Winter 2024/25 Master Visual Computing (2015)

Modul und Kurs
Modul: 20-00-0040 Graphische Datenverarbeitung I
Kurs: 20-00-0040-iv Graphische Datenverarbeitung I

Termine zwischen 2024-10-14 und 2025-02-10
* 15x Mo 09:50 - 11:30 (S103/123)
* 18x Di 09:50 - 11:30 (Übungsstunde)

Lerninhalte
Einführung in die Grundlagen der Computergraphik, insb. Ein- u. Ausgabegeräte, Rendering Pipeline am Beispiel von OpenGL, räumliche Datenstrukturen, Beleuchtungsmodelle, Ray Tracing, aktuelle Entwicklungen in der Computergraphik

Qualitätsziele / Lernergebnisse
Nach erfolgreichem Besuch dieser Veranstaltung sind Studierende in der Lage alle Komponenten der Graphikpipeline zu verstehen und dadurch variable Bestandteile (Vertex-Shader, Fragment-Shader, etc.) anzupassen. Sie können Objekte im 3D-Raum anordnen, verändern und effektiv speichern, sowie die Kamera und die Perspektive entsprechend wählen und verschiedene Shading-Techniken und Beleuchtungsmodelle nutzen, um alle Schritte auf dem Weg zum dargestellten 2D-Bild anzupassen.

Empfohlene Voraussetzungen
- Programmierkenntnisse
- Grundlegende Algorithmen und Datenstrukturen
- Lineare Algebra
- Analysis
- Inhalte der Vorlesung Visual Computing

Literatur
- Real-Time Rendering: Tomas Akenine-Möller, Eric Haines, Naty Hoffman A.K. Peters Ltd., 3rd edition, ISBN 987-1-56881-424-7
- Fundamentals of Computer Graphics: Peter Shirley, Steve Marschner, third edition, ISBN 979-1-56881-469-8
- Weitere aktuelle Literaturhinweise werden in der Veranstaltung gegeben.

---

Modul: Graphische Datenverarbeitung 1


TUCaN-Nummer
20-00-0040

Titel
Graphische Datenverarbeitung I

Kürzel
GDV I

Lehrveranstaltungsart
Vorlesung

Gebiet
Human Computer Systems

Sprache
Deutsch

---

Kurs: 20-00-0040-iv Graphische Datenverarbeitung I


Lehrende
Prof. Dr. techn. Wolf Dietrich Fellner

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
GDV I

Semesterwochenstunden
4

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
Die Veranstaltung wird in Praesenz stattfinden, Details und etwaige Aenderungen werden in unserem Moodle Kurs auf dem Informatik-Moodle bekannt gegeben.

Lehrinhalte
Einführung in die Grundlagen der Computergraphik, insb. Ein- u. Ausgabegeräte, Rendering Pipeline am Beispiel von OpenGL, räumliche Datenstrukturen, Beleuchtungsmodelle, Ray Tracing, aktuelle Entwicklungen in der Computergraphik

Qualifikationsziele / Lernergebnisse
Nach erfolgreichem Besuch dieser Veranstaltung sind Studierende in der Lage alle Komponenten der Graphikpipeline zu verstehen und dadurch variable Bestandteile (Vertex-Shader, Fragment-Shader, etc.) anzupassen. Sie können Objekte im 3D-Raum anordnen, verändern und effektiv speichern, sowie die Kamera und die Perspektive entsprechend wählen und verschiedene Shading-Techniken und Beleuchtungsmodelle nutzen, um alle Schritte auf dem Weg zum dargestellten 2D-Bild anzupassen.

Literatur
- Real-Time Rendering: Tomas Akenine-Möller, Eric Haines, Naty Hoffman A.K. Peters Ltd., 3rd edition, ISBN 987-1-56881-424-7
- Fundamentals of Computer Graphics: Peter Shirley, Steve Marschner, third edition, ISBN 979-1-56881-469-8
- Weitere aktuelle Literaturhinweise werden in der Veranstaltung gegeben.

Voraussetzungen
- Programmierkenntnisse
- Grundlegende Algorithmen und Datenstrukturen
- Lineare Algebra
- Analysis
- Inhalte der Vorlesung Visual Computing

Weitere Informationen
IV, 6 CP/4SWS, i.d.R. jedes Wintersemester

Online-Angebote
Kurs im Moodle des FB 20 ("Informatiker-Moodle", https://moodle.informatik.tu-darmstadt.de/)

Modul und Kurs
Modul: 20-00-0085 Einführung in die Kryptographie
Kurs: 20-00-0085-iv Einführung in die Kryptographie

Termine zwischen 2024-10-16 und 2025-02-12
* 18x Mo 09:50 - 11:30 (Übung )
* 18x Mo 13:30 - 15:10 (Übung )
* 18x Mo 14:25 - 16:05 (Übung )
* 18x Di 13:30 - 15:10 (Übung )
* 18x Mi 09:50 - 11:30 (Übung )
* 15x Mi 11:40 - 13:20 (S101/A01)
* 18x Do 14:25 - 16:05 (Übung )
* 18x Do 15:20 - 16:10 (Übung )

Lerninhalte
Math. Grundlagen:
- Berechnungen in Kongruenz- und Restklassenringen

Grundlagen der Verschlüsselung:
- Symmetrische vs. Asymmetrische Kryptosysteme
- Block- und Stromchiffren, AES, DES
- Kryptanalyse
- Wahrscheinlichkeit und Perfekte Sicherheit
- Verschlüsselung mit öffentlichen Schlüsseln
- RSA, Diffie-Hellman, ElGamal
- Faktorisierung großer Zahlen
- Diskrete Logarithmen
- Kryptografische Hashfunktionen
- Digitale Signaturen
- Identifikation

Qualitätsziele / Lernergebnisse
- Verstehen der mathematischen Grundlagen der Kryptographie wie z.B. Berechnungen in Kongruenz- und Restklassenringen, Faktorisierung großer Zahlen, Wahrscheinlichkeit und Perfekte Sicherheit
- Verstehen der Prinzipien von Public und Secret-Key-Verschlüsselung und der relevanten Verfahren einschließlich ihrer Sicherheit und Effizienz
- Verstehen der Prinzipien digitaler Signaturen und der relevanten Verfahren einschließlich ihre Sicherheit und Effizienz

Empfohlene Voraussetzungen
- Lineare Algebra für Informatiker
- Funktionale und Objektorientierte Programmierkonzepte

Literatur
- Johannes Buchmann: Einführung in die Kryptographie,
5. Auflage, Springer-Verlag, 2010, 278 p. ISBN: 978-3-642-11185-3
- Johannes Buchmann:
Cryptographic Protocols. Vorlesungsskript
(u.a. Undeniable, Fail-Stop und Blind Signatures)
- Neal Koblitz:
A Course in Number Theory and Cryptography, Springer Verlag, 1994
- Alfred J. Menezes, Paul C. van Oorschot, Scot A. Vanstone:
Handbook of Applied Cryptography, CRC Press, 1997 (erhältlich als PDF)
- Bruce Schneier:
Applied Cryptography, John Wiley & Sons, Inc., 1994
- Douglas R. Stinson:
Cryptography - Theory and Practice, CRC Press, 1995
- Gustavus J. Simmons:
Contemporary Cryptology - The Science of Information Integrity, IEEE Press, 1992

---

Modul: Einführung in die Kryptographie


TUCaN-Nummer
20-00-0085

Titel
Einführung in die Kryptographie

Kürzel
Einf. Kryptographie

Lehrveranstaltungsart
Vorlesung

Gebiet
Trusted Systems

Sprache
Deutsch

---

Kurs: 20-00-0085-iv Einführung in die Kryptographie


Lehrende
Prof. Ph.D. Sebastian Faust; Elena Micheli; M.Sc. Kathrin Wirschem

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Einf Krypto

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte

Perfekte Sicherheit

Verschiedene Definitionen
One Time Pad und seine Sicherheit
Limitierungen

Private Key Verschlüsselung

Rechnerisch sichere private Schlüssel Verschlüsselung
Pseudozufallsgeneratoren (PRG)
Sichere Verschlüsselung von PRGs
Praktische Pseudozufallsgeneratoren (PRGs) - Stromchiffren
Stärkere Sicherheitseigenschaften
Pseudozufallsfunktionen (PRF)
CPA Sicherheit
Pseudozufallspermutationen (PRP) und Blockchiffren
Praktische Konstruktionen von Blockchiffren

