Modulhandbuch

Bachelor

Computer Science

Kohorte: Wintersemester 2016

Stand: 28. September 2018

Studiengangsbeschreibung

Inhalt

Die Informatik ist neben Biotechnologie, Medizintechnik und Nanotechnologie die Schlüsseltechnologie des 21. Jahrhunderts. Sie hat sich zu einer Triebfeder des technologischen Fortschrittes entwickelt, weil alle Berufszweige mit Informationsaspekten durchdrungen sind und immer neue Anwendungsfelder in der Informations- und Kommunikationstechnik erschlossen werden. Deshalb brauchen wir heute und morgen Informatikerinnen und Informatiker, die informationsverarbeitende Systeme qualifiziert und verantwortungsbewusst entwerfen, analysieren und an gegebene Einsatzbedingungen anpassen.

Die Informatik ist eng mit der Mathematik und der Elektrotechnik/Elektronik verbunden, ist aber auch als eine Basis- und Querschnittsdisziplin zu verstehen, die sich sowohl mit technischen als auch mit organisatorischen Problemen bei der Entwicklung und Anwendung informationsverarbeitender Systeme beschäftigt. Sie erforscht die grundsätzlichen Verfahrensweisen der Informationsverarbeitung und die allgemeinen Methoden der Anwendung solcher Verfahren in den verschiedensten Bereichen. Sie geht durch Abstraktion und Modellbildung sowohl über die konkreten technischen Realisierungen informationsverarbeitender Systeme als auch über die Besonderheiten spezieller Anwendungen hinaus und gelangt zur Formulierung allgemeiner Gesetzmäßigkeiten. Daraus entwickelt sie Standardlösungen für die Aufgaben der Praxis, z.B. bei der Bewältigung großer Daten- und Informationsmengen und der Steuerung komplexer Produktionsabläufe (Quelle: studienwahl.de, 05/2015).

Der Bachelorstudiengang Computer Science bietet ein wissenschaftlich fundiertes, grundlagenorientiertes Studium. Auf der Basis eines breiten und in ausgewählten Teilgebieten vertieften fachlichen Wissens werden die analytischen, kreativen und konstruktiven Fähigkeiten zur Konzipierung von informationsverarbeitenden Systemen entwickelt und gefördert. Vor allem wird die Fähigkeit zur Realisierung und Implementierung von programmierbaren Systemen erworben. Durch die Bearbeitung von vielfältigen Problemen aus verschiedenen Anwendungsbereichen entwickeln die Studierenden insgesamt eine sinnvolle Mischung aus praktischen und wissenschaftlichen Fähigkeiten. Schlüsselqualifikationen wie Teamarbeit und Präsentationstechniken werden gezielt vermittelt.

Die Informatik unterliegt schnellen Innovationen, weshalb besonderer Wert auf zukunftsfestes Wissen gelegt wird. Damit sollen die Studierenden in die Lage versetzt werden, auch die künftigen Entwicklungen der Informatik selbstständig und auf hohem Niveau in ihre berufliche Praxis und in ihren persönlichen Horizont zu integrieren. Aus diesem Grund hat der Bachelorstudiengang eine wissenschaftliche und methodenorientierte Grundausrichtung. Erworben werden vor allem gründliche Kenntnisse in Informatik und vertieftes Wissen auch in Mathematik und Betriebswirtschaftslehre.


Berufliche Perspektiven

Der Bachelorstudiengang Computer Science bereitet die Absolventen und Absolventinnen sowohl auf eine berufliche Tätigkeit im IT-Sektor als auch auf ein aufbauendes Master-Studium vor. Die Absolventen und Absolventinnen werden in die Lage versetzt, komplexe IT-Lösungen zu entwerfen und technisch umzusetzen. Ferner werden methodische Grundlagen erworben, um sich stets an neue berufliche Entwicklungen und Innovationen anzupassen. Daher sollten die Absolventen und Absolventinnen in nahezu allen Branchen eine verantwortungsvolle Tätigkeit finden können.

Lernziele

Das Bachelorstudium Computer Science soll die Studierenden sowohl auf eine berufliche Tätigkeit als auch auf ein einschlägiges Master-Studium vorbereiten. Das hierfür notwendige methodische Grundlagenwissen wird im Rahmen des Studiums erworben. Die Lernergebnisse des Studiengangs werden durch ein Zusammenspiel von grundlegenden und weiterführenden Modulen aus Informatik, Mathematik und Betriebswirtschaftslehre erreicht. Die Lernziele sind im Folgenden eingeteilt in die Kategorien Wissen, Fertigkeiten, Sozialkompetenz und Selbstständigkeit.


Wissen

Wissen konstituiert sich aus Fakten, Grundsätzen und Theorien und wird im Bachelorstudiengang Computer Science auf folgenden Gebieten erworben:

  1. Die Absolventen und Absolventinnen kennen grundlegende Methoden und Verfahren zur mathematischen Modellbildung in der Informatik, wie etwa algebraisch spezifizierte abstrakte Datentypen, Automatenmodelle, Grammatiken, graphentheoretische Netzwerke, Differentialgleichungen, Regelkreise, stochastische Prozesse und dynamische Systeme im Sinne der Systemtheorie. Sie können diese beschreiben und vergleichen.
  2. Die Absolventen und Absolventinnen kennen fundamentale Methoden und Verfahren zur Lösung oder Approximation von algorithmischen Entscheidungs- und Optimierungsproblemen, wie etwa automatische Differentiation, direkte erschöpfende Suche via Backtracking, Gradienten-basierte Verfahren, graphentheoretische Algorithmen, Heuristiken, lineare (ganzzahlige) Programmierung, Testen von Hypothesen, Theorem-Beweiser,  sowie deren Analyse hinsichtlich Komplexität, Konvergenz und Güte. Sie sind in der Lage, diese zu skizzieren und zu diskutieren.
  3. Die Absolventen und Absolventinnen kennen die Grundlagen des Software-Entwurfes und können hierbei auf gängige prozedurale, objektorientierte, funktionale und logikbasierte Programmiersprachen sowie grundlegende Datenstrukturen und Algorithmen zurückgreifen. Sie sind vertraut mit dem Betrieb von Software-Systemen unter Berücksichtigung der Organisation und Verarbeitung großer Datenmengen, der Verwaltung der zur Verfügung stehenden Betriebsmittel und einer verteilten Arrangierung von Daten und Algorithmen.
  4. Die Absolventen und Absolventinnen kennen den Aufbau, den Betrieb und die Organisation von Rechenanlagen und sie wissen, wie Algorithmen auf dem von-Neumann-Rechner oder einem Mikroprozessor ausgeführt werden. Sie wissen ferner, wie Hardware-Bausteine programmiertechnisch beschrieben und simuliert werden können und sie können die Einbettung eines Strukturmodells in einen  technischen Rahmen skizzieren.
  5. Die Absolventen und Absolventinnen kennen eine Reihe von Anwendungsfällen valider mathematischer Modelle in der Informatik, wie etwa Algorithmen in Netzwerken, diskrete und schnelle Fourier-Transformation, Public-Key-Infrastrukturen sowie Sortier- und Suchverfahren.


Fertigkeiten

Die Fähigkeit, erlerntes Wissen anzuwenden, um spezifische Probleme zu lösen, wird im Studiengang Computer Science auf vielfältige Weise unterstützt:

  1. Die Absolventen und Absolventinnen sind im Stande, Instanzen formaler Modelle in der Informatik anhand einfacher Modellierungsansätze zu entwickeln, ihre Berechenbarkeit und Komplexität einzuschätzen und sie anhand geeigneter Programmierwerkzeuge umzusetzen.
  2. Die Absolventen und Absolventinnen sind in der Lage, Instanzen von algorithmischen Entscheidungs- und Optimierungsproblemen unter Einsatz des Erlernten optimal oder näherungsweise zu lösen und die Lösungen zu analysieren.
  3. Die Absolventen und Absolventinnen können Software-Komponenten in komplexere Softwaresysteme unter Benutzung der im Studium erarbeiteten Methoden integrieren und testen. 
  4. Die Absolventen und Absolventinnen werden in die Lage versetzt, Mikroprozessoren zu programmieren und Strukturbeschreibungen von einfachen Hardware-Bausteinen zu entwickeln, zu simulieren und zu bewerten. 
  5. Die Absolventen und Absolventinnen können vertraute Anwendungsfälle valider mathematischer Modelle aus der Informatik unter Verwendung einschlägiger Werkzeuge umsetzen und die Lösungen  evaluieren.


Erwerb von Sozialkompetenz

Sozialkompetenz umfasst die individuelle Fähigkeit und den Willen, zielorientiert mit anderen zusammen zu arbeiten, die Interessen der anderen zu erfassen, sich zu verständigen und die Arbeits- und Lebenswelt mitzugestalten.

  1. Die Absolventen und Absolventinnen können in einem fachlich homogenen Team organisieren, spezifische Teilaufgaben übernehmen und den eigenen Beitrag reflektieren.
  2. Die Absolventen und Absolventinnen sind in der Lage, sich in ein fachlich heterogenes Team einzugliedern, gemeinsame Lösungen zu erarbeiten und diese vor anderen zu vertreten.


Kompetenz zum selbständigen Arbeiten

Personale Kompetenzen umfassen neben der Kompetenz zum selbständigen Handeln auch die System- und Lösungskompetenzen, allgemeinen Problemstellung auf spezifische Teilprobleme abzubilden sowie die Auswahl und das Beherrschen geeigneter Methoden und Verfahren zur Problemlösung.

  1. Die Absolventen und Absolventinnen können sich selbständig ein eng umrissenes Teilgebiet der Informatik erschließen und die Ergebnisse im Rahmen eines kurzen Vortrages mit fortschrittlichen Präsentationstechniken oder eines mehrseitigen Aufsatzes  detailliert zusammenfassen.
  2. Die Absolventen und Absolventinnen sind in der Lage, fachlich eingegrenzte Teilprojekte unter Verwendung des im Studium Erlernten in einem komplexeren IT-Entwicklungsprojekt eigenverantwortlich zu bearbeiten.

Studiengangsstruktur

Das Curriculum des Bachelorstudiengangs Computer Science ist wie folgt gegliedert:
  • Kernqualifikation: 21 Module, 132 Leistungspunkte (LP), 1. - 6. Semester
  • Vertiefung: 6 Module, 36 LP, 5. und 6. Semester
  • Bachelorarbeit: 12 LP, 6. Semester

Damit ergibt sich ein Gesamtaufwand von 180 LP.

Die fachliche Lehre der Kernqualifikation erstreckt sich vorwiegend über das 1. bis 5. Semester.

Die Kernqualifikation beinhaltet neben Fachmodulen auch folgende Module:

  • Grundlagen der Betriebswirtschaftslehre: 6 LP, 2. Semester
  • Nichttechnische Ergänzungskurse im Bachelor: 6 LP, 1. - 6. Semester

Ebenfalls zur Kernqualifikation gehört das Software-Fachpraktikum (6 LP, 5. Semester).

In der Vertiefung werden fachliche Schlüsselqualifikationen erworben. Wählbar sind:

  • Computational Mathematics oder
  • Computer and Software Engineering.

Die Studierenden belegen in einem der beiden Zweige Veranstaltungen in einem Umfang von 36 LP. In jedem Block werden Veranstaltungen in einem Gesamtumfang von mindestens 48 LP vorgehalten, sodass ausreichend Wahlmöglichkeiten bestehen.

Der Studienplan ist mit einem Mobilitätsfenster versehen dergestalt, dass das fünfte Semester unter Umständen im Ausland absolviert werden kann.

Fachmodule der Kernqualifikation

Modul M0561: Diskrete Algebraische Strukturen

Lehrveranstaltungen
Titel Typ SWS LP
Diskrete Algebraische Strukturen (L0164) Vorlesung 2 3
Diskrete Algebraische Strukturen (L0165) Gruppenübung 2 3
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
Zulassungsvoraussetzungen Keine.
Empfohlene Vorkenntnisse Abiturkenntnisse in Mathematik.
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Wissen: Die Studierenden kennen

  • zahlentheoretische und funktionsbasierte Modelle der Kryptographie sowie Grundlagen der linearen Codes;
  • den Aufbau und Struktur von Restklassenringen (Euklidische Ringe) und endlichen Körpern;
  • den Aufbau und die Struktur von Unter-, Summen- und Faktorstrukturen in algebraischen Gebilden sowie Homomorphismen zwischen diesen Strukturen;
  • den Aufbau und die Abzählung von elementaren kombinatorischen Strukturen;
  • die wichtigsten Beweiskonzepte der modernen Mathematik;
  • den Aufbau der höheren Mathematik basierend auf mathematischer Logik und Mengenlehre;
  • grundlegende Aspekte des Einsatzes von mathematischer Software (Computeralgebrasystem Maple) zur Lösung von algebraischen oder kombinatorischen Aufgabenstellungen.
Fertigkeiten

Fertigkeiten: Die Studierenden können

  • in Restklassenringen (Euklischen Ringen) rechnen;
  • Unter-, Summen- und Faktorstrukturen in algebraischen Gebilden aufstellen und in ihnen rechnen sowie algebraische Strukturen durch Homomorphismen aufeinander beziehen;
  • elementar-kombinatorische Strukturen identifizieren und abzählen;
  • die Sprache der Mathematik, basierend auf Mathematischer Logik und Mengenlehre, dienstbar machen;
  • einfache, im Kontext stehende mathematische Aussagen beweisen;
  • einschlägige mathematische Software (Computeralgebrasystem Maple) zielgerichtet einsetzen.


Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind nach Abschluss des Moduls in der Lage, fachspezifische Aufgaben alleine oder in einer Gruppe zu bearbeiten und die Resultate geeignet zu präsentieren.

Selbstständigkeit

Die Studierenden sind nach Abschluss des Moduls in der Lage, sich Teilbereiche des Fachgebietes anhand von Fachbüchern selbständig zu erarbeiten, das erworbene Wissen zusammenzufassen, zu präsentieren und es mit den Inhalten anderer Lehrveranstaltungen zu verknüpfen.


Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 120 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften: Vertiefung Informatik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Pflicht
Computer Science: Kernqualifikation: Pflicht
General Engineering Science: Vertiefung Informatik: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Lehrveranstaltung L0164: Diskrete Algebraische Strukturen
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Karl-Heinz Zimmermann
Sprachen DE
Zeitraum WiSe
Inhalt
Literatur
Lehrveranstaltung L0165: Diskrete Algebraische Strukturen
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Karl-Heinz Zimmermann
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0736: Linear Algebra

Lehrveranstaltungen
Titel Typ SWS LP
Lineare Algebra (L0642) Vorlesung 4 4
Lineare Algebra (L0643) Hörsaalübung 2 2
Lineare Algebra (L0645) Gruppenübung 2 2
Modulverantwortlicher Prof. Marko Lindner
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse None
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Students can name the basic concepts in linear algebra. They are able to explain them using appropriate examples.
  • Students can discuss logical connections between these concepts.  They are capable of illustrating these connections with the help of examples.
  • They know proof strategies and can reproduce them.


Fertigkeiten
  • Students can model problems in linear algebra with the help of the concepts studied in this course. Moreover, they are capable of solving them by applying established methods.
  • Students are able to discover and verify further logical connections between the concepts studied in the course.
  • For a given problem, the students can develop and execute a suitable approach, and are able to critically evaluate the results.


Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 128, Präsenzstudium 112
Leistungspunkte 8
Prüfung Klausur
Prüfungsdauer und -umfang 120
Zuordnung zu folgenden Curricula Computer Science: Kernqualifikation: Pflicht
General Engineering Science: Kernqualifikation: Pflicht
General Engineering Science (7 Semester): Kernqualifikation: Pflicht
Lehrveranstaltung L0642: Linear Algebra
Typ Vorlesung
SWS 4
LP 4
Arbeitsaufwand in Stunden Eigenstudium 64, Präsenzstudium 56
Dozenten Dr. Francisco Javier Hoecker-Escuti
Sprachen EN
Zeitraum WiSe
Inhalt

Preliminaries

Vector spaces

Matrices and linear systems of equations

Scalar products and orthogonality

Basis transformation

Determinants

Eigen values


Literatur

Strang: Linear Algebra

Beutelsbacher: Lineare Algebra

Lehrveranstaltung L0643: Linear Algebra
Typ Hörsaalübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Dr. Francisco Javier Hoecker-Escuti
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L0645: Linear Algebra
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten NN
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0575: Prozedurale Programmierung

Lehrveranstaltungen
Titel Typ SWS LP
Prozedurale Programmierung (L0197) Vorlesung 1 2
Prozedurale Programmierung (L0201) Hörsaalübung 1 1
Prozedurale Programmierung (L0202) Laborpraktikum 2 3
Modulverantwortlicher Prof. Siegfried Rump
Zulassungsvoraussetzungen

Keine

Empfohlene Vorkenntnisse

Elementare Handhabung eines PC

Elementare Mathematikkenntnisse

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden erwerben folgendes Wissen:

  • Sie kennen elementare Sprachelemente der Programmiersprache C. Sie kennen die grundlegenden Datentypen und wissen um ihre Einsatzgebiete.

  • Sie haben ein Verständnis davon, was die Aufgaben eines Compilers, des Präprozessors und der Entwicklungsumgebung sind und wie diese interagieren.

  • Sie beherrschen die Einbindung und Verwendung externer Programm-Bibliotheken zur Erweiterung des Funktionsumfangs.

  • Sie wissen, wie man Header-Dateien verwendet und Funktionsschnittstellen festlegt, um größere Programmierprojekte kreieren zu können.

  • Sie haben ein Verständnis dafür, wie das implementierte Programm mit dem Betriebssystem interagiert. Dies befähigt Sie dazu, Programme zu entwickeln, welche Eingaben des Benutzers, Betriebseingaben oder auch entsprechende Dateien verarbeiten und gewünschte Ausgaben erzeugen.

  • Sie haben mehrere Herangehensweisen zur Implementierung häufig verwendeter Algorithmen gelernt.

Fertigkeiten
  • Die Studierenden sind in der Lage, die Komplexität eines Algorithmus zu bewerten und eine effiziente Implementierung vorzunehmen.

  • Die Studierenden können Algorithmen für eine Vielzahl von Funktionalitäten modellieren und programmieren. Zudem können Sie die Implementierung an eine vorgegebene API anpassen.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden erwerben folgende Kompetenzen:

  • Sie können in Kleingruppen Aufgaben gemeinsam lösen, Programmfehler analysieren und beheben und ihr erzieltes Ergebnis gemeinsam präsentieren.

  • Sie können sich Sachverhalte direkt am Rechner durch einfaches Ausprobieren gegenseitig klar machen.

  • Sie können in Kleingruppen gemeinsam eine Projektidee und -planung erarbeiten.

  • Sie müssen den betreuenden Tutoren ihre eigenen Lösungsansätze verständlich kommunizieren und ihre Programme präsentieren.

Selbstständigkeit
  • Die Studierenden müssen in Einzeltestaten sowie einer abschließenden Prüfung ihre Programmierfertigkeiten unter Beweis stellen und selbständig ihr erlerntes Wissen zur Lösung neuer Aufgabenstellungen anwenden.

  • Die Studierenden haben die Möglichkeit, ihre erlernten Fähigkeiten beim Lösen einer Vielzahl von Präsenzaufgaben zu überprüfen.

  • Zur effizienten Bearbeitung der Aufgaben des Praktikums teilen die Studierenden innerhalb ihrer Gruppen die Übungsaufgaben auf. Jeder Studierende muss zunächst selbständig eine Teilaufgabe lösen.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 Minuten
Zuordnung zu folgenden Curricula Computer Science: Kernqualifikation: Pflicht
Elektrotechnik: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Logistik und Mobilität: Vertiefung Ingenieurwissenschaft: Wahlpflicht
Mechatronik: Kernqualifikation: Pflicht
Technomathematik: Kernqualifikation: Pflicht
Lehrveranstaltung L0197: Prozedurale Programmierung
Typ Vorlesung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt
  • elementare Datentypen (Integer, Gleitpunktformat, ASCII-Zeichen) und ihre Abhängigkeiten von der Architektur
  • höhere Datentypen (Zeiger, Arrays, Strings, Strukturen, Listen)

  • Operatoren (arithmetische Operationen, logische Operationen, Bit-Operationen)

  • Kontrollflussstrukturen (bedingte Verzweigung, Schleifen, Sprünge)

  • Präprozessor-Direktiven (Makros, bedingte Kompilierung, modulares Design)

  • Funktionen (Funktionsdefinition/-interface, Rekursion, "call by value" versus "call by reference", Funktionszeiger)

  • essentielle Standard-Bibliotheken und -Funktionen (stdio.h, stdlib.h, math.h, string.h, time.h)

  • Dateikonzept, Streams

  • einfache Algorithmen (Sortierfunktionen, Reihenentwicklung, gleichverteilte Permutation)

  • Übungsprogramme zur Vertiefung der Programmierkenntnisse

Literatur

Kernighan, Brian W (Ritchie, Dennis M.;)
The C programming language
ISBN: 9780131103702
Upper Saddle River, NJ [u.a.] : Prentice Hall PTR, 2009

Sedgewick, Robert 
Algorithms in C
ISBN: 0201316633
Reading, Mass. [u.a.] : Addison-Wesley, 2007 

Kaiser, Ulrich (Kecher, Christoph.;)
C/C++: Von den Grundlagen zur professionellen Programmierung
ISBN: 9783898428392
Bonn : Galileo Press, 2010

Wolf, Jürgen 
C von A bis Z : das umfassende Handbuch
ISBN: 3836214113
Bonn : Galileo Press, 2009

Lehrveranstaltung L0201: Prozedurale Programmierung
Typ Hörsaalübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L0202: Prozedurale Programmierung
Typ Laborpraktikum
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0577: Nichttechnische Ergänzungskurse im Bachelor

Modulverantwortlicher Dagmar Richter
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Keine
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Nichttechnischen Angebote (NTA) 

vermitteln die in Hinblick auf das Ausbildungsprofil der TUHH nötigen Kompetenzen, die ingenieurwissenschaftliche Fachlehre fördern aber nicht abschließend behandeln kann: Eigenverantwortlichkeit, Selbstführung, Zusammenarbeit und fachliche wie personale Leitungsbefähigung der zukünftigen Ingenieurinnen und Ingenieure. Er setzt diese Ausbildungsziele in seiner Lehrarchitektur, den Lehr-Lern-Arrangements, den Lehrbereichen und durch Lehrangebote um, in denen sich Studierende wahlweise für spezifische Kompetenzen und ein Kompetenzniveau auf Bachelor- oder Masterebene qualifizieren können. Die Lehrangebote sind jeweils in einem Modulkatalog Nichttechnische Ergänzungskurse zusammengefasst. 

