Studiengangsbeschreibung
Inhalt
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 der dazu gehörigen Mathematik sowie Betriebswirtschaftslehre.
Berufliche Perspektiven
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:
- Die Absolventen und Absolventinnen kennen grundlegende Methoden und Verfahren zur mathematischen Modellbildung in der Informatik, wie etwa algebraisch spezifizierte abstrakte Datentypen, Automatenmodelle, formale Grammatiken, Modelle der Berechenbarkeit, Komplexitätsmodelle, graphentheoretische Netzwerke, Differentialgleichungen, stochastische Prozesse und dynamische Systeme im Sinne der Systemtheorie. Sie können diese beschreiben und vergleichen.
- 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.
- 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 einem verteilten Arrangement von Daten und Algorithmen.
- 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 und implementieren.
- 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:
- 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.
- 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.
- Die Absolventen und Absolventinnen können Software-Komponenten in komplexere Softwaresysteme unter Benutzung der im Studium erarbeiteten Methoden integrieren und testen.
- 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.
- 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.
- Die Absolventen und Absolventinnen können in einem fachlich homogenen Team organisieren, spezifische Teilaufgaben übernehmen und den eigenen Beitrag reflektieren.
- 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 System- und Lösungskompetenzen, allgemeinen Problemstellung auf spezifische Teilprobleme abzubilden sowie die Auswahl und das Beherrschen geeigneter Methoden und Verfahren zur Problemlösung.
- 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.
- 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
- Kernqualifikation: 21 Module, 132 Leistungspunkte (LP), 1. - 6. Semester
- Fachmodule aus dem Grundlagenbereich von Informatik und Mathematik (114 LP)
- Software-Fachpraktikum (6 LP)
- Grundlagen der Betriebswirtschaftslehre (6 LP)
- Nichttechnische Ergänzungsfächer (6 LP)
- Vertiefung: 6 Module, 36 LP, 5. und 6. Semester
- Richtungen: Computermathematik, Computer- und Software-Engineering
- Bachelorarbeit: 12 LP, 6. Semester
Damit ergibt
sich ein Gesamtaufwand von 180 LP.
Der Studienplan ist mit einem Mobilitätsfenster versehen, so dass das fünfte Semester unter Umständen im Ausland absolviert werden kann.
Fachmodule der Kernqualifikation
Im Studium der Informatik werden zunächst die Grundlagen der praktischen, theoretischen und technischen Informatik sowie der dazu benötigten Mathematik gelehrt. An der TUHH wird großer Wert auf eine breite methodenorientierte Ausbildung gelegt.
Im Einzelnen werden folgende Lehrinhalte vermittelt:
- Praktische Informatik
- Programmier-Paradigmen (funktional, imperativ, objektorientiert)
- Algorithmentechnik
- Datenstrukturen
- Softwareentwicklung
- Theoretische Informatik
- Automatentheorie und Formale Sprachen
- Berechenbarkeit und Komplexitätstheorie
- Graphentheorie und Optimierung
- Informationssicherheit
- Automatentheorie und Formale Sprachen
- Technische Informatik
- Digitaltechnik
- Rechnerstrukturen
- Betriebssysteme
- Rechnernetze
- Mathematik
- Diskrete Mathematik
- Lineare Algebra
- Analysis
- Stochastik
- Klassische Systemtheorie
- Diskrete Mathematik
Abgerundet wird das Kernangebot durch Veranstaltungen, welche die persönlichen, sozialen und methodischen Kompetenzen (Soft-Skills) erhöhen sollen:
- Einführung in die Betriebswirtschaftslehre
- Studium Generale (3 Veranstaltungen frei wählbar aus dem Angebot)
- Seminare Informatik und Mathematik (3 Seminare frei wählbar aus dem Angebot)
- Software-Fachpraktikum (sechswöchig, wird in der Regel in der Industrie absolviert)
Modul M0561: Diskrete Algebraische Strukturen |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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
|
Fertigkeiten |
Fertigkeiten: Die Studierenden können
|
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 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 120 min |
Zuordnung zu folgenden Curricula |
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Pflicht Computer Science: Kernqualifikation: Pflicht Data Science: Kernqualifikation: Pflicht Informatik-Ingenieurwesen: Kernqualifikation: Pflicht Orientierungsstudium: Kernqualifikation: 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/EN |
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/EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M0731: Functional Programming |
||||||||||||||||
Lehrveranstaltungen | ||||||||||||||||
|
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 | ||||||||
Studienleistung |
|
||||||||
Prüfung | Klausur | ||||||||
Prüfungsdauer und -umfang | 90 min | ||||||||
Zuordnung zu folgenden Curricula |
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Wahlpflicht Computer Science: Kernqualifikation: Pflicht Data Science: Kernqualifikation: Wahlpflicht Engineering Science: Vertiefung Mechatronics: Wahlpflicht General Engineering Science (7 Semester): Vertiefung Informatik: Wahlpflicht General Engineering Science (7 Semester): Vertiefung Mechatronics: Wahlpflicht Informatik-Ingenieurwesen: Vertiefung I. 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 |
|
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 |
|
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 |
|
Literatur |
Graham Hutton, Programming in Haskell, Cambridge University Press 2007. |
Modul M0577: Nichttechnische Angebote 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
|
Fertigkeiten |
Die Studierenden können in ausgewählten Teilbereichen
|
Personale Kompetenzen | |
Sozialkompetenz |
Die Studierenden sind fähig ,
|
Selbstständigkeit |
Die Studierenden sind in ausgewählten Bereichen in der Lage,
|
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 M1436: Prozedurale Programmierung für Informatiker |
||||||||||||||||
Lehrveranstaltungen | ||||||||||||||||
|
Modulverantwortlicher | NN |
Zulassungsvoraussetzungen | Keine |
Empfohlene Vorkenntnisse | |
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht |
Fachkompetenz | |
Wissen | |
Fertigkeiten | |
Personale Kompetenzen | |
Sozialkompetenz | |
Selbstständigkeit | |
Arbeitsaufwand in Stunden | Eigenstudium 124, Präsenzstudium 56 |
Leistungspunkte | 6 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 120 min |
Zuordnung zu folgenden Curricula |
Computer Science: Kernqualifikation: Pflicht Data Science: Kernqualifikation: Pflicht Informatik-Ingenieurwesen: Kernqualifikation: Pflicht Technomathematik: Kernqualifikation: Pflicht |
Lehrveranstaltung L2163: Prozedurale Programmierung für Informatiker |
Typ | Vorlesung |
SWS | 1 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 46, Präsenzstudium 14 |
Dozenten | Dozenten des SD E |
Sprachen | DE/EN |
Zeitraum | WiSe |
Inhalt | |
Literatur |
Lehrveranstaltung L2164: Prozedurale Programmierung für Informatiker |
Typ | Hörsaalübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Dozenten des SD E |
Sprachen | DE/EN |
Zeitraum | WiSe |
Inhalt | |
Literatur |
Lehrveranstaltung L2165: Prozedurale Programmierung für Informatiker |
Typ | Laborpraktikum |
SWS | 2 |
LP | 3 |
Arbeitsaufwand in Stunden | Eigenstudium 62, Präsenzstudium 28 |
Dozenten | Dozenten des SD E |
Sprachen | DE/EN |
Zeitraum | WiSe |
Inhalt | |
Literatur |
Modul M1728: Mathematics I (EN) |
||||||||||||||||||||||||||||
Lehrveranstaltungen | ||||||||||||||||||||||||||||
|
Modulverantwortlicher | Prof. Daniel Ruprecht |
Zulassungsvoraussetzungen | None |
Empfohlene Vorkenntnisse | |
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht |
Fachkompetenz | |
Wissen | |
Fertigkeiten | |
Personale Kompetenzen | |
Sozialkompetenz | |
Selbstständigkeit | |
Arbeitsaufwand in Stunden | Eigenstudium 128, Präsenzstudium 112 |