Message Authentication Codes
Hash Funktionen
Kryptographische Annahmen
Key Agreement
Einführung zu Public Key Encryption
Public Key Encryption Schemes - RSA
Signaturen

Literatur

Eigene Aufzeichnungen, Übungen, Vortragsfolien
Jonathan Katz, Yehuda Lindell: Introduction to Modern Cryptography
A graduate course on applied cryptography

Vorwissen

Grundlagen der Wahrscheinlichkeitsrechnung

Weitere Informationen
WS17/18:Einführung in die Kryptographie

Modul und Kurs
Modul: 20-00-0110 Effiziente Graphenalgorithmen
Kurs: 20-00-0110-iv Effiziente Graphenalgorithmen

Termine zwischen 2024-10-15 und 2025-02-13
* 15x Di 09:50 - 11:30 (S202/C120)
* 15x Do 09:50 - 11:30 (S202/C120)

Lerninhalte
- Effiziente Algorithmen für Graphendurchlauf und Zusammenhangsprobleme in Graphen
- Optimale Bäume und Branchings
- Netzwerk-Flussprobleme
- Matching- und Zuweisungsprobleme
- Planare Graphen
- Theorie, generische Ansätze, Verbesessrungen durch Beschleunigungstechniken und Datenstrukturen

Qualitätsziele / Lernergebnisse
Nachdem Studierende erfolgreich diese Veranstaltung besucht haben,
- kennen sie grundlegende Algorithmen
- kennen sie Verfahren zur Effizienzsteigerung
- können sie Graphenalgorithmen analysieren
- beherrschen sie Methoden, um spezielle Eigenschaften (Planarität, Dünnbesetztheit) auszunutzen
- können sie die Effizienz von Verfahren in der Praxis beurteilen

Literatur
Wird in der Veranstaltung bekannt gegeben

---

Modul: Effiziente Graphenalgorithmen


TUCaN-Nummer
20-00-0110

Titel
Effiziente Graphenalgorithmen

Kürzel
Eff. Graphenalgorith

Lehrveranstaltungsart
Vorlesung

Gebiet
Foundations of Computing

Sprache
Deutsch

---

Kurs: 20-00-0110-iv Effiziente Graphenalgorithmen


Lehrende
Prof. Dr. rer. nat. Karsten Weihe

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Effiz. Graphalgorith

Semesterwochenstunden
4

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Alle Informationen zu Vorlesung, Übungsbetrieb und Prüfung finden Sie auf moodle.informatik.tu-darmstadt.de im Kurs "Effiziente Graphenalgorithmen WiSe 24/25".

Modul und Kurs
Modul: 20-00-0121 Ubiquitous Computing in Geschäftsprozessen
Kurs: 20-00-0121-vl Ubiquitous Computing in Geschäftsprozessen

Termine zwischen 2024-10-18 und 2025-02-14
* 13x Fr 09:50 - 13:10 (S103/175)
* 1x 2025-02-14 Fr 09:50 - 11:30 (S103/175)

Lerninhalte
- Nutzungsmöglichkeiten aktueller Ubiquitous Computing Technologien in Geschäftsprozessen und im Bereich von Smart Cities
- Ermittlung des ökonomischen Potentials verschiedener Ubiquitous Computing Technologien im Kontext verschiedener Geschäftsprozesse und im Bereich von Smart Cities
- Verständnis der grundlegenden Technologien und Darstellung der mit diesen verbundenen Vorteile, Herausforderungen und Anwendungsfälle
- Spezifische Technologien wie RFID, Smart Items (z.B. Smart Shelf) etc. und ihre Integration in Prozesse
- Darstellung der Integration zwischen physischer und virtueller Welt, wie sie z.B. in aktuellen Enterprise Software Systemen realisiert wird
- Sammeln praktischer Erfahrungen im Umgang mit Ubiquitous Computing Technologien im Kontext verschiedener Anwendungsfälle, z.B. mittels Live-Demonstrationen

Qualitätsziele / Lernergebnisse
Nach der Teilnahme an dieser Lehrveranstaltungen haben sich Studierende Kenntnissen über Auswirkungen des ubiquitären Computing auf Geschäftsprozesse und Smart Cities in Verbindung mit grundlegenden Konzepten angeeignet

Literatur
- Mühlhäuser, M.; Gurevych, I. (Eds.): Ubiquitous Computing Technology for Real Time Enterprises Information Science Reference, Dezember, 2007
- Finkenzeller, K: RFID-Handbuch. Grundlagen und praktische Anwendungen von Transpondern, kontaktlosen Chipkarten und NFC. Hanser Fachbuch; Auflage: 5., aktual. u. erw. Aufl. (1. Oktober 2008)
- Fleisch, E.; Mattern, F. (Hrsg.): Das Internet der Dinge: Ubiquitous Computing und RFID in der Praxis, Springer, Berlin, Heidelberg, New York 2005
- Österle, H.; Fleisch, E.; Alt, R.: Business Networking – Shaping Collaboration between Enterprises, Springer
- Callaway, E.H.: Wireless Sensor Networks: Architectures and Protocols, Auerbach Publications

---

Modul: Ubiquitous Computing in Geschäftsprozessen


TUCaN-Nummer
20-00-0121

Titel
Ubiquitous Computing in Geschäftsprozessen

Kürzel
Ubiquitous Computing

Lehrveranstaltungsart
Vorlesung

Gebiet
Net Centric Systems

Sprache
Deutsch

---

Kurs: 20-00-0121-vl Ubiquitous Computing in Geschäftsprozessen


Lehrende
Lutz Heuser

Veranstaltungsart
Vorlesung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Ubiquitous Computing

Semesterwochenstunden
2

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
Dieser Kurs wird digital als Vorlesungsaufzeichnung angeboten.

Lernziele
The aquisition of knowledge about implications of ubiquitious computing on business to business processes in conjunction with basic concepts provided in required courses for information and communication networks.

Stoffplan
Die Vorlesung beginnt mit einem Überblick über existierende Geschäftsprozesse sowie Möglichkeiten, diese mittels ubiquitärer Computertechnologien zu optimieren. Darauf aufbauend werden typische Werkzeuge für die Integration der entsprechenden Systeme in betriebsübergreifenden Geschäftsprozessen und Anwendungen vorgestellt.

State of the art in workflows and business processes
Opportunities of ubiqutous computing: the realtime enterprise
RFID technology and its integration with business processes
Other smart items (smart shelfs etc.), business cases
Hands-on experience and live demonstrations.

Diploma Supplement
Workflow modeling, business process modeling, smart items integration, realtime enterprises

Literatur
Communication / Remote Procedure CallTanenbaum, A.S.: Modern operating systems, Prentice Hall International EditionsCampione, M.; Walrath, K.; Huml, A.: The Java Tutorial Continued: The Rest of the JDK, Addison-WesleyData Warehousing / SAP BWEgger, N.: Praxishandbuch SAP BW 3.1, SAP PressFurther ReadingMühlhäuser, M.; Gurevych, I. (Eds.): Ubiquitous Computing Technology for Real Time Enterprises, Information Science Reference, Dezember 2007. ISBN-10: 1599048353.Fleisch, E.; Mattern, F. (Hrsg.): Das Internet der Dinge - Ubiquitous Computing und RFID in der Praxis, Springer, Berlin, Heidelberg, New York 2005, ISBN-10: 3540240039 Österle, H.; Fleisch, E.; Alt, R.: Business Networking - Shaping Collaboration between Enterprises, Springer 2001, ISBN-10: 3540413510 Callaway, E.H.: Wireless Sensor Networks: Architectures and Protocols, Auerbach Publications, 2003, ISBN-10: 0849318238

Vorwissen
There are no formal requirements on previous lectures taken to participate on this lecture. However, basic knowledge of distributed systems and ubiquitous computing is favourable.

