requirements Engineering 1 PL2 0 3

Softwarearchitekturen 2 PL3 0 6


Spezielle Probleme des SSE 2 PL00 2


Objektorientierte Prozessmodellierung 2 PL 60min01 4

Quantitative Systemmodellierung und Analyse 2 PL 20min01 3

Security Engineering PL 20min 5

Theoretische Aspekte der Softwaretechnik 2 PL 20min00 2

Mobile und verteilte Kommunikations- und Informationssysteme 0FP

Nichtfunktionale Eigenschaften 1 PL 20min2 0 4


Verteilte Algorithmen 1 PL 20min2 0 4

Verteilte Echtzeitsysteme 1 PL 20min2 0 4

Advanced Networking Technologies 2 PL 20min00 4

Ressourcenmanagement 2 PL 20min01 4

Verteiltes Datenmanagement 2 PL 30min01 4


Kognitive Systeme 0FP


Multimediale Mensch-Maschine-Kommunikation 0 PL 60min2 0 3

Robotvision 0 PL 20min2 0 4


1 PL 60min00 2

Bilderfassungssysteme 2 PL 20min00 3

Kognitive Robotik 2 PL00

Kognitive Systeme / Robotik 00 VL2 0

Lernen in kognitiven Systemen 00 VL2 0

3

Lernen in kognitiven Systemen 2 PL00 3


Algorithmik und Komplexität 0FP

Approximationsalgorithmen 1 PL 30min2 0 4

Komplexitätstheorie 1 PL 20min2 0 4

Spezielle Themen der Komplexitätstheorie 0 PL 20min2 0 2

Verifikation unendlicher Systeme 1 PL 20min2 0 4

Ausgewählte Kapitel der Komplexitätstheorie /Algorithmik

31 PL 30min3 010 5

Logik in der Informatik 3 PL 20min01 5

IT-Sicherheit 0FP


Schutz von Kommunikationsinfrastrukturen 2 PL 20min01 4

Security Engineering 2 PL 20min01 4

Ergänzungsfächer 12MO


Approximationsalgorithmen 1 PL 30min2 0 4

Ausgewählte Kapitel der Komplexitätstheorie /Algorithmik

31 PL 30min3 010 5


1 PL 60min00 2

Computergrafik 2 0 PL 60min2 0 3

Data Mining 2 PL 60min00 3

Data-Warehouse-Technologien 2 PL 20min01 4

Einchipcontroller und Digitale Signalprozessoren 0 PL 20min2 0 2


Geometrische Modellierung 3 PL 60min00 4

Inferenzmethoden 0 PL 60min2 0 3

Interaktive Computergrafiksysteme / VirtuelleRealität

2 PL 60min00 3

Knowledge Discovery in Databases 1 PL 30min2 0 4

Kognitive Robotik 2 PL00

Kognitive Systeme / Robotik 00 VL2 0

Lernen in kognitiven Systemen 00 VL2 0

3

Komplexitätstheorie 1 PL 20min2 0 4

Lernen in kognitiven Systemen 2 PL00 3

Logik in der Informatik 3 PL 20min01 5

Multimediale Mensch-Maschine-Kommunikation 0 PL 60min2 0 3

Neurobiologische Informationsverarbeitung 2 PL 60min01 4

Nichtfunktionale Eigenschaften 1 PL 20min2 0 4

Objektorientierte Prozessmodellierung 2 PL 60min01 4

Parallele Algorithmen auf Gittern und Hypercubes 2 PL 20min01 5

Quantitative Systemmodellierung und Analyse 2 PL 20min01 3

Requirements Engineering 1 PL2 0 3

Ressourcenmanagement 2 PL 20min01 4

Robotvision 0 PL 20min2 0 4

Schutz von Kommunikationsinfrastrukturen 2 PL 20min01 4

Security Engineering 2 PL 20min01 4

Softcomputing 2 0 PL 60min1 0 2



Software Reengineering 1 PL01 3

Spezielle Algorithmen 2 PL 20min00 2

Spezielle Aspekte Integrierter Hard- undSoftwaresysteme

0 PL2 0 2

Spezielle Probleme des SSE 2 PL00 2

Spezielle Themen der Komplexitätstheorie 0 PL 20min2 0 2

Spezielle und Innovative Rechnerarchitekturen 2 PL 20min00 2


Technische Applikation von Petri-Netzen 1 PL 20min2 0 4

Theoretische Aspekte der Softwaretechnik 2 PL 20min00 2


Verifikation unendlicher Systeme 1 PL 20min2 0 4

Verteilte Algorithmen 1 PL 20min2 0 4

Verteilte Echtzeitsysteme 1 PL 20min2 0 4

Verteiltes Datenmanagement 2 PL 30min01 4


Webalgorithmen 2 PL 20min01 2


Projektseminar 4FP

Projektseminar 04 PL0 4

Fortgeschrittene Mathematik für Informatiker 8FP

Informations- und Kodierungstheorie 2 PL 30min2 0 4

Optimierung 2 PL 30min2 0 4

Diskrete Mathematik 2 PL 30min02 4

Numerik 2 PL 30min02 4

Stochastische Modelle 2 PL 30min01 4

Hauptseminar 4FP

Hauptseminar 0 PL02 4

Fachpraktikum 30MO

20Fachpraktikum SL 20 30

Masterarbeit mit Kolloquium 30FP

Kolloquium zur Master-Arbeit PL 30min 6

Masterarbeit MA 6 24900 h

Master Informatik 2009

Fachkompetenz: Die Studierenden verstehen detailliert Aufbau und Funktionsweise von komplexeneingebetteten Rechnersystemen und integrierten System-on-Chip-Systemen. Die Studenten verstehen die ineingebetteten Systemen und integrierten System-on-Chip-Systemen zu beachtenden Echtzeit-,Kommunikations- und softwaretechnischen Aspekte. Die Studierenden sind fähig, Sicherheit, Zuverlässigkeit undLeistungsverbrauch beim Entwurf zu berücksichtigen. Die Studenten haben Kenntnisse in der EntwurfsdomäneAutomotive. Methodenkompetenz: Die Studierenden sind in der Lage, Methoden des Systementwurfs, desmodellbasierten Entwurfs, des Hardware-Software-Codesigns und der Optimierung auf konkreteProblemstellungen anzuwenden. Die Studierenden sind in der Lage, verschiedene Methoden fürunterschiedliche Anwendungsgebiete zu bewerten. Systemkompetenz: Die Studierenden entwerfen undvalidieren auszugsweise komplexe eingebettete Rechnersysteme und integrierte System-on-Chip-Systeme fürkonkrete Einsatzszenarien. Sozialkompetenz: Die Studierenden sind in der Lage, praktische Problemstellungendes Entwurfs in der Gruppe zu lösen.

Modulnummer:

Prof. Dr. Andreas Mitschele-Thiel

Modul:

Modulverantwortlich:

Technische Informatik8196

Lernergebnisse

- IHS 1- IHS 2

Vorraussetzungen für die Teilnahme

Fachprüfung/Modulprüfung generiertModulabschluss:

Detailangaben zum Abschluss

Seite 5 von 172

Technische Informatik


Modul:

Integrierte Hard- und Softwaresysteme 3

ACHTUNG: Fach bzw. Modul wird nicht mehr angeboten!

SommersemesterTurnus:


7771

Fachverantwortlich:

Sprache:

Prüfungsleistung mündlich 20 min

Fachnummer:

Deutsch und Englisch

2200118Prüfungsnummer:

Fachabschluss:

1 2 0

V S PSWS nach

Fach-semester

1.FS 2.FS 3.FS 4.FS 5.FS 6.FS 7.FS

Medienformen

Powerpoint-Präsentationen, Tafelarbeit und Diskussionen

Vertiefende Aspekte des Entwurfs integrierter HW/SW-Systeme insbesondere von System-on-Chip-Designs;Schwerpunkt auf Systemoptimierung und Testmethoden

Inhalt

Vorkenntnisse

IHS 2, Rechnerarchitektur, Betriebssysteme, Software Engineering

Lernergebnisse / Kompetenzen

Vertieftes Verständnis des Entwicklungsprozesses integrierter System-on-Chip-Systeme und der Methoden zumEntwurf, der funktionalen Validierung und der Leistungsbewertung und Optimierung entsprechender Systeme.

Literatur

Präsentationen und in der Vorlesung individuell bekannt gegebenes aktuelles Material

4Leistungspunkte: Workload (h):120 86Anteil Selbststudium (h): SWS:3.0

Pflichtfach

Fakultät für Informatik und Automatisierung

Pflichtkennz.:

2235Fachgebiet:

Art der Notengebung: Gestufte Noten


verwendet in folgenden Studiengängen:


V S P V S P V S P V S P V S P V S P

8.FS 9.FS 10.FS

V S P V S P V S P

Seite 6 von 172

Technische Informatik


Modul:

Komplexe eingebettete Systeme



Prof. Dr. Armin Zimmermann

8191

Fachverantwortlich:

Sprache:

Prüfungsleistung schriftlich 90 min

Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Vorlesung: Folien (Beamer erforderlich), Arbeitsblätter (Online und Copyshop) Übung: Arbeitsblätter undEntwurfsproblembeschreibung (Online und Copyshop) Design-Tools (PC-Pool notwendig) Allgemein: Webseite(Materialsammlung und weiterführende Infos) http://www.tu-ilmenau.de/sse

1. Introduction, Motivation 2. Aspects of System Design 3. Model-Based Design 4. Real-Time Systems 5.Scheduling 6. Safety and Reliability 7. Software Design for Embedded Systems 8. Hardware-Software-Codesign9. Computer Architecture of Embedded Systems 10. Communication Systems 11. Energy Consumption 12.Automotive Embedded Systems 13. Design projects in different application areas (Ü+PS)

Inhalt

Vorkenntnisse

Bachelor in Conputer Science or related subjects BsC im Studiengang Ingenieurinformatik bzw. weitgehendäquivalentem Studiengang


Fachkompetenz: Die Studierenden verstehen detailliert Aufbau und Funktionsweise von komplexeneingebetteten Rechnersystemen. Die Studenten verstehen die in eingebetteten Systemen zu beachtendenEchtzeit-, Kommunikations- und softwaretechnischen Aspekte. Die Studierenden sind fähig, Sicherheit,Zuverlässigkeit und Leistungsverbrauch beim Entwurf zu berücksichtigen. Die Studenten haben Kenntnisse inder Entwurfsdomäne Automotive. Methodenkompetenz: Die Studierenden sind in der Lage, Methoden desSystementwurfs, des modellbasierten Entwurfs und des Hardware-Software-Codesigns auf konkreteProblemstellungen anzuwenden. Die Studierenden sind in der Lage, verschiedene Methoden fürunterschiedliche Anwendungsgebiete zu bewerten. Systemkompetenz: Die Studierenden entwerfen undvalidieren auszugsweise komplexe eingebettete Rechnersysteme für konkrete Einsatzszenarien.Sozialkompetenz: Die Studierenden sind in der Lage, praktische Problemstellungen des Entwurfs in der Gruppezu lösen.

Literatur

Are publicized on the web site and in the lecture Primär: Eigenes Material (Online und Copyshop) Sekundär:Empfehlungen in der Vorlesung Allgemein: Webseite http://www.tu-ilmenau.de/sse (dort auch gelegentlichaktualisierte Literaturhinweise und Online-Quellen).


Pflichtfach


Pflichtkennz.:

2236Fachgebiet:


Successful completuion and grading is based on- 70% written exam (90 min)- 30 % individual talks by students



Master Informatik 2009Master Ingenieurinformatik 2009Master Research in Computer & Systems Engineering 2009


8.FS 9.FS 10.FS

V S P V S P V S P

Seite 7 von 172


• Fachkompetenz: Die Studierenden verfügen über grundlegende Kenntnisse zu Basisalgorithmen undeinfachen Datenstrukturen der Informatik. Die Studierenden können Problemlösungen algorithmisch beschreibenund in einer höheren Programmiersprache implementieren. • Methodenkompetenz: Die Studierenden sind in der Lage, für eine Aufgabenstellung einen Algorithmus zuentwerfen bzw. bekannte Algorithmenmuster anzuwenden. Zur Implementierung des Algorithmus können sie dieProgrammiersprache Java einsetzen. • Sozialkompetenz: Die Studierenden lösen die Aufgabe selbständig. Sie sind in der Lage, auf Fehler,Kritiken und Lösungshinweise zu reagieren. Sie verstehen die Notwendigkeit einer sorgfältigen und logischexakten Arbeitsweise.

Modulnummer:

Prof. Dr. Günter Schäfer

Modul:


Praktische Informatik8214

Lernergebnisse

Vorlesung / Übung „Algorithmen und Programmierung“ (1.Semester)




Seite 8 von 172

Praktische Informatik


Modul:

Netzalgorithmen

WintersemesterTurnus:


8215

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Folien, Tafelanschrieb, Bücher

1. Einführung: Kommunikation in datagrammorientierten Netzwerken, Routingalgorithmen inklusiveKorrektheitsbeweise, Modellierung von Datenverkehr mittels Poisson-Prozess, MM1 Wartesystem,Grundlegende Entwurfsprobleme in Netzwerken2. Netzwerkmodellierung: Modellierung von Netzwerk-Design-Aufgaben als Multi-Commodity-Flow Probleme,Pure-Allocation-Problem, Shortest-Path-Routing, Fair Networks, Tunnel-Design in MPLS Netzwerken, MultilevelNetzwerke3. Optimierungsmethoden: Grundlagen der Linearen Optimierung, Simplexalgorithmus, Branch-and-Bound,Gomory-Schnitte, Branch-and-Cut4. Netzwerkentwurf: Zusammenhang von Netzwerkentwurfsproblemen und mathematischer Modellierung inStandardform, kapazitierte Probleme, Pfaddiversität, Limited-Demand-Split, NP-Vollständigkeit von Single-Path-Allocation, Modular Flows, nichtlineare Zielfunktionen und Nebenbedingungen, Lösung von Problemen mitkonvexen und konkaven Zielfunktionen bzw. Nebenbedingungen durch lineare Approximation5. Network Resilience: Zusammenhangsmaße, Biconnected Components, Algorithmen zur Bestimmung derBlockstruktur von Graphen Praktische Probleme und Protokollfunktionen in Kommunikationsnetzen und ihr algorithmischer Hintergrund.

Inhalt

Vorkenntnisse

MA Informatik


• Fachkompetenz: Die Studierenden verstehen die gebräuchlichen Routingverfahren kennen dieNotwendigkeit für eine bedarfsgerechte Aufteilung des Verkehrsaufkommens in Netzwerken. Sie können dieverschiedenen Zielsetzung beim Netzwerkentwurf voneinander abgrenzen und gegenüberstellen. • Methodenkompetenz: Die Studierenden können grundlegende Entwurfs- bzw. Optimierungsprobleme alsMulti-Commodity-Flow Probleme formulieren. Sie sind in der Lage diese in Standardformen zu überführen unddurch Anwendung mathematischer Standardsoftware zu lösen. • Systemkompetenz: Die Studierenden verstehen die Wechselwirkungen verschiedener Optimierungszielebeim Netzwerkentwurf und -betrieb.

Literatur

Michal Pioro, Deepankar Medhi. Routing, Flow, and Capacity Design in Communication and ComputerNetworks. The Morgan Kaufmann Series in Networking, Elsevier, 2004


Pflichtfach


Pflichtkennz.:

2253Fachgebiet:




Master Informatik 2009Master Informatik 2013Master Ingenieurinformatik 2009Master Ingenieurinformatik 2014


8.FS 9.FS 10.FS

V S P V S P V S P

Seite 9 von 172

Master Wirtschaftsinformatik 2013Master Wirtschaftsinformatik 2014Master Wirtschaftsinformatik 2015Master Wirtschaftsinformatik 2018

Seite 10 von 172

Praktische Informatik


Modul:

Transaktionale Informationssysteme


Prof. Dr. Winfried Kühnhauser

254

Fachverantwortlich:

Sprache:

Prüfungsleistung alternativ

Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Präsentationen mit Projektor und Tafel, Bücher und Fachaufsätze, Übungsaufgaben und Diskussionsblätter

Ausgehend von beispielhaften Anwendungsszenarien werden die rigorosen theoretischen Grundlagentransaktionaler Systeme besprochen und Methoden, Algorithmen und Architekturen vorgestellt, die dieEigenschaften transaktionaler Systeme herstellen.Kursinhalte sind Transaktionssemantiken und –modelle sowie Methoden und Algorithmen zur Herstellung derelementaren ACID-Eigenschaften.

Inhalt

Vorkenntnisse

Zulassungsvoraussetzungen des Master Informatik


In verteilten Informatiksystemen wie Datenbankmanagementsystemen, Workflowmanagementsystemen oderSteuerungs- und Kontrollsystemen gibt es typischerweise eine große Anzahl und Vielfalt an Ressourcen, die vonvielen Systemkomponenten gemeinsam genutzt werden. Der Verteiltheit derartiger Szenarien bedingt dabeieinerseits, dass ein hoher Grad an Parallelität bei der Nutzung gemeinsamer Ressourcen besteht, andererseitsaber auch Ausfälle von Teilkomponenten solcher Systeme zum Regelfall gehören.In derartigen Umgebungen stellen transaktionale Kooperationssemantiken sicher, dass trotz hochgradigerParallelität und partieller Ausfälle die Konsistenz der genutzten Ressourcen erhalten bleibt. Ursprünglich ausdem Umfeld der Datenbankmanagementsysteme stammend haben die Meriten transaktionaler Systeme dazugeführt, dass sie heute im sehr viel allgemeineren Umfeld verteilter Systeme erheblich an Bedeutung gewonnenhaben.Die Studierenden lernen im diesem Kurs die rigorosen theoretischen Grundlagen transaktionaler Systemkennen, sie erwerben Kenntnisse über die Methoden, Architekturen und Algorithmen, die die Eigenschaftentransaktionaler Systeme herstellen.

Literatur

Wird aktuell im Web veröffentlicht


Pflichtfach


Pflichtkennz.:

2255Fachgebiet:


PL nach §9 (Vortrag auf Abschlussworkshop und mdl. Prüfung, Gewichtung der Endnote 1/3 und 2/3)





8.FS 9.FS 10.FS

V S P V S P V S P

Seite 11 von 172


siehe Beschreibung des Fachs „Effiziente Algorithmen 2“

Modulnummer:

Prof. Dr. Martin Dietzfelbinger

Modul:


Theoretische Informatik8224

Lernergebnisse

Bachelor, insbesondere „Algorithmen und Datenstrukturen“ und „Effiziente Algorithmen“.




Seite 12 von 172

Theoretische Informatik


Modul:

Effiziente Algorithmen 2




8225

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Tafelvortrag, Ausarbeitungen als Text im Netz. Projektion. Übungsblätter auf der Vorlesungswebseite.

Flussprobleme und –algorithmen: Ford-Fulkerson-Methode, Algorithmus von Edmonds/Karp, Sperrflussmethode(Algorithmus von Dinitz).Matchingprobleme und ihre Algorithmen: Kardinalitätsmatching, Lösung über Flussalgorithmen, Algorithmus vonHopcroft/Karp; gewichtetes Matching: Auktionsalgorithmus, Ungarische methode; Stabile Paarungen: Satz vonKuhn/Munkres, Algorithmus von Gale/Shapley.Amortisierte Analyse von Datenstrukturen: Ad-Hoc-Analyse, Bankkontomethode, Potentialmethode.Binomialheaps und Fibonacci-Heaps.Textsuche: Randomisiertes Verfahren; Algorithmus von Knuth/Morris/Pratt, Algorithmus von Aho/Corasick,Algorithmus von Boyer/Moore, Vorverarbeitung für Boyer-Moore-Algorithmus.

Inhalt

Vorkenntnisse

Stoff des Bachelorstudiums zum Thema Algorithmen: Algorithmen und Datenstrukturen, Effiziente Algorithmen,Wahrscheinlichkeitsrechnung (Stochastik) für Informatiker, Mathematik für Informatiker.


Fachkompetenz: Die Studierenden kennen einige wesentliche fortgeschrittene Algorithmen und die hierfürnotwendigen Entwurfs- und Analysetechniken. Sie können mit den erlernten Techniken Algorithmen fürabgewandelte Fragestellungen entwerfen und analysieren. Sie können Algorithmen auch auf nicht offensichtlicheAnwendungsfragestellungen übertragen. Sie können eine amortisierte Laufzeitanalyse durchführen, wenn diewesentlichen Festlegungen angegeben sind. Die Studierenden kennen die vielfältige Anwendbarkeit vonFlussalgorithmen. Sie kennen nichttriviale grundlegende Techniken für die Verarbeitung von Wörtern(Textsuche) und die relevanten Beweistechniken.

Literatur

Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, Clifford Stein, Introduction to Algorithms, MITPress, 2009S. Dasgupta, C. Papadimitriou, U. Vazirani, Algorithms, McGraw-Hill, 2007T. Ottmann, P. Widmayer, Algorithmen und Datenstrukturen, Spektrum Akademischer Verlag, 2002R. Sedgewick, Algorithms, Addison-Wesley, 2002 (auch C-, C++, Java-Versionen, auch auf deutsch beiPearson) R. Sedgewick, Algorithms, Part 5: Graph Algorithms, Addison-Wesley, 2003J. Kleinberg, E. Tardos, Algorithm Design, Pearson Education, 2005Ravindra K. Ahuja, Thomas L. Magnanti, James B. Orlin: Network Flows, Prentice Hall, 1993


Pflichtfach


Pflichtkennz.:

2242Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 13 von 172


Detailliertes fortgeschrittenes Verständnis für und Fähigkeiten zu Aufbau, Funktion, Modellierung und Entwurfintegrierter Hard- und Softwaresysteme

Modulnummer:

Prof. Dr. Wolfgang Fengler

Modul:


Integrierte Hard- und Softwaresysteme8227

Lernergebnisse

empfohlen: Modul IHS im Bachelor IN (keine Bedingung)




Seite 14 von 172

Integrierte Hard- und Softwaresysteme


Modul:

System- und Software-Engineering



8328

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Vorlesung: Folien (Beamer erforderlich) Übung: Arbeitsblätter (Online) Allgemein: Webseite (Materialsammlungund weiterführende Infos) http://www.tu-ilmenau.de/sse

* Einführung und Überblick * Systementwurf - Vorgehensmodelle - Projektmanagement - Qualitätsmanagement *Entwurf zuverlässiger Systeme - Sicherheit, Zuverlässigkeit und Fehlertoleranz - Modelle und Bewertung *Automotive System and Software Engineering - Mechatronik und Hardware im Automobil - Steuergeräteentwurf -AUTOSAR * Begleitendes Entwurfs- und Implementierungsprojekt (z.B. fehlertolerante Steuerung einerModelleisenbahn)

Inhalt

Vorkenntnisse

BsC im Studiengang Ingenieurinformatik / Informatik bzw. weitgehend äquivalentem Studiengang


Fachkompetenz: Die Studierenden verstehen detailliert Verfahren und Herangehensweisen für den Entwurftechnischer Systeme mit Softwareanteil. Die Studenten haben Kenntnisse im Anwendungsgebiet AutomotiveEngineering und sind in der Lage, fehlertolerante und sicherheitskritische Systeme zu entwerfen und zurealisieren. Methodenkompetenz: Die Studierenden sind in der Lage, Methoden des modellbasierten System-und Softwareentwurfs auf konkrete Problemstellungen anzuwenden. Sozialkompetenz: Die Studierenden sind inder Lage, praktische Problemstellungen des System- und Software-Engineering in der Gruppe zu lösen und zupräsentieren.

Literatur

siehe Webseiten der Lehrveranstaltung und Hinweise in der Lehrveranstaltung


Wahlpflichtfach


Pflichtkennz.:

2236Fachgebiet:




Master Informatik 2009Master Wirtschaftsinformatik 2009Master Wirtschaftsinformatik 2011


8.FS 9.FS 10.FS

V S P V S P V S P

Seite 15 von 172



Modul:

Technische Applikation von Petri-Netzen



171

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Arbeitsblätter für V und Ü

1. Einleitung 2. Definitionen und Eigenschaften von Platz-Transitions-Netzen (PTN) 3. Steuerungsentwurf mit PTN 4. Hierarchie in PTN 5. Höhere Netze: Colored Petri Nets (CPN) 6. Modellierung paralleler und verteilter Programme 7. Technologiemodellierung mit CPN 8. UML-Diagramme und Petri-Netze 9. Geschäftsprozesse, Workflow und PN

Inhalt

Vorkenntnisse

Rechnerarchitekturen 1 oder Technische Informatik 2 oder vergleichbare VeranstaltungRechnerorganisation oder Technische Informatik 1 oder vergleichbare VeranstaltungSoftwaretechnik oder Softwaresysteme oder vergleichbare Veranstaltung


Detailliertes Verständnis von klassischen und höheren Petri-Netzen, von Möglichkeiten zur formalen Verifikationund Transformation, Anwendung beim Entwurf von Steuerungsystemen, parallelen, verteilten undobjektorientierten Softwaresystemen

Literatur

Reisig, W.: System Design Using Petri Nets. Berlin: Springer-Verlag, 1991 Starke, Peter H.: Analyse von Petri-Netz-Modellen. Stuttgart: Teubner,1990 Jensen, K.: Coloured Petri Nets - Basic Concepts, Analysis Methodsand Practical Use, Vol. 1: Basic Concepts. Allgemein: Webseite http://tu-ilmenau.de/?r-pntw (dort auchgelegentlich aktualisierte Literaturhinweise und Online-Quellen).


Wahlpflichtfach


Pflichtkennz.:

2231Fachgebiet:


• Modulprüfung: Siehe dort. • Einzelfall: Mündliche Prüfung 20 Minuten.





8.FS 9.FS 10.FS

V S P V S P V S P

Seite 16 von 172



Modul:

UMTS-Netze




215

Fachverantwortlich:

Sprache:


Fachnummer:



Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen

Präsentation, Fragen zum Stoff

· Grundlagen der Mobilkommunikation · GSM und GPRS · UMTS-Architektur und Protokollarchitektur ·Mobilitätsverwaltung · Verbindungsverwaltung · Wideband CDMA · Verwaltung der Funkressourcen · UMTS-Funkzugangssystem · UMTS-Dienste · UMTS-Evolution (HSPA, LTE/SAE)

Inhalt

Vorkenntnisse

Wireless Internet oder Mobilkommunikationsnetze


Kenntnisse der Funktion von UMTS-Netzen

Literatur

Kaaranen, et al: UMTS Networks


Wahlpflichtfach


Pflichtkennz.:

2235Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 17 von 172



Modul:

Einchipcontroller und Digitale Signalprozessoren


Dr. Bernd Däne

174

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen

Anschriebe, Folien, Rechnerdemonstrationen, Downloads

Aufbau, Funktionsweise, Gemeinsamkeiten und Unterscheidungskriterien von Einchipcontrollern(Einchipmikrorechner, EMR; auch: Mikrocontroller, µC) und Digitalen Signalprozessoren (DSP); DetaillierteBetrachtung von EMR an Beispielen; Detaillierte Betrachtung von DSP an Beispielen; Prozessorkerne,maschinennahe Programmierung, integrierte Peripheriefunktionen, Entwicklungswerkzeuge

Inhalt

Vorkenntnisse

notwendig: Rechnerarchitekturen 1 oder Technische Informatik 2 oder vergleichbare Veranstaltung.empfohlen: Rechnerarchitekturen 2 oder vergleichbare Veranstaltung.


Detailliertes Verständnis zu Aufbau, Programmierung und praktischem Einsatz von Einchipmikrorechnern(Microcontrollern, Einchipcontrollern) und Digitalen Signalprozessoren.

Literatur

Gelegentlich aktualisierte Literaturhinweise und Onlinequellen sind der Webseite zu entnehmen: http://tu-ilmenau.de/?r-dsp


Wahlpflichtfach


Pflichtkennz.:

2231Fachgebiet:





Master Fahrzeugtechnik 2009Master Informatik 2009Master Informatik 2013Master Ingenieurinformatik 2009Master Ingenieurinformatik 2014


8.FS 9.FS 10.FS

V S P V S P V S P

Seite 18 von 172



Modul:

Spezielle Aspekte Integrierter Hard- und Softwaresysteme



7793

Fachverantwortlich:

Sprache:

Prüfungsleistung mündlich

Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen

kurzfristig unter Lehrmaterial auf den WEB-Seiten der beteiligten Fachgebiete abrufbare pdf-Dateien

Auswahl von Themen zum fortgeschrittenen Stand des Gebietes Integrierte Hard- und Softwaresysteme

Inhalt

Vorkenntnisse

Vertiefungskenntnisse zu integrierten Hard- und Softwaresystemen


Detailliertes fortgeschrittenes Verständnis für und Fähigkeiten zu speziellen Themen zu Aufbau, Funktion,Modellierung und Entwurf integrierter Hard- und Softwaresysteme

Literatur

Literaturangaben individuell zu den behandelten Themen in der Vorlesung bzw. im bereitgestellten Lehrmaterial


Wahlpflichtfach


Pflichtkennz.:

2235Fachgebiet:

Art der Notengebung: Generierte Noten





8.FS 9.FS 10.FS

V S P V S P V S P

Seite 19 von 172



Modul:

Spezielle und Innovative Rechnerarchitekturen


Dr. Bernd Däne

173

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen


1. Einleitung 2. Vektorrechner 3. Virtuelle Befehlssatzarchitekturen 4. Datenfluss-Architekturen 5. Processing in Memory (PIM) 6. Neurocomputer 7. Tendenzen bei Steuerfluss-Prozessoren 8. Optische Computer 9. Quantencomputer

Inhalt

Vorkenntnisse



Umfassende Information und detailliertes Verständnis der vielfältigen Entwicklungsrichtungen und Sonderformenvon Rechnerarchitekturen

Literatur

Alle Informationen sind auf der Webseite der Vorlesung zu finden:http://tu-ilmenau.de/?r-sira


Wahlpflichtfach


Pflichtkennz.:

2231Fachgebiet:







8.FS 9.FS 10.FS

V S P V S P V S P

Seite 20 von 172



Modul:

Wireless Internet




214

Fachverantwortlich:

Sprache:


Fachnummer:



Fachabschluss:

1 1 0

V S PSWS nach

Fach-semester


Medienformen


. Grundlagen der drahtlose Übertragung · Medienzugriffsverfahren · Mobilitätsmanagement · Transportprotokolle· Quality-of-Service · Sicherheit · Kommunikationssysteme (802.11, GSM/GPRS, UMTS) und Hardware vonKommunikationsystemen

Inhalt

Vorkenntnisse

Telematik/Rechnernetze


Verständnis der Probleme und der Protokolle drahtloser IP-basierte Kommunikationssysteme

Literatur

Präsentationen siehe www.tu-ilmenau.de/ihs Schiller: Mobilkommunikation


Wahlpflichtfach


Pflichtkennz.:

2235Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 21 von 172


Umfassende theoretische und praktische Grundlagen der geometrischenModellierung, der fortgeschrittenen Methoden der Bildverarbeitung, dersoftaretechnischen Umsetzung komplexer interaktiver Systeme, Technikender Virtuellen Realität der Echtzeitgrafik mit besonderer Behandlungder hardwarenahen Umsetzung von realistischen Echtzeiteffekten.

