Modulhandbuch Master Informatik - Startseite TU Ilmenau · Master Informatik 2013 Die Studierenden...

Modulhandbuch

Master

02. Mai 2016Erstellt am:

aus der POS Datenbank der TU Ilmenau

2013

InformatikStudienordnungsversion:

gültig für das Studiensemester 2016

Herausgeber:

URN: urn:nbn:de:gbv:ilm1-mhb-1054

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.FS

LPVP V Abschluss Fachnr.

Komplexe Informationstechnische Systeme - Grundlagen 5FP

Komplexe Informationstechnische Systeme -Grundlagen

2 5PL11 100516

Transaktionale Informationssysteme 5FP

Transaktionale Informationssysteme 51 PL2 0 254

Netzalgorithmen 5FP

Netzalgorithmen 51 PL 20min2 0 8215

Effiziente Algorithmen 5FP

Effiziente Algorithmen 52 PL 30min2 0 100530

Schwerpunktbereich 0FP

0FP 0000

0FP 0000

Integrierte Hard- und Softwaresysteme 0FP

Cellular Communication Systems 5FP 5844

Cellular Communication Systems PL02 5 1005012

Leistungsbewertung Technischer Systeme 5FP 101318

Leistungsbewertung Technischer Systeme 02 PL2 5 101158

Advanced Mobile Communication Networks 5FP 101359

Advanced Mobile Communication Networks 2 02 PL2 20 5 100500

Fortgeschrittene Modellierung undRechnerarchitekturen

8FP 101319

Fortgeschrittene Modellierung undRechnerarchitekturen

PL 8 101157

Einchipcontroller und Digitale Signalprozessoren 002 VL 1740

0Spezielle und Innovative Rechnerarchitekturen 0VL2 1730

Technische Applikation von Petri-Netzen 002 VL 1711

Spezielle Aspekte Integrierter Hard- und Software-Systeme

5FP 101320

Spezielle Aspekte Integrierter Hard- undSoftwaresysteme

PL02 5 77932

Medieninformatik und Virtual Reality 0FP

Geometrische Modellierung 5FP 101321

Geometrische Modellierung 01 PL 60min3 5 240

Interaktive Grafik / Virtuelle Realität 6FP 101485

Interaktive Grafik / Virtuelle Realität PL 120min 6 101487

0Computergrafik 2 00 VL2 241

0Computerspiele 01 VL2 8269

0Interaktive Computergrafiksysteme / VirtuelleRealität

0VL2 2360

3D-Bildverarbeitung & Visualisierung 6FP 101486

3D-Bildverarbeitung & Visualisierung PL 120min 6 101488

0Erfassung und Verarbeitung von 3D-Daten 0VL2 2391

0Wissenschaftlich-Technische Visualisierung 0VL1 2381

Data Analytics und Soft Computing 0FP

Knowledge Engineering 7FP 101324

Knowledge Engineering PL 120min 7 101152

0Data Mining 00 VL2 221

0Evolutionäre Verfahren 00 VL1 101153

0Inferenzmethoden 00 VL2 220

Verteilte Algorithmen 5FP 101325

Verteilte Algorithmen PL 20min02 5 2561

Knowledge Discovery in Databases 5FP 101326

Knowledge Discovery in Databases 01 PL 30min2 5 8232

Data-Warehouse-Technologien 5FP 101327

Data-Warehouse-Technologien 01 PL 20min2 5 246

Distributed Data Management 5FP 101328

Distributed Data Management 11 PL 30min2 5 101155

System- und Software-Engineering 0FP

Softwarearchitekturen - von Requirements zumangepassten Entwurf

6FP 101329

Softwarearchitekturen - von Requirements zumangepassten Entwurf

2 PL3 0 6 101151

Security Engineering 5FP 101330

Security Engineering 02 PL 20min2 5 1542

Programmiersprachen 6FP 101331

Programmiersprachen PL 30min 6 101179

0Compilertechnik 0VL2 1011801

0Spezielle Aspekte von Programmiersprachen 0VL2 1011810

Leistungsbewertung Technischer Systeme 5FP 101318

Leistungsbewertung Technischer Systeme 02 PL2 5 101158

Objektorientierte Modellierung 5FP 101332

Objektorientierte Modellierung PL 90min02 5 1011541

Mobile und verteilte Kommunikations- und Informationssysteme 0FP

Verteilte Algorithmen 5FP 101325

Verteilte Algorithmen PL 20min02 5 2561

Verteilte Echtzeitsysteme 5FP 101333

Verteilte Echtzeitsysteme PL 20min03 5 2601

Advanced Networking Technologies 5FP 101334

Advanced Networking Technologies 00 PL 20min3 5 5642

Schutz von Kommunikationsinfrastrukturen 5FP 101335

Schutz von Kommunikationsinfrastrukturen 00 PL 20min3 5 5641

Advanced Mobile Communication Networks 5FP 101359

Advanced Mobile Communication Networks 2 02 PL2 20 5 100500

Cellular Communication Systems 5FP 5844

Cellular Communication Systems PL02 5 1005012

Kognitive Technische Systeme 0FP

Kognitive Robotik 6FP 101336

Kognitive Robotik PL 120min 6 181

0Kognitive Systeme / Robotik 0VL2 1810

0Lernen in kognitiven Systemen 0VL2 1821

Robotvision & MMI 6FP 101337

Robotvision & MMI PL 6 101148

Mensch-Maschine-Interaktion 002 VL 1013520

Robotvision 002 VL 1831

3D-Bildverarbeitung & Visualisierung 6FP 101486

3D-Bildverarbeitung & Visualisierung PL 120min 6 101488

0Erfassung und Verarbeitung von 3D-Daten 0VL2 2391

0Wissenschaftlich-Technische Visualisierung 0VL1 2381

Algorithmik und Komplexität 0FP

Logik in der Informatik 5FP 101339

Logik in der Informatik 01 PL 20min3 5 9184

Approximationsalgorithmen 5FP 101340

Approximationsalgorithmen 01 PL 20min3 03 5 2301

Komplexitätstheorie 5FP 101341

Komplexitätstheorie 1 01 PL 20min3 30 5 227

Verifikation 5FP 101342

Verifikation 1 PL 20min3 0 5 101182

Spezielle Kapitel der Komplexitätstheorie undBerechenbarkeit

5FP 101343

Spezielle Kapitel der Komplexitätstheorie undBerechenbarkeit

PL 5 101183

0Spezielle Kapitel der Komplexitätstheorie 0VL2 1011840

Berechenbarkeit 002 VL 1011850

Ausgewählte Kapitel der Komplexitätstheorie /Algorithmik

5FP 101344

Ausgewählte Kapitel der Komplexitätstheorie /Algorithmik

01 PL 30min3 03 5 2321

IT-Sicherheit 0FP

Security Engineering 5FP 101330

Security Engineering 02 PL 20min2 5 1542

Schutz von Kommunikationsinfrastrukturen 5FP 101335

Schutz von Kommunikationsinfrastrukturen 00 PL 20min3 5 5641

Advanced Networking Technologies 5FP 101334

Advanced Networking Technologies 00 PL 20min3 5 5642

Projektseminar 5FP

Projektseminar 04 5PL0 8209

Fortgeschrittene Mathematik für Informatiker 10FP

Diskrete Mathematik 2 5PL 30min02 7159

Informations- und Kodierungstheorie 52 PL 30min2 0 5776

Optimierung 52 PL 30min2 0 8077

Numerik 2 5PL 30min02 7158

Stochastische Modelle 2 5PL 30min01 7930

Hauptseminar Master Informatik 4FP

Hauptseminar 0 4PL02 8213

Nebenfach/ Anwendungsfach 10MO

0SL 0000

0SL 0000

0SL 0000

0SL 0000

Nichttechnisches Nebenfach 5MO

0SL 0000

0SL 0000

Fachpraktikum 30MO

Fachpraktikum 30SL 20 8221

Masterarbeit 30FP

Abschlusskolloquium zur Master-Arbeit 6PL 45min 101481

Masterarbeit 24MA 6 101483

Master Informatik 2013

Die Studierenden verstehen detailliert Aufbau und Funktionsweise von komplexen informationstechnischen Systemen. DieStudenten verstehen die in eingebetteten Systemen zu beachtenden Echtzeit-, Kommunikations- und softwaretechnischenAspekte. Die Studierenden sind fähig, Sicherheit, Zuverlässigkeit und Leistungsverbrauch beim Entwurf zu berücksichtigen.Die Studenten haben Kenntnisse in der Entwurfsdomäne Automotive. Methodenkompetenz: Die Studierenden sind in derLage, Methoden des Systementwurfs, des modellbasierten Entwurfs und des Hardware-Software-Codesigns auf konkreteProblemstellungen anzuwenden. Die Studierenden sind in der Lage, verschiedene Methoden für unterschiedlicheAnwendungsgebiete zu bewerten. Systemkompetenz: Die Studierenden entwerfen und validieren auszugsweise komplexeeingebettete Rechnersysteme für konkrete Einsatzszenarien. Sozialkompetenz: Die Studierenden sind in der Lage,praktische Problemstellungen des Entwurfs in der Gruppe zu lösen.

Modulnummer:

Prof. Dr. Armin Zimmermann

Modul:

Modulverantwortlich:

Komplexe Informationstechnische Systeme - Grundlagen100370

Lernergebnisse

Bachelor Informatik / Ingenieurinformatik oder gleichwertiger Abschluss

Vorraussetzungen für die Teilnahme

Fachprüfung/Modulprüfung generiertModulabschluss:

Prüfungsleistung (schriftliche Klausur) und unbenotetes Praktikum (Schein, Studienleistung)

Während des Semesters werden Projektaufgaben (Entwurf, Programmierung) begleitend zur Vorlesung bearbeitet.Diese müssen für den Modul-Abschluss erfolgreich abgeschlossen werden. Dafür wird die Studienleistung verbucht.In der vorlesungsfreien Zeit wird eine schriftliche Klausur geschrieben, die die Note bestimmt.Bei sehr guten Praktikumslösungen können Bonuspunkte für die nachfolgende Klausur vergeben werden.

Detailangaben zum Abschluss

Seite 7 von 208

Komplexe Informationstechnische Systeme - Grundlagen


Modul:

Komplexe Informationstechnische Systeme - Grundlagen

SommersemesterTurnus:


100516

Fachverantwortlich:

Sprache:mehrere Teilleistungen

Fachnummer:

Deutsch

220373Prüfungsnummer:

Fachabschluss:

2 1 1

V S P PSV PSV PSV PSV PSV PSVSWS nachFachsemester

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

Medienformen

Folien und Übungsblätter, verfügbar auf den Webseiten

Einführung, Systementwurf, Modellbasierter EntwurfEchtzeitsysteme, Zuverlässige Systeme, ZuverlässigkeitsbewertungSoftwaretechnische Aspekte, ProduktlinienHardware-Software-Codesign, RechnerarchitekturaspekteKommunikationEnergieeffizienz

Inhalt

Vorkenntnisse

Bachelor Informatik / Ingenieurinformatik oder gleichwertiger Abschluss

Lernergebnisse / Kompetenzen

Die Studierenden verstehen detailliert Aufbau und Funktionsweise von komplexen informationstechnischen Systemen. DieStudenten verstehen die in eingebetteten Systemen zu beachtenden Echtzeit-, Kommunikations- und softwaretechnischenAspekte. Die Studierenden sind fähig, Sicherheit, Zuverlässigkeit und Leistungsverbrauch beim Entwurf zu berücksichtigen.Die Studenten haben Kenntnisse in der Entwurfsdomäne Automotive. Methodenkompetenz: Die Studierenden sind in derLage, Methoden des Systementwurfs, des modellbasierten Entwurfs und des Hardware-Software-Codesigns auf konkreteProblemstellungen anzuwenden. Die Studierenden sind in der Lage, verschiedene Methoden für unterschiedlicheAnwendungsgebiete zu bewerten. Systemkompetenz: Die Studierenden entwerfen und validieren auszugsweise komplexeeingebettete Rechnersysteme für konkrete Einsatzszenarien. Sozialkompetenz: Die Studierenden sind in der Lage,praktische Problemstellungen des Entwurfs in der Gruppe zu lösen.

Literatur

Hinweise in der Lehrveranstaltung und auf den Webseiten

5Leistungspunkte: Workload (h): 150 105Anteil Selbststudium (h): SWS: 4.0

Pflichtfach

Fakultät für Informatik und Automatisierung

Pflichtkennz.:

2236Fachgebiet:

Art der Notengebung: Generierte Noten

Prüfungsleistung (schriftliche Klausur) und unbenotetes Praktikum (Schein, Studienleistung)

Während des Semesters werden Projektaufgaben (Entwurf, Programmierung) begleitend zur Vorlesung bearbeitet.


Seite 8 von 208

Diese müssen für den Modul-Abschluss erfolgreich abgeschlossen werden. Dafür wird die Studienleistung verbucht.In der vorlesungsfreien Zeit wird eine schriftliche Klausur geschrieben, die die Note bestimmt.Bei sehr guten Praktikumslösungen können Bonuspunkte für die nachfolgende Klausur vergeben werden.

verwendet in folgenden Studiengängen


Master Ingenieurinformatik 2014

Master Mathematik und Wirtschaftsmathematik 2013 Vertiefung AM

Seite 9 von 208


Siehe Fachbeschreibung

Modulnummer:

Prof. Dr. Winfried Kühnhauser

Modul:


Transaktionale Informationssysteme100524

Lernergebnisse

Bachelor Informatik



keine


Seite 10 von 208

Transaktionale Informationssysteme


Modul:

Transaktionale Informationssysteme

WintersemesterTurnus:


254

Fachverantwortlich:

Sprache:Prüfungsleistung alternativ

Fachnummer:

Deutsch


Fachabschluss:

2 1 0



Medienformen

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

Ausgehend von beispielhaften Anwendungsszenarien werden die rigorosen theoretischen Grundlagen transaktionalerSysteme besprochen und Methoden, Algorithmen und Architekturen vorgestellt, die die Eigenschaften transaktionalerSysteme herstellen.Kursinhalte sind Transaktionssemantiken und –modelle sowie Methoden und Verfahren zur Herstellung der elementarenACID-Eigenschaften.

Inhalt

Vorkenntnisse

Master Informatik


In verteilten Informatiksystemen wie Datenbankmanagementsystemen, Workflowmanagementsystemen oder Steuerungs-und Kontrollsystemen gibt es typischerweise eine große Anzahl und Vielfalt an Ressourcen, die von vielenSystemkomponenten gemeinsam genutzt werden. Der verteilte Charakter derartiger Szenarien bedingt dabei einerseits, dassein hoher Grad an Parallelität bei der Nutzung gemeinsamer Ressourcen besteht, andererseits aber auch Ausfälle vonTeilkomponenten solcher Systeme zum Regelfall gehören.Die Studierenden erwerben Kenntnisse über die theoretischen und methodischen Grundlagen transaktionalerSoftwaresysteme. Sie erwerben die Fähigkeit, die Eignung derartiger Systeme in Bezug auf konkrete Anwendungsszenarienzur analysieren, zu beurteilen und transaktionale Systeme in innovativen Anwendungsszenarien selbst zu entwickeln.

Literatur

siehe Webseiten des Kurses


Pflichtfach


Pflichtkennz.:

2255Fachgebiet:

Art der Notengebung: Gestufte Noten

Die Note setzt sich zu je 50% aus einer Zwischenklausur (60 min) und einer mündliche Prüfung (20 min) zusammen.





Seite 11 von 208



Seite 12 von 208


• Fachkompetenz: Die Studierenden verstehen die gebräuchlichen Routingverfahren kennen die Notwendigkeit für einebedarfsgerechte Aufteilung des Verkehrsaufkommens in Netzwerken. Sie können die verschiedenen Zielsetzung beimNetzwerkentwurf voneinander abgrenzen und gegenüberstellen. • Methodenkompetenz: Die Studierenden können grundlegende Entwurfs- bzw. Optimierungsprobleme als Multi-Commodity-Flow Probleme formulieren. Sie sind in der Lage diese in Standardformen zu überführen und durch Anwendungmathematischer Standardsoftware zu lösen. • Systemkompetenz: Die Studierenden verstehen die Wechselwirkungen verschiedener Optimierungsziele beimNetzwerkentwurf und -betrieb.

Modulnummer:

Prof. Dr. Günter Schäfer

Modul:


Netzalgorithmen100525

Lernergebnisse

MA Informatik




Seite 13 von 208

Netzalgorithmen


Modul:

Netzalgorithmen



8215

Fachverantwortlich:

Sprache:Prüfungsleistung mündlich 20 min

Fachnummer:

Deutsch


Fachabschluss:

2 1 0



Medienformen

Folien, Tafelanschrieb, Bücher

1. Einführung: Kommunikation in datagrammorientierten Netzwerken, Routingalgorithmen inklusive Korrektheitsbeweise,Modellierung von Datenverkehr mittels Poisson-Prozess, MM1 Wartesystem, Grundlegende Entwurfsprobleme inNetzwerken2. Netzwerkmodellierung: Modellierung von Netzwerk-Design-Aufgaben als Multi-Commodity-Flow Probleme, Pure-Allocation-Problem, Shortest-Path-Routing, Fair Networks, Tunnel-Design in MPLS Netzwerken, Multilevel Netzwerke3. Optimierungsmethoden: Grundlagen der Linearen Optimierung, Simplexalgorithmus, Branch-and-Bound, Gomory-Schnitte, Branch-and-Cut4. Netzwerkentwurf: Zusammenhang von Netzwerkentwurfsproblemen und mathematischer Modellierung in Standardform,kapazitierte Probleme, Pfaddiversität, Limited-Demand-Split, NP-Vollständigkeit von Single-Path-Allocation, Modular Flows,nichtlineare Zielfunktionen und Nebenbedingungen, Lösung von Problemen mit konvexen und konkaven Zielfunktionen bzw.Nebenbedingungen durch lineare Approximation5. Network Resilience: Zusammenhangsmaße, Biconnected Components, Algorithmen zur Bestimmung der Blockstrukturvon Graphen Praktische Probleme und Protokollfunktionen in Kommunikationsnetzen und ihr algorithmischer Hintergrund.

Inhalt

Vorkenntnisse

MA Informatik


• Fachkompetenz: Die Studierenden verstehen die gebräuchlichen Routingverfahren kennen die Notwendigkeit für einebedarfsgerechte Aufteilung des Verkehrsaufkommens in Netzwerken. Sie können die verschiedenen Zielsetzung beimNetzwerkentwurf voneinander abgrenzen und gegenüberstellen. • Methodenkompetenz: Die Studierenden können grundlegende Entwurfs- bzw. Optimierungsprobleme als Multi-Commodity-Flow Probleme formulieren. Sie sind in der Lage diese in Standardformen zu überführen und durch Anwendungmathematischer Standardsoftware zu lösen. • Systemkompetenz: Die Studierenden verstehen die Wechselwirkungen verschiedener Optimierungsziele beimNetzwerkentwurf und -betrieb.


Pflichtfach


Pflichtkennz.:

2253Fachgebiet:


Seite 14 von 208

Literatur

Michal Pioro, Deepankar Medhi. Routing, Flow, and Capacity Design in Communication and Computer Networks. TheMorgan Kaufmann Series in Networking, Elsevier, 2004



Master Wirtschaftsinformatik 2013







Seite 15 von 208


Fachkompetenz: Die Studierenden kennen einige wesentliche fortgeschrittene Algorithmen und die hierfür notwendigenEntwurfs- und Analysetechniken. Sie können mit den erlernten Techniken Algorithmen für abgewandelte Fragestellungenentwerfen und analysieren. Sie können Algorithmen auch auf nicht offensichtliche Anwendungsfragestellungen übertragen.Sie können eine amortisierte Laufzeitanalyse durchführen, wenn die wesentlichen Festlegungen angegeben sind. DieStudierenden kennen die vielfältige Anwendbarkeit von Flussalgorithmen. Sie kennen nichttriviale grundlegende Technikenfür die Verarbeitung von Wörtern (Textsuche) und die relevanten Beweistechniken.

Modulnummer:

Prof. Dr. Martin Dietzfelbinger

Modul:


Effiziente Algorithmen100373

Lernergebnisse

Bachelorstudium Informatik, insbesondere: Algorithmen und Programmierung, Algorithmen und Datenstrukturen, Mathematik1 und 2, Grundlagen und diskrete Strukturen.