Online-Angebote
https://www.informatik.tu-darmstadt.de/telekooperation/teaching_tk/winter_term_2022___23/ubiquitous_computing_in_business_processes/tk_ubicomp_wise_2020__4.en.jsp

https://moodle.informatik.tu-darmstadt.de/course/view.php?id=1501

Modul und Kurs
Modul: 20-00-0157 Computer Vision
Kurs: 20-00-0157-iv Computer Vision

Termine zwischen 2024-10-14 und 2025-02-10
* 15x Mo 13:30 - 15:10 (S202/C205 - Bosch Hörsaal)
* 18x Mo 15:20 - 17:00 (Übungsstunde)

Lerninhalte
- Grundlagen der Bildformierung
- Lineare und (einfache) nichtlineare Bildfilterung
- Grundlagen der Mehransichten-Geometrie
- Kamerakalibrierung & -posenschätzung
- Grundlagen der 3D-Rekonstruktion
- Grundlagen der Bewegungsschätzung aus Videos
- Template- und Unterraum-Ansätze zur Objekterkennung
- Objektklassifikation mit Bag of Words
- Objektdetektion
- Grundlagen der Bildsegmentierung

Qualitätsziele / Lernergebnisse
Studierende beherrschen nach erfolgreichem Besuch der Veranstaltung die Grundlagen der Computer Vision. Sie verstehen grundlegende Techniken der Bild- und Videoanalyse, und können deren Annahmen und mathematische Formulierungen benennen, sowie die sich ergebenden Algorithmen beschreiben. Sie sind in der Lage diese Techniken praktisch so umzusetzen, dass sie grundlegende Bildanalyseaufgaben an Hand realistischer Bilddaten lösen können.

Empfohlene Voraussetzungen
Besuch von Visual Computing ist empfohlen.

Literatur
Literaturempfehlungen werden regelmässig aktualisiert und beinhalten beispielsweise:
- R. Szeliski, ""Computer Vision: Algorithms and Applications"", Springer 2011
- D. Forsyth, J. Ponce, ""Computer Vision -- A Modern Approach"", Prentice Hall, 2002

---

Modul: Computer Vision


TUCaN-Nummer
20-00-0157

Titel
Computer Vision I

Kürzel
Computer Vision I

Lehrveranstaltungsart
Vorlesung

Gebiet
Human Computer Systems

Sprache
Englisch

---

Kurs: 20-00-0157-iv Computer Vision


Lehrende
Prof. Ph. D. Stefan Roth

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Computer Vision

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
Digitale Materialien werden per Moodle bereitgestellt.

Lehrinhalte

Grundlagen der Bildformierung
Lineare und (einfache) nichtlineare Bildfilterung
Grundlagen der Mehransichten-Geometrie
Kamerakalibrierung & -posenschätzung
Grundlagen der 3D-Rekonstruktion
Grundlagen der Bewegungsschätzung aus Videos
Grundlegende Ansätze zur Objekterkennung
Objektklassifikation
Objektdetektion
Tiefe Netze in der Computer Vision

Literatur

R. Szeliski, "Computer Vision: Algorithms and Applications", 2. Auflage, Springer 2022
D. Forsyth, J. Ponce, "Computer Vision - A Modern Approach", 2. Auflage, Prentice Hall, 2015

Voraussetzungen
Besuch von Visual Computing (20-00-0014-iv, früher: Kanonik Human Computer Systems) ist empfohlen.

Weitere Informationen
Studierende beherrschen nach erfolgreichem Besuch der Veranstaltung die Grundlagen der Computer Vision. Sie verstehen grundlegende Techniken der Bild- und Videoanalyse, und können deren Annahmen und mathematische Formulierungen benennen, sowie die sich ergebenden Algorithmen beschreiben. Sie sind in der Lage diese Techniken praktisch so umzusetzen, dass sie grundlegende Aufgaben der Computer Vision an Hand realistischer Bilddaten lösen können.

Zusätzliche Informationen
Die Lehrveranstaltung wird parallel in Präsenz wie auch digital angeboten. Eine Präsenzteilnahme wird nachdrücklich empfohlen, jedoch ist eine digitale Teilnahme ohne Einschränkungen möglich. Die digitalen Materialien entsprechen dem Präsenzangebot und werden per Moodle bereitgestellt (ggf. zeitverzögert).

Online-Angebote
moodle

Modul und Kurs
Modul: 20-00-0183 Algorithmen für Chip-Entwurfswerkzeuge
Kurs: 20-00-0183-vl Algorithmen für Chip-Entwurfswerkzeuge

Termine zwischen 2024-10-15 und 2025-02-11
* 15x Di 11:40 - 13:20 (S103/104)

Lerninhalte
- The VLSI design problem
- Fundamental graph representations and algorithms
- Representations for hierarchical circuits
- Fabrication technologies for integrated circuits
- Layout compaction
- Timing analysis
- Heuristical optimization techniques
- Placement problems, algorithms, and cost functions
- Exact optimization techniques
- Partitioning and its use in placement
- Floorplanning problems, representations, and techniques
- Routing problems, algorithms, and cost functions

Qualitätsziele / Lernergebnisse
Studierende kennen nach erfolgreichem Besuch der Veranstaltung verschiedene Technologien für die Realisierung von integrierten Schaltungen. Sie können aus den verschiedenen Technologien die Anforderungen an Automatisierungswerkzeuge für verschiedene Teilaufgaben des Entwurfs- und Realisierungsprozesses herleiten. Sie sind vertraut mit der Modellierung technologischer Probleme durch formale Konzepte wie Graphen, Gleichungssysteme etc. Sie verstehen grundlegende Verfahren zur Lösung auch von harten Problemen und können aufbauend auf Erfahrungen mit verschiedenen Basisalgorithmen neue bzw. verfeinerte Implementierungen zur Erledigung der Entwurfsaufgaben entwickeln.

Empfohlene Voraussetzungen
Empfohlen wird der erfolgreiche Besuch der Veranstaltungen “Digitaltechnik” sowie “Algorithmen und Datenstrukturen” und “Funktionale und objektorientierte Programmierung”.

Literatur
Literaturempfehlungen werden kontinuierlich aktualisiert, Beispiele für verwendete Literatur könnten sein:
Gerez: Algorithms for VLSI Design Automation
Wang/Chang/Cheng: Electronic Design Automation

---

Modul: Algorithmen für Chip-Entwurfswerkzeuge


TUCaN-Nummer
20-00-0183

Titel
Algorithmen für Hardware-Entwurfswerkzeuge

Kürzel
Algo HW-Entwurf

Lehrveranstaltungsart
Vorlesung

Gebiet
Computer Microsystems

Sprache
Deutsch

---

Kurs: 20-00-0183-vl Algorithmen für Chip-Entwurfswerkzeuge


Lehrende
Dipl.-Inform. Florian-Wolfgang Stock

Veranstaltungsart
Vorlesung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Algorithmen für Chip

Semesterwochenstunden
2

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | 35

Lehrinhalte
Algorithmen und Datenstrukturen für den Chip- Entwurf. Neben den Algorithmen und Datenstrukturen für Verdrahtung und Platzierung werden die hierfür notwendigen Grundlagen der Optimierung und Graphentheorie vermittelt und die notwendigen Heuristiken behandelt.

Voraussetzungen
TGDI 1+2, GDI

Modul und Kurs
Modul: 20-00-0433 Natural Language Processing and the Web
Kurs: 20-00-0433-iv Natural Language Processing and the Web

Termine zwischen 2024-10-15 und 2025-02-11
* 15x Di 09:50 - 11:30 (S214/24)
* 15x Di 13:30 - 15:10 (S306/051)
* 18x Do 16:15 - 17:55 (Übungsstunde)

Lerninhalte
Das Web beinhaltet mehr als 10 Milliarden indexierbare Webseiten, die mittels Stichwortsuche zugänglich sind. Die Vorlesung behandelt Methoden der automatischen Sprachverarbeitung bzw. des Natural Language Processing (NLP) zur Verarbeitung großer Mengen unstrukturierter Texte im Web und zur Analyse von Online-Inhalten als wertvolle Ressource für andere sprachtechnologische Anwendungen im Web.

Zentrale Inhalte:

- Verarbeitung unstrukturierter Texte im Web
- NLP-Grundlagen: Tokenisierung, Wortartenerkennung, Stemming, Lemmatisierung, Chunking
- UIMA: Grundlagen und Anwendungen
- Web-Inhalte und ihre Charakteristika, u.a. verschiedene Genres, z.B. persönliche Seiten, Nachrichtenportale, Blogs, Foren, Wikis
- Das Web als Korpus, insb. innovative Verwendung des Webs als sehr großes, verteiltes, verlinktes, wachsendes und multilinguales Korpus
- NLP-Anwendungen für das Web
- Einführung in das Information Retrieval
- Web-Suche und natürlichsprachliche Suchschnittstellen
- Web-basierte Beantwortung von natürlichsprachlichen Fragen
- Web-Mining im Web 2.0, z.B. Wikipedia, Wiktionary
- Qualitätsbewertung von Web-Inhalten
- Multilingualität
- Internet-of-Services: Service Retrieval
- Sentimentanalyse und Community Mining
- Paraphrasen, Synonyme, semantische Verwandtschaft und das Web

Qualitätsziele / Lernergebnisse
Nachdem Studierende die Veranstaltung besucht haben, können sie
- Methoden und Ansätze zur Verarbeitung unstrukturierter Texte verstehen und differenzieren,
- die Arbeitsweise von Web-Suchmaschinen nachvollziehen und erläutern,
- exemplarische Anwendungen der Sprachverarbeitung im Web selbständig aufbauen und analysieren,
- das Potenzial von Web-Inhalten für die Verbesserung von sprachtechnologischen Anwendungen analysieren und einschätzen.