Leistungspunkte | 8 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 120 min |
Zuordnung zu folgenden Curricula |
Computer Science: Kernqualifikation: Pflicht Data Science: Kernqualifikation: Pflicht Engineering Science: Kernqualifikation: Pflicht |
Lehrveranstaltung L2771: Analysis I (EN) |
Typ | Vorlesung |
SWS | 2 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 32, Präsenzstudium 28 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | |
Literatur |
Lehrveranstaltung L2772: Analysis I (EN) |
Typ | Hörsaalübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2773: Analysis I (EN) |
Typ | Gruppenübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2774: Linear Algebra I (EN) |
Typ | Vorlesung |
SWS | 2 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 32, Präsenzstudium 28 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | |
Literatur |
Lehrveranstaltung L2775: Linear Algebra I (EN) |
Typ | Hörsaalübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2776: Linear Algebra I (EN) |
Typ | Gruppenübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M1729: Mathematics II (EN) |
||||||||||||||||||||||||||||
Lehrveranstaltungen | ||||||||||||||||||||||||||||
|
Modulverantwortlicher | Prof. Daniel Ruprecht |
Zulassungsvoraussetzungen | None |
Empfohlene Vorkenntnisse | |
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht |
Fachkompetenz | |
Wissen | |
Fertigkeiten | |
Personale Kompetenzen | |
Sozialkompetenz | |
Selbstständigkeit | |
Arbeitsaufwand in Stunden | Eigenstudium 128, Präsenzstudium 112 |
Leistungspunkte | 8 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 120 min |
Zuordnung zu folgenden Curricula |
Computer Science: Kernqualifikation: Pflicht Data Science: Kernqualifikation: Pflicht Engineering Science: Kernqualifikation: Pflicht |
Lehrveranstaltung L2777: Analysis II (English) |
Typ | Vorlesung |
SWS | 2 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 32, Präsenzstudium 28 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | |
Literatur |
Lehrveranstaltung L2778: Analysis II (English) |
Typ | Hörsaalübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2779: Analysis II (English) |
Typ | Gruppenübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2780: Linear Algebra II (English) |
Typ | Vorlesung |
SWS | 2 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 32, Präsenzstudium 28 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | |
Literatur |
Lehrveranstaltung L2781: Linear Algebra II (English) |
Typ | Hörsaalübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2782: Linear Algebra II (English) |
Typ | Gruppenübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Prof. Daniel Ruprecht |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M0624: Automata Theory and Formal Languages |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 90 min |
Zuordnung zu folgenden Curricula |
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Pflicht Computer Science: Kernqualifikation: Pflicht Data Science: Kernqualifikation: Pflicht Engineering Science: Vertiefung Mechatronics: Wahlpflicht General Engineering Science (7 Semester): Vertiefung Mechatronics: Wahlpflicht Informatik-Ingenieurwesen: Kernqualifikation: Pflicht Orientierungsstudium: Kernqualifikation: Wahlpflicht Technomathematik: Vertiefung II. Informatik: Wahlpflicht |
Lehrveranstaltung L0332: 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 |
|
Literatur |
|
Lehrveranstaltung L0507: 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 M0829: Grundlagen der Betriebswirtschaftslehre |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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...
|
Fertigkeiten |
Die Studierenden können
|
Personale Kompetenzen | |
Sozialkompetenz |
Die Studierenden sind in der Lage
|
Selbstständigkeit |
Die Studierenden sind in der Lage
|
Arbeitsaufwand in Stunden | Eigenstudium 110, Präsenzstudium 70 |
Leistungspunkte | 6 |
Studienleistung | Keine |
Prüfung | Fachtheoretisch-fachpraktische Arbeit |
Prüfungsdauer und -umfang | mehrere schriftliche Leistungen über das Semester verteilt |
Zuordnung zu folgenden Curricula |
Allgemeine Ingenieurwissenschaften (7 Semester): Kernqualifikation: Pflicht Bau- und Umweltingenieurwesen: Vertiefung Bauingenieurwesen: Wahlpflicht Bau- und Umweltingenieurwesen: Vertiefung Wasser und Umwelt: Wahlpflicht Bau- und Umweltingenieurwesen: Vertiefung Verkehr und Mobilität: Wahlpflicht Bioverfahrenstechnik: Kernqualifikation: Pflicht Computer Science: Kernqualifikation: Pflicht Data Science: Kernqualifikation: Pflicht Elektrotechnik: Kernqualifikation: Pflicht Energie- und Umwelttechnik: Kernqualifikation: Pflicht General Engineering Science (7 Semester): Vertiefung Elektrotechnik: Pflicht General Engineering Science (7 Semester): Vertiefung Bauingenieurwesen: Pflicht General Engineering Science (7 Semester): Vertiefung Bioverfahrenstechnik: Pflicht General Engineering Science (7 Semester): Vertiefung Energie- und Umwelttechnik: Pflicht General Engineering Science (7 Semester): Vertiefung Informatik: 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 Produktentwicklung und Produktion: Pflicht General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Pflicht General Engineering Science (7 Semester): Vertiefung Schiffbau: Pflicht General Engineering Science (7 Semester): Vertiefung Verfahrenstechnik: Pflicht General Engineering Science (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht Green Technologies: Energie, Wasser, Klima: Kernqualifikation: Pflicht Informatik-Ingenieurwesen: Kernqualifikation: Pflicht Logistik und Mobilität: Kernqualifikation: Pflicht Maschinenbau: Kernqualifikation: Pflicht Mechatronik: Kernqualifikation: Pflicht Orientierungsstudium: Kernqualifikation: Wahlpflicht Orientierungsstudium: Kernqualifikation: Wahlpflicht Schiffbau: Kernqualifikation: Pflicht Technomathematik: Kernqualifikation: Pflicht Verfahrenstechnik: Kernqualifikation: Pflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Kernqualifikation: Pflicht |
Lehrveranstaltung L0882: Betriebswirtschaftliche Übung |
Typ | Gruppenübung |
SWS | 2 |
LP | 3 |
Arbeitsaufwand in Stunden | Eigenstudium 62, Präsenzstudium 28 |
Dozenten | Prof. Christoph Ihl, Katharina Roedelius |
Sprachen | DE |
Zeitraum |
WiSe/ |
Inhalt |
In der betriebswirtschaftlichen Horsaalübung werden die Inhalte der Vorlesung durch praktische Beispiele und die Anwendung der diskutierten Werkzeuge vertieft. Bei angemessener Nachfrage wird parallel auch eine Problemorientierte Lehrveranstaltung angeboten, die Studierende alternativ wählen können. Hier bearbeiten die Studierenden in Gruppen ein selbstgewähltes Projekt, das sich thematisch mit der Ausarbeitung einer innovativen Geschäftsidee aus Sicht eines etablierten Unternehmens oder Startups befasst. Auch hier sollen die betriebswirtschaftlichen Grundkenntnisse aus der Vorlesung zum praktischen Einsatz kommen. Die Gruppenarbeit erfolgt unter Anleitung eines Mentors. |
Literatur | Relevante Literatur aus der korrespondierenden Vorlesung. |
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/ |
Inhalt |
Neben der Vorlesung, die die Fachinhalte vermittelt, erarbeiten die Studierenden selbstständig in Gruppen einen Business-Plan für ein Gründungsprojekt. Dafür wird auch das wissenschaftliche Arbeiten und Schreiben gezielt unterstützt. |
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. |
Modul M1432: Programmierparadigmen |
||||||||||||||||
Lehrveranstaltungen | ||||||||||||||||
|
Modulverantwortlicher | NN |
Zulassungsvoraussetzungen | Keine |
Empfohlene Vorkenntnisse |
Veranstaltung Prozedurale Programmierung oder gleichwertige Programmierkenntnisse in imperativer Programmierung |
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht |
Fachkompetenz | |
Wissen |
