Business Informatics and Mathematics (all)

Business Informatics (Bachelor)

Analysis for Business Informatics (Lecture)
DE
Lecture type:
Lecture
ECTS:
8.0
Course suitable for:
Language of instruction:
German
Hours per week:
4
Learning target:
Fachkompetenz:
  • Vertrautheit im Umgang mit den grundlegenden Begriffen und Methoden der Analysis sowie der wesentlichen mathematischen Beweismethoden.

Methodenkompetenz:

  • Fähigkeit Sachverhalte zu formalisieren, abstraktes Denken.

Personale Kompetenz:

  • Teamarbeit.
Recommended requirement:
Examination achievement:
schriftliche Klausur (90 Minuten)
Instructor(s):
Peter Parczewski
Description:
  • Mengen und Abbildungen
  • Die reellen Zahlen
  • Folgen, Reihen und Potenzreihen
  • Stetigkeit und Differenzierbarkeit von Funktionen in einer reellen Variablen
  • Riemann-Integral
  • Differenzierbarkeit von Funktionen in mehreren reellen Variablen
  • Optional: Mehrdimensionale Integralrechnung, algorithmische Fragestellungen
Data Mining (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of data mining. Methodological competence:
  • Successful participants will be able to identify opportunities for applying data mining in an enterprise environment, select and apply appropriate techniques, and interpret the results.
  • project organisation skills

Personal competence:

  • team work skills
  • presentation skills
Recommended requirement:
Examination achievement:
Written examination (90 minutes), project report, oral project presentation
Instructor(s):
Christian Bizer
Description:
The course provides an introduction to advanced data analysis techniques as a basis for analyzing business data and providing input for decision support systems. The course will cover the following topics:
  • Goals and Principles of Data Mining
  • Data Representation and Preprocessing
  • Clustering
  • Classification
  • Association Analysis
  • Text Mining
  • Systems and Applications (e. g. Retail, Finance, Web Analysis)
Data Security and Privacy (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Instructor(s):
Frederik Armknecht
Software Engineering Practical (Lecture)
EN
Lecture type:
Lecture
ECTS:
5.0
Course suitable for:
Language of instruction:
English
Hours per week:
4
Learning target:
Fachkompetenz:
Kenntnisse der Schlüsseltechnologien der modernen Softwaretechnik, sowie der gängigen Software Entwicklungsprozesse. Dies umfasst insbesondere die Gebiete der System- und Anforderungsanalyse, An-wendungsdesign und Systemarchitektur, Implementierung, Validie-rung und Verifikation, Testen, Softwarequalität, Wartung und Wei-terentwicklung von Softwaresystemen.
Methodenkompetenz:
Die Fähigkeit große Softwaresysteme beschreiben, entwerfen und entwickeln zu können unter Berücksichtigung diverser Risiken, die in industriellen Großprojekten auftreten (bspw. Qualität, Kosten, unter-schiedliche Stakeholder, Termindruck, …).
Personale Kompetenz:
Fähigkeiten große Softwaresysteme im Team zu entwerfen, zu entwickeln / implementieren, zu testen und auszuliefern.
Fähigkeiten ein komplexes Themengebiet in schriftlicher und mündlicher Form klar und unmissverständlich wiederzugeben.
Recommended requirement:
Examination achievement:
schriftliche Ausarbeitung und entwickeltes System, Teammeetings (14 Meetings à max. 2 Stunden) und Kolloquia (3 Kolloquien à max. 30 Minuten), Praktische Prüfungen, Programmierprojekt(e)
Instructor(s):
Marcus Kessel
Description:
Die Veranstaltung befasst sich mit dem der Methoden und Techniken die für eine team-orientierte, ingenieurmäßige Entwicklung von nicht-trivialen Softwaresystemen erforderlich sind. Insbesondere sind dies:
  • Software-Entwicklungsprozesse
  • System- und Anforderungsanalyse
  • Anwendungsdesign und Systemarchitektur
  • Softwarequalität
  • Validierung, Verifikation und Testen
  • Wartung und Weiterentwicklung
Practical Computer Science II (Lecture)
DE
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
German
Hours per week:
4
Learning target:
Fachkompetenz:
Aufbau und Arbeitsweise moderner Digitalrechner, Aufgaben und Funktionsweise moderner Betriebssysteme, insbesondere Prozess- und Speicherverwaltung. Aufbau und Arbeitsweise von Compilern.
Methodenkompetenz:
Entwurf einfacher logischer Schaltungen, Lösung von Programmier-aufgaben in Programmieren, Entwurf einfacher Grammatiken, Um-gang mit Compiler-Generatoren.
Personale Kompetenz:
Selbständiges Arbeiten in Kleingruppen.
Recommended requirement:
Examination achievement:
Studienbeginn ab HWS 2011:
Erfolgreiche Teilnahme am Übungsbetrieb
schriftliche Klausur (90 Minuten)

Studienbeginn vor HWS 2011:
schriftliche Klausur (90 Minuten)

Instructor(s):
Rainer Gemulla
Description:
Die Vorlesung beschäftigt sich mit den technischen und methodischen Grundlagen der Ausführung von Anwendungsprogrammen auf modernen Digitalrechnern. Dies umfasst vor allem die folgenden Gebiete:

1. Rechnerarchitektur
2. Betriebssysteme
3. Compilerbau
4. Java Virtual Machine
Programming Lab II (Lecture)
DE
Lecture type:
Lecture
ECTS:
5.0
Course suitable for:
Language of instruction:
German
Hours per week:
2
Learning target:
Fachkompetenz:
  • Gründliche Kenntnis der Programmiersprache Java
  • Fortgeschrittene Programmierkenntnisse in Themenbereichen wie bspw. Assertions, Client-Server Kommunikation, Multi-Threading, sowie häufig verwendete Java-Bibliotheken und Frameworks.
  • Vertraut mit JUnit und den wichtigsten Konzepten des Software-Testens mit Java.

Methodenkompetenz:

  • Fähigkeit die erlernten Fachkompetenzen einzusetzen und somit qualitative anspruchsvolle Java-Anwendungen zu entwickeln und zu warten.

Personale Kompetenz:

  • Eigenverantwortliches Arbeiten
  • Teamfähigkeit
Recommended requirement:
Examination achievement:
Programmiertestate, Programmierprojekte, Programming Competence Test (180 Minuten)
Instructor(s):
Ursula Rost
Description:
Im Programmierpraktikum II werden die erworbenen Kenntnisse aus der Veranstaltung Programmierpraktikum I erweitert und vertieft. Basierend auf der Programmiersprache Java, werde hier die folgenden Themengebiete vermittelt:
 
  • Generische Datentypen,
  • Stream-Klassen (Java IO)
  • Client-Server Kommunikation
  • Multi-Threading
  • JDBC (Datenbanken)
  • Verarbeitung von XML-Dokumenten
  • Assertions (Design by Contract)
  • Testen
  • Weitere ausgewählte Themen

Darüber hinaus werden Werkzeuge für die Team-orientierte  Entwicklung größerer Programmpakete vorgestellt. Dazu gehört insbesondere die Entwicklungsumgebung Eclipse.
Programming Lab II (Lecture)
DE
Lecture type:
Lecture
ECTS:
5.0
Course suitable for:
Language of instruction:
German
Hours per week:
2
Learning target:
Fachkompetenz:
  • Gründliche Kenntnis der Programmiersprache Java
  • Fortgeschrittene Programmierkenntnisse in Themenbereichen wie bspw. Assertions, Client-Server Kommunikation, Multi-Threading, sowie häufig verwendete Java-Bibliotheken und Frameworks.
  • Vertraut mit JUnit und den wichtigsten Konzepten des Software-Testens mit Java.

Methodenkompetenz:

  • Fähigkeit die erlernten Fachkompetenzen einzusetzen und somit qualitative anspruchsvolle Java-Anwendungen zu entwickeln und zu warten.

Personale Kompetenz:

  • Eigenverantwortliches Arbeiten
  • Teamfähigkeit
Recommended requirement:
Examination achievement:
Programmiertestate, Programmierprojekte, Programming Competence Test (180 Minuten)
Description:
Im Programmierpraktikum II werden die erworbenen Kenntnisse aus der Veranstaltung Programmierpraktikum I erweitert und vertieft. Basierend auf der Programmiersprache Java, werde hier die folgenden Themengebiete vermittelt:
 
  • Generische Datentypen,
  • Stream-Klassen (Java IO)
  • Client-Server Kommunikation
  • Multi-Threading
  • JDBC (Datenbanken)
  • Verarbeitung von XML-Dokumenten
  • Assertions (Design by Contract)
  • Testen
  • Weitere ausgewählte Themen

Darüber hinaus werden Werkzeuge für die Team-orientierte  Entwicklung größerer Programmpakete vorgestellt. Dazu gehört insbesondere die Entwicklungsumgebung Eclipse.
Selected Topics in IT-Security (Lecture w/ Exercise)
EN
Lecture type:
Lecture w/ Exercise
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
4
Learning target:
This course aims to increase the security awareness of students and offers them a basic understanding with respect to a variety of interesting topics. After this course, students will be able to (1) learn about symmetric and asymmetric encryption schemes, (2) classify and describe vulnerabilities and protection mechanisms of popular network protocols, web protocols, and software systems (2) analyze / reason about basic protection mechanisms for modern OSs, software and hardware systems.
Recommended requirement:
Examination achievement:
Oral exam (30 minutes)
Instructor(s):
Frederik Armknecht
Description:
Background and Learning Objectives
 
The large-scale deployment of Internet-based services and the open nature of the Internet come alongside with the increase of security threats against existing services. As the size of the global network grows, the incentives of attackers to abuse the operation of online applications also increase and their advantage in mounting successful attacks becomes considerable.
 
These cyber-attacks often target the resources, availability, and operation of online services. In the recent years, a considerable number of online services such as Amazon, CNN, eBay, and Yahoo were hit by online attacks; the losses in revenues of Amazon and Yahoo were almost 1.1 million US dollars. With an increasing number of services relying on online resources, security becomes an essential component of every system.
 