Modulnummer:

Prof. Dr. Beat Brüderlin

Modul:


Medieninformatik und Virtual Reality8228

Lernergebnisse




Seite 22 von 172

Medieninformatik und Virtual Reality


Modul:

Computergrafik 2



241

Fachverantwortlich:

Sprache:


Fachnummer:

keine Angabe


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen

Ausgewählte Kapitel neuer Rendering-Technologie: Programmierbare Shader, Deferred Shading.Ray Tracing,Global Illumination, Spherical Harmonics. Diese Vorlesung ist z.Zt. noch in Ausarbeitung.

Inhalt

Vorkenntnisse


Literatur


Wahlpflichtfach


Pflichtkennz.:

2252Fachgebiet:


schriftliche Prüfung 90 min, mündliches Prüfungsgespräch nach Vereinbarung



Master Informatik 2009Master Ingenieurinformatik 2009


8.FS 9.FS 10.FS

V S P V S P V S P

Seite 23 von 172



Modul:

Erfassung und Verarbeitung von 3D-Daten


Dr. Rico Nestler

239

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Die Veranstaltung „Erfassung und Verarbeitung von 3D-Daten” widmet sich technischen Ansätzen zurGewinnung von Tiefeninformationen, den dabei erforderlichen Datenverarbeitungsaspekten. Der Schwerpunktliegt auf inkohärent optischen Ansätzen zur 3D-Datenerfassung, den zugehörigen systemtechnischenRealisierungen und notwendigen Methoden / Verfahren.Die Verarbeitungsaspekte zur Gewinnung der 3D-Information werden dabei ansatzbezogen diskutiert. Dieausführliche Darstellung der klassischen Verfahren wird durch aktuelle Ansätze, wie die Weißlichtinterferometrie,die Fokusvariation oder das Time of Flight-Prinzip ergänzt. Die Veranstaltung schließt in einem Grundlagenteilwichtige systemtechnische, optische und geometrische Gesetzmäßigkeiten von Bildaufnahmeprozessen sowieGrundzüge der projektiven Geometrie ein.Die Veranstaltung ist begleitet von einem Seminar bzw. Exkursionen, in denen Vorlesungsinhalte nachbereitetund vertieft diskutiert werden sollen.Vorlesungsinhalte

• Einleitung

• Historische und wahrnehmungsphysiologische Aspekte der 3D-Erfassung • Überblick zu technischen Grundansätzen zur 3D-Erfassung • Grundlagen

• Algebraische Beschreibung von geometrischen Transformationen, Abbildungen und Messanordnungen • Optische Grundlagen (Prof. Notni) • Binokularer / polynokularer inkohärent optischer Ansatz zur 3D-Erfassung

• Primärdatenaufbereitung • Tsai-Modellierung von Messkameras

Inhalt

Vorkenntnisse

gute Kenntnisse in Physik, Mathematik aber auch Informations- bzw. Nachrichtentechnik (Vorlesungen zurSystemtheorie, Signale & Systeme), Grundlagen der Bildverarbeitung und Mustererkennung, Grundlagen derFarbbildverarbeitung


Der Student erhält einen umfassenden Überblick zu Verfahren der Rekonstruktion von Objektoberflächen oderzur Abstandsanalyse ausgewählter Szenen-/Objektpunkte in dreidimensionalen Szenen. Dabei werden sowohldie systemtechnischen Aspekte als auch die Methoden / Verfahren zur Ermittlung räumlicher Information ausdigitalen Bildern diskutiert. Mögliche Anwendungsgebiete dieser Techniken sind sehr vielfältig, z.B.computergrafische Modellierungen dreidimensionaler Objekte (Reverse Engineering), Abstandsmessungen inder Fahrzeugsteuerung, Oberflächeninspektionen oder Prüfungen auf Maßhaltigkeit in der Qualitätssicherung,Lageschätzungen oder Hindernislokalisierung in der Robotik bzw. der Sicherheitstechnik. Verfahren zurGestaltsrekonstruktion beinhalten in starkem Maße Elemente und Techniken der klassischen Bildverarbeitung.Genauso sind zur Erfüllung von Erkennungsaufgaben mit Bildverarbeitung heutzutage zunehmend 3D-Aspektezu berücksichtigen.

Aufbauend auf den vermittelten Inhalten ist der Student befähigt, sein Wissen in konkreten Computervision-Anwendungen in einem der oben genannten Felder einzusetzen.


Wahlpflichtfach

Fakultät für Maschinenbau

Pflichtkennz.:

2362Fachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 24 von 172

https://www.tu-ilmenau.de/qualitaetssicherung/studium-lehre/lehrveranstaltungen/gdbvme/

https://www.tu-ilmenau.de/qualitaetssicherung/studium-lehre/lehrveranstaltungen/gdfbv/


Medienformen

elektronisches Vorlesungsskript "Erfassung und Verarbeitung von 3D-Daten", Übungsunterlagenhttp://vision.middlebury.edu/stereo/

• Polynokulare Messanordnungen und -systemkalibrierung (Prof. Notni) • Korrespondenzsuche in Bildern: Constraints und Algorithmen • Subpixelgenaues Erfassen von Strukturorten • Musterprojektion und strukturiertes Licht, Phasogrammetrie (Prof. Notni) • Anwendungen (Prof. Notni) • Monokular inkohärent optische Verfahren zur 3D-Erfassung

• Depth from -Motion, -Shading, -Texture, -Fokus: Prinzipien und Randbedingungen der praktischenAnwendung • Praxisrelevante weitere Ansätze zur 3D-Erfassung

• Fokusvariation

Literatur

siehe Rubrik Literatur in der Fachbeschreibung




Master Informatik 2009Master Informatik 2013Master Ingenieurinformatik 2009Master Ingenieurinformatik 2014Master Medientechnologie 2009Master Medientechnologie 2013Master Optische Systemtechnik/Optronik 2017

Seite 25 von 172

http://vision.middlebury.edu/stereo/

https://www.tu-ilmenau.de/qualitaetssicherung/studium-lehre/lehrveranstaltungen/euvv3dd/



Modul:

Interaktive Computergrafiksysteme / Virtuelle Realität



236

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen

Scripte und Folienkopien

1. Teil: Grundzüge der Mensch-Computer Interaktion: Von Eingabegeräten über Betriebssystemunterstützungzur Softwaretechnik. Aspekte der Benutzerfreundlichkeit anhand von Standardsoftware sowieSpezialanwendungen - Input Handling (logical devices / GKS, request, sampling, event-mode, Vergleich derMethoden) - Softwaretechnologiekonzepte für GUI: Objekt-orientiertes Event-handling / Widgets - GUI Design(Anforderungen und Entwurfsgrundsätze) - Softwaretechnik für GUI: Aspect-orientierter Entwurf vs. objekt-orientierte Methoden, Entwurfsmuster, UIMS - Diskussion spezieller Interaktions-Konzepte f. 2D- und 3D-Interaktion für das "Desktop Paradigma" (Usability Aspekte, Diskussion der Entwurfsregeln an Beispiel-Anwendungen) 2. Teil beschäftigt sich mit speziellen Geräten und Methoden der Virtuellen und ErweitertenRealität - Virtual Reality: Grundlagen & Geräte, Tracking Systeme - Augmented Reality: Geräte und Methoden

Inhalt

Vorkenntnisse

Grundlagen der Computergrafik Erwünscht: Objektorientiertes Programmieren


Die Vorlesung nähert sich dem vielschichtigen Thema grafisch interaktiver Mensch-Computerschnittstellen ausverschiedenen Richtungen und schafft dadurch einen Überblick über die Methodiken. Studierende sollen mit denvermittelten Grundagen (nach eventueller Vertiefung im Detail, bzw. mit geeigneten Softwarewerkzeugen)selbständig interaktive Anwendungen entwerfen und umsetzen können.

Literatur

1) Computer Graphics, Principles and Practice. J.D. Foley, A. van Dam, S.K. Feiner, J.F. Hughes, Addison-Wesley, 1991 2) 3D User Interfaces: Theory and Practice, Doug A. Bowman, Ernst Kruijff, Joseph J. Laviola,Addison-Wesley Longman, Amsterdam (26. Juli 2004) 3) Video «Doing with Images Makes Symbols» (Dr. AlanKay, 1987): Teil 1: http://www.archive.org/details/AlanKeyD1987 Teil 2: http://www.archive.org/details/AlanKeyD1987_2 4) Design Patterns - Elements of Reusable Object-Oriented Software. ErichGamma, Richard Helm, Ralph Johnson und John Vlissides, Addison Wesley 1995


Wahlpflichtfach


Pflichtkennz.:

2252Fachgebiet:




Bachelor Ingenieurinformatik 2008Master Informatik 2009Master Ingenieurinformatik 2009Master Medientechnologie 2009Master Medientechnologie 2013


8.FS 9.FS 10.FS

V S P V S P V S P

Seite 26 von 172



Modul:

Bildanalyse für 3D-Oberflächen- und Volumendaten



Dr. Karl-Heinz Franke

8230

Fachverantwortlich:

Sprache:


Fachnummer:

keine Angabe


Fachabschluss:

1 0 0

V S PSWS nach

Fach-semester


Medienformen

Inhalt

Vorkenntnisse


Literatur


Wahlpflichtfach


Pflichtkennz.:

2252Fachgebiet:


schriftliche Prüfung 60 min





8.FS 9.FS 10.FS

V S P V S P V S P

Seite 27 von 172



Modul:

Geometrische Modellierung



240

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Aktuelle Skripte / Ergänzungen, siehe Vorlesungs-Webseiten des Fachgebietes Grafische Datenverarbeitung

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 (Vereinigung, Durchschnitt, Differenz)Abstandsfunktionen für Mengen, Problematik nichtmetrischer Abstandsfunktionen. Hausdorff-Metrik. Topologie,topologische Räume, stetige Abbildungen, Homöomorphismen, homöomorph. Einbettung, topologischeDimension, reguläre Körper, reguläre Mengenoperationen (praktische Bedeutung) d-Simplexe, simplizialeKomplexe. Orientierung, Orientierbarkeit Mannigfaltigkeiten (3-, 2-Mannigfaltigkeit mit, bzw. ohne Rand) 2-Mannigfaltigkeit als simplizialer Komplex, Pseudo 2-Mannigfaltigkeit. Polyedertehorie: Polyedersatz,Eulercharakteristik, Platonische Körper (Hinweise: Kristalle, Dreiecksnetze / Speicherbedarf. geometriebasierteDatenkompression.) Euleroperatoren, Euler Poincarré Charakteristik. Euler Operatoren auf simplizialenKomplexen, abstrakte Polyeder. Beispiele für Euler-Poincarré Charakteristik Überblick / Zusammenhänge derDefinitionen (reguläre Mengen, 2-Mannigfaltigkeiten / simpl. Kompl. Euler) Konkrete Darstellung von Objektenals strukturierte Mengen, Datenrepräsentierung als funktionale Abbildung (Vollständigkeit, Eindeutigkeit,Genauigkeit, Effizienz, etc.) B-Rep, CSG, Winged Edge, Drahtmodelle, Voxel, Simplex. AlgorithmischeUmsetzung von regularisierten Mengenoperationen auf Polyedern. Robustheit geometrischer Algorithmen.Intuitionistische Inzidenzrelation. Effiziente geometrische Datenstrukturen & Algorithmen:---------------------------------------- Algorithmen: Einführung, algorithm. Komplexität, räumliche (mehrdimensionale)Suchstrukturen: Grid, Voxel, Octree, K-d-Bäume, Grid-file, hierachische AABB, OBB, k-DOP, R* Punktsuche,Bereichsuche, körperhafte Objekte als hochdimensionale Punkte, Hüllkörperhierarchie mit Überlappung,Nachbarschaftssuche, Anwendungsbsp. Ray Tracing, Kollisionserkennung (Physiksimulation, Boolean)Effiziente geometrische Datenstrukturen & Algorithmen: Konvexe Hüllen. Definition und Konstruktion. Methodemit Stützgeraden. Erweiterung auf höhere Dimensionen. Konvexe Hüllen. Fächermethode nach Graham + Divide& Conquer Schneiden von Liniensegmenten mit dem Plane Sweep Verfahren. Voronoi-Zellen, DelaunayTriangulierung, Skelette. Output-Sensitivität, Temporale Kohärenz, Stochastische Algorithmen. Kurven &Flächen: ----------------- Implizite vs. explizite (parametrische) Kurven, Ferguson- Darstellung, Bezier-Darstellung.De Casteljau-Beziehung. Konvexe-Hüllen-Eigenschaft. De Casteljau-Zerlegung. Flatnesstest, adaptiveZerlegung /Approximation. Eigenschaften: Positive Definiteness, Variation-Diminishing-Eigenschaft BezierFlächen. Zerlegung in Zeilen- und Spaltenkurven. Adaptive, rekursive Zerlegung v. Bezierflächen nach deCasteljau. Computer Algebra Methoden (Gröbner Basen, Resultante) Polynomgrad von Flächen undTrimmkurven sowie Flächenschnitten. Rationale Bezierkurven B-Spline-Kurven (Stückweise Polynomkurven)Freiformflächen (Trimmkurven, Komposition, T-NURBS, Tesselierung) Computer Aided Design ---------------------Modellieroperationen im CAD, CAD Systeme / Kernel (Open Source) Feature-basiertes, parametrischesModellieren mit CAD .

Inhalt

Vorkenntnisse

Algorithmen und Datenstrukturen, Computergrafik Grundlagen / lineare Algebra


Vermittlung mathematischer und informationstechnischer Grundlagen geometrischer Modellierungssoftware /Computer Aided Design (CAD). Die Vorlesung wendet sich sowohl an Entwickler von CAD-Software, als auch anden interessierten Anwender solcher Systeme.


Wahlpflichtfach


Pflichtkennz.:

2252Fachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 28 von 172

(Fakultät IA)

Literatur

Brüderlin, B. , Meier, A., Computergrafik und geometrisches Modellieren, Teubner-Verlag, 2001 Christopher M.Hoffmann, Geometric and Solid Modeling, Morgan Kaufmann Publishers 2nd Edition, 1992 (this book is out ofprint. For an online copy: http://www.cs.purdue.edu/homes/cmh/distribution/books/geo.html )



Master Informatik 2009Master Informatik 2013Master Mathematik und Wirtschaftsmathematik 2008

Seite 29 von 172



Modul:

Vertiefung Bildverarbeitung und Mustererkennung




8229

Fachverantwortlich:

Sprache:


Fachnummer:

keine Angabe


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Inhalt

Vorkenntnisse


Literatur


Wahlpflichtfach


Pflichtkennz.:

2252Fachgebiet:




Master Elektrotechnik und Informationstechnik 2014 Vertiefung ATEMaster Informatik 2009


8.FS 9.FS 10.FS

V S P V S P V S P

Seite 30 von 172


Nach dem Besuch der Veranstaltungen dieses Moduls verfügen die Studierenden über fortgeschritteneKenntnisse in ausgewählten Bereichen der Datenanalyse mit Methoden der Statistik, des maschinellen Lernensund der Logik. Sie können Problemstellungen und Lösungen aus diesem Bereichen erklären und bewerten. DieStudierenden sind in der Lage, die vermittelten Methoden für praktische Aufgabenstellungen der Datenanalyse,der Wissensentdeckung und –verarbeitung anzuwenden und darauf aufbauend eigene Lösungen zu entwickeln.

Modulnummer:

Prof. Dr. Kai-Uwe Sattler

Modul:


Data Analytics and Soft Computing8231

Lernergebnisse

keine



keine


Seite 31 von 172

Data Analytics and Soft Computing


Modul:

Inferenzmethoden


Prof. Dr. Rainer Knauf

220

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch, auf Nachfrage Englisch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen

Skript, Power-Point Präsentation, Aufgabensammlung

(1) Prädikatenkalkül der ersten Stufe (PK1): Wiederholung und sinnvolle Ergänzungen (Sortenlogik,Prädikatenkalkül der ersten Stufe mit Gleichheit) (2) problembezogene Wissensrepräsentationen der KI undVarianten der Implementierung von Inferenzmethoden darüber (3) Deduktion: Grundlagen, Deduktionssysteme,Komplexitätsbetrachtungen (4) Induktion und maschinelles Lernen: Erlernen von Klassifikationsregeln ausBeispielen, Erlernen eines besten induktiven Schlusses im Prädikatenkalkül der ersten Stufe, Verfahren zurErmittlung des speziellsten Anti-Unifikators über PK1-Ausdrücken, Klassifikation nach Bayes

Inhalt

Vorkenntnisse

Kenntnisse in mathematischer Logik: Prädikatenkalkül der 1. Stufe, Deduktion, Programmierfertigkeiten inLogischer Programmierung (alle Vorkenntnisse nach erfolgreicher Absolvierung der LV Künstliche Intelligenzvor)


angewandte Grundlagen, Vermittlung neuester Techniken

Literatur

(1) Luger: Künstliche Intelligenz: Strategien zur Lösung komplexer Probleme. München: Pearson Studium(Übersetzung aus dem Addison-Wesley Verlag), 4. Aufl., 2001 (2) Russel/Norvig: Künstliche Intelligenz: Einmoderner Ansatz, München: Pearson Studium (Übersetzung aus dem Addison-Wesley Verlag), 2004 (3) Knauf:Logische Programmierung und Wissensbasierte Systeme: Eine Einführung. Aachen: Shaker, 1993


Pflichtfach


Pflichtkennz.:

2238Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 32 von 172



Modul:

Knowledge Discovery in Databases



8232

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Vorlesung mit Präsentation und Tafel, Handouts, Moodle

Einführung; Grundlagen: Statistik, Daten, Datenaufbereitung; Klassische Data-Mining-Techniken: Clustering,Frequent Itemset Mining, Klassifikation; Online Mining in Datenströmen: Datenstromverarbeitung,Datenzusammenfassungen, Frequent Pattern Mining, Clustering in Datenströmen, Klassifikation; Graph Mining:Mustersuche in Graphen, Erkennen von Communities, Erkennung häufiger Subgraphen, Spatio-TemporalMining: Sequential Pattern Mining, räumliche Ausreißer und Clustering, Prediktion; Big Data Analytics:MapReduce und Hadoop, Data-Mining-Tasks in Hadoop

Inhalt

Vorkenntnisse

Vorlesungen Datenbanksysteme, Statistik


Die Studierenden verstehen nach dem Besuch dieser Veranstaltung fortgeschrittene Konzepte des Data Mining.Sie kennen den Prozess der Wissensentdeckung in Datenbanken sowie konkrete Teilaufgaben diesesProzesses. Sie verstehen Verfahren zum Data Mining für spezielle Problemstellungen wie die Analyse vonDatenströmen, raum- bzw. zeitbezogenen Daten und Graphstrukturen.Die Studierenden sind in der Lage, konkrete Data-Mining-Verfahren hinsichtlich des Einsatzes für konkreteAufgabenstellungen auszuwählen, zu bewerten und anzuwenden.

Literatur

V. Kumar, M. Steinbach, P. Tan: Introduction to Data Mining, Addison Wesley, 2005.J. Han, M. Kamber, J. Pei: Data Mining: Concepts and Techniques, 3. Auflage, Morgan Kaufmann Publishers,2011.M. Ester, J. Sander: Knowledge Discovery in Databases, Springer Verlag, 2000.


Pflichtfach


Pflichtkennz.:

2254Fachgebiet:




Master Informatik 2009Master Informatik 2013Master Wirtschaftsinformatik 2009Master Wirtschaftsinformatik 2011Master Wirtschaftsinformatik 2013Master Wirtschaftsinformatik 2014Master Wirtschaftsinformatik 2015Master Wirtschaftsinformatik 2018


8.FS 9.FS 10.FS

V S P V S P V S P

Seite 33 von 172



Modul:

Softcomputing 2



Prof. Dr. Horst-Michael Groß

180

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

1 0 0

V S PSWS nach

Fach-semester


Medienformen

Begleitmaterial zur Vorlesung (Powerpoint-Folien); Java-Applets; Softwarebeispiele

Inhalt

Vorkenntnisse

Neuroinformatik; Softcomputing


In der Vorlesung Softcomputing II lernen die Studenten die Begriffswelt der Gen. Algorithmen (GA) und derevolut. Strategien (ES) verstehen. Sie verstehen übergreifende Ansätze zur Lösung von Klassifikations- undRegelungs- und Optimierungsproblemen mit GA/ES-Methoden. Die Studierenden sind in der Lage,Fragestellungen aus dem o. g. Problemkreisen zu analysieren, durch Anwendung des behandeltenMethodenspektrums Lösungskonzepte zu entwerfen und diese auf technische und biomedizinischeFragestellungen zu applizieren, sowie bestehende Lösungskonzepte zu bewerten.

Literatur

Nissen, V. : Einführung in Evolutionäre Algorithmen. Vieweg-Vlg. Braunschweig, 1997Jacob, Ch.: Principia Evolvica. dpunkt.verlag, Heidelberg, 1997Gerdes, I., Klawonn, F., Kruse, R.: Evolutionäre Algorithmen. Vieweg-Vlg. Wiesbaden, 2004Heistermann, J.: Genetische Algorithmen. B.G. Teubner Verlagsgesellschaft, Stuttgart, Leipzig, 1994Lippe, W.-M.: Soft-Computing. Springer-Verlag, Berlin, Heidelberg, 2006Rechenberg, I.: Evolutionsstrategie 94, frommann-holzboog Vlg., Stuttgart, 1994


Pflichtfach


Pflichtkennz.:

2233Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 34 von 172



Modul:

Verteilte Algorithmen



256

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

V S PSWS nach

Fach-semester


Medienformen

Skript/Folien-Handouts, Übungsblätter, Diskussionsblätter, Musterlösungen, Reader

Die Entwicklung verteilter Softwaresysteme ist keine einfache Aufgabe. Zahlreiche Facetten der Ungewissheit,hervorgerufen durch Asynchronität, Kommunikationsausfälle oder Ausfälle von Teilen der Algorithmen selbstmachen es schwer, verteilte Softwaresysteme mit garantierten Eigenschaften wie Korrektheit oder Robustheit zuversehen.Dieser Kurs konzentriert sich auf die Grundlagen verteilter Algorithmen. Besprochen werden zunächst Ausagenüber die Möglichkeiten und Grenzen verteilter Algorithmen sowie synchrone und asynchrone Modelle zu ihrerSpezifikation und Analyse; anschließend werden elementare verteilte Algorithmen zur Ordnung verteilterEreignisse, zur Synchronisation und zum Erzielen von Konsens vorgestellt, die trotz Asynchronität und partiellerAusfälle korrekt und robust sind.Kursinhalte sind:

• synchrone und asynchrone Algorithmusmodelle • zeitliche und kausale Ordnungen • Synchronisation und Verklemmungen • verteilter Konsens

Inhalt

Vorkenntnisse

Algorithmen und Datenstrukturen, Lineare Algebra, Diskrete Strukturen, Betriebssysteme I, Verteilte Systeme I,Rechnernetze


Die Studierenden erlernen Techniken zur Modellierung, Spezifikation, Design und Implementierung verteilterAlgorithmen und lernen die theoretischen Grenzen des Machbaren kennen. Sie lernen fundamentaleAlgorithmen verteilter Systeme kennen, ihre typischen Einsatzszenarien, Voraussetzungen, ihre Leistungen undKosten (Komplexitätsmäße). Sie erhalten Fähigkeiten zur Analyse, Bewertung und Einsatz verteilter Algorithmenin unterschiedlichsten Anwendungsdomänen wie beispielweise eingebettete verteilte Systeme, verteilteEchtzeitsysteme oder weitverteilte Informationssysteme.

Literatur

aktuelle Literatur siehe Webseiten des Kurses


Pflichtfach


Pflichtkennz.:

2255Fachgebiet:


mündliche Prüfung (20 min)



Master Informatik 2009Master Informatik 2013Master Ingenieurinformatik 2014


8.FS 9.FS 10.FS

V S P V S P V S P

Seite 35 von 172



Modul:

Data Mining



221

Fachverantwortlich:

Sprache:


Fachnummer:



Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen


(1) Motivation, typische Aufgabenklassen und Anwendungen, Stufenprozess zur Modellbildung, Entropie derInformation, (2) Erlernen von Entscheidungsbäumen: schrittweise Verfeinerung von ID3 zu C 4.5 (numerischeAttribute, fehlende Attribute), (3) Entscheidungsbäume über regulären Patterns, (4) Erlernen vonKlassifikationsregeln: binäre Klassifikation nach John Stuard Mill (JSM), (5) Assoziations-Analyse und derenVerfeinerung (kategorische Attribute „others“, numerische Attribute), (6) kNN-Klassifikation

Inhalt

Vorkenntnisse

fundierte Kenntnisse in mathematischer Logik und Wahrscheinlichkeitstheorie


Vermittlung von grundlegender Methoden und Techniken

Literatur

(1) Tan, Pang-Ning; Steinbach, Michael; Kumar, Vipin: Introduction to Data Mining. ISBN, Pearson Education,2006. (2) Markus Lusti: Data Warehousing and Data Mining: Eine Einführung in entscheidungsunterstützendeSysteme, ISBN 3-540-42677-9, Springer, 2001. (3) Petersohn, Helge: Data Mining. Verfahren, Prozesse,Anwendungsarchitektur. ISBN 978-3-486-57715-0, Oldenbourg Verlag, 2005. (4) Lawrence, Kennth D.; Kudyba,Stephan, Klimberg, Ronald K.: Data Mining Methods and Applications, ISBN 978-0-8493-8522-3, Boca Raton,FL u.a.: Auerbach, 2008.


Pflichtfach


Pflichtkennz.:

2238Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 36 von 172



Modul:

Data-Warehouse-Technologien



246

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen


Einführung & Grundbegriffe; Data-Warehouse-Architektur; Multidimensionale Datenmodellierung: Fakten undDimensionen, ER-Erweiterungen zur multidimensionalen Modellierung; ETL-Prozess, Transformationsaufgaben,Datenqualität; Anfragen an Data Warehouses: SQL-Erweiterungen, Cube- und Rollup-Operatoren, OLAP-Funktionen, MDX; Speicher- und Indexstrukturen, Column Stores, Datenkompression, Bitmap-Indexe und UB-Baum; Anfrageverarbeitung und -optimierung in Data Warehouses; Materialisierte Sichten

Inhalt

Vorkenntnisse

Vorlesung Datenbanksysteme


Nachdem Studierende diese Veranstaltung besucht haben, kennen sie Architektur und Aufbau von Data-Warehouse-Systemen und können den Data-Warehousing-Prozess beschreiben. Sie verstehen die Prinzipienverschiedener Datenbanktechniken aus dem Bereich der Modellierung, der Speicher- und Indexorganisationsowie der Anfrageformulierung und -auswertung und können diese hinsichtlich ihrer Anwendbarkeit bewerten.Die Studierenden sind in der Lage, aktuelle Datenbanktechnologien zum Entwurf und Aufbau von DataWarehouses zu bewerten und anzuwenden. Sie können praktische Szenarien analysieren und eigene Data-Warehouse-Lösungen entwickeln.

Literatur

Köppen, Saake, Sattler: Data Warehouse Technologien: Technische Grundlagen, mitp-Verlag, 2012. Lehner:Datenbanktechnologie für Data-Warehouse-Systeme. Konzepte und Methoden, dpunkt-Verlag, 2003.


Pflichtfach


Pflichtkennz.:

2254Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 37 von 172



Modul:

Neurobiologische Informationsverarbeitung



Dr. Klaus Debes

1700

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Powerpoint-Folien, Demo-Applets

Die Kerninhalte konzentrieren sich auf begriffliches Wissen und Fakten aus der Biologie, soweit sie für dasVerständnis der informationsverarbeitenden Prozesse im Organismus erforderlich sind. Es werden diebiologischen, biochemischen und physikalischen Grundlagen der Signalentstehung, -weiterleitung und -verarbeitung auf unterschiedlichen Niveaus von verschiedenen sensorischen Inputs zu Aktuatoren vermittelt, dieAnsatzpunkte für eine Vielzahl diagnostischer und therapeutischer Methoden in der Biomedizintechnik sind.Die Lehrveranstaltung vermittelt sowohl Aufbau und Arbeitsweise von Rezeptoren, Organisation in rezeptivenFeldern; Aufbau und Funktion von Neuronen, Physiologie der Membran, Informationsübertragung und -verarbeitung in neuronalen Strukturen; elementare neuronale Verschaltungsprinzipien (Divergenz, Konvergenz,laterale Inhibition), biologisch orientierte Neuronenmodelle unterschiedlicher Abstraktionsgrade;Neurobiologische Grundlagen und Formen der neuronalen Informationsverarbeitungs- und Speicherprozesse;Funktionale Abgrenzung zentralnervöser Strukturen, Organisationsprinzipien (Columnen,Koordinatentransformation, Repräsentationen); Wichtige cortikale / subcortikale Architekturprinzipien

Inhalt

Vorkenntnisse

Anatomie und Physiologie (Prof. Witte)


Die Vorlesung Neurobiologische Informationsverarbeitung vermittelt ein Grundverständnis für dieinformationsverarbeitenden Prozesse in Organismen.Die Studierenden sind in der Lage, das erworbene Grundlagenverständnis prozess- und methodenorientiert inallen darauf aufbauenden Fächern anzuwenden. Sie erwerben die Fähigkeiten, um auf der Basis der vermitteltenErkenntnisse über die nervale Informationsverarbeitung in Organismen Möglichkeiten und Grenzen gemessenerbioelektrischer Erscheinungen für Therapie und Diagnostik zu analysieren und zu bewerten.