Die Studenten haben ein grundlegendes Verständnis über die objektorientierte und die generische Programmierung erworben und können diese in eigenen Programmierprojekten umsetzen. Sie können eigene Klassenhierarchien erstellen und verschiedene Formen der Vererbung unterscheiden. Sie haben ein grundlegendes Verständnis des Polymorphismus und können zwischen Laufzeit- und Compilierzeit-Polymorphismus unterschieden. Die Studenten sind mit dem Konzept der Datenkapselung vertraut und können Schnittstellen in private und öffentliche Methoden unterteilen. Sie können mit Exceptions umgehen und nutzen generische Programmierung um Datenstrukturen zu verallgemeinern. Die Studenten können die Vor- und Nachteile der beiden Programmierparadigmen |
Fertigkeiten |
Die Studenten können eine mittelgroße Problemstellung in Teilprobleme zerlegen und darauf aufbauend eigene Klassen in einer objektorientierten Programmiersprache erstellen. Sie können dabei ein öffentliche und private Schnittstellen entwerfen und die Implementierung durch Abstraktion generisch und erweiterbar umsetzen. Sie können verschiedene Sprachkonstrukte einer modernen Programmiersprache unterscheiden und diese geeignet in der Implementierung nutzen. Sie können Unit Tests entwerfen und implementieren. |
Personale Kompetenzen | |
Sozialkompetenz |
Studierende können in Teams arbeiten und in Foren kommunizieren. |
Selbstständigkeit |
In Programmierpraktikum lernen die Studenten unter Aufsicht die objektorientierte Programmierung. In Übungen entwickeln sie individuell und unabhängig Lösungen und erhalten Feedback. |
Arbeitsaufwand in Stunden | Eigenstudium 110, Präsenzstudium 70 |
Leistungspunkte | 6 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 90 min |
Zuordnung zu folgenden Curricula |
Computer Science: Kernqualifikation: Pflicht Data Science: Kernqualifikation: Pflicht Informatik-Ingenieurwesen: Kernqualifikation: Pflicht |
Lehrveranstaltung L2169: Programmierparadigmen |
Typ | Vorlesung |
SWS | 2 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 32, Präsenzstudium 28 |
Dozenten | Dozenten des SD E |
Sprachen | DE/EN |
Zeitraum | SoSe |
Inhalt |
|
Literatur | Skript |
Lehrveranstaltung L2170: Programmierparadigmen |
Typ | Hörsaalübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Dozenten des SD E |
Sprachen | DE/EN |
Zeitraum | SoSe |
Inhalt |
|
Literatur | Skript |
Lehrveranstaltung L2171: Programmierparadigmen |
Typ | Laborpraktikum |
SWS | 2 |
LP | 3 |
Arbeitsaufwand in Stunden | Eigenstudium 62, Präsenzstudium 28 |
Dozenten | Dozenten des SD E |
Sprachen | DE/EN |
Zeitraum | SoSe |
Inhalt |
|
Literatur | Skript |
Modul M1732: Mathematics III (EN) |
||||||||||||||||||||||||||||
Lehrveranstaltungen | ||||||||||||||||||||||||||||
|
Modulverantwortlicher | Prof. Anusch Taraz |
Zulassungsvoraussetzungen | None |
Empfohlene Vorkenntnisse | |
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht |
Fachkompetenz | |
Wissen | |
Fertigkeiten | |
Personale Kompetenzen | |
Sozialkompetenz | |
Selbstständigkeit | |
Arbeitsaufwand in Stunden | Eigenstudium 128, Präsenzstudium 112 |
Leistungspunkte | 8 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 120 min |
Zuordnung zu folgenden Curricula |
Computer Science: Kernqualifikation: Pflicht Data Science: Kernqualifikation: Pflicht Engineering Science: Kernqualifikation: Pflicht |
Lehrveranstaltung L2790: Analysis III (English) |
Typ | Vorlesung |
SWS | 2 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 32, Präsenzstudium 28 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | |
Literatur |
Lehrveranstaltung L2791: Analysis III (English) |
Typ | Hörsaalübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2792: Analysis III (English) |
Typ | Gruppenübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2793: Differential Equations 1 (Ordinary Differential Equations) |
Typ | Vorlesung |
SWS | 2 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 32, Präsenzstudium 28 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | |
Literatur |
Lehrveranstaltung L2794: Differential Equations 1 (Ordinary Differential Equations) |
Typ | Hörsaalübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2795: Differential Equations 1 (Ordinary Differential Equations) |
Typ | Gruppenübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M0834: Computernetworks and Internet Security |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 120 min |
Zuordnung zu folgenden Curricula |
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Wahlpflicht Computer Science: Kernqualifikation: Pflicht Data Science: Kernqualifikation: Wahlpflicht Elektrotechnik: Kernqualifikation: Wahlpflicht Engineering Science: Vertiefung Mechatronics: Wahlpflicht General Engineering Science (7 Semester): Vertiefung Informatik: Wahlpflicht General Engineering Science (7 Semester): Vertiefung Mechatronics: Wahlpflicht Informatik-Ingenieurwesen: Kernqualifikation: Pflicht 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, Dr.-Ing. Koojana Kuladinithi |
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:
|
Literatur |
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 M0730: Technische Informatik |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
Modulverantwortlicher | Prof. Heiko Falk | ||||||||
Zulassungsvoraussetzungen | Keine | ||||||||
Empfohlene Vorkenntnisse |
Grundkenntnisse der Elektrotechnik |
||||||||
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:
|
||||||||
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 | ||||||||
Studienleistung |
|
||||||||
Prüfung | Klausur | ||||||||
Prüfungsdauer und -umfang | 90 Minuten, Inhalte der Vorlesung und Übungen | ||||||||
Zuordnung zu folgenden Curricula |
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Bauingenieurwesen: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Verfahrenstechnik: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Flugzeug-Systemtechnik: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Materialien in den Ingenieurwissenschaften: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Produktentwicklung und Produktion: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Energietechnik: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Schiffbau: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Energie- und Umwelttechnik: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Bioverfahrenstechnik: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Elektrotechnik: Pflicht Computer Science: Kernqualifikation: Pflicht Data Science: Kernqualifikation: Wahlpflicht Elektrotechnik: Kernqualifikation: Pflicht General Engineering Science (7 Semester): Vertiefung Bauingenieurwesen: 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 Mechatronik: Pflicht General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Produktentwicklung und Produktion: Pflicht General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: 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/EN |
Zeitraum | WiSe |
Inhalt |
|
Literatur |
|
Lehrveranstaltung L0324: Technische Informatik |
Typ | Gruppenübung |
SWS | 1 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 46, Präsenzstudium 14 |
Dozenten | Prof. Heiko Falk |
Sprachen | DE/EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M1423: Algorithmen und Datenstrukturen |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
Modulverantwortlicher | Prof. Matthias Mnich |
Zulassungsvoraussetzungen | Keine |
Empfohlene Vorkenntnisse |
|
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht |
Fachkompetenz | |
Wissen |
|
Fertigkeiten |
|
Personale Kompetenzen | |
Sozialkompetenz |
|
Selbstständigkeit |
|
Arbeitsaufwand in Stunden | Eigenstudium 110, Präsenzstudium 70 |
Leistungspunkte | 6 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 60 min |
Zuordnung zu folgenden Curricula |
Computer Science: Kernqualifikation: Pflicht Data Science: Kernqualifikation: Pflicht Informatik-Ingenieurwesen: Kernqualifikation: Pflicht Logistik und Mobilität: Vertiefung Informationstechnologie: Wahlpflicht Technomathematik: Vertiefung II. Informatik: Wahlpflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Vertiefung Informationstechnologie: Wahlpflicht |