Seite 16 von 208

Effiziente Algorithmen


Modul:

Effiziente Algorithmen



100530

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

2 2 0



Medienformen

Bereitgestellt: Skript auf der WebseiteTafelvortrag, Presenter-Projektion, Folien

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.Implementierung von adressierbaren Priority Queues: Binomialheaps und Fibonacci-Heaps.Textsuche: Randomisiertes Verfahren; Algorithmus von Knuth/Morris/Pratt, Algorithmus von Aho/Corasick, Algorithmus vonBoyer/Moore, Vorverarbeitung für Boyer-Moore-Algorithmus.

Inhalt

Vorkenntnisse

Bachelorstudium Informatik, insbesondere: Algorithmen und Programmierung, Algorithmen und Datenstrukturen, Mathematik1 und 2, Grundlagen und diskrete Strukturen.


Fachkompetenz: Die Studierenden kennen einige wesentliche fortgeschrittene Algorithmen und die hierfür notwendigenEntwurfs- und Analysetechniken. Sie können mit den erlernten Techniken Algorithmen für abgewandelte Fragestellungenentwerfen und analysieren. Sie können Algorithmen auch auf nicht offensichtliche Anwendungsfragestellungen übertragen.Sie können eine amortisierte Laufzeitanalyse durchführen, wenn die wesentlichen Festlegungen angegeben sind. DieStudierenden kennen die vielfältige Anwendbarkeit von Flussalgorithmen. Sie kennen nichttriviale grundlegende Technikenfür die Verarbeitung von Wörtern (Textsuche) und die relevanten Beweistechniken.

Literatur

Neben Vorlesungsskript:- J. Kleinberg, E. Tardos, Algorithm Design, Pearson Education, 2005- T. H. Cormen, C. E. Leiserson, R. L. Rivest, C. Stein, Introduction to Algorithms, 2nd ed., MIT Press, 2001 (auch aufdeutsch bei Oldenbourg)- K. Mehlhorn, P. Sanders, Algorithms and Data Structures - The Basic Toolbox, Springer, 2008- S. Dasgupta, C. Papadimitriou, U. Vazirani, Algorithms, McGraw-Hill, 2007


Pflichtfach


Pflichtkennz.:

2242Fachgebiet:


Seite 17 von 208

- V. Heun, Grundlegende Algorithmen, 2. Auflage, Vieweg, 2003








Master Mathematik und Wirtschaftsmathematik 2013 Vertiefung WM

Seite 18 von 208


Zur Individualisierung und Spezialisierung ihres Studium erwerben die Studierenden im Schwerpunktbereich MasterInformatik vertiefte Kenntnisse und Kompetenzen in selbst ausgewählten Teilgebieten der Informatik.

Modulnummer:


Modul:


Schwerpunktbereich(Auswahl je 15 LP aus 2 Modulen, Rest beliebig auf 36auffüllen)

100377

Lernergebnisse

siehe individuelle Fächerbeschreibungen



keine


Seite 19 von 208


Detailliertes fortgeschrittenes Verständnis für und Fähigkeiten zu Aufbau, Funktion, Modellierung und Entwurf integrierterHard- und Softwaresysteme

Modulnummer:

Prof. Dr. Wolfgang Fengler

Modul:


Integrierte Hard- und Softwaresysteme(Schwerpunkt 1)8227

Lernergebnisse

empfohlen: Modul IHS im Bachelor IN (keine Bedingung)




Seite 20 von 208


s. subject description

Modulnummer:

Prof. Dr. Andreas Mitschele-Thiel

Modul:


Cellular Communication Systems5844

Lernergebnisse




Seite 21 von 208

Cellular Communication Systems


Modul:




100501

Fachverantwortlich:


Fachnummer:

Englisch


Fachabschluss:

2 2 0



Medienformen

Presentations with beamer, presentation slides

- Basics of mobile communications- GSM and GPRS- UMTS Architecture- Mobility management- Connection and session management- Wideband CDMA- Management of radio resources- UMTS radio access system- UMTS services- High-Speed Packet Access (HSPA)- Long-Term Evolution (LTE)- System Architecture Evolution (SAE)

Inhalt

Vorkenntnisse

Communication protocols and networks, basics of mobile communications


The course enables students to understand the functionalities and structure of UMTS systems.It enables students tounterstand network and protocol aspects of the system. Main topics are the network architechture, network elements,protocols, and services in UMTS systems.The course allows students to understand main functions as mobility management,radio resource allocation, link and session management, QoS aspects, as well as authentification, authorisation, andaccounting. To understand the development of UMTS also GSM and its data extension GPRS are treated as they are thefundamentals of UMTS. The course also introduces newer developments as HSPA, LTE and SAE.

Literatur

- Kaaranen, Ahtiainen, Laitinen, Naghian, Niemi. UMTS Networks – Architecture, Mobility and Services. Wiley, 2001- Schiller. Mobile Communications (German and English). Addison-Wesley, 2000- Holma, Toskala. WCDMA for UMTS. revised edition, Wiley, 2002- Dahlmann, Parkvall, Sköld. 4G: LTE/LTE-Advanced for Mobile Broadband, AP, 2011- Stefania Sesia, Issam Toufik, Matthew Baker. LTE - The UMTS Long Term Evolution: From Theory to Practice


Pflichtfach


Pflichtkennz.:

2235Fachgebiet:


Seite 22 von 208

• The course consists of two parts: In the first part of the semester, lectures on the material are given. In the second part,individual studies (semester-long research projects that include a term paper and a presentation) help to improveunderstanding of the material.

• Grading scheme: 40% term paper plus presentation, 60% oral exam (20 min, registration at ICS office in Z1031).

• Binding registration for the exam (using Thoska or the registration form provided by the examination office IA) is requiredat the beginning of each semester (check the registration time window which is defined each semester) in order to participatein individual studies projects and the oral exam. As your course grade is a result of the individual studies and the oral exam,only formally registered students are eligible for participation in the individual studies and may receive credits for it.




Master Communications and Signal Processing 2013


Master Research in Computer & Systems Engineering 2012


Seite 23 von 208


Fachkompetenz: Die Studierenden verstehen detailliert Hintergrund und Funktionsweise von Verfahren der Modellierung undquantitativen Bewertung technischer Systeme. Die Studierenden sind fähig, quantitative Aspekte technischer Systeme beimEntwurf zu untersuchen und zu bewerten. Die Studenten haben Kenntnisse in Anwendungsgebieten derLeistungsbewertung. Methodenkompetenz: Die Studierenden sind in der Lage, Methoden des quantitativen Systementwurfs,der Modellierung und Bewertung auf konkrete Problemstellungen anzuwenden. Die Studierenden sind in der Lage, passendeModelle und Werkzeuge auszuwählen und einzusetzen. Sozialkompetenz: Die Studierenden sind in der Lage, praktischeProblemstellungen der Leistungsbewertung in der Gruppe zu lösen und zu präsentieren.

Modulnummer:


Modul:


Leistungsbewertung Technischer Systeme101318

Lernergebnisse

BsC im Studiengang Ingenieurinformatik / Informatik bzw. weitgehend äquivalentem Studiengang



Vollständige Bearbeitung der Übungsaufgaben (unbenotet) ist Voraussetzungfür die Teilnahme an der abschließenden mündlichen Prüfung (ca 30 Minuten).


Seite 24 von 208

Leistungsbewertung Technischer Systeme


Modul:




101158

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

2 2 0



Medienformen

Folien und Aufgabenzettel: verfügbar über Webseite der Lehrveranstaltung.Ergänzende Informationen als Tafelanschrieb.

Modellierung und Leistungsbewertung diskreter technischer SystemeGrundlagen (Stochastische Grundlagen, Stochastische Prozesse)Modelle (Markov-Ketten, stochastische Petri-Netze, farbige stochastische Petri-Netze)Bewertungsverfahren (numerische Analyse, Simulation, Beschleunigungsverfahren)Ausgewählte Anwendungsgebiete, Bewertung zuverlässiger Systeme

Inhalt

Vorkenntnisse




Literatur

siehe Webseiten der Lehrveranstaltung sowie Hinweise in der ersten Vorlesung


Pflichtfach


Pflichtkennz.:

2236Fachgebiet:







Seite 25 von 208


Seite 26 von 208


The course introduces students in advanced topics in mobile data communication. It enabies students to understand theresearch issues from a protocol- and system point of view. resulting from the mobility and wireless transmission.

Modulnummer:


Modul:


Advanced Mobile Communication Networks101359

Lernergebnisse

Vorkenntnisse - Bachelor degree, basics of communication networks




Seite 27 von 208

Advanced Mobile Communication Networks


Modul:


ganzjährigTurnus:


100500

Fachverantwortlich:


Fachnummer:

Englisch


Fachabschluss:

2 2 0 2 2 0



Medienformen

Presentations

• Introduction • Medium Access Schemes • Mobility Management • TCP/IP • Self-Organization • IEEE 802.11 • Quality of Service • Ad Hoc Networks • Cognitive Radio Networks • LTE

Inhalt

Vorkenntnisse

Bachelor degree, basics of communication networks


The course introduces students in advanced topics in mobile data communication. It enables students to understand theresearch issues from a protocol- and system point of view, resulting from the mobility and the wireless transmission.

Literatur

iks see webpage www.tu-ilmenau.de/ics


Pflichtfach


Pflichtkennz.:

2235Fachgebiet:





Seite 28 von 208







Seite 29 von 208


siehe Fachbeschreibungen

Modulnummer:


Modul:


Fortgeschrittene Modellierung und Rechnerarchitekturen101319

Lernergebnisse

siehe Fachbeschreibungen



• Die Prüfungsleistung für das Modul besteht aus drei einzelnen Prüfungsgesprächen für die drei enthaltenen Fächer.Dauer jeweils 20 Minuten. • Auf Wunsch sind kombinierte Prüfungsgespräche für zwei oder drei Fächer möglich. • Die gesamte Prüfungsleistung muss innerhalb von zwei Semestern erbracht werden. • Die Anmeldung zur Modulprüfung erfolgt im ersten dieser beiden Semester und gilt für das folgende Semester weiter. • Die Endnote bildet sich zu gleichen Teilen aus den Einzelergebnissen der drei Prüfungsgespräche.


Seite 30 von 208

Fortgeschrittene Modellierung und Rechnerarchitekturen


Modul:


ganzjährigTurnus:


101157

Fachverantwortlich:


Fachnummer:

deutsch


Fachabschluss:



Medienformen

Siehe Einzelfächer.


Inhalt

Vorkenntnisse




Literatur



Pflichtfach


Pflichtkennz.:

2231Fachgebiet:


• Die Prüfungsleistung für das Modul besteht aus drei einzelnen Prüfungsgesprächen für die drei enthaltenen Fächer.Dauer jeweils 20 Minuten. • Auf Wunsch sind kombinierte Prüfungsgespräche für zwei oder drei Fächer möglich. • Die gesamte Prüfungsleistung muss innerhalb von zwei Semestern erbracht werden. • Die Anmeldung zur Modulprüfung erfolgt im ersten dieser beiden Semester und gilt für das folgende Semester weiter. • Die Endnote bildet sich zu gleichen Teilen aus den Einzelergebnissen der drei Prüfungsgespräche.






Seite 31 von 208



Modul:

Einchipcontroller und Digitale Signalprozessoren



174

Fachverantwortlich:

Sprache:über Komplexprüfung

Fachnummer:

deutsch


Fachabschluss:

2 0 0



Medienformen

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

1. Einleitung und allgemeine Merkmale 2. Einchipcontroller am Beispiel 3. Digitale Signalprozessoren am Beispiel 4. Zusammenfassung und Ausblick

Inhalt

Vorkenntnisse

Notwendig: Grundkenntnisse zu Aufbau und Funktionsweise von Rechnern, z.B. aus den Fächern Rechnerarchitekturen 1,Technische Informatik 2 oder Technische Informatik (Teil RA).Empfohlen: Kenntnisse zu fortgeschrittenen Rechnerarchitekturen, z.B. aus dem Fach Rechnerarchitekturen2.


• Grundlegende Merkmale und Eigenschaften von Einchipcontrollern und Digitalen Signalprozessoren • Behandlung konkreter Eigenschaften von Einchipcontrollern an einzelnen Typenbeispielen • Behandlung konkreter Eigenschaften von Digitalen Signalprozessoren an einzelnen Typenbeispielen

Literatur

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


Pflichtfach


Pflichtkennz.:

2231Fachgebiet:

Art der Notengebung: unbenotet

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




Seite 32 von 208

Master Fahrzeugtechnik 2009





Seite 33 von 208



Modul:

Spezielle und Innovative Rechnerarchitekturen



173

Fachverantwortlich:


Fachnummer:

deutsch


Fachabschluss:

2 0 0



Medienformen

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

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

Notwendig: Grundkenntnisse zu Aufbau und Funktionsweise von Rechnern, z.B. aus den Fächern Rechnerarchitekturen 1,Technische Informatik 2 oder Technische Informatik (Teil RA).Empfohlen: Grundlagen paralleler Architekturen, z.B. aus dem Fach Rechnerarchitekturen 2.


Überblickswissen und Detailkenntnisse zu Recnerarchitekturen und Funktionsprinzipien, die von den bekannten und weitverbreiteten Lösungen abweichen. Darunter sind sowohl Realisierungen mit Nischencharakter als auch mögliche Richtungenzukünftiger Weiterentwicklungen.

Literatur

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


Pflichtfach


Pflichtkennz.:

2231Fachgebiet:


• Modulprüfung: Siehe dort.


Seite 34 von 208

• Einzelfall: Mündliche Prüfung 20 Minuten.






Seite 35 von 208



Modul:

Technische Applikation von Petri-Netzen



171

Fachverantwortlich:


Fachnummer:

deutsch


Fachabschluss:

2 1 0



Medienformen

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

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

Empfohlen: Grundlagen zu Petri-Netzen aus den Veranstaltungen Rechnerarchitekturen 1 oder Technische Informatik 2(keine Bedingung)


Beherrschen der formalen Behandlung von Petri-Netzen (Definitionen, Analyseverfahren), Beherrschen der Anwendung vonPetri-Netzen zur Modellierung und Analyse verschiedener technischer und nichttechnischer Sachverhalte.

Literatur

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


Pflichtfach


Pflichtkennz.:

2231Fachgebiet:


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



Seite 36 von 208





Seite 37 von 208


siehe Fachbeschreibung

Modulnummer:


Modul:


Spezielle Aspekte Integrierter Hard- und Software-Systeme101320

Lernergebnisse




Seite 38 von 208

Spezielle Aspekte Integrierter Hard- und Software-Systeme


Modul:

Spezielle Aspekte Integrierter Hard- und Softwaresysteme



7793

Fachverantwortlich:

Sprache:Prüfungsleistung mündlich

Fachnummer:

Deutsch


Fachabschluss:

2 2 0



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 undEntwurf integrierter Hard- und Softwaresysteme

Literatur

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


Pflichtfach


Pflichtkennz.:

2235Fachgebiet:

Art der Notengebung: Generierte Noten







Seite 39 von 208


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 Reality(Schwerpunkt 2)8228

Lernergebnisse

Bachelor, Grundlagen Computergrafik




Seite 40 von 208



Modulnummer:


Modul:


Geometrische Modellierung101321

Lernergebnisse




Seite 41 von 208

Geometrische Modellierung


Modul:

Geometrische Modellierung



240

Fachverantwortlich:

Sprache:Prüfungsleistung schriftlich 60 min

Fachnummer:

Deutsch


Fachabschluss:

3 1 0



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, simpliziale Komplexe.Orientierung, Orientierbarkeit Mannigfaltigkeiten (3-, 2-Mannigfaltigkeit mit, bzw. ohne Rand) 2-Mannigfaltigkeit alssimplizialer Komplex, Pseudo 2-Mannigfaltigkeit. Polyedertehorie: Polyedersatz, Eulercharakteristik, Platonische Körper(Hinweise: Kristalle, Dreiecksnetze / Speicherbedarf. geometriebasierte Datenkompression.) Euleroperatoren, EulerPoincarré Charakteristik. Euler Operatoren auf simplizialen Komplexen, abstrakte Polyeder. Beispiele für Euler-PoincarréCharakteristik Überblick / Zusammenhänge der Definitionen (reguläre Mengen, 2-Mannigfaltigkeiten / simpl. Kompl. Euler)Konkrete Darstellung von Objekten als 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. IntuitionistischeInzidenzrelation. 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 undKonstruktion. Methode mit Stützgeraden. Erweiterung auf höhere Dimensionen. Konvexe Hüllen. Fächermethode nachGraham + 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, adaptive Zerlegung /Approximation. Eigenschaften:Positive Definiteness, Variation-Diminishing-

Inhalt

Vorkenntnisse

Algorithmen und Datenstrukturen, Computergrafik Grundlagen / lineare Algebra


Vermittlung mathematischer und informationstechnischer Grundlagen geometrischer Modellierungssoftware / ComputerAided Design (CAD). Die Vorlesung wendet sich sowohl an Entwickler von CAD-Software, als auch an den interessiertenAnwender solcher Systeme.


Pflichtfach


Pflichtkennz.:

2252Fachgebiet:


Seite 42 von 208

Medienformen

Aktuelle Skripte / Ergänzungen, siehe Vorlesungs-Webseiten des Fachgebietes Grafische Datenverarbeitung (Fakultät IA)

Eigenschaft Bezier Flächen. Zerlegung in Zeilen- und Spaltenkurven. Adaptive, rekursive Zerlegung v. Bezierflächen nach deCasteljau. Computer Algebra Methoden (Gröbner Basen, Resultante) Polynomgrad von Flächen und Trimmkurven sowieFlächenschnitten. 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, parametrisches Modellieren mit CAD .

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 of print. For an online copy:http://www.cs.purdue.edu/homes/cmh/distribution/books/geo.html )





Master Mathematik und Wirtschaftsmathematik 2008

Seite 43 von 208


Kompetenz in der Entwicklung grafischer Benutzeroberflächen GUIs (Softwaretechnologie und Entwurfskriterien, Usability)

Modulnummer:


Modul:


Interaktive Grafik / Virtuelle Realität(2 aus 3)101485

Lernergebnisse




Seite 44 von 208

Interaktive Grafik / Virtuelle Realität(2 aus 3)


Modul:

Interaktive Grafik / Virtuelle Realität



101487

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:



Medienformen

Skripte als Powerpoint und PDF

Grundlagen Interaktiver Benutzeroberflächen: Input Handling (logical devices, request, sampling, event-mode, Vergleich derMethoden)Objekt-orientiertes Event-handling / Widget ClassesSoftwaretechnik für GUI:Entwurfsmuster, Aspect-orientierter Entwurf vs. objekt-orientierte Methoden, UIMS, GUI Design(Usability), Diskussion spezieller Interaktions-Konzepte f. 2D- und 3D-Interaktion mit der Maus (Usability Aspekte)Virtual Reality: Grundlagen & Geräte, Tracking Systeme, Augmented Reality Technologie

Inhalt

Vorkenntnisse

/


Kompetenz in der Entwicklung grafischer Benutzeroberflächen GUIs (Softwaretechnologie und Entwurfskriterien, Usability)

Literatur

/


Pflichtfach


Pflichtkennz.:

2252Fachgebiet:


Prüfung beinhaltet die beiden individuell gewählten Fächer




Seite 45 von 208



Modul:

Computergrafik 2



241

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0



Der Schwerpunkt der Vorlesung liegt auf Echtzeitansätzen, die möglichst realistische Darstellung, mittels effizienterAlgorithmen und spezieller Grafikeffekte ermöglichen, sowie deren Umsetzung auf aktueller Grafikhardware. Ein Ausblick aufdie freie Programmierbarkeit von Grafikkarten (GPGPU) wird gegeben.Die Vorlesung beginnt mit einer Gegenüberstellung physik-basierter Renderingverfahren, welche physikalisch korrekteDarstellungen ermöglichen (z.B. Photontracing) im Vergleich zu vereinfachten, hardwareunterstützten Verfahren (fixedfunction pipeline). Eine Abschätzung der Anzahl Photonen einer Beispiel-Lichtquelle dient als Hinweise für die Schwierigkeit,bzw. potentielle Unmöglichkeit einer Echtzeitimplementierung von Photontracing:

• Als einfachster Ansatz werden Algorithmen der fixed function OpenGL Pipeline und deren hardwarenaheProgrammierung auf aktueller Grafikarchitektur genauer beleuchtet: • Shader Prozessoren, programmierbare Shader • Hardwarearchitektur: nVidia Fermi / Kepler-Architektur • Programmierung von GPUs, SIMD, Multi Threading, bedingte Verzweigung • Parallelisierung, Pipeline-Architektur, Pipeline-Stalls, Caches, Latenz, Throughput (bandwidth), vertex, vs fill-ratelimitation, load balancing, latency hiding • Echtzeit Darstellung fast unbegrenzten Datenmengen auf GPUs - Visibility-guided Rendering (VGR): Culling Verfahren,Hardware Occlusion Culling, Beschleunigungsstrukturen. Technische Einzelheiten: Out-of core, asynchronous, memorymanagement • Randomized z-buffer -Ansatz • Virtual Textures (Very large Textures) • Shadow Maps, Perspective shadow maps, Cascaded Shadow Maps • Post Processing: Blur filter, Depth of Field, Soft Shadows, Area Light sources, Penumbrae, SSAO, Gradient, LaPlace

Inhalt

Vorkenntnisse

Die Vorlesung basiert auf den Grundlagen welche in der Grundlagenvorlesung „Computergrafik“ im Bachelor-StudiengangInformatik vermittelt wurden. Die dort eingeführten Konzepte der homogenen Koordinatentransformationen,Farbwahrnehmung, Farbräume, Lichtausbreitung, BRDF, Einführung in die Bildverarbeitung (Bildtransformation, Sampling,Filterung), sowie Verfahren des Raytracing, bzw. Photonmapping, und die Bildsynthese basierend auf Rasterkonvertierungund das Texturmapping, sowie die Funktionsweise einer Fixed Function Graphics Pipeline werden bei dieser Vorlesungvorausgesetzt.


