Foto: Staatliche Schlösser und Gärten Baden-Württemberg
Wirtschaftsmathematik und Wirtschaftsinformatik (alle)
Wirtschaftsinformatik (Bachelor)
Analysis für Wirtschaftsinformatiker (Vorlesung)
DE
Vorlesungstyp:
Vorlesung
ECTS:
8.0
Kurs geeignet für:
Kurssprache:
deutsch
SWS:
4
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):
Peter Parczewski
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
Data Mining (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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
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:
Kurssprache:
englisch
Lektor(en):
Frederik Armknecht
Ersttermin Klausur IIa (Vorlesung)
DE
Vorlesungstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
deutsch
SWS:
2
Lernziel:
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
Empfohlene Voraussetzungen:
Prüfungsleistung:
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)
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.
Klausur Programmierpraktikum II (Vorlesung)
DE
Vorlesungstyp:
Vorlesung
ECTS:
5.0
Kurs geeignet für:
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)
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:
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.
Praktikum Software Engineering (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
5.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
4
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.
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:
schriftliche Ausarbeitung und entwickeltes System, Teammeetings (14 Meetings à max. 2 Stunden) und Kolloquia (3 Kolloquien à max. 30 Minuten), Praktische Prüfungen, Programmierprojekt(e)
Lektor(en):
Marcus Kessel
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:
Kurssprache:
deutsch
SWS:
4
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.
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)
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
1. Rechnerarchitektur
2. Betriebssysteme
3. Compilerbau
4. Java Virtual Machine
Programmierpraktikum II (Vorlesung)
DE
Vorlesungstyp:
Vorlesung
ECTS:
5.0
Kurs geeignet für:
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:
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 (Vorlesung mit Übung)
EN
Vorlesungstyp:
Vorlesung mit Übung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
4
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
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:
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:
Kurssprache:
englisch
SWS:
2
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.
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:
Klausur (90 Minuten)
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:
Kurssprache:
deutsch
SWS:
3
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.
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
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:
Kurssprache:
deutsch
SWS:
2
Lernziel:
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
Empfohlene Voraussetzungen:
Prüfungsleistung:
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)
Lektor(en):
Christian Meilicke, Heiner Stuckenschmidt
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.
Wirtschaftsinformatik IV – IS 204 (Vorlesung)
DE
Vorlesungstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
deutsch
SWS:
2
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.
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:
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:
Kurssprache:
englisch
SWS:
3
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.
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
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
Data Mining (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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
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:
Kurssprache:
englisch
SWS:
2
Lernziel:
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
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 Mining II (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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
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 Mining II Klausurkommunikation (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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
Empfohlene Voraussetzungen:
Prüfungsleistung:
written examination (90 minutes), written project report, oral project presentation
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 Mining II Klausurkommunikation Nachklausur (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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
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:
Kurssprache:
englisch
Lektor(en):
Frederik Armknecht
Database Systems II (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
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/
Database Technology (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Kurssprache:
englisch
Lektor(en):
Heiko Paulheim
Database Technology Klausurkommunikation (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
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:
Kurssprache:
englisch
SWS:
4
Empfohlene Voraussetzungen:
Literatur:
R. Szeliski: Computer Vision Algorithms and Applications, Springer, 2010. ISBN: 978-1-84882-934-3. (Online available: http://szeliski.org/Book/)
I. Goodfellow et al.: Deep Learning, MIT Press, 2016. (Online: www.deeplearningbook.org)
I. Goodfellow et al.: Deep Learning, MIT Press, 2016. (Online: www.deeplearningbook.org)
Beschreibung:
Image Segmentation, Combinatorial optimization, Spectral Clustering, Optical Flow Video and Motion Segmentation, 3D Geometry, Structure from Motion, Deep Learning for Computer Vision
Information Retrieval and Web Search (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
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:
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:
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.