Literatur

Schmidt, R. F., Thews, G. (Hrsg.): Physiologie des Menschen. Springer-Verlag, Berlin, Heidelberg,.., 1987 u.neuereSchmidt, R. F. (Hrsg.): Grundriß der Neurophysiologie. Springer-Verlag, Berlin, Heidelberg,.., 6. Aufl., 1987Schmidt, R. F., Schaible, H.-G. (Hrsg.): Neuro- und Sinnesphysiologie. Springer-Verlag, Berlin, Heidelberg,.., 4.Aufl., 2001Thews, G., Mutschler, E., Vaupel, P.: Anatomie, Physiologie, Pathophysiologie des Menschen. Wiss.Verlagsgesellschaft, Stuttgart, 1999Kandel, Schwartz, Jessell: Prinziples of neural science. McGraw-Hill, NY.., 2000Kandel, Schwartz, Jessell: Neurowissenschaften. Spektrum Vlg., Heidelberg.., 1996Platzer: Nervensystem und Sinnesorgane. (Bd. III des Anatomischen Bildwörterbuches), Thieme-Vlg., Stuttgart,1991Schadé, J. P.: Einführung in die Neurologie. Fischer-Vlg., Stuttgart, 1994Reichert, H.: Neurobiologie. Thieme, Stuttgart, 2000


Pflichtfach


Pflichtkennz.:

2233Fachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 38 von 172

Penzlin, H.: Lehrbuch der Tierphysiologie. Spektrum Akademischer Verlag, 2005



Bachelor Biomedizinische Technik 2008Bachelor Ingenieurinformatik 2008Bachelor Ingenieurinformatik 2013Master Informatik 2009

Seite 39 von 172


Detailliertes fortgeschrittenes Verständnis und Kenntnisse auf dem Gebiet des Entwurfs und der Realisierungvon Softwaresystemen in technischen AnwendungenFachkompetenz: Die Studierenden verstehen detailliert Verfahren und Herangehensweisen für den Entwurftechnischer Systeme mit Softwareanteil. Die Studenten haben Kenntnisse im Anwendungsgebiet AutomotiveEngineering und sind in der Lage, fehlertolerante und sicherheitskritische Systeme zu entwerfen und zurealisieren.Methodenkompetenz: Die Studierenden sind in der Lage, Methoden des modellbasierten System- undSoftwareentwurfs auf konkrete Problemstellungen anzuwenden.Sozialkompetenz: Die Studierenden sind in der Lage, praktische Problemstellungen des System- und Software-Engineering in der Gruppe zu lösen und zu präsentieren.

Modulnummer:


Modul:


System- und Software-Engineering8233

Lernergebnisse





Seite 40 von 172



Modul:

Requirements Engineering


Dr. Detlef Streitferdt

9176

Fachverantwortlich:

Sprache:


Fachnummer:

deutsch (Folien in Englisch)


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Bücher, Webseiten, Wissenschaftliche Paper, Open Source - Werkzeuge

Diese Vorlesung vermittelt Studenten der Informatik und Ingenieurinformatik Methoden undTechniken des Requirements Engineering (RE). Über die Einbettung der RE Aktivitäten inden Softwareentwicklungsprozess werden die Schritte des RE erläutert und in den Übungenvertieft. (Die Vorlesung wird in Deutsch gehalten, einige der Materialien sind jedoch nur inEnglisch verfügbar - was allerdings im Hinblick auf die spätere Arbeitswelt nur von Vorteilist!)

Inhalt

Vorkenntnisse

Kenntnisse über Softwareentwicklungsprozesse.


Fachkompetenz:Die Studierenden können die Werkzeuge des Requirements Engineering in einem konkreten Projektkontextanwenden. Sie können die Aussagekraft / Qualität der jeweiligen Ergebnisse bewerten.

Methodenkompetenz:Die Studierenden sind fähig aus den vermittelten Requirements EngineeringMethoden und Werkzeugen für ein gegebenes Projekt die passenden auszuwählenund anzuwenden.

Sozialkompetenz:Die Studierenden lernen die Erfordernisse und Ergebnisse von Softwareentwicklungsprozessen innerhalb einerEntwicklergruppe kennen und können deren Bedeutung für ein Softwareprojekt innerhalb einer Firmaeinschätzen. Sie lernen auch die große Bedeutung der "weichen" Faktoren innerhalb vonSoftwareentwicklungsprozessen kennen und können deren Auswirkungen abschätzen.

Literatur

[Lams 2009] Axel van Lamsweerde, "Requirements Engineering: From System Goals to UML Models toSoftware Specifications", John Wiley & Sons, 2009.[Pohl 2008] Klaus Pohl, "Requirements Engineering: Grundlagen, Prinzipien,Techniken", dpunkt.Verlag GmbH,2008.[McCo 2006] Steve McConnell, "Software Estimation", Microsoft Press, 2006.


Pflichtfach


Pflichtkennz.:

223AFachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 41 von 172

[Rupp 2002] Chris Rupp, "Requirements-Engineering und -Management", Hanser Verlag, 2002.[Lams 2001] Axel van Lamsweerde, "Goal-Oriented Requirements Engineering: A Guided Tour", in Proceedingsof the 5th IEEE International Symposium on Requirements Engineering (RE 2001), 27-31 August 2001, Toronto,Canada, 2001.[Kula 2000] Daryl Kulak, Eamonn Guiney, "Use Cases - Requirements in Context", Addison-Wesley, 2000.[Robe 1999] Suzanne Robertson, James Robertson, "Mastering the Requirements Process", Addison-Wesley,1999.[Wieg 1999] Karl E. Wiegers, "Software Requirements", Microsoft Press, 1999.[KoSo 1998] Gerald Kotonya, Ian Sommerville, "Requirements Engineering - Processes and Techniques", JohnWiley & Sons, 1998.[SoSa 1997] Ian Sommerville, Pete Sawyer, "Requirements Engineering: A Good Practice Guide", John Wiley &Sons, 1997.[Your 1997] Edward Yourdon, "Death March", Prentice-Hall, 1997.[Broo 1995] Frederick P. Brooks, Jr., "The Mythical Man Month", Addison-Wesley, 1995.




Seite 42 von 172



Modul:

Softwarearchitekturen



101151

Fachverantwortlich:

Sprache:


Fachnummer:

deutsch


Fachabschluss:

3 2 0

V S PSWS nach

Fach-semester


Medienformen

• Vorlesungsfolien • PDF Dokumente (auch wissenschaftliche Beiträge) • Prozessbeschreibungen (HTML), Templates

Diese Vorlesung vermittelt Studenten der Informatik und Ingenieurinformatik Methoden und Techniken desSoftware Engineering. Über die Einbettung der Aktivitäten in den Softwareentwicklungsprozess werden dieeinzelnen Schritte und in den Übungen vertieft. Die Veranstaltung enthält die Erarbeitung vonSoftwarearchitekturzielen, Beschreibungsansätze der verschieden Modelle und Dokumente, Vorgehen bei derEntwicklung (Prozesse), Entscheidungsfindung, Architekturstile / -muster und ihre Qualitätseigenschaften, sowiedie Prüfung/Bewertung von Architekturen.(Die Vorlesung wird in Deutsch gehalten, einige der Materialien sind jedoch nur in Englisch verfügbar - wasallerdings im Hinblick auf die spätere Arbeitswelt nur von Vorteil ist!)

Inhalt

Vorkenntnisse

• Kenntnisse über Softwareentwicklungsprozesse • Objektorientierte Modellierung • Objektorientierte Programmierung


Fachkompetenz (20%). Die Studierenden können die Werkzeuge des Software Engineering in einem konkretenProjektkontext anwenden. Sie können die Aussagekraft / Qualität der jeweiligen Ergebnisse bewerten. DieStudierenden sind fähig Softwareentwicklungsprozesse zu analysieren und auf die jeweiligen Gegebenheiteneines Projektes anzupassen. Sie verstehen Architekturmuster / ~stile und können diese im Projektkontexteinsetzen.Methodenkompetenz (40%). Die Studierenden sind fähig die vorgestellten Entwicklungsmethoden und~werkzeuge anzuwenden und deren Ergebnisse früh im Entwicklungsprozess abzuschätzen. Sie sind fähig ausden vermittelten Methoden und Werkzeugen für ein gegebenes Projekt die passenden auszuwählen undanzuwenden.Sozialkompetenz (40%). Die Studierenden lernen die Erfordernisse und Ergebnisse vonSoftwareentwicklungsprozessen innerhalb einer Entwicklergruppe kennen und können deren Bedeutung für einSoftwareprojekt innerhalb einer Firma einschätzen. Sie lernen auch die große Bedeutung der "weichen"Faktoren innerhalb von Softwareentwicklungsprozessen kennen und können deren Auswirkungen abschätzen.Die Studierenden sind fähig die Auswirkungen von Architekturentscheidungen im Kontext einer Entwicklergruppezu bewerten. Hintergründe der Projektarbeit, Anforderungen und die Bedeutung sozialer Netzwerke sind denStudenten bekannt.

Literatur

Umfassende Werke[Balz 1996] Helmut Balzert, "Lehrbuch der Software-Technik", Spektrum Akademischer Verlag, 1996.[Fowl 1999] Martin Fowler, “Refactoring – Improving the Design of Existing Code”, Addison Wesley, 1999.[Gamm 1995] Erich Gamma, Richard Helm, Ralph Johnson, John Vlissides, “Design Patterns – Elements ofReusable Object-Oriented Software”, Addison Wesley, 1995.[Mart 2009] Robert C. Martin, „Clean Code“, Prentice Hall, 2009.


Pflichtfach


Pflichtkennz.:

223AFachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 43 von 172

[McCo 2004] Steve McConnell, „Code Complete 2nd Edition“, Microsoft Press, 2004.[Rooc 2004] Stefan Roock, Martin Lippert, “Refactorings in großen Softwareprojekten”, dpunkt.Verlag GmbH,2004.[Somm 2007] Ian Sommerville,“Software Engineering“, Pearson Studium, 2007.[Mens 2008] T. Mens and S. Demeyer, Eds., Software Evolution. Springer-Verlag New York Inc, 2008.

Spezielle Themen ...

Entwicklungsprozesse[Beck 2000] Kent Beck, „eXtreme Programming eXplained“, Addison Wesley, 2000.[Buns2002] C. Bunse and A. von Knethen, Vorgehensmodelle kompakt. Fraunhofer Publica [http://publica.fraunhofer.de/oai.har] (Germany), 2002.[Carr 1993] Marvin J. Carr, Suresh L. Konda, Ira Monarch, F. Carol Ulrich, Clay F. Walker, "Taxonomy-BasedRisk Identification", Carnegie Mellon University, Technical Report CMU/SEI-93-TR-6, ESC-TR-93-183, 1993.[Open 2011] Eclipse Process Framework, "Open Unified Process, OpenUP", content retrieved 2011-10-01,2011.

Requirements[Bere 2009] Brian Berenbach, Daniel J. Paulish, Juergen Kazmeier, Arnold Rudorfer, "Software & SystemsRequirements Engineering In Practice", Mc Graw Hill, 2009.[Haya 1990] S. I. Hayakawa, "Language in Thought and Action", Harvest Books, 1990.[KoSo 1998] Gerald Kotonya, Ian Sommerville, "Requirements Engineering - Processes and Techniques", JohnWiley & Sons, 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 Proceedingsof the 5th IEEE International Symposium on Requirements Engineering (RE 2001), 27-31 August 2001, Toronto,Canada, 2001.[Lams 2009] Axel van Lamsweerde, "Requirements Engineering: From System Goals to UML Models toSoftware Specifications", John Wiley & Sons, 2009.[McCo 2006] Steve McConnell, "Software Estimation", Microsoft Press, 2006.[Pohl 2008] Klaus Pohl, "Requirements Engineering: Grundlagen, Prinzipien,Techniken", dpunkt.Verlag GmbH,2008.[Robe 1999] Suzanne Robertson, James Robertson, "Mastering the Requirements Process", Addison-Wesley,1999.[Rupp 2002] Chris Rupp, "Requirements-Engineering und -Management", Hanser Verlag, 2002.[Schu 2000] G. Gordon Schulmeyer, Garth R. Mackenzie, "Verification & Validation of Modern Software-Intensive Systems", Prentice Hall, 2000.[SoSa 1997] Ian Sommerville, Pete Sawyer, "Requirements Engineering: A Good Practice Guide", John Wiley &Sons, 1997.[Wieg 1999] Karl E. Wiegers, "Software Requirements", Microsoft Press, 1999.[With 2007] Stephen Withall, "Software Requirement Patterns", Microsoft Press, 2007.

Architektur, Produktlinien[Boec 2004] Günter Böckle, Peter Knauber, Klaus Pohl, Klaus Schmid, “Software-Produktlinien: Methoden,Einführung und Praxis“, dpunkt.Verlag GmbH, 2004.[Clem 2002] Paul Clements, Rick Kazman, Mark Klein, “Evaluating Software Architectures”, Addison Wesley,2002.[Hrus 2012] P. Hruschka and G. Starke, Architektur-Knigge für Softwarearchitekten-Der Verschätzer. 2012.[Kang 1990] K. Kang, S. Cohen, J. Hess, W. Novak, and A. Peterson, “Feature-Oriented Domain Analysis(FODA) Feasibility Study”, SEI Institute, Carnegie Mellon University, USA, CMU/SEI-90-TR-021, 1990.[Kazm 2000] Rick Kazman, Mark Klein, Paul Clements, "ATAM: Method for Architecture Evaluation",TECHNICAL REPORT, CMU/SEI-2000-TR-004, ESC-TR-2000-004, 2000.[Lind 2007] F. J. van der Linden, K. Schmid, and E. Rommes, Software Product Lines in Action: The BestIndustrial Practice in Product Line Engineering. Berlin: Springer, 2007.[Love 2005] Robert Love, “Linux Kernel Development (2nd Edition)”, Novell Press, 2005.[Masa 2007] Dieter Masak, „SOA? Serviceorientierung in Business und Software“, Springer Verlag, 2007.[Pohl 2005] Klaus Pohl, Günter Böckle, Frank van der Linden,"Software Product Line Engineering – Foundations,Principles, and Techniques", Springer, Heidelberg 2005.[Posc 2007] Torsten Posch, Klaus Birken, Michael Gerdom, "Basiswissen Softwarearchitektur", d.punkt Verlag,2004 oder 2007.[Spin 2009] D. Spinellis and G. Gousios, Beautiful Architecture: Leading Thinkers Reveal the Hidden Beauty inSoftware Design. O’Reilly Media, 2009.


Seite 44 von 172

Im Verlauf der Veranstaltung sollen bestehende Projekte (Open Source) analysiert und vorgestellt werden. DieAusarbeitungen (mit Präsentation) zu den jeweiligen Softwarearchitekturen werden zu 50% in die Bewertung miteinfließen (es sind jedoch beide Anteile (Projekt und finale Prüfung) für den Abschluss der Veranstaltungnotwendig!)



Seite 45 von 172



Modul:





640

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Script, elektronisch und el. Präsentation, Übungsanleitung.

Ziele von Softwarearchitekturen, Beschreibungsansätze, Vorgehen bei der Entwicklung, Entscheidungsfindung,Architekturstile und -muster und ihre Qualitätseigenschaften, Prüfung von Architekturen, Reengineering.

Inhalt

Vorkenntnisse

Objektorientierte Modellierung, Objektorientierte Programmierung


Fachkompetenz: 20%Die Studierenden sind fähig Softwareentwicklungsprozesse zu analysieren und auf die jeweiligenGegebenheiten eines Projektes anzupassen. Sie verstehen Architekturmuster / ~stile und können diese imProjektkontext einsetzen.Methodenkompetenz: 40%Die Studierenden sind fähig die vorgestellten Entwicklungsmethoden und ~werkzeuge anzuwenden und derenErgebnisse früh im Entwicklungsprozess abzuschätzen.Sozialkompetenz: 40%Die Studierenden sind fähig die Auswirkungen von Architekturentscheidungen im Kontext einer Entwicklergruppezu bewerten. Hintergründe der Projektarbeit, Anforderungen und die Bedeutung sozialer Netzwerke sind denStudenten bekannt.

Literatur

Posch: Basiswissen Softwarearchitektur : verstehen, entwerfen, bewerten und dokumentieren. dpunkt.verlagHeidelberg, 2004.


Pflichtfach


Pflichtkennz.:

223AFachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 46 von 172



Modul:

Spezielle Probleme des SSE



8235

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen

Vorlesung: Folien (Beamer erforderlich) Allgemein: Webseite (Materialsammlung und weiterführende Infos) http://www.tu-ilmenau.de/sse

Vorlesungen zu aktuellen Forschungsthemen auf dem Gebiet des System- und Software-Engineering sowie derSoftwaresysteme

Inhalt

Vorkenntnisse

BsC im Studiengang Ingenieurinformatik / Informatik bzw. weitgehend äquivalentem Studiengang; Vorkenntnisseaus Master-Lehrveranstaltungen des Vertiefungsgebiets System- und Software-Engineering


Fachkompetenz: Die Studierenden verstehen detailliert Problemstellungen und Lösungsansätze aktuellerForschungsarbeiten im Gebiet des System- und Software-Engineering. Die Studierenden sind fähig, innovativeLösungsansätze auf Entwurfsprobleme anzuwenden. Die Studenten haben Kenntnisse in Anwendungsgebietendes System- und Software-Engineerings.

Literatur

wird in den Vorlesungen angesagt


Pflichtfach


Pflichtkennz.:

2236Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 47 von 172



Modul:




8328

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen



Inhalt

Vorkenntnisse




Literatur



Pflichtfach


Pflichtkennz.:

2236Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 48 von 172



Modul:

Objektorientierte Prozessmodellierung


Prof. Dr. Ilka Philippow

636

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Script, elektronisch und el. Präsentation, Übungsanleitung, Modellierungswerkzeug, Versionierung

Vorlesung:Objektorientierte Modellierung von Systemen, speziell SoftwaresystemenDiagramm- und Modelltypen zur Struktur- und VerhaltensmodellierungModellierungsstandards: UML (alle 14 Diagramme), SysMI und OCLGeschäftsprozessmodellierung: mit BPMN und UMLModellverwertung: Codegenerierung, Dokumentationsgenerierung, ModellprüfungSeminar:Modellierung eines technischen Systems. Teamarbeit in kleinen Gruppen.

Inhalt

Vorkenntnisse

Grundlagen der Praktischen Informatik, Grundlagen der Softwaretechnik


Die Studenten sollen befähigt werden, die Diagramme der UML unter Beachtung des auszuwählendenModellierungsaspektes korrekt einzusetzen. Sie sollen ein Grundverständnis des Aufbaus derModellierungssprache durch das Kennenlernen des Metamodells erlangen, um selbstständig verschiedeneModellierungaufgaben lösen zu können.Fachkompetenz: 40%Methodenkompetenz: 35%Teamkompetenz: 25%

Literatur

Jeckle, Rupp, Hahn, Zengler, Queins: UML 2 glasklar. Hanser Verlag 2004Objekt Management Group: Unified Modeling Language (UML), http://www.omg.org/spec/UML/Object Management Group: Business Process Model and Notation (BPMN), http://www.omg.org/spec/BPMN/


Pflichtfach


Pflichtkennz.:

2232Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 49 von 172



Modul:

Quantitative Systemmodellierung und Analyse



8236

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Vorlesung: Folien (Beamer erforderlich) Übung: Arbeitsblätter (Online) verschiedene SoftwarewerkzeugeAllgemein: Webseite (Materialsammlung und weiterführende Infos) http://www.tu-ilmenau.de/sse

Modellierung und Leistungsbewertung diskreter technischer Systeme * Grundlagen - Stochastische Grundlagen -Stochastische Prozesse) * Modelle - Automaten - Warteschlangensysteme - stochastische Petri-Netze - farbigePetri-Netze * Bewertungsverfahren - numerische Analyse (Markov-Ketten, GSPNs, DSPNs) - Simulation *Ausgewählte Anwendungsgebiete

Inhalt

Vorkenntnisse



Fachkompetenz: Die Studierenden verstehen detailliert Hintergrund und Funktionsweise von Verfahren derModellierung und quantitativen Bewertung technischer Systeme. Die Studierenden sind fähig, quantitativeAspekte technischer Systeme beim Entwurf zu untersuchen und zu bewerten. Die Studenten haben Kenntnissein Anwendungsgebieten der Leistungsbewertung. Methodenkompetenz: Die Studierenden sind in der Lage,Methoden des quantitativen Systementwurfs, der Modellierung und Bewertung auf konkrete Problemstellungenanzuwenden. Die Studierenden sind in der Lage, passende Modelle und Werkzeuge auszuwählen undeinzusetzen. Sozialkompetenz: Die Studierenden sind in der Lage, praktische Problemstellungen derLeistungsbewertung in der Gruppe zu lösen und zu präsentieren.

Literatur

* Jain: The Art of Computer System Performance Evaluation * Law/Kelton: Simulation Modeling and Analysis *Cassandras/Lafortune: Introduction to Discrete Event Systems * Bolch, Greiner, de Meer, Trivedi: QueueingNetworks and Markov Chains * Zimmermann: Stochastic Discrete Event Systems


Pflichtfach


Pflichtkennz.:

2236Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 50 von 172



Modul:

Security Engineering



1542

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch/Englisch


Fachabschluss:

V S PSWS nach

Fach-semester


Medienformen

Handouts, Präsentationsmaterial, Diskussionsblätter, Übungsaufgabenmaterial

This course is an advanced course on systems security. It focuses on methodological engi-neering of securityproperties of IT systems based on formal security models. In an early stage of the engineering process formalsecurity models are used for the precise and unambiguous representation of security policies which then areanalyzed by static model checking and si-mulative model execution. Successful models afterwards aretransformed via specification languages into executable code which finally is integrated into a system’s TCB. Thecourse is organized in lectures and workshops; while theoretical knowledge is imparted in traditional lectures andexercises, practical skills are trained in 5 workshops. Course topics are • Requirements Engineering • ModelEngineering • Specification Engineering • TCB Engineering

Inhalt

Vorkenntnisse

Bachelor Informatik, WP-Fach Systemsicherheit


Die Studieren erlernen wesentliche Methoden und Techniken des modellbasierten Security Engineerings:systematisches Design, Spezifikation und Implementierung der Sicherheitseigenschaften eines IT-Systems

Literatur

Aktuelle Literatur siehe Web der Veranstaltung


Pflichtfach


Pflichtkennz.:

2255Fachgebiet:


mündliche Prüfung (20 min) im Prüfungszeitraum



Master Informatik 2009Master Informatik 2013Master Wirtschaftsinformatik 2013Master Wirtschaftsinformatik 2014Master Wirtschaftsinformatik 2015Master Wirtschaftsinformatik 2018


8.FS 9.FS 10.FS

V S P V S P V S P

Seite 51 von 172



Modul:

Theoretische Aspekte der Softwaretechnik



654

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen

Vorlesung, unterstützt durch projezierte Folien (Beamer erforderlich), Lehrmaterial: Handzettel der Folien(komprimiert, 6F/A4-Seite)

Es wird der gesamte Entwicklungszyklus eines Softwaresystems (SWS) von der Spezifikation über denkomponentenorientierten Entwurf bzw. die Implementierung bis zur Korrektheitsverifikation auf der Grundlageneuester Forschungsergebnisse und langjähriger praktischer Erfahrungen dargelegt. Die Herangehensweiseberuht auf der Anwendung der allgemeinen Systemtheorie auf SWS und bietet durch Einsatz verschiedenereinfacher mathematischer Methoden einen fundierten Ansatz, wie ein SWS zu entwickeln ist. Die bestehendenProbleme des Softwareengineering werden aufgezeigt und wie sie mit dem gebotenen Ansatz verringert werdenkönnen.

Inhalt

Vorkenntnisse

Bachelor Informatik


Vermittlung der Grundkenntnisse einer theoretisch basierten Softwaretechnik mit dem Anspruch einenEntwicklungsprozess für Qualitätssoftware zu bieten. Der Hörer lernt, wie eine sequenzbasierte Spezifikation fürein SWS zu erstellen ist und wie aus dieser Spezifikation ein komponentenorientierter verifizierbarer Entwurf unddie Implementierung des SWS ableitbar sind.

Literatur

Jedes Kapitel enthält spezifische Literaturangaben


Pflichtfach


Pflichtkennz.:

2236Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 52 von 172


In diesem Modul lernen Sie das breite Themenspektrum der Kommunikations- und Informationssysteme kennen,beginnend bei den Basissystemen (Kurs Verteilte Echtzeitsysteme) über die Algorithmik (Kurse VerteilteAlgorithmen und Ressourcenmanagement) und Systemeigenschaften (Kurs Nichtfunktionale Eigenschaften), dieKommunikationtechnologien (Kurse Advanced Networking Technologies, Wireless Internet, UMTS-Netze) bis hinzu den Anwendungssystemen (Verteiltes Datenmanagement) kennen. Ziel dabei ist es, dass die Studierendendas komplexe Zusammenspiel dieser Themen verstehen und in die Lage versetzt werden, selbst derartigeSysteme entwerfen, implementieren und bewerten zu können.

Modulnummer:


Modul:


Mobile und verteilte Kommunikations- undInformationssysteme

8237

Lernergebnisse

Siehe individuelle Fächerbeschreibungen



keine


Seite 53 von 172

Mobile und verteilte Kommunikations- und Informationssysteme


Modul:

Nichtfunktionale Eigenschaften



253

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Skript/Folien-Handouts, Übungsblätter, Diskussionsblätter, Reader

Die Verlässlichkeit informationstechnischer Systeme ist heute in einer Vielzahl von Anwendungsfeldern in derEnergie- und Wasserversorgung, Verkehrs-, Finanz- und Gesundheitsmanagement eine unverzichtbareSchlüsseleigenschaft. Nichtfunktionale Eigenschaften wie Sicherheit, Robustheit, Effizienz, Performanz oderEchtzeitfähigkeit werden unabdingbar, wenn IT-Systeme nichttriviale und kritische Aufgaben wahrnehmen.Thema dieses Kurses sind Konzepte und Paradigmen, die in IT-Systemen kritische nichtfunktionaleEigenschaften befördern. Der Kurs setzt im Kontext verteilter Systeme und Betriebssysteme Schwerpunkte aufArchitekturprinzipien, Algorithmen und Implementierungstechniken, die diese Eigenschaften herstellen.

Inhalt

Vorkenntnisse

Hilfreich, aber nicht unabdingbar: Kurs Systemsicherheit im Bachelor Informatik


Die Fähigkeit zum Design, zur Spezifikation, Realisierung und zum Einsatz von Betriebssystemen inAnwendungsszenarien, in denen nichtfunktionale Eigenschaften wie Sicherheit, Effizienz oder PerformanzSchlüsseleigenschaften darstellen.

Literatur

aktuelle Literatur siehe Webseiten


Pflichtfach


Pflichtkennz.:

2255Fachgebiet:







8.FS 9.FS 10.FS

V S P V S P V S P

Seite 54 von 172



Modul:

UMTS-Netze




215

Fachverantwortlich:

Sprache:


Fachnummer:



Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen



Inhalt

Vorkenntnisse




Literatur



Pflichtfach


Pflichtkennz.:

2235Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 55 von 172



Modul:




256

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen




Inhalt

Vorkenntnisse




Literatur



Pflichtfach


Pflichtkennz.:

2255Fachgebiet:







8.FS 9.FS 10.FS

V S P V S P V S P

Seite 56 von 172



Modul:

Verteilte Echtzeitsysteme



260

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Skript/Folien-Handouts, Übungsblätter, Diskussionsblätter

Thematische Schwerpunkte sind:

• Anwendungsgebiete verteilter Echtzeitsysteme • Funktionale und nichtfunktionale Eigenschaften echtzeitfähiger verteilter Systeme • Echtzeitfähiges Ressourcenmanagement • Fristenkonzepte, Echtzeitscheduling, Überlastsituationen, Quality fo Service, holistische Ansätze

Inhalt

Vorkenntnisse

Bachelor Informatik


Der Kurs ist eine Einführung in die Welt der echtzeitfähigen verteilten Systeme. Die Studierenden lernen diegrundlegenden Aufgaben, Funktionen und Eigenschaften verteilter Echtzeitsysteme kennen und erwerbenKenntnisse über die Methoden, Paradigmen und Prinzipien, nach denen echtzeitfähige Systeme konstruiertwerden sowie die Techniken und Algorithmen ihrer Programmierung. Sie erwerben die Fähigkeit, verteilteEchtzeitsysteme bezüglich ihrer Leistungen in unterschiedlichen Anwendungsdomänen zu analysieren, zubewerten und einzusetzen.

Literatur

wird aktuell im Web veröffentlicht


Pflichtfach


Pflichtkennz.:

2255Fachgebiet:







8.FS 9.FS 10.FS

V S P V S P V S P

Seite 57 von 172



Modul:

Advanced Networking Technologies



5642

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen

Vorlesung mit Tafel und Folien-Präsentationen, Arbeitsblätter, Lehrbuch

Der Fokus der Vorlesung liegt auf modernen Netzwerktechnologien. Momentan sind die Hauptthemen Harware-Router, Software-Defined Networking und Network Functions Virtualization: 01 Routers and Switches02 Input Buffering in Routers03 Size and Organization of Router Buffers04 Interfacing NICs05 Software Defined Networking06 Network Functions Virtualization

Inhalt

Vorkenntnisse

Bachelorstudium Informatik,Bei Studium in Ilmenau: Vorlesung „Telematik 1“; vorteilhaft ist die vorherige Belegung der Vorlesungen„Telematik 2“ und „Leistungsbewertung“ bzw. die kombinierte Variante „Telematik 2 / Leistungsbewertung“(letztere mit PO 2013 eingeführt)


Fachkompetenz: Die Studierenden verfügen über Kenntnisse und Überblickswissen zu aktuellen,fortgeschrittenen Entwicklungen in der Netzwerktechnologie. Sie erkennen die besonderen Anforderungen aneffiziente und flexible Kommunikationssysteme in bei einer Realisierung in Hard- und/oder Software und könnendiese im Kontext konkreter drahtgebundener Szenarien einschätzen. Die Studierenden kennen diegrundsätzlichen Ansätze, wie der Datentransport in großen Netzen organisiert werden kann. Sie verstehen dieunterschiedlichen Protokollkonzepte hierfür und können diese bewerten.Methodenkompetenz: Die Studierenden sind in der Lage, für einzelne Teilaufgaben der Systemoptimierunggeeignete Zielfunktionen zu identifizieren. Weiterhin können sie Optimierungen durchführen und bei derVerwendung mehrerer Zielfunktionen auftretende Zielkonflikte erkennen und gegeneinander abwägen.

Literatur

• H. Karl, A. Willig. Protocols and Architectures for Wireless Sensor Networks. John Wiley & Sons, 2005.• M. Hofmann, L. R. Beaumont. Content Networking Architecture, Protocols, and Practice. Morgan KaufmannPublishers, 2005.