Content Description
 
This lecture covers the security of computer, software systems, and tamper resistant hardware. The course starts with a basic introduction on encryption functions, spanning both symmetric and asymmetric encryption techniques, discusses the security of the current encryption standard AES and explains the concept of Zero-Knowledge proofs. The course then continues with a careful examination of wired and wireless network security issues, and web security threats and mechanisms. This part also extends to analysis of buffer overflows. Finally, the course also covers a set of selected security topics such as trusted computing and electronic voting.
 
Topics:
 
  • Encryption Schemes (Private Key vs. Public Key, Block cipher security) and Cryptographic Protocols
  • Cryptanalysis,e.g., side channel attacks
  • Network Security
  • Wireless Security
  • Web Security (SQL, X-Site Scripting)
  • Buffer Overflows
  • Malware & Botnets
  • Trusted computing
  • Electronic Voting
  • OS Security
Software Engineering I (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Fachkompetenz:
Kenntnisse der Schlüsseltechnologien der modernen Softwaretechnik, sowie der gängigen Software Entwicklungsprozesse. Dies umfasst insbesondere die Gebiete der System- und Anforderungsanalyse, Anwendungsdesign und Systemarchitektur, Implementierung, Validierung und Verifikation, Testen, Softwarequalität, Wartung und Weiterentwicklung von Softwaresystemen. Methodenkompetenz:
Die Fähigkeit große Softwaresysteme beschreiben, entwerfen und entwickeln zu können unter Berücksichtigung diverser Risiken, die in industriellen Großprojekten auftreten (bspw. Qualität, Kosten, unterschiedliche Stakeholder, Termindruck, …). Personale Kompetenz:
Fähigkeiten große Softwaresysteme im Team zu entwerfen, zu entwi-ckeln / implementieren, zu testen und auszuliefern.
Fähigkeiten ein komplexes Themengebiet in schriftlicher und mündli-cher Form klar und unmissverständlich wiederzugeben.
Recommended requirement:
Examination achievement:
Klausur (90 Minuten)
Instructor(s):
Colin Atkinson
Description:
Die Veranstaltung befasst sich mit dem Kennenlernen, Verstehen und Anwenden der Methoden, Techniken und Werkzeuge, die für eine team-orientierte, ingenieurmäßige Entwicklung von nicht-trivialen Softwaresystemen erforderlich sind. Insbesondere sind dies:
  • Software-Entwicklungsprozesse
  • System- und Anforderungsanalyse
  • Anwendungsdesign und Systemarchitektur
  • Softwarequalität
  • Validierung, Verifikation und Testen
  • Wartung und Weiterentwicklung
Theoretical Computer Science (Lecture)
DE
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
German
Hours per week:
3
Learning target:
Fachkompetenz:
Die Studierenden beherrschen neue grundlegende Konzepte der Informatik, insbesondere im Themenkreis Berechenbarkeit, effiziente Berechenbarkeit, kryptographische Sicherheit. Sie kennen weiterhin grundlegende Techniken der  Komplexitätsanalyse und können diese auf gegebene Berechnungsprobleme anwenden.
Methodenkompetenz:
Die Studierenden können gegebenen Probleme bezüglich der zu ihrer
Lösung in verschiedener formaler Berechnungsmodelle aufzubringenden Ressourcen klassifizieren. Sie besitzen ein grundlegendes formales Verständnis für die wichtigsten Komplexitätsmerkmale wie nicht berechenbar, nicht effizient berechenbar, effizient berechenbar, kryptographisch sicher.

Personale Kompetenz:
Die Studierenden können Berechnungsprobleme in Anwendungszusammenhängen  identifizieren, sie formal  spezifizieren und bezüglich der zu ihrer Lösung nötigen Ressourcen  klassifizieren. Sie besitzen die Fähigkeit, auf höherem Niveau zu abstrahieren, mit formalen Modellierungstechniken zu arbeiten, und die Komplexität von Problemstellungen abzuschätzen.
Recommended requirement:
Examination achievement:
schriftliche Klausur (90 Minuten) oder mündliche Prüfung (30 Minuten)
Instructor(s):
Matthias Krause
Description:
  • Grundlegende uniforme und nichtuniforme Berechnungsmodelle und Berechnungsparadigmen
  • Universelle Turingmaschinen und Berechenbarkeit
  • Logik- insbesondere SAT-Algorithmen
  • NP-Vollständigkeitstheorie
  • Formale Sprachen, Grammatiken, Grundlagen des Compilerbaus
Business Informatics II: Foundations of Modeling (Lecture)
DE
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
German
Hours per week:
2
Learning target:
Fachkompetenz:
  • Kenntnisse aktueller Modellierungssprachen und Werkzeugen.
  • Verständnis für Grundprinzipien und Formalen Grundlagen der Modellierung von Anwendungsdomänen und Prozessen.

Methodenkompetenz:
  • Beschreibung von Domänen und Prozesse einfacher und mittlerer Komplexität mit Hilfe gängiger Sprachen und Werkzeuge

Personale Kompetenz:
  • Verständnis komplexer Zusammenhänge, Arbeiten im Team, Kommunikation von Modellierungsentscheidungen
Recommended requirement:
Examination achievement:
Studienbeginn ab HWS 2011:
Erfolgreiche Teilnahme am Übungsbetrieb
Schriftliche Klausur (90 Minuten)

Studienbeginn vor HWS 2011:
Schriftliche Klausur (90 Minuten)

Instructor(s):
Christian Meilicke, Heiner Stuckenschmidt
Description:
Die Vorlesung behandelt die Rolle konzeptueller Modellierung in der Wirtschaftsinformatik. Es werden Vorteile und Grenzen der Modlelierung im Unternehmenkontext aufgezeigt und Modellierungssprachen und Werkzeuge eingeführt. Inhalte der Veranstaltung umfassen unter anderem:
  • Modellierungsprinzipien
  • Praxisnahe Sprachen (UML, BPMN)
  • Formale Grundlagen von Modellierungssprachen (Logik, Pertri-Netze)
  • Modellierungswerkzeuge.
In der begleitenden Übung erstellen die Teilnehmer konzpetuelle Modelle realer Anwendungsdomänen mit Hilfe aktueller Modellierungssprachen und Werkzeuge.
Business Informatics II: Foundations of Modeling (Lecture)
DE
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
German
Hours per week:
2
Learning target:
Fachkompetenz:
  • Kenntnisse aktueller Modellierungssprachen und Werkzeugen.
  • Verständnis für Grundprinzipien und Formalen Grundlagen der Modellierung von Anwendungsdomänen und Prozessen.

Methodenkompetenz:
  • Beschreibung von Domänen und Prozesse einfacher und mittlerer Komplexität mit Hilfe gängiger Sprachen und Werkzeuge

Personale Kompetenz:
  • Verständnis komplexer Zusammenhänge, Arbeiten im Team, Kommunikation von Modellierungsentscheidungen
Recommended requirement:
Examination achievement:
Studienbeginn ab HWS 2011:
Erfolgreiche Teilnahme am Übungsbetrieb
Schriftliche Klausur (90 Minuten)

Studienbeginn vor HWS 2011:
Schriftliche Klausur (90 Minuten)

Description:
Die Vorlesung behandelt die Rolle konzeptueller Modellierung in der Wirtschaftsinformatik. Es werden Vorteile und Grenzen der Modlelierung im Unternehmenkontext aufgezeigt und Modellierungssprachen und Werkzeuge eingeführt. Inhalte der Veranstaltung umfassen unter anderem:
  • Modellierungsprinzipien
  • Praxisnahe Sprachen (UML, BPMN)
  • Formale Grundlagen von Modellierungssprachen (Logik, Pertri-Netze)
  • Modellierungswerkzeuge.
In der begleitenden Übung erstellen die Teilnehmer konzpetuelle Modelle realer Anwendungsdomänen mit Hilfe aktueller Modellierungssprachen und Werkzeuge.
Business Informatics IV (Lecture)
DE
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
German
Hours per week:
2
Learning target:
The overall aim is to provide students with concepts of distributed systems from a theoretical and practical view. In the lecture students will learn the theoretical concepts. Some aspects of these topics will be elaborated in more detail in the exercise sessions. Here, concrete examples and implementations are presented and discussed.
Interactive tutorials complement the lectures and exercises and pro-vide means for the students to provide own solutions in essay and code to core problems of distributed information systems.
The students will get a profound base in distributed computing as well as networks with the associated problems and how to adress and solve these challenges.
Recommended requirement:
Examination achievement:
schiftliche Klausur (90 Minuten)
Instructor(s):
Christian Becker, Melanie Brinkschulte
Description:
This lecture covers basic principles of modern information systems. Such systems are characterized by their distributed nature. Thus we will discuss architectures of information systems as well as underlying concepts of computer communication and distributed systems.
 