Lehrveranstaltung L2046: Algorithmen und Datenstrukturen |
Typ | Vorlesung |
SWS | 4 |
LP | 4 |
Arbeitsaufwand in Stunden | Eigenstudium 64, Präsenzstudium 56 |
Dozenten | Prof. Matthias Mnich |
Sprachen | DE/EN |
Zeitraum | WiSe |
Inhalt |
|
Literatur |
|
Lehrveranstaltung L2047: Algorithmen und Datenstrukturen |
Typ | Gruppenübung |
SWS | 1 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 46, Präsenzstudium 14 |
Dozenten | Prof. Matthias Mnich |
Sprachen | DE/EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M0727: Stochastik |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
Modulverantwortlicher | Prof. Matthias Schulte |
Zulassungsvoraussetzungen | Keine |
Empfohlene Vorkenntnisse |
|
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht |
Fachkompetenz | |
Wissen |
|
Fertigkeiten |
|
Personale Kompetenzen | |
Sozialkompetenz |
|
Selbstständigkeit |
|
Arbeitsaufwand in Stunden | Eigenstudium 124, Präsenzstudium 56 |
Leistungspunkte | 6 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 120 min |
Zuordnung zu folgenden Curricula |
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Pflicht Computer Science: Kernqualifikation: Pflicht Data Science: Kernqualifikation: Pflicht Informatik-Ingenieurwesen: Kernqualifikation: Pflicht Logistik und Mobilität: Vertiefung Ingenieurwissenschaft: Wahlpflicht Logistik und Mobilität: Vertiefung Informationstechnologie: Wahlpflicht Theoretischer Maschinenbau: Kernqualifikation: Wahlpflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Vertiefung Informationstechnologie: Wahlpflicht |
Lehrveranstaltung L0777: Stochastik |
Typ | Vorlesung |
SWS | 2 |
LP | 4 |
Arbeitsaufwand in Stunden | Eigenstudium 92, Präsenzstudium 28 |
Dozenten | Prof. Matthias Schulte |
Sprachen | DE/EN |
Zeitraum | SoSe |
Inhalt |
|
Literatur |
|
Lehrveranstaltung L0778: Stochastik |
Typ | Gruppenübung |
SWS | 2 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 32, Präsenzstudium 28 |
Dozenten | Prof. Matthias Schulte |
Sprachen | DE/EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M0732: Software Engineering |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
Modulverantwortlicher | Prof. Sibylle Schupp | ||||||||
Zulassungsvoraussetzungen | None | ||||||||
Empfohlene Vorkenntnisse |
|
||||||||
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 | ||||||||
Studienleistung |
|
||||||||
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 I. 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 |
|
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 M0852: Graphentheorie und Optimierung |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
Modulverantwortlicher | Prof. Anusch Taraz |
Zulassungsvoraussetzungen | Keine |
Empfohlene Vorkenntnisse |
|
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht |
Fachkompetenz | |
Wissen |
|
Fertigkeiten |
|
Personale Kompetenzen | |
Sozialkompetenz |
|
Selbstständigkeit |
|
Arbeitsaufwand in Stunden | Eigenstudium 124, Präsenzstudium 56 |
Leistungspunkte | 6 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 120 min |
Zuordnung zu folgenden Curricula |
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Pflicht Computer Science: Kernqualifikation: Pflicht Data Science: Kernqualifikation: Pflicht Logistik und Mobilität: Vertiefung Ingenieurwissenschaft: Wahlpflicht Logistik und Mobilität: Vertiefung Verkehrsplanung und -systeme: Wahlpflicht Logistik und Mobilität: Vertiefung Informationstechnologie: Wahlpflicht Technomathematik: Vertiefung I. Mathematik: Wahlpflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Vertiefung Verkehrsplanung und -systeme: Wahlpflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Vertiefung Informationstechnologie: 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/EN |
Zeitraum | SoSe |
Inhalt |
|
Literatur |
|
Lehrveranstaltung L1047: Graphentheorie und Optimierung |
Typ | Gruppenübung |
SWS | 2 |
LP | 3 |
Arbeitsaufwand in Stunden | Eigenstudium 62, Präsenzstudium 28 |
Dozenten | Prof. Anusch Taraz |
Sprachen | DE/EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M0562: Berechenbarkeit und Komplexität |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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
|
Fertigkeiten |
Fertigkeiten: Die Studienden können
|
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 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 60 min |
Zuordnung zu folgenden Curricula |
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Wahlpflicht Computer Science: Kernqualifikation: Pflicht Data Science: Kernqualifikation: Wahlpflicht General Engineering Science (7 Semester): Vertiefung Informatik: Wahlpflicht Informatik-Ingenieurwesen: Vertiefung I. Informatik: Wahlpflicht Technomathematik: Vertiefung II. Informatik: 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 M0873: Software-Fachpraktikum |
||||
Lehrveranstaltungen | ||||
|
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 |
Studienleistung | Keine |
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 |
Modul M1578: Seminare Informatik |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
Modulverantwortlicher | Prof. Karl-Heinz Zimmermann |
Zulassungsvoraussetzungen | Keine |
Empfohlene Vorkenntnisse |
Grundlegende Module aus der Informatik und Mathematik auf Bachelorebene. |
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht |
Fachkompetenz | |
Wissen |
Die Studierenden können
|
Fertigkeiten |
Die Studierenden können
|
Personale Kompetenzen | |
Sozialkompetenz |
Die Studierenden sind in der Lage,
|
Selbstständigkeit |
Die Studierenden werden die Lage versetzt,
|
Arbeitsaufwand in Stunden | Eigenstudium 124, Präsenzstudium 56 |
Leistungspunkte | 6 |
Studienleistung | Keine |
Prüfung | Referat |
Prüfungsdauer und -umfang | x |
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: Kernqualifikation: Pflicht |
Lehrveranstaltung L2362: Seminar Informatik I |
Typ | Seminar |
SWS | 2 |
LP | 3 |
Arbeitsaufwand in Stunden | Eigenstudium 62, Präsenzstudium 28 |
Dozenten | Prof. Karl-Heinz Zimmermann |
Sprachen | DE/EN |
Zeitraum |
WiSe/ |
Inhalt | |
Literatur |
Lehrveranstaltung L2361: Seminar Informatik II |
Typ | Seminar |
SWS | 2 |
LP | 3 |
Arbeitsaufwand in Stunden | Eigenstudium 62, Präsenzstudium 28 |
Dozenten | Prof. Karl-Heinz Zimmermann |
Sprachen | DE/EN |
Zeitraum |
WiSe/ |
Inhalt | |
Literatur |
Modul M1620: Ethik in der Informationstechnologie |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
Modulverantwortlicher | NN |
Zulassungsvoraussetzungen | Keine |
Empfohlene Vorkenntnisse | Keine |
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht |
Fachkompetenz | |
Wissen |
Die Studierenden kennen
|
Fertigkeiten |
Die Studierenden können
|
Personale Kompetenzen | |
Sozialkompetenz |
Die Studierenden sind nach Abschluss des Moduls in der Lage, fachspezifische Aufgaben alleine oder in der Gruppe zu bearbeiten und 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 |
Studienleistung | Keine |
Prüfung | Fachtheoretisch-fachpraktische Arbeit |
Prüfungsdauer und -umfang | - |
Zuordnung zu folgenden Curricula |
Computer Science: Kernqualifikation: Wahlpflicht Data Science: Kernqualifikation: Pflicht |
Lehrveranstaltung L2450: Ethik in der Informationstechnologie |
Typ | Vorlesung |
SWS | 2 |
LP | 3 |
Arbeitsaufwand in Stunden | Eigenstudium 62, Präsenzstudium 28 |
Dozenten | NN |
Sprachen | DE/EN |
Zeitraum | WiSe |
Inhalt |
Vorlesung:
Seminar:
|
Literatur |
Wird zu Beginn der Lehrveranstaltung bekannt gegeben. |
Lehrveranstaltung L2451: Ethik in der Informationstechnologie |
Typ | Seminar |
SWS | 2 |
LP | 3 |
Arbeitsaufwand in Stunden | Eigenstudium 62, Präsenzstudium 28 |
Dozenten | NN |
Sprachen | DE/EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Fachmodule der Vertiefung I. Computer- und Software-Engineering
In dieser Vertiefung finden sich die Gebiete Softwaretechnik und Technische Informatik.