Empfohlene Voraussetzungen
Grundlegende Algorithmen und Datenstrukturen sowie Programmierkenntnisse in Java werden erwartet.

Literatur
- Kai-Uwe Carstensen, Christian Ebert, Cornelia Endriss, Susanne Jekat, Ralf Klabunde: Computerlinguistik und Sprachtechnologie. Eine Einführung. 3. Auflage. Heidelberg: Spektrum, 2009. ISBN: 978-3-8274-20123-7.
- http://www.linguistics.rub.de/CLBuch
/- T. Götz, O. Suhre: Design and implementation of the UIMA Common Analysis System, IBM Systems Journal 43(3): 476–489, 2004.
- Adam Kilgarriff, Gregory Grefenstette: Introduction to the Special Issue on the Web as Corpus, Computational Linguistics 29(3): 333–347, 2003.
- Christopher D. Manning, Prabhakar Raghavan, Hinrich Schütze: Introduction to Information Retrieval, Cambridge: Cambridge University Press, 2008. ISBN: 978-0-521-86571-5. [url]http://nlp.stanford.edu/IR-book/[/url

---

Modul: Natural Language Processing and the Web


TUCaN-Nummer
20-00-0433

Titel
Natural Language Processing and the Web

Kürzel
NLP and the Web

Lehrveranstaltungsart
Vorlesung

Gebiet
Data Knowledge Engineering

Sprache
Deutsch/Englisch

---

Kurs: 20-00-0433-iv Natural Language Processing and the Web


Lehrende
Dr. rer. nat. Thomas Otmar Arnold; Prof. Dr. phil. Iryna Gurevych

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
NLP and the Web

Semesterwochenstunden
4

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Das Web beinhaltet mehr als 10 Milliarden indexierbare Webseiten, die mittels Stichwortsuche zugänglich sind. Die Vorlesung behandelt Methoden der automatischen Sprachverarbeitung bzw. des Natural Language Processing (NLP) zur Verarbeitung großer Mengen unstrukturierter Texte im Web und zur Analyse von Online-Inhalten als wertvolle Ressource für andere sprachtechnologische Anwendungen im Web.

Zentrale Inhalte:

- Verarbeitung unstrukturierter Texte im Web
- NLP-Grundlagen: Tokenisierung, Wortartenerkennung, Stemming, Lemmatisierung, Chunking
- Web-Inhalte und ihre Charakteristika, u.a. verschiedene Genres, z.B. persönliche Seiten, Nachrichtenportale, Blogs, Foren, Wikis
- Das Web als Korpus, insb. innovative Verwendung des Webs als sehr großes, verteiltes, verlinktes, wachsendes und multilinguales Korpus
- NLP-Anwendungen für das Web
- Einführung in das Information Retrieval
- Web-Suche und natürlichsprachliche Suchschnittstellen
- Web-basierte Beantwortung von natürlichsprachlichen Fragen
- Web-Mining im Web 2.0, z.B. Wikipedia, Wiktionary
- Qualitätsbewertung von Web-Inhalten
- Multilingualität
- Internet-of-Services: Service Retrieval
- Sentimentanalyse und Community Mining
- Paraphrasen, Synonyme, semantische Verwandtschaft und das Web

Literatur
- Kai-Uwe Carstensen, Christian Ebert, Cornelia Endriss, Susanne Jekat, Ralf Klabunde: Computerlinguistik und Sprachtechnologie. Eine Einführung. 3. Auflage. Heidelberg: Spektrum, 2009. ISBN: 978-3-8274-20123-7.
- http://www.linguistics.rub.de/CLBuch
/- T. Götz, O. Suhre: Design and implementation of the UIMA Common Analysis System, IBM Systems Journal 43(3): 476–489, 2004.
- Adam Kilgarriff, Gregory Grefenstette: Introduction to the Special Issue on the Web as Corpus, Computational Linguistics 29(3): 333–347, 2003.
- Christopher D. Manning, Prabhakar Raghavan, Hinrich Schütze: Introduction to Information Retrieval, Cambridge: Cambridge University Press, 2008. ISBN: 978-0-521-86571-5. http://nlp.stanford.edu/IR-book/

Voraussetzungen
Grundlegende Algorithmen und Datenstrukturen sowie Programmierkenntnisse in Python werden erwartet.

Online-Angebote
Für weitere Informationen, beachten Sie bitte den zugehörigen Moodle-Kurs: https://moodle.informatik.tu-darmstadt.de/course/view.php?id=1292

Modul und Kurs
Modul: 20-00-0490 Geometric Algebra Computing
Kurs: 20-00-0490-iv Geometric Algebra Computing

Termine zwischen 2024-10-15 und 2025-02-11
* 14x Di 13:30 - 16:50 (S102/344)
* 1x 2025-02-11 Di 13:30 - 15:10 (S102/344)

Lerninhalte
Geometric Computing mit Hilfe einer geometrisch intuitiven Algebra.

Qualitätsziele / Lernergebnisse
Anwenden eines neuen math. Systems auf Gebieten wie Visual Computing und Robotik.

Literatur
1. Geometric Algebra for Computer Science von Dorst, Fontijne und Mann
2. Dissertation: http://tuprints.ulb.tu-darmstadt.de/epda/000764/

---

Modul: Geometric Algebra Computing


TUCaN-Nummer
20-00-0490

Titel
Geometric Algebra Computing

Kürzel
Geometric Algebra Co

Lehrveranstaltungsart
Vorlesung

Gebiet
Human Computer Systems

Sprache
Deutsch

Diploma Supplement
Computer Graphics, Geometric Algebra Computing

---

Kurs: 20-00-0490-iv Geometric Algebra Computing


Lehrende
Dr.-Ing. Dietmar Hildenbrand

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
20-00-0490-iv

Semesterwochenstunden
4

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Umgang mit Geometrischer Algebra
- (Visuell) Entwickeln mit Geometrischer Algebra
- Performant implementieren mit dem Geometric algebra algorithms optimizer GAALOP/GAALOPWeb
- Code-Generierung für unterschiedliche Programmiersprachen und Hardware
Mathematische Grundlagen der Geometrischen Algebra
- Die Produkte der Geometrischen Algebra
- Geometrische Objekte / Operationen / Transformationen / Kinematik / Dynamik
- Bezüge zu bekannten mathematischen Systemen
Anwendungen von Geometrischer Algebra in
- Robotik
- Computergrafik
- Computeranimation
- Computervision
- Quantum Computing

Literatur
1. Foundations of Geometric Algebra Computing, D. Hildenbrand, Springer Verlag, 2013
2. Introduction to Geometric Algebra Computing, D. Hildenbrand, CRC Press, Taylor & Francis Group, 2019
3. The Power of Geometric Algebra Computing, D. Hildenbrand, CRC Press, Taylor & Francis Group, 2022

Voraussetzungen
Programmierkenntnisse in C/C++/Python
ein erfolgreich abgelegtes Übungsprojekt ist Voraussetzung für die (mündliche) Prüfung

Offizielle Kursbeschreibung
Die Geometrische Algebra ist ein neues mathematisches System, welches sich durch seine Einfachheit und geometrische Intuition auszeichnet. Durch den an der TU Darmstadt entwickelten GAALOP Compiler kann dies mit sehr guter Laufzeit und Robustheit der Implementierungen kombiniert werden.

In dieser Lehrveranstaltung werden die Grundlagen des Geometric Algebra Computing sowie Anwendungen aus den Bereichen Robotik, Computergrafik, Computeranimation und Computer Vision präsentiert. Ein Schwerpunkt liegt auch auf den Prinzipien und dem Umgang mit GAALOP mit dem Ziel, möglichst optimalen Code für die unterschiedlichsten Programmiersprachen (C/C++, Python, CUDA, OpenCL, Matlab, Mathematica, Verilog … ) zu generieren.