IT-Security (Seminar)
EN
Nachklausur Database Technology (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Kurssprache:
englisch
Lektor(en):
Heiko Paulheim
Query Optimization (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
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
Web Mining (Vorlesung mit Übung)
EN
Vorlesungstyp:
Vorlesung mit Übung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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
Empfohlene Voraussetzungen:
Prüfungsleistung:
written examination (90 minutes), written project report, oral project presentation
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:
Kurssprache:
deutsch
SWS:
4
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):
Peter Parczewski
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
Data Mining (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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
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:
Kurssprache:
englisch
Lektor(en):
Frederik Armknecht
Dynamische Systeme und Stabilität (Vorlesung)
DE
Vorlesungstyp:
Vorlesung
ECTS:
Kurs geeignet für:
Kurssprache:
deutsch
SWS:
4
Lektor(en):
Li Chen
Ersttermin Klausur IIa (Vorlesung)
DE
Vorlesungstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
deutsch
SWS:
2
Lernziel:
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
Empfohlene Voraussetzungen:
Prüfungsleistung:
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)
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.
Klausur Programmierpraktikum II (Vorlesung)
DE
Vorlesungstyp:
Vorlesung
ECTS:
5.0
Kurs geeignet für:
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)
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:
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.
MAA 403 Dynamische Systeme (Vorlesung)
DE
Vorlesungstyp:
Vorlesung
ECTS:
5.0
Kurs geeignet für:
Kurssprache:
deutsch
SWS:
4
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)
• 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
• Existenz und Eindeutigkeit
• hyperbolische Flüsse
• Stabilitätsanalyse
MAB 406 Lineare Algebra II / B (Vorlesung)
DE
Vorlesungstyp:
Vorlesung
ECTS:
5.0 (Modul/e)
Kurs geeignet für:
Kurssprache:
deutsch
SWS:
2
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).
• 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
Lektor(en):
Claus Hertling
Beschreibung:
• Algebra und Geometrie der Sesquilinearformen und Bilinearformen
• Spektralsätze
• Spektralsätze
MAB 513 Computeralgebra (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
8.0 (Modul/e)
Kurs geeignet für:
Kurssprache:
englisch
SWS:
4
Lernziel:
Fachkompetenz:
• Kenntnis der jeweiligen Vor- und Nachteile von numerischem gegenüber symbolischem Rechnen (BF1, BF3, BO3)
• Einsatzmöglichkeiten modularer und p-adischer Methoden (BK1, BK3, BO3)
• Grundlegende Sätze über Polynomringe und ihre Ideale (BF1, BK1)
• Anwendung von Gröbnerbasen auf die Reduktion nach einem Ideal (BF1, BK1)
Methodenkompetenz:
• Grundkenntnisse im Umgang mit einem Computeralgebrasystem (BK3)
• Effiziente Anwendung des (erweiterten) Euklidischen Algorithmus auf algebraische Probleme (BK1, BK3, BO3)
• Faktorisierung von Polynomen (BK1, BK3, BO3)
• Lösungsverfahren für nichtlineare Gleichungssysteme (BK1, BK3, BO3)
• Berechnung von Gröbnerbasen nach Buchberger (BK1, BK3, BO3)
Personale Kompetenz:
• Fähigkeit zur Lösung mathematischer Probleme durch symbolisches Rechnen (BK3, BO3)
• Verständnis der Mathematik hinter den wichtigsten Algorithmen der Computeralgebra (BF1, BO3)
• Kenntnis der jeweiligen Vor- und Nachteile von numerischem gegenüber symbolischem Rechnen (BF1, BF3, BO3)
• Einsatzmöglichkeiten modularer und p-adischer Methoden (BK1, BK3, BO3)
• Grundlegende Sätze über Polynomringe und ihre Ideale (BF1, BK1)
• Anwendung von Gröbnerbasen auf die Reduktion nach einem Ideal (BF1, BK1)
Methodenkompetenz:
• Grundkenntnisse im Umgang mit einem Computeralgebrasystem (BK3)
• Effiziente Anwendung des (erweiterten) Euklidischen Algorithmus auf algebraische Probleme (BK1, BK3, BO3)
• Faktorisierung von Polynomen (BK1, BK3, BO3)
• Lösungsverfahren für nichtlineare Gleichungssysteme (BK1, BK3, BO3)
• Berechnung von Gröbnerbasen nach Buchberger (BK1, BK3, BO3)
Personale Kompetenz:
• Fähigkeit zur Lösung mathematischer Probleme durch symbolisches Rechnen (BK3, BO3)
• Verständnis der Mathematik hinter den wichtigsten Algorithmen der Computeralgebra (BF1, BO3)
Empfohlene Voraussetzungen:
Prüfungsleistung:
Mündliche Prüfung oder schriftliche Klausur
