Business Informatics and Mathematics (all)
Business Informatics (Bachelor)
Analysis for Business Informatics (Lecture)
DE
Lecture type:
Lecture
ECTS:
8.0
Course suitable for:
Bachelor
Language of instruction:
German
Hours per week:
4
Attendance:
Online, recorded
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):
Simone Göttlich
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
CS 560 Large-Scale Data Management (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Bachelor, Master
Language of instruction:
English
Hours per week:
4
Learning target:
Expertise:
Students will acquire knowledge about methods and systems for managing large datasets and data-intensive computing.
Students will acquire knowledge about methods and systems for managing large datasets and data-intensive computing.
Methodological competence:
• Be able to judge, select, and use traditional or non-traditional data management systems for a given data management task
• Be able to solve computational problems involving large datasets
Personal competence:
• Study independently
• Presentation and writing skills
Recommended requirement:
Examination achievement:
Written examination, exercises
90 minutes
90 minutes
Description:
This course introduces the fundamental concepts and computational paradigms of large-scale data management and Big Data. This includes methods for storing, updating, querying, and analyzing large dataset as well as for data-intensive computing. The course covers concept, algorithms, and system issues; accompanying exercises provide hands-on experience. Topics include:
• Parallel and distributed databases
• MapReduce and its ecosystem
• NoSQL
• Stream processing
• Graph databases
• Parallel and distributed databases
• MapReduce and its ecosystem
• NoSQL
• Stream processing
• Graph databases
Data Mining (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Bachelor, Master
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live & recorded
Registration procedure:
Please note that there is no second date for the exam.
Learning target:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of data mining. Methodological competence:
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:
Bachelor, Master
Language of instruction:
English
Attendance:
Online, live
Instructor(s):
Frederik Armknecht
Cryptographie I (Lecture w/
DE
Lecture type:
Lecture w/
ECTS:
6.0
Course suitable for:
Bachelor
Language of instruction:
German
Hours per week:
4
Attendance:
Online, live
Learning target:
Fachkompetenz:
Nach Abschluss des Moduls sind die Studierenden befähigt, die größten Risiken im elektronischen Datenverkehr, wie sie bspw. beim Online-Banking oder Einkauf über Online-Händler wie Amazon auftreten können, zu erkennen und zu vermeiden.
Methodenkompetenz:
Die Studierenden können in konkreten Anwendungsfällen notwendige Sicherheitsziele erkennen und passende Methoden auswählen und einsetzen. Beispiele sind Verfahren zur Geheimhaltung von Daten (Verschlüsselungen), den Aufbau einer vertrauenswürdigen Verbindung (Schlüsselaustausch) und der sicheren Authentifikation (Zertifikate und digitale Signaturen).
Personale Kompetenz:
Das analytische, konzentrierte und präzise Denken der Studierenden wird geschult. Durch die eigenständige Behandlung von Anwendun-gen, z.B. im Rahmen der Übungsaufgaben, wird ihr Abstraktionsver-mögen weiterentwickelt und der Transfer des erlernten Stoffes auf verwandte Fragestellungen gefördert.
Nach Abschluss des Moduls sind die Studierenden befähigt, die größten Risiken im elektronischen Datenverkehr, wie sie bspw. beim Online-Banking oder Einkauf über Online-Händler wie Amazon auftreten können, zu erkennen und zu vermeiden.
Methodenkompetenz:
Die Studierenden können in konkreten Anwendungsfällen notwendige Sicherheitsziele erkennen und passende Methoden auswählen und einsetzen. Beispiele sind Verfahren zur Geheimhaltung von Daten (Verschlüsselungen), den Aufbau einer vertrauenswürdigen Verbindung (Schlüsselaustausch) und der sicheren Authentifikation (Zertifikate und digitale Signaturen).
Personale Kompetenz:
Das analytische, konzentrierte und präzise Denken der Studierenden wird geschult. Durch die eigenständige Behandlung von Anwendun-gen, z.B. im Rahmen der Übungsaufgaben, wird ihr Abstraktionsver-mögen weiterentwickelt und der Transfer des erlernten Stoffes auf verwandte Fragestellungen gefördert.
Recommended requirement:
Examination achievement:
Schriftliche (90 Minuten) oder mündliche Prüfung (30 Minuten)
Instructor(s):
Alexander Moch
Description:
In der Vorlesung erfolgt eine Einführung in die moderne Kryptographie, d.h. in die Theorie und der Praxis der Absicherung von digitalen Daten. Neben der Bereitstellung der für das Verständnis des Stoffs nötigen mathematischen, algorithmischen und informationstheoretischen Grundlagen werden vor allem die grundlegenden Konzepte und mehrere in der Praxis eingesetzte Verfahren vorgestellt.
Behandelt Themen sind beispielsweise:
Behandelt Themen sind beispielsweise:
- Grundbegriffe der Kryptographie
- Blockchiffren, z.B. Data Encryption Standard (DES) und Advanced Encryption Standard (AES), und Stromchiffren
- Verfahren zum sicheren Schlüsselaustausch, bspw. das Diffie-Hellman Protokoll
- Public-Key Verschlüsselungsverfahren, bspw. RSA
- Hashfunktionen
- Message Authentication Codes
Software Engineering Practical (Lecture)
EN
Lecture type:
Lecture
ECTS:
5.0
Course suitable for:
Bachelor
Language of instruction:
English
Hours per week:
4
Attendance:
Online, live & recorded
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.
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:
Exam: Virtual presentation
Instructor(s):
Arne Lange
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
Praktische Informatik II (Lecture)
DE
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Bachelor, Master
Language of instruction:
German
Hours per week:
4
Attendance:
Online, live & recorded
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.
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)
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
1. Rechnerarchitektur
2. Betriebssysteme
3. Compilerbau
4. Java Virtual Machine
Programming Lab II (Lecture)
DE
Lecture type:
Lecture
ECTS:
5.0
Course suitable for:
Bachelor
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:
Darüber hinaus werden Werkzeuge für die Team-orientierte Entwicklung größerer Programmpakete vorgestellt. Dazu gehört insbesondere die Entwicklungsumgebung Eclipse.