Die Lehrarchitektur

besteht aus einem studiengangübergreifenden Pflichtstudienangebot. Durch dieses zentral konzipierte Lehrangebot wird die Profilierung der TUHH Ausbildung auch im Nichttechnischen Bereich gewährleistet.

Die Lernarchitektur erfordert und übt eigenverantwortliche Bildungsplanung in Hinblick auf den individuellen Kompetenzaufbau ein und  stellt dazu Orientierungswissen zu thematischen Schwerpunkten  von Veranstaltungen bereit.

Das über den gesamten Studienverlauf begleitend studierbare Angebot kann ggf. in ein-zwei Semestern studiert werden. Angesichts der bekannten, individuellen Anpassungsprobleme beim Übergang von Schule zu Hochschule in den ersten Semestern und um individuell geplante Auslandsemester zu fördern, wird jedoch von einer Studienfixierung in konkreten Fachsemestern abgesehen.

Die Lehr-Lern-Arrangements

sehen für Studierende - nach B.Sc. und M.Sc. getrennt - ein semester- und fachübergreifendes voneinander Lernen vor. Der Umgang mit Interdisziplinarität und einer Vielfalt von Lernständen in Veranstaltungen wird eingeübt - und in spezifischen Veranstaltungen gezielt gefördert.

Die Lehrbereiche

basieren auf Forschungsergebnissen aus den wissenschaftlichen Disziplinen Kulturwissenschaften, Gesellschaftswissenschaften, Kunst, Geschichtswissenschaften, Kommunikationswissenschaften, Migrationswissenschaften, Nachhaltigkeitsforschung und aus der Fachdidaktik der Ingenieurwissenschaften. Über alle Studiengänge hinweg besteht im Bachelorbereich zusätzlich ab Wintersemester 2014/15 das Angebot, gezielt Betriebswirtschaftliches und Gründungswissen aufzubauen. Das Lehrangebot wird durch soft skill und Fremdsprachkurse ergänzt. Hier werden insbesondere kommunikative Kompetenzen z.B. für Outgoing Engineers gezielt gefördert.

Das Kompetenzniveau

der Veranstaltungen in den Modulen der nichttechnischen Ergänzungskurse unterscheidet sich in Hinblick auf das zugrunde gelegte Ausbildungsziel: Diese Unterschiede spiegeln sich in den verwendeten Praxisbeispielen, in den - auf unterschiedliche berufliche Anwendungskontexte verweisende - Inhalten und im für M.Sc. stärker wissenschaftlich-theoretischen Abstraktionsniveau. Die Soft skills für Bachelor- und für Masterabsolventinnen/ Absolventen unterscheidet sich an Hand der im Berufsleben unterschiedlichen Positionen im Team und bei der Anleitung von Gruppen.

Fachkompetenz (Wissen)

Die Studierenden können

  • ausgewählte Spezialgebiete innerhalb der jeweiligen nichttechnischen Mutterdisziplinen verorten,
  • in den im Lehrbereich vertretenen Disziplinen grundlegende Theorien, Kategorien, Begrifflichkeiten, Modelle,  Konzepte oder künstlerischen Techniken skizzieren,
  • diese fremden Fachdisziplinen systematisch auf die eigene Disziplin beziehen, d.h. sowohl abgrenzen als auch Anschlüsse benennen,
  • in Grundzügen skizzieren, inwiefern wissenschaftliche Disziplinen, Paradigmen, Modelle, Instrumente, Verfahrensweisen und Repräsentationsformen der Fachwissenschaften einer individuellen und soziokulturellen Interpretation und Historizität unterliegen,              
  • können Gegenstandsangemessen in einer Fremdsprache kommunizieren (sofern dies der gewählte Schwerpunkt im nichttechnischen Bereich ist).


Fertigkeiten

Die Studierenden können in ausgewählten Teilbereichen

  • grundlegende Methoden der genannten Wissenschaftsdisziplinen anwenden.
  • technische Phänomene, Modelle, Theorien usw. aus der Perspektive einer anderen, oben erwähnten Fachdisziplin befragen.
  • einfache Problemstellungen aus den behandelten Wissenschaftsdisziplinen erfolgreich bearbeiten,
  • bei praktischen Fragestellungen in Kontexten, die den technischen Sach- und Fachbezug übersteigen, ihre Entscheidungen zu Organisations- und Anwendungsformen der Technik begründen.
Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind fähig ,

  • in unterschiedlichem Ausmaß kooperativ zu lernen
  • eigene Aufgabenstellungen in den o.g. Bereichen in adressatengerechter Weise in einer Partner- oder Gruppensituation zu präsentieren und zu analysieren,
  • nichttechnische Fragestellungen einer Zuhörerschaft mit technischem Hintergrund verständlich darzustellen
  • sich landessprachlich kompetent, kulturell angemessen und geschlechtersensibel auszudrücken (sofern dies der gewählte Schwerpunkt im NTW-Bereich ist) .


Selbstständigkeit

Die Studierenden sind in ausgewählten Bereichen in der Lage,

  • die eigene Profession und Professionalität im Kontext der lebensweltlichen Anwendungsgebiete zu reflektieren,
  • sich selbst und die eigenen Lernprozesse zu organisieren,
  • Fragestellungen vor einem breiten Bildungshorizont zu reflektieren und verantwortlich zu entscheiden,
  • sich in Bezug auf ein nichttechnisches Sachthema mündlich oder schriftlich kompetent auszudrücken.
  • sich als unternehmerisches Subjekt zu organisieren,   (sofern dies ein gewählter Schwerpunkt im NTW-Bereich ist).


Arbeitsaufwand in Stunden Abhängig von der Wahl der Lehrveranstaltungen
Leistungspunkte 6
Lehrveranstaltungen
Die Informationen zu den Lehrveranstaltungen entnehmen Sie dem separat veröffentlichten Modulhandbuch des Moduls.

Modul M0731: Functional Programming

Lehrveranstaltungen
Titel Typ SWS LP
Funktionales Programmieren (L0624) Vorlesung 2 2
Funktionales Programmieren (L0625) Hörsaalübung 2 2
Funktionales Programmieren (L0626) Gruppenübung 2 2
Modulverantwortlicher Prof. Sibylle Schupp
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse Discrete mathematics at high-school level 
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students apply the principles, constructs, and simple design techniques of functional programming. They demonstrate their ability to read Haskell programs and to explain Haskell syntax as well as Haskell's read-eval-print loop. They interpret warnings and find errors in programs. They apply the fundamental data structures, data types, and type constructors. They employ strategies for unit tests of functions and simple proof techniques for partial and total correctness. They distinguish laziness from other evaluation strategies. 

Fertigkeiten

Students break a natural-language description down in parts amenable to a formal specification and develop a functional program in a structured way. They assess different language constructs, make conscious selections both at specification and implementations level, and justify their choice. They analyze given programs and rewrite them in a controlled way. They design and implement unit tests and can assess the quality of their tests. They argue for the correctness of their program.

Personale Kompetenzen
Sozialkompetenz

Students practice peer programming with varying peers. They explain problems and solutions to their peer. They defend their programs orally. They communicate in English.

Selbstständigkeit

In programming labs, students learn  under supervision (a.k.a. "Betreutes Programmieren") the mechanics of programming. In exercises, they develop solutions individually and independently, and receive feedback. 

Arbeitsaufwand in Stunden Eigenstudium 96, Präsenzstudium 84
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften: Vertiefung Informatik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Wahlpflicht
Computer Science: Kernqualifikation: Pflicht
General Engineering Science: Vertiefung Informatik: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Wahlpflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Lehrveranstaltung L0624: Functional Programming
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Sibylle Schupp
Sprachen EN
Zeitraum WiSe
Inhalt
  • Functions, Currying, Recursive Functions, Polymorphic Functions, Higher-Order Functions
  • Conditional Expressions, Guarded Expressions, Pattern Matching, Lambda Expressions
  • Types (simple, composite), Type Classes, Recursive Types, Algebraic Data Type
  • Type Constructors: Tuples, Lists, Trees, Associative Lists (Dictionaries, Maps)
  • Modules
  • Interactive Programming
  • Lazy Evaluation, Call-by-Value, Strictness
  • Design Recipes
  • Testing (axiom-based, invariant-based, against reference implementation)
  • Reasoning about Programs (equation-based, inductive)
  • Idioms of Functional Programming
  • Haskell Syntax and Semantics
Literatur

Graham Hutton, Programming in Haskell, Cambridge University Press 2007.

Lehrveranstaltung L0625: Functional Programming
Typ Hörsaalübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Sibylle Schupp
Sprachen EN
Zeitraum WiSe
Inhalt
  • Functions, Currying, Recursive Functions, Polymorphic Functions, Higher-Order Functions
  • Conditional Expressions, Guarded Expressions, Pattern Matching, Lambda Expressions

  • Types (simple, composite), Type Classes, Recursive Types, Algebraic Data Type
  • Type Constructors: Tuples, Lists, Trees, Associative Lists (Dictionaries, Maps)
  • Modules
  • Interactive Programming
  • Lazy Evaluation, Call-by-Value, Strictness
  • Design Recipes
  • Testing (axiom-based, invariant-based, against reference implementation)
  • Reasoning about Programs (equation-based, inductive)
  • Idioms of Functional Programming
  • Haskell Syntax and Semantics

Literatur

Graham Hutton, Programming in Haskell, Cambridge University Press 2007.

Lehrveranstaltung L0626: Functional Programming
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Sibylle Schupp
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0553: Objektorientierte Programmierung, Algorithmen und Datenstrukturen

Lehrveranstaltungen
Titel Typ SWS LP
Objektorientierte Programmierung, Algorithmen und Datenstrukturen (L0131) Vorlesung 4 4
Objektorientierte Programmierung, Algorithmen und Datenstrukturen (L0132) Gruppenübung 1 2
Modulverantwortlicher Prof. Rolf-Rainer Grigat
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Veranstaltung Prozedurale Programmierung oder gleichwertige Programmierkenntnisse in imperativer Programmierung

Zwingende Voraussetzung ist die Beherrschung imperativer Programmierung (C, Pascal, Fortran oder ähnlich). Sie sollten also z.B. einfache Datentypen (integer, double, char, bool), arrays, if-then-else, for, while, Prozedur- bzw. Funktionsaufrufe und Zeiger kennen und in eigenen Programmen damit experimentiert haben, also auch Editor, Linker, Compiler und Debugger nutzen können. Die Veranstaltung beginnt mit der Einführung von Objekten, setzt also auf oben genannte Grundlagen auf.

Dieser Hinweis ist insbesondere wichtig für Studiengänge wie AIW, GES, LUM da oben genannte Voraussetzungen dort nicht Bestandteil des Studienplans sind, sondern zu den Studienvoraussetzungen dieser Studiengänge zählen. Die Studiengänge ET, CI und IIW besitzen die erforderlichen Vorkenntnisse aus der Veranstaltung Prozedurale Programmierung im ersten Semester.

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende können die Grundzüge des Software-Entwurfs wie den Entwurf einer Klassenarchitektur unter Einbeziehung vorhandener Klassenbibliotheken und Entwurfsmuster erklären.

Studierende können grundlegende Datenstrukturen der diskreten Mathematik beschreiben sowie wichtige Algorithmen zum Sortieren und Suchen bezüglich ihrer Komplexität bewerten.



Fertigkeiten

Studierende sind in der Lage,

  • Software mit gegebenen Entwurfsmustern, unter Verwendung von Klassenhierarchien und Polymorphie zu entwerfen.
  • Softwareentwicklung und Tests unter Verwendung von Versionsverwaltungssystemen und google Test durchzuführen.
  • Sortierung und Suche nach Daten effizient durchzuführen.
  • die Komplexität von Algorithmen abzuschätzen.




Personale Kompetenzen
Sozialkompetenz

Studierende können in Teams arbeiten und in Foren kommunizieren.


Selbstständigkeit

Studierende sind in der Lage selbständig über einen Zeitraum von 2-3 Wochen, unter Verwendung von SVN Repository und google Test, Programmieraufgaben z.B. LZW Datenkompression zu lösen.


Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 60 Minuten, Umfang Vorlesung, Übungen und Materialien im StudIP
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften: Vertiefung Informatik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Pflicht
Computer Science: Kernqualifikation: Pflicht
Elektrotechnik: Kernqualifikation: Pflicht
General Engineering Science: Vertiefung Informatik: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Logistik und Mobilität: Vertiefung Ingenieurwissenschaft: Wahlpflicht
Technomathematik: Kernqualifikation: Pflicht
Lehrveranstaltung L0131: Objektorientierte Programmierung, Algorithmen und Datenstrukturen
Typ Vorlesung
SWS 4
LP 4
Arbeitsaufwand in Stunden Eigenstudium 64, Präsenzstudium 56
Dozenten Prof. Rolf-Rainer Grigat
Sprachen DE
Zeitraum SoSe
Inhalt

Objektorientierte Analyse und Entwurf:

  • Objektorientierte Programmierung in C++ und Java 
  • generische Programmierung
  • UML
  • Entwurfsmuster

 Datenstrukturen und Algorithmen:

  • Komplexität von Algorithmen
  • Suchen, Sortieren, Hashing,
  • Stapel, Schlangen, Listen
  • Bäume (AVL, Heap, 2-3-4, Trie, Huffman, Patricia, B),
  • Mengen, Prioritätswarteschlangen
  • gerichtete und ungerichtete Graphen (Spannbäume, kürzeste und längste Wege)
Literatur Skriptum
Lehrveranstaltung L0132: Objektorientierte Programmierung, Algorithmen und Datenstrukturen
Typ Gruppenübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Rolf-Rainer Grigat
Sprachen DE
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0624: Logic, Automata and Formal Languages

Lehrveranstaltungen
Titel Typ SWS LP
Logik, Automatentheorie und Formale Sprachen (L0332) Vorlesung 2 4
Logik, Automatentheorie und Formale Sprachen (L0507) Gruppenübung 2 2
Modulverantwortlicher Prof. Tobias Knopp
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse

Participating students should be able to

- specify algorithms for simple data structures (such as, e.g., arrays) to solve computational problems 

- apply propositional logic and predicate logic for specifying and understanding mathematical proofs

- apply the knowledge and skills taught in the module Discrete Algebraic Structures

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students can explain syntax, semantics, and decision problems of propositional logic, and they are able to give algorithms for solving decision problems. Students can show correspondences to Boolean algebra. Students can describe which application problems are hard to represent with propositional logic, and therefore, the students can motivate predicate logic, and define syntax, semantics, and decision problems for this representation formalism. Students can explain unification and resolution for solving the predicate logic SAT decision problem. Students can also describe syntax, semantics, and decision problems for various kinds of temporal logic, and identify their application areas. The participants of the course can define various kinds of finite automata and can identify relationships to logic and formal grammars. The spectrum that students can explain ranges from deterministic and nondeterministic finite automata and pushdown automata to Turing machines. Students can name those formalism for which nondeterminism is more expressive than determinism. They are also able to demonstrate which decision problems require which expressivity, and, in addition, students can transform decision problems w.r.t. one formalism into decision problems w.r.t. other formalisms. They understand that some formalisms easily induce algorithms whereas others are best suited for specifying systems and their properties. Students can describe the relationships between formalisms such as logic, automata, or grammars.



Fertigkeiten

Students can apply propositional logic as well as predicate logic resolution to a given set of formulas. Students analyze application problems in order to derive propositional logic, predicate logic, or temporal logic formulas to represent them. They can evaluate which formalism is best suited for a particular application problem, and they can demonstrate the application of algorithms for decision problems to specific formulas. Students can also transform nondeterministic automata into deterministic ones, or derive grammars from automata and vice versa. They can show how parsers work, and they can apply algorithms for the language emptiness problem in case of infinite words.

Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften: Vertiefung Informatik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Wahlpflicht
Computer Science: Kernqualifikation: Pflicht
General Engineering Science: Vertiefung Informatik: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Wahlpflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Lehrveranstaltung L0332: Logic, Automata Theory and Formal Languages
Typ Vorlesung
SWS 2
LP 4
Arbeitsaufwand in Stunden Eigenstudium 92, Präsenzstudium 28
Dozenten Prof. Tobias Knopp
Sprachen EN
Zeitraum SoSe
Inhalt
  1. Propositional logic, Boolean algebra, propositional resolution, SAT-2KNF
  2. Predicate logic, unification, predicate logic resolution
  3. Temporal Logics (LTL, CTL)
  4. Deterministic finite automata, definition and construction
  5. Regular languages, closure properties, word problem, string matching
  6. Nondeterministic automata: 
    Rabin-Scott transformation of nondeterministic into deterministic automata
  7. Epsilon automata, minimization of automata,
    elimination of e-edges, uniqueness of the minimal automaton (modulo renaming of states)
  8. Myhill-Nerode Theorem: 
    Correctness of the minimization procedure, equivalence classes of strings induced by automata
  9. Pumping Lemma for regular languages:
    provision of a tool which, in some cases, can be used to show that a finite automaton principally cannot be expressive enough to solve a word problem for some given language
  10. Regular expressions vs. finite automata:
    Equivalence of formalisms, systematic transformation of representations, reductions
  11. Pushdown automata and context-free grammars:
    Definition of pushdown automata, definition of context-free grammars, derivations, parse trees, ambiguities, pumping lemma for context-free grammars, transformation of formalisms (from pushdown automata to context-free grammars and back)
  12. Chomsky normal form
  13. CYK algorithm for deciding the word problem for context-free grammrs
  14. Deterministic pushdown automata
  15. Deterministic vs. nondeterministic pushdown automata:
    Application for parsing, LL(k) or LR(k) grammars and parsers vs. deterministic pushdown automata, compiler compiler
  16. Regular grammars
  17. Outlook: Turing machines and linear bounded automata vs general and context-sensitive grammars
  18. Chomsky hierarchy
  19. Mealy- and Moore automata:
    Automata with output (w/o accepting states), infinite state sequences, automata networks
  20. Omega automata: Automata for infinite input words, Büchi automata, representation of state transition systems, verification w.r.t. temporal logic specifications (in particular LTL)
  21. LTL safety conditions and model checking with Büchi automata, relationships between automata and logic
  22. Fixed points, propositional mu-calculus
  23. Characterization of regular languages by monadic second-order logic (MSO)
Literatur
  1. Logik für Informatiker Uwe Schöning, Spektrum, 5. Aufl.
  2. Logik für Informatiker Martin Kreuzer, Stefan Kühling, Pearson Studium, 2006
  3. Grundkurs Theoretische Informatik, Gottfried Vossen, Kurt-Ulrich Witt, Vieweg-Verlag, 2010.
  4. Principles of Model Checking, Christel Baier, Joost-Pieter Katoen, The MIT Press, 2007

Lehrveranstaltung L0507: Logic, Automata Theory and Formal Languages
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Tobias Knopp
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0732: Software Engineering

Lehrveranstaltungen
Titel Typ SWS LP
Software-Engineering (L0627) Vorlesung 2 3
Software-Engineering (L0628) Gruppenübung 2 3
Modulverantwortlicher Prof. Sibylle Schupp
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse
  • Automata theory and formal languages
  • Procedural programming or Functional programming
  • Object-oriented programming, algorithms, and data structures
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students explain the phases of the software life cycle, describe the fundamental terminology and concepts of software engineering, and paraphrase the principles of structured software development. They give examples of software-engineering tasks of existing large-scale systems. They write test cases for different test strategies and devise specifications or models using different notations, and critique both. They explain simple design patterns and the major activities in requirements analysis, maintenance, and project planning.

Fertigkeiten

For a given task in the software life cycle, students identify the corresponding phase and select an appropriate method. They choose the proper approach for quality assurance. They design tests for realistic systems, assess the quality of the tests, and find errors at different levels. They apply and modify non-executable artifacts. They integrate components based on interface specifications.

Personale Kompetenzen
Sozialkompetenz

Students practice peer programming. They explain problems and solutions to their peer. They communicate in English. 

Selbstständigkeit

Using on-line quizzes and accompanying material for self study, students can assess their level of knowledge continuously and adjust it appropriately.  Working on exercise problems, they receive additional feedback.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Wahlpflicht
Computer Science: Kernqualifikation: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Lehrveranstaltung L0627: Software Engineering
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sibylle Schupp
Sprachen EN
Zeitraum SoSe
Inhalt


  • Software Life Cycle Models (Waterfall, V-Model, Evolutionary Models, IncrementalModels, Iterative Models, Agile Processes)
  • Requirements (Elicitation Techniques, UML Use Case Diagrams, Functional and Non-Functional Requirements)
  • Specification (Finite State Machines, Extended FSMs, Petri Nets, Behavioral UML Diagrams, Data Modeling)
  • Design (Design Concepts, Modules, (Agile) Design Principles)
  • Object-Oriented Analysis and Design (Object Identification, UML Interaction Diagrams, UML Class Diagrams, Architectural Patterns)
  • Testing (Blackbox Testing, Whitebox Testing, Control-Flow Testing, Data-Flow Testing, Testing in the Large)
  • Maintenance and Evolution (Regression Testing, Reverse Engineering, Reengineering)
  • Project Management (Blackbox Estimation Techniques, Whitebox Estimation Techniques, Project Plans, Gantt Charts, PERT Charts)
Literatur

Kassem A. Saleh, Software Engineering, J. Ross Publishing 2009.

Lehrveranstaltung L0628: Software Engineering
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sibylle Schupp
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0737: Mathematical Analysis

Lehrveranstaltungen
Titel Typ SWS LP
Mathematische Analysis (L0647) Vorlesung 4 4
Mathematische Analysis (L0648) Hörsaalübung 2 2
Mathematische Analysis (L0649) Gruppenübung 2 2
Modulverantwortlicher Prof. Marko Lindner
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse None
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Students can name the basic concepts in analysis. They are able to explain them using appropriate examples.
  • Students can discuss logical connections between these concepts.  They are capable of illustrating these connections with the help of examples.
  • They know proof strategies and can reproduce them.