Beschreibung:
• Exaktes, numerisches und symbolisches Rechnen
• Euklidischer Algorithmus für Zahlen und Polynome
• Resultanten und ihre Berechnung
• Modulare Berechnung des größten gemeinsamen Teilers zweier Polynome, Schranken für Teiler
• Faktorialität von Polynomringen
• Quadratfreie Zerlegung über Körpern beliebiger Charakteristik
• Faktorisierung von Polynomen einer oder mehrerer Veränderlicher nach Zassenhaus, Henselsches Lemma, LLL-Algorithmus
• Lösung nichtlinearer Gleichungssysteme mit Resultanten und mit Gröbnerbasen
• Euklidischer Algorithmus für Zahlen und Polynome
• Resultanten und ihre Berechnung
• Modulare Berechnung des größten gemeinsamen Teilers zweier Polynome, Schranken für Teiler
• Faktorialität von Polynomringen
• Quadratfreie Zerlegung über Körpern beliebiger Charakteristik
• Faktorisierung von Polynomen einer oder mehrerer Veränderlicher nach Zassenhaus, Henselsches Lemma, LLL-Algorithmus
• Lösung nichtlinearer Gleichungssysteme mit Resultanten und mit Gröbnerbasen
MAC 405 Monte Carlo Methods (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
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)
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):
Andreas Neuenkirch
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
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:
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)
• 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
• normierte Vektorräume
• Funktionen mehrerer Variabler
• Funktionale
MAT 304 Lineare Algebra II / A (Vorlesung)
DE
Vorlesungstyp:
Vorlesung
ECTS:
4.0 (Modul/e)
Kurs geeignet für:
Kurssprache:
deutsch
SWS:
2
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).
• 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
Lektor(en):
Claus Hertling
Beschreibung:
• Euklidische Vektorräume, Normalformen von Endomorphismen oder andere Ergänzungen zur Linearen Algebra I
MCMC / Bayes Statistics (Vorlesung)
EN
Praktikum Software Engineering (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
5.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
4
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.
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:
schriftliche Ausarbeitung und entwickeltes System, Teammeetings (14 Meetings à max. 2 Stunden) und Kolloquia (3 Kolloquien à max. 30 Minuten), Praktische Prüfungen, Programmierprojekt(e)
Lektor(en):
Marcus Kessel
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:
Kurssprache:
deutsch
SWS:
4
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.
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)
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
1. Rechnerarchitektur
2. Betriebssysteme
3. Compilerbau
4. Java Virtual Machine
Programmierpraktikum II (Vorlesung)
DE
Vorlesungstyp:
Vorlesung
ECTS:
5.0
Kurs geeignet für:
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:
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 (Vorlesung mit Übung)
EN
Vorlesungstyp:
Vorlesung mit Übung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
4
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
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:
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:
Kurssprache:
englisch
SWS:
2
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.
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:
Klausur (90 Minuten)
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:
Kurssprache:
deutsch
Lektor(en):
Martin Schlather
Theoretische Informatik (Vorlesung)
DE
Vorlesungstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
deutsch
SWS:
3
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.
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
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:
Kurssprache:
deutsch
SWS:
2
Lernziel:
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
Empfohlene Voraussetzungen:
Prüfungsleistung:
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)
Lektor(en):
Christian Meilicke, Heiner Stuckenschmidt
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.
Wirtschaftsinformatik IV – IS 204 (Vorlesung)
DE
Vorlesungstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
deutsch
SWS:
2
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.
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:
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)
Algorithmik (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
3
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.
