Wissen: Die Studierenden kennen

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

Fertigkeiten: Die Studierenden können

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

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.

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. 

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.

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

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 Ingenieur*innen. Sie setzt diese Ausbildungsziele in ihrer Lehrarchitektur, den Lehr-Lern-Arrangements, den Lehrbereichen und durch Lehrangebote um, in denen sich Studierende wahlweise für spezifische Kompetenzen und ein Kompetenzniveau auf Bachelor- oder Masterebene qualifizieren können. Die Lehrangebote sind jeweils in einem Modulkatalog Nichttechnische Ergänzungskurse zusammengefasst. 

Die Lehrarchitektur

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

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

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

Die Lehr-Lern-Arrangements

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

Die Lehrbereiche

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

Das Kompetenzniveau

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

Fachkompetenz (Wissen)

Die Studierenden können

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

Die Studierenden können in ausgewählten Teilbereichen

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

Die Studierenden sind fähig ,

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

Studierende kennen

        - die wesentlichen Merkmale einer prozeduralen Programmiersprache
        - die Schritte während der Kompilation von prozeduralem Quellcode zu Maschinencode
        - alle wesentlichen Sprachkonstrukte und Datentypen einer prozeduralen Programmiersprache
        - Softwaredesignkonzepte für die Umsetzung prozeduraler Programme

       - Beherrschen der typischen Entwicklungswerkzeuge  
       - Entwurf von einfachen, strukturierten Programmen auf Basis einer prozeduralen Programmiersprache
       - Fehlersuche durch Analyse von Compiler-Warnungen und Fehlermeldungen
       - Analyse und Erklärung von prozeduralen rogrammen

        - 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.

• Students can name the basic concepts in analysis and linear algebra. They are able to explain them using appropriate examples.
• Students can discuss logical connections between these concepts.  They are capable of illustrating these connections with the help of examples.
• They know proof strategies and can reproduce them.

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

• Students are able to work together in teams. They are capable to use mathematics as a common language.
• In doing so, they can communicate new concepts according to the needs of their cooperating partners. Moreover, they can design examples to check and deepen the understanding of their peers.

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.

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.

• Students are able to work together in teams. They are capable to use mathematics as a common language.
• In doing so, they can communicate new concepts according to the needs of their cooperating partners. Moreover, they can design examples to check and deepen the understanding of their peers.

Die Studierenden können...

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

Die Studierenden können

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

Die Studierenden sind in der Lage

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

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

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.

Studierende können in Teams arbeiten und in Foren kommunizieren.

• Students can name the basic concepts in analysis and linear algebra. They are able to explain them using appropriate examples.
• Students can discuss logical connections between these concepts.  They are capable of illustrating these connections with the help of examples.
• They know proof strategies and can reproduce them.

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

• Students are able to work together in teams. They are capable to use mathematics as a common language.
• In doing so, they can communicate new concepts according to the needs of their cooperating partners. Moreover, they can design examples to check and deepen the understanding of their peers.

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.

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

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

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

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.

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.

After successful completion of the course, students know:

• Introduction to database systems
• Design instruments for relational databases, especially entity-relationship
• The relational model
• Relational query languages, especially SQL
• Normalization
• Physical data organization
• Transaction management
• Query optimization
• Data representation
• Object-oriented and object-relational databases
• Paradigms and concepts of current technologies for data modelling and database systems

The students acquire the ability to model a database and to work with it. This comprises especially the application of design methodologies and query and definition languages. Furthermore, students are able to apply basic functionalities needed to run a database.

Students can work on complex problems both independently and in teams. They can exchange ideas with each other and use their individual strengths to solve the problem.

• Students can name the basic concepts in the area of analysis and differential equations. They are able to explain them using appropriate examples.
• Students can discuss logical connections between these concepts.  They are capable of illustrating these connections with the help of examples.
• They know proof strategies and can reproduce them.

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

• Students are able to work together in teams. They are capable to use mathematics as a common language.
• In doing so, they can communicate new concepts according to the needs of their cooperating partners. Moreover, they can design examples to check and deepen the understanding of their peers.