- 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/
EN
Lecture type:
Lecture w/
ECTS:
6.0
Course suitable for:
Bachelor
Language of instruction:
English
Hours per week:
4
Attendance:
Online, live
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, Christian Müller
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:
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:
Bachelor
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live & recorded
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.
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:
Exam: Live Online
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:
Bachelor
Language of instruction:
German
Hours per week:
3
Attendance:
Online, live & recorded
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.
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, Alexander Moch
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:
Bachelor, Master
Language of instruction:
German
Hours per week:
2
Attendance:
On-campus and online, live
Learning target:
Fachkompetenz:
Methodenkompetenz:
Personale Kompetenz:
- 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)
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.
Business Informatics IV (Lecture)
DE
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Bachelor
Language of instruction:
German
Hours per week:
2
Attendance:
Online, live & recorded
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.
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)
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:
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:
Master
Language of instruction:
English
Hours per week:
3
Attendance:
Online, live & recorded
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.
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, Alexander Moch
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
CS 560 Large-Scale Data Management (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Bachelor, Master
Language of instruction:
English
Hours per week:
4
Learning target:
Expertise:
Students will acquire knowledge about methods and systems for managing large datasets and data-intensive computing.
Students will acquire knowledge about methods and systems for managing large datasets and data-intensive computing.
Methodological competence:
• Be able to judge, select, and use traditional or non-traditional data management systems for a given data management task
• Be able to solve computational problems involving large datasets
Personal competence:
• Study independently
• Presentation and writing skills
Recommended requirement:
Examination achievement:
Written examination, exercises
90 minutes
90 minutes
Description:
This course introduces the fundamental concepts and computational paradigms of large-scale data management and Big Data. This includes methods for storing, updating, querying, and analyzing large dataset as well as for data-intensive computing. The course covers concept, algorithms, and system issues; accompanying exercises provide hands-on experience. Topics include:
• Parallel and distributed databases
• MapReduce and its ecosystem
• NoSQL
• Stream processing
• Graph databases
• Parallel and distributed databases
• MapReduce and its ecosystem
• NoSQL
• Stream processing
• Graph databases
Data Mining (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Bachelor, Master
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live & recorded
Registration procedure:
Please note that there is no second date for the exam.
Learning target:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of data mining. Methodological competence:
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:
Master
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live
Learning target:
Expertise:
Students will acquire knowledge of advanced techniques and applications of data mining.
Methodological competence:
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:
Bachelor, Master
Language of instruction:
English
Attendance:
Online, live
Instructor(s):
Frederik Armknecht
Database Systems II (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Master
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/
Database Technology (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Master
Language of instruction:
English
Instructor(s):
Heiko Paulheim
Higher Level Computer Vision (Lecture w/
EN
Lecture type:
Lecture w/
ECTS:
6.0 (Modul/e)
Course suitable for:
Master
Language of instruction:
English
Information Retrieval and Web Search (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Master
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:
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
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:
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.
- 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.
Multimodal Content Analysis for Media and Communication Science (Seminar)
EN
Lecture type:
Seminar
ECTS:
4.0
Course suitable for:
Master
Language of instruction:
English
Learning target:
Expertise:
The student gains a deep understanding of the research topic. He/
Methodological competence:
The student is able to find the relevant literature for his/
Personal qualification:
The student has learned how to find relevant literature for a research topic, write a well-structured, concise paper about it and give a presentation. He/
The student gains a deep understanding of the research topic. He/
Methodological competence:
The student is able to find the relevant literature for his/
Personal qualification:
The student has learned how to find relevant literature for a research topic, write a well-structured, concise paper about it and give a presentation. He/
Recommended requirement:
Examination achievement:
Seminar paper, oral presentation and the participation in the group discussions
Instructor(s):
Heiner Stuckenschmidt
Description:
Media and communication sciences deal with processes of human communication, from face-to-face conversation to mass media outlets such as television broadcasting. Communication studies also examines how messages are interpreted through the political, cultural, economic and social dimensions of their contexts. Analyzing media content is an important research method in this context.
In the course of this seminar, participants will learn basic methods and techniques for carrying out analyses of media in different modalities (text, still images, video, audio) as a basis for answering research questions in media and communication science and investigate inhowfar these methods can be automated using state of the art techniques from Artificial Intelligence, in particular image and video processing and natural language understanding.
In the course of this seminar, participants will learn basic methods and techniques for carrying out analyses of media in different modalities (text, still images, video, audio) as a basis for answering research questions in media and communication science and investigate inhowfar these methods can be automated using state of the art techniques from Artificial Intelligence, in particular image and video processing and natural language understanding.
Query Optimization (Lecture)
DE
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Master
Language of instruction:
German
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 Computer Vision (Seminar)
EN
Lecture type:
Seminar
ECTS:
4.0
Course suitable for:
Master
Language of instruction:
English
Attendance:
Online, live
Web Mining (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Master
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:
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
Instructor(s):
Simone Paolo Ponzetto
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:
Bachelor
Language of instruction:
German
Hours per week:
4
Attendance:
Online, recorded
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):
Simone Göttlich
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
CS 560 Large-Scale Data Management (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Bachelor, Master
Language of instruction:
English
Hours per week:
4
Learning target:
Expertise:
Students will acquire knowledge about methods and systems for managing large datasets and data-intensive computing.
Students will acquire knowledge about methods and systems for managing large datasets and data-intensive computing.
Methodological competence:
• Be able to judge, select, and use traditional or non-traditional data management systems for a given data management task
• Be able to solve computational problems involving large datasets
Personal competence:
• Study independently
• Presentation and writing skills
Recommended requirement:
Examination achievement:
Written examination, exercises
90 minutes
90 minutes
Description:
This course introduces the fundamental concepts and computational paradigms of large-scale data management and Big Data. This includes methods for storing, updating, querying, and analyzing large dataset as well as for data-intensive computing. The course covers concept, algorithms, and system issues; accompanying exercises provide hands-on experience. Topics include:
• Parallel and distributed databases
• MapReduce and its ecosystem
• NoSQL
• Stream processing
• Graph databases
• Parallel and distributed databases
• MapReduce and its ecosystem
• NoSQL
• Stream processing
• Graph databases
Data Mining (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Bachelor, Master
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live & recorded
Registration procedure:
Please note that there is no second date for the exam.