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
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:
Kurssprache:
englisch
Lektor(en):
Daniel Roggenkamp
Data Mining (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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
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:
Kurssprache:
englisch
SWS:
2
Lernziel:
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
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 Mining II (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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
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 Mining II Klausurkommunikation (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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
Empfohlene Voraussetzungen:
Prüfungsleistung:
written examination (90 minutes), written project report, oral project presentation
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 Mining II Klausurkommunikation Nachklausur (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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
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:
Kurssprache:
englisch
Lektor(en):
Frederik Armknecht
Database Systems II (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
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/
Database Technology (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Kurssprache:
englisch
Lektor(en):
Heiko Paulheim
Database Technology Klausurkommunikation (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
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:
Kurssprache:
englisch
SWS:
4
Empfohlene Voraussetzungen:
Literatur:
R. Szeliski: Computer Vision Algorithms and Applications, Springer, 2010. ISBN: 978-1-84882-934-3. (Online available: http://szeliski.org/Book/)
I. Goodfellow et al.: Deep Learning, MIT Press, 2016. (Online: www.deeplearningbook.org)
I. Goodfellow et al.: Deep Learning, MIT Press, 2016. (Online: www.deeplearningbook.org)
Beschreibung:
Image Segmentation, Combinatorial optimization, Spectral Clustering, Optical Flow Video and Motion Segmentation, 3D Geometry, Structure from Motion, Deep Learning for Computer Vision
Information Retrieval and Web Search (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
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:
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:
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.
IT-Security (Seminar)
EN
MAA 501 Funktionentheorie II (Vorlesung)
DE
Vorlesungstyp:
Vorlesung
ECTS:
8.0 (Modul/e)
Kurs geeignet für:
Kurssprache:
deutsch
SWS:
4
Lernziel:
Fachkompetenz:
Vertrautheit mit ausgewählten Kapiteln der Theorie komplexer Funktionen in einer Veränderlichen (MK1)
Methodenkompetenz:
Fähigkeit Konzepte der komplexen Analysis mit denen der Algebra zu verbinden (MO2)
Personale Kompetenz:
Vertieftes Verständnis für Argumentationen in der komplexen Analysis (MO3)
Vertrautheit mit ausgewählten Kapiteln der Theorie komplexer Funktionen in einer Veränderlichen (MK1)
Methodenkompetenz:
Fähigkeit Konzepte der komplexen Analysis mit denen der Algebra zu verbinden (MO2)
Personale Kompetenz:
Vertieftes Verständnis für Argumentationen in der komplexen Analysis (MO3)
Empfohlene Voraussetzungen:
Prüfungsleistung:
mündliche Prüfung
Lektor(en):
Martin Schmidt
Beschreibung:
Eine Auswahl aus folgenden Themen:
Riemannsche Flächen und ihre Uniformisierung
Fundamentalgruppe und universelle Überlagerung
Garbentheorie auf Riemannschen Flächen
Modulformen
Riemannsche Flächen und ihre Uniformisierung
Fundamentalgruppe und universelle Überlagerung
Garbentheorie auf Riemannschen Flächen
Modulformen
MAA 504 Partial differential equations (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
8.0 (Modul/e)
Kurs geeignet für:
Kurssprache:
englisch
SWS:
4
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)
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):
Martin Schmidt
Beschreibung:
Elliptische Differenzialgleichungen