Fertigkeiten
  • Students can model problems in analysis with the help of the concepts studied in this course. Moreover, they are capable of solving them by applying established methods.
  • Students are able to discover and verify further logical connections between the concepts studied in the course.
  • For a given problem, the students can develop and execute a suitable approach, and are able to critically evaluate the results.


Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 128, Präsenzstudium 112
Leistungspunkte 8
Prüfung Klausur
Prüfungsdauer und -umfang 120 Minuten
Zuordnung zu folgenden Curricula Computer Science: Kernqualifikation: Pflicht
General Engineering Science: Kernqualifikation: Pflicht
General Engineering Science (7 Semester): Kernqualifikation: Pflicht
Lehrveranstaltung L0647: Mathematical Analysis
Typ Vorlesung
SWS 4
LP 4
Arbeitsaufwand in Stunden Eigenstudium 64, Präsenzstudium 56
Dozenten Dr. Francisco Javier Hoecker-Escuti
Sprachen EN
Zeitraum SoSe
Inhalt

Convergence, sequences, and series

Continuity

Elementary functions

Differential calculus

Integral calculus

Sequences of functions

Literatur

Königsberger: Analysis

Forster: Analysis


Lehrveranstaltung L0648: Mathematical Analysis
Typ Hörsaalübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Dr. Francisco Javier Hoecker-Escuti
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L0649: Mathematical Analysis
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Dr. Francisco Javier Hoecker-Escuti
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0829: Grundlagen der Betriebswirtschaftslehre

Lehrveranstaltungen
Titel Typ SWS LP
Grundlagen der Betriebswirtschaftslehre (L0880) Vorlesung 3 3
Projekt Entrepreneurship (L0882) Projekt-/problembasierte LehrveranstaltungLehrveranstaltung 2 3
Modulverantwortlicher Prof. Christoph Ihl
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Schulkenntnisse in Mathematik und Wirtschaft
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden können...

  • grundlegende Begriffe und Kategorien aus dem Bereich Wirtschaft und Management benennen und erklären
  • grundlegende Aspekte wettbewerblichen Unternehmertums beschreiben (Betrieb und Unternehmung, betrieblicher Zielbildungsprozess)
  • wesentliche betriebliche Funktionen erläutern, insb. Funktionen der Wertschöpfungskette (z.B. Produktion und Beschaffung, Innovationsmanagement, Absatz und Marketing) sowie Querschnittsfunktionen (z.B. Organisation, Personalmanagement, Supply Chain Management, Informationsmanagement) und die wesentlichen Aspekte von Entrepreneurship-Projekten benennen
  • Grundlagen der Unternehmensplanung (Entscheidungstheorie, Planung und Kontrolle) wie auch spezielle Planungsaufgaben (z.B. Projektplanung, Investition und Finanzierung) erläutern
  • Grundlagen des Rechnungswesens erklären (Buchführung, Bilanzierung, Kostenrechnung, Controlling)

Fertigkeiten

Die Studierenden können

  • Unternehmensziele definieren und in ein Zielsystem einordnen sowie Zielsysteme strukturieren
  • Organisations- und Personalstrukturen von Unternehmen analysieren
  • Methoden für Entscheidungsprobleme unter mehrfacher Zielsetzung, unter Ungewissheit sowie unter Risiko zur Lösung von entsprechenden Problemen anwenden
  • Produktions- und Beschaffungssysteme sowie betriebliche Informationssysteme analysieren und einordnen
  • Einfache preispolitische und weitere Instrumente des Marketing analysieren und anwenden
  • Grundlegende Methoden der Finanzmathematik auf Invesititions- und Finanzierungsprobleme anwenden
  • Die Grundlagen der Buchhaltung, Bilanzierung, Kostenrechnung und des Controlling erläutern und Methoden aus diesen Bereichen auf einfache Problemstellungen anwenden.


Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind in der Lage

  • sich im Team zu organisieren und ein Projekt aus dem Bereich Entrepreneurship gemeinsam zu bearbeiten und einen Projektbericht zu erstellen
  • erfolgreich problemlösungsorientiert zu kommunizieren
  • respektvoll und erfolgreich zusammenzuarbeiten
Selbstständigkeit

Die Studierenden sind in der Lage

  • Ein Projekt in einem Team zu bearbeiten und einer Lösung zuzuführen
  • unter Anleitung einen Projektbericht  zu verfassen
Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Fachtheoretisch-fachpraktische Arbeit
Prüfungsdauer und -umfang 90 Minuten
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften: Vertiefung Elektrotechnik: Pflicht
Allgemeine Ingenieurwissenschaften: Vertiefung Informatik: Pflicht
Allgemeine Ingenieurwissenschaften: Vertiefung Verfahrenstechnik: Pflicht
Allgemeine Ingenieurwissenschaften: Vertiefung Bioverfahrenstechnik: Pflicht
Allgemeine Ingenieurwissenschaften: Vertiefung Energie- und Umwelttechnik: Pflicht
Allgemeine Ingenieurwissenschaften: Vertiefung Bau- und Umweltingenieurwesen: Pflicht
Allgemeine Ingenieurwissenschaften: Vertiefung Maschinenbau: Pflicht
Allgemeine Ingenieurwissenschaften: Vertiefung Mediziningenieurwesen: Pflicht
Allgemeine Ingenieurwissenschaften: Vertiefung Schiffbau: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Elektrotechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Verfahrenstechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Schiffbau: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Bioverfahrenstechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Bauingenieurwesen: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Energie- und Umwelttechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Flugzeug-Systemtechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Produktentwicklung und Produktion: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Energietechnik: Pflicht
Bau- und Umweltingenieurwesen: Kernqualifikation: Pflicht
Bioverfahrenstechnik: Kernqualifikation: Pflicht
Computer Science: Kernqualifikation: Pflicht
Elektrotechnik: Kernqualifikation: Pflicht
Energie- und Umwelttechnik: Kernqualifikation: Pflicht
General Engineering Science: Vertiefung Bau- und Umweltingenieurwesen: Pflicht
General Engineering Science: Vertiefung Bioverfahrenstechnik: Pflicht
General Engineering Science: Vertiefung Elektrotechnik: Pflicht
General Engineering Science: Vertiefung Energie- und Umwelttechnik: Pflicht
General Engineering Science: Vertiefung Informatik: Pflicht
General Engineering Science: Vertiefung Maschinenbau: Pflicht
General Engineering Science: Vertiefung Mediziningenieurwesen: Pflicht
General Engineering Science: Vertiefung Schiffbau: Pflicht
General Engineering Science: Vertiefung Verfahrenstechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Elektrotechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Verfahrenstechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
General Engineering Science (7 Semester): Vertiefung Schiffbau: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Pflicht
General Engineering Science (7 Semester): Vertiefung Bioverfahrenstechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Bauingenieurwesen: Pflicht
General Engineering Science (7 Semester): Vertiefung Energie- und Umwelttechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Flugzeug-Systemtechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Produktentwicklung und Produktion: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Energietechnik: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Logistik und Mobilität: Kernqualifikation: Pflicht
Maschinenbau: Kernqualifikation: Pflicht
Mechatronik: Kernqualifikation: Pflicht
Schiffbau: Kernqualifikation: Pflicht
Technomathematik: Kernqualifikation: Pflicht
Verfahrenstechnik: Kernqualifikation: Pflicht
Lehrveranstaltung L0880: Grundlagen der Betriebswirtschaftslehre
Typ Vorlesung
SWS 3
LP 3
Arbeitsaufwand in Stunden Eigenstudium 48, Präsenzstudium 42
Dozenten Prof. Christoph Ihl, Prof. Thorsten Blecker, Prof. Christian Lüthje, Prof. Christian Ringle, Prof. Kathrin Fischer, Prof. Cornelius Herstatt, Prof. Wolfgang Kersten, Prof. Matthias Meyer, Prof. Thomas Wrona
Sprachen DE
Zeitraum WiSe/SoSe
Inhalt
  • Die Abgrenzung der BWL von der VWL und die Gliederungsmöglichkeiten der BWL
  • Wichtige Definitionen aus dem Bereich Management und Wirtschaft
  • Die wichtigsten Unternehmensziele und ihre Einordnung sowie (Kern-) Funktionen der Unternehmung
  • Die Bereiche Produktion und Beschaffungsmanagement, der Begriff des Supply Chain Management und die Bestandteile einer Supply Chain
  • Die Definition des Begriffs Information, die Organisation des Informations- und Kommunikations (IuK)-Systems und Aspekte der Datensicherheit; Unternehmensstrategie und strategische Informationssysteme
  • Der Begriff und die Bedeutung von Innovationen, insbesondere Innovationschancen, -risiken und prozesse
  • Die Bedeutung des Marketing, seine Aufgaben, die Abgrenzung von B2B- und B2C-Marketing
  • Aspekte der Marketingforschung (Marktportfolio, Szenario-Technik) sowie Aspekte der strategischen und der operativen Planung und Aspekte der Preispolitik
  • Die grundlegenden Organisationsstrukturen in Unternehmen und einige Organisationsformen
  • Grundzüge des Personalmanagements
  • Die Bedeutung der Planung in Unternehmen und die wesentlichen Schritte eines Planungsprozesses
  • Die wesentlichen Bestandteile einer Entscheidungssituation sowie Methoden für Entscheidungsprobleme unter mehrfacher Zielsetzung, unter Ungewissheit sowie unter Risiko
  • Grundlegende Methoden der Finanzmathematik
  • Die Grundlagen der Buchhaltung, der Bilanzierung und der Kostenrechnung
  • Die Bedeutung des Controlling im Unternehmen und ausgewählte Methoden des Controlling
  • Die wesentlichen Aspekte von Entrepreneurship-Projekten


Literatur

Bamberg, G., Coenenberg, A.: Betriebswirtschaftliche Entscheidungslehre, 14. Aufl., München 2008

Eisenführ, F., Weber, M.: Rationales Entscheiden, 4. Aufl., Berlin et al. 2003

Heinhold, M.: Buchführung in Fallbeispielen, 10. Aufl., Stuttgart 2006.

Kruschwitz, L.: Finanzmathematik. 3. Auflage, München 2001.

Pellens, B., Fülbier, R. U., Gassen, J., Sellhorn, T.: Internationale Rechnungslegung, 7. Aufl., Stuttgart 2008.

Schweitzer, M.: Planung und Steuerung, in: Bea/Friedl/Schweitzer: Allgemeine Betriebswirtschaftslehre, Bd. 2: Führung, 9. Aufl., Stuttgart 2005.

Weber, J., Schäffer, U. : Einführung in das Controlling, 12. Auflage, Stuttgart 2008.

Weber, J./Weißenberger, B.: Einführung in das Rechnungswesen, 7. Auflage, Stuttgart 2006. 


Lehrveranstaltung L0882: Projekt Entrepreneurship
Typ Projekt-/problembasierte LehrveranstaltungLehrveranstaltung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Christoph Ihl, MBA Ann-Isabell Hnida, Hamed Farhadian, Katharina Roedelius, Oliver Welling, Dr. Maximilian Mülke
Sprachen DE
Zeitraum WiSe/SoSe
Inhalt

Inhalt ist die eigenständige Erarbeitung eines Gründungsprojekts, von der ersten Idee bis zur fertigen Konzeption, wobei die betriebswirtschaftlichen Grundkenntnisse aus der Vorlesung "Grundlagen der Betriebswirtschaftslehre" zum Einsatz kommen sollen.

Die Erarbeitung erfolgt in Teams und unter Anleitung eines Mentors.

Literatur Relevante Literatur aus der korrespondierenden Vorlesung.

Modul M0834: Computernetworks and Internet Security

Lehrveranstaltungen
Titel Typ SWS LP
Rechnernetze und Internet-Sicherheit (L1098) Vorlesung 3 5
Rechnernetze und Internet-Sicherheit (L1099) Gruppenübung 1 1
Modulverantwortlicher Prof. Andreas Timm-Giel
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse

Basics of Computer Science

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students are able to explain important and common Internet protocols in detail and classify them, in order to be able to analyse and develop networked systems in further studies and job.

Fertigkeiten

Students are able to analyse common Internet protocols and evaluate the use of them in different domains.

Personale Kompetenzen
Sozialkompetenz


Selbstständigkeit

Students can select relevant parts out of high amount of professional knowledge and can independently learn and understand it.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 120 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften: Vertiefung Informatik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Wahlpflicht
Computer Science: Kernqualifikation: Pflicht
Elektrotechnik: Kernqualifikation: Wahlpflicht
General Engineering Science: Vertiefung Informatik: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Wahlpflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Lehrveranstaltung L1098: Computer Networks and Internet Security
Typ Vorlesung
SWS 3
LP 5
Arbeitsaufwand in Stunden Eigenstudium 108, Präsenzstudium 42
Dozenten Prof. Andreas Timm-Giel, Prof. Dieter Gollmann
Sprachen EN
Zeitraum WiSe
Inhalt

In this class an introduction to computer networks with focus on the Internet and its security is given. Basic functionality of complex protocols are introduced. Students learn to understand these and identify common principles. In the exercises these basic principles and an introduction to performance modelling are addressed using computing tasks and (virtual) labs.

In the second part of the lecture an introduction to Internet security is given.

This class comprises:

  • Application layer protocols (HTTP, FTP, DNS)
  • Transport layer protocols (TCP, UDP)
  • Network Layer (Internet Protocol, routing in the Internet)
  • Data link layer with media access at the example of Ethernet
  • Multimedia applications in the Internet
  • Network management
  • Internet security: IPSec
  • Internet security: Firewalls
Literatur


  • Kurose, Ross, Computer Networking - A Top-Down Approach, 6th Edition, Addison-Wesley
  • Kurose, Ross, Computernetzwerke - Der Top-Down-Ansatz, Pearson Studium; Auflage: 6. Auflage
  • W. Stallings: Cryptography and Network Security: Principles and Practice, 6th edition



Further literature is announced at the beginning of the lecture.


Lehrveranstaltung L1099: Computer Networks and Internet Security
Typ Gruppenübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Andreas Timm-Giel, Prof. Dieter Gollmann
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0953: Introduction to Information Security

Lehrveranstaltungen
Titel Typ SWS LP
Einführung in die Informationssicherheit (L1114) Vorlesung 3 3
Einführung in die Informationssicherheit (L1115) Gruppenübung 2 3
Modulverantwortlicher Prof. Dieter Gollmann
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse Basics of Computer Science
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students can 

  • name the main security risks when using Information and Communication Systems and name the fundamental security mechanisms, 
  • describe commonly used methods for risk and security analysis,  
  • name the fundamental principles of data protection.
Fertigkeiten

Students can

  • evaluate the strenghts and weaknesses of the fundamental security mechanisms and of the commonly used methods for risk and security analysis, 

  • apply the fundamental principles of data protection to concrete cases.

Personale Kompetenzen
Sozialkompetenz Students are capable of appreciating the impact of security problems on  those affected and of the potential responsibilities for their resolution. 
Selbstständigkeit None
Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 120 Minuten
Zuordnung zu folgenden Curricula Computer Science: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Lehrveranstaltung L1114: Introduction to Information Security
Typ Vorlesung
SWS 3
LP 3
Arbeitsaufwand in Stunden Eigenstudium 48, Präsenzstudium 42
Dozenten Prof. Chris Brzuska, Prof. Dieter Gollmann
Sprachen EN
Zeitraum WiSe
Inhalt
  • Fundamental concepts
  • Passwords & biometrics
  • Introduction to cryptography
  • Sessions, SSL/TLS
  • Certificates, electronic signatures
  • Public key infrastructures
  • Side-channel analysis
  • Access control
  • Privacy
  • Software security basics
  • Security management & risk analysis
  • Security evaluation: Common Criteria




Literatur

D. Gollmann: Computer Security, Wiley & Sons, third edition, 2011

Ross Anderson: Security Engineering, Wiley & Sons, second edition, 2008


Lehrveranstaltung L1115: Introduction to Information Security
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Dieter Gollmann
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0730: Technische Informatik

Lehrveranstaltungen
Titel Typ SWS LP
Technische Informatik (L0321) Vorlesung 3 4
Technische Informatik (L0324) Gruppenübung 1 2
Modulverantwortlicher Prof. Heiko Falk
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Grundkenntnisse der Elektrotechnik

Bei erfolgreicher Teilnahme an den Übungen wird diese erbrachte Vorleistung bei der Bewertung der Klausur gemäß folgender Regeln mitberücksichtigt:

  1. Bei bestandener Modulprüfung wird dem Studierenden aufgrund der erfolgreichen Teilnahme an den Übungen ein Notenbonus auf die Modulprüfung bis zur nächst besseren Zwischenstufe von 0,3 bzw. 0,4 gewährt.
  2. Eine Notenverbesserung von 5,0 auf 4,3 oder von 4,3 auf 4,0 ist nicht möglich.

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Dieses Modul vermittelt Grundkenntnisse der Funktionsweise von Rechensystemen. Abgedeckt werden die Ebenen von der Assemblerprogrammierung bis zur Gatterebene. Das Modul behandelt folgende Inhalte:

  • Einführung
  • Kombinatorische Logik: Gatter, Boolesche Algebra, Schaltfunktionen, Synthese von Schaltungen, Schaltnetze
  • Sequentielle Logik: Flip-Flops, Schaltwerke, systematischer Schaltwerkentwurf
  • Technologische Grundlagen
  • Rechnerarithmetik: Ganzzahlige Addition, Subtraktion, Multiplikation und Division
  • Grundlagen der Rechnerarchitektur: Programmiermodelle, MIPS-Einzelzyklusmaschine, Pipelining
  • Speicher-Hardware: Speicherhierarchien, SRAM, DRAM, Caches
  • Ein-/Ausgabe: I/O aus Sicht der CPU, Prinzipien der Datenübergabe, Point-to-Point Verbindungen, Busse
Fertigkeiten

Die Studierenden fassen ein Rechensystem aus der Perspektive des Architekten auf, d.h. sie erkennen die interne Struktur und den physischen Aufbau von Rechensystemen. Die Studierenden können analysieren, wie hochspezifische und individuelle Rechner aus einer Sammlung gängiger Einzelkompenenten zusammengesetzt werden. Sie sind in der Lage, die unterschiedlichen Abstraktionsebenen heutiger Rechensysteme - von Gattern und Schaltungen bis hin zu Prozessoren - zu unterscheiden und zu erklären.

Nach erfolgreichem Besuch der Veranstaltung sind die Studierenden in der Lage, die Wechselwirkungen zwischen einem physischen Rechensystem und der darauf ausgeführten Software beurteilen zu können. Insbesondere sollen sie die Konsequenzen der Ausführung von Software in den hardwarenahen Schichten von der Assemblersprache bis zu Gattern erkennen können. Sie sollen so in die Lage versetzt werden, Auswirkungen unterer Schichten auf die Leistung des Gesamtsystems abzuschätzen und geeignete Optionen vorzuschlagen.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind nach Abschluss des Moduls in der Lage, ähnliche Aufgaben alleine oder in einer Gruppe zu bearbeiten und die Resultate geeignet zu präsentieren.

Selbstständigkeit

Die Studierenden sind nach Abschluss des Moduls in der Lage, sich Teilbereiche des Fachgebietes anhand von Fachliteratur selbständig zu erarbeiten, das erworbene Wissen zusammenzufassen, zu präsentieren und es mit den Inhalten anderer Lehrveranstaltungen zu verknüpfen.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 Minuten, Inhalte der Vorlesung und Übungen
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften: Kernqualifikation: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Bioverfahrenstechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Schiffbau: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Bauingenieurwesen: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Elektrotechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Energie- und Umwelttechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Verfahrenstechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Flugzeug-Systemtechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Produktentwicklung und Produktion: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Energietechnik: Pflicht
Computer Science: Kernqualifikation: Pflicht
Elektrotechnik: Kernqualifikation: Pflicht
General Engineering Science: Kernqualifikation: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Pflicht
General Engineering Science (7 Semester): Vertiefung Bioverfahrenstechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Schiffbau: Pflicht
General Engineering Science (7 Semester): Vertiefung Bauingenieurwesen: Pflicht
General Engineering Science (7 Semester): Vertiefung Elektrotechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
General Engineering Science (7 Semester): Vertiefung Energie- und Umwelttechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Verfahrenstechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Flugzeug-Systemtechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Produktentwicklung und Produktion: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Energietechnik: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Mechatronik: Kernqualifikation: Pflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Lehrveranstaltung L0321: Technische Informatik
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Heiko Falk
Sprachen DE
Zeitraum WiSe
Inhalt
  • Einführung
  • Kombinatorische Logik
  • Sequentielle Logik
  • Technologische Grundlagen
  • Zahlendarstellungen und Rechnerarithmetik
  • Grundlagen der Rechnerarchitektur
  • Speicher-Hardware
  • Ein-/Ausgabe
Literatur
  • A. Clements. The Principles of Computer Hardware. 3. Auflage, Oxford University Press, 2000.
  • A. Tanenbaum, J. Goodman. Computerarchitektur. Pearson, 2001.
  • D. Patterson, J. Hennessy. Rechnerorganisation und -entwurf. Elsevier, 2005.
Lehrveranstaltung L0324: Technische Informatik
Typ Gruppenübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Heiko Falk
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0853: Mathematik III

Lehrveranstaltungen
Titel Typ SWS LP
Analysis III (L1028) Vorlesung 2 2
Analysis III (L1029) Gruppenübung 1 1
Analysis III (L1030) Hörsaalübung 1 1
Differentialgleichungen 1 (Gewöhnliche Differentialgleichungen) (L1031) Vorlesung 2 2
Differentialgleichungen 1 (Gewöhnliche Differentialgleichungen) (L1032) Gruppenübung 1 1
Differentialgleichungen 1 (Gewöhnliche Differentialgleichungen) (L1033) Hörsaalübung 1 1
Modulverantwortlicher Prof. Anusch Taraz
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Mathematik I + II

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Studierende können die grundlegenden Begriffe aus dem Gebiet der Analysis und Differentialgleichungen benennen und anhand von Beispielen erklären.
  • Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.
  • Sie kennen Beweisstrategien und können diese wiedergeben.
Fertigkeiten
  • Studierende können Aufgabenstellungen aus dem Gebiet der Analysis und Differentialgleichungen 
    mit Hilfe der kennengelernten Konzepte modellieren und mit den erlernten Methoden lösen.
  • Studierende sind in der Lage, sich weitere logische Zusammenhänge zwischen den kennengelernten Konzepten selbständig zu erschließen und können diese verifizieren.
  • Studierende können zu gegebenen Problemstellungen einen geeigneten Lösungsansatz entwickeln, diesen verfolgen und die Ergebnisse kritisch auswerten.
Personale Kompetenzen
Sozialkompetenz
  • Studierende sind in der Lage, in Teams zusammenzuarbeiten und beherrschen die Mathematik als gemeinsame Sprache.