Verständnis für Echtzeit Computergrafik, Grafikeffekte, wie sie in Computerspielen und Virtueller Realität Verwendung finden.Echtzeitrendering großer Datenmengen, Hardwarenahe GPU-Programmierung


Pflichtfach


Pflichtkennz.:

2252Fachgebiet:


Seite 46 von 208

Medienformen

Skripte als Powerpoint und PDF

• Deferred Shading, Große Anzahl Lichtquellen, Anti Aliasing for DS, HDRI, Tone Mapping • BRDF Encoding Global Illum in Materials: Spherical Harmonics, BTFVoxel Cone Tracing, Reflective Shadow Maps, Instant Radiosity, cascaded light propagation volumes, Light Skin- Verfahren

Literatur

/







Seite 47 von 208



Modul:

Computerspiele


Prof. Dr. Wolfgang Broll

8269

Fachverantwortlich:

Sprache:über Komplexprüfung alternativ

Fachnummer:

Englisch, auf NachfrageDeutsch


Fachabschluss:

2 1 0



Medienformen

Presentations, demonstrations, slides, practical game development

The course will cover the following topics: - Game genres, USK - Game design - Gaming hardware, game engines, scriptinglanguages - Collision detection and resolution, game physics - Graphics and rendering - Character animation - Game AI -Audio programming - Networked games - Audio visual - Game production - Next-gen games

Inhalt

Vorkenntnisse

Fundamentals in computer graphics, programming, and modelling


Students will learn the major technologies for game development as used in particular for current 3D games.

Literatur

Introduction to Game Development, Steve Rabin (ed.), 2nd ed., Charles River Media Further literature to be announced in thelecture


Pflichtfach

Fakultät für Wirtschaftswissenschaften und Medien

Pflichtkennz.:

2557Fachgebiet:


<p>Proof of performance is an evaluation of the course of study to create computer game (evaluation criteria include design,concept, implementation, gameplay, presentation, demonstration, documentation, user manual). </p><divid="gt-res-c" class="g-unit"><div id="gt-res-p"><div id="gt-res-data"><div id="gt-res-wrap"><div id="gt-res-content"class="almost_half_cell"><div dir="ltr" style="-ms-zoom: 1;"><span id="result_box" lang="en"><spanclass="hps">For</span> <span class="hps">MKW</span> <span class="hps">Master</span> <spanclass="hps">recognition</span> <span class="hps">can occur</span> <span class="hps">as a specialization</span><span class="hps">modules</span> <span class="hps">through</span> <span class="hps">the provision</span><span class="hps">of</span> <span class="hps">additional service</span> <span class="hps">in addition to</span> <spanclass="hps">game development</span>.</span></div></div></div></div></div></div>



Master Medien- und Kommunikationswissenschaft 2013


Seite 48 von 208

Master Medientechnologie 2009



Seite 49 von 208



Modul:

Interaktive Computergrafiksysteme / Virtuelle Realität



236

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0



Medienformen

Scripte und Folienkopien

1. Teil: Grundzüge der Mensch-Computer Interaktion: Von Eingabegeräten über Betriebssystemunterstützung zurSoftwaretechnik. Aspekte der Benutzerfreundlichkeit anhand von Standardsoftware sowie Spezialanwendungen - InputHandling (logical devices / GKS, request, sampling, event-mode, Vergleich der Methoden) - Softwaretechnologiekonzepte fürGUI: Objekt-orientiertes Event-handling / Widgets - GUI Design (Anforderungen und Entwurfsgrundsätze) - Softwaretechnikfür GUI: Aspect-orientierter Entwurf vs. objekt-orientierte Methoden, Entwurfsmuster, UIMS - Diskussion speziellerInteraktions-Konzepte f. 2D- und 3D-Interaktion für das "Desktop Paradigma" (Usability Aspekte, Diskussion derEntwurfsregeln an Beispiel-Anwendungen) 2. Teil beschäftigt sich mit speziellen Geräten und Methoden der Virtuellen undErweiterten Realität - 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 den vermitteltenGrundagen (nach eventueller Vertiefung im Detail, bzw. mit geeigneten Softwarewerkzeugen) selbständig interaktiveAnwendungen 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. Alan Kay, 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. Erich Gamma, Richard Helm, Ralph Johnson und John Vlissides, Addison


Pflichtfach


Pflichtkennz.:

2252Fachgebiet:





Seite 50 von 208

Bachelor Ingenieurinformatik 2008






Seite 51 von 208


Teil EV3D:Der Student erhält einen umfassenden Überblick zu Verfahren der Rekonstruktion von Objektoberflächen oder zurAbstandsanalyse zu ausgewählten Objektpunkten in dreidimensionalen Szenen sowohl aus systemtechnischer Sicht der alsauch aus Sicht der dabei einzusetzenden Verfahren zur Ermittlung räumlicher Information aus digitalen Bildern. MöglicheAnwendungsgebiete dieser Gestaltsanalysen sind sehr vielfältig, z.B. computergrafische Modellierungen dreidimensionalerObjekte (Reverse Engineering), Abstandsmessungen in der Fahrzeugsteuerung, Oberflächeninspektionen oder Prüfungenauf Maßhaltigkeit in der Qualitätssicherung, Lageschätzungen oder Hindernislokalisierung in der Robotik bzw. derSicherheitstechnik. Verfahren zur Gestaltsrekonstruktion beinhalten in starkem Maße Prozesse der klassischenBildverarbeitung. Genauso sind zur Erfüllung von Erkennungsaufgaben mit Bildverarbeitung heutzutage zunehmend 3D-Aspekte zu berücksichtigen.Aufbauend auf den vermittelten Inhalten ist der Student befähigt, sein Wissen in konkreten Anwendungen in einem der obengenannten Felder einzusetzen.Teil WTV:In der Vorlesung lernen die Studenten unterschiedlichste Methoden kennen, wie sie insbesondere numerische Datensätzefür die Visualisierung aufbereiten und auf verschiedensten Medien darstellen können. Während des Seminars üben sie dazudie praktische Umsetzung unter Einsatz existierender und selbst geschriebener Programme. Als Programmiersprachenkommen hierbei vor allem Java und JavaScript zum Einsatz. Interessierte Studenten können ihre Lösungen aber auch inanderen Sprachen umsetzen oder z.B. ihre Kenntnisse in Sprachen/Vektorgrafikformaten wie Postscript oder SVG vertiefen.Im Seminar bearbeiten die Studenten zunächst vorgegebene gleichartige Problemstellungen und üben so verschiedensteVisualisierungstechniken. Mit fortschreitendem Semester lösen sie auch eigene Problemstellungen, z.B. solche die ausanderen Fächern oder eigenen studentischen Arbeiten resultieren. Dadurch erfolgt eine bedarfsorientierte Vertiefung derKenntnisse und Fähigkeiten. Kurzvorstellungen der eigenen Lösungen vor der Gruppe üben die Präsentation vonEntwicklungsergebnissen.Am Ende der Veranstaltung haben die Studenten sowohl einen breiten Überblick über Visualisierungsmöglichkeiten imAllgemeinen als auch vertiefte Kenntnisse und Fähigkeiten zu für sie relevanten Problemstellungen. Die Breite umfassthierbei verschiedenste Anwendungsszenarien wie Präsentation in Dokumenten, Vorträgen und interaktiven Beispielen bis hinzu visuellen und ggfs. interaktiven Debuggingausgaben.

Modulnummer:


Modul:


3D-Bildverarbeitung & Visualisierung101486

Lernergebnisse




Seite 52 von 208

3D-Bildverarbeitung & Visualisierung


Modul:



Dr. Rico Nestler

101488

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:



Inhalt

Vorkenntnisse

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




Pflichtfach


Pflichtkennz.:

2252Fachgebiet:


Seite 53 von 208

Medienformen

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

Das Modul 3D-Bildverarbeitung & Visualisierung beinhaltet die Veranstaltungen

• Erfassung und Verarbeitung von 3D-Daten (Inhalt siehe dort), gelesen im Sommersemester • Wissenschaftlich-Technische Visualisierung

Literatur

Literatur Erfassung und Verarbeitung von 3D Daten

• R. Hartley, A. Zisserman: Multiple View Geometry in computer vision. Cambridge University Press, 2010, ISBN 987-0-521-54051-3 • G. Hauske, Systemtheorie der visuellen Wahrnehmung. Shaker Verlag 2003, ISBN 978-3832212933 • R. Klette, A. Koschan, K. Schlüns: Computer Vision – Räumliche Information aus digitalen Bildern. Vieweg Verlag,Braunschweig/Wiesbaden, 1996, ISBN 3-528-06625-3 • W. Richter: Grundlagen der Technischen Optik, Vorlesungsskripte, Technische Universität Ilmenau, Institut fürLichttechnik und Technische Optik, Fachgebiet Technische Optik • R. Zhang et.al.: Shape from Shading: A Survey. IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINEINTELLIGENCE, Vol. 21, Nr. 8, S. 690-706, 1999 • O. Schreer: Stereoanalyse und Bildsynthese, Springer, 2005, ISBN 3-540-23439-X • Middlebury Stereo Vision Page:Taxonomy and comparison of many two-frame stereo correspondence algorithms.http://vision.middlebury.edu/stereo/ • sowie die Vorlesungsunterlagen zu den FächernGrundlagen der Bildverarbeitung und Mustererkennung bzw.Grundlagen der FarbbildverarbeitungLiteratur Wissenschaftlich Technische Visualisierunghttps://www.tu-ilmenau.de/gdv/lehre/ss2015/wtv/

Modulprüfung schriftlich 120 min





Seite 54 von 208



https://www.tu-ilmenau.de/gdv/lehre/ws2014/gdbvme/

https://www.tu-ilmenau.de/gdv/lehre/ss2015/gdfbv/

https://www.tu-ilmenau.de/gdv/lehre/ss2015/wtv/



Modul:

Erfassung und Verarbeitung von 3D-Daten


Dr. Rico Nestler

239

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0



Die Veranstaltung „Erfassung und Verarbeitung von 3D-Daten“ widmet sich technischen Ansätzen zur Gewinnung vonTiefeninformationen, den dabei erforderlichen Verarbeitungsaspekten sowie Grundzügen der weiteren Verarbeitung vongewonnenen 3D-Punktewolken.Neben einem allgemeinen und auch geschichtlichen Überblick zu Verfahren zur Ermittlung der Raumgestalt von Objektenbilden optische / visuelle Ansätze einen besonderen Schwerpunkt dieser Vorlesung. Die Verarbeitungsaspekte zurGewinnung der 3D-Information werden dabei ansatzbezogen diskutiert. Die ausführliche Darstellung der klassischenVerfahren wird durch aktuelle Ansätze, wie die Weißlichtinterferometrie, die Fokusvariation oder das Time of Flight-Prinzipergänzt. Die Veranstaltung schließt in einem Grundlagenteil wichtige systemtechnische, optische und geometrischeGesetzmäßigkeiten von Bildaufnahmeprozessen sowie Grundzüge der projektiven Geometrie ein.Gliederung der Vorlesung:

• Wahrnehmungsphysiologische Aspekte der 3D-Erfassung • Technische Grundansätze zur Tiefenwahrnehmung • Geometrische Transformationen und projektive Geometrie • Monokulare Verfahren: Depth from -Motion, -Shading, -Texture, -Fokus • Binokulare Verfahren: Stereoansatz, Kalibrierung von Kamerasystemen, Topometrische Verfahren,

Inhalt

Vorkenntnisse



Der Student erhält einen umfassenden Überblick zu Verfahren der Rekonstruktion von Objektoberflächen oder zurAbstandsanalyse zu ausgewählten Objektpunkten in dreidimensionalen Szenen sowohl aus systemtechnischer Sicht der alsauch aus Sicht der dabei einzusetzenden Verfahren zur Ermittlung räumlicher Information aus digitalen Bildern. MöglicheAnwendungsgebiete dieser Gestaltsanalysen sind sehr vielfältig, z.B. computergrafische Modellierungen dreidimensionalerObjekte (Reverse Engineering), Abstandsmessungen in der Fahrzeugsteuerung, Oberflächeninspektionen oder Prüfungenauf Maßhaltigkeit in der Qualitätssicherung, Lageschätzungen oder Hindernislokalisierung in der Robotik bzw. derSicherheitstechnik. Verfahren zur Gestaltsrekonstruktion beinhalten in starkem Maße Prozesse der klassischenBildverarbeitung. Genauso sind zur Erfüllung von Erkennungsaufgaben mit Bildverarbeitung heutzutage zunehmend 3D-Aspekte zu berücksichtigen.Aufbauend auf den vermittelten Inhalten ist der Student befähigt, sein Wissen in konkreten Anwendungen in einem der obengenannten Felder einzusetzen


Pflichtfach


Pflichtkennz.:

2252Fachgebiet:


Seite 55 von 208

Medienformen


Korrespondenzanalyse • Schnitttechnologien: CT, MRT, PET, Fokusvariation, konfokale Mikroskopie • Laufzeittechniken • Prinzip der Weißlichtinterferometrie, Time of Flight • Subpixelgenaues Erfassen von Strukturorten (Punkte, Kanten) • Überblick zu ersten Verarbeitungsschritten der Low-Level-3D-Punktewolkenverarbeitung: Ausreißerentfernung,Homogenisierung, Regularisierung, Triangulation, SegmentierungDie Veranstaltung ist begleitet von einem Seminar, in dem Vorlesungsinhalte nachbereitet und vertieft diskutiert werden.

Literatur

• R. Hartley, A. Zisserman: Multiple View Geometry in computer vision. Cambridge University Press, 2010, ISBN 987-0-521-54051-3 • G. Hauske, Systemtheorie der visuellen Wahrnehmung. Shaker Verlag 2003, ISBN 978-3832212933 • R. Klette, A. Koschan, K. Schlüns: Computer Vision – Räumliche Information aus digitalen Bildern. Vieweg Verlag,Braunschweig/Wiesbaden, 1996, ISBN 3-528-06625-3 • W. Richter: Grundlagen der Technischen Optik, Vorlesungsskripte, Technische Universität Ilmenau, Institut fürLichttechnik und Technische Optik, Fachgebiet Technische Optik • R. Zhang et.al.: Shape from Shading: A Survey. IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINEINTELLIGENCE, Vol. 21, Nr. 8, S. 690-706, 1999 • O. Schreer: Stereoanalyse und Bildsynthese, Springer, 2005, ISBN 3-540-23439-X • Middlebury Stereo Vision Page:Taxonomy and comparison of many two-frame stereo correspondence algorithms.http://vision.middlebury.edu/stereo/ • sowie die Vorlesungsunterlagen zu den FächernGrundlagen der Bildverarbeitung und Mustererkennung bzw.Grundlagen der Farbbildverarbeitung









Seite 56 von 208



http://www.tu-ilmenau.de/gdv/lehre/ws2014/gdbvme/

http://www.tu-ilmenau.de/gdv/lehre/ss2014/gdfbv/



Modul:

Wissenschaftlich-Technische Visualisierung



238

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

1 1 0



Methoden zur Visualisierung von Datensätzen (z.B. Mess- oder Simulationsdaten) betrachtet unter den Aspekten:

• Arten von zu visualisierenden Daten (Skalare, Vektoren, Tensoren mit numerischen und ggfs. auch nicht-numerischenWerten) und grundsätzliche Möglichkeiten ihrer Visualisierung • Möglichkeiten der Nutzung verschiedenster Ausgabemedien (ggfs.inkl. Interaktion), z.B. Web-Browser, Vektorgrafik,Pixelgrafik, 3D und ggfs. Konvertierungsmöglichkeiten zwischen den hierfür genutzten FormatenSchwerpunkte bilden dabei:

• Transformationsschritte zur Aufbereitung der Daten für die Visualisierung, u.a.Verfahren zur Bestimmung von Iso-Linien,Schnitten, Iso-Flächen, Objektkanten sowie allgemeinere Vorverarbeitungsschritte zur Datenaufbereitung/-reduktion/-filterung • Renderingtechniken für 3D-Daten • Methoden zur effizienten Behandlung großer Datenmengen (z.B. Multiresolutionsansätze)Möglichkeiten zur Visualisierung spezieller Datenstrukturen mittels Graphen

Inhalt

Vorkenntnisse

Computergrafik


In der Vorlesung lernen die Studenten unterschiedlichste Methoden kennen, wie sie insbesondere numerische Datensätzefür die Visualisierung aufbereiten und auf verschiedensten Medien darstellen können. Während des Seminars üben sie dazudie praktische Umsetzung unter Einsatz existierender und selbst geschriebener Programme. Als Programmiersprachenkommen hierbei vor allem Java und JavaScript zum Einsatz. Interessierte Studenten können ihre Lösungen aber auch inanderen Sprachen umsetzen oder z.B. ihre Kenntnisse in Sprachen/Vektorgrafikformaten wie Postscript oder SVG vertiefen.Im Seminar bearbeiten die Studenten zunächst vorgegebene gleichartige Problemstellungen und üben so verschiedensteVisualisierungstechniken. Mit fortschreitendem Semester lösen sie auch eigene Problemstellungen, z.B. solche die ausanderen Fächern oder eigenen studentischen Arbeiten resultieren. Dadurch erfolgt eine bedarfsorientierte Vertiefung derKenntnisse und Fähigkeiten. Kurzvorstellungen der eigenen Lösungen vor der Gruppe üben die Präsentation vonEntwicklungsergebnissen.Am Ende der Veranstaltung haben die Studenten sowohl einen breiten Überblick über Visualisierungsmöglichkeiten imAllgemeinen als auch vertiefte Kenntnisse und Fähigkeiten zu für sie relevanten Problemstellungen. Die Breite umfassthierbei verschiedenste Anwendungsszenarien wie Präsentation in Dokumenten, Vorträgen und interaktiven Beispielen bis hinzu visuellen und ggfs. interaktiven Debuggingausgaben.


Pflichtfach


Pflichtkennz.:

2252Fachgebiet:


Seite 57 von 208

Medienformen

Folien (PDF), Beispiele in verschiedensten Formaten (HTML/JavaScript, SVG, Postscript etc.)

