Wirtschafts­mathematik und Wirtschafts­informatik (alle)

Wirtschafts­informatik (Bachelor)

Analysis für Wirtschafts­informatiker (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
8.0
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS:
4
Teilnahme:
Online aufgezeichnet
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
schriftliche Klausur (90 Minuten)
Lektor(en):
Simone Göttlich
Beschreibung:
  • 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 (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
SWS:
4
Lernziel:
Expertise:
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

Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination, exercises
90 minutes
Beschreibung:
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
Data Mining (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
SWS:
2
Teilnahme:
Online live & aufgezeichnet
Registrierungs­informationen:
Please note that there is no second date for the exam.
Lernziel:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of data mining. Methodological competence:
  • Successful participants will be able to identify opportunities for applying data mining in an enterprise environment, select and apply appropriate techniques, and interpret the results.
  • project organisation skills

Personal competence:

  • team work skills
  • presentation skills
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination (90 minutes), project report, oral project presentation
Lektor(en):
Christian Bizer
Beschreibung:
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 (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
Teilnahme:
Online live
Lektor(en):
Frederik Armknecht
Kryptographie I (Vorlesung mit Übung)
DE
Vorlesungs­typ:
Vorlesung mit Übung
ECTS:
6.0
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS:
4
Teilnahme:
Online live
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Schriftliche (90 Minuten) oder mündliche Prüfung (30 Minuten)
Lektor(en):
Alexander Moch
Beschreibung:
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:
  • 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
Praktikum Software Engineering (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
5.0
Kurs geeignet für:
Bachelor
Kurssprache:
englisch
SWS:
4
Teilnahme:
Online live & aufgezeichnet
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Exam: Virtual presentation
Lektor(en):
Arne Lange
Beschreibung:
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 (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor, Master
Kurssprache:
deutsch
SWS:
4
Teilnahme:
Online live & aufgezeichnet
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Studien­beginn ab HWS 2011:
Erfolgreiche Teilnahme am Übungs­betrieb
schriftliche Klausur (90 Minuten)

Studien­beginn vor HWS 2011:
schriftliche Klausur (90 Minuten)

Lektor(en):
Rainer Gemulla
Beschreibung:
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
Programmier­praktikum II (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
5.0
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS:
2
Lernziel:
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
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Programmiertestate, Programmier­projekte, Programming Competence Test (180 Minuten)
Lektor(en):
Ursula Rost
Beschreibung:
Im Programmier­praktikum II werden die erworbenen Kenntnisse aus der Veranstaltung Programmier­praktikum I erweitert und vertieft. Basierend auf der Programmiersprache Java, werde hier die folgenden Themengebiete vermittelt:
 
  • Generische Datentypen,
  • Stream-Klassen (Java IO)
  • Client-Server Kommunikation
  • Multi-Threading
  • JDBC (Datenbanken)
  • Verarbeitung von XML-Dokumenten
  • Assertions (Design by Contract)
  • Testen
  • Weitere ausgewählte Themen

Darüber hinaus werden Werkzeuge für die Team-orientierte  Entwicklung größerer Programmpakete vorgestellt. Dazu gehört insbesondere die Entwicklungs­umgebung Eclipse.
Selected Topics in IT-Security (Vorlesung mit Übung)
EN
Vorlesungs­typ:
Vorlesung mit Übung
ECTS:
6.0
Kurs geeignet für:
Bachelor
Kurssprache:
englisch
SWS:
4
Teilnahme:
Online live
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Oral exam (30 minutes)
Lektor(en):
Frederik Armknecht, Christian Müller
Beschreibung:
Background and Learning Objectives
 
The large-scale deployment of Internet-based services and the open nature of the Internet come alongside with the increase of security threats against existing services. As the size of the global network grows, the incentives of attackers to abuse the operation of online applications also increase and their advantage in mounting successful attacks becomes considerable.
 
These cyber-attacks often target the resources, availability, and operation of online services. In the recent years, a considerable number of online services such as Amazon, CNN, eBay, and Yahoo were hit by online attacks; the losses in revenues of Amazon and Yahoo were almost 1.1 million US dollars. With an increasing number of services relying on online resources, security becomes an essential component of every system.
 
Content Description
 
This lecture covers the security of computer, software systems, and tamper resistant hardware. The course starts with a basic introduction on encryption functions, spanning both symmetric and asymmetric encryption techniques, discusses the security of the current encryption standard AES and explains the concept of Zero-Knowledge proofs. The course then continues with a careful examination of wired and wireless network security issues, and web security threats and mechanisms. This part also extends to analysis of buffer overflows. Finally, the course also covers a set of selected security topics such as trusted computing and electronic voting.
 