• Studierende können die grundlegenden Begriffe des Algorithmenentwurfs, der Algorithmenanalyse und Problemreduktionen benennen und anhand von Beispielen erklären.
• Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.
• Sie kennen Beweisstrategien und können diese wiedergeben.

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

• Studierende sind in der Lage, in Teams zusammenzuarbeiten und die Mathematik als gemeinsame Sprache zu entdecken und beherrschen.
• Sie können sich dabei insbesondere gegenseitig neue Konzepte erklären und anhand von Beispielen das Verständnis der Mitstudierenden überprüfen und vertiefen.

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.

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.

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

• Studierende können die grundlegenden Begriffe der Stochastik benennen und anhand von Beispielen erklären.
• Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern. 
• Studierende kennen Beweisstrategien und können diese wiedergeben.
  

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

• Studierende können in heterogen zusammengesetzten Teams (z.B. an Hausaufgaben) zusammenarbeiten und ihre Ergebnisse vor der Gruppe präsentieren.
• Sie können sich dabei insbesondere gegenseitig neue Konzepte erklären und anhand von Beispielen das Verständnis der Mitstudierenden überprüfen und vertiefen.

• Grundlegende Rechenmodelle (endliche Automaten, Turingmaschinen)
• Entscheidungsprobleme und formale Sprachen
• Gödelsche Nummerierung von Turingmaschinen
• Universelle Berechenbarkeit
• Entscheidbare und unentscheidbare Probleme
• Reduktionen, Diagonalisierung, Satz von Rice
  
• Zeit- und Platzkomplexität, P, NP
• Hierarchie-Theoreme
• Polynomialzeitreduktionen, NP-Vollständigkeit
• Cook-Levin-Theorem
• Uniforme Schaltungsfamilien

Nach dem Modul sollen die Studierenden 

• das im Kurs vermittelte Wissen wiedergeben,
• einfachere Beweise des Kurses reproduzieren und die Ideen der komplizierteren Beweise wiedergeben, 
• Bezüge zwischen den vermittelten Konzepten herstellen und
  
• das gelernte Wissen auf konkrete Problemstellungen anwenden können.
  

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

• Studierende können die grundlegenden Begriffe der Graphentheorie und Optimierung benennen und anhand von Beispielen erklären.
• Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.
• Sie kennen Beweisstrategien und können diese wiedergeben.

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

• Studierende sind in der Lage, in heterogen zusammengestellten Teams (mit unterschiedlichem mathematischen Hintergrundwissen und aus unterschiedlichen Studiengängen)  zusammenzuarbeiten und die Mathematik als gemeinsame Sprache zu entdecken und beherrschen.
• Sie können sich dabei insbesondere gegenseitig neue Konzepte erklären und anhand von Beispielen das Verständnis der Mitstudierenden überprüfen und vertiefen.
  
  

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.

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

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.

Die Studierenden können

• ein spezifisches Thema der Informatik erklären,
• komplexe Sachverhalte beschreiben,
• unterschiedliche Standpunkte darlegen und kritisch bewerten.

Die Studierenden können

• sich in einer begrenzten Zeit in ein spezifisches Thema der Informatik einarbeiten,
• eine Literaturrecherche durchführen und die Quellen richtig zitieren und angeben,
• selbstständig einen Vortrag ausarbeiten und vor ausgewählten Publikum halten,
• den Vortrag in einem Abstract zusammenfassen,
• im Rahmen der Diskussion Fachfragen beantworten.

Die Studierenden sind in der Lage,

• ein Thema für eine bestimmte Zielgruppe aufzuarbeiten und darzustellen,
• mit der Betreuerin bzw. dem Betreuer das Thema sowie Inhalt und Aufbau des Vortrages zu diskutieren,
• einzelne Aspekte aus dem Themengebiet mit den Zuhörerinnen und Zuhörern durchzusprechen,
• als Vortragende bzw. Vortragender auf die Fragen der Zuhörerinnen und Zuhörer einzugehen.

Die Studierenden  

• können wissenschaftliche Probleme in einer modernen Programmiersprache effizient lösen.
  