Die Softwaretechnik beschäftigt sich mit Planung, Entwurf, Analyse, Betrieb und Dokumentation von Softwaresystemen sowie der Spezifikation der dazu notwendigen Datenstrukturen. Die Vertiefung bietet einerseits Module aus dem Kernbereich der Softwaretechnik, wie Compilerbau, Datenbanken und Software-Entwicklung, und andererseits anwendungsorientierte Module, wie Verteilte Systeme, Kombinatorische Strukturen und Algorithmen sowie Rechnergestützte Geometrie.
Die Technische Informatik befasst sich mit Aufbau, Entwurf, Organisation, Bewertung und Betrieb von Rechnersystemen. Sie ist Schnittstelle zwischen Informatik und Elektrotechnik und beschreibt Rechnersysteme hauptsächlich aus elektrologischer Sicht. Kenntnisse aus den grundständigen Veranstaltungen über Elektrotechnik werden nicht vorausgesetzt. Die Vertiefung bietet zum einen Module aus dem Kernbereich der Technischen Informatik, wie Recherarchitektur, Eingebettete Systeme sowie ein entsprechendes Labor-Praktikum, und andererseits anwendungsorientierte Module, wie Medizintechnische Systeme und die klassische Nachrichtentechnik. Die Einführungsveranstaltung über Quantenmechanik spielt eine fundamentale Rolle beim Aufbau von Quantenrechnern.
Modul M0625: Databases |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
Modulverantwortlicher | NN |
Zulassungsvoraussetzungen | None |
Empfohlene Vorkenntnisse |
Students should habe basic knowledge in the following areas:
|
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 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 90 min |
Zuordnung zu folgenden Curricula |
Computer Science: Vertiefung Computer- und Software-Engineering: Wahlpflicht Computer Science: Vertiefung I. Computer- und Software-Engineering: Wahlpflicht Data Science: Kernqualifikation: Pflicht Technomathematik: Vertiefung II. Informatik: Wahlpflicht |
Lehrveranstaltung L0337: Databases |
Typ | Vorlesung |
SWS | 4 |
LP | 5 |
Arbeitsaufwand in Stunden | Eigenstudium 94, Präsenzstudium 56 |
Dozenten | Prof. Stefan Schulte |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt |
|
Literatur |
|
Lehrveranstaltung L1150: Databases |
Typ | Projekt-/problembasierte Lehrveranstaltung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Prof. Stefan Schulte |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M0971: Betriebssysteme |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
Modulverantwortlicher | Prof. Volker Turau |
Zulassungsvoraussetzungen | Keine |
Empfohlene Vorkenntnisse |
|
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 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 90 min |
Zuordnung zu folgenden Curricula |
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Wahlpflicht Computer Science: Vertiefung I. Computer- und Software-Engineering: Wahlpflicht General Engineering Science (7 Semester): Vertiefung Informatik: Wahlpflicht Informatik-Ingenieurwesen: Vertiefung I. 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 |
|
Literatur |
|
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 M1586: Wissenschaftliche Programmierung |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
Modulverantwortlicher | Prof. Tobias Knopp |
Zulassungsvoraussetzungen | Keine |
Empfohlene Vorkenntnisse | Prozedurale Programmierung, Lineare Algebra |
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht |
Fachkompetenz | |
Wissen |
Die Studierenden
|
Fertigkeiten |
Sie sind in der Lage
|
Personale Kompetenzen | |
Sozialkompetenz | Die Studierenden können in sowohl selbstständig als auch in Teams an komplexen Problemen arbeiten. Sie können sich untereinander austauschen und ihre individuellen Stärken zur Lösung des Problems einbringen. |
Selbstständigkeit |
Die Studierenden sind in der Lage ein komplexes Problem eigenständig zu untersuchen und einzuschätzen, welche Kompetenzen zur Lösung des Problems benötigt werden. |
Arbeitsaufwand in Stunden | Eigenstudium 110, Präsenzstudium 70 |
Leistungspunkte | 6 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 90 min |
Zuordnung zu folgenden Curricula |
Computer Science: Vertiefung I. Computer- und Software-Engineering: Wahlpflicht Data Science: Kernqualifikation: Pflicht Technomathematik: Vertiefung II. Informatik: Wahlpflicht |
Lehrveranstaltung L2405: Wissenschaftliche Programmierung |
Typ | Vorlesung |
SWS | 3 |
LP | 4 |
Arbeitsaufwand in Stunden | Eigenstudium 78, Präsenzstudium 42 |
Dozenten | Prof. Tobias Knopp |
Sprachen | DE/EN |
Zeitraum | SoSe |
Inhalt |
|
Literatur |
Ben Lauwens, Allen Downey: Think Julia: How to Think Like a Computer Scientist |
Lehrveranstaltung L2406: Wissenschaftliche Programmierung |
Typ | Gruppenübung |
SWS | 2 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 32, Präsenzstudium 28 |
Dozenten | Prof. Tobias Knopp |
Sprachen | DE/EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M0791: Rechnerarchitektur |
||||||||||||||||
Lehrveranstaltungen | ||||||||||||||||
|
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 | ||||||||
Studienleistung |
|
||||||||
Prüfung | Klausur | ||||||||
Prüfungsdauer und -umfang | 90 Min., Vorlesungsstoff + 4 Testate zur PBL "Rechnerarchitektur" | ||||||||
Zuordnung zu folgenden Curricula |
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Wahlpflicht Computer Science: Vertiefung Computer- und Software-Engineering: Wahlpflicht Computer Science: Vertiefung I. Computer- und Software-Engineering: Wahlpflicht Flugzeug-Systemtechnik: Kernqualifikation: Wahlpflicht Flugzeug-Systemtechnik: Vertiefung Avionik und eingebettete Systeme: Wahlpflicht General Engineering Science (7 Semester): Vertiefung Informatik: Wahlpflicht Informatik-Ingenieurwesen: Vertiefung I. 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 |
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 |
|
Lehrveranstaltung L0794: Rechnerarchitektur |
Typ | Projekt-/problembasierte Lehrveranstaltung |
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 M0953: Introduction to Information Security |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
Modulverantwortlicher | Prof. Riccardo Scandariato |
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
|
Fertigkeiten |
Students can
|
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 124, Präsenzstudium 56 |
Leistungspunkte | 6 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 120 Minuten |
Zuordnung zu folgenden Curricula |
Computer Science: Vertiefung I. Computer- und Software-Engineering: Wahlpflicht Data Science: Kernqualifikation: Pflicht |
Lehrveranstaltung L1114: Introduction to Information Security |
Typ | Vorlesung |
SWS | 2 |
LP | 3 |
Arbeitsaufwand in Stunden | Eigenstudium 62, Präsenzstudium 28 |
Dozenten | Prof. Riccardo Scandariato |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt |
|
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. Riccardo Scandariato |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M0803: Embedded Systems |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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 | ||||||||
Studienleistung |
|
||||||||
Prüfung | Klausur | ||||||||
Prüfungsdauer und -umfang | 90 Minuten, Inhalte der Vorlesung und Übungen | ||||||||
Zuordnung zu folgenden Curricula |
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Informatik: Pflicht Computer Science: Vertiefung Computer- und Software-Engineering: Wahlpflicht Computer Science: Vertiefung I. Computer- und Software-Engineering: Wahlpflicht Elektrotechnik: Kernqualifikation: Wahlpflicht Engineering Science: Vertiefung Mechatronics: Wahlpflicht Flugzeug-Systemtechnik: Kernqualifikation: Wahlpflicht General Engineering Science (7 Semester): Vertiefung Mechatronics: Wahlpflicht Informatik-Ingenieurwesen: Kernqualifikation: Pflicht Mechatronics: Vertiefung Systementwurf: Wahlpflicht Mechatronics: Vertiefung Intelligente Systeme und Robotik: Wahlpflicht Mechatronik: Kernqualifikation: 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 |
|
Literatur |
|
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 | ||||||||||||
|
Modulverantwortlicher | Prof. Sibylle Schupp |
Zulassungsvoraussetzungen | None |
Empfohlene Vorkenntnisse |
|
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 |
Studienleistung | Keine |
Prüfung | Fachtheoretisch-fachpraktische Arbeit |
Prüfungsdauer und -umfang | Software (Compiler) |
Zuordnung zu folgenden Curricula |
Computer Science: Vertiefung Computer- und Software-Engineering: Wahlpflicht Computer Science: Vertiefung I. Computer- und Software-Engineering: Wahlpflicht Informatik-Ingenieurwesen: Vertiefung I. 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 |
|
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 | ||||||||||||
|
Modulverantwortlicher | Prof. Sibylle Schupp |
Zulassungsvoraussetzungen | None |
Empfohlene Vorkenntnisse |
|
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 |
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 |
Studienleistung | Keine |
Prüfung | Fachtheoretisch-fachpraktische Arbeit |
Prüfungsdauer und -umfang | Software |
Zuordnung zu folgenden Curricula |
Computer Science: Vertiefung I. Computer- und Software-Engineering: Wahlpflicht Computer Science: Vertiefung Computer- und Software-Engineering: Wahlpflicht Informatik-Ingenieurwesen: Vertiefung I. Informatik: Wahlpflicht |
Lehrveranstaltung L1790: Software Development |
Typ | Projekt-/problembasierte Lehrveranstaltung |
SWS | 2 |
LP | 5 |
Arbeitsaufwand in Stunden | Eigenstudium 122, Präsenzstudium 28 |
Dozenten | Prof. Sibylle Schupp |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt |
|
Literatur |
Duvall, Paul M. Continuous Integration. Pearson Education India, 2007. 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 |
|
Literatur |
Duvall, Paul M. Continuous Integration. Pearson Education India, 2007. 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. |
Fachmodule der Vertiefung II. Mathematik und Ingenieurwissenschaften
In dieser Vertiefung geht es vor allem um Mathematik unter Verwendung von Computern. Aufbauend auf den in den ersten vier Semestern vermittelten Grundlagen der höheren Mathematik werden weitergehende Veranstaltungen aus den Bereichen Analysis, Geometrie, Kombinatorik und Numerik angeboten.