Pflichtfach


Pflichtkennz.:

2253Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 58 von 172



Modul:

Ressourcenmanagement



1748

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Präsentationsmaterialien, Handouts, Diskussionsblätter, Übungsblätter

Ressourcenmanagement ist eine der grundlegenden Funktionen in IT-Systemen, deren Effizienz und Ökonomieeinen prägenden Einfluss auf die gesamten nichtfunktionalen Systemeigenschaften besitzt. Insbesondere inverteilten und mobilen Systemen mit ressourcenarmen Komponenten werden hier die Grundlagen für diePerformanz-, Sicherheits- und Sparsamkeitseigenschaften der Systeme gelegt. Dieser Kurs besprichtunterschiedliche Methoden, Konzepte, Strategien und Algorithmen der Verwaltung von vier wichtigenRessourcentypen einschließlich benötigter Datenstrukturen. Kursschwerpunkte sind • Prozessor-Management •Arbeitsspeicher-Management • Sekundärspeicher-Management • Kommunikationsmanagement

Inhalt

Vorkenntnisse

Bachelor Informatik


Die Studierenden lernen die elementaren Zusammenhänge zwischen Ressourcenmanagement und denPerformanz-, Ökonomie-, Sicherheits- und Robustheitseigenschaften von IT-Systemen kennen und erfahren, aufwelche Weise bei Design und Implementierung von IT-Systemen durch Auswahl von Strategien und Algorithmendes Ressourcenmanagements die nichtfunktionalen Systemeigenschaften beeinflusst werden.

Literatur

Aktuelle Literatur siehe Web


Pflichtfach


Pflichtkennz.:

2255Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 59 von 172



Modul:

Verteiltes Datenmanagement



247

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen


Einführung und Motivation; Grundlagen verteilter Datenbanken: Architektur und Datenverteilung, verteilteAnfrageverarbeitung, Replikationsverfahren; Parallele Datenbanksysteme: Architektur und Datenverteilung,parallele Anfrageverarbeitung, Shared-Disk-Systeme; Web-Scale Data Management: SaaS und Multi Tenancy,Virtualisierungstechniken, Konsistenzmodelle, QoS, Partitionierung, Replikation, DHTs, MapReduce

Inhalt

Vorkenntnisse

Vorlesung Datenbanksysteme, Transaktionale Informationssysteme


Nachdem Studierende diese Veranstaltung besucht haben, kennen sie die Grundlagen verteilter und parallelerDatenmanagementlösungen. Sie verstehen die Prinzipien dieser Techniken und können darauf aufbauend selbstLösungen entwickeln. Die Studierenden können Techniken zur Anfrageverarbeitung, Replikation undKonsistenzsicherung erklären und hinsichtlich ihrer Vor- und Nachteile für verschiedene Einsatzzweckebewerten.Sie sind in der Lage, verteilte Datenbanken zu entwerfen und aktuelle Datenbanktechnologien Aufbau verteilterund paralleler Systeme zu bewerten und anzuwenden.

Literatur

E. Rahm: Mehrrechner-Datenbanksysteme, Addison-Wesley, Bonn, 1994.M. Tamer Özsu, P. Valduriez: Principles of Distributed Database Systems, 3. Auflage, Springer, 2011.C. T. Yu, W. Meng: Principles of Database Query Processing for Advanced Applications, Morgan KaufmannPublishers, San Francisco, CA, 1998.Lehner, Sattler: Web-Scale Data Management for the Cloud, Springer, 2013.


Pflichtfach


Pflichtkennz.:

2254Fachgebiet:







8.FS 9.FS 10.FS

V S P V S P V S P

Seite 60 von 172



Modul:

Wireless Internet




214

Fachverantwortlich:

Sprache:


Fachnummer:



Fachabschluss:

1 1 0

V S PSWS nach

Fach-semester


Medienformen



Inhalt

Vorkenntnisse




Literatur



Pflichtfach


Pflichtkennz.:

2235Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 61 von 172


Fachkompetenz: Die Studierenden verstehen Aufbau und Funktionsweise kognitiver Systeme und ihrerTeilkomponenten aus der kognitiven Robotik und der 2D/3D - Bildverarbeitung. Die Studierenden kennenLernparadigmen, verschiedenen Arten von technischen Sehsystemen bis hin zu Lösungsansätzen zurmultimedialen Mensch-Maschine-Kommunikation. Methodenkompetenz: Die Studierenden sind in der Lage,technische Sehsysteme zu analysieren und zu konzipieren, die über Eigenschaften des Lernens verfügen und inautonom agierenden Systemen (z. B. Robotern) eingesetzt werden können. Sie sind in der Lage, vorhandenesWissen in begrenzter Zeit erfolgreich zur Problemlösung in der kognitiven Robotik anzuwenden.Sozialkompetenz: Die Studierenden lösen einen Teil der Aufgaben in der Gruppe. Sie sind in der Lage, aufKritiken und Lösungshinweise zu reagieren. Sie verstehen die Notwendigkeit einer sorgfältigen und ehrlichenArbeitsweise.

Modulnummer:


Modul:


Kognitive Systeme8197

Lernergebnisse

siehe Voraussetzungen der einzelnen Fachbeschreibungen




Seite 62 von 172

Kognitive Systeme


Modul:



Dr. Rico Nestler

239

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester



• Einleitung




Inhalt

Vorkenntnisse






Pflichtfach


Pflichtkennz.:

2362Fachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 63 von 172




Medienformen




• Fokusvariation

Literatur






Seite 64 von 172



Kognitive Systeme


Modul:

Multimediale Mensch-Maschine-Kommunikation




184

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Die Lehrveranstaltung vermittelt das erforderliche Methodenspektrum aus theoretischen Grundkenntnissen undpraktischen Fähigkeiten zum Verständnis, zur Implementierung und zur Anwendung von Verfahren derInteraktion zwischen Mensch und Maschine (mit Fokus auf vision-basierten Verfahren sowie dem Einsatz aufRobotersystemen) sowie zur erforderlichen Informations- und Wissensverarbeitung. Sie ergänzt die parallellaufende Vorlesung „Robotvision”, die sich um Aspekte der Roboternavigation kümmert, um wichtigeErkennungsverfahren der Mensch-Roboter Interaktion (HRI). Die Lehrveranstaltung vermittelt das dazunotwendige Faktenwissen sowie begriffliches, methodisches und algorithmisches Wissen aus den folgendenKernbereichen:A – Ausgewählte Basisoperationen für viele Erkennungsverfahren

• Basisoperationen der MMI im Rahmen eines Mustererkennungsprozesses • Leistungsbewertung von Klassifikatoren: Gütemaße; Crossvalidation-Technik; Bewertung von binärenKlassifikatoren, Gütemaß ROC/Precision Recall Kurven, usw. • Bildaufbereitung und Bildanalyse: Beleuchtungs- / Histogrammausgleich; Auflösungspyramiden; LineareSubspace Methoden (HKA / PCA); Gabor-Wavelet-Funktionen (Gaborfilter) zur effizienten Bildbeschreibung; • Bewegungsanalyse in Videosequenzen • Techniken zur Repräsentation von Zeit: Dynamic Time Warping, Hidden Markov Modelle (HMMs) • Bayes Filtering als probabilistische Zustandsschätzer: Grundidee, Markov-Annahme, Grundprinzip desrekursiven Bayes-Filters, Bewegungs- und Sensormodell, Arten der Beliefrepräsentation in Bayes Filtern;Partikel FilterB – Wichtige Verfahren zur Erkennung von Nutzerzustand & Nutzerintention

• Vision-basierte Nutzerdetektion, Nutzertracking, Nutzeridentifikation • Zeigeposen- und Gestenerkennung • Erkennung von Mimik (Emotionen, Stress) und Interaktionsinteresse + aktuelle Entwicklungen • Sprachbasierte Mensch-Maschine Kommunikation: sprachbasierte Erkennung von Nutzerinstruktionen undNutzerzustand (Kommandowort- und Spracherkennung, Prosodieerkennung); • Multimodale Dialogsysteme: Bestandteile von Dialogsystemen; Besonderheiten multimodalerDialogsystemeC – Anwendungsbeispiele für Assistenzfunktionen in öffentlicher & privater Umgebung

• Soziale Assistenzroboter für die Gesundheitsassistenz

Inhalt

Vorkenntnisse

Neuroinformatik


In der Vorlesung Mensch-Maschine-Interaktion lernen die Studierenden die Begrifflichkeiten und dasMethodenspektrum der Mensch-Maschine Interaktion unter Realwelt-Bedingungen kennen. Sie beherrschenwichtige Basisoperationen zur (vorrangig visuellen) Wahrnehmung von Menschen und zur Erkennung von derenIntentionen und Zuständen und kennen Techniken zur nutzeradaptiven Dialogführung. Die Studierenden sind inder Lage, Fragestellungen aus dem o. g. Problemkreisen zu analysieren, durch Anwendung des behandeltenMethodenspektrums Lösungskonzepte für unterschiedliche Fragestellungen der Service- und Assistenzrobotikzu entwerfen und umzusetzen, sowie bestehende Lösungskonzepte zu bewerten. Vor- und Nachteile derKomponenten und Verfahren im Kontext praktischer Anwendungen sind den Studierenden bekannt.


Pflichtfach


Pflichtkennz.:

2233Fachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 65 von 172

Medienformen

Präsenzvorlesung mit Powerpoint, Arbeitsblätter zur Vorlesung, Übungsaufgaben, Videos, Python Apps, e-Learning mittels „Jupyter Notebook”

• Robotische Bewegungsassistenz am Beispiel Reha l • Sturzdetektion im häuslichen UmfeldD – Gastvorlesung zur sprachbasierten MMI und zu Hidden Markov Modellen sowie deren Einsatz in derSpracherkennung, Unterschriftserkennung und GestenerkennungIm Rahmen des Aktivpraktikums werden ausgewählte methodische und algorithmische Grundlagen der MMIdurch die Studierenden selbst softwaretechnisch umgesetzt und durch kleine Programmbeispiele vertieft. AlsProgrammiersprache wird Python verwendet. Für Verfahren des Maschinellen Lernens wird die scikit-LearnToolbox verwendet.

Literatur

- Schenk, J, Rigoll, G. Mensch-Maschine-Kommunikation: Grundlagen von sprach- und bildbasiertenBenutzerschnittstellen, Springer 2010- Li, S und Jain, A.: Handbook of Face Recognition, 2004- Bishop, Ch.: Pattern Recognition and Machine Learning, Springer 2006- Guyon, I., Gunn, S., Nikravesh, M., Zadeh, L.: Feature Extraction: Foundations and Applications, Studies infuzziness and soft computing 207, Springer, 2006- Maltoni, D., et al.: Biometric Fusion, Handbook of Fingerprint Recognition, Kapitel 7, Springer, 2009



Master Informatik 2009Master Medientechnologie 2009

Seite 66 von 172

Kognitive Systeme


Modul:

Robotvision



183

Fachverantwortlich:

Sprache:

Prüfungsleistung alternativ 20 min

Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen

Präsenzvorlesung mit Powerpoint, Arbeitsblätter zur Vorlesung, Übungsaufgaben, Videos, Python Apps, e-

Die Lehrveranstaltung vermittelt das erforderliche Methodenspektrum aus theoretischen Grundkenntnissen undpraktischen Fähigkeiten zum Verständnis, zur Implementierung und zur Anwendung von Verfahren der vision-basierten Roboternavigation sowie zur erforderlichen Informations- und Wissensverarbeitung. Sie vermitteltsowohl Faktenwissen, begriffliches und algorithmisches Wissen aus folgenden Themenkomplexen:

• Basisoperationen d. Roboternavigation • Neuronale Basisoperationen der visuo-motorischen Verarbeitung – der neuronale Instruktionssatz:funktionelle und topografische Abbildungen (u.a. log-polare Abbildung), Auflösungspyramiden, neuronaleFelddynamik, ortsvariante Informationsverarbeitung • Basisoperationen & Technologien für die visuelle Umgebungswahrnehmung: • Detektoren & Deskriptoren für Interest-Points in 2D-Bildern • Bewegungssehen und optischer Fluss • Tiefenwahrnehmung, Tiefenkameras (RGB-D Kameras) • Detektoren & Deskriptoren für Tiefenbilder (3D-Bilder) • Visuelle Odometrie • Vision-basierte Roboternavigation • Hindernisvermeidung (u.a. flussbasiert, Untergrund-Segmentierung) • Mapping und Selbstlokalisation • Visuelles SLAM (Simultaneous Localization and Map Building inkl. ORB-SLAM) • Innovative Entwicklungen (z.B. Semantisches Labeln) • Exemplarische Software-Implementierungen von BasisoperationenIm Rahmen des Pflichtpraktikums werden die behandelten methodischen und algorithmischen Grundlagen dervision-basierten Roboternavigation durch die Studierenden selbst softwaretechnisch umgesetzt und im Rahmeneines vorgefertigten Robotersimulations-Frameworks implementiert.

Inhalt

Vorkenntnisse

LV Neuroinformatik


In der Vorlesung Robotvision lernen die Studierenden die Begrifflichkeiten und das Methodenspektrum desMaschinellen Sehens mit Fokus in der mobilen Robotik kennen. Sie verstehen das Paradigma derhandlungsorientierten Wahrnehmung - insbesondere zur visuellen Roboternavigation in natürlicher Umwelt. Siebeherrschen wichtige Basisoperationen für die visuelle Wahrnehmung der Umgebung (Tiefe, Bewegung,Hindernisse, Freiraum, Räumlichkeiten, eigene Position in der Welt) und können Handlungskonsequenzen ausder visuellen Wahrnehmung der Umgebung ableiten. Sie kennen Techniken der vision-basiertenUmgebungswahrnehmung und der lokalen und globalen Navigation von Kognitiven Robotern in komplexer realerEinsatzumgebung.Die Studierenden sind in der Lage, Fragestellungen aus dem o. g. Problemkreisen zu analysieren, durchAnwendung des behandelten Methodenspektrums Lösungskonzepte für unterschiedliche Fragestellungen derService- und Assistenzrobotik zu entwerfen und umzusetzen, sowie bestehende Lösungskonzepte zu bewerten.Vor- und Nachteile der Komponenten und Verfahren im Kontext praktischer Anwendungen sind denStudierenden bekannt.


Pflichtfach


Pflichtkennz.:

2233Fachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 67 von 172

Learning mittels „Jupyter Notebook“

Literatur

- Hertzberg, J., Lingemann, K., Nüchter, A.: Mobile Roboter, Springer 2012 - Siegwart, R., Nourbakhsh, I. R.,Scaramuzza, D.: Introduction to Autonomous Mobile Robots. MIT Press 2004 - Jähne, B. DigitaleBildverarbeitung. Springer Verlag 2005 - Bradsky, G., Kaehler, A. Learning OpenCV: Computer Vision withOpenCV Library- Siciliano, B., Khatib: O. Springer Handbook of Robotics, Springer 2016- Thrun, S., Burgard, W., Fox, D.: Probabilistic Robotics, MIT Press 2005

Die Leistung besteht aus einer schriftlichen Klausur (60 min) und der nachgewiesenen Akltivübung.



Master Biomedizinische Technik 2014Master Informatik 2009Master Informatik 2013Master Ingenieurinformatik 2009Master Ingenieurinformatik 2014Master Technische Kybernetik und Systemtheorie 2014

Seite 68 von 172

Kognitive Systeme


Modul:





8230

Fachverantwortlich:

Sprache:


Fachnummer:

keine Angabe


Fachabschluss:

1 0 0

V S PSWS nach

Fach-semester


Medienformen

Inhalt

Vorkenntnisse


Literatur


Pflichtfach


Pflichtkennz.:

2252Fachgebiet:







8.FS 9.FS 10.FS

V S P V S P V S P

Seite 69 von 172

Kognitive Systeme


Modul:

Bilderfassungssysteme


Prof. Dr. Gunther Notni

8198

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen

Skript, Arbeitsblätter, multimediale Präsentation

Anforderungen an technische Sehsysteme (Medizin, Fernerkundung, machine vision), photoelektrischer Effekt(innerer, äußerer, Photosensoren), Bildsensoren (CCD-Sensoren, CMOS-Sensoren), Multikanal- (Farb-)sensoren (Grundlagen der Farbwiedergabe, Anforderungen an Farbkameras), Kameras(Elektronikkomponenten)

Inhalt

Vorkenntnisse

Abgeschlossenses Grundstudium der Elektrotechnik, Informatik, Ingenieurinformatik oder Maschinenbau


Die Studierenden sollen die grundlegenden Prinzipen und Anforderungen der Systemtechnik der Bilderfassungkennen lernen, mit der Theorie vertraut sein und in der Lage sein, einfache praktische Aufgaben selbständig zulösen.

Literatur

Bernd Jähne, Digitale Bildverarbeitung, Springer, 1996


Pflichtfach


Pflichtkennz.:

2362Fachgebiet:




Master Elektrotechnik und Informationstechnik 2014 Vertiefung ATEMaster Informatik 2009Master Ingenieurinformatik 2009


8.FS 9.FS 10.FS

V S P V S P V S P

Seite 70 von 172

Kognitive Systeme


Modul:

Kognitive Robotik



181

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen

Präsenzvorlesung mit Powerpoint, Arbeitsblätter zur Vorlesung, Übungsaufgaben, Videos, Python Apps,studentische Demo-Programme, e-Learning mittels „Jupyter Notebook”

Die Lehrveranstaltung vermittelt das erforderliche Methodenspektrum aus theoretischen Grundkenntnissen undpraktischen Fähigkeiten zum Verständnis, zur Implementierung und zur Anwendung von Verfahren derRoboternavigation sowie zur Informations- und Wissensverarbeitung in Kognitiven Robotern. Sie vermitteltsowohl Faktenwissen, begriffliches und algorithmisches Wissen aus folgenden Themenkomplexen:

• Begriffsdefinitionen (Kognitive Robotik, Servicerobotik, Assistenzrobotik), Anwendungsbeispiele undEinsatzgebiete • Basiskomponenten Kognitiver Roboter • Sensorik und Aktuatorik: aktive und passive / interne und externe Sensoren; Antriebskonzepte undArtikulationstechniken • Basisoperation zur Roboternavigation: Lokale Navigation und Hindernisvermeidung incl.Bewegungssteuerung (VFH, VFH+, DWA); Anbindung an die Motorsteuerung; Arten derUmgebungsmodellierung und –kartierung; probabilistische Selbstlokalisation (Bayes-Filter, Kalman-Filter,Partikel-Filter, MCL); Simulataneous Localization and Mapping (SLAM) Techniken (online SLAM, Full SLAM);Pfadplanung (Dijkstra, A*, D*, E*, Rapidly-Exploring Random Trees (RRTs) ) • Steuerarchitekturen nach Art der Problemdekomposition und der Ablaufsteuerung • Leistungsbewertung und Benchmarking Kognitiver Roboter (Metriken und Gütemaße, Gestaltung vonFunktionstests) • Aktuelle Entwicklungen der Service- und Assistenzrobotik mit Zuordnung der vermittelten VerfahrenIm Rahmen des Pflichtpraktikums werden die behandelten methodischen und algorithmischen Grundlagen derRoboternavigation (Erzeugung einer Occupancy Grid Maps, Pfadplanung (Dijkstra und A* Algorithmus),Selbstlokalisation mittels Partikelfilter) durch die Studierenden selbst softwaretechnisch umgesetzt und imRahmen eines vorgefertigten Python-Frameworks implementiert.

Inhalt

Vorkenntnisse

Vorlesungen Neuroinformatik und Maschinelles Lernen, Angewandte Neuroinformatik


In der Vorlesung Kognitive Robotik lernen die Studenten die Begrifflichkeiten und das Methodenspektrum derKognitiven Robotik kennen. Sie verstehen übergreifende Ansätze zur Konzeption und der Realisierung vonRobotik-Komponenten aus der Sicht von Sensorik, Aktorik und kognitiver Informationsverarbeitung. Sie kennenTechniken der Umgebungswahrnehmung und der lokalen und globalen Navigation von Kognitiven Robotern inkomplexer realer Einsatzumgebung.Die Studierenden sind in der Lage, Fragestellungen aus dem o. g. Problemkreisen zu analysieren, durchAnwendung des behandelten Methodenspektrums Lösungskonzepte für unterschiedliche Fragestellungen derService- und Assistenzrobotik zu entwerfen und umzusetzen, sowie bestehende Lösungskonzepte zu bewerten.Vor- und Nachteile der Komponenten und Verfahren im Kontext praktischer Anwendungen sind denStudierenden bekannt.

Literatur

• Hertzberg, J., Lingemann, K., Nüchter: A. Mobile Roboter; Springer Vieweg 2012


Pflichtfach


Pflichtkennz.:

2233Fachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 71 von 172

• Siciliano, B., Khatib: O. Springer Handbook of Robotics, Springer 2016 • Thrun, S., Burgard, W., Fox, D.: Probabilistic Robotics, MIT Press 2005 • Siegwart, R., Nourbakhsh, I. R.: Introduction to Autonomous Mobile Robots, MIT Press 2004



Master Biomedizinische Technik 2009Master Biomedizinische Technik 2014Master Informatik 2009Master Informatik 2013Master Ingenieurinformatik 2009Master Ingenieurinformatik 2014Master Mechatronik 2017Master Technische Kybernetik und Systemtheorie 2014

Seite 72 von 172

Kognitive Robotik


Modul:

Kognitive Systeme / Robotik



181

Fachverantwortlich:

Sprache:

über Komplexprüfung

Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen




Inhalt

Vorkenntnisse




Literatur



Pflichtfach


Pflichtkennz.:

2233Fachgebiet:

Art der Notengebung: unbenotet


8.FS 9.FS 10.FS

V S P V S P V S P

Seite 73 von 172





Seite 74 von 172

Kognitive Robotik


Modul:

Lernen in kognitiven Systemen



182

Fachverantwortlich:

Sprache:


Fachnummer:

deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen

Die Lehrveranstaltung vermittelt das erforderliche Methodenspektrum aus theoretischen Grundkenntnissen undpraktischen Fähigkeiten zum Verständnis, zur Implementierung und zur Anwendung neuronaler undprobabilistischer Techniken des Erwerbs von Handlungswissen durch Lernen aus evaluativ bewertetenErfahrungsbeispielen. Sie vermittelt sowohl Faktenwissen, begriffliches und algorithmisches Wissen ausfolgenden Themenkomplexen:

• Begriffliche Grundlagen: Verhalten; Agent; Zweck und Bedeutung von Lernprozessen; Stability-PlasticityDilemma; Exploration-Exploitation Dilemma • Reinforcement Learning (RL): Grundidee des RL; General RL-Task; Schwache und starke RL-Verfahren,RL als Markov Decision Process (MDP); Basiskomponenten eines RL-Agenten; Value/Action-Value Iteration unddas Bellman´sche Optimalitätsprinzip; Q-Learning, Boltzmann-Aktionsauswahl; SARSA-Learning; On-policy undoff-policy Verfahren; Eligibility Traces; RL und teilweise Beobachtbarkeit; Lösungsansätze zur Behandlung vonPOMDP • Neuronale Umsetzung von RL-Agenten: Value Approximation am Beispiel TD-Gammon; NFQ-Verfahren;ADHDP-Verfahren; Grundidee von Policy Search Algorithmen • Deep Reinforcement Learning (DRL) als Form des End-to-End Learnings: Atari Deep RL; AlphaGo • Learning Classifier Systems (LCS) • Imitation Learning • Multi-Agenten Systeme (MAS); Motivation und Arten von Multi-Agentensystemen; Konzepte zurKoordinierung von Agenten; Koordination mittels W-Lernen • Exemplarische Software-Implementierungen von RL-Verfahren für Navigationsaufgaben, Spiele,Prozesssteuerungen Im Rahmen des Pflichtpraktikums sollen in C++ oder Python eigene Plugins zur Anwendung des ReinforcementLearnings am Beispiel der Roboternavigation im Simulator erstellt und experimentell untersucht werden.

Inhalt

Vorkenntnisse

Vorlesung Neuroinformatik


In der Vorlesung "Lernen in Kognitiven Systemen" lernen die Studierenden aufbauend auf der Vorlesung„Neuroinformatik und Maschinelles Lernen” die konzeptionellen, methodischen und algorithmischen Grundlagendes Maschinellen Lernens zum Erwerb komplexer Verhaltensleistungen in kognitiven Systemen (AutonomeSysteme, Roboter, Prozessteuerungen, Spiele) durch Lernen aus Erfahrungen kennen. Sie verstehen diegrundsätzliche Herangehensweise dieser Form des Wissenserwerbs, der Generierung vonhandlungsorientiertem Wissen aus Beobachtungen und Erfahrungen. Die Studierenden lernen die wesentlichenKonzepte, Lösungsansätze sowie Modellierungs- und Implementierungstechniken beim Einsatz von Verfahrendes Reinforcement Learnings und dessen Spielarten kennen. Sie sind in der Lage, praxisorientierteFragestellungen aus dem o. g. Problemkreis zu analysieren, durch Anwendung des behandeltenMethodenspektrums auf Fragestellungen aus den behandelten Bereichen neue Lösungskonzepte zu entwerfenund algorithmisch umzusetzen sowie bestehende Lösungen zu bewerten. Vor- und Nachteile der Komponentenund Verfahren im Kontext praktischer Anwendungen sind den Studierenden bekannt.


Pflichtfach


Pflichtkennz.:

2233Fachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 75 von 172


Literatur

- Sutton, R., Barto, A. Reinforcement Learning – An Introduction. MIT Press 1998- Bishop, Ch.: Pattern Recognition and Machine Learning, Springer 2006- Alpaydin, Ethem: Maschinelles Lernen, Oldenbourg Verlag 2008- Murphy, K. : Machine Learning – A Probabilistic Perspective, MIT Press 2012- Goodfellow, I. et al.: Deep Learning, MIT Press 2016

mPL 30 min, im Modul kognitive Robotik




Seite 76 von 172

Kognitive Systeme


Modul:




182

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen



Inhalt

Vorkenntnisse

LV Neuroinformatik LV Angewandte NI




Pflichtfach


Pflichtkennz.:

2233Fachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 77 von 172


Literatur


90% Klausur 60 min + 10% Implementierung




Seite 78 von 172

Kognitive Systeme


Modul:





8229

Fachverantwortlich:

Sprache:


Fachnummer:

keine Angabe


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Inhalt

Vorkenntnisse


Literatur


Pflichtfach


Pflichtkennz.:

2252Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 79 von 172


Der Modul beinhaltet vertiefende Fächer, die sich mit Fragen aus mehreren Richtungen der TheoretischenInformatik auseinandersetzen, insbesondere aus dem Bereich der Algorithmik, der Komplexitätstheorie, derAutomatentheorie und der Logik. Die Studierenden erwerben Fachkenntnisse in den gewählten Fächern sowiedie Fähigkeit zur wissenschaftlichen Arbeit im Bereich der Theoretischen Informatik.Die Fächer sind dem jeweils gültigen Katalog der Vertiefungsgebiete zu entnehmen.Die Lernergebnisse und Kompetenzen sind in den Fachbeschreibungen dargestellt.

Modulnummer:


Modul:


Algorithmik und Komplexität8201

Lernergebnisse

Pflichtmodule „Grundstrukturen der Theoretischen Informatik“, „Algorithmen und Komplexität“ aus demBachelorstudiengang Informatik; weitere Voraussetzungen siehe die jeweilige Fachbeschreibung




Seite 80 von 172

Algorithmik und Komplexität


Modul:

Approximationsalgorithmen

ganzjährigTurnus:


230

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Folien, Tafel, Übungsblätter

Grundbegriffe. Einführende Beispiele. Greedy Set Cover. Absolute Approximation: Färbung von planarenGraphen, Kantenfärbungen. Relative Approximation. Greedy-Verfahren und ihre Analyse. MAX-SAT, MetrischesTSP. Asymptotische relative Approximation. Inputabhängige Approximation: Graphfärbungen. PolynomielleApproximationsschemata: Rucksackproblem. Asymptotisches Approximationsschema: Binpacking. WeitereTechniken: Lineare Programmierung und Randomisiertes Runden am Beispiel von MAX-SAT.Derandomisierung. Semidefinite Programmierung am Beispiel von Max-Cut. Approximate Counting und dieMonte-Carlo-Methode.

Inhalt

Vorkenntnisse

Berechenbarkeit und Komplexitätstheorie, Effiziente Algorithmen


Fachkompetenz: Die Studierenden kennen die grundlegenden Konzepte des Bereichs derApproximationsalgorithmen, insbesondere die Definition von Optimierungsaufgaben und die Qualitätsstufen vonApproximationsalgorithmen (absolute, relative Approximationsgüte, [voll] polynomielle Approximationsschemata,inputabhängige Approximation). Sie kennen die Wirkungsweise der relevanten Entwurfsprinzipien. Sie kennendie relevanten Analysetechniken. Die Studierenden kennen die zentralen Beispielprobleme, für dieApproximationsalgorithmen entwickelt wurden, ihre Performanzparameter und die Analysemethode.Methodenkompetenz: Die Studierenden können die Entwurfsprinzipien auf verwandte Problemstellungenanwenden. Sie können Algorithmen und Probleme in die relevanten Klassen APX, PTAS, FPTAS usw.einsortieren. Sie können die zentralen Algorithmen beschreiben und die Analyse durchführen.

Literatur

* R. Wanka, Approximationsalgorithmen, Teubner 2006 * K. Jansen, M. Margraf, Approximative Algorithmen und Nichtapproximierbarkeit, de Gruyter 2008 * G. Ausiello, P. Crescenzi, G. Gambosi, V. Kann, A. Marchetti-Spaccamela, M. Protasi, Complexity andApproximation, Springer-Verlag 1999* D. P. Williamson, D. P. Shmoys, The Design of Approximation Algorithms, Cambridge University Press 2011* D.-Z. Du, K.-I Ko, X. Hu, Design and Analysis of Approximation Algorithms, Springer 2012.


Wahlpflichtfach


Pflichtkennz.:

2242Fachgebiet:


Findet statt im: SS 2014, WS 2015/2016





8.FS 9.FS 10.FS

V S P V S P V S P

Seite 81 von 172



Modul:

Komplexitätstheorie



227

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Tafelvortrag, Folien, teilweise schriftliche Ausarbeitung. Übungsblätter.

Theorie der NP-Vollständigkeit, polynomielle Hierarchie, randomisierte Komplexitätsklassen, Grundzüge derPCP-Theorie und Nicht-Approximierbarkeit.

Inhalt

Vorkenntnisse



Fachkompetenz: Die Studierenden kennen das Konzept von polynomiellen Suchproblemen und polynomiellenOptimierungsproblemen. Sie kennen verschiedene Reduktionskonzepte (Turing, polynomielle Reduktion) sowieden Begriff der NP-Vollständigkeit und den Satz von Cook/Levin. Sie kennen die Implikationen der Eigenschaft„NP-vollständig“. Die Studierenden kennen die 20 wichtigsten NP-vollständigen Probleme sowie das Konzeptder starken NP-Vollständigkeit. Sie kennen die wesentlichen randomisierten Komplexitätsklassen, diepolynomielle Hierarchie und Beziehungen zwischen beiden. Sie kennen die Grundbegriffe der PCP-Theorie. Methodenkompetenz: Den Studierenden stehen die genannten Grundbegriffe als Basis für Argumentationen zurVerfügung. Sie sind in der Lage, den Satz von Cook/Levin zu beweisen, und auch die NP-Vollständigkeit für diein der Vorlesung behandelten Probleme und abgewandelte Versionen hiervon. Sie können wesentlicheBerechnungsprobleme komplexitätstheoretisch einordnen.