Learning target:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of data mining. Methodological competence:
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:
Bachelor, Master
Language of instruction:
English
Attendance:
Online, live
Instructor(s):
Frederik Armknecht
Dynamische Systeme und Stabilität (Lecture)
DE
Lecture type:
Lecture
ECTS:
Course suitable for:
Bachelor
Language of instruction:
German
Attendance:
Online, recorded
Instructor(s):
Li Chen
Cryptographie I (Lecture w/
DE
Lecture type:
Lecture w/
ECTS:
6.0
Course suitable for:
Bachelor
Language of instruction:
German
Hours per week:
4
Attendance:
Online, live
Learning target:
Fachkompetenz:
Nach Abschluss des Moduls sind die Studierenden befähigt, die größten Risiken im elektronischen Datenverkehr, wie sie bspw. beim Online-Banking oder Einkauf über Online-Händler wie Amazon auftreten können, zu erkennen und zu vermeiden.
Methodenkompetenz:
Die Studierenden können in konkreten Anwendungsfällen notwendige Sicherheitsziele erkennen und passende Methoden auswählen und einsetzen. Beispiele sind Verfahren zur Geheimhaltung von Daten (Verschlüsselungen), den Aufbau einer vertrauenswürdigen Verbindung (Schlüsselaustausch) und der sicheren Authentifikation (Zertifikate und digitale Signaturen).
Personale Kompetenz:
Das analytische, konzentrierte und präzise Denken der Studierenden wird geschult. Durch die eigenständige Behandlung von Anwendun-gen, z.B. im Rahmen der Übungsaufgaben, wird ihr Abstraktionsver-mögen weiterentwickelt und der Transfer des erlernten Stoffes auf verwandte Fragestellungen gefördert.
Nach Abschluss des Moduls sind die Studierenden befähigt, die größten Risiken im elektronischen Datenverkehr, wie sie bspw. beim Online-Banking oder Einkauf über Online-Händler wie Amazon auftreten können, zu erkennen und zu vermeiden.
Methodenkompetenz:
Die Studierenden können in konkreten Anwendungsfällen notwendige Sicherheitsziele erkennen und passende Methoden auswählen und einsetzen. Beispiele sind Verfahren zur Geheimhaltung von Daten (Verschlüsselungen), den Aufbau einer vertrauenswürdigen Verbindung (Schlüsselaustausch) und der sicheren Authentifikation (Zertifikate und digitale Signaturen).
Personale Kompetenz:
Das analytische, konzentrierte und präzise Denken der Studierenden wird geschult. Durch die eigenständige Behandlung von Anwendun-gen, z.B. im Rahmen der Übungsaufgaben, wird ihr Abstraktionsver-mögen weiterentwickelt und der Transfer des erlernten Stoffes auf verwandte Fragestellungen gefördert.
Recommended requirement:
Examination achievement:
Schriftliche (90 Minuten) oder mündliche Prüfung (30 Minuten)
Instructor(s):
Alexander Moch
Description:
In der Vorlesung erfolgt eine Einführung in die moderne Kryptographie, d.h. in die Theorie und der Praxis der Absicherung von digitalen Daten. Neben der Bereitstellung der für das Verständnis des Stoffs nötigen mathematischen, algorithmischen und informationstheoretischen Grundlagen werden vor allem die grundlegenden Konzepte und mehrere in der Praxis eingesetzte Verfahren vorgestellt.
Behandelt Themen sind beispielsweise:
Behandelt Themen sind beispielsweise:
- Grundbegriffe der Kryptographie
- Blockchiffren, z.B. Data Encryption Standard (DES) und Advanced Encryption Standard (AES), und Stromchiffren
- Verfahren zum sicheren Schlüsselaustausch, bspw. das Diffie-Hellman Protokoll
- Public-Key Verschlüsselungsverfahren, bspw. RSA
- Hashfunktionen
- Message Authentication Codes
MAA 403 Dynamical Systems (Lecture)
DE
Lecture type:
Lecture
ECTS:
5.0
Course suitable for:
Bachelor
Language of instruction:
German
Hours per week:
4
Attendance:
Online, recorded
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)
• 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
• Existenz und Eindeutigkeit
• hyperbolische Flüsse
• Stabilitätsanalyse
MAA 401 Analysis III (Lecture)
DE
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Bachelor
Language of instruction:
German
Hours per week:
4
Attendance:
Online, recorded
Learning target:
Fachkompetenz:
• Karte und Atlas (BK1, BF1)
• Tangentialraum (BK1)
• Integralkurven von Vektorfeldern (BK1)
• Tensoren (BK1)
• Äußeres Produkt und äußere Ableitung von Differenzialformen (BK1, BO2)
• Der Satz von Stokes (BK1)
Methodenkompetenz:
• Verstehen des Transformationsverhaltens unter Kartenwechsel (BF1)
• Rechnen mit Tensoren (BF1)
• Bestimmung von Integralkurven (BF1, BF2)
• Hantieren mit Differenzialformen (BF1)
Personale Kompetenz:
• Teamarbeit (BO1, BF4)
• Karte und Atlas (BK1, BF1)
• Tangentialraum (BK1)
• Integralkurven von Vektorfeldern (BK1)
• Tensoren (BK1)
• Äußeres Produkt und äußere Ableitung von Differenzialformen (BK1, BO2)
• Der Satz von Stokes (BK1)
Methodenkompetenz:
• Verstehen des Transformationsverhaltens unter Kartenwechsel (BF1)
• Rechnen mit Tensoren (BF1)
• Bestimmung von Integralkurven (BF1, BF2)
• Hantieren mit Differenzialformen (BF1)
Personale Kompetenz:
• Teamarbeit (BO1, BF4)
Recommended requirement:
Examination achievement:
Mündliche Prüfung oder schriftliche Klausur
Instructor(s):
Martin Schmidt
Description:
• Differenzierbare Mannigfaltigkeit
• Vektorfelder
• gewöhnliche Differenzialgleichungen
• Differenzialformen
• Vektorfelder
• gewöhnliche Differenzialgleichungen
• Differenzialformen
MAB 406 Linear Algebra II / B (Lecture)
DE
Lecture type:
Lecture
ECTS:
5.0 (Modul/e)
Course suitable for:
Bachelor, Master
Language of instruction:
German
Hours per week:
2
Attendance:
Online, recorded
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).