Modul M0662: Numerical Mathematics I |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
Modulverantwortlicher | Prof. Sabine Le Borne |
Zulassungsvoraussetzungen | None |
Empfohlene Vorkenntnisse |
|
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht |
Fachkompetenz | |
Wissen |
Students are able to
|
Fertigkeiten |
Students are able to
|
Personale Kompetenzen | |
Sozialkompetenz |
Students are able to
|
Selbstständigkeit |
Students are capable
|
Arbeitsaufwand in Stunden | Eigenstudium 124, Präsenzstudium 56 |
Leistungspunkte | 6 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 90 Minuten |
Zuordnung zu folgenden Curricula |
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 Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Theoretischer Maschinenbau: Pflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Flugzeug-Systemtechnik: Wahlpflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Wahlpflicht Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Energietechnik: Wahlpflicht Bioverfahrenstechnik: Vertiefung A - Allgemeine Bioverfahrenstechnik: Wahlpflicht Computer Science: Vertiefung Computermathematik: Wahlpflicht Computer Science: Vertiefung II. Mathematik und Ingenieurwissenschaften: Wahlpflicht Data Science: Kernqualifikation: Pflicht Elektrotechnik: Kernqualifikation: Wahlpflicht Engineering Science: Kernqualifikation: Pflicht Engineering Science: Kernqualifikation: Pflicht General Engineering Science (7 Semester): Kernqualifikation: Pflicht General Engineering Science (7 Semester): Vertiefung Informatik: Pflicht General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Biomechanik: 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 Mediziningenieurwesen: Pflicht General Engineering Science (7 Semester): Vertiefung Maschinenbau, Schwerpunkt Mechatronik: Wahlpflicht Informatik-Ingenieurwesen: Kernqualifikation: Pflicht Maschinenbau: Vertiefung Theoretischer Maschinenbau: Pflicht Maschinenbau: Vertiefung Energietechnik: Wahlpflicht Maschinenbau: Vertiefung Mechatronik: Wahlpflicht Theoretischer Maschinenbau: Technischer Ergänzungskurs Kernfächer: Wahlpflicht Verfahrenstechnik: Vertiefung Allgemeine Verfahrenstechnik: Wahlpflicht |
Lehrveranstaltung L0417: Numerical Mathematics I |
Typ | Vorlesung |
SWS | 2 |
LP | 3 |
Arbeitsaufwand in Stunden | Eigenstudium 62, Präsenzstudium 28 |
Dozenten | Prof. Sabine Le Borne |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt |
|
Literatur |
|
Lehrveranstaltung L0418: Numerical Mathematics I |
Typ | Gruppenübung |
SWS | 2 |
LP | 3 |
Arbeitsaufwand in Stunden | Eigenstudium 62, Präsenzstudium 28 |
Dozenten | Prof. Sabine Le Borne, Dr. Jens-Peter Zemke |
Sprachen | EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M1730: Mathematics IV (EN) |
||||||||||||||||||||||||||||
Lehrveranstaltungen | ||||||||||||||||||||||||||||
|
Modulverantwortlicher | Prof. Anusch Taraz |
Zulassungsvoraussetzungen | None |
Empfohlene Vorkenntnisse | |
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht |
Fachkompetenz | |
Wissen | |
Fertigkeiten | |
Personale Kompetenzen | |
Sozialkompetenz | |
Selbstständigkeit | |
Arbeitsaufwand in Stunden | Eigenstudium 68, Präsenzstudium 112 |
Leistungspunkte | 6 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 120 min |
Zuordnung zu folgenden Curricula |
Computer Science: Vertiefung II. Mathematik und Ingenieurwissenschaften: Wahlpflicht Data Science: Kernqualifikation: Wahlpflicht Engineering Science: Kernqualifikation: Pflicht Engineering Science: Vertiefung Elektrotechnik: Pflicht Engineering Science: Vertiefung Mechatronics: Wahlpflicht |
Lehrveranstaltung L2783: Differential Equations 2 (Partial Differential Equations) (English) |
Typ | Vorlesung |
SWS | 2 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 2, Präsenzstudium 28 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | |
Literatur |
Lehrveranstaltung L2784: Differential Equations 2 (Partial Differential Equations) (English) |
Typ | Hörsaalübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2785: Differential Equations 2 (Partial Differential Equations) (English) |
Typ | Gruppenübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2786: Complex Functions (English) |
Typ | Vorlesung |
SWS | 2 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 2, Präsenzstudium 28 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | |
Literatur |
Lehrveranstaltung L2787: Complex Functions (English) |
Typ | Hörsaalübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Lehrveranstaltung L2788: Complex Functions (English) |
Typ | Gruppenübung |
SWS | 1 |
LP | 1 |
Arbeitsaufwand in Stunden | Eigenstudium 16, Präsenzstudium 14 |
Dozenten | Dozenten des Fachbereiches Mathematik der UHH |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M0651: Rechnergestützte Geometrie |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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 |
Studienleistung | Keine |
Prüfung | Mündliche Prüfung |
Prüfungsdauer und -umfang | 30 min |
Zuordnung zu folgenden Curricula |
Computer Science: Vertiefung II. Mathematik und Ingenieurwissenschaften: Wahlpflicht Computer Science: Vertiefung Computer- und Software-Engineering: Wahlpflicht Computer Science: Vertiefung Computermathematik: 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:
Springer e-Book: http://dx.doi.org/10.1007/978-3-540-77974-2
Springer e-Book: http://dx.doi.org/10.1007/3-540-27619-X O’Rourke, Joseph ISBN: 0-521-44034-3 ; 0-521-44592-2
Devadoss, Satyan L.; O’Rourke, Joseph
|
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 M0941: Kombinatorische Strukturen und Algorithmen |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
Modulverantwortlicher | Prof. Anusch Taraz |
Zulassungsvoraussetzungen | Keine |
Empfohlene Vorkenntnisse |
|
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht |
Fachkompetenz | |
Wissen |
|
Fertigkeiten |
|
Personale Kompetenzen | |
Sozialkompetenz |
|
Selbstständigkeit |
|
Arbeitsaufwand in Stunden | Eigenstudium 124, Präsenzstudium 56 |
Leistungspunkte | 6 |
Studienleistung | Keine |
Prüfung | Mündliche Prüfung |
Prüfungsdauer und -umfang | 30 min |
Zuordnung zu folgenden Curricula |
Computer Science: Vertiefung Computer- und Software-Engineering: Wahlpflicht Computer Science: Vertiefung Computermathematik: Wahlpflicht Computer Science: Vertiefung II. Mathematik und Ingenieurwissenschaften: Wahlpflicht Data Science: Kernqualifikation: Wahlpflicht Informatik-Ingenieurwesen: Vertiefung II. 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 |
|
Literatur |
|
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 M1242: Quantenmechanik für Studierende der Ingenieurswissenschaften |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