The following topics will be covered in the lecture:
  • Introduction to Distributed Systems, and ComputerNetworks
    • Distributed Systems: Characteristics and Requirements
    • Communication models
    • Layered communication networks
    • Reference Models (ISO/OSI, TCP/IP)
    • Communication Services: connection-oriented/less
    • Socket API
  • Middleware
    • Distributed Shared Memory
    • Message Passing
    • Pub/Sub
    • Mobile Agents
    • Multimedia
    • RPC, RMI
  • Application Protocols
    • SMTP
    • FTP
    • HTTP+HTML
    • IIOP
  • Presentation Layer
    • Classification
    • Requirements
    • Approaches
    • ASN.1
    • XDR
    • XML
  • Synchronization (conditional if covered in Praktische Informatik II)
    • Processes and concurrency
    • Race Conditions
    • Critical Regions
    • Semaphores/Monitors
    • Deadlocks
  • Time and Global States
    • Physical clocks (Cristian’s algorithm, Logical clocks, Lamport’s algorithm)
    • Vector Clocks
    • Global States
    • Snapshot Algorithm
  • Replication
    • Passive Replication
    • Active Replication
  • Peer to Peer Architectures
    • Application examples
    • Achitectures (centralized, distributed, hybrid)
    • Gnutella
    • Chord
  • Network Security Basics
    • Security Goals, Threats, Attacks
    • Security Mechanisms
    • Threats in Communication Networks
    • Security Goals & Requirements
    • Network Security Analysis
    • Safeguards

Business Informatics (Master)

Algorithmics (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
3
Learning target:
Fachkompetenz:
Die Studierenden erlernen wichtige und anspruchsvolle Verfahren zur Lösung komplexer Probleme vorwiegend im Bereich der diskreten Optimierung und der Analyse der Verfahren.
Methodenkompetenz:
Anhand praktischer Probleme aus dem Bereich des  Operation Research erlernen sie wie man diese Probleme  abstrahiert und  mittels der erlernten Verfahren einer Lösung zuführt.
Personale Kompetenz:
Ihr analytisches, konzentriertes und präzises Denken wird  geschult. Durch die eigenständige Behandlung von Anwendungen z. B. aus dem Bereich Operations Research im Rahmen der Übungsaufgaben wird ihr Abstraktionsvermögen weiterentwickelt und der Transfer des erlernten Stoffes auf verwandte Fragestellungen gefördert. Durch die Auseinandersetzung mit der Thematik von P versus NP und der beispielhaften Behandlung von praktisch relevanten NP-vollständigen Problemen werden sie  sensibilisiert  für die Thematik der effizienten Lösbarkeit.
Recommended requirement:
Examination achievement:
Klausur, 90 Minuten
Instructor(s):
Matthias Krause
Description:
Aufbauend auf der Veranstaltung Algorithmen und Datenstrukturen werden fortgeschrittene Konzepte und Algorithmen unter Einbeziehung der Korrektheit und Kosten der Verfahren behandelt. Dabei stehen Fragestellungen, die einen Bezug zu wirtschaftswissenschaftlichen Anwendungen haben im Fokus. Besonderes Augenmerk liegt dabei auf der Abbildung von konkreten praktischen Problemen, auf den Konzepten und deren Lösung mittels der Algorithmen. Die Problematik der nicht effizient (P versus NP) berechenbaren Probleme wird diskutiert und Heuristiken für NP-vollständige Optimierungsprobleme behandelt. Behandelte Fragestellungen sind z. B.:
  • Netzwerke und Algorithmen auf Netzwerken, Max-flow, Min-cost,
  • Matching bipartit, non bipartit, gewichtete
  • Stabiles Heiratsproblem
  • Zuweisungsproblem
  • Touren in Graphen: Handelsreisender, Chinesischer Briefträger
  • SAT-Algorithmen
Data Mining (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of data mining. Methodological competence:
  • Successful participants will be able to identify opportunities for applying data mining in an enterprise environment, select and apply appropriate techniques, and interpret the results.
  • project organisation skills

Personal competence:

  • team work skills
  • presentation skills
Recommended requirement:
Examination achievement:
Written examination (90 minutes), project report, oral project presentation
Instructor(s):
Christian Bizer
Description:
The course provides an introduction to advanced data analysis techniques as a basis for analyzing business data and providing input for decision support systems. The course will cover the following topics:
  • Goals and Principles of Data Mining
  • Data Representation and Preprocessing
  • Clustering
  • Classification
  • Association Analysis
  • Text Mining
  • Systems and Applications (e. g. Retail, Finance, Web Analysis)
Data Mining II (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Expertise:
Students will acquire knowledge of advanced techniques and applications of data mining.
Methodological competence:
  • Successful participants will be able to address advanced issues in data mining projects, conduct complex projects and develop applications in the data mining field.
  • project organization skills

Personal competence:

  • presentation skills
  • team work skills
Recommended requirement:
Examination achievement:
written examination (90 minutes), written project report, oral project presentation
Instructor(s):
Heiko Paulheim
Description:
Data mining deals with the discovery of patterns in data, and with making predictions for the future, based on observations of the past. This course covers advanced issues in data mining which need to be addressed when applying data mining methods in real world projects, including:
  • Data Preprocessing
  • Regression and Forecasting
  • Dimensionality Reduction
  • Anomaly Detection
  • Time Series Analysis
  • Parameter Tuning
  • Ensemble Learning
  • Online Learning
Data Mining II (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Expertise:
Students will acquire knowledge of advanced techniques and applications of data mining.
Methodological competence:
  • Successful participants will be able to address advanced issues in data mining projects, conduct complex projects and develop applications in the data mining field.
  • project organization skills

Personal competence:

  • presentation skills
  • team work skills
Recommended requirement:
Examination achievement:
written examination (90 minutes), written project report, oral project presentation
Instructor(s):
Heiko Paulheim
Description:
Data mining deals with the discovery of patterns in data, and with making predictions for the future, based on observations of the past. This course covers advanced issues in data mining which need to be addressed when applying data mining methods in real world projects, including:
  • Data Preprocessing
  • Regression and Forecasting
  • Dimensionality Reduction
  • Anomaly Detection
  • Time Series Analysis
  • Parameter Tuning
  • Ensemble Learning
  • Online Learning
Data Mining II (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Expertise:
Students will acquire knowledge of advanced techniques and applications of data mining.
Methodological competence:
  • Successful participants will be able to address advanced issues in data mining projects, conduct complex projects and develop applications in the data mining field.
  • project organization skills

Personal competence:

  • presentation skills
  • team work skills
Recommended requirement:
Examination achievement:
written examination (90 minutes), written project report, oral project presentation
Description:
Data mining deals with the discovery of patterns in data, and with making predictions for the future, based on observations of the past. This course covers advanced issues in data mining which need to be addressed when applying data mining methods in real world projects, including:
  • Data Preprocessing
  • Regression and Forecasting
  • Dimensionality Reduction
  • Anomaly Detection
  • Time Series Analysis
  • Parameter Tuning
  • Ensemble Learning
  • Online Learning
Data Mining II (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Expertise:
Students will acquire knowledge of advanced techniques and applications of data mining.
Methodological competence:
  • Successful participants will be able to address advanced issues in data mining projects, conduct complex projects and develop applications in the data mining field.
  • project organization skills

Personal competence:

  • presentation skills
  • team work skills
Recommended requirement:
Examination achievement:
written examination (90 minutes), written project report, oral project presentation
Instructor(s):
Heiko Paulheim
Description:
Data mining deals with the discovery of patterns in data, and with making predictions for the future, based on observations of the past. This course covers advanced issues in data mining which need to be addressed when applying data mining methods in real world projects, including:
  • Data Preprocessing
  • Regression and Forecasting
  • Dimensionality Reduction
  • Anomaly Detection
  • Time Series Analysis
  • Parameter Tuning
  • Ensemble Learning
  • Online Learning
Data Security and Privacy (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Instructor(s):
Frederik Armknecht
Database Systems II (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Fachkompetenz:
  • Grundlegende Kenntnisse in verteilte relationale Datenbanken
  • objektorientierte Datenbanken
  • objektrelationale Datenbanken
  • deduktive Datenbanken
  • XML-Datenbanken
  • OLAP/OLTP
  • Leistungsbewertung

Methodenkompetenz:

  • Verständnis der alternativen Datenrepräsentationen, deren Vor- und Nachteile
  • Zielorientierter Einsatz der verschiedenen Datenrepräsentationen

Personale Kompetenz:

  • Verständnis der Rolle alternativer Datenmodelle für fundamentale betriebliche Informationssysteme
Recommended requirement:
Examination achievement:
schriftliche Klausur, 90 Minuten
Instructor(s):
Guido Moerkotte
Description:
Über das relationale Modell hinausgehende Themen (objektorientierte, objektrelationale Datenbanken, SQL/XML).
Database Technology (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Instructor(s):
Heiko Paulheim
Database Technology Klausurkommunikation (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Instructor(s):
Heiko Paulheim
Nachklausur Database Technology (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Instructor(s):
Heiko Paulheim
Higher Level Computer Vision (Lecture w/ Exercise)
EN
Lecture type:
Lecture w/ Exercise
ECTS:
6.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Hours per week:
4
Recommended requirement:
Literature:
R. Szeliski: Computer Vision Algorithms and Applications, Springer, 2010. ISBN: 978-1-84882-934-3. (Online available: http://szeliski.org/Book/)

I. Goodfellow et al.: Deep Learning, MIT Press, 2016. (Online: www.deeplearningbook.org)
Description:
Image Segmentation, Combinatorial optimization, Spectral Clustering, Optical Flow Video and Motion Segmentation, 3D Geometry, Structure from Motion, Deep Learning for Computer Vision
Information Retrieval and Web Search (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Expertise:
Students will acquire knowledge of fundamental techniques of Information Retrieval and Web Search, including standard retrieval models, evaluation of information retrieval systems, text classification and clustering, as well as web search topics such as crawling and link-based algorithms.
Methodological competence:
Successful participants will be able to understand state-of-the-art methods for Information Retrieval and Web search, as well as being able to select, apply and evaluate the most appropriate techniques for a variety of different search scenarios.
Personal competence:
  • presentation skills;
  • team work skills.
Recommended requirement:
Examination achievement:
Written examination (90 minutes), written project report, oral project presentation
Instructor(s):
Goran Glavas
Description:
Given the vastness and richness of the Web, users need high-performing, scalable and efficient methods to access its wealth of information and satisfy their information needs. As such, being able to search and effectively retrieve relevant pieces of information from large text collections is a crucial task for the majority (if practically not all) of Web applications. In this course we will explore a variety of basic and advanced techniques for text-based information retrieval and Web search. Covered topics will include:
 
  • Efficient text indexing;
  • Boolean and vector space retrieval models;
  • Evaluation of retrieval systems;
  • Probabilistic Information Retrieval;
  • Text classification and clustering;
  • Web search, crawling and link-based algorithms.