• 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
Description:
• Algebra und Geometrie der Sesquilinearformen und Bilinearformen
• Spektralsätze
• Spektralsätze
MAB 407 Number Theory (Lecture)
DE
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Bachelor
Language of instruction:
German
Hours per week:
4
Attendance:
Online, recorded
Learning target:
Fachkompetenz:
• Grundbegriffe der elementaren Zahlentheorie (BF1, BK1)
• Algorithmische Verfahren (BK2, BO3)
• Zahlentheoretische Grundlagen der Kryptographie mit öffentlichen Schlüsseln sowie einiger kryptographischer Protokolle (BK3, BO3)
• Einfache Grundbegriffe der algebraischen Zahlentheorie für quadratische Zahlkörper (BF1, BK1)
• Deren Anwendung auf die Darstellung natürlicher Zahlen als Summen von Quadraten und die Berechnung (BF1, BK1)
Methodenkompetenz:
• Lösung einfacher linearer und quadratischer diophantischer Gleichungen (BF2, BK3)
• Bestimmung großer Primzahlen und Faktorisierung großer Zahlen (BF2, BK3, BO3)
• Approximation reeller Zahlen durch Kettenbrüche mit Anwendungen auf Kalenderberechnungen und Kryptologie (BF1, BF3, BO2)
• Anwendung des quadratischen Reziprozitätsgesetzes (BF1)
Personale Kompetenz:
• Algebraische Zahlentheorie und einige ihrer Anwendungen (BO2, BO3, BF2)
• Grundbegriffe der elementaren Zahlentheorie (BF1, BK1)
• Algorithmische Verfahren (BK2, BO3)
• Zahlentheoretische Grundlagen der Kryptographie mit öffentlichen Schlüsseln sowie einiger kryptographischer Protokolle (BK3, BO3)
• Einfache Grundbegriffe der algebraischen Zahlentheorie für quadratische Zahlkörper (BF1, BK1)
• Deren Anwendung auf die Darstellung natürlicher Zahlen als Summen von Quadraten und die Berechnung (BF1, BK1)
Methodenkompetenz:
• Lösung einfacher linearer und quadratischer diophantischer Gleichungen (BF2, BK3)
• Bestimmung großer Primzahlen und Faktorisierung großer Zahlen (BF2, BK3, BO3)
• Approximation reeller Zahlen durch Kettenbrüche mit Anwendungen auf Kalenderberechnungen und Kryptologie (BF1, BF3, BO2)
• Anwendung des quadratischen Reziprozitätsgesetzes (BF1)
Personale Kompetenz:
• Algebraische Zahlentheorie und einige ihrer Anwendungen (BO2, BO3, BF2)
Recommended requirement:
Examination achievement:
Mündliche Prüfung oder schriftliche Klausur
Instructor(s):
Thomas Reichelt
Description:
• Multiplikative Struktur der ganzen Zahlen, Modulorechnung mit Anwendungen in der Kryptographie
• Primzahlverteilung und Primzahltest
• Algorithmen zur Faktorisierung ganzer Zahlen
• Kettenbrüche und ihre Anwendungen
• Quadratische Zahlkörper, quadratische Formen und quadratische Reste, Berechnung der modularen Quadratwurzel
• Fermat-Vermutung für Zahlen und Polynome
• Primzahlverteilung und Primzahltest
• Algorithmen zur Faktorisierung ganzer Zahlen
• Kettenbrüche und ihre Anwendungen
• Quadratische Zahlkörper, quadratische Formen und quadratische Reste, Berechnung der modularen Quadratwurzel
• Fermat-Vermutung für Zahlen und Polynome
MAB 504 Mathematics and Information (Lecture)
EN
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Bachelor, Master
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live
Learning target:
Fachkompetenz:
Quantisierung von Information und inhaltliche Interpretation der entsprechenden Maße (MK1, MO2)
Verständnis für Möglichkeiten und Grenzen log-optimaler Anlagestrategien (MK2, MF1, MF2)
Verständnis für die Rolle der Linearen Algebra in der Informationssuche und der Klassifikation von Information (MK1, MK2, MF1, MF2)
Methodenkompetenz:
Umgang mit gängigen Informationsmaßen (MF2)
Datenkompression mit Huffman-Bäumen und mit Transformationen (MO2)
Berechnung log-optimaler und universeller Portfolios (MK2, MF1, MF2)
Berechnung von PageRank und verwandten Rängen (MK1, MK2, MF1, MF2)
Latente semantische Analyse via Singulärwertzerlegung (MK2, MF2)
Personale Kompetenz:
Fähigkeit, intuitiv gegebene Begriffe wie Information, optimale sichere Anlagestrategie, Wichtigkeit oder Ähnlichkeit von Dokumenten und Webseiten durch verschiedene Ansätze mathematisch zu modellieren und die Vor- und Nachteile der verschiedenen Möglichkeiten abzuschätzen (MK2, MF2, MO2, MO4)
Quantisierung von Information und inhaltliche Interpretation der entsprechenden Maße (MK1, MO2)
Verständnis für Möglichkeiten und Grenzen log-optimaler Anlagestrategien (MK2, MF1, MF2)
Verständnis für die Rolle der Linearen Algebra in der Informationssuche und der Klassifikation von Information (MK1, MK2, MF1, MF2)
Methodenkompetenz:
Umgang mit gängigen Informationsmaßen (MF2)
Datenkompression mit Huffman-Bäumen und mit Transformationen (MO2)
Berechnung log-optimaler und universeller Portfolios (MK2, MF1, MF2)
Berechnung von PageRank und verwandten Rängen (MK1, MK2, MF1, MF2)
Latente semantische Analyse via Singulärwertzerlegung (MK2, MF2)
Personale Kompetenz:
Fähigkeit, intuitiv gegebene Begriffe wie Information, optimale sichere Anlagestrategie, Wichtigkeit oder Ähnlichkeit von Dokumenten und Webseiten durch verschiedene Ansätze mathematisch zu modellieren und die Vor- und Nachteile der verschiedenen Möglichkeiten abzuschätzen (MK2, MF2, MO2, MO4)
Recommended requirement:
Examination achievement:
Mündliche Prüfung oder schriftliche Klausur
Instructor(s):
Wolfgang Seiler
Description:
Shannons Entropie und abgeleitete Informationsmaße
Entropie und Datenkompression
Die Wettstrategie von Kelly
Log-optimale Portfolios