Modulverantwortlicher | Prof. Wolfgang Hansen | ||||||||
Zulassungsvoraussetzungen | Keine | ||||||||
Empfohlene Vorkenntnisse |
|
||||||||
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht | ||||||||
Fachkompetenz | |||||||||
Wissen | Die Studierenden können grundlegende Begriffe und Prinzipien der Quantenmechanik beschreiben und erläutern. Sie kennen Gemeinsamkeiten und Unterschiede zur klassischen Physik und wissen, in welchen Situationen quantenmechanische Effekte erwartet werden können. | ||||||||
Fertigkeiten | Die Studierenden sind in der Lage, quantenmechanische Konzepte und Methoden auf einfache Probleme anzuwenden. Sie sind umgekehrt auch in der Lage, die Voraussetzungen und Prinzipien einfacher Anwendungen der Quantenmechanik in elektrooptischen Bauelementen nachzuvollziehen. | ||||||||
Personale Kompetenzen | |||||||||
Sozialkompetenz | Die Studierenden diskutieren den Vorlesungsstoff und präsentieren Lösungen einfacher quantenmechanischer Probleme in Kleingruppen während der Übungen. | ||||||||
Selbstständigkeit | Die Studierenden sind in der Lage selbstständig einfache Lösungswege zu quantenmechanische Problemen zu erarbeiten. Sie sind so weit mit Konzepten der Quantenmechanik vertraut, dass sie sich selbständig Literatur zu komplexeren Fragestellungen mit quantenmechanischem Hintergrund erarbeiten können. | ||||||||
Arbeitsaufwand in Stunden | Eigenstudium 124, Präsenzstudium 56 | ||||||||
Leistungspunkte | 6 | ||||||||
Studienleistung |
|
||||||||
Prüfung | Mündliche Prüfung | ||||||||
Prüfungsdauer und -umfang | |||||||||
Zuordnung zu folgenden Curricula |
Computer Science: Vertiefung Computermathematik: Wahlpflicht Computer Science: Vertiefung II. Mathematik und Ingenieurwissenschaften: Wahlpflicht Computer Science: Vertiefung Computer- und Software-Engineering: Wahlpflicht Elektrotechnik: Kernqualifikation: Wahlpflicht |
Lehrveranstaltung L1686: Quantenmechanik für Studierende der Ingenieurwissenschaften |
Typ | Vorlesung |
SWS | 2 |
LP | 3 |
Arbeitsaufwand in Stunden | Eigenstudium 62, Präsenzstudium 28 |
Dozenten | Prof. Wolfgang Hansen |
Sprachen | DE |
Zeitraum | WiSe |
Inhalt |
Diese Veranstaltung führt in grundlegende Konzepte, Methoden und Begriffe der Quantenmechanik ein, die in den Materialwissenschaften wichtig sind. Anwendungen werden anhand konkreter Beispiele aus dem Bereich elektronischer und optischer Bauelemente diskutiert. Zentrale Begriffe und Themen sind: Schrödinger-Gleichung, Wellenfunktionen, Operatoren, Eigenzustände, Eigenwerte, Quantentöpfe, harmonischer Oszillator, Tunnelprozesse, resonante Tunneldiode, Bandstruktur, Zustandsdichte, Besetzungsverteilung, Zener-Diode, stationäre Störungsrechnung am Beispiel des Quantum Confined Stark Effekts, Fermis Goldene Regel und Übergangsmatrixelemente, Heterostrukturlaser, Quantenkaskadenlaser, Vielteilchensysteme, Moleküle und Austauschwechselwirkung, Quantenbits und Quantenkryptographie |
Literatur |
|
Lehrveranstaltung L1688: Quantenmechanik für Studierende der Ingenieurwissenschaften |
Typ | Gruppenübung |
SWS | 2 |
LP | 3 |
Arbeitsaufwand in Stunden | Eigenstudium 62, Präsenzstudium 28 |
Dozenten | Prof. Wolfgang Hansen |
Sprachen | DE |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M1592: Statistik |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
Modulverantwortlicher | Prof. Matthias Schulte |
Zulassungsvoraussetzungen | Keine |
Empfohlene Vorkenntnisse |
Stochastik (oder eine vergleichbare Lehrveranstaltung) |
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht |
Fachkompetenz | |
Wissen |
|
Fertigkeiten |
|
Personale Kompetenzen | |
Sozialkompetenz |
|
Selbstständigkeit |
|
Arbeitsaufwand in Stunden | Eigenstudium 124, Präsenzstudium 56 |
Leistungspunkte | 6 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 90 min |
Zuordnung zu folgenden Curricula |
Computer Science: Vertiefung II. Mathematik und Ingenieurwissenschaften: Wahlpflicht Data Science: Kernqualifikation: Pflicht Logistik und Mobilität: Vertiefung Informationstechnologie: Wahlpflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Vertiefung Informationstechnologie: Wahlpflicht |
Lehrveranstaltung L2430: Statistik |
Typ | Vorlesung |
SWS | 3 |
LP | 4 |
Arbeitsaufwand in Stunden | Eigenstudium 78, Präsenzstudium 42 |
Dozenten | Prof. Matthias Schulte |
Sprachen | DE/EN |
Zeitraum | WiSe |
Inhalt |
|
Literatur |
Lehrveranstaltung L2431: Statistik |
Typ | Gruppenübung |
SWS | 1 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 46, Präsenzstudium 14 |
Dozenten | Prof. Matthias Schulte |
Sprachen | DE/EN |
Zeitraum | WiSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M0634: Einführung in Medizintechnische Systeme |
||||||||||||||||
Lehrveranstaltungen | ||||||||||||||||
|
Modulverantwortlicher | Prof. Alexander Schlaefer | ||||||||||||
Zulassungsvoraussetzungen | Keine | ||||||||||||
Empfohlene Vorkenntnisse |
Grundlagen Mathematik (Algebra, Analysis) |
||||||||||||
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 | ||||||||||||
Studienleistung |
|
||||||||||||
Prüfung | Klausur | ||||||||||||
Prüfungsdauer und -umfang | 90 Minuten | ||||||||||||
Zuordnung zu folgenden Curricula |
Allgemeine Ingenieurwissenschaften (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht Computer Science: Vertiefung Computer- und Software-Engineering: Wahlpflicht Computer Science: Vertiefung II. Mathematik und Ingenieurwissenschaften: Wahlpflicht Data Science: Kernqualifikation: Wahlpflicht Elektrotechnik: Kernqualifikation: Wahlpflicht Engineering Science: Vertiefung Mediziningenieurwesen: Pflicht General Engineering Science (7 Semester): Vertiefung Mediziningenieurwesen: Pflicht Informatik-Ingenieurwesen: Vertiefung II. 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 |
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 |
Literatur |
Wird in der Veranstaltung bekannt gegeben. |
Modul M0668: Algebraische Methoden in der Regelungstechnik |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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
|
Fertigkeiten |
Studierende sind in der Lage
|
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 |
Studienleistung | Keine |
Prüfung | Mündliche Prüfung |
Prüfungsdauer und -umfang | 30 min |
Zuordnung zu folgenden Curricula |
Computer Science: Vertiefung Computermathematik: Wahlpflicht Computer Science: Vertiefung II. Mathematik und Ingenieurwissenschaften: 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
- Parametrisierung sämtlicher stabilisierenden Regler - Reglerentwurf bei Polvorgabe - Berücksichtigung von Systemeigenschaften: Störanfälligkeit, Sensitivität.