Online-Angebote
Infos/Download GAALOP unter http://www.gaalop.de
/Papers und weitere Infos finden Sie unter http://www.gaalop.de/dhilden/

Modul und Kurs
Modul: 20-00-0553 Projektpraktikum Sichere Mobile Netze
Kurs: 20-00-0553-pp Projektpraktikum Sichere Mobile Netze

Lerninhalte
Das Projektpraktikum Sichere Mobile Netze behandelt die angewandte Softwareentwicklung und Hardware-Software Entwicklung in den Themenbereichen Kommunikationsnetze, Sicherheit, Mobile Netze und Drahtloser Kommunikation bzw. der Kombination dieser Bereiche. Ziel ist das eigenständige Bearbeiten eines Entwicklungsprojektes im Team.

Lerninhalte:
- Eigenständiges Bearbeiten eines Entwicklungsprojektes im Bereich Kommunikationsnetze, Sicherheit, Mobile Netze und Drahtloser Kommunikation
- Projektplanung und Projektmanagement
- Rechereche von Lösungsalternativen und Abwägung von Vor-/Nachteilen der Alternativen
- Konzipieren einer Softwarearchitektur bzw. kombinierten Hardware-Software Architektur
- Entwerfen eines auf die Zielplattform angepassten Hardware-/Softwaredesigns
- Prototypische Umsetzung auf der ausgewählten Zielplattform
- Evaluation des Gesamtsystems in Bezug auf verschiedene Gütemaße
- Dokumentation der erstellten Lösung sowie ausführliche Dokumentation des Projektmanagements

Qualitätsziele / Lernergebnisse
Nach erfolgreicher Teilnahme an der Veranstaltung besitzen die Studierenden die Fähigkeit komplexe Problemstellungen im Bereich Sichere Mobile Netze softwaretechnisch zu lösen. Die Studierenden können hierzu eigenständig ein Projekt definieren, verwalten und durchführen. Die Studierenden haben Kenntnisse im Entwurf/der Umsetzung komplexer Protokolle bzw. Anwendungen in einem/mehreren der Bereiche Kommunikationsnetze, Sicherheit, Mobile Netze und Drahtloser Kommunikation erlangt. Die Studierenden sind in der Lage die gewählten Protokolle und Anwendungen zu implementieren, zu testen und deren Funktionsfähigkeit und Leistungsfähigkeit zu evaluieren. Sie sind in der Lage die Projektplanung und -verwaltung sowie die erstellten Softwareartefakte verständlich zu dokumentieren und die erzielten Projektfortschritten und -ergebnissen verständlich zu präsentieren.

Empfohlene Voraussetzungen
Erfolgreiche Teilnahme an einer Integrierten Veranstaltung des Fachgebiets SEEMOO

Literatur
Themenspezifisch ausgewählte, aktuelle wissenschaftliche Veröffentlichungen

---

Modul: Projektpraktikum Sichere Mobile Netze


TUCaN-Nummer
20-00-0553

Titel
Projektpraktikum Sichere Mobile Netze

Kürzel
Sichere Mobile Netze

Lehrveranstaltungsart
Projektpraktikum

Gebiet
Net Centric Systems

Sprache
Deutsch/Englisch

---

Kurs: 20-00-0553-pp Projektpraktikum Sichere Mobile Netze


Lehrende
M.Sc. David Noel Breuer; Prof. Dr.-Ing. Matthias Hollick

Veranstaltungsart
Praktikum

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Projektpraktikum Sic

Semesterwochenstunden
6

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
Lernplattform: https://seemoo.de/lab-project-moodle

Lehrinhalte
Das Projektpraktikum Sichere Mobile Netze behandelt die angewandte Softwareentwicklung und Hardware-Software Entwicklung in den Themenbereichen Kommunikationsnetze, Sicherheit, Mobile Netze und Drahtloser Kommunikation bzw. der Kombination dieser Bereiche. Ziel ist das eigenständige Bearbeiten eines Entwicklungsprojektes im Team.

Lerninhalte:
- Eigenständiges Bearbeiten eines Entwicklungsprojektes im Bereich Kommunikationsnetze, Sicherheit, Mobile Netze und Drahtloser Kommunikation
- Projektplanung und Projektmanagement
- Rechereche von Lösungsalternativen und Abwägung von Vor-/Nachteilen der Alternativen
- Konzipieren einer Softwarearchitektur bzw. kombinierten Hardware-Software Architektur
- Entwerfen eines auf die Zielplattform angepassten Hardware-/Softwaredesigns
- Prototypische Umsetzung auf der ausgewählten Zielplattform
- Evaluation des Gesamtsystems in Bezug auf verschiedene Gütemaße
- Dokumentation der erstellten Lösung sowie ausführliche Dokumentation des Projektmanagements

Literatur
Themenspezifisch ausgewählte, aktuelle wissenschaftliche Veröffentlichungen

Voraussetzungen
Erfolgreiche Teilnahme an einer Integrierten Veranstaltung des Fachgebiets SEEMOO

Online-Angebote
Lernplattform: https://seemoo.de/lab-project-moodle

Modul und Kurs
Modul: 20-00-0580 Statische und dynamische Programmanalyse
Kurs: 20-00-0580-iv Statische und dynamische Programmanalyse

Termine zwischen 2024-10-15 und 2025-02-12
* 14x Di 13:30 - 15:10 (S101/A3)
* 15x Mi 13:30 - 15:10 (S101/A2)

Lerninhalte
- operationelle Semantiken für sequentielle und parallele Programme
- Übersicht über Techniken zur statischen und dynamischen Programmanalyse
- Abstrakte Interpretation
- Datenflussanalysen
- Slicing-Techniken
- typbasierte Programmanalysen
- Konzepte der Laufzeitüberwachung
- Implementierungstechniken zur Laufzeitüberwachung
- Sprachbasierte Sicherheit
- Korrektheit und Präzision von Programmanalysen

Qualitätsziele / Lernergebnisse
Nach erfolgreicher Teilnahme an der Veranstaltung kennen Studierende ein Spektrum von unterschiedlichen Programmanalysen. Sie verstehen die Funktionsweise der einzelnen Analysetechniken und verstehen die Unterschiede zwischen diesen. Sie können beurteilen, welche Analysetechnik für welche Problemstellung in Frage kommt und haben die Fähigkeit, die ausgewählte Analysetechnik einzusetzen. Sie können Programmanalysen bezüglich ihrer Präzision und Korrektheit beurteilen. Sie können Programmanalysen auch implementieren und Varianten von bekannten Programmanalysen definieren.

Empfohlene Voraussetzungen
Informatik- und Mathematikkenntnisse entsprechend den ersten 4 Semestern des Bachelorstudiengangs Informatik, insbesondere grundlegende Logikkenntnisse und Fähigkeit, mit formalen Sprachen und Kalkülen umzugehen

---

Modul: Statische und dynamische Programmanalyse


TUCaN-Nummer
20-00-0580

Titel
Statische und dynamische Programmanalyse

Kürzel
Programmanalyse

Lehrveranstaltungsart
Vorlesung

Gebiet
Foundations of Computing

Sprache
Englisch

Diploma Supplement
abstract interpretation, data flow analysis, run-time monitoring for security, security type systems

---

Kurs: 20-00-0580-iv Statische und dynamische Programmanalyse


Lehrende
Prof. Dr.-Ing. Heiko Mantel

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Stat.dynam.Progr.ana

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
- operationelle Semantiken für sequentielle und parallele Programme
- Übersicht über Techniken zur statischen und dynamischen Programmanalyse
- Abstrakte Interpretation
- Datenflussanalysen
- Slicing-Techniken
- typbasierte Programmanalysen
- Konzepte der Laufzeitüberwachung
- Implementierungstechniken zur Laufzeitüberwachung
- Sprachbasierte Sicherheit
- Korrektheit und Präzision von Programmanalysen

Voraussetzungen
Informatik- und Mathematikkenntnisse entsprechend den ersten 4 Semestern des Bachelorstudiengangs Informatik, insbesondere grundlegende Logikkenntnisse und Fähigkeit, mit formalen Sprachen und Kalkülen umzugehen

Modul und Kurs
Modul: 20-00-0635 IT-Lösungen durch praxiserprobtes Software Engineering
Kurs: 20-00-0635-iv IT-Lösungen durch praxiserprobtes Software Engineering

Termine zwischen 2024-10-16 und 2025-02-12
* 14x Mi 09:50 - 11:30 (S202/C110)

Lerninhalte
- Modellierung mit UML bzw. DSL und Code-Generierung

Qualitätsziele / Lernergebnisse
Die Teilnehmer lernen theoretisch und praktisch - anhand von Fallbeispielen aus der Praxis - wie Software-Engineering zur Erarbeitung von IT-Lösungen eingesetzt wird. Dabei werden moderne, praxiserprobte Konzepte zur Erstellung von IT-Lösungen vorgestellt, zum Beispiel Modellierung (Geschäftsprozesse, UML, DSL), Generierung und Testautomatisierung. Die Teilnehmer können die Wirtschaftlichkeit von IT-Projekten bewerten, praxiserprobte Projektmanagement-Pattern einsetzen und lernen die umgebenden Rahmenbedingungen einer IT-Organisation swoie die Rolle des CIO in einem Unternehmen als Berater der Fachbereiche kennen. Sie beherrschen das Anforderungsmanagement und den Lösungsentwurf, insbesondere für mobile Anwendungen und SAP-Lösungen. Die Veranstaltung wird durch eingeladene Vorträge von Experten aus der Praxis ergänzt.