Topics:
 
  • Encryption Schemes (Private Key vs. Public Key, Block cipher security) and Cryptographic Protocols
  • Cryptanalysis,e.g., side channel attacks
  • Network Security
  • Wireless Security
  • Web Security (SQL, X-Site Scripting)
  • Buffer Overflows
  • Malware & Botnets
  • Trusted computing
  • Electronic Voting
  • OS Security
Softwaretechnik I (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor
Kurssprache:
englisch
SWS:
2
Teilnahme:
Online live & aufgezeichnet
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Exam: Live Online
Lektor(en):
Colin Atkinson
Beschreibung:
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
Theoretische Informatik (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS:
3
Teilnahme:
Online live & aufgezeichnet
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
schriftliche Klausur (90 Minuten) oder mündliche Prüfung (30 Minuten)
Lektor(en):
Matthias Krause, Alexander Moch
Beschreibung:
  • Grundlegende uniforme und nichtuniforme Berechnungs­modelle und Berechnungs­paradigmen
  • Universelle Turingmaschinen und Berechenbarkeit
  • Logik- insbesondere SAT-Algorithmen
  • NP-Vollständigkeits­theorie
  • Formale Sprachen, Grammatiken, Grundlagen des Compilerbaus
Wirtschafts­informatik II: Grundlagen der Modellierung (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor, Master
Kurssprache:
deutsch
SWS:
2
Teilnahme:
Präsenz/Online live
Lernziel:
Fach­kompetenz:
  • Kenntnisse aktueller Modellierungs­sprachen und Werkzeugen.
  • Verständnis für Grundprinzipien und Formalen Grundlagen der Modellierung von Anwendungs­domänen und Prozessen.

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

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

Studien­beginn vor HWS 2011:
Schriftliche Klausur (90 Minuten)

Beschreibung:
Die Vorlesung behandelt die Rolle konzeptueller Modellierung in der Wirtschafts­informatik. Es werden Vorteile und Grenzen der Modlelierung im Unternehmenkontext aufgezeigt und Modellierungs­sprachen und Werkzeuge eingeführt. Inhalte der Veranstaltung umfassen unter anderem:
  • Modellierungs­prinzipien
  • Praxisnahe Sprachen (UML, BPMN)
  • Formale Grundlagen von Modellierungs­sprachen (Logik, Pertri-Netze)
  • Modellierungs­werkzeuge.
In der begleitenden Übung erstellen die Teilnehmer konzpetuelle Modelle realer Anwendungs­domänen mit Hilfe aktueller Modellierungs­sprachen und Werkzeuge.
Wirtschafts­informatik IV – IS 204 (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS:
2
Teilnahme:
Online live & aufgezeichnet
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
schiftliche Klausur (90 Minuten)
Beschreibung:
This lecture covers basic principles of modern information systems. Such systems are characterized by their distributed nature. Thus we will discuss architectures of information systems as well as underlying concepts of computer communication and distributed systems.
 
The following topics will be covered in the lecture:
  • Introduction to Distributed Systems, and Computer­Networks
    • Distributed Systems: Characteristics and Requirements
    • Communication models
    • Layered communication networks
    • Reference Models (ISO/OSI, TCP/IP)
    • Communication Services: connection-oriented/less
    • Socket API
  • Middleware
    • Distributed Shared Memory
    • Message Passing
    • Pub/Sub
    • Mobile Agents
    • Multimedia
    • RPC, RMI
  • Application Protocols
    • SMTP
    • FTP
    • HTTP+HTML
    • IIOP
  • Presentation Layer
    • Classification
    • Requirements
    • Approaches
    • ASN.1
    • XDR
    • XML
  • Synchronization (conditional if covered in Praktische Informatik II)
    • Processes and concurrency
    • Race Conditions
    • Critical Regions
    • Semaphores/Monitors
    • Deadlocks
  • Time and Global States
    • Physical clocks (Cristian’s algorithm, Logical clocks, Lamport’s algorithm)
    • Vector Clocks
    • Global States
    • Snapshot Algorithm
  • Replication
    • Passive Replication
    • Active Replication
  • Peer to Peer Architectures
    • Application examples
    • Achitectures (centralized, distributed, hybrid)
    • Gnutella
    • Chord
  • Network Security Basics
    • Security Goals, Threats, Attacks
    • Security Mechanisms
    • Threats in Communication Networks
    • Security Goals & Requirements
    • Network Security Analysis
    • Safeguards

Wirtschafts­informatik (Master)

Algorithmik (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS:
3
Teilnahme:
Online live & aufgezeichnet
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Klausur, 90 Minuten
Lektor(en):
Matthias Krause, Alexander Moch
Beschreibung:
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 (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
SWS:
4
Lernziel:
Expertise:
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

Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination, exercises
90 minutes
Beschreibung:
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
Data Mining (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
SWS:
2
Teilnahme:
Online live & aufgezeichnet
Registrierungs­informationen:
Please note that there is no second date for the exam.
Lernziel:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of data mining. Methodological competence:
  • Successful participants will be able to identify opportunities for applying data mining in an enterprise environment, select and apply appropriate techniques, and interpret the results.
  • project organisation skills

Personal competence:

  • team work skills
  • presentation skills
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination (90 minutes), project report, oral project presentation
Lektor(en):
Christian Bizer
Beschreibung:
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 (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS:
2
Teilnahme:
Online live
Lernziel:
Expertise:
Students will acquire knowledge of advanced techniques and applications of data mining.
Methodological competence:
  • Successful participants will be able to address advanced issues in data mining projects, conduct complex projects and develop applications in the data mining field.
  • project organization skills

Personal competence:

  • presentation skills
  • team work skills
Empfohlene Voraussetzungen:
Prüfungs­leistung:
written examination (90 minutes), written project report, oral project presentation
Lektor(en):
Heiko Paulheim
Beschreibung:
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 (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
Teilnahme:
Online live
Lektor(en):
Frederik Armknecht
Database Systems II (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS:
2
Lernziel:
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
Empfohlene Voraussetzungen:
Prüfungs­leistung:
schriftliche Klausur, 90 Minuten
Lektor(en):
Guido Moerkotte
Beschreibung:
Über das relationale Modell hinausgehende Themen (objekt­orientierte, objektrelationale Datenbanken, SQL/XML).
Database Technology (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Master
Kurssprache:
englisch
Lektor(en):
Heiko Paulheim
Higher Level Computer Vision (Vorlesung mit Übung)
EN
Vorlesungs­typ:
Vorlesung mit Übung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Master
Kurssprache:
englisch
Information Retrieval and Web Search (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS:
2
Lernziel:
Expertise:
Students will acquire knowledge of fundamental techniques of Information Retrieval and Web Search, including standard retrieval models, evaluation of information retrieval systems, text classification and clustering, as well as web search topics such as crawling and link-based algorithms.
Methodological competence:
Successful participants will be able to understand state-of-the-art methods for Information Retrieval and Web search, as well as being able to select, apply and evaluate the most appropriate techniques for a variety of different search scenarios.
Personal competence:
  • presentation skills;
  • team work skills.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination (90 minutes), written project report, oral project presentation
Beschreibung:
Given the vastness and richness of the Web, users need high-performing, scalable and efficient methods to access its wealth of information and satisfy their information needs. As such, being able to search and effectively retrieve relevant pieces of information from large text collections is a crucial task for the majority (if practically not all) of Web applications. In this course we will explore a variety of basic and advanced techniques for text-based information retrieval and Web search. Covered topics will include:
 
  • Efficient text indexing;
  • Boolean and vector space retrieval models;
  • Evaluation of retrieval systems;
  • Probabilistic Information Retrieval;
  • Text classification and clustering;
  • Web search, crawling and link-based algorithms.

Coursework will include homework assignments, a term project and a final exam. Homework assignments are meant to introduce the students to the problems that will be covered in the final exam at the end of the course. In addition, students are expected to successfully complete a term project in teams of 2–4 people. The projects will focus on a variety of IR problems covered in class. Project deliverables include both software (i.e., code and documentation) and a short report explaining the work performed and its evaluation.
Master Seminar Artificial Intelligence (Seminar)
EN
Vorlesungs­typ:
Seminar
ECTS:
4.0
Kurs geeignet für:
Master
Kurssprache:
englisch
Lernziel:
Expertise:
The student gains a deep understanding of the research topic. He/she is able to describe/summarize the topic in detail in his/her own words. He/she reflects on the topic and judges the contribution of the research papers.
Methodological competence:
The student is able to find the relevant literature for his/her topic, to write a well-structured scientific paper and to present his/her results. He/she is also aware of the need to avoid plagiarism.
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/she is well prepared to write and present a Master’s Thesis.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Seminar paper, oral presentation and the participation in the group discussions
Lektor(en):
Heiner Stuckenschmidt
Beschreibung:
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.
Query Optimization (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
deutsch
SWS:
2
Lernziel:
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
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Mündliche Prüfung (30 Minuten)
Lektor(en):
Guido Moerkotte
Beschreibung:
Grundlagen der Anfrage­optimierung
Seminar Computer Vision (Seminar)
EN
Vorlesungs­typ:
Seminar
ECTS:
4.0
Kurs geeignet für:
Master
Kurssprache:
englisch
Teilnahme:
Online live
Web Mining (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS:
2
Lernziel:
Expertise:
Students will acquire knowledge of the techniques, opportunities and applications of Web mining. Methodological competence:
  • Successful participants will be able to identify opportunities for mining knowledge from Web content, select and apply appropriate techniques and interpret the results.
  • project organization skills