Coursework will include homework assignments, a term project and a final exam. Homework assignments are meant to introduce the students to the problems that will be covered in the final exam at the end of the course. In addition, students are expected to successfully complete a term project in teams of 2–4 people. The projects will focus on a variety of IR problems covered in class. Project deliverables include both software (i.e., code and documentation) and a short report explaining the work performed and its evaluation.
IT-Security (Seminar)
EN
Lecture type:
Seminar
ECTS:
4.0
Course suitable for:
Language of instruction:
English
Query Optimization (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Fachkompetenz:
  • Verständnis der Grundlegenden Funktionsweisen alternativer Plangeneratoren,
  • detaillierte Kenntnisse physischer Planalternativen,
  • detaillierte Kostenanalysen

Methodenkompetenz:

  • Algorithmen und Komplexitäten der Plangenerierung,
  • Kostenrechnung anhand gegebener Statistiken

Personale Kompetenz:

  • Fundamentales Verständnis für die Probleme und Lösungen der traditionellen Anfragebearbeitung
Recommended requirement:
Examination achievement:
Mündliche Prüfung (30 Minuten)
Instructor(s):
Guido Moerkotte
Description:
Grundlagen der Anfrageoptimierung
Web Mining (Lecture w/ Exercise)
EN
Lecture type:
Lecture w/ Exercise
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Expertise:
Students will acquire knowledge of the techniques, opportunities and applications of Web mining. Methodological competence:
  • Successful participants will be able to identify opportunities for mining knowledge from Web content, select and apply appropriate techniques and interpret the results.
  • project organization skills

Personal competence:

  • presentation skills
  • team work skills
Recommended requirement:
Examination achievement:
written examination (90 minutes), written project report, oral project presentation
Description:
The textual content as well as the structured data which is accessible on the Web has an enormous potential for being mined to derive knowledge about nearly any aspect of human life. The course covers advanced data mining techniques for extracting knowledge from Web content as a basis for business decisions and applications. The course will cover the following topics:
  • Goals and Principles of Web Mining
  • Gathering and Preprocessing Web Data
  • Social Network Analysis
  • Opinion Mining and Sentiment Analysis
  • Web Usage Mining
  • Executing Large Scale Web Mining Tasks

Business Informatics (Bachelor)

Analysis for Business Informatics (Lecture)
DE
Lecture type:
Lecture
ECTS:
8.0
Course suitable for:
Language of instruction:
German
Hours per week:
4
Learning target:
Fachkompetenz:
  • Vertrautheit im Umgang mit den grundlegenden Begriffen und Methoden der Analysis sowie der wesentlichen mathematischen Beweismethoden.

Methodenkompetenz:

  • Fähigkeit Sachverhalte zu formalisieren, abstraktes Denken.

Personale Kompetenz:

  • Teamarbeit.
Recommended requirement:
Examination achievement:
schriftliche Klausur (90 Minuten)
Instructor(s):
Peter Parczewski
Description:
  • Mengen und Abbildungen
  • Die reellen Zahlen
  • Folgen, Reihen und Potenzreihen
  • Stetigkeit und Differenzierbarkeit von Funktionen in einer reellen Variablen
  • Riemann-Integral
  • Differenzierbarkeit von Funktionen in mehreren reellen Variablen
  • Optional: Mehrdimensionale Integralrechnung, algorithmische Fragestellungen
Data Mining (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of data mining. Methodological competence:
  • Successful participants will be able to identify opportunities for applying data mining in an enterprise environment, select and apply appropriate techniques, and interpret the results.
  • project organisation skills

Personal competence:

  • team work skills
  • presentation skills
Recommended requirement:
Examination achievement:
Written examination (90 minutes), project report, oral project presentation
Instructor(s):
Christian Bizer
Description:
The course provides an introduction to advanced data analysis techniques as a basis for analyzing business data and providing input for decision support systems. The course will cover the following topics:
  • Goals and Principles of Data Mining
  • Data Representation and Preprocessing
  • Clustering
  • Classification
  • Association Analysis
  • Text Mining
  • Systems and Applications (e. g. Retail, Finance, Web Analysis)
Data Security and Privacy (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Instructor(s):
Frederik Armknecht
Dynamische Systeme und Stabilität (Lecture)
DE
Lecture type:
Lecture
ECTS:
Course suitable for:
Language of instruction:
German
Hours per week:
4
Instructor(s):
Li Chen
MAA 403 Dynamical Systems (Lecture)
DE
Lecture type:
Lecture
ECTS:
5.0
Course suitable for:
Language of instruction:
German
Hours per week:
4
Learning target:
Fachkompetenz:
• Grundbegriffe gewöhnlicher und partieller Differenzialgleichungen (BF1, BK1)
• Trennung der Variablen, exakte Differenzialgleichungen (BK1, BO3)
• maximale Lösungen (BK1)
• lineare Flüsse (BK1)
• Prinzip der linearisierten Stabilität (BK1, BF1)
Methodenkompetenz:
• Erkennen verschiedener Differenzialgleichungen (BF2)
• Berechnen von Lösungen von Differenzialgleichungen (BF2, BO3)
• Erstellung von Phasendiagrammen (BF2)
• Diskussion der Stabilität von Gleichgewichten (BF2, BO3)
Personale Kompetenz:
• Teamarbeit (BF4)
Recommended requirement:
Examination achievement:
Mündliche Prüfung oder schriftliche Klausur
Instructor(s):
Li Chen
Description:
• gewöhnliche Differenzialgleichungen
• Existenz und Eindeutigkeit
• hyperbolische Flüsse
• Stabilitätsanalyse
MAB 406 Linear Algebra II / B (Lecture)
DE
Lecture type:
Lecture
ECTS:
5.0 (Modul/e)
Course suitable for:
Language of instruction:
German
Hours per week:
2
Learning target:
Fachkompetenz:
• Vertiefung der Linearen Algebra I wie Sesquilinearformen und Spektralsätze kennen (BK1)
Methodenkompetenz:
• Das Wechselspiel zwischen abstrakten Objekten (Endomorphismen, Bilinearformen) und repräsentierenden konkreten Daten (Matrizen) würdigen (BF1, BO2).
• Die Verbindung von Algebra und Geometrie würdigen (BF1, BO2).
Personale Kompetenz:
• Strukturiertes Denken (BO2).
• Teamarbeit (BF4).
• Kommunikationsfähigkeit (BO1, BO4).
Examination achievement:
Mündliche Prüfung oder schriftliche Klausur
Instructor(s):
Claus Hertling
Description:
• Algebra und Geometrie der Sesquilinearformen und Bilinearformen
• Spektralsätze
MAB 403 Computer Algebra (Lecture)
EN
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Hours per week:
4
Learning target:
Fachkompetenz:
• Kenntnis der jeweiligen Vor- und Nachteile von numerischem gegenüber symbolischem Rechnen (BF1, BF3, BO3)
• Einsatzmöglichkeiten modularer und p-adischer Methoden (BK1, BK3, BO3)
• Grundlegende Sätze über Polynomringe und ihre Ideale (BF1, BK1)
• Anwendung von Gröbnerbasen auf  die Reduktion nach einem Ideal (BF1, BK1)
Methodenkompetenz:
• Grundkenntnisse im Umgang mit einem Computeralgebrasystem  (BK3)
• Effiziente Anwendung des (erweiterten) Euklidischen Algorithmus auf algebraische Probleme (BK1, BK3, BO3)
• Faktorisierung von Polynomen (BK1, BK3, BO3)
• Lösungsverfahren für nichtlineare Gleichungssysteme (BK1, BK3, BO3)
• Berechnung von Gröbnerbasen nach Buchberger (BK1, BK3, BO3)
Personale Kompetenz:
• Fähigkeit zur Lösung mathematischer Probleme durch symbolisches Rechnen (BK3, BO3)
• Verständnis der Mathematik hinter den wichtigsten Algorithmen der Computeralgebra (BF1, BO3)
Recommended requirement:
Examination achievement:
Mündliche Prüfung oder schriftliche Klausur
Description:
• Exaktes, numerisches und symbolisches Rechnen
• Euklidischer Algorithmus für Zahlen und Polynome
• Resultanten und ihre Berechnung
• Modulare Berechnung des größten gemeinsamen Teilers zweier Polynome, Schranken für Teiler
• Faktorialität von Polynomringen
• Quadratfreie Zerlegung über Körpern beliebiger Charakteristik
• Faktorisierung von Polynomen einer oder mehrerer Veränderlicher nach Zassenhaus, Henselsches Lemma, LLL-Algorithmus
• Lösung nichtlinearer Gleichungssysteme mit Resultanten und mit Gröbnerbasen
MAC 405 Stochastic Simulation (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Fachkompetenz:
Mathematischer Hintergrund und Algorithmen zur Erzeugung von Pseudozufallszahlen (BK1, BK3, BO3)
Grundverständnis für die Erzeugung von Algorithmen für die Simulation von „discrete event systems“ (BK3, BO2)
„Goodness-of-fit“ Tests (BK1)
Mathematischer Hintergrund und Algorithmen zur numerischen Behandlung von Markovketten in diskreter und stetiger Zeit (BK3, BO3)
Grundverständnis von Monte-Methoden und ihrer Verbesserungen durch Varianzreduktionsverfahren (BK1, BK3, BO3)
Grundverständnis der Markovketten-Monte-Carlo Methode (BK1, BK3, BO3)
Methodenkompetenz:
Erkennen, welche Algorithmen zur Erzeugung von Pseudozufallszahlen verschiedener Verteilungen eingesetzt werden können, Umsetzung in konkrete Programme (BF2, BF3, BO3)
Fähigkeit einfache stochastische Modelle zu simulieren und die Ergebnisse zu validieren (BF2, BF3, BO3)
Grundkenntnisse in der Programmierung mit Scilab (BF3)
Personale Kompetenz:
Teamarbeit (BF4)
Recommended requirement:
Examination achievement:
schriftliche Klausur
Instructor(s):
Andreas Neuenkirch
Description:
Erzeugung von Pseudozufallszahlen: Inversions-, Kompositions- und Akzeptanz-Verwerfungsmethode, spezielle Methoden
Simulation diskreter Ereignissysteme
Monte-Carlo-Methode, Varianzreduktion
Statistische Validierung: Chi-Quadrat-Test, Kolmogorov-Smirnov-Test
Numerische Behandlung von Markovketten
Markovketten-Monte-Carlo
MAT 302 Analysis II (Lecture)
DE
Lecture type:
Lecture
ECTS:
10.0 (Modul/e)
Course suitable for:
Language of instruction:
German
Hours per week:
4
Learning target:
Fachkompetenz:
• Konvergenz in metrischen Räumen (BK1)
• Stetigkeit von Abbildungen zwischen metrischen Räumen (BK1)
• Differenzierbarkeit von Funktionen mehrerer Variablen  (BK1)
• Grundbegriffe der nichtlinearen Analysis (BF1, BK1)
• Integration von Funktionen mehrerer Variablen (BK1)
Methodenkompetenz:
• mathematische Beweisführung (BF1, BO2)
• Hantieren mit Gleichungen und Ungleichungen (BF1, BO2)
• Berechnen von Grenzwerten (BF1,BO3)
• Berechnen von Ableitungen (BO2)
• Bestimmung von Minima unter Zwangsbedingungen (BF2, BO3)
• Berechnen von Integralen (BO2)
Personale Kompetenz:
• Teamarbeit (BF4)
Recommended requirement:
Examination achievement:
schriftliche Klausur
Instructor(s):
Martin Schmidt
Description:
• metrische Räume
• normierte Vektorräume
• Funktionen mehrerer Variabler
• Funktionale
MAT 304 Linear Algebra II / A (Lecture)
DE
Lecture type:
Lecture
ECTS:
4.0 (Modul/e)
Course suitable for:
Language of instruction:
German
Hours per week:
2
Learning target:
Fachkompetenz:
• Vertiefungen der Linearen Algebra I wie Normalformen von Endomorphismen kennen (BK1)
Methodenkompetenz:
• Das Wechselspiel zwischen abstrakten Objekten (Endomorphismen, Bilinearformen) und repräsentierenden konkreten Daten (Matrizen) würdigen (BF1, BO2).
Personale Kompetenz:
• Strukturiertes Denken (BO2).
• Teamarbeit (BF4).
• Kommunikationsfähigkeit (BO1).
Recommended requirement:
Examination achievement:
schriftliche Klausur
Instructor(s):
Claus Hertling
Description:
• Euklidische Vektorräume, Normalformen von Endomorphismen oder andere Ergänzungen zur Linearen Algebra I
MCMC / Bayes Statistics (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Software Engineering Practical (Lecture)
EN
Lecture type:
Lecture
ECTS:
5.0
Course suitable for:
Language of instruction:
English
Hours per week:
4
Learning target:
Fachkompetenz:
Kenntnisse der Schlüsseltechnologien der modernen Softwaretechnik, sowie der gängigen Software Entwicklungsprozesse. Dies umfasst insbesondere die Gebiete der System- und Anforderungsanalyse, An-wendungsdesign und Systemarchitektur, Implementierung, Validie-rung und Verifikation, Testen, Softwarequalität, Wartung und Wei-terentwicklung von Softwaresystemen.
Methodenkompetenz:
Die Fähigkeit große Softwaresysteme beschreiben, entwerfen und entwickeln zu können unter Berücksichtigung diverser Risiken, die in industriellen Großprojekten auftreten (bspw. Qualität, Kosten, unter-schiedliche Stakeholder, Termindruck, …).
Personale Kompetenz:
Fähigkeiten große Softwaresysteme im Team zu entwerfen, zu entwickeln / implementieren, zu testen und auszuliefern.
Fähigkeiten ein komplexes Themengebiet in schriftlicher und mündlicher Form klar und unmissverständlich wiederzugeben.
Recommended requirement:
Examination achievement:
schriftliche Ausarbeitung und entwickeltes System, Teammeetings (14 Meetings à max. 2 Stunden) und Kolloquia (3 Kolloquien à max. 30 Minuten), Praktische Prüfungen, Programmierprojekt(e)
Instructor(s):
Marcus Kessel
Description:
Die Veranstaltung befasst sich mit dem der Methoden und Techniken die für eine team-orientierte, ingenieurmäßige Entwicklung von nicht-trivialen Softwaresystemen erforderlich sind. Insbesondere sind dies:
  • Software-Entwicklungsprozesse
  • System- und Anforderungsanalyse
  • Anwendungsdesign und Systemarchitektur
  • Softwarequalität
  • Validierung, Verifikation und Testen
  • Wartung und Weiterentwicklung
Practical Computer Science II (Lecture)
DE
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
German
Hours per week:
4
Learning target:
Fachkompetenz:
Aufbau und Arbeitsweise moderner Digitalrechner, Aufgaben und Funktionsweise moderner Betriebssysteme, insbesondere Prozess- und Speicherverwaltung. Aufbau und Arbeitsweise von Compilern.
Methodenkompetenz:
Entwurf einfacher logischer Schaltungen, Lösung von Programmier-aufgaben in Programmieren, Entwurf einfacher Grammatiken, Um-gang mit Compiler-Generatoren.
Personale Kompetenz:
Selbständiges Arbeiten in Kleingruppen.
Recommended requirement:
Examination achievement:
Studienbeginn ab HWS 2011:
Erfolgreiche Teilnahme am Übungsbetrieb
schriftliche Klausur (90 Minuten)