Literatur

Literatur unter:https://www.tu-ilmenau.de/gdv/lehre/ss2015/wtv/






Seite 58 von 208



Nach dem Besuch der Veranstaltungen dieses Moduls verfügen die Studierenden über fortgeschrittene Kenntnisse inausgewählten Bereichen der Datenanalyse mit Methoden der Statistik, des maschinellen Lernens und der Logik. Sie könnenProblemstellungen und Lösungen aus diesem Bereichen erklären und bewerten. Die Studierenden sind in der Lage, dievermittelten 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 und Soft Computing(Schwerpunkt 3)8231

Lernergebnisse

keine



keine


Seite 59 von 208


Ziel des Moduls ist es, Kompetenzen auf dem Gebiet der fortschrittlichen Methoden der modernen Wissensverarbeitung zuvermitteln. Die Studierenden kennen und verstehen die Strategien der Datenverarbeitung mit evolutionären/genetischenAlgorithmen, mit Inferenzmethoden der KI und dem großen Spektrum des Datamining und können diese fürinformatische/ingenieurinformatische Problemstellungen anwenden. Die Studierenden sind mit den methodischenGrundlagen vertraut und können die wichtigsten Datenanalyse und –verarbeitungs Techniken erkennen und bewerten, sowietypische Informatikaufgaben mit ihrer Hilfe analysieren und lösen. Sie sind in der Lage, diese Kompetenzen in denSyntheseprozess komplexer ingenieurtechnischer und informatischer Projekte einfließen zu lassen. Die Studierenden kennenund verstehen die grundlegenden Wirkprinzipien von Produkten und Verfahren, bei deren Entwicklung Methoden derWissensverarbeitung und des Datamining Anwendung fanden, können diese analysieren, bewerten und bei weiterführendenSyntheseprozessen mitwirken. Die Studierenden sind in der Lage, Fach- Methoden- und Systemkompetenz fürInferenzmethoden, Datamining und Evolutionäre/genetische Algorithmen in interdisziplinären Teams zu vertreten und grundlegende Sachverhalte dazu klar und korrekt zu kommunizieren.

Modulnummer:

Prof. Dr. Rainer Knauf

Modul:


Knowledge Engineering101324

Lernergebnisse

keine




Seite 60 von 208

Knowledge Engineering


Modul:




101152

Fachverantwortlich:


Fachnummer:

deutsch


Fachabschluss:



Medienformen

siehe Beschreibung der einzelnen Fächer

Inhalt

Vorkenntnisse

keine


Ziel des Moduls ist es, Kompetenzen auf dem Gebiet der fortschrittlichen Methoden der modernen Wissensverarbeitung zuvermitteln. Die Studierenden kennen und verstehen die Strategien der Datenverarbeitung mit evolutionären/genetischenAlgorithmen, mit Inferenzmethoden der KI und dem großen Spektrum des Datamining und können diese fürinformatische/ingenieurinformatische Problemstellungen anwenden. Die Studierenden sind mit den methodischenGrundlagen vertraut und können die wichtigsten Datenanalyse und –verarbeitungs Techniken erkennen und bewerten, sowietypische Informatikaufgaben mit ihrer Hilfe analysieren und lösen. Sie sind in der Lage, diese Kompetenzen in denSyntheseprozess komplexer ingenieurtechnischer und informatischer Projekte einfließen zu lassen. Die Studierenden kennenund verstehen die grundlegenden Wirkprinzipien von Produkten und Verfahren, bei deren Entwicklung Methoden derWissensverarbeitung und des Datamining Anwendung fanden, können diese analysieren, bewerten und bei weiterführendenSyntheseprozessen mitwirken. Die Studierenden sind in der Lage, Fach- Methoden- und Systemkompetenz fürInferenzmethoden, Datamining und Evolutionäre/genetische Algorithmen in interdisziplinären Teams zu vertreten und grundlegende Sachverhalte dazu klar und korrekt zu kommunizieren.

Literatur


Pflichtfach


Pflichtkennz.:

2238Fachgebiet:






Seite 61 von 208


Seite 62 von 208



Modul:

Data Mining



221

Fachverantwortlich:


Fachnummer:

Deutsch, auf NachfrageEnglisch


Fachabschluss:

2 0 0



Medienformen

Skript, Power-Point Präsentation, Aufgabensammlung

(1) Motivation, typische Aufgabenklassen und Anwendungen, Stufenprozess zur Modellbildung, Entropie der Information, (2)Erlernen von Entscheidungsbäumen: schrittweise Verfeinerung von ID3 zu C 4.5 (numerische Attribute, fehlende Attribute),(3) Entscheidungsbäume über regulären Patterns, (4) Erlernen von Klassifikationsregeln: binäre Klassifikation nach JohnStuard Mill (JSM), (5) Assoziations-Analyse und deren Verfeinerung (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 entscheidungsunterstützende Systeme, 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 Methodsand Applications, ISBN 978-0-8493-8522-3, Boca Raton, FL u.a.: Auerbach, 2008.


Pflichtfach


Pflichtkennz.:

2238Fachgebiet:








Seite 63 von 208

Seite 64 von 208



Modul:

Evolutionäre Verfahren


Dr. Klaus Debes

101153

Fachverantwortlich:


Fachnummer:

deutsch


Fachabschluss:

1 0 0



Medienformen

Power Point Folien, Java Applikationen

Nichtlineare Optimierungsstrategien auf der Basis Genetischer Algorithmen (GA) und Evolutionärer Strategien (ES):verschiedene Mischformen von GA und ES, Optimierung von neuronalen Netzen und Fuzzy-Logik mit GA und ES,interdisziplinäre Anwendungsbeispiele

Inhalt

Vorkenntnisse

Besuch der Vorlesung Softcomputing / Fuzzy Logic wünschenswert


naturwissenschaftliche und angewandte Grundlagen der evolutionären und genetischen Algorythmen, Einbindung desangewandten Grundlagenwissens in das allgemeine System der Informationsverarbeitung (Computational Intellience)

Literatur

Gerdes; Klawonn; Kruse.: Evolutionäre Algorithmen: Genetische Algorithmen - Strategien und Optimierungsverfahren –Beispielanwendungen. Viehweg, Wiesbaden, 2004 Weicker, K.: Evolutionäre Algorithmen. Teubner, Stuttgart, 2002Rechenberg, I.: Evolutionsstrategie 94. Frommann-Holzboog, Stuttgart, 1994 (u.v.a.m., Reihung ohne Wichtung!)


Pflichtfach


Pflichtkennz.:

2233Fachgebiet:


gehört zur Modulprüfung Knowledge Engineering (sPL 120 min) Anteil 30 min






Seite 65 von 208



Modul:

Inferenzmethoden



220

Fachverantwortlich:


Fachnummer:



Fachabschluss:

2 0 0



Medienformen

Skript, Power-Point Präsentation, Aufgabensammlung

(1) Prädikatenkalkül der ersten Stufe (PK1): Wiederholung und sinnvolle Ergänzungen (Sortenlogik, Prädikatenkalkül derersten Stufe mit Gleichheit) (2) problembezogene Wissensrepräsentationen der KI und Varianten der Implementierung vonInferenzmethoden darüber (3) Deduktion: Grundlagen, Deduktionssysteme, Komplexitätsbetrachtungen (4) Induktion undmaschinelles Lernen: Erlernen von Klassifikationsregeln aus Beispielen, Erlernen eines besten induktiven Schlusses imPrädikatenkalkül der ersten Stufe, Verfahren zur Ermittlung des speziellsten Anti-Unifikators über PK1-Ausdrücken,Klassifikation nach Bayes

Inhalt

Vorkenntnisse

Kenntnisse in mathematischer Logik: Prädikatenkalkül der 1. Stufe, Deduktion, Programmierfertigkeiten in LogischerProgrammierung (alle Vorkenntnisse nach erfolgreicher Absolvierung der LV Künstliche Intelligenz vor)


angewandte Grundlagen, Vermittlung neuester Techniken

Literatur

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


Pflichtfach


Pflichtkennz.:

2238Fachgebiet:







Seite 66 von 208


Seite 67 von 208



Modulnummer:


Modul:


Verteilte Algorithmen101325

Lernergebnisse




Seite 68 von 208

Verteilte Algorithmen


Modul:




256

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0



Medienformen

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

Die Entwicklung verteilter Softwaresysteme ist keine einfache Aufgabe. Zahlreiche Facetten der Ungewissheit, hervorgerufendurch Asynchronität, Kommunikationsausfälle oder Ausfälle von Teilen der Algorithmen selbst machen es schwer, verteilteSoftwaresysteme mit garantierten Eigenschaften wie Korrektheit oder Robustheit zu versehen.Dieser Kurs konzentriert sich auf die Grundlagen verteilter Algorithmen. Besprochen werden zunächst Ausagen über dieMöglichkeiten und Grenzen verteilter Algorithmen sowie synchrone und asynchrone Modelle zu ihrer Spezifikation undAnalyse; anschließend werden elementare verteilte Algorithmen zur Ordnung verteilter Ereignisse, zur Synchronisation undzum Erzielen von Konsens vorgestellt, die trotz Asynchronität und partieller Ausfälle 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 verteilter Algorithmen undlernen die theoretischen Grenzen des Machbaren kennen. Sie lernen fundamentale Algorithmen verteilter Systeme kennen,ihre typischen Einsatzszenarien, Voraussetzungen, ihre Leistungen und Kosten (Komplexitätsmäße). Sie erhaltenFähigkeiten zur Analyse, Bewertung und Einsatz verteilter Algorithmen in unterschiedlichsten Anwendungsdomänen wiebeispielweise eingebettete verteilte Systeme, verteilte Echtzeitsysteme oder weitverteilte Informationssysteme.

Literatur

aktuelle Literatur siehe Webseiten des Kurses


Pflichtfach


Pflichtkennz.:

2255Fachgebiet:


mündliche Prüfung (20 min)


Seite 69 von 208




Seite 70 von 208



Modulnummer:


Modul:


Knowledge Discovery in Databases101326

Lernergebnisse




Seite 71 von 208

Knowledge Discovery in Databases


Modul:

Knowledge Discovery in Databases



8232

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0



Medienformen

Vorlesung mit Präsentation und Tafel, Handouts, Moodle

Einführung; Grundlagen: Statistik, Daten, Datenaufbereitung; Klassische Data-Mining-Techniken: Clustering, FrequentItemset Mining, Klassifikation; Online Mining in Datenströmen: Datenstromverarbeitung, Datenzusammenfassungen,Frequent Pattern Mining, Clustering in Datenströmen, Klassifikation; Graph Mining: Mustersuche in Graphen, Erkennen vonCommunities, Erkennung häufiger Subgraphen, Spatio-Temporal Mining: Sequential Pattern Mining, räumliche Ausreißer undClustering, 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 kennenden Prozess der Wissensentdeckung in Datenbanken sowie konkrete Teilaufgaben dieses Prozesses. Sie verstehenVerfahren zum Data Mining für spezielle Problemstellungen wie die Analyse von Datenströmen, raum- bzw. zeitbezogenenDaten 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:






Seite 72 von 208






Seite 73 von 208



Modulnummer:


Modul:


Data-Warehouse-Technologien101327

Lernergebnisse




Seite 74 von 208

Data-Warehouse-Technologien


Modul:

Data-Warehouse-Technologien



246

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0



Medienformen

Vorlesung mit Präsentation und Tafel, Handouts, Moodle

Einführung & Grundbegriffe; Data-Warehouse-Architektur; Multidimensionale Datenmodellierung: Fakten und Dimensionen,ER-Erweiterungen zur multidimensionalen Modellierung; ETL-Prozess, Transformationsaufgaben, Datenqualität; Anfragen anData Warehouses: SQL-Erweiterungen, Cube- und Rollup-Operatoren, OLAP-Funktionen, MDX; Speicher- undIndexstrukturen, Column Stores, Datenkompression, Bitmap-Indexe und UB-Baum; Anfrageverarbeitung und -optimierung inData 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 Prinzipien verschiedenerDatenbanktechniken aus dem Bereich der Modellierung, der Speicher- und Indexorganisation sowie der Anfrageformulierungund -auswertung und können diese hinsichtlich ihrer Anwendbarkeit bewerten.Die Studierenden sind in der Lage, aktuelle Datenbanktechnologien zum Entwurf und Aufbau von Data Warehouses zubewerten und anzuwenden. Sie können praktische Szenarien analysieren und eigene Data-Warehouse-Lösungenentwickeln.

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:




Seite 75 von 208








Seite 76 von 208


Nachdem Studierende diese Veranstaltung besucht haben, kennen sie die Grundlagen verteilter und parallelerDatenmanagementlösungen. Sie verstehen die Prinzipien dieser Techniken und können darauf aufbauend selbst Lösungenentwickeln. Die Studierenden können Techniken zur Anfrageverarbeitung, Replikation und Konsistenzsicherung erklären undhinsichtlich ihrer Vor- und Nachteile für verschiedene Einsatzzwecke bewerten. Sie sind in der Lage, verteilte Datenbanken zu entwerfen und aktuelle Datenbanktechnologien verteilter und parallelerSysteme zu bewerten und anzuwenden.

Modulnummer:


Modul:


Distributed Data Management101328

Lernergebnisse

Vorlesung Datenbanksysteme, Transaktionale Informationssysteme



keine


Seite 77 von 208

Distributed Data Management


Modul:

Distributed Data Management



101155

Fachverantwortlich:


Fachnummer:

Englisch


Fachabschluss:

2 1 1



Medienformen

Vorlesung mit Präsentationen und Tafel, Handouts, Moodle

Einführung und Motivation; Grundlagen verteilter Datenbanken: Architektur und Datenverteilung, verteilteAnfrageverarbeitung, Replikationsverfahren; Parallele Datenbanksysteme: Architektur und Datenverteilung, paralleleAnfrageverarbeitung, Shared-Disk-Systeme; Web-Scale Data Mangement: 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 selbst Lösungenentwickeln. Die Studierenden können Techniken zur Anfrageverarbeitung, Replikation und Konsistenzsicherung erklären undhinsichtlich ihrer Vor- und Nachteile für verschiedene Einsatzzwecke bewerten.Sie sind in der Lage, verteilte Datenbanken zu entwerfen und aktuelle Datenbanktechnologien verteilter und parallelerSysteme zu bewerten und anzuwenden

Literatur

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


Pflichtfach


Pflichtkennz.:

2254Fachgebiet:







Seite 78 von 208





Seite 79 von 208


Detailliertes fortgeschrittenes Verständnis und Kenntnisse auf dem Gebiet der Leistungsbewertung von technischenAnwendungen der Informatik.Fachkompetenz: Die Studierenden verstehen detailliert Verfahren und Herangehensweisen für die Modellierung undLeistungsbewertung technischer Systeme mit Softwareanteil. Die Studenten sind in der Lage, fehlertolerante undsicherheitskritische Systeme zu entwerfen und zu realisieren.Methodenkompetenz: Die Studierenden sind in der Lage, Methoden des modellbasierten Systementwurfs auf konkreteProblemstellungen anzuwenden.Sozialkompetenz: Die Studierenden sind in der Lage, praktische Problemstellungen des System-Engineering in der Gruppezu lösen und zu präsentieren.

Modulnummer:


Modul:


System- und Software-Engineering(Schwerpunkt 4)8233

Lernergebnisse

Bachelor Informatik, Ingenieurinformatik, Wirtschaftsinformatik oder vergleichbar




Seite 80 von 208


Fachkompetenz (20%). Die Studierenden können die Werkzeuge des Software Engineering in einem konkretenProjektkontext anwenden. Sie können die Aussagekraft / Qualität der jeweiligen Ergebnisse bewerten. Die Studierenden sindfähig Softwareentwicklungsprozesse zu analysieren und auf die jeweiligen Gegebenheiten eines Projektes anzupassen. Sieverstehen Architekturmuster / ~stile und können diese im Projektkontext einsetzen.Methodenkompetenz (40%). Die Studierenden sind fähig die vorgestellten Entwicklungsmethoden und ~werkzeugeanzuwenden und deren Ergebnisse früh im Entwicklungsprozess abzuschätzen. Sie sind fähig aus den vermitteltenMethoden und Werkzeugen für ein gegebenes Projekt die passenden auszuwählen und anzuwenden.Sozialkompetenz (40%). Die Studierenden lernen die Erfordernisse und Ergebnisse von Softwareentwicklungsprozesseninnerhalb einer Entwicklergruppe kennen und können deren Bedeutung für ein Softwareprojekt innerhalb einer Firmaeinschätzen. Sie lernen auch die große Bedeutung der "weichen" Faktoren innerhalb von Softwareentwicklungsprozessenkennen und können deren Auswirkungen abschätzen. Die Studierenden sind fähig die Auswirkungen vonArchitekturentscheidungen im Kontext einer Entwicklergruppe zu bewerten. Hintergründe der Projektarbeit, Anforderungenund die Bedeutung sozialer Netzwerke sind den Studenten bekannt.

Modulnummer:

Prof. Dr. Detlef Streitferdt

Modul:


Softwarearchitekturen - von Requirements zum angepassten Entwurf101329

Lernergebnisse

Kenntnisse aus den Vorlesungen Softwaretechnik 1/2 sind von Vorteil.





Seite 81 von 208

Softwarearchitekturen - von Requirements zum angepassten Entwurf


Modul:

Softwarearchitekturen - von Requirements zum angepassten Entwurf


Prof. Dr. Detlef Streitferdt

101151

Fachverantwortlich:


Fachnummer:

deutsch


Fachabschluss:

3 2 0



Medienformen

• Vorlesungsfolien • PDF Dokumente (auch wissenschaftliche Beiträge)

Diese Vorlesung vermittelt Studenten der Informatik und Ingenieurinformatik Methoden und Techniken des Software Engineering. Über die Einbettung der Aktivitäten in den Softwareentwicklungsprozess werden die einzelnen Schritte und inden Übungen vertieft. Die Veranstaltung enthält die Erarbeitung von Softwarearchitekturzielen, Beschreibungsansätze derverschieden Modelle und Dokumente, Vorgehen bei der Entwicklung (Prozesse), Entscheidungsfindung, Architekturstile / -muster und ihre Qualitätseigenschaften, sowie die Prüfung/Bewertung von Architekturen.(Die Vorlesung wird in Deutsch gehalten, einige der Materialien sind jedoch nur in Englisch verfügbar - was allerdings imHinblick 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. Die Studierenden sindfähig Softwareentwicklungsprozesse zu analysieren und auf die jeweiligen Gegebenheiten eines Projektes anzupassen. Sieverstehen Architekturmuster / ~stile und können diese im Projektkontext einsetzen.Methodenkompetenz (40%). Die Studierenden sind fähig die vorgestellten Entwicklungsmethoden und ~werkzeugeanzuwenden und deren Ergebnisse früh im Entwicklungsprozess abzuschätzen. Sie sind fähig aus den vermitteltenMethoden und Werkzeugen für ein gegebenes Projekt die passenden auszuwählen und anzuwenden.Sozialkompetenz (40%). Die Studierenden lernen die Erfordernisse und Ergebnisse von Softwareentwicklungsprozesseninnerhalb einer Entwicklergruppe kennen und können deren Bedeutung für ein Softwareprojekt innerhalb einer Firmaeinschätzen. Sie lernen auch die große Bedeutung der "weichen" Faktoren innerhalb von Softwareentwicklungsprozessenkennen und können deren Auswirkungen abschätzen. Die Studierenden sind fähig die Auswirkungen vonArchitekturentscheidungen im Kontext einer Entwicklergruppe zu bewerten. Hintergründe der Projektarbeit, Anforderungenund die Bedeutung sozialer Netzwerke sind den Studenten bekannt.


Pflichtfach


Pflichtkennz.:

223AFachgebiet:


Seite 82 von 208

• Prozessbeschreibungen (HTML), Templates

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 of ReusableObject-Oriented Software”, Addison Wesley, 1995.[Mart 2009] Robert C. Martin, „Clean Code“, Prentice Hall, 2009.[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-Based RiskIdentification", 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 & Systems RequirementsEngineering 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", John Wiley &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 Proceedings of the 5thIEEE 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 to SoftwareSpecifications", 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 undPraxis“, 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) FeasibilityStudy”, 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 Best Industrial Practicein 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.

Seite 83 von 208

[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 oder2007.[Spin 2009] D. Spinellis and G. Gousios, Beautiful Architecture: Leading Thinkers Reveal the Hidden Beauty in SoftwareDesign. O’Reilly Media, 2009.

Im Verlauf der Veranstaltung werden die Dokumente zu den einzelnen Softwareentwicklungsphasen derjeweiligen Gruppenprojekte erstellt. Es wird zwei Dokumente und eine Schlusspräsentation geben, die indie Note einfließen.

(1) Ein Requirementsdokument(2) Die Architekturbeschreibung / das Architekturdokument(3) Die finale Präsentationfließen zu 50% und zu gleichen Anteilen in die Abschlussnote mit ein.