Universelle Portfolios
Vektorraummethoden in der Informationssuche
Matrixzerlegungen und latente semantische Analyse
PageRank und verwandte Verfahren
Entropie und Datenkompression
Die Wettstrategie von Kelly
Log-optimale Portfolios
Universelle Portfolios
Vektorraummethoden in der Informationssuche
Matrixzerlegungen und latente semantische Analyse
PageRank und verwandte Verfahren
MAB 504 Mathematics and Information (Lecture)
EN
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Bachelor, Master
Language of instruction:
English
Hours per week:
4
Learning target:
Fachkompetenz:
Quantisierung von Information und inhaltliche Interpretation der entsprechenden Maße (MK1, MO2)
Verständnis für Möglichkeiten und Grenzen log-optimaler Anlagestrategien (MK2, MF1, MF2)
Verständnis für die Rolle der Linearen Algebra in der Informationssuche und der Klassifikation von Information (MK1, MK2, MF1, MF2)
Methodenkompetenz:
Umgang mit gängigen Informationsmaßen (MF2)
Datenkompression mit Huffman-Bäumen und mit Transformationen (MO2)
Berechnung log-optimaler und universeller Portfolios (MK2, MF1, MF2)
Berechnung von PageRank und verwandten Rängen (MK1, MK2, MF1, MF2)
Latente semantische Analyse via Singulärwertzerlegung (MK2, MF2)
Personale Kompetenz:
Fähigkeit, intuitiv gegebene Begriffe wie Information, optimale sichere Anlagestrategie, Wichtigkeit oder Ähnlichkeit von Dokumenten und Webseiten durch verschiedene Ansätze mathematisch zu modellieren und die Vor- und Nachteile der verschiedenen Möglichkeiten abzuschätzen (MK2, MF2, MO2, MO4)
Quantisierung von Information und inhaltliche Interpretation der entsprechenden Maße (MK1, MO2)
Verständnis für Möglichkeiten und Grenzen log-optimaler Anlagestrategien (MK2, MF1, MF2)
Verständnis für die Rolle der Linearen Algebra in der Informationssuche und der Klassifikation von Information (MK1, MK2, MF1, MF2)
Methodenkompetenz:
Umgang mit gängigen Informationsmaßen (MF2)
Datenkompression mit Huffman-Bäumen und mit Transformationen (MO2)
Berechnung log-optimaler und universeller Portfolios (MK2, MF1, MF2)
Berechnung von PageRank und verwandten Rängen (MK1, MK2, MF1, MF2)
Latente semantische Analyse via Singulärwertzerlegung (MK2, MF2)
Personale Kompetenz:
Fähigkeit, intuitiv gegebene Begriffe wie Information, optimale sichere Anlagestrategie, Wichtigkeit oder Ähnlichkeit von Dokumenten und Webseiten durch verschiedene Ansätze mathematisch zu modellieren und die Vor- und Nachteile der verschiedenen Möglichkeiten abzuschätzen (MK2, MF2, MO2, MO4)
Recommended requirement:
Examination achievement:
Mündliche Prüfung oder schriftliche Klausur
Description:
Shannons Entropie und abgeleitete Informationsmaße
Entropie und Datenkompression
Die Wettstrategie von Kelly
Log-optimale Portfolios
Universelle Portfolios
Vektorraummethoden in der Informationssuche
Matrixzerlegungen und latente semantische Analyse
PageRank und verwandte Verfahren
Entropie und Datenkompression
Die Wettstrategie von Kelly
Log-optimale Portfolios
Universelle Portfolios
Vektorraummethoden in der Informationssuche
Matrixzerlegungen und latente semantische Analyse
PageRank und verwandte Verfahren
MAC 405 Stochastic Simulation (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Bachelor, Master
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live & recorded
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)
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):
Peter Parczewski
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
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:
Bachelor, Master
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)
• 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
• normierte Vektorräume
• Funktionen mehrerer Variabler
• Funktionale
MAT 302 Analysis II (Lecture)
DE
Lecture type:
Lecture
ECTS:
10.0 (Modul/e)
Course suitable for:
Bachelor, Master
Language of instruction:
German
Hours per week:
4
Attendance:
On-campus and online, live
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)
• 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
Description:
• metrische Räume
• normierte Vektorräume
• Funktionen mehrerer Variabler
• Funktionale
• 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:
Bachelor
Language of instruction:
German
Hours per week:
2
Attendance:
Online, recorded
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).
• 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
Description:
• Euklidische Vektorräume, Normalformen von Endomorphismen oder andere Ergänzungen zur Linearen Algebra I
Optimal Control of ODEs and DAEs (Lecture)
EN
Lecture type:
Lecture
ECTS:
Course suitable for:
Bachelor, Master
Language of instruction:
English
Software Engineering Practical (Lecture)
EN
Lecture type:
Lecture
ECTS:
5.0
Course suitable for:
Bachelor
Language of instruction:
English
Hours per week:
4
Attendance:
Online, live & recorded
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.
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:
Exam: Virtual presentation
Instructor(s):
Arne Lange
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
Praktische Informatik II (Lecture)
DE
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Bachelor, Master
Language of instruction:
German
Hours per week:
4
Attendance:
Online, live & recorded
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.