  • Sie können dabei insbesondere neue Konzepte adressatengerecht kommunizieren und anhand von Beispielen das Verständnis der Mitstudierenden überprüfen und vertiefen.
Selbstständigkeit
  • Studierende können eigenständig ihr Verständnis komplexer Konzepte überprüfen, noch offene Fragen auf den Punkt bringen und sich gegebenenfalls gezielt Hilfe holen.

  • Studierende haben eine genügend hohe Ausdauer entwickelt, um auch über längere Zeiträume zielgerichtet an schwierigen Problemstellungen zu arbeiten.
Arbeitsaufwand in Stunden Eigenstudium 128, Präsenzstudium 112
Leistungspunkte 8
Prüfung Klausur
Prüfungsdauer und -umfang 60 min (Analysis III) + 60 min (Differentialgleichungen 1)
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften: Kernqualifikation: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Kernqualifikation: Pflicht
Bau- und Umweltingenieurwesen: Kernqualifikation: Pflicht
Bioverfahrenstechnik: Kernqualifikation: Pflicht
Computer Science: Kernqualifikation: Pflicht
Elektrotechnik: Kernqualifikation: Pflicht
Energie- und Umwelttechnik: Kernqualifikation: Pflicht
General Engineering Science: Kernqualifikation: Pflicht
General Engineering Science (7 Semester): Kernqualifikation: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Maschinenbau: Kernqualifikation: Pflicht
Mechatronik: Kernqualifikation: Pflicht
Schiffbau: Kernqualifikation: Pflicht
Verfahrenstechnik: Kernqualifikation: Pflicht
Lehrveranstaltung L1028: Analysis III
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Dozenten des Fachbereiches Mathematik der UHH
Sprachen DE
Zeitraum WiSe
Inhalt

Grundzüge der Differential- und Integralrechnung mehrerer Variablen:

  • Differentialrechnung mehrerer Veränderlichen
  • Mittelwertsätze und Taylorscher Satz
  • Extremwertbestimmung
  • Implizit definierte Funktionen
  • Extremwertbestimmung bei Gleichungsnebenbedinungen
  • Newton-Verfahren für mehrere Variablen
  • Bereichsintegrale
  • Kurven- und Flächenintegrale
  • Integralsätze von Gauß und Stokes
Literatur
  • http://www.math.uni-hamburg.de/teaching/export/tuhh/index.html


Lehrveranstaltung L1029: Analysis III
Typ Gruppenübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Dozenten des Fachbereiches Mathematik der UHH
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L1030: Analysis III
Typ Hörsaalübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Dozenten des Fachbereiches Mathematik der UHH
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L1031: Differentialgleichungen 1 (Gewöhnliche Differentialgleichungen)
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Dozenten des Fachbereiches Mathematik der UHH
Sprachen DE
Zeitraum WiSe
Inhalt

Grundzüge der Theorie und Numerik gewöhnlicher Differentialgleichungen

  • Einführung und elementare Methoden
  • Existenz und Eindeutigkeit bei Anfangswertaufgaben
  • Lineare Differentialgleichungen
  • Stabilität und qualitatives Lösungsverhalten
  • Randwertaufgaben und Grundbegriffe der Variationsrechnung
  • Eigenwertaufgaben
  • Numerische Verfahren zur Integration von Anfangs- und Randwertaufgaben
  • Grundtypen bei partiellen Differentialgleichungen
Literatur
  • http://www.math.uni-hamburg.de/teaching/export/tuhh/index.html


Lehrveranstaltung L1032: Differentialgleichungen 1 (Gewöhnliche Differentialgleichungen)
Typ Gruppenübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Dozenten des Fachbereiches Mathematik der UHH
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L1033: Differentialgleichungen 1 (Gewöhnliche Differentialgleichungen)
Typ Hörsaalübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Dozenten des Fachbereiches Mathematik der UHH
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0562: Berechenbarkeit und Komplexität

Lehrveranstaltungen
Titel Typ SWS LP
Berechenbarkeit und Komplexität (L0166) Vorlesung 2 3
Berechenbarkeit und Komplexität (L0167) Gruppenübung 2 3
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Diskrete Algebraische Strukturen sowie Automatentheorie, Logik und Formale Sprachen.
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Wissen: Die Studierenden kennen

  • maschinennahe Modelle der Berechenbarkeit;
  • abstrakte funktionale Modelle der Berechenbarkeit;
  • das Konzept der universellen Berechenbarkeit und seine Beschreibung durch partiell-rekursive Funktionen;
  • das Konzept der Gödelisierung von Berechnungen sowie die Sätze von Kleene, Rice und Rice-Shapiro;
  • die Konzepte der entscheidbaren und semientscheidbaren Probleme;
  • die Wortprobleme in Semi-Thue-Systemen, Thue-Systemen, Halbgruppen und Post-Korrespondenz-Systemen;
  • Hilberts zehntes Problem;
  • die Komplexitätsklassen P und NP und deren Unterscheidung;
  • das Konzept der NP-Vollständigkeit sowie den Satz von Cook.

Fertigkeiten

Fertigkeiten: Die Studienden können

  • maschinennahe und abstrakte Modelle der Berechenbarkeit beschreiben;
  • Beziehungen zwischen den einzelnen Berechenbarkeitsbegriffen herstellen; 
  • die grundlegenden Sätze von Kleene und Rice rekapitulieren und beweisen;
  • das Konzept der universellen Berechenbarkeit darlegen;
  • entscheidbare und semientscheidbare Probleme identifizieren und deren Bezug zu ähnlichen Problemen durch Reduktion herstellen;
  • die Komplexitätsklassen P und NP beschreiben;
  • NP-vollständige Probleme lokalisieren.
Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind nach Abschluss des Moduls in der Lage, fachspezifische Aufgaben alleine oder in einer Gruppe zu bearbeiten und die Resultate geeignet zu präsentieren.

Selbstständigkeit

Die Studierenden sind nach Abschluss des Moduls in der Lage, sich Teilbereiche des Fachgebietes anhand von Fachbüchern und anderweitiger Literatur selbständig zu erarbeiten, das erworbene Wissen zusammenzufassen, zu präsentieren und es mit den Inhalten anderer Lehrveranstaltungen zu verknüpfen.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 20 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Wahlpflicht
Computer Science: Kernqualifikation: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Technomathematik: Kernqualifikation: Wahlpflicht
Lehrveranstaltung L0166: Berechenbarkeit und Komplexität
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Karl-Heinz Zimmermann
Sprachen DE/EN
Zeitraum SoSe
Inhalt
Literatur
Lehrveranstaltung L0167: Berechenbarkeit und Komplexität
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Karl-Heinz Zimmermann
Sprachen DE/EN
Zeitraum SoSe
Inhalt
Literatur

Modul M0672: Signale und Systeme

Lehrveranstaltungen
Titel Typ SWS LP
Signale und Systeme (L0432) Vorlesung 3 4
Signale und Systeme (L0433) Hörsaalübung 1 2
Modulverantwortlicher Prof. Gerhard Bauch
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Mathematik 1-3

Das Modul führt in das Thema der Signal- und Systemtheorie ein. Sicherer Umgang mit grundlegenden  mathematschen Methoden, wie sie in den Modulen Mathematik 1-3 vermittelt werden, wird erwartet. Darüber hinaus sind  Vorkenntnisse in Grundlagen von Spektraltransformationen (Fourier-Reihe, Fourier-Transformation, Laplace-Transformation) zwar nützlich, aber keine Voraussetzung.


Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden können Signale und lineare zeitinvariante (LTI) Systeme im Sinne der Signal- und Systemtheorie klassifizieren und beschreiben. Sie beherrschen die grundlegenden Integraltransformationen zeitkontinuierlicher und zeitdiskreter deterministischer Signale und Systeme. Sie können deterministische Signale und Systeme in Zeit- und Bildbereich mathematisch beschreiben und analysieren. Sie verstehen elementare Operationen und Konzepte der Signalverarbeitung und können diese in Zeit- und Bildbereich beschreiben. Insbesondere verstehen Sie die mit dem Übergang vom zeitkontinuierlichen zum zeitdiskreten Signal bzw. System einhergehenden Effekte in Zeit- und Bildbereich.

Fertigkeiten

Die Studierenden können deterministische Signale und lineare zeitinvariante Systeme mit den Methoden der Signal- und Systemtheorie beschreiben und analysieren. Sie können einfache Systeme hinsichtlich wichtiger Eigenschaften wie Betrags- und Phasenfrequenzgang, Stabilität, Linearität etc. analysieren und entwerfen. Sie können den Einfluß von LTI-Systemen auf die Signaleigenschaften in Zeit- und Frequenzbereich beurteilen.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden können fachspezifische Aufgaben gemeinsam bearbeiten.

Selbstständigkeit

Die Studierenden sind in der Lage, die notwendigen Informationen aus geeigneten Literaturquellen selbständig zu beschaffen und in den Kontext der Vorlesung zu setzen. Sie können ihren Wissensstand mit Hilfe vorlesungsbegleitender Maßnahmen (klausurnahe Aufgaben, Software-Tools, Clicker-System) kontinuierlich überprüfen und auf dieser Basis ihre Lernprozesse steuern.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften: Vertiefung Elektrotechnik: Pflicht
Allgemeine Ingenieurwissenschaften: Vertiefung Informatik: Pflicht
Allgemeine Ingenieurwissenschaften: Vertiefung Verfahrenstechnik: Pflicht
Allgemeine Ingenieurwissenschaften: Vertiefung Bioverfahrenstechnik: Pflicht
Allgemeine Ingenieurwissenschaften: Vertiefung Bau- und Umweltingenieurwesen: Pflicht
Allgemeine Ingenieurwissenschaften: Vertiefung Maschinenbau: Pflicht
Allgemeine Ingenieurwissenschaften: Vertiefung Mediziningenieurwesen: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Elektrotechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Verfahrenstechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Bioverfahrenstechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Energietechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Flugzeug-Systemtechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Pflicht
Computer Science: Kernqualifikation: Pflicht
Elektrotechnik: Kernqualifikation: Pflicht
General Engineering Science: Vertiefung Bau- und Umweltingenieurwesen: Pflicht
General Engineering Science: Vertiefung Bioverfahrenstechnik: Pflicht
General Engineering Science: Vertiefung Elektrotechnik: Pflicht
General Engineering Science: Vertiefung Informatik: Pflicht
General Engineering Science: Vertiefung Maschinenbau: Pflicht
General Engineering Science: Vertiefung Mediziningenieurwesen: Pflicht
General Engineering Science: Vertiefung Verfahrenstechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Elektrotechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Pflicht
General Engineering Science (7 Semester): Vertiefung Verfahrenstechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Bioverfahrenstechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Energietechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Flugzeug-Systemtechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Mechatronik: Kernqualifikation: Pflicht
Technomathematik: Vertiefung III. Ingenieurwissenschaften: Wahlpflicht
Lehrveranstaltung L0432: Signale und Systeme
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Gerhard Bauch
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  • Elementare Klassifizierung und Beschreibung zeitkontinuierlicher und zeitdiskreter deterministischer Signale und Systemen

  • Faltung

  • Leistung und Energie von Signalen

  • Korrelationsfunktionen deterministischer Signale

  • Lineare zeitinvariante (LTI) Systeme

  • Signaltransformationen:

    • Fourier-Reihe

    • Fourier Transformation

    • Laplace Transformation

    • Zeitdiskrete Fouriertranformation

    • Diskrete Fouriertransformation (DFT), Fast Fourier Transform (FFT)

    • Z-Transformation

  • Analyse und Entwurf von LTI-Systemen in Zeit- und Frequenzbereich

  • Grundlegende Filtertypen

  • Abtastung, Abtasttheorem

  • Grundlagen rekursiver und nicht-rekursiver zeitdiskreter Filter

Literatur
  • T. Frey , M. Bossert , Signal- und Systemtheorie, B.G. Teubner Verlag 2004

  • K. Kammeyer, K. Kroschel, Digitale Signalverarbeitung, Teubner Verlag.

  • B. Girod ,R. Rabensteiner , A. Stenger , Einführung in die Systemtheorie, B.G. Teubner, Stuttgart, 1997

  • J.R. Ohm, H.D. Lüke , Signalübertragung, Springer-Verlag 8. Auflage, 2002

  • S. Haykin, B. van Veen: Signals and systems. Wiley.

  • Oppenheim, A.S. Willsky: Signals and Systems. Pearson.

  • Oppenheim, R. W. Schafer: Discrete-time signal processing. Pearson.

Lehrveranstaltung L0433: Signale und Systeme
Typ Hörsaalübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Gerhard Bauch
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0971: Betriebssysteme

Lehrveranstaltungen
Titel Typ SWS LP
Betriebssysteme (L1153) Vorlesung 2 3
Betriebssysteme (L1154) Gruppenübung 2 3
Modulverantwortlicher Prof. Volker Turau
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Prozedurales Programmieren
  • Objekt-orientierte Programmierung, Algorithmen und Datenstrukturen
  • Erfahrung in der Anwendung von betriebssystemnahen Werkzeugen wie Editoren, Linker, Compiler
  • Erfahrung im Umgang mit C-Bibilotheken
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen Studierende können die wichtigsten Abstraktion von Betriebssystem erklären (Prozess, virtueller Speicher, Datei, Deadlock, Lifelock). Sie sind in der Lage, die Prozesszustände und die dazugehörenden Übergänge zu beschreiben. Sie kennen die wichtigsten Architekturvarianten von Betriebssystemen und können existierende Betriebssysteme diesen Varianten zuordnen. Die Teilnehmer sind in der Lage, nebenläufige Programm mittels Threads, conditional Variablen und Semaphoren zu erstellen. Sie können mehrere Varianten zur Realisierung von Filesystemen erläutern. Des Weiteren können sie mindestens drei Scheduling Algorithmen erläutern.
Fertigkeiten

Studierende können die POSIX Bibliotheken zur nebenläufigen Programmierung korrekt und effizient einsetzen. Sie sind in der Lage für eine Scheduling Aufgabe unter gegebenen Randbedingungen die Effezienz eines Scheduling-Algorithmus zu beurteilen.

Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften: Vertiefung Informatik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Wahlpflicht
Computer Science: Kernqualifikation: Pflicht
General Engineering Science: Vertiefung Informatik: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Lehrveranstaltung L1153: Betriebssysteme
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Volker Turau
Sprachen DE
Zeitraum SoSe
Inhalt
  • Architekturen für Betriebssysteme
  • Prozesse
  • Nebenläufigkeit
  • Verklemmungen
  • Speicherverwaltung
  • Scheduling
  • Dateisysteme
Literatur
  1. Operating Systems, William Stallings, Pearson International Edition
  2. Moderne Betriebssysteme, Andrew Tanenbaum, Pearson Studium


Lehrveranstaltung L1154: Betriebssysteme
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Volker Turau
Sprachen DE
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0727: Stochastics

Lehrveranstaltungen
Titel Typ SWS LP
Stochastik (L0777) Vorlesung 2 4
Stochastik (L0778) Gruppenübung 2 2
Modulverantwortlicher Prof. Marko Lindner
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse
  • Calculus
  • Discrete algebraic structures (combinatorics)
  • Propositional logic
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen Students can explain the main definitions of probability, and they can give basic definitions of modeling elements (random variables, events, dependence, independence assumptions) used in discrete and continuous settings (joint and marginal distributions, density functions). Students can describe characteristic notions such as expected values, variance, standard deviation, and moments. Students can define decision problems and explain algorithms for solving these problems (based on the chain rule or Bayesian networks). Algorithms, or estimators as they are caller, can be analyzed in terms of notions such as bias of an estimator, etc. Student can describe the main ideas of stochastic processes and explain algorithms for solving decision and computation problem for stochastic processes. Students can also explain basic statistical detection and estimation techniques.
Fertigkeiten

Students can apply algorithms for solving decision problems, and they can justify whether approximation techniques are good enough in various application contexts, i.e., students can derive estimators and judge whether they are applicable or reliable.

Personale Kompetenzen
Sozialkompetenz

- Students are able to work together (e.g. on their regular home work) in heterogeneously composed teams (i.e., teams from different study programs and background knowledge)  and to present their results appropriately (e.g. during exercise class).

Selbstständigkeit

- Students are capable of checking their understanding of complex concepts on their own. They can specify open questions precisely and know where to get help in solving them.

- Students can put their knowledge in relation to the contents of other lectures.

- Students have developed sufficient persistence to be able to work for longer periods in a goal-oriented manner on hard problems.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 120 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften: Vertiefung Informatik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Pflicht
Computer Science: Kernqualifikation: Pflicht
General Engineering Science: Vertiefung Informatik: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Logistik und Mobilität: Vertiefung Ingenieurwissenschaft: Wahlpflicht
Lehrveranstaltung L0777: Stochastics
Typ Vorlesung
SWS 2
LP 4
Arbeitsaufwand in Stunden Eigenstudium 92, Präsenzstudium 28
Dozenten Dr. Francisco Javier Hoecker-Escuti
Sprachen EN
Zeitraum SoSe
Inhalt

Foundations of probability theory

  • Definitions of probability, conditional probability
  • Random variables, dependencies, independence assumptions, 
  • Marginal and joint probabilities
  • Distributions and density functions
  • Characteristics: expected values, variance, standard deviation, moments

Practical representations for joint probabilities

  • Bayessche Netzwerke
  • Semantik, Entscheidungsprobleme, exakte und approximative Algorithmen

Stochastic processes

  • Stationarity, ergodicity
  • Correlations
  • Dynamic Bayesian networks, Hidden Markov networks, Kalman filters, queues

Detection & estimation

  • Detectors
  • Estimation rules and procedures
  • Hypothesis and distribution tests
  • Stochastic regression
Literatur
  1. Methoden der statistischen Inferenz, Likelihood und Bayes, Held, L., Spektrum 2008
  2. Stochastik für Informatiker, Dümbgen, L., Springer 2003
  3. Statistik: Der Weg zur Datenanalyse, Fahrmeir, L., Künstler R., Pigeot, I, Tutz, G., Springer 2010
  4. Stochastik, Georgii, H.-O., deGruyter, 2009
  5. Probability and Random Processes, Grimmett, G., Stirzaker, D., Oxford University Press, 2001
  6. Programmieren mit R, Ligges, U., Springer 2008
Lehrveranstaltung L0778: Stochastics
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Dr. Francisco Javier Hoecker-Escuti
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0852: Graphentheorie und Optimierung

Lehrveranstaltungen
Titel Typ SWS LP
Graphentheorie und Optimierung (L1046) Vorlesung 2 3
Graphentheorie und Optimierung (L1047) Gruppenübung 2 3
Modulverantwortlicher Prof. Anusch Taraz
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Diskrete Algebraische Strukturen

  • Mathematik I
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Studierende können die grundlegenden Begriffe der Graphentheorie und Optimierung benennen und anhand von Beispielen erklären.
  • Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.
  • Sie kennen Beweisstrategien und können diese wiedergeben.
Fertigkeiten
  • Studierende können Aufgabenstellungen der Graphentheorie und Optimierung mit Hilfe der kennengelernten Konzepte mathematisch modellieren und mit den erlernten Methoden lösen.
  • Studierende sind in der Lage, sich weitere einfache logische Zusammenhänge zwischen den kennengelernten Konzepten selbständig zu erschließen und können diese verifizieren.
  • Studierende können zu gegebenen Problemstellungen einen geeigneten Lösungsansatz entwickeln, diesen verfolgen und die Ergebnisse kritisch auswerten.
Personale Kompetenzen
Sozialkompetenz
  • Studierende sind in der Lage, in heterogen zusammengestellten Teams (mit unterschiedlichem mathematischen Hintergrundwissen und aus unterschiedlichen Studiengängen)  zusammenzuarbeiten und die Mathematik als gemeinsame Sprache zu entdecken und beherrschen.
  • Sie können sich dabei insbesondere gegenseitig neue Konzepte erklären und anhand von Beispielen das Verständnis der Mitstudierenden überprüfen und vertiefen.

Selbstständigkeit
  • Studierende können eigenständig ihr Verständnis mathematischer Konzepte überprüfen, noch offene Fragen auf den Punkt bringen und sich gegebenenfalls gezielt Hilfe holen.
  • Studierende haben eine genügend hohe Ausdauer entwickelt, um auch über längere Zeiträume an schwierigen Problemstellungen zu arbeiten.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 120 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften: Vertiefung Informatik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Pflicht
Computer Science: Kernqualifikation: Pflicht
General Engineering Science: Vertiefung Informatik: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Logistik und Mobilität: Vertiefung Ingenieurwissenschaft: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Lehrveranstaltung L1046: Graphentheorie und Optimierung
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Anusch Taraz
Sprachen DE
Zeitraum SoSe
Inhalt
  • Graphen, Durchlaufen von Graphen, Bäume
  • Planare Graphen
  • Kürzeste Wege
  • Minimale Spannbäume
  • Maximale Flüsse und minimale Schnitte
  • Sätze von Menger, König-Egervary, Hall
  • NP-vollständige Probleme
  • Backtracking und Heuristiken
  • Lineare Programmierung
  • Dualität
  • Ganzzahlige lineare Programmierung
Literatur
  • M. Aigner: Diskrete Mathematik, Vieweg, 2004
  • J. Matousek und J. Nesetril: Diskrete Mathematik, Springer, 2007
  • A. Steger: Diskrete Strukturen (Band 1), Springer, 2001
  • A. Taraz: Diskrete Mathematik, Birkhäuser, 2012
  • V. Turau: Algorithmische Graphentheorie, Oldenbourg, 2009
  • K.-H. Zimmermann: Diskrete Mathematik, BoD, 2006
Lehrveranstaltung L1047: Graphentheorie und Optimierung
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Anusch Taraz
Sprachen DE
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0793: Seminare Informatik und Mathematik

Lehrveranstaltungen
Titel Typ SWS LP
Seminar Computergestützte Mathematik/Informatik (L0797) Seminar 2 2
Seminar Informatik/Ingenieurwesen (L0796) Seminar 2 2
Seminar Ingenieurmathematik/Informatik (L1781) Seminar 2 2
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Grundkenntnisse in Informatik, Mathematik und evtl. Ingenieurwissenschaften.
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen Die Studierenden wissen, wie man Grundkenntnisse aus einem rudimentären Teilgebiet der Informatik, Mathematik oder Ingenieurwissenschaften durch selbständiges Arbeiten erlangt.
Fertigkeiten Die Studierenden können sich ein rudimentäres Teilgebiet aus Informatik, Mathematik oder Ingenieurwissenschaften selbständig erarbeiten.
Personale Kompetenzen
Sozialkompetenz

Studierende erläutern die in einem wissenschaftlichen Aufsatz geschilderten Probleme und die im Aufsatz entwickelten Lösungen in einem Fachgebiet der Informatik oder Mathematik, bewerten die vorgeschlagenen Lösungen in einem Vortrag und reagieren auf wissenschaftliche Nachfragen, Ergänzungen und Kommentare.