Seite 84 von 208



Modulnummer:


Modul:


Security Engineering101330

Lernergebnisse




Seite 85 von 208

Security Engineering


Modul:




1542

Fachverantwortlich:


Fachnummer:

Deutsch/Englisch


Fachabschluss:

2 2 0



Medienformen

Handouts, Präsentationsmaterial, Diskussionsblätter, Übungsaufgabenmaterial

This course is an advanced course on systems security. It focuses on methodological engi-neering of security properties of ITsystems based on formal security models. In an early stage of the engineering process formal security models are used forthe precise and unambiguous representation of security policies which then are analyzed by static model checking and si-mulative model execution. Successful models afterwards are transformed via specification languages into executable codewhich finally is integrated into a system’s TCB. The course is organized in lectures and workshops; while theoreticalknowledge is imparted in traditional lectures and exercises, practical skills are trained in 5 workshops. Course topics are •Requirements Engineering • Model Engineering • Specification Engineering • TCB Engineering

Inhalt

Vorkenntnisse

Bachelor Informatik, WP-Fach Systemsicherheit


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

Literatur

Aktuelle Literatur siehe Web der Veranstaltung


Pflichtfach


Pflichtkennz.:

2255Fachgebiet:


mündliche Prüfung (20 min) im Prüfungszeitraum








Seite 86 von 208

Seite 87 von 208


Die Studierenden lernen theoretische Aspekte (Syntax, Semantik) von Programmiersprachen und praktische Ansätze(Interpreter, Compiler) zu deren Implementierung kennen (Fachkompetenz). Sie lernen den Einsatz von Analyse- undÜbersetzungstechniken (Methodenkompetenz) und den Zusammenhang mit dem Softwareentwicklungsprozess(Systemkompetenz).

Modulnummer:


Modul:


Programmiersprachen101331

Lernergebnisse

Algorithmen und Programmierung (1. Semester)



keine


Seite 88 von 208

Programmiersprachen


Modul:

Programmiersprachen


Dr. José Baltasar Trancón Widemann

101179

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:



Medienformen



Inhalt

Vorkenntnisse



Die Studierenden lernen theoretische Aspekte (Syntax, Semantik) von Programmiersprachen und praktische Ansätze(Interpreter, Compiler) zu deren Implementierung kennen (Fachkompetenz). Sie lernen den Einsatz von Analyse- undÜbersetzungstechniken (Methodenkompetenz) und den Zusammenhang mit dem Softwareentwicklungsprozess(Systemkompetenz).

Literatur

wird aktuell im Web veröffentlicht


Pflichtfach


Pflichtkennz.:

2256Fachgebiet:


Der Abschluss besteht aus zwei Teilen (Compilertechnik und Spezielle Aspekte von Programmiersprachen)




Seite 89 von 208

Programmiersprachen


Modul:

Compilertechnik



101180

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0



Medienformen

Präsentationen, Handouts, Lehrbücher, Übungsaufgaben

Compiler sind Programmierwerkzeuge, welche Programme aus einer Quell- in eine Zielsprache übersetzen, wobeiwesentliche Bedeutungseigenschaften zu erhalten sind. Die Zielsprache kann ein Maschinencode sein, der von einemphysikalischen Prozessor direkt ausgeführt wird, oder ein anderes Format zur Weiterverarbeitung mit anderer Software; dasZiel ist in jedem Fall die eventuelle Ausführung des Programms. Für die Übersetzung sind zahlreiche Schritte notwendig:

• Syntaktische Analyse • Semantische Analyse • Diagnose • Optimierung • CodeerzeugungDiese werden einzeln und im Zusammenspiel in Theorie und Anwendung behandelt.

Inhalt

Vorkenntnisse

Bachelor


Die Studierenden lernen die wichtigsten Aspekte und Schritte der bedeutungserhaltenden Transformation von Programmen,mit dem Ziel der Ausführbarkeit auf einem Computer, kennen. Sie erwerben methodische und fachliche Kompetenzen in derDefinition und Analyse von Syntax und Semantik einer Quellsprache. Sie erhalten einen Überblick über die vielfältigenFormen von Zielsprachen in der modernen Compilertechnik.

Literatur

Wird aktuell im Web veröffentlicht


Pflichtfach


Pflichtkennz.:

2256Fachgebiet:





Seite 90 von 208

Programmiersprachen


Modul:

Spezielle Aspekte von Programmiersprachen



101181

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0



Medienformen

Präsentationen, Handouts, Tafel, Live-Demonstrationen, Diskussionen

Ausgewählte spezielle Aspekte von Programmiersprachen, nach aktuellen Entwicklungen und Interessen der Studierenden,aus den Gebieten:

• Typsysteme • abstrakte/virtuelle Maschinen • domänenspezifische Sprachen • Nicht-Standard-Programmierparadigmen • Metaprogrammierung • Sprachmittel und Programmiermuster • nichtausführende WerkzeugeAktive Teilnahme (Kurzvorträge, Diskussion) wird erwartet.

Inhalt

Vorkenntnisse

Compilertechnik


Die Studierenden lernen ausgewählte historische oder aktuelle Trends in der Definition und Implementierung vonProgrammiersprachen kennen (Fachkompetenz). Sie werden in die Lage versetzt, Programmiersprachen nach theoretischen,technologischen und ergonomischen Eigenschaften zu beschreiben und beurteilen (Methodenkompetenz).

Literatur

Wird aktuell im Web veröffentlicht


Pflichtfach


Pflichtkennz.:

2256Fachgebiet:


Modulprüfung




Seite 91 von 208



Modulnummer:


Modul:


Leistungsbewertung Technischer Systeme101318

Lernergebnisse






Seite 92 von 208



Modul:




101158

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

2 2 0



Medienformen

Folien und Aufgabenzettel: verfügbar über Webseite der Lehrveranstaltung.Ergänzende Informationen als Tafelanschrieb.

Modellierung und Leistungsbewertung diskreter technischer SystemeGrundlagen (Stochastische Grundlagen, Stochastische Prozesse)Modelle (Markov-Ketten, stochastische Petri-Netze, farbige stochastische Petri-Netze)Bewertungsverfahren (numerische Analyse, Simulation, Beschleunigungsverfahren)Ausgewählte Anwendungsgebiete, Bewertung zuverlässiger Systeme

Inhalt

Vorkenntnisse




Literatur

siehe Webseiten der Lehrveranstaltung sowie Hinweise in der ersten Vorlesung


Pflichtfach


Pflichtkennz.:

2236Fachgebiet:







Seite 93 von 208


Seite 94 von 208



Modulnummer:


Modul:


Objektorientierte Modellierung101332

Lernergebnisse




Seite 95 von 208

Objektorientierte Modellierung


Modul:

Objektorientierte Modellierung



101154

Fachverantwortlich:

Sprache:Prüfungsleistung alternativ 90 min

Fachnummer:

Deutsch


Fachabschluss:

2 1 0



Medienformen

/

Die Unified Modeling Language (UML) ist eine standardisierte Sprache zur Modellierung der Struktur und des Verhaltens vontechnischen aber auch nichttechnischen Systemen. Sie wird in vielen Bereichen der Informatik angewendet. Einigegrundlegende Elemente der UML wurden in anderen Lehrveranstaltungen bereits vorgestellt. Im Rahmen dieserVeranstaltung werden alle Diagramme der UML im Detail erläutert. Anhand des Metamodells soll ein Verständnis dergrundlegenden Struktur der UML vermittelt werden. Zudem dient das Metamodell als Beispiel für die Modellierung derStruktur eines komplexen Systems. Den Schwerpunkt dieser Lehrveranstaltung bildet jedoch die Verhaltensmodellierung. Mitinsgesamt 7 Diagrammtypen bietet die UML verschiedene Möglichkeiten hierfür. Es soll gezeigt werden, wie sich dieseDiagramme auch z.B. zur Modellierung von Geschäftsprozessen verwenden lassen und welche Spezialisierungen bzw.Erweiterungen existieren (Systems Modeling Language (SysML), Object Contstraint Language (OCL), Business ProcessModeling Notation (BPMN)).Im Rahmen des zugehörigen Seminars soll das Verhalten und die Struktur eines selbst gewählten technischen Systems imTeam nach einem einfachen Vorgehen modelliert werden. Diese sollen Lösungen zu gestellten Modellierungsaufgabenbeinhalten.

Inhalt

Vorkenntnisse

Grundlagen der objektorientierten ProgrammierungHilfreich: Grundlagen des UML-Klassendiagramms


Fähigkeiten der Modellierung des Verhaltens und der Struktur von Systemen mit Hilfe der UML

Literatur

Chris Rupp, Stefan Queins, Barbara Zengler:UML2 glasklar – Praxiswissen für die UML-Modellierung, 3. aktualisierte Auflage, 2007, HanserBernd Oestereich, Stefan Bremer (Mitarbeit):Analyse und Design mit UML 2.3, 9. Auflage, 2009, OldenbourgGernot Starke, Mike Beedle:Effektive Software-Architekturen, Ein praktischer Leitfaden., 4. aktualisierte Auflage, 2009, Hanser, ISBN 9-783446-420083


Pflichtfach


Pflichtkennz.:

2236Fachgebiet:



Seite 96 von 208

Der Abschluss in diesem Fach umfasst zwei Teile. Zum einen die bewerteten Ergebnisse aus dem Seminar (30%) und zumanderen die Ergebnisse aus einer schriftl. Prüfung (70%).Im Rahmen des zugehörigen Seminars soll das Verhalten und die Struktur eines selbst gewählten technischen Systems imTeam nach einem einfachen Vorgehen modelliert werden. Diese sollen Lösungen zu gestellten Modellierungsaufgabenbeinhalten.Verbindliche Anmeldung bis spätestens einen Monat nach Semesterbeginn!








Seite 97 von 208


Die Studierenden lernen in diesem Modul grundlegende Entwurfsmethoden, Paradigmen, Modelle, Architekturprinzipien undImplementierungstechniken für verteilte oder mobiler Softwaresysteme und ihrer Kommunikation kennen.

Modulnummer:


Modul:


Mobile und verteilte Kommunikations- undInformationssysteme(Schwerpunkt 5)

8237

Lernergebnisse

Siehe individuelle Fächerbeschreibungen



keine


Seite 98 von 208



Modulnummer:


Modul:


Verteilte Algorithmen101325

Lernergebnisse




Seite 99 von 208



Modul:




256

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0



Medienformen

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

Die Entwicklung verteilter Softwaresysteme ist keine einfache Aufgabe. Zahlreiche Facetten der Ungewissheit, hervorgerufendurch Asynchronität, Kommunikationsausfälle oder Ausfälle von Teilen der Algorithmen selbst machen es schwer, verteilteSoftwaresysteme mit garantierten Eigenschaften wie Korrektheit oder Robustheit zu versehen.Dieser Kurs konzentriert sich auf die Grundlagen verteilter Algorithmen. Besprochen werden zunächst Ausagen über dieMöglichkeiten und Grenzen verteilter Algorithmen sowie synchrone und asynchrone Modelle zu ihrer Spezifikation undAnalyse; anschließend werden elementare verteilte Algorithmen zur Ordnung verteilter Ereignisse, zur Synchronisation undzum Erzielen von Konsens vorgestellt, die trotz Asynchronität und partieller Ausfälle 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 verteilter Algorithmen undlernen die theoretischen Grenzen des Machbaren kennen. Sie lernen fundamentale Algorithmen verteilter Systeme kennen,ihre typischen Einsatzszenarien, Voraussetzungen, ihre Leistungen und Kosten (Komplexitätsmäße). Sie erhaltenFähigkeiten zur Analyse, Bewertung und Einsatz verteilter Algorithmen in unterschiedlichsten Anwendungsdomänen wiebeispielweise eingebettete verteilte Systeme, verteilte Echtzeitsysteme oder weitverteilte Informationssysteme.

Literatur

aktuelle Literatur siehe Webseiten des Kurses


Pflichtfach


Pflichtkennz.:

2255Fachgebiet:




Seite 100 von 208




Seite 101 von 208



Modulnummer:


Modul:


Verteilte Echtzeitsysteme101333

Lernergebnisse




Seite 102 von 208

Verteilte Echtzeitsysteme


Modul:

Verteilte Echtzeitsysteme



260

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

3 1 0



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 die grundlegendenAufgaben, Funktionen und Eigenschaften verteilter Echtzeitsysteme kennen und erwerben Kenntnisse über die Methoden,Paradigmen und Prinzipien, nach denen echtzeitfähige Systeme konstruiert werden sowie die Techniken und Algorithmenihrer Programmierung. Sie erwerben die Fähigkeit, verteilte Echtzeitsysteme bezüglich ihrer Leistungen in unterschiedlichenAnwendungsdomänen zu analysieren, zu bewerten und einzusetzen.

Literatur

wird aktuell im Web veröffentlicht


Pflichtfach


Pflichtkennz.:

2255Fachgebiet:









Seite 103 von 208

Seite 104 von 208



Modulnummer:


Modul:


Advanced Networking Technologies101334

Lernergebnisse




Seite 105 von 208

Advanced Networking Technologies


Modul:




5642

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

3 0 0



Der Fokus der Vorlesung liegt auf modernen Netzwerktechnologien. Momentan sind die Hauptthemen Sensor Networks undContent Delivery Networks:1. Adhoc & Sensor Networks – Motivation & Applications2. Node Architecture: Sensor node architecture, Energy supply and consumption, Runtime environments for sensor nodes,Case study: TinyOS3. Network Architecture: Network scenarios, Optimization goals, Design principles, Service interface, Gateway concepts.4. Medium Access Control5. Link Layer6. Naming & Addressing7. Localization & Positioning8. Topology Control9. ID Centric Routing10. Content Based Networking in Sensor Networks11. Introduction to Content Networking: Introduction & Motivation, Overview over basic approaches.12. Caching Techniques for Web Content13. Caching Techniques for Streaming Media14. Navigating Content Networks

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, fortgeschrittenenEntwicklungen in der Netzwerktechnologie. Sie erkennen die besonderen Anforderungen an das Kommunikationssubsystemin ressourcenbeschränkten Umgebungen wie drahtlosen Sensornetzen sowie die jeweiligen Optimierungsmöglichkeiten aufden einzelnen Schichten und können diese im Kontext konkreter Szenarien einschätzen. Die Studierenden kennen diegrundsätzlichen Ansätze, wie interessante Daten an sehr große Nutzerpopulationen verteilt werden können. Sie verstehendie unterschiedlichen Protokollkonzepte hierfür und können diese bewerten.Methodenkompetenz: Die Studierenden sind in der Lage, für einzelne Teilaufgaben der Systemoptimierung geeigneteZielfunktionen zu identifizieren. Weiterhin können sie die bei der Optimierung gemäß mehrerer Zielfunktionen auftretendenZielkonflikte erkennen und gegeneinander abwägen.


Pflichtfach


Pflichtkennz.:

2253Fachgebiet:


Seite 106 von 208

Medienformen

Vorlesung mit Tafel und Folien-Präsentationen, Arbeitsblätter, Lehrbuch

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 Kaufmann Publishers,2005.







Seite 107 von 208



Modulnummer:


Modul:


Schutz von Kommunikationsinfrastrukturen101335

Lernergebnisse




Seite 108 von 208

Schutz von Kommunikationsinfrastrukturen


Modul:




5641

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

3 0 0



Medienformen


Die Lehrveranstaltung behandelt Risiken und Bedrohungen sowie Maßnahmen zum Schutz vonKommunikationsinfrastrukturen. Aufbauend auf einer grundlegenden Klassifikation und einer Abgrenzung zum Inhalt derGrundlagenvorlesung Network Security werden insbesondere die Bereiche Schutz der Verfügbarkeit von Diensten undSystemen, sicherheitsgerechter Systementwurf und -implementierung, Angriffserkennung und Reaktion auf Angriffe, sowieHerausforderungen der Netzsicherheit in Umgebungen mit besonderen Randbedingungen (Adhoc Netze, Sensornetze etc.)thematisiert. 1. Introduction & Motivation 2. Denial of Service Attacks and Countermeasures 3. Protection of IP PacketTransport, Routing and DNS 4. Security Aware System Design and Implementation 5. Intrusion Detection and Response 6.Security in Sensor Networks (Challenges in Constraint Environments)

Inhalt

Vorkenntnisse

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


• Fachkompetenz: Die Studierenden verfügen über Kenntnisse zu Risiken und Bedrohungen sowie Maßnahmen zum Schutzvon Kommunikationsinfrastrukturen. Sie kennen die speziellen Techniken und Gefahren von Sabotageangriffen und könnendie spezifischen Risiken bei der Einführung neuer Gegenmaßnahmen gegen Sabotageangriffe 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 zum Schutz vonKommunikationsinfrastrukturen.

Literatur

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


Pflichtfach


Pflichtkennz.:

2253Fachgebiet:



Seite 109 von 208








Seite 110 von 208



Modulnummer:


Modul:


Advanced Mobile Communication Networks101359

Lernergebnisse

Vorkenntnisse - Bachelor degree, basics of communication networks




Seite 111 von 208



Modul:


ganzjährigTurnus:


100500

Fachverantwortlich:


Fachnummer:

Englisch


Fachabschluss:

2 2 0 2 2 0



Medienformen

Presentations

• Introduction • Medium Access Schemes • Mobility Management • TCP/IP • Self-Organization • IEEE 802.11 • Quality of Service • Ad Hoc Networks • Cognitive Radio Networks • LTE

Inhalt

Vorkenntnisse

Bachelor degree, basics of communication networks


The course introduces students in advanced topics in mobile data communication. It enables students to understand theresearch issues from a protocol- and system point of view, resulting from the mobility and the wireless transmission.

Literatur

iks see webpage www.tu-ilmenau.de/ics


Pflichtfach


Pflichtkennz.:

2235Fachgebiet:





Seite 112 von 208







Seite 113 von 208



Modulnummer:


Modul:


Cellular Communication Systems5844

Lernergebnisse




Seite 114 von 208



Modul:




100501

Fachverantwortlich:


Fachnummer:

Englisch


Fachabschluss:

2 2 0



Medienformen

Presentations with beamer, presentation slides

- Basics of mobile communications- GSM and GPRS- UMTS Architecture- Mobility management- Connection and session management- Wideband CDMA- Management of radio resources- UMTS radio access system- UMTS services- High-Speed Packet Access (HSPA)- Long-Term Evolution (LTE)- System Architecture Evolution (SAE)

Inhalt

Vorkenntnisse

Communication protocols and networks, basics of mobile communications


The course enables students to understand the functionalities and structure of UMTS systems.It enables students tounterstand network and protocol aspects of the system. Main topics are the network architechture, network elements,protocols, and services in UMTS systems.The course allows students to understand main functions as mobility management,radio resource allocation, link and session management, QoS aspects, as well as authentification, authorisation, andaccounting. To understand the development of UMTS also GSM and its data extension GPRS are treated as they are thefundamentals of UMTS. The course also introduces newer developments as HSPA, LTE and SAE.

Literatur

- Kaaranen, Ahtiainen, Laitinen, Naghian, Niemi. UMTS Networks – Architecture, Mobility and Services. Wiley, 2001- Schiller. Mobile Communications (German and English). Addison-Wesley, 2000- Holma, Toskala. WCDMA for UMTS. revised edition, Wiley, 2002- Dahlmann, Parkvall, Sköld. 4G: LTE/LTE-Advanced for Mobile Broadband, AP, 2011- Stefania Sesia, Issam Toufik, Matthew Baker. LTE - The UMTS Long Term Evolution: From Theory to Practice


Pflichtfach


Pflichtkennz.:

2235Fachgebiet:


Seite 115 von 208











Seite 116 von 208


Fachkompetenz: Die Studierenden verstehen Aufbau und Funktionsweise kognitiver Systeme und ihrer Teilkomponenten ausder kognitiven Robotik und der 2D/3D - Bildverarbeitung. Die Studierenden kennen Lernparadigmen, verschiedenen Artenvon technischen Sehsystemen bis hin zu Lösungsansätzen zur multimedialen Mensch-Maschine-Kommunikation.Methodenkompetenz: Die Studierenden sind in der Lage, technische Sehsysteme zu analysieren und zu konzipieren, dieüber Eigenschaften des Lernens verfügen und in autonom agierenden Systemen (z. B. Robotern) eingesetzt werden können.Sie sind in der Lage, vorhandenes Wissen in begrenzter Zeit erfolgreich zur Problemlösung in der kognitiven Robotikanzuwenden. 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 ehrlichen Arbeitsweise.