• sind mit dem Konzept der reproduzierbaren Wissenschaft vertraut.
• können mit mehrdimensionalen Arrays, sparse Arrays, Data Frames (tabellenförmige Daten) und Missing Data umgehen. Sie kennen sie Vor- und Nachteile spezifischer Datenstrukturen.
• kennen verschiedene Möglichkeiten um Daten, Datenbeziehungen und Fehlermaße geeignet darzustellen. Sie kennen bekannte Datenformate zur Speicherung von wissenschaftlichen Daten und können für spezifische Daten ein geeignetes Format auswählen.
  

Sie sind in der Lage 

• komplexe Probleme aus einer mathematischen Formulierung in eine geeignetes Programm zu übersetzen.
• ein komplexes Problem in Teilprobleme aufzuteilen welche modular umgesetzt werden können.
• numerische Standardprobleme zu identifizieren und hierfür geeignete Standardalgorithmen nutzen, die in Bibliotheken vorhanden sind.
  
• wartbaren Programmcode zu schreiben, dessen Korrektheit durch geeignete Tests überprüft wird.
• die Laufzeit von Programmen zu messen, Flaschenhalse zu identifizieren und geeignete Beschleunigungstechniken anzuwenden.

Die Studierenden kennen

• Grundlegende Prinzipien maschineller Lernverfahren: überwachtes/unüberwachtes Lernen, generative/deskriptives Lernen, parametrischer/nicht-parametrisches Lernen
• verschiedeneLernmethoden: Neuronale Netze, Support-Vektor-Maschinen, Clusterung, Dimensionsreduzierung, Kernel-Methoden
• Grundlagen der statistischen Lerntheorie
• Fortgeschrittene Techniken wie Transfer Learning, Bestärkendes Lernen, Generative Adversarial Networks und Adaptive Control
  

Die Studierenden können

• maschinelle Lernverfahren auf konkrete Probleme anwenden
• für konkrete Problemstellungen geeignete Verfahren auswählen und bewerten
• die Güte eines trainierten datengetriebenen Modells evaluieren
• mit bekannten Softwareframeworks für das maschinelle Lernen umgehen
• bei neuronalen Netzen die Architektur und Kostenfunktion an konkrete Problemstellungen anpassen
• die Grenzen maschineller Lernverfahren aufzeigen

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.

Die Veranstaltung vermittelt grundlegende Kenntnisse über den Aufbau, Funktionsweise und systemnahe Verwendung von Betriebssystemen. Die Studierenden lernen am Modell einer Mehrebenenmaschine, Betriebssystemabstraktionen wie Prozesse, Fäden, virtueller Speicher, Dateien, Gerätedateien und Interprozesskommunikation sowie Techniken für deren effiziente Realisierung kennen. Dazu gehören Strategien für das Prozessscheduling, Latenzminimierung durch Pufferung und die Verwaltung von Haupt- und Hintergrundspeicher. Weiterhin kennen sie die Themen Sicherheit im Betriebssystemkontext und Aspekte der systemnahen Softwareentwicklung in C. In den vorlesungsbegleitenden Übungen haben sie Stoff anhand von Programmieraufgaben in C aus dem Bereich der UNIX-Systemprogrammierung praktisch vertieft. Die Studierenden kennen vordergründig die Betriebssystemfunktionen für Einprozessorsysteme. Spezielle Fragestellungen zu Mehrprozessorsystemen (auf Basis gemeinsamen Speichers) haben sie am Rande und in Bezug auf Funktionen zur Koordinierung nebenläufiger Programme kennen gelernt. In ähnlicher Weise kennen sie das Thema Echtzeitverarbeitung ansatzweise nur in Bezug auf die Prozesseinplanung.

Studierende können die POSIX Systemschnittstelle nutzen um auf die verschiedenen Ressourcen des Rechensystems zuzugreifen. Sie sind in der Lage technische Dokumentation zu erfassen und auf dieser Grundlage komplexe Interaktionsprotokolle zu implementieren. Sie sind in der Lage Nebenläufigkeitsprobleme zu erkennen und mit blockierenden Synchronisationsprimitiven zu vermeiden.

Die Studierenden können in kleinen Gruppen eine Fragestellung mit Bezug Betriebssystemen und Systemsoftware erörtern und gemeinsam präsentieren.