Personal competence:

  • presentation skills
  • team work skills
Empfohlene Voraussetzungen:
Prüfungs­leistung:
written examination (90 minutes), written project report, oral project presentation
Lektor(en):
Simone Paolo Ponzetto
Beschreibung:
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

Wirtschafts­mathematik (Bachelor)

Analysis für Wirtschafts­informatiker (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
8.0
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS:
4
Teilnahme:
Online aufgezeichnet
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
schriftliche Klausur (90 Minuten)
Lektor(en):
Simone Göttlich
Beschreibung:
  • 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 (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
SWS:
4
Lernziel:
Expertise:
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

Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination, exercises
90 minutes
Beschreibung:
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
Data Mining (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
SWS:
2
Teilnahme:
Online live & aufgezeichnet
Registrierungs­informationen:
Please note that there is no second date for the exam.
Lernziel:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of data mining. Methodological competence:
  • Successful participants will be able to identify opportunities for applying data mining in an enterprise environment, select and apply appropriate techniques, and interpret the results.
  • project organisation skills

Personal competence:

  • team work skills
  • presentation skills
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination (90 minutes), project report, oral project presentation
Lektor(en):
Christian Bizer
Beschreibung:
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 (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
Teilnahme:
Online live
Lektor(en):
Frederik Armknecht
Dynamische Systeme und Stabilität (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
Teilnahme:
Online aufgezeichnet
Lektor(en):
Li Chen
Kryptographie I (Vorlesung mit Übung)
DE
Vorlesungs­typ:
Vorlesung mit Übung
ECTS:
6.0
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS:
4
Teilnahme:
Online live
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Schriftliche (90 Minuten) oder mündliche Prüfung (30 Minuten)
Lektor(en):
Alexander Moch
Beschreibung:
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:
  • 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 Dynamische Systeme (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
5.0
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS:
4
Teilnahme:
Online aufgezeichnet
Lernziel:
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)
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Mündliche Prüfung oder schriftliche Klausur
Lektor(en):
Li Chen
Beschreibung:
• gewöhnliche Differenzialgleichungen
• Existenz und Eindeutigkeit
• hyperbolische Flüsse
• Stabilitätsanalyse
MAA 514 Analysis III (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
8.0 (Modul/e)
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS:
4
Teilnahme:
Online aufgezeichnet
Lernziel:
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)
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Mündliche Prüfung oder schriftliche Klausur
Lektor(en):
Martin Schmidt
Beschreibung:
• Differenzierbare Mannigfaltigkeit
• Vektorfelder
• gewöhnliche Differenzialgleichungen
• Differenzialformen
MAB 406 Lineare Algebra II / B (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
5.0 (Modul/e)
Kurs geeignet für:
Bachelor, Master
Kurssprache:
deutsch
SWS:
2
Teilnahme:
Online aufgezeichnet
Lernziel:
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).
Prüfungs­leistung:
Mündliche Prüfung oder schriftliche Klausur
Beschreibung:
• Algebra und Geometrie der Sesquilinearformen und Bilinearformen
• Spektralsätze
MAB 407 Zahlentheorie (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
8.0 (Modul/e)
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS:
4
Teilnahme:
Online aufgezeichnet
Lernziel:
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)
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Mündliche Prüfung oder schriftliche Klausur
Lektor(en):
Thomas Reichelt
Beschreibung:
• 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
MAB 504 Mathematics and Information (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
8.0 (Modul/e)
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
SWS:
2
Teilnahme:
Online live
Lernziel:
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)
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Mündliche Prüfung oder schriftliche Klausur
Lektor(en):
Wolfgang Seiler
Beschreibung:
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
MAB 504 Mathematics and Information (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
8.0 (Modul/e)
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
SWS:
4
Lernziel:
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)
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Mündliche Prüfung oder schriftliche Klausur
Beschreibung:
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
MAC 405 Monte Carlo Methods (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
SWS:
2
Teilnahme:
Online live & aufgezeichnet
Lernziel:
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)
Empfohlene Voraussetzungen:
Prüfungs­leistung:
schriftliche Klausur
Lektor(en):
Peter Parczewski
Beschreibung:
Erzeugung von Pseudozufallszahlen: Inversions-, Kompositions- und Akzeptanz-Verwerfungs­methode, spezielle Methoden
Simulation diskreter Ereignis­systeme
Monte-Carlo-Methode, Varianzreduktion
Statistische Validierung: Chi-Quadrat-Test, Kolmogorov-Smirnov-Test
Numerische Behandlung von Markovketten
Markovketten-Monte-Carlo
MAT 302 Analysis II (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
10.0 (Modul/e)
Kurs geeignet für:
Bachelor, Master
Kurssprache:
deutsch
SWS:
4
Lernziel:
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)
Empfohlene Voraussetzungen:
Prüfungs­leistung:
schriftliche Klausur
Lektor(en):
Martin Schmidt
Beschreibung:
• metrische Räume
• normierte Vektorräume
• Funktionen mehrerer Variabler
• Funktionale
MAT 302 Analysis II T (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
10.0 (Modul/e)
Kurs geeignet für:
Bachelor, Master
Kurssprache:
deutsch
SWS:
4
Teilnahme:
Präsenz/Online live
Lernziel:
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)
Empfohlene Voraussetzungen:
Prüfungs­leistung:
schriftliche Klausur
Beschreibung:
• metrische Räume
• normierte Vektorräume
• Funktionen mehrerer Variabler
• Funktionale
MAT 304 Lineare Algebra II / A (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
4.0 (Modul/e)
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS:
2
Teilnahme:
Online aufgezeichnet
Lernziel:
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).
Empfohlene Voraussetzungen:
Prüfungs­leistung:
schriftliche Klausur
Beschreibung:
• Euklidische Vektorräume, Normalformen von Endomorphismen oder andere Ergänzungen zur Linearen Algebra I
Optimal Control of ODEs and DAEs (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
Praktikum Software Engineering (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
5.0
Kurs geeignet für:
Bachelor
Kurssprache:
englisch
SWS:
4
Teilnahme:
Online live & aufgezeichnet
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Exam: Virtual presentation
Lektor(en):
Arne Lange
Beschreibung:
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 (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor, Master
Kurssprache:
deutsch
SWS:
4
Teilnahme:
Online live & aufgezeichnet
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Studien­beginn ab HWS 2011:
Erfolgreiche Teilnahme am Übungs­betrieb
schriftliche Klausur (90 Minuten)