Selbstständigkeit

Die Studierenden erarbeiten sich selbständig ein kleines, sehr klar abgegrenztes wissenschaftliches Teilgebiet, können dieses in einer Präsentation vorstellen und verfolgen aktiv die Präsentationen anderer Studierender, so dass evtl. ein interaktiver Diskurs über ein wissenschaftliches Thema entsteht.

Arbeitsaufwand in Stunden Eigenstudium 96, Präsenzstudium 84
Leistungspunkte 6
Prüfung Referat
Prüfungsdauer und -umfang Pro Seminar erfolgt der Scheinerwerb durch Präsentation (Seminarvortrag 20 min und Diskussion 5 min)
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften: Vertiefung Informatik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Pflicht
Computer Science: Kernqualifikation: Pflicht
General Engineering Science: Vertiefung Informatik: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen (Weiterentwicklung): Kernqualifikation: Pflicht
Lehrveranstaltung L0797: Seminar Computergestützte Mathematik/Informatik
Typ Seminar
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Karl-Heinz Zimmermann, Dr. Jens-Peter Zemke
Sprachen DE/EN
Zeitraum WiSe/SoSe
Inhalt
  • Seminarvorträge der teilnehmenden Studierenden. Seminarthemen aus dem Bereich Computerorientierte Mathematik oder Informatik werden vom Veranstalter bekanntgegeben
  • Aktive Teilnahme an der Diskussion.
Literatur Wird vom Seminarveranstalter bekanntgegeben.
Lehrveranstaltung L0796: Seminar Informatik/Ingenieurwesen
Typ Seminar
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Karl-Heinz Zimmermann
Sprachen DE/EN
Zeitraum WiSe/SoSe
Inhalt
  • Seminarvorträge der teilnehmenden Studierenden. Seminarthemen aus dem Bereich Informatik oder Ingenieurwesen werden vom Veranstalter bekanntgegeben
  • Aktive Teilnahme an der Diskussion.

Literatur

Wird vom Seminarveranstalter bekanntgegeben.


Lehrveranstaltung L1781: Seminar Ingenieurmathematik/Informatik
Typ Seminar
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Karl-Heinz Zimmermann, Dr. Jens-Peter Zemke
Sprachen DE/EN
Zeitraum WiSe/SoSe
Inhalt
  • Seminarvorträge der teilnehmenden Studierenden. Seminarthemen aus dem Bereich Informatik oder Ingenieurmathematik werden vom Veranstalter bekanntgegeben
  • Aktive Teilnahme an der Diskussion.
Literatur

Wird vom Seminarveranstalter bekanntgegeben.

Modul M0873: Software-Fachpraktikum

Lehrveranstaltungen
Titel Typ SWS LP
Modulverantwortlicher Prof. Karl-Heinz Zimmermann
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Grundlagen der Softwaretechnik

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden kennen wichtige Aspekte und typische Phasen der Software-Projektentwicklung (wie Planung, Spezifikation, Implementierung, Validierung, Wartung und Dokumentation), die in der Praxis mehr oder weniger ausgeprägt zum Tragen kommen.


Fertigkeiten

Die Studierenden können typische Stufen der Software-Projektentwicklung beschreiben und eng umrissene Teilaufgaben in einem Software-Projekt innerhalb einer Gruppe oder eigenständig bearbeiten.


Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind nach Abschluss des Moduls in der Lage, fachspezifische Aufgaben aus der Software-Entwicklung alleine oder in einer Gruppe zu bearbeiten und die Resultate geeignet zu präsentieren.

Selbstständigkeit

Die Studierenden sind nach Abschluss des Moduls imstande, sich Teilbereiche des Fachgebietes anhand von Fachliteratur selbständig zu erarbeiten, das erworbene Wissen zusammenzufassen und es mit den Inhalten anderer Lehrveranstaltungen zu verknüpfen.

Arbeitsaufwand in Stunden Eigenstudium 180, Präsenzstudium 0
Leistungspunkte 6
Prüfung Schriftliche Ausarbeitung (laut FPrO)
Prüfungsdauer und -umfang Die Ausarbeitung wird von der Betreuerin bzw. dem Betreuer der Bachelorarbeit bewertet.
Zuordnung zu folgenden Curricula Computer Science: Kernqualifikation: Pflicht

Fachmodule der Vertiefung Computational Mathematics

Modul M0833: Grundlagen der Regelungstechnik

Lehrveranstaltungen
Titel Typ SWS LP
Grundlagen der Regelungstechnik (L0654) Vorlesung 2 4
Grundlagen der Regelungstechnik (L0655) Gruppenübung 2 2
Modulverantwortlicher Prof. Herbert Werner
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Grundkenntnisse der Behandlung von Signalen und Systemen im Zeit- und Frequenzbereich und der Laplace-Transformation.

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Studierende können das Verhalten dynamischer Systeme in Zeit- und Frequenzbereich darstellen und interpretieren, und insbesondere die Eigenschaften Systeme 1. und 2. Ordnung erläutern.
  • Sie können die Dynamik einfacher Regelkreise erklären und anhand von Frequenzgang und Wurzelortskurve interpretieren.
  • Sie können das Nyquist-Stabilitätskriterium sowie die daraus abgeleiteten Stabilitätsreserven erklären.
  • Sie können erklären, welche Rolle die Phasenreserve in der Analyse und Synthese von Regelkreisen spielt.
  • Sie können die Wirkungsweise eines PID-Reglers anhand des Frequenzgangs interpretieren.
  • Sie können erklären, welche Aspekte bei der digitalen Implementierung zeitkontinuierlich entworfener Regelkreise berücksichtigt werden müssen.
Fertigkeiten
  • Studierende können Modelle linearer dynamischer Systeme vom Zeitbereich in den Frequenzbereich transformieren und umgekehrt. 
  • Sie können das Verhalten von Systemen und Regelkreisen simulieren und bewerten.
  • Sie können PID-Regler mithilfe heuristischer Einstellregeln (Ziegler-Nichols) entwerfen.
  • Sie können anhand von Wurzelortskurve und Frequenzgang einfache Regelkreise entwerfen und analysieren.
  • Sie können zeitkontinuierliche Modelle  dynamischer Regler für die digitale Implementierung zeitdiskret approximieren.
  • Sie beherrschen die einschlägigen Software-Werkzeuge (Matlab Control Toolbox, Simulink) für die Durchführung all dieser Aufgaben.
Personale Kompetenzen
Sozialkompetenz Studierende können in kleinen Gruppen fachspezifische Fragen gemeinsam bearbeiten und ihre Reglerentwürfe  experimentell testen und bewerten
Selbstständigkeit Studierende können sich Informationen aus bereit gestellten Quellen (Skript, Software-Dokumentation, Versuchsunterlagen) beschaffen und für die Lösung gegebener Probleme verwenden.

Sie können ihren Wissensstand mit Hilfe wöchentlicher On-Line Tests kontinuierlich überprüfen und auf dieser Basis ihre Lernprozesse steuern

 
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 120 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften: Kernqualifikation: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Bioverfahrenstechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Schiffbau: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Bauingenieurwesen: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Elektrotechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Energie- und Umwelttechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Verfahrenstechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Flugzeug-Systemtechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Produktentwicklung und Produktion: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Energietechnik: Pflicht
Bioverfahrenstechnik: Kernqualifikation: Pflicht
Computer Science: Vertiefung Computational Mathematics: Wahlpflicht
Elektrotechnik: Kernqualifikation: Pflicht
Energie- und Umwelttechnik: Kernqualifikation: Pflicht
General Engineering Science: Kernqualifikation: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Pflicht
General Engineering Science (7 Semester): Vertiefung Bioverfahrenstechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Schiffbau: Pflicht
General Engineering Science (7 Semester): Vertiefung Bauingenieurwesen: Pflicht
General Engineering Science (7 Semester): Vertiefung Elektrotechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
General Engineering Science (7 Semester): Vertiefung Energie- und Umwelttechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Verfahrenstechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Flugzeug-Systemtechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Produktentwicklung und Produktion: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Energietechnik: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen (Weiterentwicklung): Kernqualifikation: Pflicht
Logistik und Mobilität: Vertiefung Ingenieurwissenschaft: Wahlpflicht
Maschinenbau: Kernqualifikation: Pflicht
Mechatronik: Kernqualifikation: Pflicht
Technomathematik: Vertiefung III. Ingenieurwissenschaften: Wahlpflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs Kernfächer: Wahlpflicht
Verfahrenstechnik: Kernqualifikation: Pflicht
Lehrveranstaltung L0654: Grundlagen der Regelungstechnik
Typ Vorlesung
SWS 2
LP 4
Arbeitsaufwand in Stunden Eigenstudium 92, Präsenzstudium 28
Dozenten Prof. Herbert Werner
Sprachen DE
Zeitraum WiSe
Inhalt

Signale und Systeme

  • Lineare Systeme, Differentialgleichungen und Übertragungsfunktionen
  • Systeme 1. und 2. Ordnung, Pole und Nullstellen, Impulsantwort und Sprungantwort
  • Stabilität

Regelkreise

  • Prinzip der Rückkopplung: Steuerung oder Regelung
  • Folgeregelung und Störunterdrückung
  • Arten der Rückführung, PID-Regelung
  • System-Typ und bleibende Regelabweichung
  • Inneres-Modell-Prinzip

Wurzelortskurven

  • Konstruktion und Interpretation von Wurzelortskurven
  • Wurzelortskurven von PID-Regelkreisen

Frequenzgang-Verfahren

  • Frequenzgang, Bode-Diagramm
  • Minimalphasige und nichtminimalphasige Systeme
  • Nyquist-Diagramm, Nyquist-Stabilitätskriterium, Phasenreserve und Amplitudenreserve
  • Loop shaping, Lead-Lag-Kompensatoren
  • Frequenzgang von PID-Regelkreisen

Totzeitsysteme

  • Wurzelortskurve und Frequenzgang von Totzeitsystemen
  • Smith-Prädiktor

Digitale Regelung

  • Abtastsysteme, Differenzengleichungen
  • Tustin-Approximation, digitale PID-Regler

Software-Werkzeuge

  • Einführung in Matlab, Simulink, Control Toolbox
  • Rechnergestützte Aufgaben zu allen Themen der Vorlesung
Literatur
  • Werner, H., Lecture Notes „Introduction to Control Systems“
  • G.F. Franklin, J.D. Powell and A. Emami-Naeini "Feedback Control of Dynamic Systems", Addison Wesley, Reading, MA, 2009
  • K. Ogata "Modern Control Engineering", Fourth Edition, Prentice Hall, Upper Saddle River, NJ, 2010
  • R.C. Dorf and R.H. Bishop, "Modern Control Systems", Addison Wesley, Reading, MA 2010
Lehrveranstaltung L0655: Grundlagen der Regelungstechnik
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Herbert Werner
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0651: Rechnergestützte Geometrie

Lehrveranstaltungen
Titel Typ SWS LP
Rechnergestützte Geometrie (L0393) Vorlesung 2 4
Rechnergestützte Geometrie (L0394) Gruppenübung 2 2
Modulverantwortlicher Dr. Prashant Batra
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Lineare Algebra und  Analytische Geometrie wie aus der schulischen Oberstufe bekannt

(Rechnen mit Vektoren u. Determinanten, Deutung von Skalarprodukt, Kreuzprodukt, Darstellung v. Geraden/Ebenen, Satz d. Pythagoras, Cosinus-Satz, Satz d. Thales, Projektionen/Einbettungen)

Grundlegende Datenstrukturen (Bäume, binäre Bäume, Suchbäume, balancierte binäre Bäume, Verkettete Listen)

Definition eines Graphen


Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende können die grundlegenden Begriffe der Rechnergestützten Geoemtrie benennen, mathematisch exakt beschreiben und anhand von Beispielen erklären.

Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.


Fertigkeiten

Studierende können Aufgabenstellungen aus der Rechnergestützten Geometrie mit Hilfe der kennengelernten Konzepte modellieren und mit den erlernten Methoden lösen.




Personale Kompetenzen
Sozialkompetenz

Studierende sind in der Lage, mit den Teilnehmerinnen und Teilnehmer ihre eigenen algorithmischen Vorschläge zur Lösung der vorgestellten Probleme zu erörtern. Studierende sind in der Lage, in Teams zusammenzuarbeiten und beherrschen die Mathematik als gemeinsame Sprache.


Selbstständigkeit

Studierende sind in der Lage, sich weitere logische Zusammenhänge zwischen den kennengelernten Konzepten selbständig zu erschließen und können diese verifizieren.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computational Mathematics: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Lehrveranstaltung L0393: Rechnergestützte Geometrie
Typ Vorlesung
SWS 2
LP 4
Arbeitsaufwand in Stunden Eigenstudium 92, Präsenzstudium 28
Dozenten Dr. Prashant Batra
Sprachen DE
Zeitraum WiSe
Inhalt

Konstruktion einer konvexen Hülle von n Punkten

Triangulierung eines schlichten Polygons

Konstruktion einer Delaunay-Triangulation, eines Voronoi-Diagramms

Algorithmen und Datenstrukturen  zum Bestimmen eines Arrangements, eines Ham-Sandwich-Cuts.

des Schnitts von Halbebenen, der Optimierung eines linearen Funktionals.

Effiziente Bestimmung aller Schnittpunkte von (orthogonalen) Streckensegmenten

Approximative Berechnung des Durchmessers einer Punktemenge

Inkrementelle randomisierte Algorithmen

Grundlagen der Gitterpunktlehre, LLL-Algorithmus und Anwendungen in der ganzzahligen Optimierung


Grundlagen der Bewegungsplanung



Literatur Computational Geometry Algorithms and Applications Authors:
  • Prof. Dr. Mark de Berg,
  • Dr. Otfried Cheong,
  • Dr. Marc van Kreveld,
  • Prof. Dr. Mark Overmars

Springer e-Book: http://dx.doi.org/10.1007/978-3-540-77974-2


Algorithmische Geometrie : Grundlagen, Methoden, Anwendungen / Rolf Klein
Verfasser: 
Klein, Rolf
Ausgabe: 
2., vollst. überarb. Aufl.
Erschienen: 
Berlin [u.a.] : Springer, 2005
Umfang: 
XI, 392 S. : graph. Darst.

Springer e-Book: http://dx.doi.org/10.1007/3-540-27619-X

O’Rourke, Joseph
Computational geometry in C. (English) Zbl 0816.68124
Cambridge: Univ. Press. ix, 346 p. $ 24.95; £16.95 /sc; $ 59.95; £35.00 /hc (1994).

ISBN:  0-521-44034-3  ; 0-521-44592-2


Computational geometry : an introduction / Franco P. Preparata; Michael Ian Shamos
Verfasser: 
Preparata, Franco P. ; Shamos, Michael Ian
Ausgabe: 
Corr. and expanded 2. printing.
Erschienen: 
New York [u.a.] : Springer, 1988
Umfang: 
XIV, 398 S. : graph. Darst.
Schriftenreihe: 
Texts and monographs in computer science
ISBN: 
3-540-96131-3
0-387-96131-3


Devadoss, Satyan L.; O’Rourke, Joseph
Discrete and computational geometry. (English) Zbl 1232.52001
Princeton, NJ: Princeton University Press (ISBN 978-0-691-14553-2/hbk; 978-1-400-83898-1/ebook). xi, 255 p.



ISBN: 978-3-540-77973-5 (Print) 978-3-540-77974-2 (Online)

Lehrveranstaltung L0394: Rechnergestützte Geometrie
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Dr. Prashant Batra
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0662: Numerische Mathematik I

Lehrveranstaltungen
Titel Typ SWS LP
Numerische Mathematik I (L0417) Vorlesung 2 3
Numerische Mathematik I (L0418) Gruppenübung 2 3
Modulverantwortlicher Prof. Sabine Le Borne
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Mathematik I + II für Ingenieurstudierende (deutsch oder englisch) oder Analysis & Lineare Algebra I + II für Technomathematiker
  • MATLAB Grundkenntnisse
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende können

  • numerische Verfahren zur Interpolation, Integration, Lösung von Ausgleichproblemen, Lösung von Eigenwertproblemen und nichtlinearen Nullstellenproblemen benennen und deren Kernideen erläutern,
  • Konvergenzaussagen zu den numerischen Methoden wiedergeben,

  • Aspekte der praktischen Durchführung numerischer Verfahren im Hinblick auf Rechenzeit und Speicherbedarf erklären.
Fertigkeiten

Studierende sind in der Lage,

  • numerische Methoden in MATLAB zu implementieren, anzuwenden und zu vergleichen,
  • das Konvergenzverhalten numerischen Methoden in Abhängigkeit vom gestellten Problem und des verwendeten Lösungsalgorithmus zu begründen,
  • zu gegebener Problemstellung einen geeigneten Lösungsansatz auszuwählen und durchzuführen.
Personale Kompetenzen
Sozialkompetenz

Studierende können

  • in heterogen zusammengesetzten Teams (d.h. aus unterschiedlichen Studiengängen und mit unterschiedlichem Hintergrundwissen) zusammenarbeiten, sich theoretische Grundlagen erklären sowie bei praktischen Implementierungsaspekten der Algorithmen unterstützen.
Selbstständigkeit

Studierende sind fähig,

  • selbst einzuschätzen, ob sie die begleitenden theoretischen und praktischen Übungsaufgaben besser allein oder im Team lösen,
  • ihren Lernstand konkret zu beurteilen und gegebenenfalls gezielt Fragen zu stellen und Hilfe zu suchen.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 Minuten
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften: Vertiefung Informatik: Pflicht
Allgemeine Ingenieurwissenschaften: Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
Allgemeine Ingenieurwissenschaften: Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: Pflicht
Allgemeine Ingenieurwissenschaften: Vertiefung Mediziningenieurwesen: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
Bioverfahrenstechnik: Vertiefung A - Allgemeine Bioverfahrenstechnik: Wahlpflicht
Computer Science: Vertiefung Computational Mathematics: Wahlpflicht
Elektrotechnik: Kernqualifikation: Wahlpflicht
General Engineering Science: Vertiefung Informatik: Pflicht
General Engineering Science: Vertiefung Mediziningenieurwesen: Pflicht
General Engineering Science: Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
General Engineering Science: Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: Pflicht
General Engineering Science (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen (Weiterentwicklung): Kernqualifikation: Pflicht
Verfahrenstechnik: Vertiefung Allgemeine Verfahrenstechnik: Wahlpflicht
Lehrveranstaltung L0417: Numerische Mathematik I
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sabine Le Borne, Dr. Patricio Farrell
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  1. Fehleranalyse: Zahldarstellung, Fehlertypen, Kondition, Stabilität
  2. Interpolation: Polynom- und Splineinterpolation
  3. Numerische Integration und Differentiation: Fehlerordnung, Newton-Cotes Formeln, Fehlerabschätzung, Gauss-Quadratur, adaptive Quadratur, Differenzenformel
  4. Lineare Systeme: LR und Cholesky Zerlegung, Matrixnormen, Kondition
  5. Lineare Ausgleichsprobleme: Normalgleichungen, Gram-Schmidt und Householder Orthogonalisierung, Singulärwertzerlegung, Regularisierung
  6. Eigenwertaufgaben: Potenzmethode, inverse Iteration, QR-Algorithmus
  7. Nichtlineare Gleichungssysteme: Fixpunkiteration, Nullstellenverfahren für reellwertige Funktionen, Newton und Quasi-Newton Verfahren für Systeme
Literatur
  • Stoer/Bulirsch: Numerische Mathematik 1, Springer
  • Dahmen, Reusken: Numerik für Ingenieure und Naturwissenschaftler, Springer


Lehrveranstaltung L0418: Numerische Mathematik I
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sabine Le Borne, Dr. Patricio Farrell
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0941: Kombinatorische Strukturen und Algorithmen

Lehrveranstaltungen
Titel Typ SWS LP
Kombinatorische Strukturen und Algorithmen (L1100) Vorlesung 3 4
Kombinatorische Strukturen und Algorithmen (L1101) Gruppenübung 1 2
Modulverantwortlicher Prof. Anusch Taraz
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Mathematik I + II
  • Diskrete Algebraische Strukturen
  • Graphentheorie und Optimierung
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Studierende können die grundlegenden Begriffe der Kombinatorik und Algorithmik benennen und anhand von Beispielen erklären.
  • Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.
  • Sie kennen Beweisstrategien und können diese wiedergeben.


Fertigkeiten
  • Studierende können Aufgabenstellungen aus der Kombinatorik und Algorithmik mit Hilfe der kennengelernten Konzepte modellieren und mit den erlernten Methoden lösen.
  • Studierende sind in der Lage, sich weitere logische Zusammenhänge zwischen den kennengelernten Konzepten selbständig zu erschließen und können diese verifizieren.
  • Studierende können zu gegebenen Problemstellungen einen geeigneten Lösungsansatz entwickeln, diesen verfolgen und die Ergebnisse kritisch auswerten.