Literatur

I. Wegener, Komplexitätstheorie – Grenzen der Effizienz von Algorithmen, Springer, 2003.G. Ausiello et al., Complexity and Approximation, Springer, 1999.M. Garey, D. Johnson, Computers and Intractability, W.H. Freeman and Co., 1979.C. Papadimitriou, Computational Complexity, Addison-Wesley, 1995.S. Arora, B. Barak, Computational Complexity: A Modern Approach, Cambridge University Press, 2009.O. Goldreich, Computational complexity - a conceptual perspective, Cambridge University Press, 2008.


Wahlpflichtfach


Pflichtkennz.:

2242Fachgebiet:


Findet statt im: WS 2013/2014, SS 2015



Master Informatik 2009Master Informatik 2013


8.FS 9.FS 10.FS

V S P V S P V S P

Seite 82 von 172



Modul:

Spezielle Themen der Komplexitätstheorie




9186

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen

Tafel, Folien, Übungsaufgaben.

SKKT: Zertifizierung von FP/FLINSPACE/FPSPACE für imperative ProgrammeDie Vorlesung bespricht eine effiziente Methode zur Zertifizierung von• polynomiellem Zeitbedarf (FP) und• linearem bzw. polynomiellem Platzbedarf (FLINSPACE bzw. FPSPACE)für imperative Programme, die aus beliebigen Basisanweisungen mittels Anweisungsfolgen, bedingtenAnweisungen und FOR-Schleifen aufgebaut sind. Solche Programme arbeiten auf Variablen X_1, . . . , X_n,wovon jede einen beliebigen Datentyp (Stack, Register, Baum, Graph, usw.) repräsentiert und implizit mit einerGröße |X_i| ausgestattet ist. Fungiert X_i z.B. als Register, so könnte |X_i| die binäre Länge der in X_igespeicherten Zahl sein. Kern der Methode ist ein effizienter Matrizen-Kalkül für die Zertifizierung derpolynomiellen Größenbeschränktheit von imperativen Programmen mit polynomiell größenbeschränktenBasisanweisungen. Das Zertifikat für ein Programm in n Variablen ist eine (n+1)×(n+1)-Matrix über der„Vergissmenge“ {0, 1, unendlich}. Die Methode ist konstruktiv in dem Sinne, dass neben dem Zertifikat auchstets ein Beschränkungspolynom berechnet wird. Die folgenden Charakterisierungstheoreme werden erarbeitetund bewiesen:• FP = Zertifizierte Stringprogramme (Stack-Programme mit beliebigen polynomialzeitberechenbarenBasisanweisungen)• FLINSPACE = Zertifizierte verallgemeinerte Loop-Programme (Loop-Programme mit beliebigen in linearemPlatzbedarf berechenbaren Basisanweisungen)• FPSPACE = Zertifizierte Power-Stringprogramme (Stringprog. erweitert um Schleifen, deren Rumpfexponentiell oft in der Größe der Kontrollvariablen iteriert wird, mit beliebigen in polynomiellem Platzbedarfberechenbaren Basisanweisungen)Das Verfahren steht als Java-Applet zur Verfügung. An Schulbeispielen wie binäres Addieren, binäresMultiplizieren oder Insertion-Sort werden wir daher die Theorie laufen lassen, also Zertifikate berechnen undBeschränkungspolynome extrahieren.

Inhalt

Vorkenntnisse

Berechenbarkeit und Komplexitätstheorie. Nützlich: Komplexitätstheorie


Tiefes Verständnis für eine effektive Analysetechnik für imperative Programme

Literatur

Originalliteratur


Wahlpflichtfach


Pflichtkennz.:

2242Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 83 von 172



Modul:

Verifikation unendlicher Systeme



Prof. Dr. Dietrich Kuske

9185

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Tafel, Übungsblätter

• temporale Logiken linearer und verzweigender Zeit • Verfahren des Model Checking für endliche und unendliche Systeme • komplexitätstheoretische Analyse

Inhalt

Vorkenntnisse

fundierte Kenntnisse der Theoretischen Informatik (Aussagen- und Prädikatenlogik, Berechenbarkeit, elementareKomplexitätstheorie)


Die Studenten kennen typische Verfahren und Probleme des Model Checking aus algorithmischer Sicht. Siekönnen fundierte Vermutungen über mögliche Erweiterungen aufstellen und begründen.

Literatur

• Clarke, Grumberg, Peled "Model Checking" • Baier, Katoen "Principles of Model Checking"


Wahlpflichtfach


Pflichtkennz.:

2241Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 84 von 172



Modul:

Ausgewählte Kapitel der Komplexitätstheorie / Algorithmik

unbekanntTurnus:


232

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

3 1 0 3 1 0

V S PSWS nach

Fach-semester


Version 1: Moderne HashverfahrenHashfunktionen bilden Schlüssel auf eine Indexmenge {1,..,m} ab. Aus dieser Grundsituation ergeben sich vieleAnwendungen und Fragestellungen. Verschiedene Funktionalitäten, die in der Vorlesung diskutiert werden, sind:

• Dynamische Mengen („member“-Test) • Wörterbücher (dynamische Abbildungen mit „member“-Test) • Retrieval (dynamische Abbildungen ohne „member“-Test) • Approximative Mengen („Bloom-Filter“-Funktionalität) • (Minimale) Perfekte Hashfunktionen • Analyse von DatenströmenIn der Vorlesung werden klassische und neue Algorithmen und ihre Analysen besprochen. Die hierfür nötigenTechniken aus der Wahrscheinlichkeitsrechnung, der (Hyper-)Graphentheorie und der Linearen Algebra werdenbereitgestellt. - Die Vorlesung bereitet auch auf weiterführende Arbeiten in dem Gebiet vor.Konkrete Themen: Universelles Hashing, Konstruktion universeller Klassen, Anwendungen universeller Klassen:O(1)-Suche und perfekte Hashfunktionen, Momentanalyse bei Datenströmen mit 4-facher Unabhängigkeit,Lineares Sondieren und 5-fache Unabhängigkeit, High-Performance-Hashklassen und ihre Analyse, Verhaltenvon voll zufälligen Funktionen (Negative Korrelation, Poisson-Approximation, größte Buckets), Simulation von

Inhalt

Vorkenntnisse

Berechenbarkeit und Komplexitätstheorie, Effiziente AlgorithmenFür Version 1: Stochastik; günstig: „Randomisierte Algorithmen“Für Version 2: „Integrierte Hard- und Softwaresysteme 1“


Version 1: Moderne HashverfahrenFachkompetenz: Die Studierenden kennen die in der Vorlesung vorgestellten Konstruktionen und Beweise imGebiet moderner Hashverfahren. Sie kennen die notwendigen Grundlagen aus der linearen Algebra und derWahrscheinlichkeitsrechnung.

Methodenkompetenz: Die Studierenden können die Konstruktionsmethoden beschreiben, ihre Eigenschaften(insbesondere Zuverlässigkeitsaussagen) präzise benennen und die wesentlichen Beweise nachvollziehen undwiedergeben. Sie können Konstruktionen variieren und einschätzen, ob dadurch die Gültigkeit der Beweiseeingeschränkt wird. Sie können die Praktikabilität der Verfahren einschätzen. Version 2: Boolesche Funktionen: Algorithmen und KomplexitätFachkompetenz: Die Studierenden kennen die in der Vorlesung vorgestellten Darstellungsformen für BoolescheFunktionen, ihre algorithmischen Eigenschaften sowie die komplexitätstheoretische Einordnung derzugeordneten Berechnungsprobleme. Sie kennen die Konstruktionsalgorithmen für Schaltkreise und dieVerfahren zur Manipulation von OBDDS mit ihren Performanzparametern.

Methodenkompetenz: Die Studierenden können die Darstellungen, Konstruktionsmethoden und Algorithmenbeschreiben. Sie überblicken die Darstellungsform „OBDD“ mit ihren Vorteilen und Problemen, können somitSysteme, die diese Darstellungsform einsetzen, in ihrem Verhalten besser beurteilen. Sie können dieEigenschaften von Darstellungsformen, Konstruktionsmethoden und Algorithmen präzise benennen und diewesentlichen Beweise nachvollziehen und darstellen. Sie können Konstruktionen variieren und einschätzen, obdadurch die Gültigkeit der Beweise eingeschränkt wird.


Wahlpflichtfach


Pflichtkennz.:

2242Fachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 85 von 172

Medienformen

Hauptsächlich Tafelvortrag, teilweise Folien.

voll zufälligen Funktionen: „Split-and-Share“, das Mehrfunktionen-Paradigma (Bloom-Filter, Cuckoo-Hashing,verallgemeinertes Cuckoo-Hashing), zufällige Hypergraphen, bipartite Graphen, Matrizen, „Retrieval“: Werteohne Membership-Test, neuere Konstruktionen perfekter HashfunktionenVersion 2: Boolesche Funktionen: Algorithmen und KomplexitätDie Realisierung von Schaltungen für strukturierte oder unstrukturierte Boolesche Funktionen ist die Basis derKonstruktion digitaler Rechner. Diese Veranstaltung bespricht - aus theoretischer Sicht - Verfahren zurKonstruktion und Manipulation von Darstellungen Boolescher Funktionen und komplexitätstheoretische Grenzensolcher Konstruktionen.Konkrete Themen:

• Boolesche Funktionen und Boolesche Formeln • Schaltkreise und Straight-Line-Programme • Komplexitätsklassen für Boolesche Funktionen • Minimierung zweistufiger Schaltkreise (Ermittlung der Primimplikanten,Aufbau eines Minimalpolynoms) • Konstruktion von Additionsschaltkreisen (Fischer-Ladner) • Konstruktion von Multiplikationsschaltkreisen (Karatsuba) • Konstruktion von Divisionsschaltkreisen • Schaltkreise für die (diskrete) schnelle Fouriertransformation • Ordered Binary Decision Diagrams: Datenstruktur für Boolesche Funktionen • Minimierung und Reduktion • OBDD-Synthese • Beispiele für minimierte OBDDs: Addition, Speicheradressierung, Multiplikation u.a. • Schaltkreisverifikation mit OBDDs • Analyse sequentieller Systeme (Schaltwerke) mit OBDDs

Literatur

Version 1: Moderne HashverfahrenM. Mitzenmacher, E. Upfal, Probability and Computing, Cambridge University Press, 2005.R. Motwani und P. Raghavan, Randomized Algorithms, Cambridge University Press, 1995.Originalliteratur, wird in der Vorlesung genannt. Version 2: Boolesche Funktionen: Algorithmen und Komplexität I.Wegener, Branching Programs and Binary Decision Diagrams -Theory and Applications, SIAM, 2000C. Meinel, T. Theobald, Algorithmen und Datenstrukturen im VLSI-Design, Springer Verlag, 1988Originalliteratur, wird in der Vorlesung genannt.

Findet statt im: WS 2016/2017, WS 2018/19




Seite 86 von 172



Modul:

Logik in der Informatik



9184

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

3 1 0

V S PSWS nach

Fach-semester


Medienformen


• Ehrenfeucht-Fräissé-Spiele, Lokalität der Prädikatenlogik 1. Stufe, Nicht-Ausdrückbarkeits-Beweise • Deskriptive Komplexitätstheorie (Zusammenhang zwischen logischen Ausdrucksmitteln & Komplexität) • zufällige Strukturen

Inhalt

Vorkenntnisse



Die Studierenden kennen Beispiele typischer Sätze & Methoden der algorithmischen Modelltheorie. Sie könnendiese anwenden, beweisen und fundierte Vermutungen über Erweiterungen aufstellen und begründen.

Literatur

• Ebbinghaus, Flum "Finite Model Theory" • Libkin "Elements of Finite Model Theory"


Wahlpflichtfach


Pflichtkennz.:

2241Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 87 von 172


Die Studierenden erwerben in diesem Modul fortgeschrittene und vertiefte Kenntnisse über Paradigmen,Methoden und Algorithmen zur Herstellung von Sicherheitseigenschaften in Systemen und Netzen.

Modulnummer:


Modul:


IT-Sicherheit8205

Lernergebnisse

Siehe individuelle Fächerbeschreibungen



keine


Seite 88 von 172

IT-Sicherheit


Modul:




5642

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen



Inhalt

Vorkenntnisse




Literatur



Pflichtfach


Pflichtkennz.:

2253Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 89 von 172

IT-Sicherheit


Modul:

Schutz von Kommunikationsinfrastrukturen



5641

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen


Die Lehrveranstaltung behandelt Risiken und Bedrohungen sowie Maßnahmen zum Schutz vonKommunikationsinfrastrukturen. Aufbauend auf einer grundlegenden Klassifikation und einer Abgrenzung zumInhalt der Grundlagenvorlesung Network Security werden insbesondere die Bereiche Schutz der Verfügbarkeitvon Diensten und Systemen, sicherheitsgerechter Systementwurf und -implementierung, Angriffserkennung undReaktion auf Angriffe, sowie Herausforderungen der Netzsicherheit in Umgebungen mit besonderenRandbedingungen (Adhoc Netze, Sensornetze etc.) thematisiert. 1. Introduction & Motivation 2. Denial of ServiceAttacks and Countermeasures 3. Protection of IP Packet Transport, Routing and DNS 4. Security Aware SystemDesign and Implementation 5. Intrusion Detection and Response 6. Security in Sensor Networks (Challenges inConstraint Environments)

Inhalt

Vorkenntnisse

Bachelorstudium Informatik, Semester 1-4Der vorherige Besuch der Vorlesung „Network Security“ im Bachelorstudium ist hilfreich, stellt jedoch keinenotwendige Voraussetzung dar.


• Fachkompetenz: Die Studierenden verfügen über Kenntnisse zu Risiken und Bedrohungen sowie Maßnahmenzum Schutz von Kommunikationsinfrastrukturen. Sie kennen die speziellen Techniken und Gefahren vonSabotageangriffen und können die spezifischen Risiken bei der Einführung neuer Gegenmaßnahmen gegenSabotageangriffe analysieren und bewerten.• Methodenkompetenz: Die Studierenden können bewerten, ob ein Systementwurf bzw. eine -implementierung,sicherheitsgerecht ist, und wie eine Angriffserkennung und Reaktion auf Angriffe durchgeführt werden kann.• Systemkompetenz: Die Studierenden verstehen das grundsätzliche Zusammenwirken der Maßnahmen zumSchutz von Kommunikationsinfrastrukturen.

Literatur

• G. Schäfer. Netzsicherheit - Algorithmische Grundlagen und Protokolle. dpunkt.verlag• C. Eckert. IT-Sicherheit: Konzepte, Verfahren, Protokolle. zweite Auflage, Oldenbourg Verlag


Pflichtfach


Pflichtkennz.:

2253Fachgebiet:




Master Informatik 2009Master Informatik 2013Master Ingenieurinformatik 2009Master Ingenieurinformatik 2014Master Wirtschaftsinformatik 2009Master Wirtschaftsinformatik 2011


8.FS 9.FS 10.FS

V S P V S P V S P

Seite 90 von 172

IT-Sicherheit


Modul:




1542

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch/Englisch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen



Inhalt

Vorkenntnisse




Literatur



Pflichtfach


Pflichtkennz.:

2255Fachgebiet:







8.FS 9.FS 10.FS

V S P V S P V S P

Seite 91 von 172


Die Ergänzungsfächer Master Informatik dienen zur Individualisierung der Vertiefungsgebiete; mit ihnenerweitern und vertiefen die Studierenden die dort erworbenen Kompetenzen.

Modulnummer:


Modul:


Ergänzungsfächer8206

Lernergebnisse

siehe individuelle Fächerbeschreibungen


Modulabschluss:

keine


Seite 92 von 172

Ergänzungsfächer


Modul:




5642

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen



Inhalt

Vorkenntnisse




Literatur



Wahlpflichtfach


Pflichtkennz.:

2253Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 93 von 172

Ergänzungsfächer


Modul:

Approximationsalgorithmen

ganzjährigTurnus:


230

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen


Grundbegriffe. Einführende Beispiele. Greedy Set Cover. Absolute Approximation: Färbung von planarenGraphen, Kantenfärbungen. Relative Approximation. Greedy-Verfahren und ihre Analyse. MAX-SAT, MetrischesTSP. Asymptotische relative Approximation. Inputabhängige Approximation: Graphfärbungen. PolynomielleApproximationsschemata: Rucksackproblem. Asymptotisches Approximationsschema: Binpacking. WeitereTechniken: Lineare Programmierung und Randomisiertes Runden am Beispiel von MAX-SAT.Derandomisierung. Semidefinite Programmierung am Beispiel von Max-Cut. Approximate Counting und dieMonte-Carlo-Methode.

Inhalt

Vorkenntnisse



Fachkompetenz: Die Studierenden kennen die grundlegenden Konzepte des Bereichs derApproximationsalgorithmen, insbesondere die Definition von Optimierungsaufgaben und die Qualitätsstufen vonApproximationsalgorithmen (absolute, relative Approximationsgüte, [voll] polynomielle Approximationsschemata,inputabhängige Approximation). Sie kennen die Wirkungsweise der relevanten Entwurfsprinzipien. Sie kennendie relevanten Analysetechniken. Die Studierenden kennen die zentralen Beispielprobleme, für dieApproximationsalgorithmen entwickelt wurden, ihre Performanzparameter und die Analysemethode.Methodenkompetenz: Die Studierenden können die Entwurfsprinzipien auf verwandte Problemstellungenanwenden. Sie können Algorithmen und Probleme in die relevanten Klassen APX, PTAS, FPTAS usw.einsortieren. Sie können die zentralen Algorithmen beschreiben und die Analyse durchführen.

Literatur

* R. Wanka, Approximationsalgorithmen, Teubner 2006 * K. Jansen, M. Margraf, Approximative Algorithmen und Nichtapproximierbarkeit, de Gruyter 2008 * G. Ausiello, P. Crescenzi, G. Gambosi, V. Kann, A. Marchetti-Spaccamela, M. Protasi, Complexity andApproximation, Springer-Verlag 1999* D. P. Williamson, D. P. Shmoys, The Design of Approximation Algorithms, Cambridge University Press 2011* D.-Z. Du, K.-I Ko, X. Hu, Design and Analysis of Approximation Algorithms, Springer 2012.


Wahlpflichtfach


Pflichtkennz.:

2242Fachgebiet:


Findet statt im: SS 2014, WS 2015/2016





8.FS 9.FS 10.FS

V S P V S P V S P

Seite 94 von 172

Ergänzungsfächer


Modul:

Ausgewählte Kapitel der Komplexitätstheorie / Algorithmik

unbekanntTurnus:


232

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

3 1 0 3 1 0

V S PSWS nach

Fach-semester


Version 1: Moderne HashverfahrenHashfunktionen bilden Schlüssel auf eine Indexmenge {1,..,m} ab. Aus dieser Grundsituation ergeben sich vieleAnwendungen und Fragestellungen. Verschiedene Funktionalitäten, die in der Vorlesung diskutiert werden, sind:

• Dynamische Mengen („member“-Test) • Wörterbücher (dynamische Abbildungen mit „member“-Test) • Retrieval (dynamische Abbildungen ohne „member“-Test) • Approximative Mengen („Bloom-Filter“-Funktionalität) • (Minimale) Perfekte Hashfunktionen • Analyse von DatenströmenIn der Vorlesung werden klassische und neue Algorithmen und ihre Analysen besprochen. Die hierfür nötigenTechniken aus der Wahrscheinlichkeitsrechnung, der (Hyper-)Graphentheorie und der Linearen Algebra werdenbereitgestellt. - Die Vorlesung bereitet auch auf weiterführende Arbeiten in dem Gebiet vor.Konkrete Themen: Universelles Hashing, Konstruktion universeller Klassen, Anwendungen universeller Klassen:O(1)-Suche und perfekte Hashfunktionen, Momentanalyse bei Datenströmen mit 4-facher Unabhängigkeit,Lineares Sondieren und 5-fache Unabhängigkeit, High-Performance-Hashklassen und ihre Analyse, Verhaltenvon voll zufälligen Funktionen (Negative Korrelation, Poisson-Approximation, größte Buckets), Simulation von

Inhalt

Vorkenntnisse

Berechenbarkeit und Komplexitätstheorie, Effiziente AlgorithmenFür Version 1: Stochastik; günstig: „Randomisierte Algorithmen“Für Version 2: „Integrierte Hard- und Softwaresysteme 1“


Version 1: Moderne HashverfahrenFachkompetenz: Die Studierenden kennen die in der Vorlesung vorgestellten Konstruktionen und Beweise imGebiet moderner Hashverfahren. Sie kennen die notwendigen Grundlagen aus der linearen Algebra und derWahrscheinlichkeitsrechnung.

Methodenkompetenz: Die Studierenden können die Konstruktionsmethoden beschreiben, ihre Eigenschaften(insbesondere Zuverlässigkeitsaussagen) präzise benennen und die wesentlichen Beweise nachvollziehen undwiedergeben. Sie können Konstruktionen variieren und einschätzen, ob dadurch die Gültigkeit der Beweiseeingeschränkt wird. Sie können die Praktikabilität der Verfahren einschätzen. Version 2: Boolesche Funktionen: Algorithmen und KomplexitätFachkompetenz: Die Studierenden kennen die in der Vorlesung vorgestellten Darstellungsformen für BoolescheFunktionen, ihre algorithmischen Eigenschaften sowie die komplexitätstheoretische Einordnung derzugeordneten Berechnungsprobleme. Sie kennen die Konstruktionsalgorithmen für Schaltkreise und dieVerfahren zur Manipulation von OBDDS mit ihren Performanzparametern.

Methodenkompetenz: Die Studierenden können die Darstellungen, Konstruktionsmethoden und Algorithmenbeschreiben. Sie überblicken die Darstellungsform „OBDD“ mit ihren Vorteilen und Problemen, können somitSysteme, die diese Darstellungsform einsetzen, in ihrem Verhalten besser beurteilen. Sie können dieEigenschaften von Darstellungsformen, Konstruktionsmethoden und Algorithmen präzise benennen und diewesentlichen Beweise nachvollziehen und darstellen. Sie können Konstruktionen variieren und einschätzen, obdadurch die Gültigkeit der Beweise eingeschränkt wird.


Wahlpflichtfach


Pflichtkennz.:

2242Fachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 95 von 172

Medienformen

Hauptsächlich Tafelvortrag, teilweise Folien.

voll zufälligen Funktionen: „Split-and-Share“, das Mehrfunktionen-Paradigma (Bloom-Filter, Cuckoo-Hashing,verallgemeinertes Cuckoo-Hashing), zufällige Hypergraphen, bipartite Graphen, Matrizen, „Retrieval“: Werteohne Membership-Test, neuere Konstruktionen perfekter HashfunktionenVersion 2: Boolesche Funktionen: Algorithmen und KomplexitätDie Realisierung von Schaltungen für strukturierte oder unstrukturierte Boolesche Funktionen ist die Basis derKonstruktion digitaler Rechner. Diese Veranstaltung bespricht - aus theoretischer Sicht - Verfahren zurKonstruktion und Manipulation von Darstellungen Boolescher Funktionen und komplexitätstheoretische Grenzensolcher Konstruktionen.Konkrete Themen:

• Boolesche Funktionen und Boolesche Formeln • Schaltkreise und Straight-Line-Programme • Komplexitätsklassen für Boolesche Funktionen • Minimierung zweistufiger Schaltkreise (Ermittlung der Primimplikanten,Aufbau eines Minimalpolynoms) • Konstruktion von Additionsschaltkreisen (Fischer-Ladner) • Konstruktion von Multiplikationsschaltkreisen (Karatsuba) • Konstruktion von Divisionsschaltkreisen • Schaltkreise für die (diskrete) schnelle Fouriertransformation • Ordered Binary Decision Diagrams: Datenstruktur für Boolesche Funktionen • Minimierung und Reduktion • OBDD-Synthese • Beispiele für minimierte OBDDs: Addition, Speicheradressierung, Multiplikation u.a. • Schaltkreisverifikation mit OBDDs • Analyse sequentieller Systeme (Schaltwerke) mit OBDDs

Literatur

Version 1: Moderne HashverfahrenM. Mitzenmacher, E. Upfal, Probability and Computing, Cambridge University Press, 2005.R. Motwani und P. Raghavan, Randomized Algorithms, Cambridge University Press, 1995.Originalliteratur, wird in der Vorlesung genannt. Version 2: Boolesche Funktionen: Algorithmen und Komplexität I.Wegener, Branching Programs and Binary Decision Diagrams -Theory and Applications, SIAM, 2000C. Meinel, T. Theobald, Algorithmen und Datenstrukturen im VLSI-Design, Springer Verlag, 1988Originalliteratur, wird in der Vorlesung genannt.

Findet statt im: WS 2016/2017, WS 2018/19




Seite 96 von 172

Ergänzungsfächer


Modul:





8230

Fachverantwortlich:

Sprache:


Fachnummer:

keine Angabe


Fachabschluss:

1 0 0

V S PSWS nach

Fach-semester


Medienformen

Inhalt

Vorkenntnisse


Literatur


Wahlpflichtfach


Pflichtkennz.:

2252Fachgebiet:







8.FS 9.FS 10.FS

V S P V S P V S P

Seite 97 von 172

Ergänzungsfächer


Modul:

Computergrafik 2



241

Fachverantwortlich:

Sprache:


Fachnummer:

keine Angabe


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen

Ausgewählte Kapitel neuer Rendering-Technologie: Programmierbare Shader, Deferred Shading.Ray Tracing,Global Illumination, Spherical Harmonics. Diese Vorlesung ist z.Zt. noch in Ausarbeitung.

Inhalt

Vorkenntnisse


Literatur


Wahlpflichtfach


Pflichtkennz.:

2252Fachgebiet:







8.FS 9.FS 10.FS

V S P V S P V S P

Seite 98 von 172

Ergänzungsfächer


Modul:

Data Mining



221

Fachverantwortlich:

Sprache:


Fachnummer:



Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen


(1) Motivation, typische Aufgabenklassen und Anwendungen, Stufenprozess zur Modellbildung, Entropie derInformation, (2) Erlernen von Entscheidungsbäumen: schrittweise Verfeinerung von ID3 zu C 4.5 (numerischeAttribute, fehlende Attribute), (3) Entscheidungsbäume über regulären Patterns, (4) Erlernen vonKlassifikationsregeln: binäre Klassifikation nach John Stuard Mill (JSM), (5) Assoziations-Analyse und derenVerfeinerung (kategorische Attribute „others“, numerische Attribute), (6) kNN-Klassifikation

Inhalt

Vorkenntnisse

fundierte Kenntnisse in mathematischer Logik und Wahrscheinlichkeitstheorie


Vermittlung von grundlegender Methoden und Techniken

Literatur

(1) Tan, Pang-Ning; Steinbach, Michael; Kumar, Vipin: Introduction to Data Mining. ISBN, Pearson Education,2006. (2) Markus Lusti: Data Warehousing and Data Mining: Eine Einführung in entscheidungsunterstützendeSysteme, ISBN 3-540-42677-9, Springer, 2001. (3) Petersohn, Helge: Data Mining. Verfahren, Prozesse,Anwendungsarchitektur. ISBN 978-3-486-57715-0, Oldenbourg Verlag, 2005. (4) Lawrence, Kennth D.; Kudyba,Stephan, Klimberg, Ronald K.: Data Mining Methods and Applications, ISBN 978-0-8493-8522-3, Boca Raton,FL u.a.: Auerbach, 2008.


Wahlpflichtfach


Pflichtkennz.:

2238Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 99 von 172

Ergänzungsfächer


Modul:

Data-Warehouse-Technologien



246

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen


Einführung & Grundbegriffe; Data-Warehouse-Architektur; Multidimensionale Datenmodellierung: Fakten undDimensionen, ER-Erweiterungen zur multidimensionalen Modellierung; ETL-Prozess, Transformationsaufgaben,Datenqualität; Anfragen an Data Warehouses: SQL-Erweiterungen, Cube- und Rollup-Operatoren, OLAP-Funktionen, MDX; Speicher- und Indexstrukturen, Column Stores, Datenkompression, Bitmap-Indexe und UB-Baum; Anfrageverarbeitung und -optimierung in Data Warehouses; Materialisierte Sichten

Inhalt

Vorkenntnisse

Vorlesung Datenbanksysteme


Nachdem Studierende diese Veranstaltung besucht haben, kennen sie Architektur und Aufbau von Data-Warehouse-Systemen und können den Data-Warehousing-Prozess beschreiben. Sie verstehen die Prinzipienverschiedener Datenbanktechniken aus dem Bereich der Modellierung, der Speicher- und Indexorganisationsowie der Anfrageformulierung und -auswertung und können diese hinsichtlich ihrer Anwendbarkeit bewerten.Die Studierenden sind in der Lage, aktuelle Datenbanktechnologien zum Entwurf und Aufbau von DataWarehouses zu bewerten und anzuwenden. Sie können praktische Szenarien analysieren und eigene Data-Warehouse-Lösungen entwickeln.

Literatur

Köppen, Saake, Sattler: Data Warehouse Technologien: Technische Grundlagen, mitp-Verlag, 2012. Lehner:Datenbanktechnologie für Data-Warehouse-Systeme. Konzepte und Methoden, dpunkt-Verlag, 2003.


Wahlpflichtfach


Pflichtkennz.:

2254Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 100 von 172

Ergänzungsfächer


Modul:

Einchipcontroller und Digitale Signalprozessoren


Dr. Bernd Däne

174

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen


Aufbau, Funktionsweise, Gemeinsamkeiten und Unterscheidungskriterien von Einchipcontrollern(Einchipmikrorechner, EMR; auch: Mikrocontroller, µC) und Digitalen Signalprozessoren (DSP); DetaillierteBetrachtung von EMR an Beispielen; Detaillierte Betrachtung von DSP an Beispielen; Prozessorkerne,maschinennahe Programmierung, integrierte Peripheriefunktionen, Entwicklungswerkzeuge

Inhalt

Vorkenntnisse



Detailliertes Verständnis zu Aufbau, Programmierung und praktischem Einsatz von Einchipmikrorechnern(Microcontrollern, Einchipcontrollern) und Digitalen Signalprozessoren.