This module presents advanced concepts from the discipline of computer architecture. In the beginning, a broad overview over various programming models is given, both for general-purpose computers and for special-purpose machines (e.g., signal processors). Next, foundational aspects of the micro-architecture of processors are covered. Here, the focus particularly lies on the so-called pipelining and the methods used for the acceleration of instruction execution used in this context. The students get to know concepts for dynamic scheduling, branch prediction, superscalar execution of machine instructions and for memory hierarchies.

The students are able to describe the organization of processors. They know the different architectural principles and programming models. The students examine various structures of pipelined processor architectures and are able to explain their concepts and to analyze them w.r.t. criteria like, e.g., performance or energy efficiency. They evaluate different structures of memory hierarchies, know parallel computer architectures and are able to distinguish between instruction- and data-level parallelism.

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

Students can 

• name the main security risks when using Information and Communication Systems, 

• name the fundamental security mechanisms,   

• name the fundamental principles of data protection.

Students can

• evaluate the strenghts and weaknesses of the fundamental security mechanisms, 

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

After successful completion of the course, students know:

• Basic concepts for data preparation
• Similarity and distance measures
• Methods to mine data patterns
• Procedures to analyse clusters
• Approaches to identify outliers 
• Data mining for different types of data, e.g., data streams, text data, time series data

Students are able to analyze large, heterogeneous volumes of data. They know methods and their application to recognize patterns in data sets and data clusters. The students are able to apply the studied methods in different domains, e.g., for data streams, text data, or time series data.

Students can work on complex problems both independently and in teams. They can exchange ideas with each other and use their individual strengths to solve the problem.

Students will learn the architecture and organization of heterogenous embedded platforms consisting of multi-core CPUs and many-core GPUs such as Jetson boards from NVIDIA. Students will program them using Python/CUDA/C++. Depending upon the specific requirements of projects, students will learn the deployment of various deep learning frameworks, such as TensorFlow, and PyTorch, on embedded platforms. In addition, students will also develop expertise in various domains such as space applications and autonomous driving. 

By the end of this module, students will have mastered the intricacies of embedded boards encompassing GPUs especially Jetson boards from NVIDIA and gained invaluable experience in real-world project development (using various deep learning frameworks) within the dynamic fields of space and autonomous driving.

By participating in team projects, students gain a holistic set of soft and social skills, including communication skills, and collaboration in teamwork, that not only contribute to their academic success but also prepare them for success in their future careers and personal interactions.

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. 

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. 

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.

Students explain the fundamental concepts of agile methods, describe the process of 
test-driven development, and explain how continuous integration can be used in 
different scenarios. They give examples of selected pitfalls in software development, 
regarding scalability and other non-functional requirements. They write unit tests and
build scripts and combine them in a corresponding integration
environment. They explain major activities in requirements analysis,
program comprehension, and agile project development.

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

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

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.

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

• Students can name the basic concepts in Mathematics IV. They are able to explain them using appropriate examples.
• Students can discuss logical connections between these concepts.  They are capable of illustrating these connections with the help of examples.
• They know proof strategies and can reproduce them.

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

• Students are able to work together in teams. They are capable to use mathematics as a common language.
• In doing so, they can communicate new concepts according to the needs of their cooperating partners. Moreover, they can design examples to check and deepen the understanding of their peers.

• Grundlagen der Raumfahrtelektronik,
• Subkomponenten von Satellitensystemen
• Fragmentierung und Planung von Primärmissionen
• Aktive Beteiligung in CubeSat Mission zur Anwendung erlernter Fähigkeiten
• Softskills in den Bereichen Projektmanagement, Projektplanung und Projektkommunikation

Nach Abschluss des Moduls haben Studierende Grundlagen der Raumfahrtelektronik vermittelt bekommen. Sie wissen ebenfalls wie man Primärmissionen plant und wie man Subsysteme zur Erreichung dieser Primärmission definiert (Anforderungsanalyse, Leistungsbeschreibung). Sie werden aktiv in Missionen eingebunden und sollen das erlernte dort praktisch umsetzen, wobei durch die Zusammenarbeit mit den Studierenden zusätzlich Softskills im Bereich allgemeinen Projektmanagement vermittelt und angewendet werden.