Studienbeginn vor HWS 2011:
schriftliche Klausur (90 Minuten)

Instructor(s):
Rainer Gemulla
Description:
Die Vorlesung beschäftigt sich mit den technischen und methodischen Grundlagen der Ausführung von Anwendungsprogrammen auf modernen Digitalrechnern. Dies umfasst vor allem die folgenden Gebiete:

1. Rechnerarchitektur
2. Betriebssysteme
3. Compilerbau
4. Java Virtual Machine
Programming Lab II (Lecture)
DE
Lecture type:
Lecture
ECTS:
5.0
Course suitable for:
Language of instruction:
German
Hours per week:
2
Learning target:
Fachkompetenz:
  • Gründliche Kenntnis der Programmiersprache Java
  • Fortgeschrittene Programmierkenntnisse in Themenbereichen wie bspw. Assertions, Client-Server Kommunikation, Multi-Threading, sowie häufig verwendete Java-Bibliotheken und Frameworks.
  • Vertraut mit JUnit und den wichtigsten Konzepten des Software-Testens mit Java.

Methodenkompetenz:

  • Fähigkeit die erlernten Fachkompetenzen einzusetzen und somit qualitative anspruchsvolle Java-Anwendungen zu entwickeln und zu warten.

Personale Kompetenz:

  • Eigenverantwortliches Arbeiten
  • Teamfähigkeit
Recommended requirement:
Examination achievement:
Programmiertestate, Programmierprojekte, Programming Competence Test (180 Minuten)
Instructor(s):
Ursula Rost
Description:
Im Programmierpraktikum II werden die erworbenen Kenntnisse aus der Veranstaltung Programmierpraktikum I erweitert und vertieft. Basierend auf der Programmiersprache Java, werde hier die folgenden Themengebiete vermittelt:
 
  • Generische Datentypen,
  • Stream-Klassen (Java IO)
  • Client-Server Kommunikation
  • Multi-Threading
  • JDBC (Datenbanken)
  • Verarbeitung von XML-Dokumenten
  • Assertions (Design by Contract)
  • Testen
  • Weitere ausgewählte Themen

Darüber hinaus werden Werkzeuge für die Team-orientierte  Entwicklung größerer Programmpakete vorgestellt. Dazu gehört insbesondere die Entwicklungsumgebung Eclipse.
Programming Lab II (Lecture)
DE
Lecture type:
Lecture
ECTS:
5.0
Course suitable for:
Language of instruction:
German
Hours per week:
2
Learning target:
Fachkompetenz:
  • Gründliche Kenntnis der Programmiersprache Java
  • Fortgeschrittene Programmierkenntnisse in Themenbereichen wie bspw. Assertions, Client-Server Kommunikation, Multi-Threading, sowie häufig verwendete Java-Bibliotheken und Frameworks.
  • Vertraut mit JUnit und den wichtigsten Konzepten des Software-Testens mit Java.

Methodenkompetenz:

  • Fähigkeit die erlernten Fachkompetenzen einzusetzen und somit qualitative anspruchsvolle Java-Anwendungen zu entwickeln und zu warten.

Personale Kompetenz:

  • Eigenverantwortliches Arbeiten
  • Teamfähigkeit
Recommended requirement:
Examination achievement:
Programmiertestate, Programmierprojekte, Programming Competence Test (180 Minuten)
Description:
Im Programmierpraktikum II werden die erworbenen Kenntnisse aus der Veranstaltung Programmierpraktikum I erweitert und vertieft. Basierend auf der Programmiersprache Java, werde hier die folgenden Themengebiete vermittelt:
 
  • Generische Datentypen,
  • Stream-Klassen (Java IO)
  • Client-Server Kommunikation
  • Multi-Threading
  • JDBC (Datenbanken)
  • Verarbeitung von XML-Dokumenten
  • Assertions (Design by Contract)
  • Testen
  • Weitere ausgewählte Themen

Darüber hinaus werden Werkzeuge für die Team-orientierte  Entwicklung größerer Programmpakete vorgestellt. Dazu gehört insbesondere die Entwicklungsumgebung Eclipse.
Selected Topics in IT-Security (Lecture w/ Exercise)
EN
Lecture type:
Lecture w/ Exercise
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
4
Learning target:
This course aims to increase the security awareness of students and offers them a basic understanding with respect to a variety of interesting topics. After this course, students will be able to (1) learn about symmetric and asymmetric encryption schemes, (2) classify and describe vulnerabilities and protection mechanisms of popular network protocols, web protocols, and software systems (2) analyze / reason about basic protection mechanisms for modern OSs, software and hardware systems.
Recommended requirement:
Examination achievement:
Oral exam (30 minutes)
Instructor(s):
Frederik Armknecht
Description:
Background and Learning Objectives
 
The large-scale deployment of Internet-based services and the open nature of the Internet come alongside with the increase of security threats against existing services. As the size of the global network grows, the incentives of attackers to abuse the operation of online applications also increase and their advantage in mounting successful attacks becomes considerable.
 
These cyber-attacks often target the resources, availability, and operation of online services. In the recent years, a considerable number of online services such as Amazon, CNN, eBay, and Yahoo were hit by online attacks; the losses in revenues of Amazon and Yahoo were almost 1.1 million US dollars. With an increasing number of services relying on online resources, security becomes an essential component of every system.
 