Personale Kompetenzen
Sozialkompetenz
  • Studierende sind in der Lage, in Teams zusammenzuarbeiten und beherrschen die Mathematik als gemeinsame Sprache.
  • Sie können dabei insbesondere neue Konzepte adressatengerecht kommunizieren und anhand von Beispielen das Verständnis der Mitstudierenden überprüfen und vertiefen.
Selbstständigkeit
  • Studierende können eigenständig ihr Verständnis komplexer Konzepte überprüfen, noch offene Fragen auf den Punkt bringen und sich gegebenenfalls gezielt Hilfe holen.
  • Studierende haben eine genügend hohe Ausdauer entwickelt, um auch über längere Zeiträume zielgerichtet an schwierigen Problemstellungen zu arbeiten.


Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computational Mathematics: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Informatik-Ingenieurwesen (Weiterentwicklung): Vertiefung Mathematik & Ingenieurwissenschaften: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Lehrveranstaltung L1100: Kombinatorische Strukturen und Algorithmen
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Anusch Taraz
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Zählprobleme 
  • Strukturelle Graphentheorie
  • Analyse von Algorithmen
  • Extremale Kombinatorik
  • Zufällige diskrete Strukturen

Literatur
  • M. Aigner: Diskrete Mathematik, Vieweg, 6. Aufl., 2006
  • J. Matoušek & J. Nešetřil: Diskrete Mathematik - Eine Entdeckungsreise, Springer, 2007
  • A. Steger: Diskrete Strukturen - Band 1: Kombinatorik, Graphentheorie, Algebra, Springer, 2. Aufl. 2007
  • A. Taraz: Diskrete Mathematik, Birkhäuser, 2012.
Lehrveranstaltung L1101: Kombinatorische Strukturen und Algorithmen
Typ Gruppenübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Anusch Taraz
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0863: Numerik und Computer Algebra

Lehrveranstaltungen
Titel Typ SWS LP
Numerik und Computer Algebra (L0115) Vorlesung 2 3
Numerik und Computer Algebra (L1060) Seminar 2 2
Numerik und Computer Algebra (L0117) Gruppenübung 1 1
Modulverantwortlicher Prof. Siegfried Rump
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Grundkenntnisse in numerischer und diskreter Mathematik
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden kennen den Unterschied zwischen Rechengenauigkeit und Ergebnisgenauigkeit. Für diverse, grundlegende Problemstellungen kennen sie approximative sowie exakte Lösungsmöglichkeiten. Sie können zwischen effizient, nicht effizient und prinzipiell unlösbaren Problemen unterscheiden.

Fertigkeiten

Die Studierenden können komplexe Problemstellungen aus der Mathematik und Informatik analysieren und insbesondere die Empfindlichkeit der Lösung bestimmen. Sie können für diverse Probleme bestmögliche Algorithmen im Hinblick auf die Genauigkeit der Lösung entwerfen.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden können in kleinen Gruppen fachspezifische Aufgaben gemeinsam bearbeiten und Ergebnisse in geeigneter Weise präsentieren, zum Beispiel während Kleingruppenübungen.

Selbstständigkeit

Die Studierenden sind in der Lage, die notwendigen Informationen aus den angegebenen Literaturquellen zu beschaffen und in den Kontext der Vorlesung zu setzen. Sie können ihren Wissensstand mit Hilfe vorlesungsbegleitender Maßnahmen (Quiz-Fragen in den Vorlesungen, klausurnahe Aufgaben) kontinuierlich überprüfen und auf dieser Basis ihre Lernprozesse steuern.

 

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computational Mathematics: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Technomathematik: Kernqualifikation: Wahlpflicht
Lehrveranstaltung L0115: Numerik und Computer Algebra
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt

·       Grundlegende numerische Methoden

·       Algorithmen

·       Gleitpunktarithmetik IEEE 754

·       Arithmetik von Sunaga (Avizienis), Olver, Matula

·       Kettenbrüche

·       Basic Linear Algebra Subroutines (BLAS)

·       Methoden der Computer Algebra

·       Turing Maschinen und Berechenbarkeit

·       Churchsche These

·       Busy Beaver Funktion

·       NP Klassen

·       Handlungsreisendenproblem

Literatur

Higham, N.J.: Accuracy and stability of numerical algorithms, SIAM Publications, Philadelphia, 2nd edition, 2002

Golub, G.H. and Van Loan, Ch.: Matrix Computations, John Hopkins University Press, 3rd edition, 1996

Knuth, D.E.:  The Art of Computer Programming: Seminumerical Algorithms, Vol. 2. Addison Wesley, Reading, Massachusetts, 1969

Lehrveranstaltung L1060: Numerik und Computer Algebra
Typ Seminar
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt Vorlesungsbegleitendes Seminar (s. Vorlesungsinhalt)
Literatur

Higham, N.J.: Accuracy and stability of numerical algorithms, SIAM Publications, Philadelphia, 2nd edition, 2002

Golub, G.H. and Van Loan, Ch.: Matrix Computations, John Hopkins University Press, 3rd edition, 1996

Knuth, D.E.:  The Art of Computer Programming: Seminumerical Algorithms, Vol. 2. Addison Wesley, Reading, Massachusetts, 1969

Lehrveranstaltung L0117: Numerik und Computer Algebra
Typ Gruppenübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Siegfried Rump
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0668: Algebraische Methoden in der Regelungstechnik

Lehrveranstaltungen
Titel Typ SWS LP
Algebraische Methoden in der Regelungstechnik (L0428) Vorlesung 2 4
Algebraische Methoden in der Regelungstechnik (L0429) Gruppenübung 2 2
Modulverantwortlicher Dr. Prashant Batra
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Mathe I-III (Reelle Analysis, Lineare Algebra, )

und entweder: Einführung in die Regelungstechnik (Beschreibung u. gewünschte Eigenschaften von Systemen, Zeitbereich/Frequenzbereich)

oder: Diskrete Mathematik (Gruppen, Ringe, Ideale, Körper, Euklidscher Algorithmus)

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende können

  • Input-Output-Systeme polynomial beschreiben,
  • Faktorisierungsansätze für Übertragungsfunktionen erklären,
  • Stabilisierungsbedingungen für Systeme in coprimer stabiler Faktorisierung  benennen.


Fertigkeiten

Studierende sind in der Lage

  • eine Synthese stabiler Regelkreise durchzuführen,
  • geeignete Analyse und Synthesemethoden zur Beschreibung aller stabilen Regelkreise anzuwenden sowie
  • die Erfüllung vorgegebener Leistungsmaße sicher zu stellen.


Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind nach Abschluss des Moduls in der Lage, fachspezifische Aufgaben alleine zu bearbeiten und die Resultate geeignet zu präsentieren.

Selbstständigkeit

Die Studierenden können ihren Wissensstand mit Hilfe klausurnaher Aufgaben kontinuierlich überprüfen und auf dieser Basis ihre Lernprozesse steuern.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computational Mathematics: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Ingenieurwissenschaften: Wahlpflicht
Technomathematik: Kernqualifikation: Wahlpflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Lehrveranstaltung L0428: Algebraische Methoden in der Regelungstechnik
Typ Vorlesung
SWS 2
LP 4
Arbeitsaufwand in Stunden Eigenstudium 92, Präsenzstudium 28
Dozenten Dr. Prashant Batra
Sprachen DE/EN
Zeitraum SoSe
Inhalt

- Algebraische Methoden der Regelungstechniks, polynomialer Ansatz, Faktorisierungsbeschreibung
- Beschreibung 1-dimensionaler Regelsysteme, Synthese von (minimalen) Regelsystemen  durch  algebraische Interpolationsmethoden,


- Simultane Stabilisierbarkeit

- Parametrisierung  sämtlicher stabilisierenden Regler

- Reglerentwurf bei Polvorgabe

- Berücksichtigung von Systemeigenschaften: Störanfälligkeit, Sensitivität.


- Polynomiale Matrizen, Beschreibung durch Links-Faktorisierungen.

- Euklidscher Algorithmus u.  Diophantische Gleichungen über Ringen 

- Smith-McMillan Normal Form
-  Synthese von Mehrgrößensystemen durch polynomiale Methoden 

Literatur
  • Vidyasagar, M.: Control system synthesis: a factorization approach.
    The MIT Press,Cambridge/Mass. - London, 1985.
  • Vardulakis, A.I.G.: Linear multivariable control. Algebraic analysis and synthesis
    methods, John Wiley & Sons,Chichester,UK,1991.
  • Chen, Chi-Tsong: Analog and digital control system design. Transfer-function, state-space, and  
    algebraic methods. Oxford Univ. Press,1995.
  • Kučera, V.: Analysis and Design of Discrete Linear Control Systems. Praha: Academia, 1991.
Lehrveranstaltung L0429: Algebraische Methoden in der Regelungstechnik
Typ Gruppenübung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Dr. Prashant Batra
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1062: Mathematische Statistik

Lehrveranstaltungen
Titel Typ SWS LP
Mathematische Statistik (L1339) Vorlesung 3 4
Mathematische Statistik (L1340) Gruppenübung 1 2
Modulverantwortlicher Prof. Natalie Neumeyer
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Mathematische Stochastik

Maßtheoretische Konzepte der Stochastik

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Studierende können grundlegende Konzepte der Mathematischen Statistik wie die Substitutions- und Maximum-Likelihood-Methode zur Konstruktion von Schätzern, optimale unverfälschte Schätzer, optimale Tests für parametrische Verteilungsklassen, Suffizienz und Vollständigkeit und ihre Anwendung auf Schätz- und Testprobleme, Tests bei Normalverteilung und Konfidenzbereiche und Testfamilien beschreiben und anhand von Beispielen erklären.
  • Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.
  • Sie kennen Beweisstrategien und können diese wiedergeben.


Fertigkeiten
  • Studierende können Aufgabenstellungen aus der Mathematischen Statistik mit Hilfe der kennengelernten Konzepte modellieren und mit den erlernten Methoden lösen.
  • Studierende sind in der Lage, sich weitere logische Zusammenhänge zwischen den kennengelernten Konzepten selbständig zu erschließen und können diese verifizieren.
  • Studierende können zu gegebenen Problemstellungen einen geeigneten Lösungsansatz entwickeln, diesen verfolgen und die Ergebnisse kritisch auswerten.


Personale Kompetenzen
Sozialkompetenz
  • Studierende sind in der Lage, in Teams zusammenzuarbeiten und beherrschen die Mathematik als gemeinsame Sprache.
  • Sie können dabei insbesondere neue Konzepte adressatengerecht kommunizieren und anhand von Beispielen das Verständnis der Mitstudierenden überprüfen und vertiefen.


Selbstständigkeit
  • Studierende können eigenständig ihr Verständnis komplexer Konzepte überprüfen, noch offene Fragen auf den Punkt bringen und sich gegebenenfalls gezielt Hilfe holen.
  • Studierende haben eine genügend hohe Ausdauer entwickelt, um auch über längere Zeiträume zielgerichtet an schwierigen Problemstellungen zu arbeiten.


Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 120 Minuten
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Wahlpflicht
Computer Science: Vertiefung Computational Mathematics: Wahlpflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Lehrveranstaltung L1339: Mathematische Statistik
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Dozenten des Fachbereiches Mathematik der UHH
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  • Die Substitutions- und Maximum-Likelihood-Methode zur Konstruktion von Schätzern
  • Optimale unverfälschte Schätzer
  • Optimale Tests für parametrische Verteilungsklassen (Neymann-Pearson-Theorie)
  • Suffizienz und Vollständigkeit und ihre Anwendung auf Schätz- und Testprobleme
  • Tests bei Normalverteilung (z.B. Studentscher Test)
  • Konfidenzbereiche und Testfamilien
Literatur
  • V. K. Rohatgi and A. K. Ehsanes Saleh (2001). An introduction to probability and statistics. Wiley.
  • L. Wasserman (2010). All of statistics : A concise course in statistical inference. Springer.
  • H. Witting (1985). Mathematische Statistik: Parametrische Verfahren bei festem Stichprobenumfang. Teubner.
Lehrveranstaltung L1340: Mathematische Statistik
Typ Gruppenübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Dozenten des Fachbereiches Mathematik der UHH
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0715: Löser für schwachbesetzte lineare Gleichungssysteme

Lehrveranstaltungen
Titel Typ SWS LP
Löser für schwachbesetzte lineare Gleichungssysteme (L0583) Vorlesung 2 3
Löser für schwachbesetzte lineare Gleichungssysteme (L0584) Gruppenübung 2 3
Modulverantwortlicher Prof. Sabine Le Borne
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Mathematik I + II für Ingenieurstudierende (deutsch oder englisch) oder Analysis & Lineare Algebra I + II für Technomathematiker
  • Programmierkenntnisse in C
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende können

  • klassische und moderne Iterationsverfahren und deren Zusammenhänge untereinander benennen,
  • Konvergenzaussagen zu Iterationsverfahren wiedergeben,

  • Aspekte der effizienten Implementierung von Iterationsverfahren erklären.
Fertigkeiten

Studierende sind in der Lage,

  • Iterationsverfahren zu implementieren, anzuwenden und zu vergleichen,
  • das Konvergenzverhalten von Iterationverfahren zu analysieren und gegebenenfalls Konvergenzraten zu berechnen.


Personale Kompetenzen
Sozialkompetenz

Studierende können

  • in heterogen zusammengesetzten Teams (d.h. aus unterschiedlichen Studiengängen und mit unterschiedlichem Hintergrundwissen) zusammenarbeiten, sich theoretische Grundlagen erklären sowie bei praktischen Implementierungsaspekten der Algorithmen unterstützen.
Selbstständigkeit

Studierende sind fähig,

  • selbst einzuschätzen, ob sie die begleitenden theoretischen und praktischen Übungsaufgaben besser allein oder im Team lösen,
  • mit ausreichender Ausdauer komplexe Problemstellungen über längere Zeiträume zu bearbeiten,
  • ihren Lernstand konkret zu beurteilen und gegebenenfalls gezielt Fragen zu stellen und Hilfe zu suchen.
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 20 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computational Mathematics: Wahlpflicht
Elektrotechnik: Vertiefung Modellierung und Simulation: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Informatik-Ingenieurwesen (Weiterentwicklung): Vertiefung Mathematik & Ingenieurwissenschaften: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Lehrveranstaltung L0583: Löser für schwachbesetzte lineare Gleichungssysteme
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sabine Le Borne
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  1. Schwachbesetzte Matrizen: Anordnungen und Speicherformate, direkte Löser
  2. Klassische Iterationsverfahren: Grundbegriffe, Konvergenz
  3. Projektionsverfahren
  4. Krylovraumverfahren
  5. Präkonditionierung (z.B ILU)
  6. Mehrgitterverfahren
Literatur
  1. Y. Saad, Iterative methods for sparse linear systems
Lehrveranstaltung L0584: Löser für schwachbesetzte lineare Gleichungssysteme
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Sabine Le Borne
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1061: Maßtheoretische Konzepte der Stochastik

Lehrveranstaltungen
Titel Typ SWS LP
Maßtheoretische Konzepte der Stochastik (L1335) Vorlesung 3 4
Maßtheoretische Konzepte der Stochastik (L1338) Gruppenübung 1 2
Modulverantwortlicher Prof. Holger Drees
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Mathematische Stochastik
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Studierende können grundlegende Konzepte der Stochastik wie allgemeine Dichten, bedingte Erwartungswerte, Martingale in diskreter Zeit, Konvergenz von Wahrscheinlichkeitsmaßen und Integraltransformationen beschreiben und anhand von Beispielen erklären.
  • Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.
  • Sie kennen Beweisstrategien und können diese wiedergeben.


Fertigkeiten
  • Studierende können Aufgabenstellungen aus der Stochastik mit Hilfe der kennengelernten Konzepte modellieren und mit den erlernten Methoden lösen.
  • Studierende sind in der Lage, sich weitere logische Zusammenhänge zwischen den kennengelernten Konzepten selbständig zu erschließen und können diese verifizieren.
  • Studierende können zu gegebenen Problemstellungen einen geeigneten Lösungsansatz entwickeln, diesen verfolgen und die Ergebnisse kritisch auswerten.


Personale Kompetenzen
Sozialkompetenz
  • Studierende sind in der Lage, in Teams zusammenzuarbeiten und beherrschen die Mathematik als gemeinsame Sprache.
  • Sie können dabei insbesondere neue Konzepte adressatengerecht kommunizieren und anhand von Beispielen das Verständnis der Mitstudierenden überprüfen und vertiefen.


Selbstständigkeit
  • Studierende können eigenständig ihr Verständnis komplexer Konzepte überprüfen, noch offene Fragen auf den Punkt bringen und sich gegebenenfalls gezielt Hilfe holen.
  • Studierende haben eine genügend hohe Ausdauer entwickelt, um auch über längere Zeiträume zielgerichtet an schwierigen Problemstellungen zu arbeiten.


Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computational Mathematics: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Lehrveranstaltung L1335: Maßtheoretische Konzepte der Stochastik
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Dozenten des Fachbereiches Mathematik der UHH
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  • Allgemeine Dichten, Satz von Radon-Nikodym
  • Bedingte Erwartungswerte und Übergangskerne
  • Martingale in diskreter Zeit
  • Konvergenz von Wahrscheinlichkeitsmaßen
  • Integraltransformationen,  z.B.
    • erzeugende Funktionen
    • Fourier-Transformation
    • Laplace-Transformation
Literatur
  • H. Bauer, Maß- und Integrationstheorie, de Gruyter Lehrbuch, Auflage: 2., überarb. A. (1. Juli 1992)
  • H. Bauer, Wahrscheinlichkeitstheorie, de Gruyter Lehrbuch, Verlag: de Gruyter; Auflage: 5. durchges. und verb. (2002)
  • J. Estrodt, Maß- und Integrationstheorie, Springer, 7., korrigierte und aktualisierte Auflage 2011
Lehrveranstaltung L1338: Maßtheoretische Konzepte der Stochastik
Typ Gruppenübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Dozenten des Fachbereiches Mathematik der UHH
Sprachen DE/EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0854: Mathematik IV

Lehrveranstaltungen
Titel Typ SWS LP
Differentialgleichungen 2 (Partielle Differentialgleichungen) (L1043) Vorlesung 2 1
Differentialgleichungen 2 (Partielle Differentialgleichungen) (L1044) Gruppenübung 1 1
Differentialgleichungen 2 (Partielle Differentialgleichungen) (L1045) Hörsaalübung 1 1
Komplexe Funktionen (L1038) Vorlesung 2 1
Komplexe Funktionen (L1041) Gruppenübung 1 1
Komplexe Funktionen (L1042) Hörsaalübung 1 1
Modulverantwortlicher Prof. Anusch Taraz
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Mathematik I - III

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Studierende können die grundlegenden Begriffe der Mathematik IV benennen und anhand von Beispielen erklären.
  • Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.
  • Sie kennen Beweisstrategien und können diese wiedergeben.


Fertigkeiten
  • Studierende können Aufgabenstellungen aus der Mathematik IV mit Hilfe der kennengelernten Konzepte modellieren und mit den erlernten Methoden lösen.
  • Studierende sind in der Lage, sich weitere logische Zusammenhänge zwischen den kennengelernten Konzepten selbständig zu erschließen und können diese verifizieren.
  • Studierende können zu gegebenen Problemstellungen einen geeigneten Lösungsansatz entwickeln, diesen verfolgen und die Ergebnisse kritisch auswerten.


Personale Kompetenzen
Sozialkompetenz
  • Studierende sind in der Lage, in Teams zusammenzuarbeiten und beherrschen die Mathematik als gemeinsame Sprache.
  • Sie können dabei insbesondere neue Konzepte adressatengerecht kommunizieren und anhand von Beispielen das Verständnis der Mitstudierenden überprüfen und vertiefen.


Selbstständigkeit
  • Studierende können eigenständig ihr Verständnis komplexer Konzepte überprüfen, noch offene Fragen auf den Punkt bringen und sich gegebenenfalls gezielt Hilfe holen.
  • Studierende haben eine genügend hohe Ausdauer entwickelt, um auch über längere Zeiträume zielgerichtet an schwierigen Problemstellungen zu arbeiten.