Funktionenräume
Randwertproblem, Dirichletproblem
Apriori Abschätzungen
Funktionenräume
Randwertproblem, Dirichletproblem
Apriori Abschätzungen
MAB 503 Elliptische Kurven (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
8.0 (Modul/e)
Kurs geeignet für:
Kurssprache:
englisch
SWS:
4
Lernziel:
Fachkompetenz:
Grundzüge der Theorie ebener algebraischer Kurven (MK1)
Elliptische Kurven als Gruppen (MK1)
Faktorisierung mit endlichen Gruppen, insbesondere mit elliptischen Kurven über endlichen Körpern (MK1, MO2)
Verschlüsselungsverfahren, elektronischen Unterschriften und Schlüsselaustausch mittels diskreter Logarithmen im Fall elliptischer Kurven (MK1, MK2, MF1, MF2, MO2)
Sicherheitsüberlegungen (MK2, MF1, MF2, MO2, MO3)
Methodenkompetenz:
Berechnung der Weierstraß'schen Normalform in beliebiger Charakteristik (MK1)
Rechnen in der Gruppe der rationalen Punkte einer elliptischen Kurve, insbesondere über endlichen Körpern (MK1)
Anwendung elliptischer Kurven auf Faktorisierungsprobleme (MK1, MO2)
Aufsetzen von Kryptosystemen auf der Basis elliptischer Kurven (MK2, MF1, MF2, MO2)
Wichtige Angriffsmöglichkeiten auf solche Systeme (MK2, MF1, MO3)
Personale Kompetenz:
Kenntnisse über elliptische Kurven, insbesondere über endlichen Körpern, fundiertes Verständnis für Möglichkeiten und Grenzen von deren Anwendungen in der Kryptologie (MK1, MK2, MF2, MO2, MO3)
Grundzüge der Theorie ebener algebraischer Kurven (MK1)
Elliptische Kurven als Gruppen (MK1)
Faktorisierung mit endlichen Gruppen, insbesondere mit elliptischen Kurven über endlichen Körpern (MK1, MO2)
Verschlüsselungsverfahren, elektronischen Unterschriften und Schlüsselaustausch mittels diskreter Logarithmen im Fall elliptischer Kurven (MK1, MK2, MF1, MF2, MO2)
Sicherheitsüberlegungen (MK2, MF1, MF2, MO2, MO3)
Methodenkompetenz:
Berechnung der Weierstraß'schen Normalform in beliebiger Charakteristik (MK1)
Rechnen in der Gruppe der rationalen Punkte einer elliptischen Kurve, insbesondere über endlichen Körpern (MK1)
Anwendung elliptischer Kurven auf Faktorisierungsprobleme (MK1, MO2)
Aufsetzen von Kryptosystemen auf der Basis elliptischer Kurven (MK2, MF1, MF2, MO2)
Wichtige Angriffsmöglichkeiten auf solche Systeme (MK2, MF1, MO3)
Personale Kompetenz:
Kenntnisse über elliptische Kurven, insbesondere über endlichen Körpern, fundiertes Verständnis für Möglichkeiten und Grenzen von deren Anwendungen in der Kryptologie (MK1, MK2, MF2, MO2, MO3)
Empfohlene Voraussetzungen:
Prüfungsleistung:
Mündliche Prüfung oder schriftliche Klausur
Beschreibung:
Ebene Kurven, Singularitäten und Schnittmultiplizitäten
Satz von Bezout
Gruppenstruktur elliptischer Kurven
Weierstraß'sche Normalformen
Wendepunktkonfiguration, n-Teilungspunkte und Tate-Modul
Faktorisierung ganzer Zahlen mit elliptischen Kurven
Kryptographie mit elliptischen Kurven
Weil- und Tatepaarung mit Anwendungen auf die Kryptanalyse
Satz von Bezout
Gruppenstruktur elliptischer Kurven
Weierstraß'sche Normalformen
Wendepunktkonfiguration, n-Teilungspunkte und Tate-Modul
Faktorisierung ganzer Zahlen mit elliptischen Kurven
Kryptographie mit elliptischen Kurven
Weil- und Tatepaarung mit Anwendungen auf die Kryptanalyse
MAB 513 Computeralgebra (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
8.0 (Modul/e)
Kurs geeignet für:
Kurssprache:
englisch
SWS:
4
Lernziel:
Fachkompetenz:
• Kenntnis der jeweiligen Vor- und Nachteile von numerischem gegenüber symbolischem Rechnen (BF1, BF3, BO3)
• Einsatzmöglichkeiten modularer und p-adischer Methoden (BK1, BK3, BO3)
• Grundlegende Sätze über Polynomringe und ihre Ideale (BF1, BK1)
• Anwendung von Gröbnerbasen auf die Reduktion nach einem Ideal (BF1, BK1)
Methodenkompetenz:
• Grundkenntnisse im Umgang mit einem Computeralgebrasystem (BK3)
• Effiziente Anwendung des (erweiterten) Euklidischen Algorithmus auf algebraische Probleme (BK1, BK3, BO3)
• Faktorisierung von Polynomen (BK1, BK3, BO3)
• Lösungsverfahren für nichtlineare Gleichungssysteme (BK1, BK3, BO3)
• Berechnung von Gröbnerbasen nach Buchberger (BK1, BK3, BO3)