Literatur

Gelegentlich aktualisierte Literaturhinweise und Onlinequellen sind der Webseite zu entnehmen: http://tu-ilmenau.de/?r-dsp


Wahlpflichtfach


Pflichtkennz.:

2231Fachgebiet:





Master Fahrzeugtechnik 2009Master Informatik 2009Master Informatik 2013Master Ingenieurinformatik 2009Master Ingenieurinformatik 2014


8.FS 9.FS 10.FS

V S P V S P V S P

Seite 101 von 172

Ergänzungsfächer


Modul:



Dr. Rico Nestler

239

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester



• Einleitung




Inhalt

Vorkenntnisse






Wahlpflichtfach


Pflichtkennz.:

2362Fachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 102 von 172




Medienformen




• Fokusvariation

Literatur






Seite 103 von 172



Ergänzungsfächer


Modul:

Geometrische Modellierung



240

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

3 0 0

V S PSWS nach

Fach-semester


Medienformen

Aktuelle Skripte / Ergänzungen, siehe Vorlesungs-Webseiten des Fachgebietes Grafische Datenverarbeitung

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 (Vereinigung, Durchschnitt, Differenz)Abstandsfunktionen für Mengen, Problematik nichtmetrischer Abstandsfunktionen. Hausdorff-Metrik. Topologie,topologische Räume, stetige Abbildungen, Homöomorphismen, homöomorph. Einbettung, topologischeDimension, reguläre Körper, reguläre Mengenoperationen (praktische Bedeutung) d-Simplexe, simplizialeKomplexe. Orientierung, Orientierbarkeit Mannigfaltigkeiten (3-, 2-Mannigfaltigkeit mit, bzw. ohne Rand) 2-Mannigfaltigkeit als simplizialer Komplex, Pseudo 2-Mannigfaltigkeit. Polyedertehorie: Polyedersatz,Eulercharakteristik, Platonische Körper (Hinweise: Kristalle, Dreiecksnetze / Speicherbedarf. geometriebasierteDatenkompression.) Euleroperatoren, Euler Poincarré Charakteristik. Euler Operatoren auf simplizialenKomplexen, abstrakte Polyeder. Beispiele für Euler-Poincarré Charakteristik Überblick / Zusammenhänge derDefinitionen (reguläre Mengen, 2-Mannigfaltigkeiten / simpl. Kompl. Euler) Konkrete Darstellung von Objektenals strukturierte Mengen, Datenrepräsentierung als funktionale Abbildung (Vollständigkeit, Eindeutigkeit,Genauigkeit, Effizienz, etc.) B-Rep, CSG, Winged Edge, Drahtmodelle, Voxel, Simplex. AlgorithmischeUmsetzung von regularisierten Mengenoperationen auf Polyedern. Robustheit geometrischer Algorithmen.Intuitionistische Inzidenzrelation. Effiziente geometrische Datenstrukturen & Algorithmen:---------------------------------------- Algorithmen: Einführung, algorithm. Komplexität, räumliche (mehrdimensionale)Suchstrukturen: Grid, Voxel, Octree, K-d-Bäume, Grid-file, hierachische AABB, OBB, k-DOP, R* Punktsuche,Bereichsuche, körperhafte Objekte als hochdimensionale Punkte, Hüllkörperhierarchie mit Überlappung,Nachbarschaftssuche, Anwendungsbsp. Ray Tracing, Kollisionserkennung (Physiksimulation, Boolean)Effiziente geometrische Datenstrukturen & Algorithmen: Konvexe Hüllen. Definition und Konstruktion. Methodemit Stützgeraden. Erweiterung auf höhere Dimensionen. Konvexe Hüllen. Fächermethode nach Graham + Divide& Conquer Schneiden von Liniensegmenten mit dem Plane Sweep Verfahren. Voronoi-Zellen, DelaunayTriangulierung, Skelette. Output-Sensitivität, Temporale Kohärenz, Stochastische Algorithmen. Kurven &Flächen: ----------------- Implizite vs. explizite (parametrische) Kurven, Ferguson- Darstellung, Bezier-Darstellung.De Casteljau-Beziehung. Konvexe-Hüllen-Eigenschaft. De Casteljau-Zerlegung. Flatnesstest, adaptiveZerlegung /Approximation. Eigenschaften: Positive Definiteness, Variation-Diminishing-Eigenschaft BezierFlächen. Zerlegung in Zeilen- und Spaltenkurven. Adaptive, rekursive Zerlegung v. Bezierflächen nach deCasteljau. Computer Algebra Methoden (Gröbner Basen, Resultante) Polynomgrad von Flächen undTrimmkurven sowie Flächenschnitten. Rationale Bezierkurven B-Spline-Kurven (Stückweise Polynomkurven)Freiformflächen (Trimmkurven, Komposition, T-NURBS, Tesselierung) Computer Aided Design ---------------------Modellieroperationen im CAD, CAD Systeme / Kernel (Open Source) Feature-basiertes, parametrischesModellieren mit CAD .

Inhalt

Vorkenntnisse

Algorithmen und Datenstrukturen, Computergrafik Grundlagen / lineare Algebra


Vermittlung mathematischer und informationstechnischer Grundlagen geometrischer Modellierungssoftware /Computer Aided Design (CAD). Die Vorlesung wendet sich sowohl an Entwickler von CAD-Software, als auch anden interessierten Anwender solcher Systeme.


Wahlpflichtfach


Pflichtkennz.:

2252Fachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 104 von 172

(Fakultät IA)

Literatur

Brüderlin, B. , Meier, A., Computergrafik und geometrisches Modellieren, Teubner-Verlag, 2001 Christopher M.Hoffmann, Geometric and Solid Modeling, Morgan Kaufmann Publishers 2nd Edition, 1992 (this book is out ofprint. For an online copy: http://www.cs.purdue.edu/homes/cmh/distribution/books/geo.html )




Seite 105 von 172

Ergänzungsfächer


Modul:

Inferenzmethoden



220

Fachverantwortlich:

Sprache:


Fachnummer:



Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen


(1) Prädikatenkalkül der ersten Stufe (PK1): Wiederholung und sinnvolle Ergänzungen (Sortenlogik,Prädikatenkalkül der ersten Stufe mit Gleichheit) (2) problembezogene Wissensrepräsentationen der KI undVarianten der Implementierung von Inferenzmethoden darüber (3) Deduktion: Grundlagen, Deduktionssysteme,Komplexitätsbetrachtungen (4) Induktion und maschinelles Lernen: Erlernen von Klassifikationsregeln ausBeispielen, Erlernen eines besten induktiven Schlusses im Prädikatenkalkül der ersten Stufe, Verfahren zurErmittlung des speziellsten Anti-Unifikators über PK1-Ausdrücken, Klassifikation nach Bayes

Inhalt

Vorkenntnisse

Kenntnisse in mathematischer Logik: Prädikatenkalkül der 1. Stufe, Deduktion, Programmierfertigkeiten inLogischer Programmierung (alle Vorkenntnisse nach erfolgreicher Absolvierung der LV Künstliche Intelligenzvor)


angewandte Grundlagen, Vermittlung neuester Techniken

Literatur

(1) Luger: Künstliche Intelligenz: Strategien zur Lösung komplexer Probleme. München: Pearson Studium(Übersetzung aus dem Addison-Wesley Verlag), 4. Aufl., 2001 (2) Russel/Norvig: Künstliche Intelligenz: Einmoderner Ansatz, München: Pearson Studium (Übersetzung aus dem Addison-Wesley Verlag), 2004 (3) Knauf:Logische Programmierung und Wissensbasierte Systeme: Eine Einführung. Aachen: Shaker, 1993


Wahlpflichtfach


Pflichtkennz.:

2238Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 106 von 172

Ergänzungsfächer


Modul:

Interaktive Computergrafiksysteme / Virtuelle Realität



236

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen

Scripte und Folienkopien

1. Teil: Grundzüge der Mensch-Computer Interaktion: Von Eingabegeräten über Betriebssystemunterstützungzur Softwaretechnik. Aspekte der Benutzerfreundlichkeit anhand von Standardsoftware sowieSpezialanwendungen - Input Handling (logical devices / GKS, request, sampling, event-mode, Vergleich derMethoden) - Softwaretechnologiekonzepte für GUI: Objekt-orientiertes Event-handling / Widgets - GUI Design(Anforderungen und Entwurfsgrundsätze) - Softwaretechnik für GUI: Aspect-orientierter Entwurf vs. objekt-orientierte Methoden, Entwurfsmuster, UIMS - Diskussion spezieller Interaktions-Konzepte f. 2D- und 3D-Interaktion für das "Desktop Paradigma" (Usability Aspekte, Diskussion der Entwurfsregeln an Beispiel-Anwendungen) 2. Teil beschäftigt sich mit speziellen Geräten und Methoden der Virtuellen und ErweitertenRealität - Virtual Reality: Grundlagen & Geräte, Tracking Systeme - Augmented Reality: Geräte und Methoden

Inhalt

Vorkenntnisse

Grundlagen der Computergrafik Erwünscht: Objektorientiertes Programmieren


Die Vorlesung nähert sich dem vielschichtigen Thema grafisch interaktiver Mensch-Computerschnittstellen ausverschiedenen Richtungen und schafft dadurch einen Überblick über die Methodiken. Studierende sollen mit denvermittelten Grundagen (nach eventueller Vertiefung im Detail, bzw. mit geeigneten Softwarewerkzeugen)selbständig interaktive Anwendungen entwerfen und umsetzen können.

Literatur

1) Computer Graphics, Principles and Practice. J.D. Foley, A. van Dam, S.K. Feiner, J.F. Hughes, Addison-Wesley, 1991 2) 3D User Interfaces: Theory and Practice, Doug A. Bowman, Ernst Kruijff, Joseph J. Laviola,Addison-Wesley Longman, Amsterdam (26. Juli 2004) 3) Video «Doing with Images Makes Symbols» (Dr. AlanKay, 1987): Teil 1: http://www.archive.org/details/AlanKeyD1987 Teil 2: http://www.archive.org/details/AlanKeyD1987_2 4) Design Patterns - Elements of Reusable Object-Oriented Software. ErichGamma, Richard Helm, Ralph Johnson und John Vlissides, Addison Wesley 1995


Pflichtfach


Pflichtkennz.:

2252Fachgebiet:




Bachelor Ingenieurinformatik 2008Master Informatik 2009Master Ingenieurinformatik 2009Master Medientechnologie 2009Master Medientechnologie 2013


8.FS 9.FS 10.FS

V S P V S P V S P

Seite 107 von 172

Ergänzungsfächer


Modul:

Knowledge Discovery in Databases



8232

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen


Einführung; Grundlagen: Statistik, Daten, Datenaufbereitung; Klassische Data-Mining-Techniken: Clustering,Frequent Itemset Mining, Klassifikation; Online Mining in Datenströmen: Datenstromverarbeitung,Datenzusammenfassungen, Frequent Pattern Mining, Clustering in Datenströmen, Klassifikation; Graph Mining:Mustersuche in Graphen, Erkennen von Communities, Erkennung häufiger Subgraphen, Spatio-TemporalMining: Sequential Pattern Mining, räumliche Ausreißer und Clustering, Prediktion; Big Data Analytics:MapReduce und Hadoop, Data-Mining-Tasks in Hadoop

Inhalt

Vorkenntnisse

Vorlesungen Datenbanksysteme, Statistik


Die Studierenden verstehen nach dem Besuch dieser Veranstaltung fortgeschrittene Konzepte des Data Mining.Sie kennen den Prozess der Wissensentdeckung in Datenbanken sowie konkrete Teilaufgaben diesesProzesses. Sie verstehen Verfahren zum Data Mining für spezielle Problemstellungen wie die Analyse vonDatenströmen, raum- bzw. zeitbezogenen Daten und Graphstrukturen.Die Studierenden sind in der Lage, konkrete Data-Mining-Verfahren hinsichtlich des Einsatzes für konkreteAufgabenstellungen auszuwählen, zu bewerten und anzuwenden.

Literatur

V. Kumar, M. Steinbach, P. Tan: Introduction to Data Mining, Addison Wesley, 2005.J. Han, M. Kamber, J. Pei: Data Mining: Concepts and Techniques, 3. Auflage, Morgan Kaufmann Publishers,2011.M. Ester, J. Sander: Knowledge Discovery in Databases, Springer Verlag, 2000.


Wahlpflichtfach


Pflichtkennz.:

2254Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 108 von 172

Ergänzungsfächer


Modul:

Kognitive Robotik



181

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen




Inhalt

Vorkenntnisse




Literatur



Wahlpflichtfach


Pflichtkennz.:

2233Fachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 109 von 172





Seite 110 von 172

Kognitive Robotik


Modul:

Kognitive Systeme / Robotik



181

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen




Inhalt

Vorkenntnisse




Literatur



Pflichtfach


Pflichtkennz.:

2233Fachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 111 von 172





Seite 112 von 172

Kognitive Robotik


Modul:




182

Fachverantwortlich:

Sprache:


Fachnummer:

deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen



Inhalt

Vorkenntnisse

Vorlesung Neuroinformatik




Pflichtfach


Pflichtkennz.:

2233Fachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 113 von 172


Literatur


mPL 30 min, im Modul kognitive Robotik




Seite 114 von 172

Ergänzungsfächer


Modul:

Komplexitätstheorie



227

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Tafelvortrag, Folien, teilweise schriftliche Ausarbeitung. Übungsblätter.

Theorie der NP-Vollständigkeit, polynomielle Hierarchie, randomisierte Komplexitätsklassen, Grundzüge derPCP-Theorie und Nicht-Approximierbarkeit.

Inhalt

Vorkenntnisse



Fachkompetenz: Die Studierenden kennen das Konzept von polynomiellen Suchproblemen und polynomiellenOptimierungsproblemen. Sie kennen verschiedene Reduktionskonzepte (Turing, polynomielle Reduktion) sowieden Begriff der NP-Vollständigkeit und den Satz von Cook/Levin. Sie kennen die Implikationen der Eigenschaft„NP-vollständig“. Die Studierenden kennen die 20 wichtigsten NP-vollständigen Probleme sowie das Konzeptder starken NP-Vollständigkeit. Sie kennen die wesentlichen randomisierten Komplexitätsklassen, diepolynomielle Hierarchie und Beziehungen zwischen beiden. Sie kennen die Grundbegriffe der PCP-Theorie. Methodenkompetenz: Den Studierenden stehen die genannten Grundbegriffe als Basis für Argumentationen zurVerfügung. Sie sind in der Lage, den Satz von Cook/Levin zu beweisen, und auch die NP-Vollständigkeit für diein der Vorlesung behandelten Probleme und abgewandelte Versionen hiervon. Sie können wesentlicheBerechnungsprobleme komplexitätstheoretisch einordnen.

Literatur

I. Wegener, Komplexitätstheorie – Grenzen der Effizienz von Algorithmen, Springer, 2003.G. Ausiello et al., Complexity and Approximation, Springer, 1999.M. Garey, D. Johnson, Computers and Intractability, W.H. Freeman and Co., 1979.C. Papadimitriou, Computational Complexity, Addison-Wesley, 1995.S. Arora, B. Barak, Computational Complexity: A Modern Approach, Cambridge University Press, 2009.O. Goldreich, Computational complexity - a conceptual perspective, Cambridge University Press, 2008.


Wahlpflichtfach


Pflichtkennz.:

2242Fachgebiet:


Findet statt im: WS 2013/2014, SS 2015





8.FS 9.FS 10.FS

V S P V S P V S P

Seite 115 von 172

Ergänzungsfächer


Modul:




182

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen



Inhalt

Vorkenntnisse

LV Neuroinformatik LV Angewandte NI




Wahlpflichtfach


Pflichtkennz.:

2233Fachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 116 von 172


Literatur


90% Klausur 60 min + 10% Implementierung




Seite 117 von 172

Ergänzungsfächer


Modul:

Logik in der Informatik



9184

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

3 1 0

V S PSWS nach

Fach-semester


Medienformen


• Ehrenfeucht-Fräissé-Spiele, Lokalität der Prädikatenlogik 1. Stufe, Nicht-Ausdrückbarkeits-Beweise • Deskriptive Komplexitätstheorie (Zusammenhang zwischen logischen Ausdrucksmitteln & Komplexität) • zufällige Strukturen

Inhalt

Vorkenntnisse



Die Studierenden kennen Beispiele typischer Sätze & Methoden der algorithmischen Modelltheorie. Sie könnendiese anwenden, beweisen und fundierte Vermutungen über Erweiterungen aufstellen und begründen.

Literatur

• Ebbinghaus, Flum "Finite Model Theory" • Libkin "Elements of Finite Model Theory"


Wahlpflichtfach


Pflichtkennz.:

2241Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 118 von 172

Ergänzungsfächer


Modul:

Multimediale Mensch-Maschine-Kommunikation




184

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Die Lehrveranstaltung vermittelt das erforderliche Methodenspektrum aus theoretischen Grundkenntnissen undpraktischen Fähigkeiten zum Verständnis, zur Implementierung und zur Anwendung von Verfahren derInteraktion zwischen Mensch und Maschine (mit Fokus auf vision-basierten Verfahren sowie dem Einsatz aufRobotersystemen) sowie zur erforderlichen Informations- und Wissensverarbeitung. Sie ergänzt die parallellaufende Vorlesung „Robotvision”, die sich um Aspekte der Roboternavigation kümmert, um wichtigeErkennungsverfahren der Mensch-Roboter Interaktion (HRI). Die Lehrveranstaltung vermittelt das dazunotwendige Faktenwissen sowie begriffliches, methodisches und algorithmisches Wissen aus den folgendenKernbereichen:A – Ausgewählte Basisoperationen für viele Erkennungsverfahren

• Basisoperationen der MMI im Rahmen eines Mustererkennungsprozesses • Leistungsbewertung von Klassifikatoren: Gütemaße; Crossvalidation-Technik; Bewertung von binärenKlassifikatoren, Gütemaß ROC/Precision Recall Kurven, usw. • Bildaufbereitung und Bildanalyse: Beleuchtungs- / Histogrammausgleich; Auflösungspyramiden; LineareSubspace Methoden (HKA / PCA); Gabor-Wavelet-Funktionen (Gaborfilter) zur effizienten Bildbeschreibung; • Bewegungsanalyse in Videosequenzen • Techniken zur Repräsentation von Zeit: Dynamic Time Warping, Hidden Markov Modelle (HMMs) • Bayes Filtering als probabilistische Zustandsschätzer: Grundidee, Markov-Annahme, Grundprinzip desrekursiven Bayes-Filters, Bewegungs- und Sensormodell, Arten der Beliefrepräsentation in Bayes Filtern;Partikel FilterB – Wichtige Verfahren zur Erkennung von Nutzerzustand & Nutzerintention

• Vision-basierte Nutzerdetektion, Nutzertracking, Nutzeridentifikation • Zeigeposen- und Gestenerkennung • Erkennung von Mimik (Emotionen, Stress) und Interaktionsinteresse + aktuelle Entwicklungen • Sprachbasierte Mensch-Maschine Kommunikation: sprachbasierte Erkennung von Nutzerinstruktionen undNutzerzustand (Kommandowort- und Spracherkennung, Prosodieerkennung); • Multimodale Dialogsysteme: Bestandteile von Dialogsystemen; Besonderheiten multimodalerDialogsystemeC – Anwendungsbeispiele für Assistenzfunktionen in öffentlicher & privater Umgebung

• Soziale Assistenzroboter für die Gesundheitsassistenz

Inhalt

Vorkenntnisse

Neuroinformatik


In der Vorlesung Mensch-Maschine-Interaktion lernen die Studierenden die Begrifflichkeiten und dasMethodenspektrum der Mensch-Maschine Interaktion unter Realwelt-Bedingungen kennen. Sie beherrschenwichtige Basisoperationen zur (vorrangig visuellen) Wahrnehmung von Menschen und zur Erkennung von derenIntentionen und Zuständen und kennen Techniken zur nutzeradaptiven Dialogführung. Die Studierenden sind inder Lage, Fragestellungen aus dem o. g. Problemkreisen zu analysieren, durch Anwendung des behandeltenMethodenspektrums Lösungskonzepte für unterschiedliche Fragestellungen der Service- und Assistenzrobotikzu entwerfen und umzusetzen, sowie bestehende Lösungskonzepte zu bewerten. Vor- und Nachteile derKomponenten und Verfahren im Kontext praktischer Anwendungen sind den Studierenden bekannt.


Wahlpflichtfach


Pflichtkennz.:

2233Fachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 119 von 172

Medienformen

Präsenzvorlesung mit Powerpoint, Arbeitsblätter zur Vorlesung, Übungsaufgaben, Videos, Python Apps, e-Learning mittels „Jupyter Notebook”

• Robotische Bewegungsassistenz am Beispiel Reha l • Sturzdetektion im häuslichen UmfeldD – Gastvorlesung zur sprachbasierten MMI und zu Hidden Markov Modellen sowie deren Einsatz in derSpracherkennung, Unterschriftserkennung und GestenerkennungIm Rahmen des Aktivpraktikums werden ausgewählte methodische und algorithmische Grundlagen der MMIdurch die Studierenden selbst softwaretechnisch umgesetzt und durch kleine Programmbeispiele vertieft. AlsProgrammiersprache wird Python verwendet. Für Verfahren des Maschinellen Lernens wird die scikit-LearnToolbox verwendet.

Literatur

- Schenk, J, Rigoll, G. Mensch-Maschine-Kommunikation: Grundlagen von sprach- und bildbasiertenBenutzerschnittstellen, Springer 2010- Li, S und Jain, A.: Handbook of Face Recognition, 2004- Bishop, Ch.: Pattern Recognition and Machine Learning, Springer 2006- Guyon, I., Gunn, S., Nikravesh, M., Zadeh, L.: Feature Extraction: Foundations and Applications, Studies infuzziness and soft computing 207, Springer, 2006- Maltoni, D., et al.: Biometric Fusion, Handbook of Fingerprint Recognition, Kapitel 7, Springer, 2009



Master Informatik 2009Master Medientechnologie 2009

Seite 120 von 172

Ergänzungsfächer


Modul:

Neurobiologische Informationsverarbeitung



Dr. Klaus Debes

1700

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Powerpoint-Folien, Demo-Applets

Die Kerninhalte konzentrieren sich auf begriffliches Wissen und Fakten aus der Biologie, soweit sie für dasVerständnis der informationsverarbeitenden Prozesse im Organismus erforderlich sind. Es werden diebiologischen, biochemischen und physikalischen Grundlagen der Signalentstehung, -weiterleitung und -verarbeitung auf unterschiedlichen Niveaus von verschiedenen sensorischen Inputs zu Aktuatoren vermittelt, dieAnsatzpunkte für eine Vielzahl diagnostischer und therapeutischer Methoden in der Biomedizintechnik sind.Die Lehrveranstaltung vermittelt sowohl Aufbau und Arbeitsweise von Rezeptoren, Organisation in rezeptivenFeldern; Aufbau und Funktion von Neuronen, Physiologie der Membran, Informationsübertragung und -verarbeitung in neuronalen Strukturen; elementare neuronale Verschaltungsprinzipien (Divergenz, Konvergenz,laterale Inhibition), biologisch orientierte Neuronenmodelle unterschiedlicher Abstraktionsgrade;Neurobiologische Grundlagen und Formen der neuronalen Informationsverarbeitungs- und Speicherprozesse;Funktionale Abgrenzung zentralnervöser Strukturen, Organisationsprinzipien (Columnen,Koordinatentransformation, Repräsentationen); Wichtige cortikale / subcortikale Architekturprinzipien

Inhalt

Vorkenntnisse

Anatomie und Physiologie (Prof. Witte)


Die Vorlesung Neurobiologische Informationsverarbeitung vermittelt ein Grundverständnis für dieinformationsverarbeitenden Prozesse in Organismen.Die Studierenden sind in der Lage, das erworbene Grundlagenverständnis prozess- und methodenorientiert inallen darauf aufbauenden Fächern anzuwenden. Sie erwerben die Fähigkeiten, um auf der Basis der vermitteltenErkenntnisse über die nervale Informationsverarbeitung in Organismen Möglichkeiten und Grenzen gemessenerbioelektrischer Erscheinungen für Therapie und Diagnostik zu analysieren und zu bewerten.

Literatur

Schmidt, R. F., Thews, G. (Hrsg.): Physiologie des Menschen. Springer-Verlag, Berlin, Heidelberg,.., 1987 u.neuereSchmidt, R. F. (Hrsg.): Grundriß der Neurophysiologie. Springer-Verlag, Berlin, Heidelberg,.., 6. Aufl., 1987Schmidt, R. F., Schaible, H.-G. (Hrsg.): Neuro- und Sinnesphysiologie. Springer-Verlag, Berlin, Heidelberg,.., 4.Aufl., 2001Thews, G., Mutschler, E., Vaupel, P.: Anatomie, Physiologie, Pathophysiologie des Menschen. Wiss.Verlagsgesellschaft, Stuttgart, 1999Kandel, Schwartz, Jessell: Prinziples of neural science. McGraw-Hill, NY.., 2000Kandel, Schwartz, Jessell: Neurowissenschaften. Spektrum Vlg., Heidelberg.., 1996Platzer: Nervensystem und Sinnesorgane. (Bd. III des Anatomischen Bildwörterbuches), Thieme-Vlg., Stuttgart,1991Schadé, J. P.: Einführung in die Neurologie. Fischer-Vlg., Stuttgart, 1994Reichert, H.: Neurobiologie. Thieme, Stuttgart, 2000


Wahlpflichtfach


Pflichtkennz.:

2233Fachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 121 von 172

Penzlin, H.: Lehrbuch der Tierphysiologie. Spektrum Akademischer Verlag, 2005



Bachelor Biomedizinische Technik 2008Bachelor Ingenieurinformatik 2008Bachelor Ingenieurinformatik 2013Master Informatik 2009

Seite 122 von 172

Ergänzungsfächer


Modul:

Nichtfunktionale Eigenschaften



253

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Skript/Folien-Handouts, Übungsblätter, Diskussionsblätter, Reader

Die Verlässlichkeit informationstechnischer Systeme ist heute in einer Vielzahl von Anwendungsfeldern in derEnergie- und Wasserversorgung, Verkehrs-, Finanz- und Gesundheitsmanagement eine unverzichtbareSchlüsseleigenschaft. Nichtfunktionale Eigenschaften wie Sicherheit, Robustheit, Effizienz, Performanz oderEchtzeitfähigkeit werden unabdingbar, wenn IT-Systeme nichttriviale und kritische Aufgaben wahrnehmen.Thema dieses Kurses sind Konzepte und Paradigmen, die in IT-Systemen kritische nichtfunktionaleEigenschaften befördern. Der Kurs setzt im Kontext verteilter Systeme und Betriebssysteme Schwerpunkte aufArchitekturprinzipien, Algorithmen und Implementierungstechniken, die diese Eigenschaften herstellen.

Inhalt

Vorkenntnisse

Hilfreich, aber nicht unabdingbar: Kurs Systemsicherheit im Bachelor Informatik


Die Fähigkeit zum Design, zur Spezifikation, Realisierung und zum Einsatz von Betriebssystemen inAnwendungsszenarien, in denen nichtfunktionale Eigenschaften wie Sicherheit, Effizienz oder PerformanzSchlüsseleigenschaften darstellen.

Literatur

aktuelle Literatur siehe Webseiten


Wahlpflichtfach


Pflichtkennz.:

2255Fachgebiet:







8.FS 9.FS 10.FS

V S P V S P V S P

Seite 123 von 172

Ergänzungsfächer


Modul:

Objektorientierte Prozessmodellierung



636

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Script, elektronisch und el. Präsentation, Übungsanleitung, Modellierungswerkzeug, Versionierung

Vorlesung:Objektorientierte Modellierung von Systemen, speziell SoftwaresystemenDiagramm- und Modelltypen zur Struktur- und VerhaltensmodellierungModellierungsstandards: UML (alle 14 Diagramme), SysMI und OCLGeschäftsprozessmodellierung: mit BPMN und UMLModellverwertung: Codegenerierung, Dokumentationsgenerierung, ModellprüfungSeminar:Modellierung eines technischen Systems. Teamarbeit in kleinen Gruppen.

Inhalt

Vorkenntnisse

Grundlagen der Praktischen Informatik, Grundlagen der Softwaretechnik


Die Studenten sollen befähigt werden, die Diagramme der UML unter Beachtung des auszuwählendenModellierungsaspektes korrekt einzusetzen. Sie sollen ein Grundverständnis des Aufbaus derModellierungssprache durch das Kennenlernen des Metamodells erlangen, um selbstständig verschiedeneModellierungaufgaben lösen zu können.Fachkompetenz: 40%Methodenkompetenz: 35%Teamkompetenz: 25%

Literatur

Jeckle, Rupp, Hahn, Zengler, Queins: UML 2 glasklar. Hanser Verlag 2004Objekt Management Group: Unified Modeling Language (UML), http://www.omg.org/spec/UML/Object Management Group: Business Process Model and Notation (BPMN), http://www.omg.org/spec/BPMN/


Wahlpflichtfach


Pflichtkennz.:

2232Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 124 von 172

Ergänzungsfächer


Modul:

Parallele Algorithmen auf Gittern und Hypercubes



Prof. Dr. Manfred Kunde

203

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen


Diese Lehrveranstaltung wird nicht mehr angeboten.

Inhalt

Vorkenntnisse

Algorithmen und Datenstrukturen



Literatur

wird in der Vorlesung angegeben


Wahlpflichtfach


Pflichtkennz.:

2241Fachgebiet:







8.FS 9.FS 10.FS

V S P V S P V S P

Seite 125 von 172

Ergänzungsfächer


Modul:

Quantitative Systemmodellierung und Analyse



8236

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Vorlesung: Folien (Beamer erforderlich) Übung: Arbeitsblätter (Online) verschiedene SoftwarewerkzeugeAllgemein: Webseite (Materialsammlung und weiterführende Infos) http://www.tu-ilmenau.de/sse

Modellierung und Leistungsbewertung diskreter technischer Systeme * Grundlagen - Stochastische Grundlagen -Stochastische Prozesse) * Modelle - Automaten - Warteschlangensysteme - stochastische Petri-Netze - farbigePetri-Netze * Bewertungsverfahren - numerische Analyse (Markov-Ketten, GSPNs, DSPNs) - Simulation *Ausgewählte Anwendungsgebiete

Inhalt

Vorkenntnisse



Fachkompetenz: Die Studierenden verstehen detailliert Hintergrund und Funktionsweise von Verfahren derModellierung und quantitativen Bewertung technischer Systeme. Die Studierenden sind fähig, quantitativeAspekte technischer Systeme beim Entwurf zu untersuchen und zu bewerten. Die Studenten haben Kenntnissein Anwendungsgebieten der Leistungsbewertung. Methodenkompetenz: Die Studierenden sind in der Lage,Methoden des quantitativen Systementwurfs, der Modellierung und Bewertung auf konkrete Problemstellungenanzuwenden. Die Studierenden sind in der Lage, passende Modelle und Werkzeuge auszuwählen undeinzusetzen. Sozialkompetenz: Die Studierenden sind in der Lage, praktische Problemstellungen derLeistungsbewertung in der Gruppe zu lösen und zu präsentieren.