Empfohlene Voraussetzungen
Grundlagen der Informatik I und II, Einführung in Software Engineering

---

Modul: IT-Lösungen durch praxiserprobtes Software Engineering


TUCaN-Nummer
20-00-0635

Titel
IT-Lösungen durch praxiserprobtes Software Engineering

Kürzel
IT-Lösungen durch p

Lehrveranstaltungsart
Vorlesung

Gebiet
Software Engineering

Sprache
Deutsch

---

Kurs: 20-00-0635-iv IT-Lösungen durch praxiserprobtes Software Engineering


Lehrende
Dr. Thomas Kunstmann

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
IT-Lösungen Praxis

Semesterwochenstunden
2

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
In this lecture students will learn from practical experience, how IT solutions are built with software engineering principles. Modern concepts for developing IT solutions will be introduced and examples from the experience are shared. We will look in detail at business topics (e.g. Project Management, Cost Estimation, Profitability, User Experience) as well as technical topics (e.g. Scalability and Performance, Mobile Solutions, Client Technologies, DevOps, Cloud). Each lecture will be given by an expert in this field.

Voraussetzungen
Grundlagen der Informatik I und II, Einführung in Software Engineering

Zusätzliche Informationen
https://moodle.informatik.tu-darmstadt.de/course/view.php?id=1301

Modul und Kurs
Modul: 20-00-0720 Sichere Kritische Infrastrukturen
Kurs: 20-00-0720-iv Sichere Kritische Infrastrukturen

Termine zwischen 2024-10-16 und 2025-02-12
* 14x Mi 16:15 - 17:55 (S101/A5 - Software AG Hörsaal)

Lerninhalte
Kritische Infrastruktur (KRITIS) sind „Organisationen oder Einrichtungen mit wichtiger Bedeutung für das staatliche Gemeinwesen, bei deren Ausfall oder Beeinträchtigung nachhaltig wirkende Versorgungsengpässe, erhebliche Störungen der öffentlichen Sicherheit oder andere dramatische Folgen eintreten würden.“ (BMI, 2009)

In der Vorlesung sollen verschiedene kritische Infrastrukturen und deren Sicherheitsherausforderungen thematisiert werden. Hierzu werden, nach einer Einführung in die Grundlagen der Thematik, Referent*innen aus Forschungseinrichtungen, Unternehmen, Behörden oder von Betreibern kritischer Infrastrukturen eingeladen, die mit Fachvorträgen einzelne Facetten des Themas beleuchten. Ein Selbststudium ausgewählter Fachartikel ergänzt die Fachvorträge.

In den vergangenen Jahren waren u.a. Referent*innen des Deutschen Bundestags, des Bundesamts für Bevölkerungsschutz und Katastrophenhilfe (BBK), des Bundesamts für Sicherheit in der Informationstechnik (BSI), des Technischen Hilfswerks (THW), des Hessen Cyber Competence Centers (Hessen 3C), der Siemens AG, der Deutschen Bahn, der Deutschen Börse, der Deutschen Flugsicherung, sowie aus Universitäten und Forschungseinrichtungen mit ihren Vorträgen vertreten.

Qualitätsziele / Lernergebnisse
Nach dem Besuch der Veranstaltung kennen die Studierenden die wichtigsten IT-Sicherheitsprobleme im Bereich kritischer Infrastrukturen. Sie verstehen Techniken zur Absicherung kritischer Infrastrukturen und sind in der Lage diese in verschiedenen Sektoren (wie dem Smart Grid, dem Transportwesen oder der Telekommunikation) anzuwenden.

Empfohlene Voraussetzungen
Computersystemsicherheit

Literatur
Wird in der Veranstaltung bekanntgegeben.

---

Modul: Sichere Kritische Infrastrukturen


TUCaN-Nummer
20-00-0720

Titel
Sichere Kritische Infrastrukturen

Kürzel
KRIT-INFRA

Lehrveranstaltungsart
Vorlesung

Gebiet
Trusted Systems

Sprache
Deutsch

---

Kurs: 20-00-0720-iv Sichere Kritische Infrastrukturen


Lehrende
Prof. Dr. phil. Jens Ivo Engels; Prof. Dr.-Ing. Matthias Hollick; Prof. Dr. Dr. Christian Reuter

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
KRIT-INFRA

Semesterwochenstunden
2

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Kritische Infrastrukturen (KRITIS) sind „Organisationen oder Einrichtungen mit wichtiger Bedeutung für das staatliche Gemeinwesen, bei deren Ausfall oder Beeinträchtigung nachhaltig wirkende Versorgungsengpässe, erhebliche Störungen der öffentlichen Sicherheit oder andere dramatische Folgen eintreten würden.“ (BMI, 2009).

In der Vorlesung sollen verschiedene kritische Infrastrukturen und deren Sicherheitsherausforderungen thematisiert werden. Hierzu werden, nach einer Einführung in die Grundlagen der Thematik, Referent*innen aus Forschungseinrichtungen, Unternehmen, Behörden oder von Betreibern kritischer Infrastrukturen eingeladen, die mit Fachvorträgen einzelne Facetten des Themas beleuchten. Ein Selbststudium ausgewählter Fachartikel ergänzt die Fachvorträge.

In den vergangenen Jahren waren u.a. Referent*innen des Deutschen Bundestags, des Bundesamts für Bevölkerungsschutz und Katastrophenhilfe (BBK), des Bundesamts für Sicherheit in der Informationstechnik (BSI), des Technischen Hilfswerks (THW), des Hessen Cyber Competence Centers (Hessen 3C), der Siemens AG, der Deutschen Bahn, der Deutschen Börse, der Deutschen Flugsicherung, sowie aus Universitäten und Forschungseinrichtungen mit ihren Vorträgen vertreten.

Literatur
Wird in der Veranstaltung bekanntgegeben.

Online-Angebote
Moodle: https://www.kritis.peasec.de
Ankündigung und Sprecher: https://peasec.de/2024/kritis-ws-2024-2025/

Modul und Kurs
Modul: 20-00-0748 Mobile Netze
Kurs: 20-00-0748-iv Mobile Netze

Termine zwischen 2024-10-23 und 2025-02-12
* 14x Mi 11:40 - 13:20 (S101/A5 - Software AG Hörsaal)
* 17x Mi 13:30 - 15:10 (Übungsstunde)

Lerninhalte
Mobilkommunikation und drahtlose Kommunikationstechniken haben sich in den letzten Jahren rapide weiterentwickelt. Die integrierte Lehrveranstaltung erläutert Charakteristiken und Grundprinzipien mobiler Netze, und praktische Lösungsansätze werden vorgestellt. Der Fokus der Veranstaltung liegt hierbei auf der Vermittlungsschicht (Netzwerkschicht). Zusätzlich zum Stand der Technik werden in der Veranstaltung aktuelle Forschungsfragen diskutiert und Methoden und Werkzeuge zur systematischen Behandlung dieser Fragen erläutert. Die Inhalte werden in Übungseinheiten vertieft.