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)
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
1. Rechnerarchitektur
2. Betriebssysteme
3. Compilerbau
4. Java Virtual Machine
Programming Lab II (Lecture)
DE
Lecture type:
Lecture
ECTS:
5.0
Course suitable for:
Bachelor
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:
Darüber hinaus werden Werkzeuge für die Team-orientierte Entwicklung größerer Programmpakete vorgestellt. Dazu gehört insbesondere die Entwicklungsumgebung Eclipse.
- 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/
EN
Lecture type:
Lecture w/
ECTS:
6.0
Course suitable for:
Bachelor
Language of instruction:
English
Hours per week:
4
Attendance:
Online, live
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, Christian Müller
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:
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:
Bachelor
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live & recorded
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.
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:
Exam: Live Online
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:
Bachelor
Language of instruction:
German
Instructor(s):
Martin Schlather
Theoretical Computer Science (Lecture)
DE
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Bachelor
Language of instruction:
German
Hours per week:
3
Attendance:
Online, live & recorded
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.
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, Alexander Moch
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:
Bachelor, Master
Language of instruction:
German
Hours per week:
2
Attendance:
On-campus and online, live
Learning target:
Fachkompetenz:
Methodenkompetenz:
Personale Kompetenz:
- 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)
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.
Business Informatics IV (Lecture)
DE
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Bachelor
Language of instruction:
German
Hours per week:
2
Attendance:
Online, live & recorded
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.
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)
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:
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)
Advanced Process Mining (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Master
Language of instruction:
English
Attendance:
Online, live & recorded
Instructor(s):
van der Johannes Hendrikus Aa, Adrian Rebmann, Alexander Kraus
Algorithmics (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Master
Language of instruction:
English
Hours per week:
3
Attendance:
Online, live & recorded
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.
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, Alexander Moch
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
CS 560 Large-Scale Data Management (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Bachelor, Master
Language of instruction:
English
Hours per week:
4
Learning target:
Expertise:
Students will acquire knowledge about methods and systems for managing large datasets and data-intensive computing.
Students will acquire knowledge about methods and systems for managing large datasets and data-intensive computing.
Methodological competence:
• Be able to judge, select, and use traditional or non-traditional data management systems for a given data management task
• Be able to solve computational problems involving large datasets
Personal competence:
• Study independently
• Presentation and writing skills
Recommended requirement:
Examination achievement:
Written examination, exercises
90 minutes
90 minutes
Description:
This course introduces the fundamental concepts and computational paradigms of large-scale data management and Big Data. This includes methods for storing, updating, querying, and analyzing large dataset as well as for data-intensive computing. The course covers concept, algorithms, and system issues; accompanying exercises provide hands-on experience. Topics include:
• Parallel and distributed databases
• MapReduce and its ecosystem
• NoSQL
• Stream processing
• Graph databases
• Parallel and distributed databases
• MapReduce and its ecosystem
• NoSQL
• Stream processing
• Graph databases
Data Mining (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Bachelor, Master
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live & recorded
Registration procedure:
Please note that there is no second date for the exam.
Learning target:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of data mining. Methodological competence:
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:
Master
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live
Learning target:
Expertise:
Students will acquire knowledge of advanced techniques and applications of data mining.
Methodological competence:
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:
Bachelor, Master
Language of instruction:
English
Attendance:
Online, live
Instructor(s):
Frederik Armknecht
Database Systems II (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Master
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/
Database Technology (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Master
Language of instruction:
English
Instructor(s):
Heiko Paulheim
Higher Level Computer Vision (Lecture w/
EN
Lecture type:
Lecture w/
ECTS:
6.0 (Modul/e)
Course suitable for:
Master
Language of instruction:
English
Information Retrieval and Web Search (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Master
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:
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
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:
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.
- 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.
MAA 504 Partial Differential Equations (Lecture)
EN
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Master
Language of instruction:
English
Hours per week:
4
Attendance:
Online, recorded
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)
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):
Li Chen
Description:
Elliptische Differenzialgleichungen
Funktionenräume
Randwertproblem, Dirichletproblem
Apriori Abschätzungen
Funktionenräume
Randwertproblem, Dirichletproblem
Apriori Abschätzungen
MAB 504 Mathematics and Information (Lecture)
EN
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Bachelor, Master
Language of instruction:
English
Hours per week:
2
Attendance:
Online, live
Learning target:
Fachkompetenz:
Quantisierung von Information und inhaltliche Interpretation der entsprechenden Maße (MK1, MO2)
Verständnis für Möglichkeiten und Grenzen log-optimaler Anlagestrategien (MK2, MF1, MF2)
Verständnis für die Rolle der Linearen Algebra in der Informationssuche und der Klassifikation von Information (MK1, MK2, MF1, MF2)
Methodenkompetenz:
Umgang mit gängigen Informationsmaßen (MF2)
Datenkompression mit Huffman-Bäumen und mit Transformationen (MO2)
Berechnung log-optimaler und universeller Portfolios (MK2, MF1, MF2)
Berechnung von PageRank und verwandten Rängen (MK1, MK2, MF1, MF2)
Latente semantische Analyse via Singulärwertzerlegung (MK2, MF2)
Personale Kompetenz:
Fähigkeit, intuitiv gegebene Begriffe wie Information, optimale sichere Anlagestrategie, Wichtigkeit oder Ähnlichkeit von Dokumenten und Webseiten durch verschiedene Ansätze mathematisch zu modellieren und die Vor- und Nachteile der verschiedenen Möglichkeiten abzuschätzen (MK2, MF2, MO2, MO4)
Quantisierung von Information und inhaltliche Interpretation der entsprechenden Maße (MK1, MO2)
Verständnis für Möglichkeiten und Grenzen log-optimaler Anlagestrategien (MK2, MF1, MF2)
Verständnis für die Rolle der Linearen Algebra in der Informationssuche und der Klassifikation von Information (MK1, MK2, MF1, MF2)
Methodenkompetenz:
Umgang mit gängigen Informationsmaßen (MF2)
Datenkompression mit Huffman-Bäumen und mit Transformationen (MO2)
Berechnung log-optimaler und universeller Portfolios (MK2, MF1, MF2)
Berechnung von PageRank und verwandten Rängen (MK1, MK2, MF1, MF2)
Latente semantische Analyse via Singulärwertzerlegung (MK2, MF2)
Personale Kompetenz:
Fähigkeit, intuitiv gegebene Begriffe wie Information, optimale sichere Anlagestrategie, Wichtigkeit oder Ähnlichkeit von Dokumenten und Webseiten durch verschiedene Ansätze mathematisch zu modellieren und die Vor- und Nachteile der verschiedenen Möglichkeiten abzuschätzen (MK2, MF2, MO2, MO4)
Recommended requirement:
Examination achievement:
Mündliche Prüfung oder schriftliche Klausur
Instructor(s):
Wolfgang Seiler
Description:
Shannons Entropie und abgeleitete Informationsmaße
Entropie und Datenkompression
Die Wettstrategie von Kelly
Log-optimale Portfolios
Universelle Portfolios
Vektorraummethoden in der Informationssuche
Matrixzerlegungen und latente semantische Analyse
PageRank und verwandte Verfahren
Entropie und Datenkompression
Die Wettstrategie von Kelly
Log-optimale Portfolios
Universelle Portfolios
Vektorraummethoden in der Informationssuche
Matrixzerlegungen und latente semantische Analyse
PageRank und verwandte Verfahren
MAB 504 Mathematics and Information (Lecture)
EN
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Bachelor, Master
Language of instruction:
English
Hours per week:
4
Learning target:
Fachkompetenz:
Quantisierung von Information und inhaltliche Interpretation der entsprechenden Maße (MK1, MO2)
Verständnis für Möglichkeiten und Grenzen log-optimaler Anlagestrategien (MK2, MF1, MF2)
Verständnis für die Rolle der Linearen Algebra in der Informationssuche und der Klassifikation von Information (MK1, MK2, MF1, MF2)
Methodenkompetenz:
Umgang mit gängigen Informationsmaßen (MF2)
Datenkompression mit Huffman-Bäumen und mit Transformationen (MO2)
Berechnung log-optimaler und universeller Portfolios (MK2, MF1, MF2)
Berechnung von PageRank und verwandten Rängen (MK1, MK2, MF1, MF2)
Latente semantische Analyse via Singulärwertzerlegung (MK2, MF2)
Personale Kompetenz:
Fähigkeit, intuitiv gegebene Begriffe wie Information, optimale sichere Anlagestrategie, Wichtigkeit oder Ähnlichkeit von Dokumenten und Webseiten durch verschiedene Ansätze mathematisch zu modellieren und die Vor- und Nachteile der verschiedenen Möglichkeiten abzuschätzen (MK2, MF2, MO2, MO4)
Quantisierung von Information und inhaltliche Interpretation der entsprechenden Maße (MK1, MO2)
Verständnis für Möglichkeiten und Grenzen log-optimaler Anlagestrategien (MK2, MF1, MF2)
Verständnis für die Rolle der Linearen Algebra in der Informationssuche und der Klassifikation von Information (MK1, MK2, MF1, MF2)
Methodenkompetenz:
Umgang mit gängigen Informationsmaßen (MF2)
Datenkompression mit Huffman-Bäumen und mit Transformationen (MO2)
Berechnung log-optimaler und universeller Portfolios (MK2, MF1, MF2)
Berechnung von PageRank und verwandten Rängen (MK1, MK2, MF1, MF2)
Latente semantische Analyse via Singulärwertzerlegung (MK2, MF2)
Personale Kompetenz:
Fähigkeit, intuitiv gegebene Begriffe wie Information, optimale sichere Anlagestrategie, Wichtigkeit oder Ähnlichkeit von Dokumenten und Webseiten durch verschiedene Ansätze mathematisch zu modellieren und die Vor- und Nachteile der verschiedenen Möglichkeiten abzuschätzen (MK2, MF2, MO2, MO4)
Recommended requirement:
Examination achievement:
Mündliche Prüfung oder schriftliche Klausur
Description:
Shannons Entropie und abgeleitete Informationsmaße
Entropie und Datenkompression
Die Wettstrategie von Kelly
Log-optimale Portfolios
Universelle Portfolios
Vektorraummethoden in der Informationssuche
Matrixzerlegungen und latente semantische Analyse
PageRank und verwandte Verfahren
Entropie und Datenkompression
Die Wettstrategie von Kelly
Log-optimale Portfolios
Universelle Portfolios
Vektorraummethoden in der Informationssuche
Matrixzerlegungen und latente semantische Analyse
PageRank und verwandte Verfahren
MAB 507 Game Theory II (Lecture)
DE
Lecture type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Master
Language of instruction:
German
Hours per week:
2
Attendance:
Online, recorded
Learning target:
Fachkompetenz:
Fundierte Kenntnisse der Spieltheorie (MK1).
Bekanntschaft mit einigen Anwendungen in den Wirtschaftswissenschaften (MK2).
Methodenkompetenz:
Alle wissenschaftlichen Arbeiten zur Spieltheorie lesen können (MF1, MO3).
Bei konkreten Situationen vor allem in den Wirtschaftswissenschaften diese in Modellen der Spieltheorie fassen und analysieren können (MF2).
Personale Kompetenz:
Strategisches Denken mit Bedacht einsetzen können (MO4).
Fundierte Kenntnisse der Spieltheorie (MK1).
Bekanntschaft mit einigen Anwendungen in den Wirtschaftswissenschaften (MK2).
Methodenkompetenz:
Alle wissenschaftlichen Arbeiten zur Spieltheorie lesen können (MF1, MO3).
Bei konkreten Situationen vor allem in den Wirtschaftswissenschaften diese in Modellen der Spieltheorie fassen und analysieren können (MF2).
Personale Kompetenz:
Strategisches Denken mit Bedacht einsetzen können (MO4).
Recommended requirement:
Examination achievement:
Je nach Teilnehmerzahl schriftliche Klausur oder mündliche Prüfung (wird zu Beginn der Vorlesung bekannt gegeben) Prüfungsvorleistung: erfolgreiche Teilnahme an den Übungen.