Modulnummer:

Prof. Dr. Horst-Michael Groß

Modul:


Kognitive Technische Systeme(Schwerpunkt 6)8197

Lernergebnisse

siehe Voraussetzungen der einzelnen Fachbeschreibungen




Seite 117 von 208



Modulnummer:


Modul:


Kognitive Robotik101336

Lernergebnisse




Seite 118 von 208

Kognitive Robotik


Modul:

Kognitive Robotik



181

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:



Medienformen

Arbeitsblätter zur Vorlesung, Übungsaufgaben, e-learning Module

Begriffsdefinitionen; Anwendungsbeispiele; Marktentwicklung; Basiskomponenten Kognitiver Roboter; Antriebskonzepte;aktive und passive / interne und externe Sensoren; Hindernisvermeidung; probabilistische Umgebungsmodellierung undSelbstlokalisation mittels distanzmessender Sensorik; Pfadplanung und Bewegungssteuerung; Steuerarchitekturen;grundlegende Aspekte der Mensch-Roboter-Interaktion; Simultaneous Localization and Mapping (SLAM) und dessenSpielarten; probabilistische Verfahren zur Zustandsschätzung (Kalman-Filter, Partikel-Filter, Hierarchische Partikel-Filter);visuell-basierte Umgebungs-modellierung; multimodale Verfahren zur Umgebungs-erfassung / Sensorfusion; Entwurf vonhybriden Steuerarchitekturen

Inhalt

Vorkenntnisse

Neuroinformatik


naturwissenschaftliche und angewandte Grundlagen, Einbindung des angewandten Grundlagenwissens in das System derInformationsverarbeitung eines Roboters

Literatur

Borenstein, Everett, Feng: Where am I? Sensors and Methods for Mobile Robot Positioning; online, 1996; Murphy:Introduction to AI Robotics, MIT Press, 2000


Pflichtfach


Pflichtkennz.:

2233Fachgebiet:





Master Biomedizinische Technik 2009

Master Technische Kybernetik und Systemtheorie 2014


Seite 119 von 208




Seite 120 von 208

Kognitive Robotik


Modul:

Kognitive Systeme / Robotik



181

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0



Medienformen


Begriffsdefinitionen; Anwendungsbeispiele; Marktentwicklung; Basiskomponenten Kognitiver Roboter; Antriebskonzepte;aktive und passive / interne und externe Sensoren; Hindernisvermeidung; probabilistische Umgebungsmodellierung undSelbstlokalisation mittels distanzmessender Sensorik; Pfadplanung und Bewegungssteuerung; Steuerarchitekturen;grundlegende Aspekte der Mensch-Roboter-Interaktion; Simultaneous Localization and Mapping (SLAM) und dessenSpielarten; probabilistische Verfahren zur Zustandsschätzung (Kalman-Filter, Partikel-Filter, Hierarchische Partikel-Filter);visuell-basierte Umgebungs-modellierung; multimodale Verfahren zur Umgebungs-erfassung / Sensorfusion; Entwurf vonhybriden Steuerarchitekturen

Inhalt

Vorkenntnisse

Neuroinformatik


naturwissenschaftliche und angewandte Grundlagen, Einbindung des angewandten Grundlagenwissens in das System derInformationsverarbeitung eines Roboters

Literatur

Borenstein, Everett, Feng: Where am I? Sensors and Methods for Mobile Robot Positioning; online, 1996; Murphy:Introduction to AI Robotics, MIT Press, 2000


Pflichtfach


Pflichtkennz.:

2233Fachgebiet:








Seite 121 von 208




Seite 122 von 208

Kognitive Robotik


Modul:

Lernen in kognitiven Systemen



182

Fachverantwortlich:


Fachnummer:

deutsch


Fachabschluss:

2 1 0



Medienformen

Power Point Folien, Programmieraufgaben

Begriffliche Grundlagen (Verhalten, Agenten, Stabilitäts-Plastizitäts-Dilemma, Exploration-Exploitation-Dilemma);Lernmethodiken (Lebenslanges Lernen, online-Lernen, Reinforcement-Lernen, Imitation Learning, One-shot-Lernen,statistisches Lernen); Ebenen des Lernens und der Wissensrepräsentation in Animals/Animates (sensomotorische/kognitiveIntelligenz, prozedurales/deklaratives Wissen); Konditionierungsarten; Reinforcement Learning (RL-Task,Basiskomponenten, starke/schwache RL-Verfahren; Policy/Value Iteration, Q-Learning, Eligibility Traces, RL in neuronalenAgenten); Exemplarische Software-Implementierungen von RL-Verfahren für Navigationsaufgaben, Spiele,Prozesssteuerungen; Lernen in Neuronalen Multi-Agenten Systemen.

Inhalt

Vorkenntnisse

Vorlesung Neuroinformatik


naturwissenschaftliche und angewandte Grundlagen, Einbindung des angewandten Grundlagenwissens derInformationsverarbeitung

Literatur

wird noch spezifiziert


Pflichtfach


Pflichtkennz.:

2233Fachgebiet:


mPL 30 min, im Modul kognitive Robotik








Seite 123 von 208


Seite 124 von 208


Ziel des Moduls ist es, Kompetenzen auf den Gebieten Mensch-Maschine-Interaktion und der maschinellen Bildverarbeitungauf mobilen Plattformen (Roboter) zu vermitteln. Die Studierenden kennen und verstehen die Strategien Bildaufnahme- undverarbeitungsalgorithmen und können diese für Fragestellungen der Kommunikation Mensch – Roboter anwenden. DieStudierenden sind mit den aus den Strategien abgeleiteten methodischen Grundlagen vertraut und können die wichtigstenVerarbeitungstechniken erkennen und bewerten, sowie typische Aufgaben der Bildverarbeitung auf Robotern für Navigationund Interaktion mit ihrer Hilfe analysieren und lösen. Sie sind in der Lage, diese Kompetenzen in den Syntheseprozesskomplexer Roboterprojekte einfließen zu lassen. Die Studierenden kennen und verstehen die grundlegenden Wirkprinzipienvon Kamera basiert arbeitenden mobilen Plattformen für Assistenz- und Servicezwecke, können diese analysieren, bewertenund bei weiterführenden Entwicklungsprozessen mitwirken. Die Studierenden sind in der Lage, Fach- Methoden- undSystemkompetenz für das Themenspektrum „Robotvision“ und „Mensch-Maschine-Interaktion“ in interdisziplinären Teamszu vertreten. Die Studierenden sind in der Lage, grundlegende Sachverhalte des Themenfeldes klar und korrekt zukommunizieren.

Modulnummer:


Modul:


Robotvision & MMI101337

Lernergebnisse

keine




Seite 125 von 208

Robotvision & MMI


Modul:

Robotvision & MMI



101148

Fachverantwortlich:


Fachnummer:

deutsch


Fachabschluss:



Medienformen

MMI: PowerPoint Folien, Videosequenzen; RV: Arbeitsblätter zur Vorlesung, Übungsaufgaben, e-learning Module

siehe Vorlesungen der einzelnen Fächer

Inhalt

Vorkenntnisse

keine


Ziel des Moduls ist es, Kompetenzen auf den Gebieten Mensch-Maschine-Interaktion und der maschinellen Bildverarbeitungauf mobilen Plattformen (Roboter) zu vermitteln. Die Studierenden kennen und verstehen die Strategien Bildaufnahme- undverarbeitungsalgorithmen und können diese für Fragestellungen der Kommunikation Mensch – Roboter anwenden. DieStudierenden sind mit den aus den Strategien abgeleiteten methodischen Grundlagen vertraut und können die wichtigstenVerarbeitungstechniken erkennen und bewerten, sowie typische Aufgaben der Bildverarbeitung auf Robotern für Navigationund Interaktion mit ihrer Hilfe analysieren und lösen. Sie sind in der Lage, diese Kompetenzen in den Syntheseprozesskomplexer Roboterprojekte einfließen zu lassen. Die Studierenden kennen und verstehen die grundlegenden Wirkprinzipienvon Kamera basiert arbeitenden mobilen Plattformen für Assistenz- und Servicezwecke, können diese analysieren, bewertenund bei weiterführenden Entwicklungsprozessen mitwirken. Die Studierenden sind in der Lage, Fach- Methoden- undSystemkompetenz für das Themenspektrum „Robotvision“ und „Mensch-Maschine-Interaktion“ in interdisziplinären Teamszu vertreten. Die Studierenden sind in der Lage, grundlegende Sachverhalte des Themenfeldes klar und korrekt zukommunizieren.

Literatur

Literatur der Fächer: MMI und RV


Pflichtfach


Pflichtkennz.:

2233Fachgebiet:


Die Prüfung besteht aus einer schriftlichen Klausur (120 min) und der nachgewiesenen Akltivübung im Fach Robotvision.





Seite 126 von 208




Seite 127 von 208

Robotvision & MMI


Modul:

Mensch-Maschine-Interaktion



101352

Fachverantwortlich:


Fachnummer:

deutsch


Fachabschluss:

2 0 0



Medienformen

PowerPoint Folien, Videosequenzen

Teilgebiete der video- und sprachbasierten Mensch-Maschine Kommunikation; Verfahren für videobasiertePersonendetektion/-tracking (optischer Fluss, Bayes-Filter: Kalman-Filter, Partikel Filter); videobasierte Erkennung vonNutzerinstruktionen (Zeigeposen und -gesten); videobasierte Schätzung von Alter, Geschlecht, Blickrichtung,Gesichtsausdruck, Körpersprache; Personenidentifikationsverfahren; sprachbasierte Erkennung von Nutzerinstruktionen undNutzerzustand (Kommandowort- und Spracherkennung, Prosodieerkennung); Audio-visuelle Integration; wichtigeBasisoperationen zur Analyse von Video- und Sprachdaten (Hauptkomponentenanalyse, Independent Component Analysis,Neuronale und probabilistische Mustererkenner; Bayes Filter und Partikel Filter Graph-Matching-Verfahren, Hidden-MarkovModelle (HMMs);

Inhalt

Vorkenntnisse

Vorlesung Neuroinformatik ist wünschenswert


naturwissenschaftliche und angewandte Grundlagen, Einbindung des angewandten Grundlagenwissens derInformationsverarbeitung für Problemstellungen der Mensch-Maschine Kommunikation und -Interaktion

Literatur

Görz, Rollinger, Scheeberger: Handbuch der Künstlichen Intelligenz, Oldenbourg Verlag 2000; Jähne, B.: DigitaleBildverarbeitung. Springer Verlag 2002; Li, S. und Jain, A.: Handbook of Face Recognition, Springer Verlag 2004


Pflichtfach


Pflichtkennz.:

2233Fachgebiet:








Seite 128 von 208



Seite 129 von 208

Robotvision & MMI


Modul:

Robotvision



183

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0



Medienformen


Basisoperationen für die vision-basierte Roboternavigation: Bewegungssehen und optischer Fluss; Tiefenwahrnehmungmittels Stereosehen; Inversperspektivische Kartierung; Visuelle Selbstlokalisation und visuelles SLAM (SimultaneousLocalization and Map Building); visuelle Aufmerksamkeit und Active-Vison Systeme; technische Sehsysteme für mobileRoboter; Neuronale Basisoperationen der visuo-motorischen Verarbeitung (funktionelle und topografische Abbildungen,Auflösungspyramiden, neuronale Felddynamik, ortsvariante Informationsverarbeitung); biologisch motivierte Invarianz- undAdaptationsleistungen (Farbadaptation, log-polare Abbildung); Exemplarische Software-Implementierungen vonBasisoperationen

Inhalt

Vorkenntnisse

LV Neuroinformatik


naturwissenschaftliche und angewandte Grundlagen, Einbindung des angewandten Grundlagenwissens derInformationsverarbeitung

Literatur

wird noch spezifiziert


Pflichtfach


Pflichtkennz.:

2233Fachgebiet:


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








Seite 130 von 208


Seite 131 von 208



Modulnummer:

Dr. Rico Nestler

Modul:


3D-Bildverarbeitung & Visualisierung101486

Lernergebnisse




Seite 132 von 208



Modul:



Dr. Rico Nestler

101488

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:



Inhalt

Vorkenntnisse





Pflichtfach


Pflichtkennz.:

2252Fachgebiet:


Seite 133 von 208

Medienformen


Das Modul 3D-Bildverarbeitung & Visualisierung beinhaltet die Veranstaltungen

• Erfassung und Verarbeitung von 3D-Daten (Inhalt siehe dort), gelesen im Sommersemester • Wissenschaftlich-Technische Visualisierung

Literatur

Literatur Erfassung und Verarbeitung von 3D Daten

• R. Hartley, A. Zisserman: Multiple View Geometry in computer vision. Cambridge University Press, 2010, ISBN 987-0-521-54051-3 • G. Hauske, Systemtheorie der visuellen Wahrnehmung. Shaker Verlag 2003, ISBN 978-3832212933 • R. Klette, A. Koschan, K. Schlüns: Computer Vision – Räumliche Information aus digitalen Bildern. Vieweg Verlag,Braunschweig/Wiesbaden, 1996, ISBN 3-528-06625-3 • W. Richter: Grundlagen der Technischen Optik, Vorlesungsskripte, Technische Universität Ilmenau, Institut fürLichttechnik und Technische Optik, Fachgebiet Technische Optik • R. Zhang et.al.: Shape from Shading: A Survey. IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINEINTELLIGENCE, Vol. 21, Nr. 8, S. 690-706, 1999 • O. Schreer: Stereoanalyse und Bildsynthese, Springer, 2005, ISBN 3-540-23439-X • Middlebury Stereo Vision Page:Taxonomy and comparison of many two-frame stereo correspondence algorithms.http://vision.middlebury.edu/stereo/ • sowie die Vorlesungsunterlagen zu den FächernGrundlagen der Bildverarbeitung und Mustererkennung bzw.Grundlagen der FarbbildverarbeitungLiteratur Wissenschaftlich Technische Visualisierunghttps://www.tu-ilmenau.de/gdv/lehre/ss2015/wtv/

Modulprüfung schriftlich 120 min





Seite 134 von 208



https://www.tu-ilmenau.de/gdv/lehre/ws2014/gdbvme/

https://www.tu-ilmenau.de/gdv/lehre/ss2015/gdfbv/




Modul:

Erfassung und Verarbeitung von 3D-Daten


Dr. Rico Nestler

239

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0



Die Veranstaltung „Erfassung und Verarbeitung von 3D-Daten“ widmet sich technischen Ansätzen zur Gewinnung vonTiefeninformationen, den dabei erforderlichen Verarbeitungsaspekten sowie Grundzügen der weiteren Verarbeitung vongewonnenen 3D-Punktewolken.Neben einem allgemeinen und auch geschichtlichen Überblick zu Verfahren zur Ermittlung der Raumgestalt von Objektenbilden optische / visuelle Ansätze einen besonderen Schwerpunkt dieser Vorlesung. Die Verarbeitungsaspekte zurGewinnung der 3D-Information werden dabei ansatzbezogen diskutiert. Die ausführliche Darstellung der klassischenVerfahren wird durch aktuelle Ansätze, wie die Weißlichtinterferometrie, die Fokusvariation oder das Time of Flight-Prinzipergänzt. Die Veranstaltung schließt in einem Grundlagenteil wichtige systemtechnische, optische und geometrischeGesetzmäßigkeiten von Bildaufnahmeprozessen sowie Grundzüge der projektiven Geometrie ein.Gliederung der Vorlesung:

• Wahrnehmungsphysiologische Aspekte der 3D-Erfassung • Technische Grundansätze zur Tiefenwahrnehmung • Geometrische Transformationen und projektive Geometrie • Monokulare Verfahren: Depth from -Motion, -Shading, -Texture, -Fokus • Binokulare Verfahren: Stereoansatz, Kalibrierung von Kamerasystemen, Topometrische Verfahren,

Inhalt

Vorkenntnisse



Der Student erhält einen umfassenden Überblick zu Verfahren der Rekonstruktion von Objektoberflächen oder zurAbstandsanalyse zu ausgewählten Objektpunkten in dreidimensionalen Szenen sowohl aus systemtechnischer Sicht der alsauch aus Sicht der dabei einzusetzenden Verfahren zur Ermittlung räumlicher Information aus digitalen Bildern. MöglicheAnwendungsgebiete dieser Gestaltsanalysen sind sehr vielfältig, z.B. computergrafische Modellierungen dreidimensionalerObjekte (Reverse Engineering), Abstandsmessungen in der Fahrzeugsteuerung, Oberflächeninspektionen oder Prüfungenauf Maßhaltigkeit in der Qualitätssicherung, Lageschätzungen oder Hindernislokalisierung in der Robotik bzw. derSicherheitstechnik. Verfahren zur Gestaltsrekonstruktion beinhalten in starkem Maße Prozesse der klassischenBildverarbeitung. Genauso sind zur Erfüllung von Erkennungsaufgaben mit Bildverarbeitung heutzutage zunehmend 3D-Aspekte zu berücksichtigen.Aufbauend auf den vermittelten Inhalten ist der Student befähigt, sein Wissen in konkreten Anwendungen in einem der obengenannten Felder einzusetzen


Pflichtfach


Pflichtkennz.:

2252Fachgebiet:


Seite 135 von 208

Medienformen


Korrespondenzanalyse • Schnitttechnologien: CT, MRT, PET, Fokusvariation, konfokale Mikroskopie • Laufzeittechniken • Prinzip der Weißlichtinterferometrie, Time of Flight • Subpixelgenaues Erfassen von Strukturorten (Punkte, Kanten) • Überblick zu ersten Verarbeitungsschritten der Low-Level-3D-Punktewolkenverarbeitung: Ausreißerentfernung,Homogenisierung, Regularisierung, Triangulation, SegmentierungDie Veranstaltung ist begleitet von einem Seminar, in dem Vorlesungsinhalte nachbereitet und vertieft diskutiert werden.

Literatur

• R. Hartley, A. Zisserman: Multiple View Geometry in computer vision. Cambridge University Press, 2010, ISBN 987-0-521-54051-3 • G. Hauske, Systemtheorie der visuellen Wahrnehmung. Shaker Verlag 2003, ISBN 978-3832212933 • R. Klette, A. Koschan, K. Schlüns: Computer Vision – Räumliche Information aus digitalen Bildern. Vieweg Verlag,Braunschweig/Wiesbaden, 1996, ISBN 3-528-06625-3 • W. Richter: Grundlagen der Technischen Optik, Vorlesungsskripte, Technische Universität Ilmenau, Institut fürLichttechnik und Technische Optik, Fachgebiet Technische Optik • R. Zhang et.al.: Shape from Shading: A Survey. IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINEINTELLIGENCE, Vol. 21, Nr. 8, S. 690-706, 1999 • O. Schreer: Stereoanalyse und Bildsynthese, Springer, 2005, ISBN 3-540-23439-X • Middlebury Stereo Vision Page:Taxonomy and comparison of many two-frame stereo correspondence algorithms.http://vision.middlebury.edu/stereo/ • sowie die Vorlesungsunterlagen zu den FächernGrundlagen der Bildverarbeitung und Mustererkennung bzw.Grundlagen der Farbbildverarbeitung









Seite 136 von 208



http://www.tu-ilmenau.de/gdv/lehre/ws2014/gdbvme/

http://www.tu-ilmenau.de/gdv/lehre/ss2014/gdfbv/



Modul:

Wissenschaftlich-Technische Visualisierung



238

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

1 1 0



Methoden zur Visualisierung von Datensätzen (z.B. Mess- oder Simulationsdaten) betrachtet unter den Aspekten:

• Arten von zu visualisierenden Daten (Skalare, Vektoren, Tensoren mit numerischen und ggfs. auch nicht-numerischenWerten) und grundsätzliche Möglichkeiten ihrer Visualisierung • Möglichkeiten der Nutzung verschiedenster Ausgabemedien (ggfs.inkl. Interaktion), z.B. Web-Browser, Vektorgrafik,Pixelgrafik, 3D und ggfs. Konvertierungsmöglichkeiten zwischen den hierfür genutzten FormatenSchwerpunkte bilden dabei:

• Transformationsschritte zur Aufbereitung der Daten für die Visualisierung, u.a.Verfahren zur Bestimmung von Iso-Linien,Schnitten, Iso-Flächen, Objektkanten sowie allgemeinere Vorverarbeitungsschritte zur Datenaufbereitung/-reduktion/-filterung • Renderingtechniken für 3D-Daten • Methoden zur effizienten Behandlung großer Datenmengen (z.B. Multiresolutionsansätze)Möglichkeiten zur Visualisierung spezieller Datenstrukturen mittels Graphen

Inhalt

Vorkenntnisse

Computergrafik


In der Vorlesung lernen die Studenten unterschiedlichste Methoden kennen, wie sie insbesondere numerische Datensätzefür die Visualisierung aufbereiten und auf verschiedensten Medien darstellen können. Während des Seminars üben sie dazudie praktische Umsetzung unter Einsatz existierender und selbst geschriebener Programme. Als Programmiersprachenkommen hierbei vor allem Java und JavaScript zum Einsatz. Interessierte Studenten können ihre Lösungen aber auch inanderen Sprachen umsetzen oder z.B. ihre Kenntnisse in Sprachen/Vektorgrafikformaten wie Postscript oder SVG vertiefen.Im Seminar bearbeiten die Studenten zunächst vorgegebene gleichartige Problemstellungen und üben so verschiedensteVisualisierungstechniken. Mit fortschreitendem Semester lösen sie auch eigene Problemstellungen, z.B. solche die ausanderen Fächern oder eigenen studentischen Arbeiten resultieren. Dadurch erfolgt eine bedarfsorientierte Vertiefung derKenntnisse und Fähigkeiten. Kurzvorstellungen der eigenen Lösungen vor der Gruppe üben die Präsentation vonEntwicklungsergebnissen.Am Ende der Veranstaltung haben die Studenten sowohl einen breiten Überblick über Visualisierungsmöglichkeiten imAllgemeinen als auch vertiefte Kenntnisse und Fähigkeiten zu für sie relevanten Problemstellungen. Die Breite umfassthierbei verschiedenste Anwendungsszenarien wie Präsentation in Dokumenten, Vorträgen und interaktiven Beispielen bis hinzu visuellen und ggfs. interaktiven Debuggingausgaben.