Studien­beginn vor HWS 2011:
schriftliche Klausur (90 Minuten)

Lektor(en):
Rainer Gemulla
Beschreibung:
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
Programmier­praktikum II (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
5.0
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS:
2
Lernziel:
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
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Programmiertestate, Programmier­projekte, Programming Competence Test (180 Minuten)
Lektor(en):
Ursula Rost
Beschreibung:
Im Programmier­praktikum II werden die erworbenen Kenntnisse aus der Veranstaltung Programmier­praktikum I erweitert und vertieft. Basierend auf der Programmiersprache Java, werde hier die folgenden Themengebiete vermittelt:
 
  • Generische Datentypen,
  • Stream-Klassen (Java IO)
  • Client-Server Kommunikation
  • Multi-Threading
  • JDBC (Datenbanken)
  • Verarbeitung von XML-Dokumenten
  • Assertions (Design by Contract)
  • Testen
  • Weitere ausgewählte Themen

Darüber hinaus werden Werkzeuge für die Team-orientierte  Entwicklung größerer Programmpakete vorgestellt. Dazu gehört insbesondere die Entwicklungs­umgebung Eclipse.
Selected Topics in IT-Security (Vorlesung mit Übung)
EN
Vorlesungs­typ:
Vorlesung mit Übung
ECTS:
6.0
Kurs geeignet für:
Bachelor
Kurssprache:
englisch
SWS:
4
Teilnahme:
Online live
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Oral exam (30 minutes)
Lektor(en):
Frederik Armknecht, Christian Müller
Beschreibung:
Background and Learning Objectives
 
The large-scale deployment of Internet-based services and the open nature of the Internet come alongside with the increase of security threats against existing services. As the size of the global network grows, the incentives of attackers to abuse the operation of online applications also increase and their advantage in mounting successful attacks becomes considerable.
 
These cyber-attacks often target the resources, availability, and operation of online services. In the recent years, a considerable number of online services such as Amazon, CNN, eBay, and Yahoo were hit by online attacks; the losses in revenues of Amazon and Yahoo were almost 1.1 million US dollars. With an increasing number of services relying on online resources, security becomes an essential component of every system.
 
Content Description
 
This lecture covers the security of computer, software systems, and tamper resistant hardware. The course starts with a basic introduction on encryption functions, spanning both symmetric and asymmetric encryption techniques, discusses the security of the current encryption standard AES and explains the concept of Zero-Knowledge proofs. The course then continues with a careful examination of wired and wireless network security issues, and web security threats and mechanisms. This part also extends to analysis of buffer overflows. Finally, the course also covers a set of selected security topics such as trusted computing and electronic voting.
 