- Euklidscher Algorithmus u. Diophantische Gleichungen über Ringen - Smith-McMillan Normal Form |
Literatur |
|
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 M1269: Labor Cyber-Physical Systems |
||||||||
Lehrveranstaltungen | ||||||||
|
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 |
Studienleistung | Keine |
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 II. Mathematik und Ingenieurwissenschaften: Wahlpflicht Computer Science: Vertiefung Computer- und Software-Engineering: Wahlpflicht General Engineering Science (7 Semester): Vertiefung Informatik: Wahlpflicht Informatik-Ingenieurwesen: Vertiefung II. 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 Lehrveranstaltung |
SWS | 4 |
LP | 6 |
Arbeitsaufwand in Stunden | Eigenstudium 124, Präsenzstudium 56 |
Dozenten | Prof. Heiko Falk |
Sprachen | DE/EN |
Zeitraum | SoSe |
Inhalt |
|
Literatur |
|
Modul M0715: Solvers for Sparse Linear Systems |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
Modulverantwortlicher | Prof. Sabine Le Borne |
Zulassungsvoraussetzungen | None |
Empfohlene Vorkenntnisse |
|
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht |
Fachkompetenz | |
Wissen |
Students can
|
Fertigkeiten |
Students are able to
|
Personale Kompetenzen | |
Sozialkompetenz |
Students are able to
|
Selbstständigkeit |
Students are capable
|
Arbeitsaufwand in Stunden | Eigenstudium 124, Präsenzstudium 56 |
Leistungspunkte | 6 |
Studienleistung | Keine |
Prüfung | Mündliche Prüfung |
Prüfungsdauer und -umfang | 20 min |
Zuordnung zu folgenden Curricula |
Computer Science: Vertiefung Computermathematik: Wahlpflicht Computer Science: Vertiefung II. Mathematik und Ingenieurwissenschaften: Wahlpflicht Computer Science: Vertiefung II. Mathematik und Ingenieurwissenschaften: Wahlpflicht Data Science: Kernqualifikation: Wahlpflicht Informatik-Ingenieurwesen: Vertiefung II. Mathematik & Ingenieurwissenschaften: Wahlpflicht Technomathematik: Vertiefung I. Mathematik: Wahlpflicht |
Lehrveranstaltung L0583: Solvers for Sparse Linear Systems |
Typ | Vorlesung |
SWS | 2 |
LP | 3 |
Arbeitsaufwand in Stunden | Eigenstudium 62, Präsenzstudium 28 |
Dozenten | Prof. Sabine Le Borne |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt |
|
Literatur |
|
Lehrveranstaltung L0584: Solvers for Sparse Linear Systems |
Typ | Gruppenübung |
SWS | 2 |
LP | 3 |
Arbeitsaufwand in Stunden | Eigenstudium 62, Präsenzstudium 28 |
Dozenten | Prof. Sabine Le Borne |
Sprachen | EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Modul M0672: Signale und Systeme |
||||||||||||
Lehrveranstaltungen | ||||||||||||
|
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 110, Präsenzstudium 70 |
Leistungspunkte | 6 |
Studienleistung | Keine |
Prüfung | Klausur |
Prüfungsdauer und -umfang | 90 min |
Zuordnung zu folgenden Curricula |
Allgemeine Ingenieurwissenschaften (7 Semester): Kernqualifikation: Pflicht Computer Science: Kernqualifikation: Pflicht Computer Science: Vertiefung II. Mathematik und Ingenieurwissenschaften: Wahlpflicht Data Science: Kernqualifikation: Pflicht Elektrotechnik: Kernqualifikation: Pflicht Informatik-Ingenieurwesen: Kernqualifikation: Pflicht Maschinenbau: Vertiefung Mechatronik: Wahlpflicht 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 |
|
Literatur |
|
Lehrveranstaltung L0433: Signale und Systeme |
Typ | Gruppenübung |
SWS | 2 |
LP | 2 |
Arbeitsaufwand in Stunden | Eigenstudium 32, Präsenzstudium 28 |
Dozenten | Prof. Gerhard Bauch |
Sprachen | DE/EN |
Zeitraum | SoSe |
Inhalt | Siehe korrespondierende Vorlesung |
Literatur | Siehe korrespondierende Vorlesung |
Fachmodule der Vertiefung III. Fachspezifische Fokussierung
Modul M1562: Technischer Ergänzungskurs I für CSBS |
||||
Lehrveranstaltungen | ||||
|
Modulverantwortlicher | Prof. Karl-Heinz Zimmermann |
Zulassungsvoraussetzungen | Keine |
Empfohlene Vorkenntnisse | |
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht |
Fachkompetenz | |
Wissen | |
Fertigkeiten | |
Personale Kompetenzen | |
Sozialkompetenz | |
Selbstständigkeit | |
Arbeitsaufwand in Stunden | Abhängig von der Wahl der Lehrveranstaltungen |
Leistungspunkte | 6 |
Zuordnung zu folgenden Curricula |
Computer Science: Vertiefung III. Fachspezifische Fokussierung: Wahlpflicht |
Modul M1568: Technischer Ergänzungskurs II für CSBS |
||||
Lehrveranstaltungen | ||||
|
Modulverantwortlicher | Prof. Karl-Heinz Zimmermann |
Zulassungsvoraussetzungen | Keine |
Empfohlene Vorkenntnisse | |
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht |
Fachkompetenz | |
Wissen | |
Fertigkeiten | |
Personale Kompetenzen | |
Sozialkompetenz | |
Selbstständigkeit | |
Arbeitsaufwand in Stunden | Abhängig von der Wahl der Lehrveranstaltungen |
Leistungspunkte | 6 |
Zuordnung zu folgenden Curricula |
Computer Science: Vertiefung III. Fachspezifische Fokussierung: Wahlpflicht |
Thesis
Modul M-001: Bachelorarbeit |
||||
Lehrveranstaltungen | ||||
|
Modulverantwortlicher | Professoren der TUHH |
Zulassungsvoraussetzungen |
|
Empfohlene Vorkenntnisse | |
Modulziele/ angestrebte Lernergebnisse | Nach erfolgreicher Teilnahme haben die Studierenden die folgenden Lernergebnisse erreicht |
Fachkompetenz | |
Wissen |
|
Fertigkeiten |
|
Personale Kompetenzen | |
Sozialkompetenz |
|
Selbstständigkeit |
|
Arbeitsaufwand in Stunden | Eigenstudium 360, Präsenzstudium 0 |
Leistungspunkte | 12 |
Studienleistung | Keine |
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 Data Science: Abschlussarbeit: Pflicht Digitaler Maschinenbau: Abschlussarbeit: Pflicht Elektrotechnik: Abschlussarbeit: Pflicht Energie- und Umwelttechnik: Abschlussarbeit: Pflicht Engineering Science: Abschlussarbeit: Pflicht General Engineering Science (7 Semester): Abschlussarbeit: Pflicht Green Technologies: Energie, Wasser, Klima: Abschlussarbeit: Pflicht Informatik-Ingenieurwesen: 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 Teilstudiengang Lehramt Metalltechnik: Abschlussarbeit: Pflicht Verfahrenstechnik: Abschlussarbeit: Pflicht Wirtschaftsingenieurwesen - Fachrichtung Logistik und Mobilität: Abschlussarbeit: Pflicht |