Pflichtfach


Pflichtkennz.:

2252Fachgebiet:


Seite 137 von 208

Medienformen

Folien (PDF), Beispiele in verschiedensten Formaten (HTML/JavaScript, SVG, Postscript etc.)

Literatur

Literatur unter:https://www.tu-ilmenau.de/gdv/lehre/ss2015/wtv/






Seite 138 von 208



Der Modul beinhaltet vertiefende Fächer, die sich mit Fragen aus mehreren Richtungen der Theoretischen Informatikauseinandersetzen, insbesondere aus dem Bereich der Algorithmik, der Komplexitätstheorie, der Automatentheorie und derLogik. Die Studierenden erwerben Fachkenntnisse in den gewählten Fächern sowie die Fähigkeit zur wissenschaftlichenArbeit im Bereich der Theoretischen Informatik.Die Lernergebnisse und Kompetenzen sind in den Fachbeschreibungen dargestellt.

Modulnummer:


Modul:


Algorithmik und Komplexität(Schwerpunkt 7)8201

Lernergebnisse

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




Seite 139 von 208



Modulnummer:

Prof. Dr. Dietrich Kuske

Modul:


Logik in der Informatik101339

Lernergebnisse




Seite 140 von 208

Logik in der Informatik


Modul:

Logik in der Informatik



9184

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

3 1 0



Medienformen

Tafel, Übungsblätter

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

Inhalt

Vorkenntnisse

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


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

Literatur

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


Pflichtfach


Pflichtkennz.:

2241Fachgebiet:






Seite 141 von 208



Modulnummer:


Modul:


Approximationsalgorithmen101340

Lernergebnisse




Seite 142 von 208

Approximationsalgorithmen


Modul:

Approximationsalgorithmen

ganzjährigTurnus:


230

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

3 1 0 3 1 0



Medienformen

Folien, Tafel, Übungsblätter

Grundbegriffe. Einführende Beispiele. Greedy Set Cover. Absolute Approximation: Färbung von planaren Graphen,Kantenfärbungen. Relative Approximation. Greedy-Verfahren und ihre Analyse. MAX-SAT, Metrisches TSP. Asymptotischerelative Approximation. Inputabhängige Approximation: Graphfärbungen. Polynomielle Approximationsschemata:Rucksackproblem. Asymptotisches Approximationsschema: Binpacking. Weitere Techniken: Lineare Programmierung undRandomisiertes Runden am Beispiel von MAX-SAT. Derandomisierung. Semidefinite Programmierung am Beispiel von Max-Cut. Approximate Counting und die Monte-Carlo-Methode.

Inhalt

Vorkenntnisse

Berechenbarkeit und Komplexitätstheorie, Effiziente Algorithmen


Fachkompetenz: Die Studierenden kennen die grundlegenden Konzepte des Bereichs der Approximationsalgorithmen,insbesondere die Definition von Optimierungsaufgaben und die Qualitätsstufen von Approximationsalgorithmen (absolute,relative Approximationsgüte, [voll] polynomielle Approximationsschemata, inputabhängige Approximation). Sie kennen dieWirkungsweise der relevanten Entwurfsprinzipien. Sie kennen die relevanten Analysetechniken. Die Studierenden kennendie zentralen Beispielprobleme, für die Approximationsalgorithmen entwickelt wurden, ihre Performanzparameter und dieAnalysemethode.Methodenkompetenz: Die Studierenden können die Entwurfsprinzipien auf verwandte Problemstellungen anwenden. Siekönnen Algorithmen und Probleme in die relevanten Klassen APX, PTAS, FPTAS usw. einsortieren. Sie können die zentralenAlgorithmen 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 and Approximation,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.


Pflichtfach


Pflichtkennz.:

2242Fachgebiet:



Seite 143 von 208

Findet statt im: SS 2014, WS 2015/2016





Seite 144 von 208



Modulnummer:


Modul:


Komplexitätstheorie101341

Lernergebnisse




Seite 145 von 208

Komplexitätstheorie


Modul:

Komplexitätstheorie



227

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

3 1 0 3 1 0



Medienformen

Tafelvortrag, Folien, teilweise schriftliche Ausarbeitung. Übungsblätter.

Theorie der NP-Vollständigkeit, polynomielle Hierarchie, randomisierte Komplexitätsklassen, Grundzüge der PCP-Theorieund Nicht-Approximierbarkeit.

Inhalt

Vorkenntnisse

Berechenbarkeit und Komplexitätstheorie, Effiziente Algorithmen


Fachkompetenz: Die Studierenden kennen das Konzept von polynomiellen Suchproblemen und polynomiellenOptimierungsproblemen. Sie kennen verschiedene Reduktionskonzepte (Turing, polynomielle Reduktion) sowie den Begriffder NP-Vollständigkeit und den Satz von Cook/Levin. Sie kennen die Implikationen der Eigenschaft „NP-vollständig“. DieStudierenden kennen die 20 wichtigsten NP-vollständigen Probleme sowie das Konzept der starken NP-Vollständigkeit. Siekennen die wesentlichen randomisierten Komplexitätsklassen, die polynomielle Hierarchie und Beziehungen zwischenbeiden. Sie kennen die Grundbegriffe der PCP-Theorie. Methodenkompetenz: Den Studierenden stehen die genannten Grundbegriffe als Basis für Argumentationen zur Verfügung.Sie sind in der Lage, den Satz von Cook/Levin zu beweisen, und auch die NP-Vollständigkeit für die in der Vorlesungbehandelten Probleme und abgewandelte Versionen hiervon. Sie können wesentliche Berechnungsproblemekomplexitätstheoretisch 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.


Pflichtfach


Pflichtkennz.:

2242Fachgebiet:


Findet statt im: WS 2013/2014, SS 2015



Seite 146 von 208



Seite 147 von 208



Modulnummer:


Modul:


Verifikation101342

Lernergebnisse




Seite 148 von 208

Verifikation


Modul:

Verifikation



101182

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

3 1 0



Medienformen

Tafel

LTL, CTL und CTL* für endliche Kripkestrukturen, OBDDs, LTL für Kellersysteme

Inhalt

Vorkenntnisse


Die Studenten kennen die Verfahren des Model Checkings mittels temporaler Logiken LTL, CTL und CTL*. Sie kennen dieBeschränkungen dieser Logiken bzgl. Ausdrucksstärke und Resourcenverbrauch der Entscheidungsverfahren. Sie könnenähnliche temporale Logiken bzgl. dieser Kriterien bewerten.

Literatur

Clark, Grumberg, Peled: Model Checking, MIT Press 2000. Gabbay, Hodkinson, Reynolds: Temporal Logic, Ox. Univ. Press 1994. Emerson: Temporal und Modal Logic. In: J. van Leeuwen (Ed.): Handbook of Theoretical Computer Science, Chapter 16,Amsterdam 1990.


Pflichtfach


Pflichtkennz.:

2241Fachgebiet:





Seite 149 von 208


Modulnummer:

PD Dr. Karl-Heinz Niggl

Modul:


Spezielle Kapitel der Komplexitätstheorie und Berechenbarkeit101343

Lernergebnisse




Seite 150 von 208

Spezielle Kapitel der Komplexitätstheorie und Berechenbarkeit


Modul:




101183

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:



Medienformen

Inhalt

Vorkenntnisse


Literatur


Pflichtfach


Pflichtkennz.:

224Fachgebiet:





Seite 151 von 208



Modul:

Spezielle Kapitel der Komplexitätstheorie



101184

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0



Medienformen

Inhalt

Vorkenntnisse


Literatur


Pflichtfach


Pflichtkennz.:

224Fachgebiet:





Seite 152 von 208



Modul:

Berechenbarkeit



101185

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

2 0 0



Medienformen

Inhalt

Vorkenntnisse


Literatur


Pflichtfach


Pflichtkennz.:

224Fachgebiet:





Seite 153 von 208



Modulnummer:


Modul:


Ausgewählte Kapitel der Komplexitätstheorie / Algorithmik101344

Lernergebnisse




Seite 154 von 208

Ausgewählte Kapitel der Komplexitätstheorie / Algorithmik


Modul:

Ausgewählte Kapitel der Komplexitätstheorie / Algorithmik

ganzjährigTurnus:


232

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

3 1 0 3 1 0



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)

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 im Gebietmoderner Hashverfahren. Sie kennen die notwendigen Grundlagen aus der linearen Algebra und derWahrscheinlichkeitsrechnung.

Methodenkompetenz: Die Studierenden können die Konstruktionsmethoden beschreiben, ihre Eigenschaften (insbesondereZuverlässigkeitsaussagen) präzise benennen und die wesentlichen Beweise nachvollziehen und wiedergeben. Sie könnenKonstruktionen variieren und einschätzen, ob dadurch die Gültigkeit der Beweise eingeschränkt wird. Sie können diePraktikabilität der Verfahren einschätzen. Version 2: Boolesche Funktionen: Algorithmen und KomplexitätFachkompetenz: Die Studierenden kennen die in der Vorlesung vorgestellten Darstellungsformen für Boolesche Funktionen,ihre algorithmischen Eigenschaften sowie die komplexitätstheoretische Einordnung der zugeordneten Berechnungsprobleme.Sie kennen die Konstruktionsalgorithmen für Schaltkreise und die Verfahren zur Manipulation von OBDDS mit ihrenPerformanzparametern.

Methodenkompetenz: Die Studierenden können die Darstellungen, Konstruktionsmethoden und Algorithmen beschreiben.Sie überblicken die Darstellungsform „OBDD“ mit ihren Vorteilen und Problemen, können somit Systeme, die dieseDarstellungsform einsetzen, in ihrem Verhalten besser beurteilen. Sie können die Eigenschaften von Darstellungsformen,Konstruktionsmethoden und Algorithmen präzise benennen und die wesentlichen Beweise nachvollziehen und darstellen. Siekönnen Konstruktionen variieren und einschätzen, ob dadurch die Gültigkeit der Beweise eingeschränkt wird.


Pflichtfach


Pflichtkennz.:

2242Fachgebiet:


Seite 155 von 208

Medienformen

Hauptsächlich Tafelvortrag, teilweise Folien.

• Approximative Mengen („Bloom-Filter“-Funktionalität) • (Minimale) Perfekte Hashfunktionen • Analyse von DatenströmenIn der Vorlesung werden klassische und neue Algorithmen und ihre Analysen besprochen. Die hierfür nötigen Techniken ausder Wahrscheinlichkeitsrechnung, der (Hyper-)Graphentheorie und der Linearen Algebra werden bereitgestellt. - DieVorlesung bereitet auch auf weiterführende Arbeiten in dem Gebiet vor.Konkrete Themen: Universelles Hashing, Konstruktion universeller Klassen, Anwendungen universeller Klassen: O(1)-Sucheund perfekte Hashfunktionen, Momentanalyse bei Datenströmen mit 4-facher Unabhängigkeit, Lineares Sondieren und 5-fache Unabhängigkeit, High-Performance-Hashklassen und ihre Analyse, Verhalten von voll zufälligen Funktionen (NegativeKorrelation, Poisson-Approximation, größte Buckets), Simulation von voll zufälligen Funktionen: „Split-and-Share“, dasMehrfunktionen-Paradigma (Bloom-Filter, Cuckoo-Hashing, verallgemeinertes Cuckoo-Hashing), zufällige Hypergraphen,bipartite Graphen, Matrizen, „Retrieval“: Werte ohne Membership-Test, neuere Konstruktionen perfekter HashfunktionenVersion 2: Boolesche Funktionen: Algorithmen und KomplexitätDie Realisierung von Schaltungen für strukturierte oder unstrukturierte Boolesche Funktionen ist die Basis der Konstruktiondigitaler Rechner. Diese Veranstaltung bespricht - aus theoretischer Sicht - Verfahren zur Konstruktion und Manipulation vonDarstellungen Boolescher Funktionen und komplexitätstheoretische Grenzen solcher 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: SS 2016, WS 2017/2018, SS 2019





Seite 156 von 208


Die Sicherheit von Computersystemen hat sich in den letzten Jahren von einem elitären Merkmal hochspezialisierterSysteme zu einer Eigenschaft entwickelt, die in nahezu allen Anwendungsbereichen höchste Priorität besitzt. Es erscheintheute als Binsenweisheit, dass fast sämtliche Bereiche öffentlichen Lebens massiv gestört werden, wenn IT-Systeme nichtverlässlich ihre Arbeit verrichten. Lebenswichtige Bereiche unserer Gesellschaft - Energie- und Wasserversorgung,Verkehrsmanagement, Gesundheitssystem, Finanzmanagement, Produktion, Verwaltung, Forschung und Entwicklung - sindhochgradig abhängig von der Sicherheit und Verlässlichkeit unserer Computersysteme.

Sicherheit von Computersystemen ist somit eines der zentralen Zukunftsthemen in der Informatik und hat in den letzten dreiJahrzehnten bereits zahlreiche Forschungsaktivitäten begründet. Eines der Ergebnisse ist die Erkenntnis, dass dieüberwältigende Mehrheit der in den letzten Jahren entdeckten Sicherheitsprobleme ihre Ursache nicht etwa darin haben,dass bei der Entwicklung der Systeme nachlässig gearbeitet wurde. Vielmehr ist die Komplexität unserer IT-Systemeinzwischen so hoch, dass sie durch heute verwendete Konstruktionsmethoden offenkundig nicht mehr beherrschbar ist undFehler hierdurch unvermeidbar werden.

Die Kurse dieses Moduls vermitteln vertiefte Kenntnisse auf dem Gebiet des Security Engineerings, mit denen sich sichereIT-Systeme entwerfen, realisieren und betreiben lassen.

Modulnummer:


Modul:


IT-Sicherheit(Schwerpunkt 8)100778

Lernergebnisse

keine




Seite 157 von 208



Modulnummer:


Modul:


Security Engineering101330

Lernergebnisse




Seite 158 von 208



Modul:




1542

Fachverantwortlich:


Fachnummer:

Deutsch/Englisch


Fachabschluss:

2 2 0



Medienformen

Handouts, Präsentationsmaterial, Diskussionsblätter, Übungsaufgabenmaterial

This course is an advanced course on systems security. It focuses on methodological engi-neering of security properties of ITsystems based on formal security models. In an early stage of the engineering process formal security models are used forthe precise and unambiguous representation of security policies which then are analyzed by static model checking and si-mulative model execution. Successful models afterwards are transformed via specification languages into executable codewhich finally is integrated into a system’s TCB. The course is organized in lectures and workshops; while theoreticalknowledge is imparted in traditional lectures and exercises, practical skills are trained in 5 workshops. Course topics are •Requirements Engineering • Model Engineering • Specification Engineering • TCB Engineering

Inhalt

Vorkenntnisse

Bachelor Informatik, WP-Fach Systemsicherheit


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

Literatur

Aktuelle Literatur siehe Web der Veranstaltung


Pflichtfach


Pflichtkennz.:

2255Fachgebiet:


mündliche Prüfung (20 min) im Prüfungszeitraum








Seite 159 von 208

Seite 160 von 208



Modulnummer:


Modul:


Schutz von Kommunikationsinfrastrukturen101335

Lernergebnisse




Seite 161 von 208



Modul:




5641

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

3 0 0



Medienformen


Die Lehrveranstaltung behandelt Risiken und Bedrohungen sowie Maßnahmen zum Schutz vonKommunikationsinfrastrukturen. Aufbauend auf einer grundlegenden Klassifikation und einer Abgrenzung zum Inhalt derGrundlagenvorlesung Network Security werden insbesondere die Bereiche Schutz der Verfügbarkeit von Diensten undSystemen, sicherheitsgerechter Systementwurf und -implementierung, Angriffserkennung und Reaktion auf Angriffe, sowieHerausforderungen der Netzsicherheit in Umgebungen mit besonderen Randbedingungen (Adhoc Netze, Sensornetze etc.)thematisiert. 1. Introduction & Motivation 2. Denial of Service Attacks and Countermeasures 3. Protection of IP PacketTransport, Routing and DNS 4. Security Aware System Design and Implementation 5. Intrusion Detection and Response 6.Security in Sensor Networks (Challenges in Constraint Environments)

Inhalt

Vorkenntnisse

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


• Fachkompetenz: Die Studierenden verfügen über Kenntnisse zu Risiken und Bedrohungen sowie Maßnahmen zum Schutzvon Kommunikationsinfrastrukturen. Sie kennen die speziellen Techniken und Gefahren von Sabotageangriffen und könnendie spezifischen Risiken bei der Einführung neuer Gegenmaßnahmen gegen Sabotageangriffe 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 zum Schutz vonKommunikationsinfrastrukturen.

Literatur

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


Pflichtfach


Pflichtkennz.:

2253Fachgebiet:



Seite 162 von 208








Seite 163 von 208



Modulnummer:


Modul:


Advanced Networking Technologies101334

Lernergebnisse




Seite 164 von 208



Modul:




5642

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

3 0 0



Der Fokus der Vorlesung liegt auf modernen Netzwerktechnologien. Momentan sind die Hauptthemen Sensor Networks undContent Delivery Networks:1. Adhoc & Sensor Networks – Motivation & Applications2. Node Architecture: Sensor node architecture, Energy supply and consumption, Runtime environments for sensor nodes,Case study: TinyOS3. Network Architecture: Network scenarios, Optimization goals, Design principles, Service interface, Gateway concepts.4. Medium Access Control5. Link Layer6. Naming & Addressing7. Localization & Positioning8. Topology Control9. ID Centric Routing10. Content Based Networking in Sensor Networks11. Introduction to Content Networking: Introduction & Motivation, Overview over basic approaches.12. Caching Techniques for Web Content13. Caching Techniques for Streaming Media14. Navigating Content Networks

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, fortgeschrittenenEntwicklungen in der Netzwerktechnologie. Sie erkennen die besonderen Anforderungen an das Kommunikationssubsystemin ressourcenbeschränkten Umgebungen wie drahtlosen Sensornetzen sowie die jeweiligen Optimierungsmöglichkeiten aufden einzelnen Schichten und können diese im Kontext konkreter Szenarien einschätzen. Die Studierenden kennen diegrundsätzlichen Ansätze, wie interessante Daten an sehr große Nutzerpopulationen verteilt werden können. Sie verstehendie unterschiedlichen Protokollkonzepte hierfür und können diese bewerten.Methodenkompetenz: Die Studierenden sind in der Lage, für einzelne Teilaufgaben der Systemoptimierung geeigneteZielfunktionen zu identifizieren. Weiterhin können sie die bei der Optimierung gemäß mehrerer Zielfunktionen auftretendenZielkonflikte erkennen und gegeneinander abwägen.