Topics:
 
  • Encryption Schemes (Private Key vs. Public Key, Block cipher security) and Cryptographic Protocols
  • Cryptanalysis,e.g., side channel attacks
  • Network Security
  • Wireless Security
  • Web Security (SQL, X-Site Scripting)
  • Buffer Overflows
  • Malware & Botnets
  • Trusted computing
  • Electronic Voting
  • OS Security
Softwaretechnik I (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor
Kurssprache:
englisch
SWS:
2
Teilnahme:
Online live & aufgezeichnet
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Exam: Live Online
Lektor(en):
Colin Atkinson
Beschreibung:
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 (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
8.0 (Modul/e)
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
Lektor(en):
Martin Schlather
Theoretische Informatik (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS:
3
Teilnahme:
Online live & aufgezeichnet
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
schriftliche Klausur (90 Minuten) oder mündliche Prüfung (30 Minuten)
Lektor(en):
Matthias Krause, Alexander Moch
Beschreibung:
  • Grundlegende uniforme und nichtuniforme Berechnungs­modelle und Berechnungs­paradigmen
  • Universelle Turingmaschinen und Berechenbarkeit
  • Logik- insbesondere SAT-Algorithmen
  • NP-Vollständigkeits­theorie
  • Formale Sprachen, Grammatiken, Grundlagen des Compilerbaus
Wirtschafts­informatik II: Grundlagen der Modellierung (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor, Master
Kurssprache:
deutsch
SWS:
2
Teilnahme:
Präsenz/Online live
Lernziel:
Fach­kompetenz:
  • Kenntnisse aktueller Modellierungs­sprachen und Werkzeugen.
  • Verständnis für Grundprinzipien und Formalen Grundlagen der Modellierung von Anwendungs­domänen und Prozessen.

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

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

Studien­beginn vor HWS 2011:
Schriftliche Klausur (90 Minuten)

Beschreibung:
Die Vorlesung behandelt die Rolle konzeptueller Modellierung in der Wirtschafts­informatik. Es werden Vorteile und Grenzen der Modlelierung im Unternehmenkontext aufgezeigt und Modellierungs­sprachen und Werkzeuge eingeführt. Inhalte der Veranstaltung umfassen unter anderem:
  • Modellierungs­prinzipien
  • Praxisnahe Sprachen (UML, BPMN)
  • Formale Grundlagen von Modellierungs­sprachen (Logik, Pertri-Netze)
  • Modellierungs­werkzeuge.
In der begleitenden Übung erstellen die Teilnehmer konzpetuelle Modelle realer Anwendungs­domänen mit Hilfe aktueller Modellierungs­sprachen und Werkzeuge.
Wirtschafts­informatik IV – IS 204 (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor
Kurssprache:
deutsch
SWS:
2
Teilnahme:
Online live & aufgezeichnet
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
schiftliche Klausur (90 Minuten)
Beschreibung:
This lecture covers basic principles of modern information systems. Such systems are characterized by their distributed nature. Thus we will discuss architectures of information systems as well as underlying concepts of computer communication and distributed systems.
 
The following topics will be covered in the lecture:
  • Introduction to Distributed Systems, and Computer­Networks
    • Distributed Systems: Characteristics and Requirements
    • Communication models
    • Layered communication networks
    • Reference Models (ISO/OSI, TCP/IP)
    • Communication Services: connection-oriented/less
    • Socket API
  • Middleware
    • Distributed Shared Memory
    • Message Passing
    • Pub/Sub
    • Mobile Agents
    • Multimedia
    • RPC, RMI
  • Application Protocols
    • SMTP
    • FTP
    • HTTP+HTML
    • IIOP
  • Presentation Layer
    • Classification
    • Requirements
    • Approaches
    • ASN.1
    • XDR
    • XML
  • Synchronization (conditional if covered in Praktische Informatik II)
    • Processes and concurrency
    • Race Conditions
    • Critical Regions
    • Semaphores/Monitors
    • Deadlocks
  • Time and Global States
    • Physical clocks (Cristian’s algorithm, Logical clocks, Lamport’s algorithm)
    • Vector Clocks
    • Global States
    • Snapshot Algorithm
  • Replication
    • Passive Replication
    • Active Replication
  • Peer to Peer Architectures
    • Application examples
    • Achitectures (centralized, distributed, hybrid)
    • Gnutella
    • Chord
  • Network Security Basics
    • Security Goals, Threats, Attacks
    • Security Mechanisms
    • Threats in Communication Networks
    • Security Goals & Requirements
    • Network Security Analysis
    • Safeguards