Content Description
 
This lecture covers the security of computer, software systems, and tamper resistant hardware. The course starts with a basic introduction on encryption functions, spanning both symmetric and asymmetric encryption techniques, discusses the security of the current encryption standard AES and explains the concept of Zero-Knowledge proofs. The course then continues with a careful examination of wired and wireless network security issues, and web security threats and mechanisms. This part also extends to analysis of buffer overflows. Finally, the course also covers a set of selected security topics such as trusted computing and electronic voting.
 
Topics:
 
  • Encryption Schemes (Private Key vs. Public Key, Block cipher security) and Cryptographic Protocols
  • Cryptanalysis,e.g., side channel attacks
  • Network Security
  • Wireless Security
  • Web Security (SQL, X-Site Scripting)
  • Buffer Overflows
  • Malware & Botnets
  • Trusted computing
  • Electronic Voting
  • OS Security
Software Engineering I (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Fachkompetenz:
Kenntnisse der Schlüsseltechnologien der modernen Softwaretechnik, sowie der gängigen Software Entwicklungsprozesse. Dies umfasst insbesondere die Gebiete der System- und Anforderungsanalyse, Anwendungsdesign und Systemarchitektur, Implementierung, Validierung und Verifikation, Testen, Softwarequalität, Wartung und Weiterentwicklung von Softwaresystemen. Methodenkompetenz:
Die Fähigkeit große Softwaresysteme beschreiben, entwerfen und entwickeln zu können unter Berücksichtigung diverser Risiken, die in industriellen Großprojekten auftreten (bspw. Qualität, Kosten, unterschiedliche Stakeholder, Termindruck, …). Personale Kompetenz:
Fähigkeiten große Softwaresysteme im Team zu entwerfen, zu entwi-ckeln / implementieren, zu testen und auszuliefern.
Fähigkeiten ein komplexes Themengebiet in schriftlicher und mündli-cher Form klar und unmissverständlich wiederzugeben.
Recommended requirement:
Examination achievement:
Klausur (90 Minuten)
Instructor(s):
Colin Atkinson
Description:
Die Veranstaltung befasst sich mit dem Kennenlernen, Verstehen und Anwenden der Methoden, Techniken und Werkzeuge, die für eine team-orientierte, ingenieurmäßige Entwicklung von nicht-trivialen Softwaresystemen erforderlich sind. Insbesondere sind dies:
  • Software-Entwicklungsprozesse
  • System- und Anforderungsanalyse
  • Anwendungsdesign und Systemarchitektur
  • Softwarequalität
  • Validierung, Verifikation und Testen
  • Wartung und Weiterentwicklung
Stochastik 2 (Lecture)
DE
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Language of instruction:
German
Instructor(s):
Martin Schlather
Theoretical Computer Science (Lecture)
DE
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
German
Hours per week:
3
Learning target:
Fachkompetenz:
Die Studierenden beherrschen neue grundlegende Konzepte der Informatik, insbesondere im Themenkreis Berechenbarkeit, effiziente Berechenbarkeit, kryptographische Sicherheit. Sie kennen weiterhin grundlegende Techniken der  Komplexitätsanalyse und können diese auf gegebene Berechnungsprobleme anwenden.
Methodenkompetenz:
Die Studierenden können gegebenen Probleme bezüglich der zu ihrer
Lösung in verschiedener formaler Berechnungsmodelle aufzubringenden Ressourcen klassifizieren. Sie besitzen ein grundlegendes formales Verständnis für die wichtigsten Komplexitätsmerkmale wie nicht berechenbar, nicht effizient berechenbar, effizient berechenbar, kryptographisch sicher.

Personale Kompetenz:
Die Studierenden können Berechnungsprobleme in Anwendungszusammenhängen  identifizieren, sie formal  spezifizieren und bezüglich der zu ihrer Lösung nötigen Ressourcen  klassifizieren. Sie besitzen die Fähigkeit, auf höherem Niveau zu abstrahieren, mit formalen Modellierungstechniken zu arbeiten, und die Komplexität von Problemstellungen abzuschätzen.
Recommended requirement:
Examination achievement:
schriftliche Klausur (90 Minuten) oder mündliche Prüfung (30 Minuten)
Instructor(s):
Matthias Krause
Description:
  • Grundlegende uniforme und nichtuniforme Berechnungsmodelle und Berechnungsparadigmen
  • Universelle Turingmaschinen und Berechenbarkeit
  • Logik- insbesondere SAT-Algorithmen
  • NP-Vollständigkeitstheorie
  • Formale Sprachen, Grammatiken, Grundlagen des Compilerbaus
Business Informatics II: Foundations of Modeling (Lecture)
DE
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
German
Hours per week:
2
Learning target:
Fachkompetenz:
  • Kenntnisse aktueller Modellierungssprachen und Werkzeugen.
  • Verständnis für Grundprinzipien und Formalen Grundlagen der Modellierung von Anwendungsdomänen und Prozessen.

Methodenkompetenz:
  • Beschreibung von Domänen und Prozesse einfacher und mittlerer Komplexität mit Hilfe gängiger Sprachen und Werkzeuge

Personale Kompetenz:
  • Verständnis komplexer Zusammenhänge, Arbeiten im Team, Kommunikation von Modellierungsentscheidungen
Recommended requirement:
Examination achievement:
Studienbeginn ab HWS 2011:
Erfolgreiche Teilnahme am Übungsbetrieb
Schriftliche Klausur (90 Minuten)

Studienbeginn vor HWS 2011:
Schriftliche Klausur (90 Minuten)

Instructor(s):
Christian Meilicke, Heiner Stuckenschmidt
Description:
Die Vorlesung behandelt die Rolle konzeptueller Modellierung in der Wirtschaftsinformatik. Es werden Vorteile und Grenzen der Modlelierung im Unternehmenkontext aufgezeigt und Modellierungssprachen und Werkzeuge eingeführt. Inhalte der Veranstaltung umfassen unter anderem:
  • Modellierungsprinzipien
  • Praxisnahe Sprachen (UML, BPMN)
  • Formale Grundlagen von Modellierungssprachen (Logik, Pertri-Netze)
  • Modellierungswerkzeuge.
In der begleitenden Übung erstellen die Teilnehmer konzpetuelle Modelle realer Anwendungsdomänen mit Hilfe aktueller Modellierungssprachen und Werkzeuge.
Business Informatics II: Foundations of Modeling (Lecture)
DE
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
German
Hours per week:
2
Learning target:
Fachkompetenz:
  • Kenntnisse aktueller Modellierungssprachen und Werkzeugen.
  • Verständnis für Grundprinzipien und Formalen Grundlagen der Modellierung von Anwendungsdomänen und Prozessen.

Methodenkompetenz:
  • Beschreibung von Domänen und Prozesse einfacher und mittlerer Komplexität mit Hilfe gängiger Sprachen und Werkzeuge

Personale Kompetenz:
  • Verständnis komplexer Zusammenhänge, Arbeiten im Team, Kommunikation von Modellierungsentscheidungen
Recommended requirement:
Examination achievement:
Studienbeginn ab HWS 2011:
Erfolgreiche Teilnahme am Übungsbetrieb
Schriftliche Klausur (90 Minuten)

Studienbeginn vor HWS 2011:
Schriftliche Klausur (90 Minuten)

Description:
Die Vorlesung behandelt die Rolle konzeptueller Modellierung in der Wirtschaftsinformatik. Es werden Vorteile und Grenzen der Modlelierung im Unternehmenkontext aufgezeigt und Modellierungssprachen und Werkzeuge eingeführt. Inhalte der Veranstaltung umfassen unter anderem:
  • Modellierungsprinzipien
  • Praxisnahe Sprachen (UML, BPMN)
  • Formale Grundlagen von Modellierungssprachen (Logik, Pertri-Netze)
  • Modellierungswerkzeuge.
In der begleitenden Übung erstellen die Teilnehmer konzpetuelle Modelle realer Anwendungsdomänen mit Hilfe aktueller Modellierungssprachen und Werkzeuge.
Business Informatics IV (Lecture)
DE
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
German
Hours per week:
2
Learning target:
The overall aim is to provide students with concepts of distributed systems from a theoretical and practical view. In the lecture students will learn the theoretical concepts. Some aspects of these topics will be elaborated in more detail in the exercise sessions. Here, concrete examples and implementations are presented and discussed.
Interactive tutorials complement the lectures and exercises and pro-vide means for the students to provide own solutions in essay and code to core problems of distributed information systems.
The students will get a profound base in distributed computing as well as networks with the associated problems and how to adress and solve these challenges.
Recommended requirement:
Examination achievement:
schiftliche Klausur (90 Minuten)
Instructor(s):
Christian Becker, Melanie Brinkschulte
Description:
This lecture covers basic principles of modern information systems. Such systems are characterized by their distributed nature. Thus we will discuss architectures of information systems as well as underlying concepts of computer communication and distributed systems.
 