• Grundlagenvermittlung
• Konzeptionelles Design von Subsystemen (Anforderungs- und Leistungsbeschreibung)
• Projektplanung und Fragmentierung von Primärmissionen (Raumfahrtmissionen)
• Praktische Anwendung in CubeSat Mission

Die Arbeit erfolgt wechselnd in der gesamten Gruppe, aber auch in Kleingruppen. Hierfür ist eine enge Zusammenarbeit und Abstimmung innerhalb der einzelnen Teams erforderlich. Das Ziel ist es, dass Studierende auf der einen Seite fundiertes Wissen über Raumfahrtelektronik und Raumfahrtmissionen erlangen, auf der anderen Seite dieses Wissen anwenden und durch die Arbeit in Kleingruppen eine Nachhaltigkeit ihrer Ergebnisse erzeugen. Dies kann beispielsweise die Weitergabe der Anforderungs- und Leistungsbeschreibungen sein, welche Semesterübergreifend als Grundlage, Ausgangspunkt und Ergebnis fungieren.

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.

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

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.

• Studierende können die grundlegenden Begriffe der Kombinatorik und Algorithmik benennen und anhand von Beispielen erklären.
• Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.
• Sie kennen Beweisstrategien und können diese wiedergeben.

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

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

Quantum computing is among the most exciting applications of quantum mechanics. Quantum algorithms can efficiently solve computational problems that have a prohibitive runtime on traditional computers. Such problems include, for instance, factoring of integer numbers or energy estimation problems from quantum chemistry and material science.

This course provides an introduction to the topic. An emphasis will be put on conceptual and mathematical aspects.

• Rigorous understanding of how quantum algorithms work and the ability to analyze them
• Connection of concepts in quantum mechanics and computer science
• Basic knowledge required to start programming a quantum computer
• Ability to solve exercises related to quantum algorithms
  

After completing this module, students are expected to be able to work on subject-specific tasks alone or in a group and to present the results appropriately. Moreover, students will be trained to identify and defuse misleading statements related to quantum computing, which can often be found in popular media.

• Studierende können die grundlegenden Begriffe der Statistik benennen und anhand von Beispielen erklären.
• Studierende sind in der Lage, logische Zusammenhänge zwischen diesen Konzepten zu diskutieren und anhand von Beispielen zu erläutern.
  
  

• Studierende können statistische Probleme mit Hilfe der kennengelernten Konzepte mathematisch modellieren und mit den erlernten Methoden lösen. Hierfür können sie die statische Software R einsetzen.
  
• Studierende sind in der Lage, sich weitere einfache logische Zusammenhänge zwischen den kennengelernten Konzepten selbständig zu erschließen und können diese verifizieren.
• Studierende können zu gegebenen Problemstellungen einen geeigneten Lösungsansatz entwickeln, diesen verfolgen und die Ergebnisse kritisch auswerten.

• Studierende können in heterogen zusammengesetzten Teams (z.B. an Hausaufgaben) zusammenarbeiten und ihre Ergebnisse vor der Gruppe präsentieren.
• Sie können sich dabei insbesondere gegenseitig neue Konzepte erklären und anhand von Beispielen das Verständnis der Mitstudierenden überprüfen und vertiefen.

Students can

• list classical and modern iteration methods and their interrelationships,
• repeat convergence statements for iterative methods,
• explain aspects regarding the efficient implementation of iteration methods.
  

Students are able to

• analyse, implement, test, and compare iterative methods,
• analyse the convergence behaviour of iterative methods and, if applicable, compute congergence rates.
  

Students are able to

• work together in heterogeneously composed teams (i.e., teams from different study programs and background knowledge), explain theoretical foundations and support each other with practical aspects regarding the implementation of algorithms.

Studierende können

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

Studierende sind in der Lage

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

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

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.

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

Die Studierenden können in Gruppen ein medizintechnisches Thema als Projekt beschreiben, in Teilaufgaben untergliedern und gemeinsam bearbeiten.
Die Studierenden können die Ergebnisse anderer Gruppen kritisch reflektieren und konstruktive Verbesserungsvorschläge unterbreiten.