Personale Kompetenz:
• Fähigkeit zur Lösung mathematischer Probleme durch symbolisches Rechnen (BK3, BO3)
• Verständnis der Mathematik hinter den wichtigsten Algorithmen der Computeralgebra (BF1, BO3)
• Kenntnis der jeweiligen Vor- und Nachteile von numerischem gegenüber symbolischem Rechnen (BF1, BF3, BO3)
• Einsatzmöglichkeiten modularer und p-adischer Methoden (BK1, BK3, BO3)
• Grundlegende Sätze über Polynomringe und ihre Ideale (BF1, BK1)
• Anwendung von Gröbnerbasen auf die Reduktion nach einem Ideal (BF1, BK1)
Methodenkompetenz:
• Grundkenntnisse im Umgang mit einem Computeralgebrasystem (BK3)
• Effiziente Anwendung des (erweiterten) Euklidischen Algorithmus auf algebraische Probleme (BK1, BK3, BO3)
• Faktorisierung von Polynomen (BK1, BK3, BO3)
• Lösungsverfahren für nichtlineare Gleichungssysteme (BK1, BK3, BO3)
• Berechnung von Gröbnerbasen nach Buchberger (BK1, BK3, BO3)
Personale Kompetenz:
• Fähigkeit zur Lösung mathematischer Probleme durch symbolisches Rechnen (BK3, BO3)
• Verständnis der Mathematik hinter den wichtigsten Algorithmen der Computeralgebra (BF1, BO3)
Empfohlene Voraussetzungen:
Prüfungsleistung:
Mündliche Prüfung oder schriftliche Klausur
Beschreibung:
• Exaktes, numerisches und symbolisches Rechnen
• Euklidischer Algorithmus für Zahlen und Polynome
• Resultanten und ihre Berechnung
• Modulare Berechnung des größten gemeinsamen Teilers zweier Polynome, Schranken für Teiler
• Faktorialität von Polynomringen
• Quadratfreie Zerlegung über Körpern beliebiger Charakteristik
• Faktorisierung von Polynomen einer oder mehrerer Veränderlicher nach Zassenhaus, Henselsches Lemma, LLL-Algorithmus
• Lösung nichtlinearer Gleichungssysteme mit Resultanten und mit Gröbnerbasen
• Euklidischer Algorithmus für Zahlen und Polynome
• Resultanten und ihre Berechnung
• Modulare Berechnung des größten gemeinsamen Teilers zweier Polynome, Schranken für Teiler
• Faktorialität von Polynomringen
• Quadratfreie Zerlegung über Körpern beliebiger Charakteristik
• Faktorisierung von Polynomen einer oder mehrerer Veränderlicher nach Zassenhaus, Henselsches Lemma, LLL-Algorithmus
• Lösung nichtlinearer Gleichungssysteme mit Resultanten und mit Gröbnerbasen
MAC 501 Advanced Mathematical Finance (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
Kurs geeignet für:
Kurssprache:
englisch
SWS:
4
Lektor(en):
David Johannes Prömel
MAC 502 Computational Finance (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lektor(en):
Peter Parczewski
MAC 507 Nonlinear Optimization (Vorlesung)
EN
MAC 510 Numerik partieller Differentialgleichungen (Vorlesung)
DE
Vorlesungstyp:
Vorlesung
ECTS:
Kurs geeignet für:
Kurssprache:
deutsch
SWS:
4
Lektor(en):
Simone Göttlich
MAC 516 Wahrscheinlichkeitstheorie II – Stochastische Prozesse (Vorlesung)
DE
Vorlesungstyp:
Vorlesung
ECTS:
Kurs geeignet für:
Kurssprache:
deutsch
Lektor(en):
Leif Döring
MAC 516 Wahrscheinlichkeitstheorie II – Stochastische Prozesse (Vorlesung)
DE
Vorlesungstyp:
Vorlesung
ECTS:
Kurs geeignet für:
Kurssprache:
deutsch
Lektor(en):
Leif Döring
MAS 510 Diffusion Equations (Seminar)
EN
Vorlesungstyp:
Seminar
ECTS:
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lektor(en):
Li Chen
Mathematical Optimization Research Seminar (Seminar)
EN
MCMC / Bayes Statistics (Vorlesung)
EN
Nachklausur Database Technology (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Kurssprache:
englisch
Lektor(en):
Heiko Paulheim
Query Optimization (Vorlesung)
EN
Vorlesungstyp:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
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 Graph Theory (Seminar)
EN
Seminar Mathematical Optimization (Seminar)
EN
Web Mining (Vorlesung mit Übung)
EN
Vorlesungstyp:
Vorlesung mit Übung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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
Empfohlene Voraussetzungen:
Prüfungsleistung:
written examination (90 minutes), written project report, oral project presentation
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