Instructor(s):
Claus Hertling
Description:
Verhandlungsspiele, Rubinstein-Spiel, Spiele mit unvollständiger Information, Bayes'sches Gleichgewicht, Auktionstheorie, in Form von Beispielen Anwendungen auf die Wirtschaftswissenschaften.
MAC 501 Advanced Mathematical Finance (Lecture)
EN
Lecture type:
Lecture
ECTS:
Course suitable for:
Master
Language of instruction:
English
Hours per week:
4
Instructor(s):
David Johannes Prömel
MAC 507 Nonlinear Optimization (Lecture)
EN
Lecture type:
Lecture
ECTS:
Course suitable for:
Master
Language of instruction:
English
Hours per week:
2
MAC 510 Numerical Methods for Partial Differential Equation (Lecture)
DE
Lecture type:
Lecture
ECTS:
Course suitable for:
Master
Language of instruction:
German
Hours per week:
4
Attendance:
Online, live
Instructor(s):
Simone Göttlich
Markov Processes (Lecture)
EN
Lecture type:
Lecture
ECTS:
5
Course suitable for:
Master
Language of instruction:
English
Recommended requirement:
Examination achievement:
Oral exam
Instructor(s):
Martin Slowik
Description:
The topic of this lecture are Markov processes in continuous time which are an important class of stochastic processes. We also introduce operator semigroups, generators and stochastic equations which provide approaches to the characterisation of Markov processes. The theory will be illustrated with many examples. The course will cover a part of the following topics:
– Construction of stochastic processes (Theorem of Daniel-Kolmogorov)
– Stopping and optional times and stopped processes
– Markov processes and its properties (Markov property, strong Markov property, forward and backward equation)
– Construction of Markov processes via the transition function
– Semigroups of linear operators, resolvents and generators (Theorem of Hille-Yoshida) and its relation to Markov processes
– Relation between Markov processes and martingales (Dynkin martingale)
– functionals of Markov processes and partial differential equations
– Construction of stochastic processes (Theorem of Daniel-Kolmogorov)
– Stopping and optional times and stopped processes
– Markov processes and its properties (Markov property, strong Markov property, forward and backward equation)
– Construction of Markov processes via the transition function
– Semigroups of linear operators, resolvents and generators (Theorem of Hille-Yoshida) and its relation to Markov processes
– Relation between Markov processes and martingales (Dynkin martingale)
– functionals of Markov processes and partial differential equations
Multimodal Content Analysis for Media and Communication Science (Seminar)
EN
Lecture type:
Seminar
ECTS:
4.0
Course suitable for:
Master
Language of instruction:
English
Learning target:
Expertise:
The student gains a deep understanding of the research topic. He/
Methodological competence:
The student is able to find the relevant literature for his/
Personal qualification:
The student has learned how to find relevant literature for a research topic, write a well-structured, concise paper about it and give a presentation. He/
The student gains a deep understanding of the research topic. He/
Methodological competence:
The student is able to find the relevant literature for his/
Personal qualification:
The student has learned how to find relevant literature for a research topic, write a well-structured, concise paper about it and give a presentation. He/
Recommended requirement:
Examination achievement:
Seminar paper, oral presentation and the participation in the group discussions
Instructor(s):
Heiner Stuckenschmidt
Description:
Media and communication sciences deal with processes of human communication, from face-to-face conversation to mass media outlets such as television broadcasting. Communication studies also examines how messages are interpreted through the political, cultural, economic and social dimensions of their contexts. Analyzing media content is an important research method in this context.
In the course of this seminar, participants will learn basic methods and techniques for carrying out analyses of media in different modalities (text, still images, video, audio) as a basis for answering research questions in media and communication science and investigate inhowfar these methods can be automated using state of the art techniques from Artificial Intelligence, in particular image and video processing and natural language understanding.
In the course of this seminar, participants will learn basic methods and techniques for carrying out analyses of media in different modalities (text, still images, video, audio) as a basis for answering research questions in media and communication science and investigate inhowfar these methods can be automated using state of the art techniques from Artificial Intelligence, in particular image and video processing and natural language understanding.
Mathematical Optimization Research Seminar (Seminar)
EN
Lecture type:
Seminar
ECTS:
4.0
Course suitable for:
Master
Language of instruction:
English
Optimal Control of ODEs and DAEs (Lecture)
EN
Lecture type:
Lecture
ECTS:
Course suitable for:
Bachelor, Master
Language of instruction:
English
Query Optimization (Lecture)
DE
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Master
Language of instruction:
German
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 Computer Vision (Seminar)
EN
Lecture type:
Seminar
ECTS:
4.0
Course suitable for:
Master
Language of instruction:
English
Attendance:
Online, live
Seminar Mathematical Optimization (Seminar)
EN
Lecture type:
Seminar
ECTS:
4.0
Course suitable for:
Master
Language of instruction:
English
MAC 510 Numerical Methods for Partial Differential Equation (Lecture)
DE
Lecture type:
Lecture
ECTS:
Course suitable for:
Master
Language of instruction:
German
Hours per week:
4
Attendance:
Online, live
Wahrscheinlichkeitstheorie I – Grundlagen und Grenzwertsätze (Lecture)
DE
Lecture type:
Lecture
ECTS:
8.0
Course suitable for:
Master
Language of instruction:
German
Attendance:
Online, recorded
Instructor(s):
Leif Döring
Description:
Martingales and their convergence theory (including a proof of the law of large numbers), weak convergence theory (including a proof of the central limit theorem), Brownian motion (including the Donsker theorem).
Wahrscheinlichkeitstheorie I – Grundlagen und Grenzwertsätze (Lecture)
DE
Lecture type:
Lecture
ECTS:
8.0
Course suitable for:
Master
Language of instruction:
German
Instructor(s):
Leif Döring
Description:
Martingales and their convergence theory (including a proof of the law of large numbers), weak convergence theory (including a proof of the central limit theorem), Brownian motion (including the Donsker theorem).
Web Mining (Lecture)
EN
Lecture type:
Lecture
ECTS:
6.0
Course suitable for:
Master
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:
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
Instructor(s):
Simone Paolo Ponzetto
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