The following topics will be covered in the lecture:
  • Introduction to Distributed Systems, and ComputerNetworks
    • Distributed Systems: Characteristics and Requirements
    • Communication models
    • Layered communication networks
    • Reference Models (ISO/OSI, TCP/IP)
    • Communication Services: connection-oriented/less
    • Socket API
  • Middleware
    • Distributed Shared Memory
    • Message Passing
    • Pub/Sub
    • Mobile Agents
    • Multimedia
    • RPC, RMI
  • Application Protocols
    • SMTP
    • FTP
    • HTTP+HTML
    • IIOP
  • Presentation Layer
    • Classification
    • Requirements
    • Approaches
    • ASN.1
    • XDR
    • XML
  • Synchronization (conditional if covered in Praktische Informatik II)
    • Processes and concurrency
    • Race Conditions
    • Critical Regions
    • Semaphores/Monitors
    • Deadlocks
  • Time and Global States
    • Physical clocks (Cristian’s algorithm, Logical clocks, Lamport’s algorithm)
    • Vector Clocks
    • Global States
    • Snapshot Algorithm
  • Replication
    • Passive Replication
    • Active Replication
  • Peer to Peer Architectures
    • Application examples
    • Achitectures (centralized, distributed, hybrid)
    • Gnutella
    • Chord
  • Network Security Basics
    • Security Goals, Threats, Attacks
    • Security Mechanisms
    • Threats in Communication Networks
    • Security Goals & Requirements
    • Network Security Analysis
    • Safeguards

Business Informatics (Master)

Algorithmics (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
3
Learning target:
Fachkompetenz:
Die Studierenden erlernen wichtige und anspruchsvolle Verfahren zur Lösung komplexer Probleme vorwiegend im Bereich der diskreten Optimierung und der Analyse der Verfahren.
Methodenkompetenz:
Anhand praktischer Probleme aus dem Bereich des  Operation Research erlernen sie wie man diese Probleme  abstrahiert und  mittels der erlernten Verfahren einer Lösung zuführt.
Personale Kompetenz:
Ihr analytisches, konzentriertes und präzises Denken wird  geschult. Durch die eigenständige Behandlung von Anwendungen z. B. aus dem Bereich Operations Research im Rahmen der Übungsaufgaben wird ihr Abstraktionsvermögen weiterentwickelt und der Transfer des erlernten Stoffes auf verwandte Fragestellungen gefördert. Durch die Auseinandersetzung mit der Thematik von P versus NP und der beispielhaften Behandlung von praktisch relevanten NP-vollständigen Problemen werden sie  sensibilisiert  für die Thematik der effizienten Lösbarkeit.
Recommended requirement:
Examination achievement:
Klausur, 90 Minuten
Instructor(s):
Matthias Krause
Description:
Aufbauend auf der Veranstaltung Algorithmen und Datenstrukturen werden fortgeschrittene Konzepte und Algorithmen unter Einbeziehung der Korrektheit und Kosten der Verfahren behandelt. Dabei stehen Fragestellungen, die einen Bezug zu wirtschaftswissenschaftlichen Anwendungen haben im Fokus. Besonderes Augenmerk liegt dabei auf der Abbildung von konkreten praktischen Problemen, auf den Konzepten und deren Lösung mittels der Algorithmen. Die Problematik der nicht effizient (P versus NP) berechenbaren Probleme wird diskutiert und Heuristiken für NP-vollständige Optimierungsprobleme behandelt. Behandelte Fragestellungen sind z. B.:
  • Netzwerke und Algorithmen auf Netzwerken, Max-flow, Min-cost,
  • Matching bipartit, non bipartit, gewichtete
  • Stabiles Heiratsproblem
  • Zuweisungsproblem
  • Touren in Graphen: Handelsreisender, Chinesischer Briefträger
  • SAT-Algorithmen
Applied Topology (Lecture)
EN
Lecture type:
Lecture
ECTS:
Course suitable for:
Language of instruction:
English
Instructor(s):
Daniel Roggenkamp
Data Mining (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of data mining. Methodological competence:
  • Successful participants will be able to identify opportunities for applying data mining in an enterprise environment, select and apply appropriate techniques, and interpret the results.
  • project organisation skills

Personal competence:

  • team work skills
  • presentation skills
Recommended requirement:
Examination achievement:
Written examination (90 minutes), project report, oral project presentation
Instructor(s):
Christian Bizer
Description:
The course provides an introduction to advanced data analysis techniques as a basis for analyzing business data and providing input for decision support systems. The course will cover the following topics:
  • Goals and Principles of Data Mining
  • Data Representation and Preprocessing
  • Clustering
  • Classification
  • Association Analysis
  • Text Mining
  • Systems and Applications (e. g. Retail, Finance, Web Analysis)
Data Mining II (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Expertise:
Students will acquire knowledge of advanced techniques and applications of data mining.
Methodological competence:
  • Successful participants will be able to address advanced issues in data mining projects, conduct complex projects and develop applications in the data mining field.
  • project organization skills

Personal competence:

  • presentation skills
  • team work skills
Recommended requirement:
Examination achievement:
written examination (90 minutes), written project report, oral project presentation
Instructor(s):
Heiko Paulheim
Description:
Data mining deals with the discovery of patterns in data, and with making predictions for the future, based on observations of the past. This course covers advanced issues in data mining which need to be addressed when applying data mining methods in real world projects, including:
  • Data Preprocessing
  • Regression and Forecasting
  • Dimensionality Reduction
  • Anomaly Detection
  • Time Series Analysis
  • Parameter Tuning
  • Ensemble Learning
  • Online Learning
Data Mining II (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Expertise:
Students will acquire knowledge of advanced techniques and applications of data mining.
Methodological competence:
  • Successful participants will be able to address advanced issues in data mining projects, conduct complex projects and develop applications in the data mining field.
  • project organization skills

Personal competence:

  • presentation skills
  • team work skills
Recommended requirement:
Examination achievement:
written examination (90 minutes), written project report, oral project presentation
Instructor(s):
Heiko Paulheim
Description:
Data mining deals with the discovery of patterns in data, and with making predictions for the future, based on observations of the past. This course covers advanced issues in data mining which need to be addressed when applying data mining methods in real world projects, including:
  • Data Preprocessing
  • Regression and Forecasting
  • Dimensionality Reduction
  • Anomaly Detection
  • Time Series Analysis
  • Parameter Tuning
  • Ensemble Learning
  • Online Learning
Data Mining II (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Expertise:
Students will acquire knowledge of advanced techniques and applications of data mining.
Methodological competence:
  • Successful participants will be able to address advanced issues in data mining projects, conduct complex projects and develop applications in the data mining field.
  • project organization skills

Personal competence:

  • presentation skills
  • team work skills
Recommended requirement:
Examination achievement:
written examination (90 minutes), written project report, oral project presentation
Description:
Data mining deals with the discovery of patterns in data, and with making predictions for the future, based on observations of the past. This course covers advanced issues in data mining which need to be addressed when applying data mining methods in real world projects, including:
  • Data Preprocessing
  • Regression and Forecasting
  • Dimensionality Reduction
  • Anomaly Detection
  • Time Series Analysis
  • Parameter Tuning
  • Ensemble Learning
  • Online Learning
Data Mining II (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Expertise:
Students will acquire knowledge of advanced techniques and applications of data mining.
Methodological competence:
  • Successful participants will be able to address advanced issues in data mining projects, conduct complex projects and develop applications in the data mining field.
  • project organization skills

Personal competence:

  • presentation skills
  • team work skills
Recommended requirement:
Examination achievement:
written examination (90 minutes), written project report, oral project presentation
Instructor(s):
Heiko Paulheim
Description:
Data mining deals with the discovery of patterns in data, and with making predictions for the future, based on observations of the past. This course covers advanced issues in data mining which need to be addressed when applying data mining methods in real world projects, including:
  • Data Preprocessing
  • Regression and Forecasting
  • Dimensionality Reduction
  • Anomaly Detection
  • Time Series Analysis
  • Parameter Tuning
  • Ensemble Learning
  • Online Learning
Data Security and Privacy (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Instructor(s):
Frederik Armknecht
Database Systems II (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Fachkompetenz:
  • Grundlegende Kenntnisse in verteilte relationale Datenbanken
  • objektorientierte Datenbanken
  • objektrelationale Datenbanken
  • deduktive Datenbanken
  • XML-Datenbanken
  • OLAP/OLTP
  • Leistungsbewertung

Methodenkompetenz:

  • Verständnis der alternativen Datenrepräsentationen, deren Vor- und Nachteile
  • Zielorientierter Einsatz der verschiedenen Datenrepräsentationen

Personale Kompetenz:

  • Verständnis der Rolle alternativer Datenmodelle für fundamentale betriebliche Informationssysteme
Recommended requirement:
Examination achievement:
schriftliche Klausur, 90 Minuten
Instructor(s):
Guido Moerkotte
Description:
Über das relationale Modell hinausgehende Themen (objektorientierte, objektrelationale Datenbanken, SQL/XML).
Database Technology (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Instructor(s):
Heiko Paulheim
Database Technology Klausurkommunikation (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Instructor(s):
Heiko Paulheim
Nachklausur Database Technology (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Instructor(s):
Heiko Paulheim
Higher Level Computer Vision (Lecture w/ Exercise)
EN
Lecture type:
Lecture w/ Exercise
ECTS:
6.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Hours per week:
4
Recommended requirement:
Literature:
R. Szeliski: Computer Vision Algorithms and Applications, Springer, 2010. ISBN: 978-1-84882-934-3. (Online available: http://szeliski.org/Book/)

I. Goodfellow et al.: Deep Learning, MIT Press, 2016. (Online: www.deeplearningbook.org)
Description:
Image Segmentation, Combinatorial optimization, Spectral Clustering, Optical Flow Video and Motion Segmentation, 3D Geometry, Structure from Motion, Deep Learning for Computer Vision
Information Retrieval and Web Search (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Expertise:
Students will acquire knowledge of fundamental techniques of Information Retrieval and Web Search, including standard retrieval models, evaluation of information retrieval systems, text classification and clustering, as well as web search topics such as crawling and link-based algorithms.
Methodological competence:
Successful participants will be able to understand state-of-the-art methods for Information Retrieval and Web search, as well as being able to select, apply and evaluate the most appropriate techniques for a variety of different search scenarios.
Personal competence:
  • presentation skills;
  • team work skills.
Recommended requirement:
Examination achievement:
Written examination (90 minutes), written project report, oral project presentation
Instructor(s):
Goran Glavas
Description:
Given the vastness and richness of the Web, users need high-performing, scalable and efficient methods to access its wealth of information and satisfy their information needs. As such, being able to search and effectively retrieve relevant pieces of information from large text collections is a crucial task for the majority (if practically not all) of Web applications. In this course we will explore a variety of basic and advanced techniques for text-based information retrieval and Web search. Covered topics will include:
 
  • Efficient text indexing;
  • Boolean and vector space retrieval models;
  • Evaluation of retrieval systems;
  • Probabilistic Information Retrieval;
  • Text classification and clustering;
  • Web search, crawling and link-based algorithms.