Lerninhalte:
- Einleitung: Drahtlose und mobile Kommunikation: Anwendungen, Geschichte, Marktchancen
- Überblick über drahtlose Kommunikation: Drahtlose Übertragung, Frequenzen und Frequenzregulierung, Signale, Antennen, Signalausbreitung, Multiplex, Modulation, Spreizband-Technik, Zellulare Systeme
- Medienzugriff: SDMA, FDMA, CDMA, TDMA (Feste Zuordnung, Aloha, CSMA, DAMA, PRMA, MACA, Kollisionsvermeidung, Polling)
- Drahtlose Lokale Netze (Wireless LAN): IEEE 802.11 Standard inklusive Bitübertragungsschicht, Sicherungsschicht und Zugriffverfahren, Dienstgüte, Energieverwaltung
- Drahtlose Stadtnetze, drahtlose Mesh Netze, IEEE 802.16 Standard inklusive Betriebsmodi, Medienzugriff, Dienstgüte, Ablaufkoordination
- Mobilität auf der Netzwerkschicht: Konzepte zur Mobilitätsunterstützung, Mobile IP
- Ad hoc Netze: Terminologie, Grundlagen und Applikationen, Charakteristika von Ad hoc Kommunikation, Ad hoc Routing Paradigmen und Protokolle
- Leistungsbewertung von mobilen Netzen: Einführung in die Leistungsbewertung, systematischer Ansatz/häufige Fehler und wie man sie vermeiden kann, experimentelles Design und Analyse
- Mobilität auf der Transportschicht: Varianten von TCP (Indirect TCP, Snoop TCP, Mobile TCP, Wireless TCP)
- Mobilität auf der Anwendungsschicht: Anwendungen für mobile Netze und drahtlose Sensornetze

Qualitätsziele / Lernergebnisse
Nach erfolgreicher Teilnahme an der Veranstaltung haben Studierende ein umfassendes Wissen der Funktionsweise mobiler Kommunikationsnetze. Sie können die wichtigsten Grundlagen drahtloser Kommunikationstechniken erläutern. Die Studierenden können weiterhin Medienzugriffsverfahren kategorisieren und die Funktionsweise dieser Verfahren im Detail erklären. Insbesondere weisen sie ein tiefgehendes Verständnis von Verfahren auf Vermittlungsschicht und Transportschicht auf, mit Schwerpunktsetzung auf Ad hoc und Mesh Netze. Die Studierenden erlangen Wissen über die Zusammenhänge zwischen unterschiedlichen Protokollschichten und können ihr erworbenes Wissen auf die methodische Analyse von realen Kommunikationssystemen anwenden. Sie sind somit in der Lage, die Charakteristiken und Grundprinzipien des Problemraumes drahtloser und mobiler Kommunikation detailliert zu erläutern und weisen auf diesem Feld ein fundiertes Wissen in Praxis und Theorie auf. Die Übungsteile der integrierten Veranstaltung vertiefen das theoretische Wissen durch Literatur-, Rechen- und praktische Implementierungs-/Anwendungsübungen.

Empfohlene Voraussetzungen
Grundlagen der Kommunikationsnetze

Literatur
Ausgewählte Buchkapitel und ausgewählte wissenschaftliche Veröffentlichungen

---

Modul: Mobile Netze


TUCaN-Nummer
20-00-0748

Titel
Mobile Netze

Kürzel
MobNet

Lehrveranstaltungsart
Vorlesung

Gebiet
Net Centric Systems

Sprache
Deutsch/Englisch

---

Kurs: 20-00-0748-iv Mobile Netze


Lehrende
Prof. Dr.-Ing. Matthias Hollick; M. S. Luis Henrique de Oliveira Alves

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
MobNet

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
Lernplattform: https://seemoo.de/mobnet-moodle

Lehrinhalte
Mobilkommunikation und drahtlose Kommunikationstechniken haben sich in den letzten Jahren rapide weiterentwickelt. Die integrierte Lehrveranstaltung erläutert Charakteristiken und Grundprinzipien mobiler Netze, und praktische Lösungsansätze werden vorgestellt. Der Fokus der Veranstaltung liegt hierbei auf der Vermittlungsschicht (Netzwerkschicht). Zusätzlich zum Stand der Technik werden in der Veranstaltung aktuelle Forschungsfragen diskutiert und Methoden und Werkzeuge zur systematischen Behandlung dieser Fragen erläutert. Die Inhalte werden in Übungseinheiten vertieft.

Lerninhalte:
- Einleitung: Drahtlose und mobile Kommunikation: Anwendungen, Geschichte, Marktchancen
- Überblick über drahtlose Kommunikation: Drahtlose Übertragung, Frequenzen und Frequenzregulierung, Signale, Antennen, Signalausbreitung, Multiplex, Modulation, Spreizband-Technik, Zellulare Systeme
- Medienzugriff: SDMA, FDMA, CDMA, TDMA (Feste Zuordnung, Aloha, CSMA, DAMA, PRMA, MACA, Kollisionsvermeidung, Polling)
- Drahtlose Lokale Netze (Wireless LAN): IEEE 802.11 Standard inklusive Bitübertragungsschicht, Sicherungsschicht und Zugriffverfahren, Dienstgüte, Energieverwaltung
- Drahtlose Stadtnetze, drahtlose Mesh Netze, IEEE 802.16 Standard inklusive Betriebsmodi, Medienzugriff, Dienstgüte, Ablaufkoordination
- Mobilität auf der Netzwerkschicht: Konzepte zur Mobilitätsunterstützung, Mobile IP
- Ad hoc Netze: Terminologie, Grundlagen und Applikationen, Charakteristika von Ad hoc Kommunikation, Ad hoc Routing Paradigmen und Protokolle
- Leistungsbewertung von mobilen Netzen: Einführung in die Leistungsbewertung, systematischer Ansatz/häufige Fehler und wie man sie vermeiden kann, experimentelles Design und Analyse
- Mobilität auf der Transportschicht: Varianten von TCP (Indirect TCP, Snoop TCP, Mobile TCP, Wireless TCP)
- Mobilität auf der Anwendungsschicht: Anwendungen für mobile Netze und drahtlose Sensornetze

Literatur
Ausgewählte Buchkapitel und ausgewählte wissenschaftliche Veröffentlichungen

Voraussetzungen
Grundlagen der Kommunikationsnetze

Modul und Kurs
Modul: 20-00-0754 Lernende Roboter: Integriertes Projekt - Teil 2
Kurs: 20-00-0754-pj Lernende Roboter: Integriertes Projekt - Teil 2

Lerninhalte
In "Lernende Roboter: Integriertes Projekt, Teil 2" werden die Lösungen aus dem "Teil 1" vervollständigt und auf einen realen Roboter angewandt. Ein wissenschaftlicher Artikel wird über die Fragestellung, Methoden und Ergebnisse geschrieben sowie ggf. eingereicht.

Qualitätsziele / Lernergebnisse
Nach erfolgreichem Abschluss der Lehrveranstaltung können Studierende unabhängig kleine Forschungsprojekte im Bereich Robot Learning aufbauen und in Simulation erproben.

Empfohlene Voraussetzungen
Gleichzeitige oder vorherherige Besuch der Vorlesung "Lernende Roboter".

---

Modul: Lernende Roboter: Integriertes Projekt - Teil 2


TUCaN-Nummer
20-00-0754

Titel
Lernende Roboter: Integriertes Projekt - Teil 2

Kürzel
IP2 Lernende Roboter

Lehrveranstaltungsart
Praktikum

Gebiet
Computational Engineering

Sprache
Deutsch/Englisch

Diploma Supplement
Guided exploration of current scientific problems at the frontier of machine learning applied to robots. Independent research, development and implementation of solutions on a real robot system.

---

Kurs: 20-00-0754-pj Lernende Roboter: Integriertes Projekt - Teil 2


Lehrende
Prof. Ph. D. Jan Peters

Veranstaltungsart
Projekt

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
IP2 Lernende Roboter

Semesterwochenstunden
4

Unterrichtssprache
Deutsch und Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
In "Lernende Roboter: Integriertes Projekt, Teil 2" werden die Lösungen aus dem "Teil 1" vervollständigt und auf einen realen Roboter angewandt. Ein wissenschaftlicher Artikel wird über die Fragestellung, Methoden und Ergebnisse geschrieben sowie ggf. eingereicht.

Voraussetzungen
Gleichzeitige oder vorherherige Besuch der Vorlesung "Lernende Roboter".

Modul und Kurs
Modul: 20-00-0780 Drahtlose Netze zur Krisenbewältigung: Grundlagen, Entwurf und Aufbau von Null
Kurs: 20-00-0780-iv Drahtlose Netze zur Krisenbewältigung: Grundlagen, Entwurf und Aufbau von Null

Termine zwischen 2024-10-15 und 2025-02-11
* 14x Di 16:15 - 17:55 (S101/A4)
* 1x 2024-10-15 Di 16:15 - 17:55 ()

Lerninhalte
Die Kommunikationsfähigkeit der Bevölkerung untereinander ist für die Bewältigung von Krisen von höchster Bedeutung. In dieser Veranstaltung wird der Aufbau von drahtlosen Kommunikationsnetzen von Null behandelt, d.h. unter der Annahme, dass keinerlei Kommunikationsinfrastruktur mehr vorhanden ist. Die Veranstaltung vermittelt theoretische Grundlagen aus den Bereichen der Nachrichtentechnik und des Amateurfunks und vertieft diese um die nötigen Kenntnisse, um Netze für den Krisenfall zu entwerfen und praktisch zu realisieren. Die vorgestellten Verfahren umfassen dabei Reichweiten von lokaler Kommunikation bis hin zur Kommunikation um den ganzen Globus, ohne auf bestehende Infrastruktur angewiesen zu sein.
Theoretische Übungen sowie das Durchführen von Messungen, der Aufbau von Schaltungen und die Vorführung von Funkverfahren in unserer Laborumgebung vertiefen die Veranstaltung.