Literatur

* Jain: The Art of Computer System Performance Evaluation * Law/Kelton: Simulation Modeling and Analysis *Cassandras/Lafortune: Introduction to Discrete Event Systems * Bolch, Greiner, de Meer, Trivedi: QueueingNetworks and Markov Chains * Zimmermann: Stochastic Discrete Event Systems


Wahlpflichtfach


Pflichtkennz.:

2236Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 126 von 172

Ergänzungsfächer


Modul:

Requirements Engineering



9176

Fachverantwortlich:

Sprache:


Fachnummer:

deutsch (Folien in Englisch)


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Bücher, Webseiten, Wissenschaftliche Paper, Open Source - Werkzeuge

Diese Vorlesung vermittelt Studenten der Informatik und Ingenieurinformatik Methoden undTechniken des Requirements Engineering (RE). Über die Einbettung der RE Aktivitäten inden Softwareentwicklungsprozess werden die Schritte des RE erläutert und in den Übungenvertieft. (Die Vorlesung wird in Deutsch gehalten, einige der Materialien sind jedoch nur inEnglisch verfügbar - was allerdings im Hinblick auf die spätere Arbeitswelt nur von Vorteilist!)

Inhalt

Vorkenntnisse

Kenntnisse über Softwareentwicklungsprozesse.


Fachkompetenz:Die Studierenden können die Werkzeuge des Requirements Engineering in einem konkreten Projektkontextanwenden. Sie können die Aussagekraft / Qualität der jeweiligen Ergebnisse bewerten.

Methodenkompetenz:Die Studierenden sind fähig aus den vermittelten Requirements EngineeringMethoden und Werkzeugen für ein gegebenes Projekt die passenden auszuwählenund anzuwenden.

Sozialkompetenz:Die Studierenden lernen die Erfordernisse und Ergebnisse von Softwareentwicklungsprozessen innerhalb einerEntwicklergruppe kennen und können deren Bedeutung für ein Softwareprojekt innerhalb einer Firmaeinschätzen. Sie lernen auch die große Bedeutung der "weichen" Faktoren innerhalb vonSoftwareentwicklungsprozessen kennen und können deren Auswirkungen abschätzen.

Literatur

[Lams 2009] Axel van Lamsweerde, "Requirements Engineering: From System Goals to UML Models toSoftware Specifications", John Wiley & Sons, 2009.[Pohl 2008] Klaus Pohl, "Requirements Engineering: Grundlagen, Prinzipien,Techniken", dpunkt.Verlag GmbH,2008.[McCo 2006] Steve McConnell, "Software Estimation", Microsoft Press, 2006.


Pflichtfach


Pflichtkennz.:

223AFachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 127 von 172

[Rupp 2002] Chris Rupp, "Requirements-Engineering und -Management", Hanser Verlag, 2002.[Lams 2001] Axel van Lamsweerde, "Goal-Oriented Requirements Engineering: A Guided Tour", in Proceedingsof the 5th IEEE International Symposium on Requirements Engineering (RE 2001), 27-31 August 2001, Toronto,Canada, 2001.[Kula 2000] Daryl Kulak, Eamonn Guiney, "Use Cases - Requirements in Context", Addison-Wesley, 2000.[Robe 1999] Suzanne Robertson, James Robertson, "Mastering the Requirements Process", Addison-Wesley,1999.[Wieg 1999] Karl E. Wiegers, "Software Requirements", Microsoft Press, 1999.[KoSo 1998] Gerald Kotonya, Ian Sommerville, "Requirements Engineering - Processes and Techniques", JohnWiley & Sons, 1998.[SoSa 1997] Ian Sommerville, Pete Sawyer, "Requirements Engineering: A Good Practice Guide", John Wiley &Sons, 1997.[Your 1997] Edward Yourdon, "Death March", Prentice-Hall, 1997.[Broo 1995] Frederick P. Brooks, Jr., "The Mythical Man Month", Addison-Wesley, 1995.




Seite 128 von 172

Ergänzungsfächer


Modul:

Ressourcenmanagement



1748

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Präsentationsmaterialien, Handouts, Diskussionsblätter, Übungsblätter

Ressourcenmanagement ist eine der grundlegenden Funktionen in IT-Systemen, deren Effizienz und Ökonomieeinen prägenden Einfluss auf die gesamten nichtfunktionalen Systemeigenschaften besitzt. Insbesondere inverteilten und mobilen Systemen mit ressourcenarmen Komponenten werden hier die Grundlagen für diePerformanz-, Sicherheits- und Sparsamkeitseigenschaften der Systeme gelegt. Dieser Kurs besprichtunterschiedliche Methoden, Konzepte, Strategien und Algorithmen der Verwaltung von vier wichtigenRessourcentypen einschließlich benötigter Datenstrukturen. Kursschwerpunkte sind • Prozessor-Management •Arbeitsspeicher-Management • Sekundärspeicher-Management • Kommunikationsmanagement

Inhalt

Vorkenntnisse

Bachelor Informatik


Die Studierenden lernen die elementaren Zusammenhänge zwischen Ressourcenmanagement und denPerformanz-, Ökonomie-, Sicherheits- und Robustheitseigenschaften von IT-Systemen kennen und erfahren, aufwelche Weise bei Design und Implementierung von IT-Systemen durch Auswahl von Strategien und Algorithmendes Ressourcenmanagements die nichtfunktionalen Systemeigenschaften beeinflusst werden.

Literatur

Aktuelle Literatur siehe Web


Wahlpflichtfach


Pflichtkennz.:

2255Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 129 von 172

Ergänzungsfächer


Modul:

Robotvision



183

Fachverantwortlich:

Sprache:

Prüfungsleistung alternativ 20 min

Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen

Präsenzvorlesung mit Powerpoint, Arbeitsblätter zur Vorlesung, Übungsaufgaben, Videos, Python Apps, e-

Die Lehrveranstaltung vermittelt das erforderliche Methodenspektrum aus theoretischen Grundkenntnissen undpraktischen Fähigkeiten zum Verständnis, zur Implementierung und zur Anwendung von Verfahren der vision-basierten Roboternavigation sowie zur erforderlichen Informations- und Wissensverarbeitung. Sie vermitteltsowohl Faktenwissen, begriffliches und algorithmisches Wissen aus folgenden Themenkomplexen:

• Basisoperationen d. Roboternavigation • Neuronale Basisoperationen der visuo-motorischen Verarbeitung – der neuronale Instruktionssatz:funktionelle und topografische Abbildungen (u.a. log-polare Abbildung), Auflösungspyramiden, neuronaleFelddynamik, ortsvariante Informationsverarbeitung • Basisoperationen & Technologien für die visuelle Umgebungswahrnehmung: • Detektoren & Deskriptoren für Interest-Points in 2D-Bildern • Bewegungssehen und optischer Fluss • Tiefenwahrnehmung, Tiefenkameras (RGB-D Kameras) • Detektoren & Deskriptoren für Tiefenbilder (3D-Bilder) • Visuelle Odometrie • Vision-basierte Roboternavigation • Hindernisvermeidung (u.a. flussbasiert, Untergrund-Segmentierung) • Mapping und Selbstlokalisation • Visuelles SLAM (Simultaneous Localization and Map Building inkl. ORB-SLAM) • Innovative Entwicklungen (z.B. Semantisches Labeln) • Exemplarische Software-Implementierungen von BasisoperationenIm Rahmen des Pflichtpraktikums werden die behandelten methodischen und algorithmischen Grundlagen dervision-basierten Roboternavigation durch die Studierenden selbst softwaretechnisch umgesetzt und im Rahmeneines vorgefertigten Robotersimulations-Frameworks implementiert.

Inhalt

Vorkenntnisse

LV Neuroinformatik


In der Vorlesung Robotvision lernen die Studierenden die Begrifflichkeiten und das Methodenspektrum desMaschinellen Sehens mit Fokus in der mobilen Robotik kennen. Sie verstehen das Paradigma derhandlungsorientierten Wahrnehmung - insbesondere zur visuellen Roboternavigation in natürlicher Umwelt. Siebeherrschen wichtige Basisoperationen für die visuelle Wahrnehmung der Umgebung (Tiefe, Bewegung,Hindernisse, Freiraum, Räumlichkeiten, eigene Position in der Welt) und können Handlungskonsequenzen ausder visuellen Wahrnehmung der Umgebung ableiten. Sie kennen Techniken der vision-basiertenUmgebungswahrnehmung und der lokalen und globalen Navigation von Kognitiven Robotern in komplexer realerEinsatzumgebung.Die Studierenden sind in der Lage, Fragestellungen aus dem o. g. Problemkreisen zu analysieren, durchAnwendung des behandelten Methodenspektrums Lösungskonzepte für unterschiedliche Fragestellungen derService- und Assistenzrobotik zu entwerfen und umzusetzen, sowie bestehende Lösungskonzepte zu bewerten.Vor- und Nachteile der Komponenten und Verfahren im Kontext praktischer Anwendungen sind denStudierenden bekannt.


Wahlpflichtfach


Pflichtkennz.:

2233Fachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 130 von 172

Learning mittels „Jupyter Notebook“

Literatur

- Hertzberg, J., Lingemann, K., Nüchter, A.: Mobile Roboter, Springer 2012 - Siegwart, R., Nourbakhsh, I. R.,Scaramuzza, D.: Introduction to Autonomous Mobile Robots. MIT Press 2004 - Jähne, B. DigitaleBildverarbeitung. Springer Verlag 2005 - Bradsky, G., Kaehler, A. Learning OpenCV: Computer Vision withOpenCV Library- Siciliano, B., Khatib: O. Springer Handbook of Robotics, Springer 2016- Thrun, S., Burgard, W., Fox, D.: Probabilistic Robotics, MIT Press 2005

Die Leistung besteht aus einer schriftlichen Klausur (60 min) und der nachgewiesenen Akltivübung.




Seite 131 von 172

Ergänzungsfächer


Modul:

Schutz von Kommunikationsinfrastrukturen



5641

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen


Die Lehrveranstaltung behandelt Risiken und Bedrohungen sowie Maßnahmen zum Schutz vonKommunikationsinfrastrukturen. Aufbauend auf einer grundlegenden Klassifikation und einer Abgrenzung zumInhalt der Grundlagenvorlesung Network Security werden insbesondere die Bereiche Schutz der Verfügbarkeitvon Diensten und Systemen, sicherheitsgerechter Systementwurf und -implementierung, Angriffserkennung undReaktion auf Angriffe, sowie Herausforderungen der Netzsicherheit in Umgebungen mit besonderenRandbedingungen (Adhoc Netze, Sensornetze etc.) thematisiert. 1. Introduction & Motivation 2. Denial of ServiceAttacks and Countermeasures 3. Protection of IP Packet Transport, Routing and DNS 4. Security Aware SystemDesign and Implementation 5. Intrusion Detection and Response 6. Security in Sensor Networks (Challenges inConstraint Environments)

Inhalt

Vorkenntnisse

Bachelorstudium Informatik, Semester 1-4Der vorherige Besuch der Vorlesung „Network Security“ im Bachelorstudium ist hilfreich, stellt jedoch keinenotwendige Voraussetzung dar.


• Fachkompetenz: Die Studierenden verfügen über Kenntnisse zu Risiken und Bedrohungen sowie Maßnahmenzum Schutz von Kommunikationsinfrastrukturen. Sie kennen die speziellen Techniken und Gefahren vonSabotageangriffen und können die spezifischen Risiken bei der Einführung neuer Gegenmaßnahmen gegenSabotageangriffe analysieren und bewerten.• Methodenkompetenz: Die Studierenden können bewerten, ob ein Systementwurf bzw. eine -implementierung,sicherheitsgerecht ist, und wie eine Angriffserkennung und Reaktion auf Angriffe durchgeführt werden kann.• Systemkompetenz: Die Studierenden verstehen das grundsätzliche Zusammenwirken der Maßnahmen zumSchutz von Kommunikationsinfrastrukturen.

Literatur

• G. Schäfer. Netzsicherheit - Algorithmische Grundlagen und Protokolle. dpunkt.verlag• C. Eckert. IT-Sicherheit: Konzepte, Verfahren, Protokolle. zweite Auflage, Oldenbourg Verlag


Wahlpflichtfach


Pflichtkennz.:

2253Fachgebiet:




Master Informatik 2009Master Informatik 2013Master Ingenieurinformatik 2009Master Ingenieurinformatik 2014Master Wirtschaftsinformatik 2009Master Wirtschaftsinformatik 2011


8.FS 9.FS 10.FS

V S P V S P V S P

Seite 132 von 172

Ergänzungsfächer


Modul:




1542

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch/Englisch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen



Inhalt

Vorkenntnisse




Literatur



Wahlpflichtfach


Pflichtkennz.:

2255Fachgebiet:







8.FS 9.FS 10.FS

V S P V S P V S P

Seite 133 von 172

Ergänzungsfächer


Modul:

Softcomputing 2




180

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

1 0 0

V S PSWS nach

Fach-semester


Medienformen

Begleitmaterial zur Vorlesung (Powerpoint-Folien); Java-Applets; Softwarebeispiele

Inhalt

Vorkenntnisse

Neuroinformatik; Softcomputing


In der Vorlesung Softcomputing II lernen die Studenten die Begriffswelt der Gen. Algorithmen (GA) und derevolut. Strategien (ES) verstehen. Sie verstehen übergreifende Ansätze zur Lösung von Klassifikations- undRegelungs- und Optimierungsproblemen mit GA/ES-Methoden. Die Studierenden sind in der Lage,Fragestellungen aus dem o. g. Problemkreisen zu analysieren, durch Anwendung des behandeltenMethodenspektrums Lösungskonzepte zu entwerfen und diese auf technische und biomedizinischeFragestellungen zu applizieren, sowie bestehende Lösungskonzepte zu bewerten.

Literatur

Nissen, V. : Einführung in Evolutionäre Algorithmen. Vieweg-Vlg. Braunschweig, 1997Jacob, Ch.: Principia Evolvica. dpunkt.verlag, Heidelberg, 1997Gerdes, I., Klawonn, F., Kruse, R.: Evolutionäre Algorithmen. Vieweg-Vlg. Wiesbaden, 2004Heistermann, J.: Genetische Algorithmen. B.G. Teubner Verlagsgesellschaft, Stuttgart, Leipzig, 1994Lippe, W.-M.: Soft-Computing. Springer-Verlag, Berlin, Heidelberg, 2006Rechenberg, I.: Evolutionsstrategie 94, frommann-holzboog Vlg., Stuttgart, 1994


Wahlpflichtfach


Pflichtkennz.:

2233Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 134 von 172

Ergänzungsfächer


Modul:





640

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Script, elektronisch und el. Präsentation, Übungsanleitung.

Ziele von Softwarearchitekturen, Beschreibungsansätze, Vorgehen bei der Entwicklung, Entscheidungsfindung,Architekturstile und -muster und ihre Qualitätseigenschaften, Prüfung von Architekturen, Reengineering.

Inhalt

Vorkenntnisse

Objektorientierte Modellierung, Objektorientierte Programmierung


Fachkompetenz: 20%Die Studierenden sind fähig Softwareentwicklungsprozesse zu analysieren und auf die jeweiligenGegebenheiten eines Projektes anzupassen. Sie verstehen Architekturmuster / ~stile und können diese imProjektkontext einsetzen.Methodenkompetenz: 40%Die Studierenden sind fähig die vorgestellten Entwicklungsmethoden und ~werkzeuge anzuwenden und derenErgebnisse früh im Entwicklungsprozess abzuschätzen.Sozialkompetenz: 40%Die Studierenden sind fähig die Auswirkungen von Architekturentscheidungen im Kontext einer Entwicklergruppezu bewerten. Hintergründe der Projektarbeit, Anforderungen und die Bedeutung sozialer Netzwerke sind denStudenten bekannt.

Literatur

Posch: Basiswissen Softwarearchitektur : verstehen, entwerfen, bewerten und dokumentieren. dpunkt.verlagHeidelberg, 2004.


Wahlpflichtfach


Pflichtkennz.:

223AFachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 135 von 172

Ergänzungsfächer


Modul:




101151

Fachverantwortlich:

Sprache:


Fachnummer:

deutsch


Fachabschluss:

3 2 0

V S PSWS nach

Fach-semester


Medienformen

• Vorlesungsfolien • PDF Dokumente (auch wissenschaftliche Beiträge) • Prozessbeschreibungen (HTML), Templates

Diese Vorlesung vermittelt Studenten der Informatik und Ingenieurinformatik Methoden und Techniken desSoftware Engineering. Über die Einbettung der Aktivitäten in den Softwareentwicklungsprozess werden dieeinzelnen Schritte und in den Übungen vertieft. Die Veranstaltung enthält die Erarbeitung vonSoftwarearchitekturzielen, Beschreibungsansätze der verschieden Modelle und Dokumente, Vorgehen bei derEntwicklung (Prozesse), Entscheidungsfindung, Architekturstile / -muster und ihre Qualitätseigenschaften, sowiedie Prüfung/Bewertung von Architekturen.(Die Vorlesung wird in Deutsch gehalten, einige der Materialien sind jedoch nur in Englisch verfügbar - wasallerdings im Hinblick auf die spätere Arbeitswelt nur von Vorteil ist!)

Inhalt

Vorkenntnisse

• Kenntnisse über Softwareentwicklungsprozesse • Objektorientierte Modellierung • Objektorientierte Programmierung


Fachkompetenz (20%). Die Studierenden können die Werkzeuge des Software Engineering in einem konkretenProjektkontext anwenden. Sie können die Aussagekraft / Qualität der jeweiligen Ergebnisse bewerten. DieStudierenden sind fähig Softwareentwicklungsprozesse zu analysieren und auf die jeweiligen Gegebenheiteneines Projektes anzupassen. Sie verstehen Architekturmuster / ~stile und können diese im Projektkontexteinsetzen.Methodenkompetenz (40%). Die Studierenden sind fähig die vorgestellten Entwicklungsmethoden und~werkzeuge anzuwenden und deren Ergebnisse früh im Entwicklungsprozess abzuschätzen. Sie sind fähig ausden vermittelten Methoden und Werkzeugen für ein gegebenes Projekt die passenden auszuwählen undanzuwenden.Sozialkompetenz (40%). Die Studierenden lernen die Erfordernisse und Ergebnisse vonSoftwareentwicklungsprozessen innerhalb einer Entwicklergruppe kennen und können deren Bedeutung für einSoftwareprojekt innerhalb einer Firma einschätzen. Sie lernen auch die große Bedeutung der "weichen"Faktoren innerhalb von Softwareentwicklungsprozessen kennen und können deren Auswirkungen abschätzen.Die Studierenden sind fähig die Auswirkungen von Architekturentscheidungen im Kontext einer Entwicklergruppezu bewerten. Hintergründe der Projektarbeit, Anforderungen und die Bedeutung sozialer Netzwerke sind denStudenten bekannt.

Literatur

Umfassende Werke[Balz 1996] Helmut Balzert, "Lehrbuch der Software-Technik", Spektrum Akademischer Verlag, 1996.[Fowl 1999] Martin Fowler, “Refactoring – Improving the Design of Existing Code”, Addison Wesley, 1999.[Gamm 1995] Erich Gamma, Richard Helm, Ralph Johnson, John Vlissides, “Design Patterns – Elements ofReusable Object-Oriented Software”, Addison Wesley, 1995.[Mart 2009] Robert C. Martin, „Clean Code“, Prentice Hall, 2009.


Wahlpflichtfach


Pflichtkennz.:

223AFachgebiet:



8.FS 9.FS 10.FS

V S P V S P V S P

Seite 136 von 172

[McCo 2004] Steve McConnell, „Code Complete 2nd Edition“, Microsoft Press, 2004.[Rooc 2004] Stefan Roock, Martin Lippert, “Refactorings in großen Softwareprojekten”, dpunkt.Verlag GmbH,2004.[Somm 2007] Ian Sommerville,“Software Engineering“, Pearson Studium, 2007.[Mens 2008] T. Mens and S. Demeyer, Eds., Software Evolution. Springer-Verlag New York Inc, 2008.

Spezielle Themen ...

Entwicklungsprozesse[Beck 2000] Kent Beck, „eXtreme Programming eXplained“, Addison Wesley, 2000.[Buns2002] C. Bunse and A. von Knethen, Vorgehensmodelle kompakt. Fraunhofer Publica [http://publica.fraunhofer.de/oai.har] (Germany), 2002.[Carr 1993] Marvin J. Carr, Suresh L. Konda, Ira Monarch, F. Carol Ulrich, Clay F. Walker, "Taxonomy-BasedRisk Identification", Carnegie Mellon University, Technical Report CMU/SEI-93-TR-6, ESC-TR-93-183, 1993.[Open 2011] Eclipse Process Framework, "Open Unified Process, OpenUP", content retrieved 2011-10-01,2011.

Requirements[Bere 2009] Brian Berenbach, Daniel J. Paulish, Juergen Kazmeier, Arnold Rudorfer, "Software & SystemsRequirements Engineering In Practice", Mc Graw Hill, 2009.[Haya 1990] S. I. Hayakawa, "Language in Thought and Action", Harvest Books, 1990.[KoSo 1998] Gerald Kotonya, Ian Sommerville, "Requirements Engineering - Processes and Techniques", JohnWiley & Sons, 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 Proceedingsof the 5th IEEE International Symposium on Requirements Engineering (RE 2001), 27-31 August 2001, Toronto,Canada, 2001.[Lams 2009] Axel van Lamsweerde, "Requirements Engineering: From System Goals to UML Models toSoftware Specifications", John Wiley & Sons, 2009.[McCo 2006] Steve McConnell, "Software Estimation", Microsoft Press, 2006.[Pohl 2008] Klaus Pohl, "Requirements Engineering: Grundlagen, Prinzipien,Techniken", dpunkt.Verlag GmbH,2008.[Robe 1999] Suzanne Robertson, James Robertson, "Mastering the Requirements Process", Addison-Wesley,1999.[Rupp 2002] Chris Rupp, "Requirements-Engineering und -Management", Hanser Verlag, 2002.[Schu 2000] G. Gordon Schulmeyer, Garth R. Mackenzie, "Verification & Validation of Modern Software-Intensive Systems", Prentice Hall, 2000.[SoSa 1997] Ian Sommerville, Pete Sawyer, "Requirements Engineering: A Good Practice Guide", John Wiley &Sons, 1997.[Wieg 1999] Karl E. Wiegers, "Software Requirements", Microsoft Press, 1999.[With 2007] Stephen Withall, "Software Requirement Patterns", Microsoft Press, 2007.

Architektur, Produktlinien[Boec 2004] Günter Böckle, Peter Knauber, Klaus Pohl, Klaus Schmid, “Software-Produktlinien: Methoden,Einführung und Praxis“, dpunkt.Verlag GmbH, 2004.[Clem 2002] Paul Clements, Rick Kazman, Mark Klein, “Evaluating Software Architectures”, Addison Wesley,2002.[Hrus 2012] P. Hruschka and G. Starke, Architektur-Knigge für Softwarearchitekten-Der Verschätzer. 2012.[Kang 1990] K. Kang, S. Cohen, J. Hess, W. Novak, and A. Peterson, “Feature-Oriented Domain Analysis(FODA) Feasibility Study”, SEI Institute, Carnegie Mellon University, USA, CMU/SEI-90-TR-021, 1990.[Kazm 2000] Rick Kazman, Mark Klein, Paul Clements, "ATAM: Method for Architecture Evaluation",TECHNICAL REPORT, CMU/SEI-2000-TR-004, ESC-TR-2000-004, 2000.[Lind 2007] F. J. van der Linden, K. Schmid, and E. Rommes, Software Product Lines in Action: The BestIndustrial Practice in Product Line Engineering. Berlin: Springer, 2007.[Love 2005] Robert Love, “Linux Kernel Development (2nd Edition)”, Novell Press, 2005.[Masa 2007] Dieter Masak, „SOA? Serviceorientierung in Business und Software“, Springer Verlag, 2007.[Pohl 2005] Klaus Pohl, Günter Böckle, Frank van der Linden,"Software Product Line Engineering – Foundations,Principles, and Techniques", Springer, Heidelberg 2005.[Posc 2007] Torsten Posch, Klaus Birken, Michael Gerdom, "Basiswissen Softwarearchitektur", d.punkt Verlag,2004 oder 2007.[Spin 2009] D. Spinellis and G. Gousios, Beautiful Architecture: Leading Thinkers Reveal the Hidden Beauty inSoftware Design. O’Reilly Media, 2009.


Seite 137 von 172

Im Verlauf der Veranstaltung sollen bestehende Projekte (Open Source) analysiert und vorgestellt werden. DieAusarbeitungen (mit Präsentation) zu den jeweiligen Softwarearchitekturen werden zu 50% in die Bewertung miteinfließen (es sind jedoch beide Anteile (Projekt und finale Prüfung) für den Abschluss der Veranstaltungnotwendig!)



Seite 138 von 172

Ergänzungsfächer


Modul:

Software Reengineering



8234

Fachverantwortlich:

Sprache:


Fachnummer:

keine Angabe


Fachabschluss:

1 1 0

V S PSWS nach

Fach-semester


Medienformen

Inhalt

Vorkenntnisse


Literatur


Wahlpflichtfach


Pflichtkennz.:

2232Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 139 von 172

Ergänzungsfächer


Modul:

Spezielle Algorithmen


ganzjährigTurnus:


206

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen

Folien, Tafel


Inhalt

Vorkenntnisse

Vordiplom



Literatur

wird in der Vorlesung angegeben


Wahlpflichtfach


Pflichtkennz.:

2241Fachgebiet:







8.FS 9.FS 10.FS

V S P V S P V S P

Seite 140 von 172

Ergänzungsfächer


Modul:

Spezielle Aspekte Integrierter Hard- und Softwaresysteme



7793

Fachverantwortlich:

Sprache:

Prüfungsleistung mündlich

Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen

kurzfristig unter Lehrmaterial auf den WEB-Seiten der beteiligten Fachgebiete abrufbare pdf-Dateien

Auswahl von Themen zum fortgeschrittenen Stand des Gebietes Integrierte Hard- und Softwaresysteme

Inhalt

Vorkenntnisse

Vertiefungskenntnisse zu integrierten Hard- und Softwaresystemen


Detailliertes fortgeschrittenes Verständnis für und Fähigkeiten zu speziellen Themen zu Aufbau, Funktion,Modellierung und Entwurf integrierter Hard- und Softwaresysteme

Literatur

Literaturangaben individuell zu den behandelten Themen in der Vorlesung bzw. im bereitgestellten Lehrmaterial


Wahlpflichtfach


Pflichtkennz.:

2235Fachgebiet:

Art der Notengebung: Generierte Noten





8.FS 9.FS 10.FS

V S P V S P V S P

Seite 141 von 172

Ergänzungsfächer


Modul:

Spezielle Probleme des SSE



8235

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen

Vorlesung: Folien (Beamer erforderlich) Allgemein: Webseite (Materialsammlung und weiterführende Infos) http://www.tu-ilmenau.de/sse

Vorlesungen zu aktuellen Forschungsthemen auf dem Gebiet des System- und Software-Engineering sowie derSoftwaresysteme

Inhalt

Vorkenntnisse

BsC im Studiengang Ingenieurinformatik / Informatik bzw. weitgehend äquivalentem Studiengang; Vorkenntnisseaus Master-Lehrveranstaltungen des Vertiefungsgebiets System- und Software-Engineering


Fachkompetenz: Die Studierenden verstehen detailliert Problemstellungen und Lösungsansätze aktuellerForschungsarbeiten im Gebiet des System- und Software-Engineering. Die Studierenden sind fähig, innovativeLösungsansätze auf Entwurfsprobleme anzuwenden. Die Studenten haben Kenntnisse in Anwendungsgebietendes System- und Software-Engineerings.

Literatur

wird in den Vorlesungen angesagt


Wahlpflichtfach


Pflichtkennz.:

2236Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 142 von 172

Ergänzungsfächer


Modul:

Spezielle Themen der Komplexitätstheorie




9186

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen

Tafel, Folien, Übungsaufgaben.

SKKT: Zertifizierung von FP/FLINSPACE/FPSPACE für imperative ProgrammeDie Vorlesung bespricht eine effiziente Methode zur Zertifizierung von• polynomiellem Zeitbedarf (FP) und• linearem bzw. polynomiellem Platzbedarf (FLINSPACE bzw. FPSPACE)für imperative Programme, die aus beliebigen Basisanweisungen mittels Anweisungsfolgen, bedingtenAnweisungen und FOR-Schleifen aufgebaut sind. Solche Programme arbeiten auf Variablen X_1, . . . , X_n,wovon jede einen beliebigen Datentyp (Stack, Register, Baum, Graph, usw.) repräsentiert und implizit mit einerGröße |X_i| ausgestattet ist. Fungiert X_i z.B. als Register, so könnte |X_i| die binäre Länge der in X_igespeicherten Zahl sein. Kern der Methode ist ein effizienter Matrizen-Kalkül für die Zertifizierung derpolynomiellen Größenbeschränktheit von imperativen Programmen mit polynomiell größenbeschränktenBasisanweisungen. Das Zertifikat für ein Programm in n Variablen ist eine (n+1)×(n+1)-Matrix über der„Vergissmenge“ {0, 1, unendlich}. Die Methode ist konstruktiv in dem Sinne, dass neben dem Zertifikat auchstets ein Beschränkungspolynom berechnet wird. Die folgenden Charakterisierungstheoreme werden erarbeitetund bewiesen:• FP = Zertifizierte Stringprogramme (Stack-Programme mit beliebigen polynomialzeitberechenbarenBasisanweisungen)• FLINSPACE = Zertifizierte verallgemeinerte Loop-Programme (Loop-Programme mit beliebigen in linearemPlatzbedarf berechenbaren Basisanweisungen)• FPSPACE = Zertifizierte Power-Stringprogramme (Stringprog. erweitert um Schleifen, deren Rumpfexponentiell oft in der Größe der Kontrollvariablen iteriert wird, mit beliebigen in polynomiellem Platzbedarfberechenbaren Basisanweisungen)Das Verfahren steht als Java-Applet zur Verfügung. An Schulbeispielen wie binäres Addieren, binäresMultiplizieren oder Insertion-Sort werden wir daher die Theorie laufen lassen, also Zertifikate berechnen undBeschränkungspolynome extrahieren.