Wirtschafts­mathematik (Master)

Advanced Process Mining (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Master
Kurssprache:
englisch
Teilnahme:
Online live & aufgezeichnet
Lektor(en):
van der Johannes Hendrikus Aa, Adrian Rebmann, Alexander Kraus
Algorithmik (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS:
3
Teilnahme:
Online live & aufgezeichnet
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Klausur, 90 Minuten
Lektor(en):
Matthias Krause, Alexander Moch
Beschreibung:
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 (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
Kurs geeignet für:
Master
Kurssprache:
englisch
CS 560 Large-Scale Data Management (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
SWS:
4
Lernziel:
Expertise:
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

Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination, exercises
90 minutes
Beschreibung:
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
Data Mining (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
SWS:
2
Teilnahme:
Online live & aufgezeichnet
Registrierungs­informationen:
Please note that there is no second date for the exam.
Lernziel:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of data mining. Methodological competence:
  • Successful participants will be able to identify opportunities for applying data mining in an enterprise environment, select and apply appropriate techniques, and interpret the results.
  • project organisation skills

Personal competence:

  • team work skills
  • presentation skills
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination (90 minutes), project report, oral project presentation
Lektor(en):
Christian Bizer
Beschreibung:
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 (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS:
2
Teilnahme:
Online live
Lernziel:
Expertise:
Students will acquire knowledge of advanced techniques and applications of data mining.
Methodological competence:
  • Successful participants will be able to address advanced issues in data mining projects, conduct complex projects and develop applications in the data mining field.
  • project organization skills

Personal competence:

  • presentation skills
  • team work skills
Empfohlene Voraussetzungen:
Prüfungs­leistung:
written examination (90 minutes), written project report, oral project presentation
Lektor(en):
Heiko Paulheim
Beschreibung:
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 (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
Teilnahme:
Online live
Lektor(en):
Frederik Armknecht
Database Systems II (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS:
2
Lernziel:
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
Empfohlene Voraussetzungen:
Prüfungs­leistung:
schriftliche Klausur, 90 Minuten
Lektor(en):
Guido Moerkotte
Beschreibung:
Über das relationale Modell hinausgehende Themen (objekt­orientierte, objektrelationale Datenbanken, SQL/XML).
Database Technology (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Master
Kurssprache:
englisch
Lektor(en):
Heiko Paulheim
Higher Level Computer Vision (Vorlesung mit Übung)
EN
Vorlesungs­typ:
Vorlesung mit Übung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Master
Kurssprache:
englisch
Information Retrieval and Web Search (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS:
2
Lernziel:
Expertise:
Students will acquire knowledge of fundamental techniques of Information Retrieval and Web Search, including standard retrieval models, evaluation of information retrieval systems, text classification and clustering, as well as web search topics such as crawling and link-based algorithms.
Methodological competence:
Successful participants will be able to understand state-of-the-art methods for Information Retrieval and Web search, as well as being able to select, apply and evaluate the most appropriate techniques for a variety of different search scenarios.
Personal competence:
  • presentation skills;
  • team work skills.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination (90 minutes), written project report, oral project presentation
Beschreibung:
Given the vastness and richness of the Web, users need high-performing, scalable and efficient methods to access its wealth of information and satisfy their information needs. As such, being able to search and effectively retrieve relevant pieces of information from large text collections is a crucial task for the majority (if practically not all) of Web applications. In this course we will explore a variety of basic and advanced techniques for text-based information retrieval and Web search. Covered topics will include:
 
  • Efficient text indexing;
  • Boolean and vector space retrieval models;
  • Evaluation of retrieval systems;
  • Probabilistic Information Retrieval;
  • Text classification and clustering;
  • Web search, crawling and link-based algorithms.