Arbeitsaufwand in Stunden Eigenstudium 68, Präsenzstudium 112
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 60 min (Komplexe Funktionen) + 60 min (Differentialgleichungen 2)
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften: Vertiefung Elektrotechnik: Pflicht
Allgemeine Ingenieurwissenschaften: Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Pflicht
Allgemeine Ingenieurwissenschaften: Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Pflicht
Allgemeine Ingenieurwissenschaften: Vertiefung Schiffbau: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Elektrotechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Schiffbau: Pflicht
Computer Science: Vertiefung Computational Mathematics: Wahlpflicht
Elektrotechnik: Kernqualifikation: Pflicht
General Engineering Science: Vertiefung Elektrotechnik: Pflicht
General Engineering Science: Vertiefung Schiffbau: Pflicht
General Engineering Science: Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Pflicht
General Engineering Science: Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Pflicht
General Engineering Science (7 Semester): Vertiefung Elektrotechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Pflicht
General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Pflicht
General Engineering Science (7 Semester): Vertiefung Schiffbau: Pflicht
Informatik-Ingenieurwesen: Vertiefung Ingenieurwissenschaften: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Informatik-Ingenieurwesen (Weiterentwicklung): Vertiefung Mathematik & Ingenieurwissenschaften: Wahlpflicht
Maschinenbau: Vertiefung Theoretischer Maschinenbau: Pflicht
Maschinenbau: Vertiefung Mechatronik: Pflicht
Mechatronik: Kernqualifikation: Pflicht
Schiffbau: Kernqualifikation: Pflicht
Theoretischer Maschinenbau: Technischer Ergänzungskurs Kernfächer: Wahlpflicht
Lehrveranstaltung L1043: Differentialgleichungen 2 (Partielle Differentialgleichungen)
Typ Vorlesung
SWS 2
LP 1
Arbeitsaufwand in Stunden Eigenstudium 2, Präsenzstudium 28
Dozenten Dozenten des Fachbereiches Mathematik der UHH
Sprachen DE
Zeitraum SoSe
Inhalt

Grundzüge der Theorie und Numerik partieller Differentialgleichungen

  • Beispiele für partielle Differentialgleichungen
  • quasilineare Differentialgleichungen erster Ordnung
  • Normalformen linearer Differentialgleichungen zweiter Ordnung
  • harmonische Funktionen und Maximumprinzip
  • Maximumprinzip für die Wärmeleitungsgleichung
  • Wellengleichung
  • Lösungsformel nach Liouville
  • spezielle Funktionen
  • Differenzenverfahren
  • finite Elemente 
Literatur
  • http://www.math.uni-hamburg.de/teaching/export/tuhh/index.html


Lehrveranstaltung L1044: Differentialgleichungen 2 (Partielle Differentialgleichungen)
Typ Gruppenübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Dozenten des Fachbereiches Mathematik der UHH
Sprachen DE
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L1045: Differentialgleichungen 2 (Partielle Differentialgleichungen)
Typ Hörsaalübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Dozenten des Fachbereiches Mathematik der UHH
Sprachen DE
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L1038: Komplexe Funktionen
Typ Vorlesung
SWS 2
LP 1
Arbeitsaufwand in Stunden Eigenstudium 2, Präsenzstudium 28
Dozenten Dozenten des Fachbereiches Mathematik der UHH
Sprachen DE
Zeitraum SoSe
Inhalt

Grundzüge der Funktionentheorie

  • Funktionen einer komplexen Variable
  • Komplexe Differentiation
  • Konforme Abbildungen
  • Komplexe Integration
  • Cauchyscher Hauptsatz
  • Cauchysche Integralformel
  • Taylor- und Laurent-Reihenentwicklung
  • Singularitäten und Residuen
  • Integraltransformationen: Fourier und Laplace-Transformation
Literatur
  • http://www.math.uni-hamburg.de/teaching/export/tuhh/index.html


Lehrveranstaltung L1041: Komplexe Funktionen
Typ Gruppenübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Dozenten des Fachbereiches Mathematik der UHH
Sprachen DE
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L1042: Komplexe Funktionen
Typ Hörsaalübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Dozenten des Fachbereiches Mathematik der UHH
Sprachen DE
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Fachmodule der Vertiefung Computer and Software Engineering

Modul M1254: Grundlagen der Informatik

Lehrveranstaltungen
Titel Typ SWS LP
Grundlagen der Informatik (L1699) Vorlesung 2 3
Grundlagen der Informatik (L1700) Gruppenübung 2 3
Modulverantwortlicher Prof. Bernd-Christian Renner
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Keine Vorkenntnisse notwendig.
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden kennen

  • Stellenwertsysteme,
  • Boolesche Funktionen und Schaltnetze,
  • Aufbau, Organisation und Arbeitsweise des von-Neumann-Rechners,
  • Assembler und Maschinenprogramme,
  • Grundzüge der blockstrukturierten Programmierung.
Fertigkeiten

Die Studierenden können

  • Stellenwertsysteme beschreiben und in Stellenwertsystemen rechnen,
  • Boolesche Funktionen spezifizieren und analysieren,
  • kombinatorische Schaltungen (Rechenwerk) entwerfen,
  • den Ablauf von Programmen in einem von-Neumann-Rechner beschreiben,
  • in Assembler einfache Beispiele programmieren,
  • in einer blockstrukturieren Sprache einfache Beispiele programmieren,
  • algorithmisch denken.
Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind nach Abschluss des Moduls in der Lage, fachspezifische Aufgaben alleine oder in einer Gruppe zu bearbeiten und die Resultate geeignet zu präsentieren.

Selbstständigkeit

Die Studierenden sind nach Abschluss des Moduls in der Lage, sich Teilbereiche des Fachgebietes anhand von Fachbüchern und anderweitiger Literatur selbständig zu erarbeiten, das erworbene Wissen zusammenzufassen, zu präsentieren und es mit den Inhalten anderer Lehrveranstaltungen zu verknüpfen.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Lehrveranstaltung L1699: Grundlagen der Informatik
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Bernd-Christian Renner
Sprachen DE/EN
Zeitraum WiSe
Inhalt
Literatur
Lehrveranstaltung L1700: Grundlagen der Informatik
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Bernd-Christian Renner
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0675: Einführung in die Nachrichtentechnik und ihre stochastischen Methoden

Lehrveranstaltungen
Titel Typ SWS LP
Einführung in die Nachrichtentechnik und ihre stochastischen Methoden (L0442) Vorlesung 3 4
Einführung in die Nachrichtentechnik und ihre stochastischen Methoden (L0443) Hörsaalübung 1 2
Modulverantwortlicher Prof. Gerhard Bauch
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Mathematik 1-3
  • Signale und Systeme
  • Grundkenntnisse in Wahrscheinlichkeitsrechnung
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden kennen und verstehen die grundlegenden Funktionseinheiten eines Nachrichtenübertragungssystems. Sie können die einzelnen Funktionsblöcke mit Hilfe grundlegender Kenntnisse der Signal- und Systemtheorie sowie der Theorie stochastischer Prozesse beschreiben und analysieren. Sie kennen die entscheidenden Resourcen und Bewertungskriterien der Nachrichtenübertragung und können ein elementares nachrichtentechnisches System entwerfen und beurteilen.  

Fertigkeiten

Die Studierenden sind in der Lage, ein elementares nachrichtentechnisches System zu entwerfen und zu beurteilen.  Insbesondere können Sie den Bedarf an Resourcen wie Bandbreite und Leistung abschätzen. Sie sind in der Lage, wichtige Beurteilungskriterien wie die Bandbreiteneffizienz oder die Bitfehlerwahrscheinlichkeit elementarer Nachrichtenübertragungssysteme abzuschätzen und darauf basierend ein Übertragungsverfahren auszuwählen.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden können in fachspezifische Aufgaben gemeinsam bearbeiten.

Selbstständigkeit

Die Studierenden sind in der Lage, die notwendigen Informationen aus geeigneten Literaturquellen selbständig zu beschaffen und in den Kontext der Vorlesung zu setzen. Sie können ihren Wissensstand mit Hilfe vorlesungsbegleitender Maßnahmen (klausurnahe Aufgaben, Software-Tools, Clicker-System) kontinuierlich überprüfen und auf dieser Basis ihre Lernprozesse steuern.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften: Vertiefung Elektrotechnik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Elektrotechnik: Pflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Elektrotechnik: Kernqualifikation: Pflicht
General Engineering Science: Vertiefung Elektrotechnik: Pflicht
General Engineering Science (7 Semester): Vertiefung Elektrotechnik: Pflicht
Informatik-Ingenieurwesen: Vertiefung Ingenieurwissenschaften: Wahlpflicht
Informatik-Ingenieurwesen (Weiterentwicklung): Kernqualifikation: Pflicht
Technomathematik: Vertiefung III. Ingenieurwissenschaften: Wahlpflicht
Technomathematik: Kernqualifikation: Wahlpflicht
Lehrveranstaltung L0442: Einführung in die Nachrichtentechnik und ihre stochastischen Methoden
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Gerhard Bauch
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Grundlagen stochastischer Prozesse

  • Einführung in die Nachrichtentechnik

  • Quadraturamplitudenmodulation

  • Beschreibung hochfrequenter Nachrichtenübertragung im äquivalenten Basisband

  • Übertragungskanäle, Kanalmodelle

  • Analog-Digital-Wandlung: Abtastung, Quantisierung, Pulsecodemodulation (PCM)

  • Grundlagen der Informationstheorie, Quellencodierung und Kanalcodierung

  • Digitale Basisbandübertragung: Pulsformung, Augendiagramm, 1. und 2. Nyquist-Bedingung, Matched-Filter, Detektion, Fehlerwahrscheinlichkeit

  • Grundlagen digitaler Modulationsverfahren

Literatur

K. Kammeyer: Nachrichtenübertragung, Teubner

P.A. Höher: Grundlagen der digitalen Informationsübertragung, Teubner.

M. Bossert: Einführung in die Nachrichtentechnik, Oldenbourg.

J.G. Proakis, M. Salehi: Grundlagen der Kommunikationstechnik. Pearson Studium.

J.G. Proakis, M. Salehi: Digital Communications. McGraw-Hill.

S. Haykin: Communication Systems. Wiley

J.G. Proakis, M. Salehi: Communication Systems Engineering. Prentice-Hall.

J.G. Proakis, M. Salehi, G. Bauch, Contemporary Communication Systems. Cengage Learning.






Lehrveranstaltung L0443: Einführung in die Nachrichtentechnik und ihre stochastischen Methoden
Typ Hörsaalübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Gerhard Bauch
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0625: Databases

Lehrveranstaltungen
Titel Typ SWS LP
Datenbanken (L0337) Vorlesung 4 5
Datenbanken (L1150) Projekt-/problembasierte LehrveranstaltungLehrveranstaltung 1 1
Modulverantwortlicher NN
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse

Students should habe basic knowledge in the following areas:

  • Discrete Algebraic Structures
  • Procedural Programming
  • Logic, Automata, and Formal Languages
  • Object-Oriented Programming, Algorithms and Data Structures
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students can explain the general architecture of an application system that is based on a database. They describe the syntax and semantics of the Entity Relationship conceptual modeling languages, and they can enumerate basic decision problems and know which features of a domain model can be captured with ER and which features cannot be represented. Furthermore, students can summarize the features of the relational data model, and can describe how ER models can be systematically transformed into the relational data model. Student are able to discuss dependency theory using the operators of relational algebra, and they know how to use relational algebra as a query language. In addition, they can sketch the main modules of the architecture of a database system from an implementation point of view. Storage and index structures as well as query answering and optimization techniques can be explained. The role of transactions can be described in terms of ACID conditions and common recovery mechanisms can be characterized. The students can recall why recursion is important for query languages and describe how Datalog can be used and implemented.They demonstrate how Datalog can be used for information integration. For solving ER decision problems the students can explain description logics with their syntax and semantics, they describe description logic decision problems and explain how these problems can be mapped onto each other. They can sketch the idea of ontology-based data access and can name the main complexity measure in database theory. Last but not least, the students can describe the main features of XML and can explain XPath and XQuery as query languages.

Fertigkeiten

Students can apply ER for describing domains for which they receive a textual description, and students can transform relational schemata with a given set of functional dependencies into third normal form or even Boyce-Codd normal form. They can also apply relational algebra, SQL, or Datalog to specify queries. Using specific datasets, they can explain how index structures work (e.g., B-trees) and how index structures change while data is added or deleted. They can rewrite queries for better performance of query evaluation. Students can analyse which query language expressivity is required for which application problem. Description logics can be applied for domain modeling, and students can transform ER diagrams into description logics in order to check for consistency and implicit subsumption relations.  They solve data integration problems using Datalog and LAV or GAV rules. Students can apply XPath and Xquery to retrieve certain patterns in XML data.

Personale Kompetenzen
Sozialkompetenz Students develop an understanding of social structures in a company used for developing real-world products. They know the responsibilities of data analysts, programmers, and managers in the overall production process.
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Technomathematik: Kernqualifikation: Wahlpflicht
Lehrveranstaltung L0337: Databases
Typ Vorlesung
SWS 4
LP 5
Arbeitsaufwand in Stunden Eigenstudium 94, Präsenzstudium 56
Dozenten NN
Sprachen EN
Zeitraum WiSe
Inhalt
  • Architecture of database systems, conceptual data modeling with the Entity Relationship (ER) modeling language
  • Relational data model, referential integrity, keys, foreign keys, functional dependencies (FDs), canonical mapping of entity types and relationship into the relational data model, anomalies
  • Relational algebra as a simple query language
  • Dependency theory, FD closure, canonical cover of FD set, decomposition of relational schemata, multivalued dependencies, normalization, inclusion dependencies
  • Practical query languages and integrity constraints w/o considering a conceptual domain model: SQL 
  • Storage structures, database implementation architecture
  • Index structures
  • Query processing
  • Query optimization
  • Transactions and recovery
  • Query languages with recursion and consideration of a simple conceptual domain model: Datalog
  • Semi-naive evaluation strategy, magic sets transformation
  • Information integration, declarative schema transformation (LAV, GAV), distributed database systems
  • Description logics, syntax, semantics, decision problems, decision algorithms for Abox satisfiability
  • Ontology based data access (OBDA), DL-Lite for formalizing ER diagramms
  • Complexity measure: Data complexity
  • Semistructured databases and query languages: XML and XQuery
Literatur
  1. A. Kemper, A. Eickler, Datenbanksysteme - n. Auflage, Oldenbourg, 2010
  2. S. Abiteboul, R. Hull, V. Vianu, Foundations of Databases, Addison-Wesley, 1995
  3. Database Systems, An Application Oriented Approach, Pearson International Edition, 2005
  4. H. Garcia-Molina, J.D. Ullman, J. Widom, Database Systems: The Complete Book, Prentice Hall, 2002

Lehrveranstaltung L1150: Databases
Typ Projekt-/problembasierte LehrveranstaltungLehrveranstaltung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten NN
Sprachen EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0941: Kombinatorische Strukturen und Algorithmen

Lehrveranstaltungen
Titel Typ SWS LP
Kombinatorische Strukturen und Algorithmen (L1100) Vorlesung 3 4
Kombinatorische Strukturen und Algorithmen (L1101) Gruppenübung 1 2
Modulverantwortlicher Prof. Anusch Taraz
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Mathematik I + II
  • Diskrete Algebraische Strukturen
  • Graphentheorie und Optimierung
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Studierende können die grundlegenden Begriffe der Kombinatorik und Algorithmik benennen und anhand von Beispielen erklären.
  • Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.
  • Sie kennen Beweisstrategien und können diese wiedergeben.


Fertigkeiten
  • Studierende können Aufgabenstellungen aus der Kombinatorik und Algorithmik mit Hilfe der kennengelernten Konzepte modellieren und mit den erlernten Methoden lösen.
  • Studierende sind in der Lage, sich weitere logische Zusammenhänge zwischen den kennengelernten Konzepten selbständig zu erschließen und können diese verifizieren.
  • Studierende können zu gegebenen Problemstellungen einen geeigneten Lösungsansatz entwickeln, diesen verfolgen und die Ergebnisse kritisch auswerten.


Personale Kompetenzen
Sozialkompetenz
  • Studierende sind in der Lage, in Teams zusammenzuarbeiten und beherrschen die Mathematik als gemeinsame Sprache.
  • Sie können dabei insbesondere neue Konzepte adressatengerecht kommunizieren und anhand von Beispielen das Verständnis der Mitstudierenden überprüfen und vertiefen.
Selbstständigkeit
  • Studierende können eigenständig ihr Verständnis komplexer Konzepte überprüfen, noch offene Fragen auf den Punkt bringen und sich gegebenenfalls gezielt Hilfe holen.
  • Studierende haben eine genügend hohe Ausdauer entwickelt, um auch über längere Zeiträume zielgerichtet an schwierigen Problemstellungen zu arbeiten.


Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Mündliche Prüfung
Prüfungsdauer und -umfang 30 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computational Mathematics: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Informatik-Ingenieurwesen (Weiterentwicklung): Vertiefung Mathematik & Ingenieurwissenschaften: Wahlpflicht
Technomathematik: Vertiefung I. Mathematik: Wahlpflicht
Lehrveranstaltung L1100: Kombinatorische Strukturen und Algorithmen
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Anusch Taraz
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Zählprobleme 
  • Strukturelle Graphentheorie
  • Analyse von Algorithmen
  • Extremale Kombinatorik
  • Zufällige diskrete Strukturen

Literatur
  • M. Aigner: Diskrete Mathematik, Vieweg, 6. Aufl., 2006
  • J. Matoušek & J. Nešetřil: Diskrete Mathematik - Eine Entdeckungsreise, Springer, 2007
  • A. Steger: Diskrete Strukturen - Band 1: Kombinatorik, Graphentheorie, Algebra, Springer, 2. Aufl. 2007
  • A. Taraz: Diskrete Mathematik, Birkhäuser, 2012.
Lehrveranstaltung L1101: Kombinatorische Strukturen und Algorithmen
Typ Gruppenübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Anusch Taraz
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0972: Verteilte Systeme

Lehrveranstaltungen
Titel Typ SWS LP
Verteilte Systeme (L1155) Vorlesung 2 3
Verteilte Systeme (L1156) Gruppenübung 2 3
Modulverantwortlicher Prof. Volker Turau
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse
  • Prozedurales Programmieren
  • Objektorientiertes Programmieren mit Java
  • Rechnernetze
  • Socket Programmierung
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Studierende können die wichtigsten Abstraktion von Verteilten Systemen erklären (Marshalling, Proxy, Dienst, Adresse, Entfernter Aufruf, synchrones/asynchrones System). Sie sind in der Lage, die Vor- und Nachteile verschiedener Arten von Interprozesskommunikation zu beschreiben. Sie kennen die wichtigsten Architekturvarianten von Verteilten Systemen einschließlich ihrer Vor- und Nachteile. Die Teilnehmer sind in der Lage, mindestens drei Synchronisationsverfahren zu beschreiben. 

Fertigkeiten

Studierende können auf unterschiedliche Arten verteilte Systeme realisieren. Dabei können sie folgende Methoden verwenden:

  • Eigenes Protokoll entwerfen und mittels TCP umsetzen
  • HTTP als entfernten Aufruf nutzen
  • RMI als Middleware nutzen



Personale Kompetenzen
Sozialkompetenz
Selbstständigkeit
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 120 min
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Informatik-Ingenieurwesen (Weiterentwicklung): Vertiefung Informatik: Wahlpflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Lehrveranstaltung L1155: Verteilte Systeme
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Volker Turau
Sprachen DE
Zeitraum WiSe
Inhalt
  • Architekturen für verteilte Systeme
  • HTTP: Einfacher entfernter Aufruf
  • Client-Server Architekturen
  • Entfernter Aufruf
  • Remote Method Invocation (RMI)
  • Synchronisierung
  • Verteiltes Caching
  • Namensdienste
  • Verteilte Dateisysteme
Literatur
  • Verteilte Systeme – Prinzipien und Paradigmen, Andrew S. Tanenbaum, Maarten van Steen,  Pearson Studium
  • Verteilte Systeme,  G. Coulouris, J. Dollimore, T. Kindberg, 2005, Pearson Studium
Lehrveranstaltung L1156: Verteilte Systeme
Typ Gruppenübung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Volker Turau
Sprachen DE
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0791: Rechnerarchitektur

Lehrveranstaltungen
Titel Typ SWS LP
Rechnerarchitektur (L0793) Vorlesung 2 3
Rechnerarchitektur (L0794) Projekt-/problembasierte LehrveranstaltungLehrveranstaltung 2 2
Rechnerarchitektur (L1864) Gruppenübung 1 1
Modulverantwortlicher Prof. Heiko Falk
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Modul "Technische Informatik"

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

In diesem Modul werden fortgeschrittene Konzepte der Rechnerarchitektur vorgestellt. Am Anfang steht ein breiter Überblick über mögliche Programmiermodelle, wie sie für Universalrechner aber auch für spezielle Maschinen (z.B. Signalprozessoren) entwickelt wurden. Anschließend werden prinzipielle Aspekte der Mikroarchitektur von Prozessoren behandelt. Der Schwerpunkt liegt hierbei insbesondere auf dem sogenannten Pipelining und den in diesem Zusammenhang angewandten Methoden zur Beschleunigung der Befehlsausführung. Die Studierenden lernen Mechanismen zum dynamischen Scheduling, zur Sprungvorhersage, zu superskalaren Architekturen und zu Speicher-Hierarchien kennen.


Fertigkeiten Die Studierenden sind in der Lage, den Aufbau eines Prozessors zu erklären. Sie kennen die verschiedenen Architekturprinzipien und Programmiermodelle. Die Studierenden untersuchen verschiedene Strukturen von Pipeline-Architekturen und sind in der Lage, deren Konzepte zu erklären und im Hinblick auf Kriterien wie Performance und Energieeffizienz zu analysieren. Sie bewerten unterschiedliche Speicherarchitekturen, kennen parallele Rechnerarchitekturen und können zwischen Befehls- und Datenparallelität unterscheiden.
Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind nach Abschluss des Moduls in der Lage, ähnliche Aufgaben alleine oder in einer Gruppe zu bearbeiten und die Resultate geeignet zu präsentieren.

Selbstständigkeit

Die Studierenden sind nach Abschluss des Moduls in der Lage, sich Teilbereiche des Fachgebietes anhand von Fachliteratur selbständig zu erarbeiten, das erworbene Wissen zusammenzufassen, zu präsentieren und es mit den Inhalten anderer Lehrveranstaltungen zu verknüpfen.

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 Min., Vorlesungsstoff + 4 Testate zur PBL "Rechnerarchitektur"
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften: Vertiefung Informatik: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Flugzeug-Systemtechnik: Vertiefung Avionik und Eingebettete Systeme: Wahlpflicht
General Engineering Science: Vertiefung Informatik: Pflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Informatik-Ingenieurwesen (Weiterentwicklung): Vertiefung Informatik: Wahlpflicht
Microelectronics and Microsystems: Vertiefung Embedded Systems: Wahlpflicht
Lehrveranstaltung L0793: Rechnerarchitektur
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Heiko Falk
Sprachen DE/EN
Zeitraum WiSe
Inhalt
  • Einführung
  • Grundlagen von VHDL
  • Programmiermodelle
  • Realisierung elementarer Datentypen
  • Dynamisches Scheduling
  • Sprungvorhersage
  • Superskalare Maschinen
  • Speicher-Hierarchien

Die Gruppenübungen vertiefen die Vorlesungsinhalte durch Bearbeiten und Besprechen von Übungsblättern und dienen somit zur Klausur-Vorbereitung. Der praktische Umgang mit Fragestellungen aus der Rechnerarchitektur wird in der FPGA-basierten PBL zur Rechnerarchitektur vermittelt, deren Teilnahme verpflichtend ist.

Literatur
  • D. Patterson, J. Hennessy. Rechnerorganisation und -entwurf. Elsevier, 2005.
  • A. Tanenbaum, J. Goodman. Computerarchitektur. Pearson, 2001.
Lehrveranstaltung L0794: Rechnerarchitektur
Typ Projekt-/problembasierte LehrveranstaltungLehrveranstaltung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Heiko Falk
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L1864: Rechnerarchitektur
Typ Gruppenübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Heiko Falk
Sprachen DE/EN
Zeitraum WiSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0803: Embedded Systems

Lehrveranstaltungen
Titel Typ SWS LP
Eingebettete Systeme (L0805) Vorlesung 3 4
Eingebettete Systeme (L0806) Gruppenübung 1 2
Modulverantwortlicher Prof. Heiko Falk
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse Computer Engineering
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Embedded systems can be defined as information processing systems embedded into enclosing products. This course teaches the foundations of such systems. In particular, it deals with an introduction into these systems (notions, common characteristics) and their specification languages (models of computation, hierarchical automata, specification of distributed systems, task graphs, specification of real-time applications, translations between different models).