Inhalt

Vorkenntnisse

Berechenbarkeit und Komplexitätstheorie. Nützlich: Komplexitätstheorie


Tiefes Verständnis für eine effektive Analysetechnik für imperative Programme

Literatur

Originalliteratur


Wahlpflichtfach


Pflichtkennz.:

2242Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 143 von 172

Ergänzungsfächer


Modul:

Spezielle und Innovative Rechnerarchitekturen


Dr. Bernd Däne

173

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen


1. Einleitung 2. Vektorrechner 3. Virtuelle Befehlssatzarchitekturen 4. Datenfluss-Architekturen 5. Processing in Memory (PIM) 6. Neurocomputer 7. Tendenzen bei Steuerfluss-Prozessoren 8. Optische Computer 9. Quantencomputer

Inhalt

Vorkenntnisse



Umfassende Information und detailliertes Verständnis der vielfältigen Entwicklungsrichtungen und Sonderformenvon Rechnerarchitekturen

Literatur

Alle Informationen sind auf der Webseite der Vorlesung zu finden:http://tu-ilmenau.de/?r-sira


Wahlpflichtfach


Pflichtkennz.:

2231Fachgebiet:







8.FS 9.FS 10.FS

V S P V S P V S P

Seite 144 von 172

Ergänzungsfächer


Modul:




8328

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen



Inhalt

Vorkenntnisse




Literatur



Wahlpflichtfach


Pflichtkennz.:

2236Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 145 von 172

Ergänzungsfächer


Modul:

Technische Applikation von Petri-Netzen



171

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Arbeitsblätter für V und Ü

1. Einleitung 2. Definitionen und Eigenschaften von Platz-Transitions-Netzen (PTN) 3. Steuerungsentwurf mit PTN 4. Hierarchie in PTN 5. Höhere Netze: Colored Petri Nets (CPN) 6. Modellierung paralleler und verteilter Programme 7. Technologiemodellierung mit CPN 8. UML-Diagramme und Petri-Netze 9. Geschäftsprozesse, Workflow und PN

Inhalt

Vorkenntnisse

Rechnerarchitekturen 1 oder Technische Informatik 2 oder vergleichbare VeranstaltungRechnerorganisation oder Technische Informatik 1 oder vergleichbare VeranstaltungSoftwaretechnik oder Softwaresysteme oder vergleichbare Veranstaltung


Detailliertes Verständnis von klassischen und höheren Petri-Netzen, von Möglichkeiten zur formalen Verifikationund Transformation, Anwendung beim Entwurf von Steuerungsystemen, parallelen, verteilten undobjektorientierten Softwaresystemen

Literatur

Reisig, W.: System Design Using Petri Nets. Berlin: Springer-Verlag, 1991 Starke, Peter H.: Analyse von Petri-Netz-Modellen. Stuttgart: Teubner,1990 Jensen, K.: Coloured Petri Nets - Basic Concepts, Analysis Methodsand Practical Use, Vol. 1: Basic Concepts. Allgemein: Webseite http://tu-ilmenau.de/?r-pntw (dort auchgelegentlich aktualisierte Literaturhinweise und Online-Quellen).


Wahlpflichtfach


Pflichtkennz.:

2231Fachgebiet:







8.FS 9.FS 10.FS

V S P V S P V S P

Seite 146 von 172

Ergänzungsfächer


Modul:

Theoretische Aspekte der Softwaretechnik



654

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen

Vorlesung, unterstützt durch projezierte Folien (Beamer erforderlich), Lehrmaterial: Handzettel der Folien(komprimiert, 6F/A4-Seite)

Es wird der gesamte Entwicklungszyklus eines Softwaresystems (SWS) von der Spezifikation über denkomponentenorientierten Entwurf bzw. die Implementierung bis zur Korrektheitsverifikation auf der Grundlageneuester Forschungsergebnisse und langjähriger praktischer Erfahrungen dargelegt. Die Herangehensweiseberuht auf der Anwendung der allgemeinen Systemtheorie auf SWS und bietet durch Einsatz verschiedenereinfacher mathematischer Methoden einen fundierten Ansatz, wie ein SWS zu entwickeln ist. Die bestehendenProbleme des Softwareengineering werden aufgezeigt und wie sie mit dem gebotenen Ansatz verringert werdenkönnen.

Inhalt

Vorkenntnisse

Bachelor Informatik


Vermittlung der Grundkenntnisse einer theoretisch basierten Softwaretechnik mit dem Anspruch einenEntwicklungsprozess für Qualitätssoftware zu bieten. Der Hörer lernt, wie eine sequenzbasierte Spezifikation fürein SWS zu erstellen ist und wie aus dieser Spezifikation ein komponentenorientierter verifizierbarer Entwurf unddie Implementierung des SWS ableitbar sind.

Literatur

Jedes Kapitel enthält spezifische Literaturangaben


Wahlpflichtfach


Pflichtkennz.:

2236Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 147 von 172

Ergänzungsfächer


Modul:

UMTS-Netze




215

Fachverantwortlich:

Sprache:


Fachnummer:



Fachabschluss:

2 0 0

V S PSWS nach

Fach-semester


Medienformen



Inhalt

Vorkenntnisse




Literatur



Wahlpflichtfach


Pflichtkennz.:

2235Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 148 von 172

Ergänzungsfächer


Modul:

Verifikation unendlicher Systeme




9185

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen


• temporale Logiken linearer und verzweigender Zeit • Verfahren des Model Checking für endliche und unendliche Systeme • komplexitätstheoretische Analyse

Inhalt

Vorkenntnisse



Die Studenten kennen typische Verfahren und Probleme des Model Checking aus algorithmischer Sicht. Siekönnen fundierte Vermutungen über mögliche Erweiterungen aufstellen und begründen.

Literatur

• Clarke, Grumberg, Peled "Model Checking" • Baier, Katoen "Principles of Model Checking"


Wahlpflichtfach


Pflichtkennz.:

2241Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 149 von 172

Ergänzungsfächer


Modul:




256

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen




Inhalt

Vorkenntnisse




Literatur



Wahlpflichtfach


Pflichtkennz.:

2255Fachgebiet:







8.FS 9.FS 10.FS

V S P V S P V S P

Seite 150 von 172

Ergänzungsfächer


Modul:

Verteilte Echtzeitsysteme



260

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Skript/Folien-Handouts, Übungsblätter, Diskussionsblätter

Thematische Schwerpunkte sind:

• Anwendungsgebiete verteilter Echtzeitsysteme • Funktionale und nichtfunktionale Eigenschaften echtzeitfähiger verteilter Systeme • Echtzeitfähiges Ressourcenmanagement • Fristenkonzepte, Echtzeitscheduling, Überlastsituationen, Quality fo Service, holistische Ansätze

Inhalt

Vorkenntnisse

Bachelor Informatik


Der Kurs ist eine Einführung in die Welt der echtzeitfähigen verteilten Systeme. Die Studierenden lernen diegrundlegenden Aufgaben, Funktionen und Eigenschaften verteilter Echtzeitsysteme kennen und erwerbenKenntnisse über die Methoden, Paradigmen und Prinzipien, nach denen echtzeitfähige Systeme konstruiertwerden sowie die Techniken und Algorithmen ihrer Programmierung. Sie erwerben die Fähigkeit, verteilteEchtzeitsysteme bezüglich ihrer Leistungen in unterschiedlichen Anwendungsdomänen zu analysieren, zubewerten und einzusetzen.

Literatur

wird aktuell im Web veröffentlicht


Wahlpflichtfach


Pflichtkennz.:

2255Fachgebiet:







8.FS 9.FS 10.FS

V S P V S P V S P

Seite 151 von 172

Ergänzungsfächer


Modul:

Verteiltes Datenmanagement



247

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen


Einführung und Motivation; Grundlagen verteilter Datenbanken: Architektur und Datenverteilung, verteilteAnfrageverarbeitung, Replikationsverfahren; Parallele Datenbanksysteme: Architektur und Datenverteilung,parallele Anfrageverarbeitung, Shared-Disk-Systeme; Web-Scale Data Management: SaaS und Multi Tenancy,Virtualisierungstechniken, Konsistenzmodelle, QoS, Partitionierung, Replikation, DHTs, MapReduce

Inhalt

Vorkenntnisse

Vorlesung Datenbanksysteme, Transaktionale Informationssysteme


Nachdem Studierende diese Veranstaltung besucht haben, kennen sie die Grundlagen verteilter und parallelerDatenmanagementlösungen. Sie verstehen die Prinzipien dieser Techniken und können darauf aufbauend selbstLösungen entwickeln. Die Studierenden können Techniken zur Anfrageverarbeitung, Replikation undKonsistenzsicherung erklären und hinsichtlich ihrer Vor- und Nachteile für verschiedene Einsatzzweckebewerten.Sie sind in der Lage, verteilte Datenbanken zu entwerfen und aktuelle Datenbanktechnologien Aufbau verteilterund paralleler Systeme zu bewerten und anzuwenden.

Literatur

E. Rahm: Mehrrechner-Datenbanksysteme, Addison-Wesley, Bonn, 1994.M. Tamer Özsu, P. Valduriez: Principles of Distributed Database Systems, 3. Auflage, Springer, 2011.C. T. Yu, W. Meng: Principles of Database Query Processing for Advanced Applications, Morgan KaufmannPublishers, San Francisco, CA, 1998.Lehner, Sattler: Web-Scale Data Management for the Cloud, Springer, 2013.


Wahlpflichtfach


Pflichtkennz.:

2254Fachgebiet:







8.FS 9.FS 10.FS

V S P V S P V S P

Seite 152 von 172

Ergänzungsfächer


Modul:





8229

Fachverantwortlich:

Sprache:


Fachnummer:

keine Angabe


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Inhalt

Vorkenntnisse


Literatur


Wahlpflichtfach


Pflichtkennz.:

2252Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 153 von 172

Ergänzungsfächer


Modul:

Webalgorithmen




8202

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen



Inhalt

Vorkenntnisse




Literatur



Wahlpflichtfach


Pflichtkennz.:

2241Fachgebiet:







8.FS 9.FS 10.FS

V S P V S P V S P

Seite 154 von 172

Ergänzungsfächer


Modul:

Wireless Internet




214

Fachverantwortlich:

Sprache:


Fachnummer:



Fachabschluss:

1 1 0

V S PSWS nach

Fach-semester


Medienformen



Inhalt

Vorkenntnisse




Literatur



Wahlpflichtfach


Pflichtkennz.:

2235Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 155 von 172


• Fachkompetenz: Die Studierenden können das in den von Ihnen belegten Vorlesungen und Übungenerworbene Wissen im Kontext einer konkreten Aufgabenstellung anwenden. • Methodenkompetenz: • Systemkompetenz: Abhängig von der konkret ausgegebenen Aufgabenstellung haben die Studierendenspezifische Systemzusammenhänge erschlossen und verstehen die gegenseitigen Abhängigkeiten einzelnerSystemkomponenten. Sie können die Auswirkungen spezifischer Entwurfsentscheidungen für einzelneKomponenten im Kontext des Gesamtsystems einschätzen und gegeneinander abwägen. • Sozialkompetenz: Die Studierenden können Ihre Arbeit in einem Team koordinieren und Ihre Ergebnissegemeinsam darstellen.

Modulnummer:


Modul:


Projektseminar8208

Lernergebnisse

Hochschulzulassung, Inhalte der ersten vier Semester des Bachelorstudiums.




Seite 156 von 172

Projektseminar


Modul:

Projektseminar

ganzjährigTurnus:


8209

Fachverantwortlich:

Sprache:


Fachnummer:



Fachabschluss:

0 4 0

V S PSWS nach

Fach-semester


Medienformen

Themenspezifisch werden ggf. Medien empfohlen

Die Studierenden bearbeiten in kleinen Gruppen (zwischen zwei und vier Studierende) eine aktuelleThemenstellung mit inhaltlichem Bezug zu den von Ihnen belegten Fächern. Hierdurch wird das in Vorlesungenund Übungen erworbene Wissen im Kontext einer konkreten Aufgabenstellung vertieft und angewendet. DieErgebnisse werden schriftlich dokumentiert und in einem Vortrag vorgestellt, in der Regel ergänzt durch eineVorführung selbst erstellter Software bzw. durchgeführter Experimente.

Inhalt

Vorkenntnisse


• Fachkompetenz: Die Studierenden können das in den von Ihnen belegten Vorlesungen und Übungenerworbene Wissen im Kontext einer konkreten Aufgabenstellung anwenden. • Methodenkompetenz: • Systemkompetenz: Abhängig von der konkret ausgegebenen Aufgabenstellung haben die Studierendenspezifische Systemzusammenhänge erschlossen und verstehen die gegenseitigen Abhängigkeiten einzelnerSystemkomponenten. Sie können die Auswirkungen spezifischer Entwurfsentscheidungen für einzelneKomponenten im Kontext des Gesamtsystems einschätzen und gegeneinander abwägen. • Sozialkompetenz: Die Studierenden können Ihre Arbeit in einem Team koordinieren und Ihre Ergebnissegemeinsam darstellen.

Literatur

Themenspezifische Literatur wird nach Absprache empfohlen.


Pflichtfach


Pflichtkennz.:

2253Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 157 von 172


Die Studierenden kennen und beherrschen die gundlegenden Begriffe, Definitionen, Schlussweisen, Methodenund Aussagen aus ausgewählten Fächern der Mathematik.

Modulnummer:

Prof. Dr. Michael Stiebitz

Modul:


Fortgeschrittene Mathematik für Informatiker8210

Lernergebnisse

siehe Prüfungsordnung



siehe Prüfungsordnung


Seite 158 von 172

Fortgeschrittene Mathematik für Informatiker


Modul:

Informations- und Kodierungstheorie


Prof. Dr. Michael Stiebitz

5776

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 2 0

V S PSWS nach

Fach-semester


Medienformen

Tafel, Folien, Beamer

Einführende Beispiele, Information und Entropie, Shannonsche Hauptsätze der Informationstheorie, lineareCodes, perfekte Codes, Korrekturverfahren, zyklische Codes, endliche Körper, Minimalpolynom, Generator- undKontrollpolynom, BCH-Schranke und BCH-Codes, Reed-Solomon- und Golay-Codes, Anwendungsbeispiele

Inhalt

Vorkenntnisse

Lineare Algebra, Algebra, Diskrete Mathematik


Die Studierenden kennen und beherrschen die gundlegenden Begriffe, Definitionen, Schlussweisen, Methodenund Aussagen der Info- und Kodierungstheorie

Literatur

Standardliteratur der Informations- und Codierungstheorie


Wahlpflichtfach

Fakultät für Mathematik und Naturwissenschaften

Pflichtkennz.:

2417Fachgebiet:


werden bei Bedarf festgelet



Bachelor Informatik 2010Bachelor Informatik 2013Master Informatik 2009Master Informatik 2013Master Mathematik und Wirtschaftsmathematik 2008Master Mathematik und Wirtschaftsmathematik 2013 Vertiefung AMMaster Mathematik und Wirtschaftsmathematik 2013 Vertiefung WM


8.FS 9.FS 10.FS

V S P V S P V S P

Seite 159 von 172



Modul:

Optimierung


Prof. Dr. Gabriele Eichfelder

8077

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 2 0

V S PSWS nach

Fach-semester


Medienformen

Tafel, Folien, Beamer

Anwendungsprobleme und Modellierung, konvexe Mengen, konvexe Funktionen, Lösungsverhalten linearerUngleichungssysteme, Dualität, Optimalitätskriterien der linearen Optimierung, Lösungsverfahren,Optimalitätsbedingungen der nichtlinearen Optimierung, Überblick zu Verfahren der restriktionsfreiennichtlinearen Optimierung und Ansätze zu Verfahren der restringierten nichtlinearen Optimierung

Inhalt

Vorkenntnisse

Lineare Algebra und Grundlagen der Analysis


Fach- und Methodenkompetenz: Beherrschung der grundlegenden Ideen in der linearen und nichtlinearenOptimierung, Anwendung von elementaren Theorien und Methoden der linearen Algebra und Analysis,Anwendung der Optimerung beim Lösen konkreter Anwendungsmodelle z.T. mit Hilfe des Rechners, Lösen vonOR Problemen mit geeigneten Modellen

Literatur

A. Ben-Tal und A. Nemirovski, Lectures on modern convex optimization (MPS-SIAM Series on Optimization,2001).M. Gerdts und F. Lempio, Mathematische Optimierungsverfahren des Operations Research (De Gruyter, Berlin,2011).C. Geiger und C. Kanzow, Numerische Verfahren zur Lösung unrestringierter Optimierungsaufgaben (Springer,Berlin, 1999).C. Geiger und C. Kanzow, Theorie und Numerik restringierter Optimierungsaufgaben (Springer, Berlin, 2002).F. Jarre und J. Stoer, Optimierung (Springer, Berlin, 2004).R. Reemtsen, Lineare Optimierung (Shaker Verlag, Aachen, 2001).


Wahlpflichtfach


Pflichtkennz.:

2415Fachgebiet:


keine



Bachelor Informatik 2010Bachelor Informatik 2013Master Informatik 2009Master Informatik 2013


8.FS 9.FS 10.FS

V S P V S P V S P

Seite 160 von 172



Modul:

Diskrete Mathematik


Prof. Dr. Jochen Harant

7159

Fachverantwortlich:

Sprache:


Fachnummer:

deutsch


Fachabschluss:

2 2 0

V S PSWS nach

Fach-semester


Medienformen

Tafel

Abzählmethoden, Abzählkoeffizienten, Rekursionen

Inhalt

Vorkenntnisse

Abiturwissen


Abzählungen, Summation und Rekursionen, zweifaches Abzählen, Zählkoeffizienten, Faktorielle, Stirlingzahlen,Inversionsformeln, Differenzenrechnung, partielles Summieren, erzeugende Funktionen, Codierungstheorie,Suchtheorie, Lösung von Rekursionen, extremale Mengentheorie

Literatur

Standardwerke zur Diskreten Mathematik


Wahlpflichtfach


Pflichtkennz.:

2418Fachgebiet:


Zum Abschluss ist eine mündliche Prüfungsleistung (30 min.) zu erbringen. Die Details zu dieser Prüfung werdenjeweils zu Semesterbeginn bekannt gegeben. Der Modus zu Semesterleistungen wie Übungsaufgaben,Hausaufgaben und zusätzliche Konsultationen in Vorbereitung der Prüfung werden ebenfalls zu Beginnfestgelegt.





8.FS 9.FS 10.FS

V S P V S P V S P

Seite 161 von 172



Modul:

Numerik


Prof. Dr. Hans Babovsky

7158

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 2 0

V S PSWS nach

Fach-semester


Medienformen

Tafel, Beamer, Folie

Direkte Verfahren für lineare Gleichungssysteme (Gauß, QR): Aufwand, Kondition, Anwendung auf dasAusgleichsproblem,Verfahren für Eigenwertprobleme (Vektoriteration),Interpolation (Lagrange Polynome, Splines): Fehlerabschätzung, numerische Effekte, Stützstellenwahl,Numerische Integration,Algorithmen zur Lösung von nichtlinearen Gleichungen und Gleichungssystemen.

Inhalt

Vorkenntnisse

Mathematik I und II


Kenntnis der grundlegenden Verfahren der numerischen Mathematik.Befähigung zum Algorithmenentwurf sowie zu dessen Analyse bzgl. Rechenaufwand und Robustheit.

Literatur

T. Huckle und S. Schneider: Numerische Methoden - Eine Einführung für Informatiker, Naturwissenschaftler,Ingenieure und Mathematiker, 2.Auflage, Springer, 2006.L. Grüne: Einführung in die numerische Mathematik, Vorlesungsskript Uni Bayreuth, 5.Auflage.P. Deuflhard und A. Hohmann, A.: Numerische Mathematik 1 - Eine algorithmisch orientierte Einführung, 4.Auflage, De Gruyter, 2008.W.Neundorf: Numerische Mathematik - Vorlesungen, Übungen, Algorithmen und Programme, Shaker Verlag,2002


Wahlpflichtfach


Pflichtkennz.:

2413Fachgebiet:


Bachelor- und Masterstudenten (Studienordnung 2013) vertiefen ihre Kenntnisse zusätzlich in Form einesPraktikums.





8.FS 9.FS 10.FS

V S P V S P V S P

Seite 162 von 172

http://num.math.uni-bayreuth.de/de/team/Gruene_Lars/lecture_notes/num1/num1_5.pdf



Modul:

Stochastische Modelle


Prof. Dr. Thomas Hotz

7930

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0

V S PSWS nach

Fach-semester


Medienformen

Skript

Erzeugung von Pseudozufallszahlen; Grundbegriffe der Theorie zufälliger Prozesse, Markovsche Prozesse mitdiskreter und stetiger Zeit, Poissonprozess, Simulation dieser Prozesse; Grundlagen der Warteschlangentheorieund der Warteschlangennetzwerke

Inhalt

Vorkenntnisse

Grundkurs Wahrscheinlichkeitsrechnung


Die Studierenden kennen wichtige Klassen stochastischer Prozesse, die bei der Modellierung vonComputernetzen eine Rolle spielen, und können derartige Prozesse simulieren. Sie sind mit den klassischenModellen der Warteschlangentheorie und -netzwerke vertraut.

Literatur

S. M. Ross: Introduction to Probability Models. 9. Auflage, Acdemic Press 2006. R. Nelson: Probability,Stochastic Processes, and Queueing Theory: The Mathematics of Computer Perfomance Modeling. Springer2000.


Wahlpflichtfach


Pflichtkennz.:

2412Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 163 von 172


Das Hauptseminar besteht in der selbstständigen Bearbeitung eines Forschungsthemas, welches als solchesnicht direkt Bestandteil der bisherigen Ausbildung war. Das Ziel besteht darin, zu Thema den state of the art zuerfassen, einzuordnen und zu bewerten. Der Student hat folgende Aufgaben zu erfüllen: Einarbeitung undVerständnis des Themenbereichs auf der Basis bisherigen Ausbildung, der vorgegebenen und weiterer für dieumfassende Behandlung und das Verständnis notwendiger, selbst zu findender Literaturquellen. Einordnung desThemenbereichs in das wissenschaftliche Spektrum ingenieurtechnischer Fragestellungen auf der Basis der bisdahin in der Ausbildung vermittelten Erkenntnisse; Schriftliche und mündliche Präsentation der Ergebnisse

Modulnummer:


Modul:


Hauptseminar8212

Lernergebnisse

Bachelorabschluss



keine


Seite 164 von 172

Hauptseminar


Modul:

Hauptseminar

ganzjährigTurnus:


8213

Fachverantwortlich:

Sprache:


Fachnummer:

Deutsch


Fachabschluss:

0 2 0

V S PSWS nach

Fach-semester


Medienformen

Workshops mit Präsentation (Tafel, Handouts, Laptop)

Das Hauptseminar besteht in der selbstständigen Bearbeitung eines Forschungsthemas, welches als solchesnicht direkt Bestandteil der bisherigen Ausbildung war. Das Ziel besteht darin, zu Thema den state of the art zuerfassen, einzuordnen und zu bewerten. Der Student hat folgende Aufgaben zu erfüllen: Einarbeitung undVerständnis des Themenbereichs auf der Basis bisherigen Ausbildung, der vorgegebenen und weiterer für dieumfassende Behandlung und das Verständnis notwendiger, selbst zu findender Literaturquellen. Einordnung desThemenbereichs in das wissenschaftliche Spektrum ingenieurtechnischer Fragestellungen auf der Basis der bisdahin in der Ausbildung vermittelten Erkenntnisse; Schriftliche und mündliche Präsentation der Ergebnisse

Inhalt

Vorkenntnisse

entsprechend der gewählten Problematik themenspezifisch


• Fachkompetenz: Die Studierenden verstehen ein spezielles Forschungsthema auf dem Gebiet derIngenieurinformatik. Sie sind in der Lage den Stand der Technik zu einer vorgegebenen Fragestellung zuerfassen, einzuordnen und zu bewerten, sowie die Ergebnisse schriftlich darzustellen und in einer Präsentationzu vermitteln. • Methodenkompetenz: Die Studierenden sind in der Lage, wissenschaftlich-technische Literatur zurecherchieren und auszuwerten. • Systemkompetenz: Die Studierenden werden befähigt, Abhängigkeiten einer speziellen Problemstellung zuverschiedenen Anwendungsgebieten herzustellen. • Sozialkompetenz: Die Studierenden werden befähigt, wissenschaftliche Themen schriftlich und mündlich zupräsentieren.

Literatur

Themenspezifische Vorgabe


Pflichtfach


Pflichtkennz.:

2242Fachgebiet:






8.FS 9.FS 10.FS

V S P V S P V S P

Seite 165 von 172


Im Fachpraktikum erhalten die Studierenden durch eigene Anschauung und Mitarbeit Einblick in die Abläufe, diebeim Einsatz wissenschaftlicher Methoden bei der Konzeption, Realisierung, Bewertung und beim Einsatzkomplexer Informatiksysteme wesentlich sind. Durch einen mehrmonatigen Aufenthalt in der Industrie, Technik,Wirtschaft, Verwaltung oder Forschung) erwerben sie berufspraktische Kompetenzen.

Modulnummer:


Modul:


Fachpraktikum8220

Lernergebnisse


Modulabschluss:

keine


Seite 166 von 172

Fachpraktikum


Modul:

Fachpraktikum

unbekanntTurnus:


8221

Fachverantwortlich:

Sprache:

Studienleistung alternativ 20 Wochen

Fachnummer:

keine Angabe


Fachabschluss:

20 Wo.

V S PSWS nach

Fach-semester


Medienformen

keine

siehe Regelungen zum Fachpralktikum

Inhalt

Vorkenntnisse

keine


Im Fachpraktikum erhalten die Studierenden durch eigene Anschauung und Mitarbeit Einblick in die Abläufe, diebeim Einsatz wissenschaftlicher Methoden bei der Konzeption, Realisierung, Bewertung und beim Einsatzkomplexer Informatiksysteme wesentlich sind. Durch einen mehrmonatigen Aufenthalt in der Industrie, Technik,Wirtschaft, Verwaltung oder Forschung) erwerben sie berufspraktische Kompetenzen.

Literatur

Hinweise zum Praktikum (siehe Webseite Prüfungsamt) ; Regelungen zum Fachpraktikum in derStudienordnung in der jeweils gültigen Version


Pflichtfach


Pflichtkennz.:

2255Fachgebiet:

Art der Notengebung: Testat unbenotet

keine





8.FS 9.FS 10.FS

V S P V S P V S P

Seite 167 von 172


Die Studierenden vertiefen in einem speziellen fachlichen Thema ihre bisher erworbenen Kompetenzen. Siewerden befähigt, eine komplexe und konkrete Problemstellung zu beurteilen und unter Anwendung der bishererworbenen Theorie- und Methodenkompetenzen weitgehend selbstständig zu bearbeiten. Das Thema istgemäß wissenschaftlicher Standards zu dokumentieren und die Studierenden werden befähigt, entsprechendewissenschaftlich fundierte Texte zu verfassen. Die Studierenden erwerben Problemlösungskompetenz undlernen es, die eigene Arbeit zu bewerten und einzuordnen.

Modulnummer:


Modul:


Masterarbeit mit Kolloquium8222

Lernergebnisse

Zulassung zur Masterarbeit durch den Prüfungsausschuss



keine


Seite 168 von 172

Masterarbeit mit Kolloquium


Modul:

Kolloquium zur Master-Arbeit

ganzjährigTurnus:


101481

Fachverantwortlich:

Sprache:


Fachnummer:



Fachabschluss:

V S PSWS nach

Fach-semester


Medienformen

wissenschaftlicher Vortrag

siehe Modulbeschreibung

Inhalt

Vorkenntnisse



Die Studierenden vertiefen in einem speziellen fachlichen Thema ihre bisher erworbenen Kompetenzen. Siewerden befähigt, eine komplexe und konkrete Problemstellung zu beurteilen und unter Anwendung der bishererworbenen Theorie- und Methodenkompetenzen selbstständig zu bearbeiten. Das Thema ist gemäßwissenschaftlicher Standards zu dokumentieren und die Studierenden werden befähigt, entsprechendewissenschaftlich fundierte Texte zu verfassen. Die Studierenden erwerben Problemlösungskompetenz undlernen es, die eigene Arbeit zu bewerten und einzuordnen.

Literatur

Literatur wird mit Ausgabe des Themas bekannt gegeben oder ist selbstständig zu recherchieren.


Pflichtfach


Pflichtkennz.:

2255Fachgebiet:


Prüfungsform: mündlichDauer: 30 minAbschluss: Prüfungsleistung





8.FS 9.FS 10.FS

V S P V S P V S P

Seite 169 von 172

Masterarbeit mit Kolloquium


Modul:

Masterarbeit

ganzjährigTurnus:


101483

Fachverantwortlich:

Sprache:

Masterarbeit schriftlich 6 Monate

Fachnummer:



Fachabschluss:

900 h

V S PSWS nach

Fach-semester


Medienformen

wissenschaftlicher Vortrag

siehe Modulbeschreibung

Inhalt

Vorkenntnisse



Die Studierenden vertiefen in einem speziellen fachlichen Thema ihre bisher erworbenen Kompetenzen. Siewerden befähigt, eine komplexe und konkrete Problemstellung zu beurteilen und unter Anwendung der bishererworbenen Theorie- und Methodenkompetenzen selbstständig zu bearbeiten. Das Thema ist gemäßwissenschaftlicher Standards zu dokumentieren und die Studierenden werden befähigt, entsprechendewissenschaftlich fundierte Texte zu verfassen. Die Studierenden erwerben Problemlösungskompetenz undlernen es, die eigene Arbeit zu bewerten und einzuordnen.

Literatur

Literatur wird mit Ausgabe des Themas bekannt gegeben oder ist selbstständig zu recherchieren.


Pflichtfach


Pflichtkennz.:

2255Fachgebiet:

Art der Notengebung: Generierte Note mit

Prüfungsform: schriftlichAbschluss: Prüfungsleistung





8.FS 9.FS 10.FS

V S P V S P V S P

Seite 170 von 172

Seite 171 von 172

N.N. Nomen nominandum, Platzhalter für eine noch unbekannte Person (wikipedia)

Fachsemester

Leistungspunkte

V S P

SWS

FS

Semesterwochenstunden

Angabe verteilt auf Vorlesungen, Seminare, Praktika

Glossar und Abkürzungsverzeichnis:LP

Objekttypen lt.Inhaltsverzeichnis

K=Kompetenzfeld; M=Modul; P,L,U= Fach (Prüfung,Lehrveranstaltung,Unit)

Documents

Modulhandbuch - tu-ilmenau.de · Multimediale Mensch-Maschine-Kommunikation 2 0 0 PL 60min 3 Robotvision 2 0 0 PL 20min 4 Bildanalyse für 3D-Oberflächen- und Volumendaten 1 0 0