Coursework will include homework assignments, a term project and a final exam. Homework assignments are meant to introduce the students to the problems that will be covered in the final exam at the end of the course. In addition, students are expected to successfully complete a term project in teams of 2–4 people. The projects will focus on a variety of IR problems covered in class. Project deliverables include both software (i.e., code and documentation) and a short report explaining the work performed and its evaluation.
MAA 504 Partial differential equations (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
8.0 (Modul/e)
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS:
4
Teilnahme:
Online aufgezeichnet
Lernziel:
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)
Empfohlene Voraussetzungen:
Prüfungs­leistung:
mündliche Prüfung
Lektor(en):
Li Chen
Beschreibung:
Elliptische Differenzialgleichungen
Funktionen­räume
Randwert­problem, Dirichlet­problem
Apriori Abschätzungen
MAB 504 Mathematics and Information (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
8.0 (Modul/e)
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
SWS:
2
Teilnahme:
Online live
Lernziel:
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)
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Mündliche Prüfung oder schriftliche Klausur
Lektor(en):
Wolfgang Seiler
Beschreibung:
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
MAB 504 Mathematics and Information (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
8.0 (Modul/e)
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
SWS:
4
Lernziel:
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)
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Mündliche Prüfung oder schriftliche Klausur
Beschreibung:
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
MAB 507 Spieltheorie II (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
8.0 (Modul/e)
Kurs geeignet für:
Master
Kurssprache:
deutsch
SWS:
2
Teilnahme:
Online aufgezeichnet
Lernziel:
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).
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Je nach Teilnehmerzahl schriftliche Klausur oder mündliche Prüfung (wird zu Beginn der Vorlesung bekannt gegeben) Prüfungs­vorleistung: erfolgreiche Teilnahme an den Übungen.
Lektor(en):
Claus Hertling
Beschreibung:
Verhandlungs­spiele, Rubinstein-Spiel, Spiele mit unvollständiger Information, Bayes'sches Gleichgewicht, Auktions­theorie, in Form von Beispielen Anwendungen auf die Wirtschafts­wissenschaften.
MAC 501 Advanced Mathematical Finance (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS:
4
Lektor(en):
David Johannes Prömel
MAC 507 Nonlinear Optimization (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS:
2
MAC 510 Numerik partieller Differentialgleichungen (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
Kurs geeignet für:
Master
Kurssprache:
deutsch
SWS:
4
Teilnahme:
Online live
Lektor(en):
Simone Göttlich
Markov Processes (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
5
Kurs geeignet für:
Master
Kurssprache:
englisch
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Oral exam
Lektor(en):
Martin Slowik
Beschreibung:
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
Master Seminar Artificial Intelligence (Seminar)
EN
Vorlesungs­typ:
Seminar
ECTS:
4.0
Kurs geeignet für:
Master
Kurssprache:
englisch
Lernziel:
Expertise:
The student gains a deep understanding of the research topic. He/she is able to describe/summarize the topic in detail in his/her own words. He/she reflects on the topic and judges the contribution of the research papers.
Methodological competence:
The student is able to find the relevant literature for his/her topic, to write a well-structured scientific paper and to present his/her results. He/she is also aware of the need to avoid plagiarism.
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/she is well prepared to write and present a Master’s Thesis.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Seminar paper, oral presentation and the participation in the group discussions
Lektor(en):
Heiner Stuckenschmidt
Beschreibung:
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.
Mathematical Optimization Research Seminar (Seminar)
EN
Vorlesungs­typ:
Seminar
ECTS:
4.0
Kurs geeignet für:
Master
Kurssprache:
englisch
Optimal Control of ODEs and DAEs (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
Kurs geeignet für:
Bachelor, Master
Kurssprache:
englisch
Query Optimization (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
deutsch
SWS:
2
Lernziel:
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
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Mündliche Prüfung (30 Minuten)
Lektor(en):
Guido Moerkotte
Beschreibung:
Grundlagen der Anfrage­optimierung
Seminar Computer Vision (Seminar)
EN
Vorlesungs­typ:
Seminar
ECTS:
4.0
Kurs geeignet für:
Master
Kurssprache:
englisch
Teilnahme:
Online live
Seminar Mathematical Optimization (Seminar)
EN
Vorlesungs­typ:
Seminar
ECTS:
4.0
Kurs geeignet für:
Master
Kurssprache:
englisch
Sprechstunde (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
Kurs geeignet für:
Master
Kurssprache:
deutsch
SWS:
4
Teilnahme:
Online live
Wahrscheinlichkeits­theorie I – Grundlagen und Grenzwertsätze (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
8.0
Kurs geeignet für:
Master
Kurssprache:
deutsch
Teilnahme:
Online aufgezeichnet
Lektor(en):
Leif Döring
Beschreibung:
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 (Vorlesung)
DE
Vorlesungs­typ:
Vorlesung
ECTS:
8.0
Kurs geeignet für:
Master
Kurssprache:
deutsch
Lektor(en):
Leif Döring
Beschreibung:
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 (Vorlesung)
EN
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Master
Kurssprache:
englisch
SWS:
2
Lernziel:
Expertise:
Students will acquire knowledge of the techniques, opportunities and applications of Web mining. Methodological competence:
  • Successful participants will be able to identify opportunities for mining knowledge from Web content, select and apply appropriate techniques and interpret the results.
  • project organization skills

Personal competence:

  • presentation skills
  • team work skills
Empfohlene Voraussetzungen:
Prüfungs­leistung:
written examination (90 minutes), written project report, oral project presentation
Lektor(en):
Simone Paolo Ponzetto
Beschreibung:
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