Another part covers the hardware of embedded systems: Sonsors, A/D and D/A converters, real-time capable communication hardware, embedded processors, memories, energy dissipation, reconfigurable logic and actuators. The course also features an introduction into real-time operating systems, middleware and real-time scheduling. Finally, the implementation of embedded systems using hardware/software co-design (hardware/software partitioning, high-level transformations of specifications, energy-efficient realizations, compilers for embedded processors) is covered.

Fertigkeiten After having attended the course, students shall be able to realize simple embedded systems. The students shall realize which relevant parts of technological competences to use in order to obtain a functional embedded systems. In particular, they shall be able to compare different models of computations and feasible techniques for system-level design. They shall be able to judge in which areas of embedded system design specific risks exist.
Personale Kompetenzen
Sozialkompetenz

Students are able to solve similar problems alone or in a group and to present the results accordingly.

Selbstständigkeit

Students are able to acquire new knowledge from specific literature and to associate this knowledge with other classes.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 Minuten, Inhalte der Vorlesung und Übungen
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Elektrotechnik: Kernqualifikation: Wahlpflicht
Flugzeug-Systemtechnik: Vertiefung Avionik und Eingebettete Systeme: Wahlpflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Wahlpflicht
Informatik-Ingenieurwesen: Kernqualifikation: Pflicht
Informatik-Ingenieurwesen (Weiterentwicklung): Kernqualifikation: Pflicht
Mechatronics: Vertiefung Systementwurf: Wahlpflicht
Mechatronics: Vertiefung Intelligente Systeme und Robotik: Wahlpflicht
Microelectronics and Microsystems: Vertiefung Embedded Systems: Wahlpflicht
Lehrveranstaltung L0805: Embedded Systems
Typ Vorlesung
SWS 3
LP 4
Arbeitsaufwand in Stunden Eigenstudium 78, Präsenzstudium 42
Dozenten Prof. Heiko Falk
Sprachen EN
Zeitraum SoSe
Inhalt
  • Introduction
  • Specifications and Modeling
  • Embedded/Cyber-Physical Systems Hardware
  • System Software
  • Evaluation and Validation
  • Mapping of Applications to Execution Platforms
  • Optimization
Literatur
  • Peter Marwedel. Embedded System Design - Embedded Systems Foundations of Cyber-Physical Systems. 2nd Edition, Springer, 2012., Springer, 2012.
Lehrveranstaltung L0806: Embedded Systems
Typ Gruppenübung
SWS 1
LP 2
Arbeitsaufwand in Stunden Eigenstudium 46, Präsenzstudium 14
Dozenten Prof. Heiko Falk
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M0754: Compiler Construction

Lehrveranstaltungen
Titel Typ SWS LP
Compilerbau (L0703) Vorlesung 2 2
Compilerbau (L0704) Gruppenübung 2 4
Modulverantwortlicher Prof. Sibylle Schupp
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse
  • Practical programming experience
  • Automata theory and formal languages
  • Functional programming or procedural programming
  • Object-oriented programming, algorithms, and data structures
  • Basic knowledge of software engineering
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Students explain the workings of a compiler and break down a compilation task in different phases. They apply and modify the major algorithms for compiler construction and code improvement. They can re-write those algorithms in a programming language, run and test them. They choose appropriate internal languages and representations and justify their choice. They explain and modify implementations of existing compiler frameworks and experiment with frameworks and tools. 

Fertigkeiten

Students design and implement arbitrary compilation phases. They integrate their code in existing compiler frameworks. They organize their compiler code properly as a software project. They generalize algorithms for compiler construction to algorithms that analyze or synthesize software. 

Personale Kompetenzen
Sozialkompetenz

Students develop the software in a team. They explain problems and solutions to their team members. They present and defend their software in class. They communicate in English.

Selbstständigkeit

Students develop their software independently and define milestones by themselves. They receive feedback throughout the entire project. They organize the software project so that they can assess their progress themselves.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Fachtheoretisch-fachpraktische Arbeit
Prüfungsdauer und -umfang Software (Compiler)
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Informatik-Ingenieurwesen (Weiterentwicklung): Vertiefung Informatik: Wahlpflicht
Technomathematik: Vertiefung II. Informatik: Wahlpflicht
Lehrveranstaltung L0703: Compiler Construction
Typ Vorlesung
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Sibylle Schupp
Sprachen EN
Zeitraum SoSe
Inhalt
  • Lexical and syntactic analysis 

  • Semantic analysis
  • High-level optimization 

  • Intermediate languages and code generation
  • Compilation pipeline
Literatur

Alfred Aho, Jeffrey Ullman, Ravi Sethi, and Monica S. Lam, Compilers: Principles, Techniques, and Tools, 2nd edition

Aarne Ranta, Implementing Programming Languages, An Introduction to Compilers and Interpreters, with an appendix coauthored by Markus Forsberg, College Publications, London, 2012

Lehrveranstaltung L0704: Compiler Construction
Typ Gruppenübung
SWS 2
LP 4
Arbeitsaufwand in Stunden Eigenstudium 92, Präsenzstudium 28
Dozenten Prof. Sibylle Schupp
Sprachen EN
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung

Modul M1300: Software Development

Lehrveranstaltungen
Titel Typ SWS LP
Softwareentwicklung (L1790) Projekt-/problembasierte LehrveranstaltungLehrveranstaltung 2 5
Softwareentwicklung (L1789) Vorlesung 1 1
Modulverantwortlicher Prof. Sibylle Schupp
Zulassungsvoraussetzungen None
Empfohlene Vorkenntnisse
  • Introduction to Software Engineering
  • Programming Skills
  • Experience with Developing Small to Medium-Size Programs 
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
Students explain the fundamental concepts of agile methods, describe the process of 
test-driven development, and explain how continuous integration can be used in
different scenarios. They give examples of selected pitfalls in software development,
regarding scalability and other non-functional requirements. They write unit tests and build scripts and combine them in a corresponding integration environment. They explain major activities in requirements analysis, program comprehension, and agile project development.
Fertigkeiten
For a given task on a legacy system, students identify the corresponding
parts in the system and select an appropriate method for understanding the
details. They choose the proper approach of splitting a task in
independent testable and extensible pieces and, thus, solve the task
with proper methods for quality assurance. They design tests for 
legacy systems, create automated builds, and find errors at different
levels. They integrate the resulting artifacts in a continuous
development environment
Personale Kompetenzen
Sozialkompetenz

Students discuss different design decisions in a group. They defend their solutions orally. They communicate in English.

Selbstständigkeit

Using accompanying tools, students can assess their level of knowledge continuously and adjust it appropriately.   Within limits, they can set their own learning goals. Upon successful completion, students can identify and formulate concrete problems of software systems and propose solutions. Within this field, they can conduct independent studies to acquire the necessary competencies. They can devise plans to arrive at new solutions or assess existing ones.

Arbeitsaufwand in Stunden Eigenstudium 138, Präsenzstudium 42
Leistungspunkte 6
Prüfung Fachtheoretisch-fachpraktische Arbeit
Prüfungsdauer und -umfang Software
Zuordnung zu folgenden Curricula Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Informatik-Ingenieurwesen (Weiterentwicklung): Vertiefung Informatik: Wahlpflicht
Lehrveranstaltung L1790: Software Development
Typ Projekt-/problembasierte LehrveranstaltungLehrveranstaltung
SWS 2
LP 5
Arbeitsaufwand in Stunden Eigenstudium 122, Präsenzstudium 28
Dozenten Prof. Sibylle Schupp
Sprachen EN
Zeitraum SoSe
Inhalt
  • Agile Methods
  • Test-Driven Development and Unit Testing
  • Continuous Integration
  • Web Services
  • Scalability
  • From Defects to Failure
Literatur

Duvall, Paul M. Continuous Integration. Pearson Education India, 2007.
Humble, Jez, and David Farley. Continuous delivery: reliable software releases through build, test, and deployment automation. Pearson Education, 2010.

Martin, Robert Cecil. Agile software development: principles, patterns, and practices. Prentice Hall PTR, 2003.

http://scrum-kompakt.de/

Myers, Glenford J., Corey Sandler, and Tom Badgett. The art of software testing. John Wiley & Sons, 2011.

Lehrveranstaltung L1789: Software Development
Typ Vorlesung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Sibylle Schupp
Sprachen EN
Zeitraum SoSe
Inhalt
  • Agile Methods
  • Test-Driven Development and Unit Testing
  • Continuous Integration
  • Web Services
  • Scalability
  • From Defects to Failure
Literatur

Duvall, Paul M. Continuous Integration. Pearson Education India, 2007.
Humble, Jez, and David Farley. Continuous delivery: reliable software releases through build, test, and deployment automation. Pearson Education, 2010.

Martin, Robert Cecil. Agile software development: principles, patterns, and practices. Prentice Hall PTR, 2003.

http://scrum-kompakt.de/

Myers, Glenford J., Corey Sandler, and Tom Badgett. The art of software testing. John Wiley & Sons, 2011.

Modul M1269: Labor Cyber-Physical Systems

Lehrveranstaltungen
Titel Typ SWS LP
Labor Cyber-Physical Systems (L1740) Projekt-/problembasierte LehrveranstaltungLehrveranstaltung 4 6
Modulverantwortlicher Prof. Heiko Falk
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse Modul "Eingebettete Systeme"
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Cyber-Physical Systems (CPS) stehen über Sensoren, A/D- und D/A-Wandler und Aktoren in enger Verbindung mit ihrer Umgebung. Wegen der besonderen Einsatzgebiete kommen hier hochgradig spezialisierte Sensoren, Prozessoren und Aktoren zum Einsatz, die applikationsspezifisch auf ihr jeweiliges Einsatzgebiet ausgerichtet sind. Dementsprechend existiert - im Gegensatz zum klassischen Software Engineering - eine Vielzahl unterschiedlicher Techniken zur Spezifikation von CPS.

In Form von rechnergestützten Versuchen mit Roboterbausätzen werden in dieser Veranstaltung die Grundzüge der Spezifikation und Modellierung von CPS vermittelt. Das Labor behandelt die Einführung in diese Systeme (Begriffsbildung, charakteristische Eigenschaften) und deren Spezifikationssprachen (models of computation, hierarchische Zustandsautomaten, Datenfluss-Modelle, Petri-Netze, imperative Techniken). Da CPS häufig Steuerungs- und Regelungsaufgaben erfüllen, wird das Labor praxisnah einfache Anwendungen aus der Regelungstechnik vermitteln. Die Versuche nutzen gängige Spezifikationswerkzeuge (MATLAB/Simulink, LabVIEW, NXC), um hiermit Cyber-Physical Systems zu modellieren, die über Sensoren und Aktoren mit ihrer Umwelt interagieren.

Fertigkeiten Nach erfolgreichem Besuch der Veranstaltung sind die Studierenden in der Lage, einfache CPS zu entwickeln. Sie können Wechselwirkungen zwischen einem CPS und dessen umgebenden Prozessen beurteilen, der sich aus dem Kreislauf zwischen physikalischer Umwelt, Sensor, A/D-Wandler, digitalem Prozessor, D/A-Wandler und Aktor ergibt. Die Veranstaltung versetzt die Studierenden in die Lage, Modellierungstechniken miteinander vergleichen, deren Vor- und Nachteile abwägen, und geeignete Techniken zur Systementwicklung einsetzen zu können. Sie erwerben die Fähigkeit, diese Techniken im Rahmen konkreter praktischer Aufgabenstellungen anzuwenden. Sie haben erste Erfahrungen im hardwarenahen Software-Entwurf, im Umgang mit industrierelevanten Spezifikationswerkzeugen und im Entwurf einfacher Regelungssysteme erworben.
Personale Kompetenzen
Sozialkompetenz

Die Studierenden sind nach Abschluss des Moduls in der Lage, ähnliche Aufgaben alleine oder in einer Gruppe zu bearbeiten und die Resultate geeignet zu präsentieren.

Selbstständigkeit

Die Studierenden sind nach Abschluss des Moduls in der Lage, sich Teilbereiche des Fachgebietes anhand von Fachliteratur selbständig zu erarbeiten, das erworbene Wissen zusammenzufassen, zu präsentieren und es mit den Inhalten anderer Lehrveranstaltungen zu verknüpfen.

Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Leistungspunkte 6
Prüfung Schriftliche Ausarbeitung
Prüfungsdauer und -umfang Durchführung und Beschreibung sämtlicher Versuche
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Wahlpflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
General Engineering Science (7 Semester): Vertiefung Informatik: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Informatik-Ingenieurwesen (Weiterentwicklung): Vertiefung Mathematik & Ingenieurwissenschaften: Wahlpflicht
Mechatronics: Vertiefung Intelligente Systeme und Robotik: Wahlpflicht
Mechatronics: Vertiefung Systementwurf: Wahlpflicht
Mechatronics: Technischer Ergänzungskurs: Wahlpflicht
Lehrveranstaltung L1740: Labor Cyber-Physical Systems
Typ Projekt-/problembasierte LehrveranstaltungLehrveranstaltung
SWS 4
LP 6
Arbeitsaufwand in Stunden Eigenstudium 124, Präsenzstudium 56
Dozenten Prof. Heiko Falk
Sprachen DE/EN
Zeitraum SoSe
Inhalt
  • Versuch 1: Programmieren in NXC
  • Versuch 2: Programmierung des Roboters mit Matlab/Simulink
  • Programmierung des Roboters in LabVIEW
Literatur
  • Peter Marwedel. Embedded System Design - Embedded System Foundations of Cyber-Physical Systems. 2nd Edition, Springer, 2012.
  • Begleitende Foliensätze

Modul M0634: Einführung in Medizintechnische Systeme

Lehrveranstaltungen
Titel Typ SWS LP
Einführung in Medizintechnische Systeme (L0342) Vorlesung 2 3
Einführung in Medizintechnische Systeme (L0343) Projektseminar 2 2
Einführung in Medizintechnische Systeme (L1876) Hörsaalübung 1 1
Modulverantwortlicher Prof. Alexander Schlaefer
Zulassungsvoraussetzungen Keine
Empfohlene Vorkenntnisse

Grundlagen Mathematik (Algebra, Analysis)
Grundlagen Stochastik
Grundlagen Programmierung, R/Matlab

Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen

Die Studierenden können Funktionsprinzipien ausgewählter medizintechnischer Systeme (beispielsweise bildgebende Systeme, Assistenzsysteme im OP, medizintechnische Informationssysteme) erklären. Sie können einen Überblick über regulatorische Rahmenbedingungen und Standards in der Medizintechnik geben.

Fertigkeiten

Die Studierenden sind in der Lage, die Funktion eines medizintechnischen Systems im Anwendungskontext zu bewerten.

Personale Kompetenzen
Sozialkompetenz

Die Studierenden können in Gruppen ein medizintechnisches Thema als Projekt beschreiben, in Teilaufgaben untergliedern und gemeinsam bearbeiten.

Selbstständigkeit

Die Studierenden können ihren Wissensstand einschätzen und ihre Arbeitsergebnisse dokumentieren.  Sie können die erzielten Ergebnisse kritisch bewerten und in geeigneter Weise präsentieren.

Arbeitsaufwand in Stunden Eigenstudium 110, Präsenzstudium 70
Leistungspunkte 6
Prüfung Klausur
Prüfungsdauer und -umfang 90 Minuten
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften: Vertiefung Mediziningenieurwesen: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
Computer Science: Vertiefung Computer and Software Engineering: Wahlpflicht
Elektrotechnik: Kernqualifikation: Wahlpflicht
General Engineering Science: Vertiefung Mediziningenieurwesen: Pflicht
General Engineering Science (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht
Informatik-Ingenieurwesen: Vertiefung Ingenieurwissenschaften: Wahlpflicht
Informatik-Ingenieurwesen: Vertiefung Informatik: Wahlpflicht
Informatik-Ingenieurwesen (Weiterentwicklung): Vertiefung Mathematik & Ingenieurwissenschaften: Wahlpflicht
Mediziningenieurwesen: Vertiefung Künstliche Organe und Regenerative Medizin: Wahlpflicht
Mediziningenieurwesen: Vertiefung Implantate und Endoprothesen: Wahlpflicht
Mediziningenieurwesen: Vertiefung Medizin- und Regelungstechnik: Wahlpflicht
Mediziningenieurwesen: Vertiefung Management und Administration: Wahlpflicht
Technomathematik: Vertiefung III. Ingenieurwissenschaften: Wahlpflicht
Lehrveranstaltung L0342: Einführung in Medizintechnische Systeme
Typ Vorlesung
SWS 2
LP 3
Arbeitsaufwand in Stunden Eigenstudium 62, Präsenzstudium 28
Dozenten Prof. Alexander Schlaefer
Sprachen DE
Zeitraum SoSe
Inhalt

- Bildgebende Systeme
- Assistenzsysteme im OP
- Medizintechnische Sensorsysteme
- Medizintechnische Informationssysteme
- Regulatorische Rahmenbedingungen
- Standards in der Medizintechnik
Durch problembasiertes Lernen erfolgt die Vertiefung der Methoden aus der Vorlesung. Dies erfolgt in Form von Gruppenarbeit. 

Literatur

Wird in der Veranstaltung bekannt gegeben.

Lehrveranstaltung L0343: Einführung in Medizintechnische Systeme
Typ Projektseminar
SWS 2
LP 2
Arbeitsaufwand in Stunden Eigenstudium 32, Präsenzstudium 28
Dozenten Prof. Alexander Schlaefer
Sprachen DE
Zeitraum SoSe
Inhalt Siehe korrespondierende Vorlesung
Literatur Siehe korrespondierende Vorlesung
Lehrveranstaltung L1876: Einführung in Medizintechnische Systeme
Typ Hörsaalübung
SWS 1
LP 1
Arbeitsaufwand in Stunden Eigenstudium 16, Präsenzstudium 14
Dozenten Prof. Alexander Schlaefer
Sprachen DE
Zeitraum SoSe
Inhalt

- Bildgebende Systeme
- Assistenzsysteme im OP
- Medizintechnische Sensorsysteme
- Medizintechnische Informationssysteme
- Regulatorische Rahmenbedingungen
- Standards in der Medizintechnik
Durch problembasiertes Lernen erfolgt die Vertiefung der Methoden aus der Vorlesung. Dies erfolgt in Form von Gruppenarbeit. 

Literatur

Wird in der Veranstaltung bekannt gegeben.

Thesis

Modul M-001: Bachelorarbeit

Lehrveranstaltungen
Titel Typ SWS LP
Modulverantwortlicher Professoren der TUHH
Zulassungsvoraussetzungen
  • Laut ASPO § 21 (1):

    Es müssen mindestens 126 Leistungspunkte im Studiengang erworben worden sein. Über Ausnahmen entscheidet der Prüfungsausschuss.

Empfohlene Vorkenntnisse
Modulziele/ angestrebte Lernergebnisse Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht
Fachkompetenz
Wissen
  • Studierende können die wichtigsten wissenschaftlichen Grundlagen ihres Studienfaches (Fakten, Theorien und Methoden) problembezogen auswählen, darstellen und nötigenfalls kritisch diskutieren.
  • Die Studierenden können ausgehend von ihrem fachlichen Grundlagenwissen anlassbezogen auch weiterführendes fachliches Wissen erschließen und verknüpfen.
  • Die Studierenden können zu einem ausgewählten Thema ihres Faches einen Forschungsstand darstellen.
Fertigkeiten
  • Die Studierenden können das im Studium vermittelte Grundwissen ihres Studienfaches zielgerichtet zur Lösung fachlicher Probleme einsetzen.
  • Die Studierenden können mit Hilfe der im Studium erlernten Methoden Fragestellungen analysieren, fachliche Sachverhalte entscheiden und Lösungen entwickeln.
  • Die Studierenden können zu den Ergebnissen ihrer eigenen Forschungsarbeit kritisch aus einer Fachperspektive Stellung beziehen.
Personale Kompetenzen
Sozialkompetenz
  • Studierende können eine wissenschaftliche Fragestellung für ein Fachpublikum sowohl schriftlich als auch mündlich strukturiert, verständlich und sachlich richtig darstellen.
  • Studierende können in einer Fachdiskussion auf Fragen eingehen und sie in adressatengerechter Weise beantworten. Sie können dabei eigene Einschätzungen und Standpunkte überzeugend vertreten.
Selbstständigkeit
  • Studierende können einen umfangreichen Arbeitsprozess zeitlich strukturieren und eine Fragestellung in vorgegebener Frist bearbeiten.
  • Studierende können notwendiges Wissen und Material zur Bearbeitung eines wissenschaftlichen Problems identifizieren, erschließen und verknüpfen.
  • Studierende können die wesentlichen Techniken des wissenschaftlichen Arbeitens in einer eigenen Forschungsarbeit anwenden.


Arbeitsaufwand in Stunden Eigenstudium 360, Präsenzstudium 0
Leistungspunkte 12
Prüfung Abschlussarbeit
Prüfungsdauer und -umfang laut ASPO
Zuordnung zu folgenden Curricula Allgemeine Ingenieurwissenschaften: Abschlussarbeit: Pflicht
Allgemeine Ingenieurwissenschaften (7 Semester): Abschlussarbeit: Pflicht
Bau- und Umweltingenieurwesen: Abschlussarbeit: Pflicht
Bioverfahrenstechnik: Abschlussarbeit: Pflicht
Computer Science: Abschlussarbeit: Pflicht
Elektrotechnik: Abschlussarbeit: Pflicht
Energie- und Umwelttechnik: Abschlussarbeit: Pflicht
General Engineering Science: Abschlussarbeit: Pflicht
General Engineering Science (7 Semester): Abschlussarbeit: Pflicht
Informatik-Ingenieurwesen: Abschlussarbeit: Pflicht
Informatik-Ingenieurwesen (Weiterentwicklung): Abschlussarbeit: Pflicht
Logistik und Mobilität: Abschlussarbeit: Pflicht
Maschinenbau: Abschlussarbeit: Pflicht
Mechatronik: Abschlussarbeit: Pflicht
Schiffbau: Abschlussarbeit: Pflicht
Technomathematik: Abschlussarbeit: Pflicht
Teilstudiengang Lehramt Elektrotechnik-Informationstechnik: Abschlussarbeit: Pflicht
Verfahrenstechnik: Abschlussarbeit: Pflicht