Coursework will include homework assignments, a term project and a final exam. Homework assignments are meant to introduce the students to the problems that will be covered in the final exam at the end of the course. In addition, students are expected to successfully complete a term project in teams of 2–4 people. The projects will focus on a variety of IR problems covered in class. Project deliverables include both software (i.e., code and documentation) and a short report explaining the work performed and its evaluation.
IT-Security (Seminar)
EN
Lecture type:
Seminar
ECTS:
4.0
Course suitable for:
Language of instruction:
English
MAA 501 Complex Analysis II (Lecture)
DE
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Language of instruction:
German
Hours per week:
4
Learning target:
Fachkompetenz:
Vertrautheit mit ausgewählten Kapiteln der Theorie komplexer Funktionen in einer Veränderlichen (MK1)
Methodenkompetenz:
Fähigkeit Konzepte der komplexen Analysis mit denen der Algebra zu verbinden (MO2)
Personale Kompetenz:
Vertieftes Verständnis für Argumentationen in der komplexen Analysis (MO3)
Recommended requirement:
Examination achievement:
mündliche Prüfung
Instructor(s):
Martin Schmidt
Description:
Eine Auswahl aus folgenden Themen:
Riemannsche Flächen und ihre Uniformisierung
Fundamentalgruppe und universelle Überlagerung
Garbentheorie auf Riemannschen Flächen
Modulformen
MAA 504 Partial Differential Equations (Lecture)
EN
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Hours per week:
4
Learning target:
Fachkompetenz:
Vertrautheit mit den Grundbegriffen partieller Differenzialgleichungen (MK1)
Vertrautheit mit Distributionen, Hölderräumen und Sobolevräumen (MK1)
Vertrautheit mit Sobolevungleichungen (MK1)
Verständnis des Konzepts der schwachen Lösung (MK1, MO2)
Verständnis des Randverhaltens von Lösungen (MK1, MO2)
Methodenkompetenz:
Fähigkeit die Existenz von Lösungen zu untersuchen (MO2)
Fähigkeit die Eindeutigkeit von Lösungen zu untersuchen (MO2)
Fähigkeit die Regularität von Lösungen zu untersuchen (MO2)
Personale Kompetenz:
Vertieftes Verständnis für komplexe Argumentationen in der elliptischen Theorie (MO3)
Recommended requirement:
Examination achievement:
mündliche Prüfung
Instructor(s):
Martin Schmidt
Description:
Elliptische Differenzialgleichungen
Funktionenräume
Randwertproblem, Dirichletproblem
Apriori Abschätzungen
MAB 503 Elliptic Curves (Lecture)
EN
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Hours per week:
4
Learning target:
Fachkompetenz:
Grundzüge der Theorie ebener algebraischer Kurven (MK1)
Elliptische Kurven als Gruppen (MK1)
Faktorisierung mit endlichen Gruppen, insbesondere mit elliptischen Kurven über endlichen Körpern (MK1, MO2)
Verschlüsselungsverfahren, elektronischen Unterschriften und Schlüsselaustausch mittels diskreter Logarithmen im Fall elliptischer Kurven (MK1, MK2, MF1, MF2, MO2)
Sicherheitsüberlegungen (MK2, MF1, MF2, MO2, MO3)
Methodenkompetenz:
Berechnung der Weierstraß'schen Normalform in beliebiger Charakteristik (MK1)
Rechnen in der Gruppe der rationalen Punkte einer elliptischen Kurve, insbesondere über endlichen Körpern (MK1)
Anwendung elliptischer Kurven auf Faktorisierungsprobleme (MK1, MO2)
Aufsetzen von Kryptosystemen auf der Basis elliptischer Kurven (MK2, MF1, MF2, MO2)
Wichtige Angriffsmöglichkeiten auf solche Systeme (MK2, MF1, MO3)
Personale Kompetenz:
Kenntnisse über elliptische Kurven, insbesondere über endlichen Körpern, fundiertes Verständnis für Möglichkeiten und Grenzen von deren Anwendungen in der Kryptologie (MK1, MK2, MF2, MO2, MO3)
Recommended requirement:
Examination achievement:
Mündliche Prüfung oder schriftliche Klausur
Description:
Ebene Kurven, Singularitäten und Schnittmultiplizitäten
Satz von Bezout
Gruppenstruktur elliptischer Kurven
Weierstraß'sche Normalformen
Wendepunktkonfiguration, n-Teilungspunkte und Tate-Modul
Faktorisierung ganzer Zahlen mit elliptischen Kurven
Kryptographie mit elliptischen Kurven
Weil- und Tatepaarung mit Anwendungen auf die Kryptanalyse
MAB 403 Computer Algebra (Lecture)
EN
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Language of instruction:
English
Hours per week:
4
Learning target:
Fachkompetenz:
• Kenntnis der jeweiligen Vor- und Nachteile von numerischem gegenüber symbolischem Rechnen (BF1, BF3, BO3)
• Einsatzmöglichkeiten modularer und p-adischer Methoden (BK1, BK3, BO3)
• Grundlegende Sätze über Polynomringe und ihre Ideale (BF1, BK1)
• Anwendung von Gröbnerbasen auf  die Reduktion nach einem Ideal (BF1, BK1)
Methodenkompetenz:
• Grundkenntnisse im Umgang mit einem Computeralgebrasystem  (BK3)
• Effiziente Anwendung des (erweiterten) Euklidischen Algorithmus auf algebraische Probleme (BK1, BK3, BO3)
• Faktorisierung von Polynomen (BK1, BK3, BO3)
• Lösungsverfahren für nichtlineare Gleichungssysteme (BK1, BK3, BO3)
• Berechnung von Gröbnerbasen nach Buchberger (BK1, BK3, BO3)
Personale Kompetenz:
• Fähigkeit zur Lösung mathematischer Probleme durch symbolisches Rechnen (BK3, BO3)
• Verständnis der Mathematik hinter den wichtigsten Algorithmen der Computeralgebra (BF1, BO3)
Recommended requirement:
Examination achievement:
Mündliche Prüfung oder schriftliche Klausur
Description:
• Exaktes, numerisches und symbolisches Rechnen
• Euklidischer Algorithmus für Zahlen und Polynome
• Resultanten und ihre Berechnung
• Modulare Berechnung des größten gemeinsamen Teilers zweier Polynome, Schranken für Teiler
• Faktorialität von Polynomringen
• Quadratfreie Zerlegung über Körpern beliebiger Charakteristik
• Faktorisierung von Polynomen einer oder mehrerer Veränderlicher nach Zassenhaus, Henselsches Lemma, LLL-Algorithmus
• Lösung nichtlinearer Gleichungssysteme mit Resultanten und mit Gröbnerbasen
MAC 501 Advanced Mathematical Finance (Lecture)
EN
Lecture type:
Lecture
ECTS:
Course suitable for:
Language of instruction:
English
Hours per week:
4
Instructor(s):
David Johannes Prömel
MAC 502 Computational Finance (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Instructor(s):
Peter Parczewski
MAC 507 Nonlinear Optimization (Lecture)
EN
Lecture type:
Lecture
ECTS:
Course suitable for:
Language of instruction:
English
Hours per week:
2
Instructor(s):
Claudia Schillings
MAC 510 Numerical Methods for Partial Differential Equation (Lecture)
DE
Lecture type:
Lecture
ECTS:
Course suitable for:
Language of instruction:
German
Hours per week:
4
Instructor(s):
Simone Göttlich
MAC 516 Probability Theory II – Stochastic Processes (Lecture)
DE
Lecture type:
Lecture
ECTS:
Course suitable for:
Language of instruction:
German
Instructor(s):
Leif Döring
MAC 516 Probability Theory II – Stochastic Processes (Lecture)
DE
Lecture type:
Lecture
ECTS:
Course suitable for:
Language of instruction:
German
Instructor(s):
Leif Döring
SEM 510 Diffusion Equations (Seminar)
EN
Lecture type:
Seminar
ECTS:
Course suitable for:
Language of instruction:
English
Hours per week:
2
Instructor(s):
Li Chen
Mathematical Optimization Research Seminar (Seminar)
EN
Lecture type:
Seminar
ECTS:
4.0
Course suitable for:
Language of instruction:
English
Instructor(s):
Claudia Schillings
MCMC / Bayes Statistics (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Query Optimization (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Fachkompetenz:
  • Verständnis der Grundlegenden Funktionsweisen alternativer Plangeneratoren,
  • detaillierte Kenntnisse physischer Planalternativen,
  • detaillierte Kostenanalysen

Methodenkompetenz:

  • Algorithmen und Komplexitäten der Plangenerierung,
  • Kostenrechnung anhand gegebener Statistiken

Personale Kompetenz:

  • Fundamentales Verständnis für die Probleme und Lösungen der traditionellen Anfragebearbeitung
Recommended requirement:
Examination achievement:
Mündliche Prüfung (30 Minuten)
Instructor(s):
Guido Moerkotte
Description:
Grundlagen der Anfrageoptimierung
Seminar Graph Theory (Seminar)
EN
Lecture type:
Seminar
ECTS:
4.0
Course suitable for:
Language of instruction:
English
Instructor(s):
Makiko Mase
Seminar Mathematical Optimization (Seminar)
EN
Lecture type:
Seminar
ECTS:
4.0
Course suitable for:
Language of instruction:
English
Instructor(s):
Claudia Schillings
Web Mining (Lecture w/ Exercise)
EN
Lecture type:
Lecture w/ Exercise
ECTS:
6.0
Course suitable for:
Language of instruction:
English
Hours per week:
2
Learning target:
Expertise:
Students will acquire knowledge of the techniques, opportunities and applications of Web mining. Methodological competence:
  • Successful participants will be able to identify opportunities for mining knowledge from Web content, select and apply appropriate techniques and interpret the results.
  • project organization skills

Personal competence:

  • presentation skills
  • team work skills
Recommended requirement:
Examination achievement:
written examination (90 minutes), written project report, oral project presentation
Description:
The textual content as well as the structured data which is accessible on the Web has an enormous potential for being mined to derive knowledge about nearly any aspect of human life. The course covers advanced data mining techniques for extracting knowledge from Web content as a basis for business decisions and applications. The course will cover the following topics:
  • Goals and Principles of Web Mining
  • Gathering and Preprocessing Web Data
  • Social Network Analysis
  • Opinion Mining and Sentiment Analysis
  • Web Usage Mining
  • Executing Large Scale Web Mining Tasks