Pflichtfach


Pflichtkennz.:

2253Fachgebiet:


Seite 165 von 208

Medienformen


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 Kaufmann Publishers,2005.







Seite 166 von 208


• Fachkompetenz: Die Studierenden können das in den von Ihnen belegten Vorlesungen und Übungen erworbene Wissenim Kontext einer konkreten Aufgabenstellung anwenden. • Methodenkompetenz: • Systemkompetenz: Abhängig von der konkret ausgegebenen Aufgabenstellung haben die Studierenden spezifischeSystemzusammenhänge erschlossen und verstehen die gegenseitigen Abhängigkeiten einzelner Systemkomponenten. Siekönnen die Auswirkungen spezifischer Entwurfsentscheidungen für einzelne Komponenten im Kontext des Gesamtsystemseinschätzen und gegeneinander abwägen. • Sozialkompetenz: Die Studierenden können Ihre Arbeit in einem Team koordinieren und Ihre Ergebnisse gemeinsamdarstellen.

Modulnummer:


Modul:


Projektseminar8208

Lernergebnisse

Hochschulzulassung, Inhalte der ersten vier Semester des Bachelorstudiums.




Seite 167 von 208

Projektseminar


Modul:

Projektseminar

ganzjährigTurnus:


8209

Fachverantwortlich:


Fachnummer:

Deutsch und Englisch


Fachabschluss:

0 4 0



Medienformen

Themenspezifisch werden ggf. Medien empfohlen

Die Studierenden bearbeiten in kleinen Gruppen (zwischen zwei und vier Studierende) eine aktuelle Themenstellung mitinhaltlichem Bezug zu den von Ihnen belegten Fächern. Hierdurch wird das in Vorlesungen und Übungen erworbene Wissenim Kontext einer konkreten Aufgabenstellung vertieft und angewendet. Die Ergebnisse werden schriftlich dokumentiert und ineinem Vortrag vorgestellt, in der Regel ergänzt durch eine Vorführung selbst erstellter Software bzw. durchgeführterExperimente.

Inhalt

Vorkenntnisse


• Fachkompetenz: Die Studierenden können das in den von Ihnen belegten Vorlesungen und Übungen erworbene Wissenim Kontext einer konkreten Aufgabenstellung anwenden. • Methodenkompetenz: • Systemkompetenz: Abhängig von der konkret ausgegebenen Aufgabenstellung haben die Studierenden spezifischeSystemzusammenhänge erschlossen und verstehen die gegenseitigen Abhängigkeiten einzelner Systemkomponenten. Siekönnen die Auswirkungen spezifischer Entwurfsentscheidungen für einzelne Komponenten im Kontext des Gesamtsystemseinschätzen und gegeneinander abwägen. • Sozialkompetenz: Die Studierenden können Ihre Arbeit in einem Team koordinieren und Ihre Ergebnisse gemeinsamdarstellen.

Literatur

Themenspezifische Literatur wird nach Absprache empfohlen.


Pflichtfach


Pflichtkennz.:

2253Fachgebiet:





Seite 168 von 208


Seite 169 von 208


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

Modulnummer:

Prof. Dr. Michael Stiebitz

Modul:


Fortgeschrittene Mathematik für Informatiker(Wahl 2 aus 5)8210

Lernergebnisse

siehe Prüfungsordnung



siehe Prüfungsordnung


Seite 170 von 208

Fortgeschrittene Mathematik für Informatiker(Wahl 2 aus 5)


Modul:

Diskrete Mathematik


Prof. Dr. Jochen Harant

7159

Fachverantwortlich:


Fachnummer:

deutsch


Fachabschluss:

2 2 0



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


Pflichtfach

Fakultät für Mathematik und Naturwissenschaften

Pflichtkennz.:

2418Fachgebiet:


Zum Abschluss ist eine mündliche Prüfungsleistung (30 min.) zu erbringen. Die Details zu dieser Prüfung werden jeweils zuSemesterbeginn bekannt gegeben. Der Modus zu Semesterleistungen wie Übungsaufgaben, Hausaufgaben und zusätzlicheKonsultationen in Vorbereitung der Prüfung werden ebenfalls zu Beginn festgelegt.




Bachelor Informatik 2013



Seite 171 von 208



Modul:

Informations- und Kodierungstheorie


Prof. Dr. Michael Stiebitz

5776

Fachverantwortlich:


Fachnummer:



Fachabschluss:

2 2 0



Medienformen

Tafel, Folien, Beamer

Einführende Beispiele, Information und Entropie, Shannonsche Hauptsätze der Informationstheorie, lineare Codes, perfekteCodes, Korrekturverfahren, zyklische Codes, endliche Körper, Minimalpolynom, Generator- und Kontrollpolynom, 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, Methoden undAussagen der Info- und Kodierungstheorie

Literatur

Standardliteratur der Informations- und Codierungstheorie


Pflichtfach


Pflichtkennz.:

2417Fachgebiet:


werden bei Bedarf festgelet









Seite 172 von 208


Seite 173 von 208



Modul:

Optimierung


Prof. Dr. Gabriele Eichfelder

8077

Fachverantwortlich:


Fachnummer:



Fachabschluss:

2 2 0



Medienformen

Tafel, Folien, Beamer

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

Inhalt

Vorkenntnisse

Lineare Algebra und Grundlagen der Analysis


Fach- und Methodenkompetenz: Beherrschung der grundlegenden Ideen in der linearen und nichtlinearen Optimierung,Anwendung von elementaren Theorien und Methoden der linearen Algebra und Analysis, Anwendung der Optimerung beimLösen konkreter Anwendungsmodelle z.T. mit Hilfe des Rechners, Lösen von OR 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).


Pflichtfach


Pflichtkennz.:

2415Fachgebiet:


keine




Seite 174 von 208




Seite 175 von 208



Modul:

Numerik


Prof. Dr. Hans Babovsky

7158

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

2 2 0



Medienformen

Tafel, Beamer, Folie

Direkte Verfahren für lineare Gleichungssysteme (Gauß, QR): Aufwand, Kondition, Anwendung auf das Ausgleichsproblem,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 undMathematiker, 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, DeGruyter, 2008.W.Neundorf: Numerische Mathematik - Vorlesungen, Übungen, Algorithmen und Programme, Shaker Verlag, 2002


Pflichtfach


Pflichtkennz.:

2413Fachgebiet:


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





Seite 176 von 208

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



Seite 177 von 208



Modul:

Stochastische Modelle


Prof. Dr. Silvia Vogel

7930

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

2 1 0



Medienformen

Skript

Erzeugung von Pseudozufallszahlen; Grundbegriffe der Theorie zufälliger Prozesse, Markovsche Prozesse mit diskreter undstetiger Zeit, Poissonprozess, Simulation dieser Prozesse; Grundlagen der Warteschlangentheorie und derWarteschlangennetzwerke

Inhalt

Vorkenntnisse

Grundkurs Wahrscheinlichkeitsrechnung


Die Studierenden kennen wichtige Klassen stochastischer Prozesse, die bei der Modellierung von Computernetzen eineRolle spielen, und können derartige Prozesse simulieren. Sie sind mit den klassischen Modellen der Warteschlangentheorieund -netzwerke vertraut.

Literatur

S. M. Ross: Introduction to Probability Models. 9. Auflage, Acdemic Press 2006. R. Nelson: Probability, StochasticProcesses, and Queueing Theory: The Mathematics of Computer Perfomance Modeling. Springer 2000.


Pflichtfach


Pflichtkennz.:

2412Fachgebiet:






Seite 178 von 208


Das Hauptseminar besteht in der selbstständigen Bearbeitung eines Forschungsthemas, welches als solches nicht direktBestandteil der bisherigen Ausbildung war. Das Ziel besteht darin, zu Thema den state of the art zu erfassen, einzuordnenund zu bewerten. Der Student hat folgende Aufgaben zu erfüllen: Einarbeitung und Verständnis des Themenbereichs auf derBasis bisherigen Ausbildung, der vorgegebenen und weiterer für die umfassende Behandlung und das Verständnisnotwendiger, selbst zu findender Literaturquellen. Einordnung des Themenbereichs in das wissenschaftliche Spektrumingenieurtechnischer Fragestellungen auf der Basis der bis dahin in der Ausbildung vermittelten Erkenntnisse; Schriftlicheund mündliche Präsentation der Ergebnisse

Modulnummer:


Modul:


Hauptseminar Master Informatik8212

Lernergebnisse

Bachelorabschluss



keine


Seite 179 von 208

Hauptseminar Master Informatik


Modul:

Hauptseminar

ganzjährigTurnus:


8213

Fachverantwortlich:


Fachnummer:

Deutsch


Fachabschluss:

0 2 0



Medienformen

Workshops mit Präsentation (Tafel, Handouts, Laptop)

Das Hauptseminar besteht in der selbstständigen Bearbeitung eines Forschungsthemas, welches als solches nicht direktBestandteil der bisherigen Ausbildung war. Das Ziel besteht darin, zu Thema den state of the art zu erfassen, einzuordnenund zu bewerten. Der Student hat folgende Aufgaben zu erfüllen: Einarbeitung und Verständnis des Themenbereichs auf derBasis bisherigen Ausbildung, der vorgegebenen und weiterer für die umfassende Behandlung und das Verständnisnotwendiger, selbst zu findender Literaturquellen. Einordnung des Themenbereichs in das wissenschaftliche Spektrumingenieurtechnischer Fragestellungen auf der Basis der bis dahin in der Ausbildung vermittelten Erkenntnisse; Schriftlicheund mündliche Präsentation der Ergebnisse

Inhalt

Vorkenntnisse

entsprechend der gewählten Problematik themenspezifisch


• Fachkompetenz: Die Studierenden verstehen ein spezielles Forschungsthema auf dem Gebiet der Ingenieurinformatik.Sie sind in der Lage den Stand der Technik zu einer vorgegebenen Fragestellung zu erfassen, einzuordnen und zu bewerten,sowie die Ergebnisse schriftlich darzustellen und in einer Präsentation zu vermitteln. • Methodenkompetenz: Die Studierenden sind in der Lage, wissenschaftlich-technische Literatur zu recherchieren undauszuwerten. • 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:




Seite 180 von 208




Seite 181 von 208


Im Nebenfach/ Anwendungsfach im Master Informatik erwerben die Studierenden Kenntnisse und Kompetenzen in einemAnwendungsgebiet der Informatik.

Modulnummer:


Modul:


Nebenfach/ Anwendungsfach(Fächer im Umfang von 10 LP)100381

Lernergebnisse


Modulabschluss:


Seite 182 von 208

Nebenfach/ Anwendungsfach(Fächer im Umfang von 10 LP)


Modul:

unbekanntTurnus:

0000

Fachverantwortlich:

Sprache:Studienleistung

Fachnummer: 93301Prüfungsnummer:

Fachabschluss:



Medienformen

Inhalt

Vorkenntnisse


Literatur


Pflichtfach


Pflichtkennz.:

Fachgebiet:

Art der Notengebung: Testat / Generierte Noten



Bachelor Angewandte Medien- und Kommunikationswissenschaft 2014

Bachelor Elektrotechnik und Informationstechnik 2013

Bachelor Polyvalenter Bachelor mit Lehramtsoption für berufsbildende Schulen - Elektrotechnik 2013 Vertiefung MA


Master Wirtschaftsingenieurwesen 2013 Vertiefung BT


Bachelor Polyvalenter Bachelor mit Lehramtsoption für berufsbildende Schulen - Elektrotechnik 2013


Master Allgemeine Betriebswirtschaftslehre 2013

Seite 183 von 208


Bachelor Mathematik 2009


Master Elektrochemie und Galvanotechnik 2013

Master Wirtschaftsingenieurwesen 2015


Master Elektrotechnik und Informationstechnik 2014 Vertiefung ATE

Master Elektrotechnik und Informationstechnik 2014 Vertiefung AST

Bachelor Polyvalenter Bachelor mit Lehramtsoption für berufsbildende Schulen - Metalltechnik 2013 Vertiefung MA


Bachelor Technische Kybernetik und Systemtheorie 2013

Master Elektrotechnik und Informationstechnik 2014 Vertiefung EET


Bachelor Angewandte Medienwissenschaft 2011


Bachelor Medienwirtschaft 2015


Master Technische Physik 2013





Bachelor Technische Physik 2013


Master Regenerative Energietechnik 2013

Bachelor Wirtschaftsingenieurwesen 2013 Vertiefung ET

Master Maschinenbau 2009


Bachelor Polyvalenter Bachelor mit Lehramtsoption für berufsbildende Schulen - Elektrotechnik 2013 Vertiefung PH

Bachelor Polyvalenter Bachelor mit Lehramtsoption für berufsbildende Schulen - Metalltechnik 2013 Vertiefung PH

Bachelor Polyvalenter Bachelor mit Lehramtsoption für berufsbildende Schulen - Metalltechnik 2013





Master Werkstoffwissenschaft 2013

Master Elektrotechnik und Informationstechnik 2014 Vertiefung IKT

Seite 184 von 208


Bachelor Wirtschaftsingenieurwesen 2015 Vertiefung MB

Master Electrical Power and Control Engineering 2013





Bachelor Medientechnologie 2013





Master Medienwirtschaft 2013











Bachelor Biotechnische Chemie 2013





Master Elektrotechnik und Informationstechnik 2014 Vertiefung EWT

Master Elektrotechnik und Informationstechnik 2014 Vertiefung MNE



Master Mikro- und Nanotechnologien 2013

Seite 185 von 208



Modul:

unbekanntTurnus:

0000

Fachverantwortlich:



Fachabschluss:



Medienformen

Inhalt

Vorkenntnisse


Literatur


Pflichtfach


Pflichtkennz.:

Fachgebiet:













Seite 186 von 208






































Seite 187 von 208


































Seite 188 von 208



Modul:

unbekanntTurnus:

0000

Fachverantwortlich:



Fachabschluss:



Medienformen

Inhalt

Vorkenntnisse


Literatur


Pflichtfach


Pflichtkennz.:

Fachgebiet:













Seite 189 von 208






































Seite 190 von 208


































Seite 191 von 208



Modul:

unbekanntTurnus:

0000

Fachverantwortlich:



Fachabschluss:



Medienformen

Inhalt

Vorkenntnisse


Literatur


Pflichtfach


Pflichtkennz.:

Fachgebiet:













Seite 192 von 208






































Seite 193 von 208


































Seite 194 von 208


• Fachkompetenz: Die Studierenden kennen die Grundlagen des von Ihnen gewählten nichttechnischen Nebenfachs. • Methodenkompetenz: Sie können grundlegende Problemstellungen aus dem gewählten Fachgebiet analysieren undbewerten. • Systemkompetenz: Abhängig von dem konkret gewählten nicht-technischen Nebenfach verstehen die Studierendengrundlegend die Systemzusammenhänge der jeweiligen Domäne. • Sozialkompetenz: Die Studierenden haben durch die Beschäftigung mit ihrem nicht-technischen Nebenfach ihreFähigkeiten zur Kommunikation mit nicht-technisch orientierten Gesprächspartnern erweitert. Sie sind in der Lageinterdisziplinär ausgerichtete Fragestellungen zu diskutieren.

Modulnummer:


Modul:


Nichttechnisches Nebenfach(Fächer im Umfang von 5 LP)8218

Lernergebnisse

Hochschulzulassung; Lehrveranstaltungen des ersten Studienjahres


Modulabschluss:

keine


Seite 195 von 208

Nichttechnisches Nebenfach(Fächer im Umfang von 5 LP)


Modul:

unbekanntTurnus:

0000

Fachverantwortlich:



Fachabschluss:



Medienformen

Inhalt

Vorkenntnisse


Literatur


Pflichtfach


Pflichtkennz.:

Fachgebiet:













Seite 196 von 208






































Seite 197 von 208


































Seite 198 von 208

Nichttechnisches Nebenfach(Fächer im Umfang von 5 LP)


Modul:

unbekanntTurnus:

0000

Fachverantwortlich:



Fachabschluss:



Medienformen

Inhalt

Vorkenntnisse


Literatur


Pflichtfach


Pflichtkennz.:

Fachgebiet:













Seite 199 von 208






































Seite 200 von 208


































Seite 201 von 208


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

Modulnummer:


Modul:


Fachpraktikum8220

Lernergebnisse


Modulabschluss:

keine


Seite 202 von 208

Fachpraktikum


Modul:

Fachpraktikum

unbekanntTurnus:


8221

Fachverantwortlich:

Sprache:Studienleistung alternativ 20 Wochen

Fachnummer:

keine Angabe


Fachabschluss:

20 Wo.



Medienformen

keine

siehe Regelungen zum Fachpralktikum

Inhalt

Vorkenntnisse

keine


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

Literatur

Hinweise zum Praktikum (siehe Webseite Prüfungsamt) ; Regelungen zum Fachpraktikum in der Studienordnung in derjeweils gültigen Version


Pflichtfach


Pflichtkennz.:

2255Fachgebiet:

Art der Notengebung: Testat unbenotet

unbenotetes Testat bei Vorliegen aller Unterlagen (Bericht, Zeugnis, Bewertungsbogen) und der positiven Bewertung desHochschulbetreuers nach der Verteidigung





Seite 203 von 208


Die Studierenden vertiefen in einem speziellen fachlichen Thema ihre bisher erworbenen Kompetenzen. Sie werden befähigt,eine komplexe und konkrete Problemstellung zu beurteilen und unter Anwendung der bisher erworbenen Theorie- undMethodenkompetenzen weitgehend selbstständig zu bearbeiten. Das Thema ist gemäß wissenschaftlicher Standards zudokumentieren und die Studierenden werden befähigt, entsprechende wissenschaftlich fundierte Texte zu verfassen. DieStudierenden erwerben Problemlösungskompetenz und lernen es, die eigene Arbeit zu bewerten und einzuordnen.

Modulnummer:


Modul:


Masterarbeit8222

Lernergebnisse

Zulassung zur Masterarbeit durch den Prüfungsausschuss



keine


Seite 204 von 208

Masterarbeit


Modul:

Abschlusskolloquium zur Master-Arbeit

ganzjährigTurnus:


101481

Fachverantwortlich:


Fachnummer:

Deutsch und Englisch


Fachabschluss:



Medienformen

wissenschaftlicher Vortrag

siehe Modulbeschreibung

Inhalt

Vorkenntnisse



Die Studierenden vertiefen in einem speziellen fachlichen Thema ihre bisher erworbenen Kompetenzen. Sie werden befähigt,eine komplexe und konkrete Problemstellung zu beurteilen und unter Anwendung der bisher erworbenen Theorie- undMethodenkompetenzen selbstständig zu bearbeiten. Das Thema ist gemäß wissenschaftlicher Standards zu dokumentierenund die Studierenden werden befähigt, entsprechende wissenschaftlich fundierte Texte zu verfassen. Die Studierendenerwerben Problemlösungskompetenz und lernen 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





Seite 205 von 208

Masterarbeit


Modul:

Masterarbeit

ganzjährigTurnus:


101483

Fachverantwortlich:

Sprache:Masterarbeit schriftlich 6 Monate

Fachnummer:

deutsch oder englisch


Fachabschluss:

900 h



Medienformen

wissenschaftlicher Vortrag

siehe Modulbeschreibung

Inhalt

Vorkenntnisse



Die Studierenden vertiefen in einem speziellen fachlichen Thema ihre bisher erworbenen Kompetenzen. Sie werden befähigt,eine komplexe und konkrete Problemstellung zu beurteilen und unter Anwendung der bisher erworbenen Theorie- undMethodenkompetenzen selbstständig zu bearbeiten. Das Thema ist gemäß wissenschaftlicher Standards zu dokumentierenund die Studierenden werden befähigt, entsprechende wissenschaftlich fundierte Texte zu verfassen. Die Studierendenerwerben Problemlösungskompetenz und lernen 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 2

Prüfungsform: schriftlichAbschluss: Prüfungsleistung





Seite 206 von 208

Seite 207 von 208

N.N. Nomen nominandum, Nomen nescio, 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)

Date post:	23-Aug-2019
Category:	Documents
Upload:	ngonga
View:	212 times
Download:	0 times

Modulhandbuch Master Informatik - Startseite TU Ilmenau · Master Informatik 2013 Die Studierenden...

Documents