Lerninhalte:
- Signale, Wellenausbreitung, Antennen und elektrotechnische Grundlagen
- Verfahren zur Modulation und Demodulation analoger und digitaler Signale (OFDM, ATV/SSTV, Packet Radio, SSB, ...)
- Systemaspekte für Kommunikation im Krisenfall
- Entwurf und praktischer Aufbau von drahtlosen Kommunikationssystemen für den Krisenfall von Null

Qualitätsziele / Lernergebnisse
Nach erfolgreicher Teilnahme an der Veranstaltung besitzen die Studierenden theoretisches und praktisches Wissen auf dem Gebiet der drahtlosen, infrastrukturlosen Kommunikation im Krisenfall. Sie verstehen die physikalischen und elektrotechnischen Grundlagen der drahtlosen Kommunikation und kennen theoretische wie praktische Funkverfahren im Detail. Sie sind in der Lage ein Praktisches Kommunikationsystem von Null aufzubauen und zu betreiben. Die Studierenden erwerben Kompetenzen im Bereich Amateurfunk und Software-Defined Radios.

Literatur
Ausgewählte Buchkapitel und ausgewählte wissenschaftliche Veröffentlichungen

---

Modul: Drahtlose Netze zur Krisenbewältigung: Grundlagen, Entwurf und Aufbau von Null


TUCaN-Nummer
20-00-0780

Titel
Drahtlose Netze zur Krisenbewältigung: Grundlagen, Entwurf und Aufbau von Null

Kürzel
CriCom

Lehrveranstaltungsart
Vorlesung

Gebiet
Net Centric Systems

Sprache
Deutsch

---

Kurs: 20-00-0780-iv Drahtlose Netze zur Krisenbewältigung: Grundlagen, Entwurf und Aufbau von Null


Lehrende
Dr. rer. nat. Bastian Bloessl; Prof. Dr.-Ing. Matthias Hollick

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
CriCom

Semesterwochenstunden
4

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
Lernplattform: https://seemoo.de/cricom-moodle

Lehrinhalte
Die Kommunikationsfähigkeit der Bevölkerung untereinander ist für die Bewältigung von Krisen von höchster Bedeutung. In dieser Veranstaltung wird der Aufbau von drahtlosen Kommunikationsnetzen von Null behandelt, d.h. unter der Annahme, dass keinerlei Kommunikationsinfrastruktur mehr vorhanden ist. Die Veranstaltung vermittelt theoretische Grundlagen aus den Bereichen der Nachrichtentechnik und des Amateurfunks und vertieft diese um die nötigen Kenntnisse, um Netze für den Krisenfall zu entwerfen und praktisch zu realisieren. Die vorgestellten Verfahren umfassen dabei Reichweiten von lokaler Kommunikation bis hin zur Kommunikation um den ganzen Globus, ohne auf bestehende Infrastruktur angewiesen zu sein.
Theoretische Übungen sowie das Durchführen von Messungen, der Aufbau von Schaltungen und die Vorführung von Funkverfahren in unserer Laborumgebung vertiefen die Veranstaltung.

Lerninhalte:
- Signale, Wellenausbreitung, Antennen und elektrotechnische Grundlagen
- Verfahren zur Modulation und Demodulation analoger und digitaler Signale (OFDM, ATV/SSTV, Packet Radio, SSB, ...)
- Systemaspekte für Kommunikation im Krisenfall
- Entwurf und praktischer Aufbau von drahtlosen Kommunikationssystemen für den Krisenfall von Null

Literatur
Ausgewählte Buchkapitel und ausgewählte wissenschaftliche Veröffentlichungen

Modul und Kurs
Modul: 20-00-0794 Formale Spezifikation und Verifikation von Software
Kurs: 20-00-0794-iv Formale Spezifikation und Verifikation von Software

Termine zwischen 2024-10-17 und 2025-02-13
* 15x Do 08:55 - 10:35 (S202/C110)
* 18x Do 15:20 - 17:00 (Übungsstunde)

Lerninhalte
In dieser Vorlesung behandeln wir fortgeschrittene Themen aus dem Gebiet der formalen Spezifikation und deduktiven Verifikation objekt-orientierter Software.

Der Kurs deckt insbesondere folgende Themen ab:
* Spezifikation von Interfaces und Klassen mit Hilfe von Queries, Ghost- und Modellfeldern;
* Das "Framing" Problem: Statische und dynamische Frames
* Programmlogik und -kalkül als Grundlage der deduktiven Verifikation
* Spezifikation und Verifikation rekursiver Methoden und Schleifen
* Modulare Verifikation: Sichtbarkeiten, Beweis und Anwendung von Framing-Eigenschaften
* Automatische Erzeugung von Schleifeninvarianten und Methodenverträgen

Der Kurs behandelt vorwiegend sequentielle Programme. Es werden aber auch aktuelle Ansätze zur Spezifikation und Verifikation nebenläufiger bzw. verteilter Software diskutiert.

Für fast alle Themen wird deren praktische Anwendung mit Hilfe geeigneter Tools demonstriert und in den Übungen vertieft.

Qualitätsziele / Lernergebnisse
* Erwerbung der Fähigkeit zur Spezifikation komplexer objekt-orientierter Software
* Studierende sollen in der Lage sein einen für das vorliegende Problem passenden Spezifikationsansatz auszuwählen und anzuwenden
* Studierende sollen in der Lage sein rekursive Methoden und Schleifen zu spezifizieren
* Studierende sollen in der Lage sein mit Hilfe von deduktiver Verifikation ihre Programme als korrekt zu beweisen

Empfohlene Voraussetzungen
Grundlagenwissen über Logik erster Ordnung
Inhalt der Vorlesungen
Formale Grundlagen der Informatik 2 und 3
(oder vergleichbarer)

---

Modul: Formale Spezifikation und Verifikation von Software


TUCaN-Nummer
20-00-0794

Titel
Formale Spezifikation und Verifikation von Software

Kürzel
FSAV

Lehrveranstaltungsart
Vorlesung

Gebiet
Software Engineering

Sprache
Englisch

Diploma Supplement
formal specification, deductive verification, modularity, specification of interfaces, specification and verification of framing properties, open world verification, automatic loop invariant generation

---

Kurs: 20-00-0794-iv Formale Spezifikation und Verifikation von Software


Lehrende
Dr. rer. nat. Richard Bubel; Prof. Dr. rer. nat. Reiner Hähnle

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
FSAV

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
Die Kurswebseite ist unter

https://moodle.informatik.tu-darmstadt.de/course/view.php?id=1638

erreichbar.

Alle notwendigen Informationen werden dort bekanntgegeben.

Lehrinhalte
In dieser Vorlesung behandeln wir fortgeschrittene Themen aus dem Gebiet der formalen Spezifikation und deduktiven Verifikation objekt-orientierter Software.

Der Kurs deckt insbesondere folgende Themen ab:
* Spezifikation von Interfaces und Klassen mit Hilfe von Queries, Ghost- und Modellfeldern;
* Das "Framing" Problem: Statische und dynamische Frames
* Programmlogik und -kalkül als Grundlage der deduktiven Verifikation
* Spezifikation und Verifikation rekursiver Methoden und Schleifen
* Modulare Verifikation: Sichtbarkeiten, Beweis und Anwendung von Framing-Eigenschaften
* Automatische Erzeugung von Schleifeninvarianten und Methodenverträgen

Der Kurs behandelt vorwiegend sequentielle Programme. Es werden aber auch aktuelle Ansätze zur Spezifikation und Verifikation nebenläufiger bzw. verteilter Software diskutiert.

Für fast alle Themen wird deren praktische Anwendung mit Hilfe geeigneter Tools demonstriert und in den Übungen vertieft.

Literatur
Der Kurs baut auf dem Buch

Deductive Software Verification – The KeY Book
From Theory to Practice
URL: https://link.springer.com/book/10.1007/978-3-319-49812-6

auf.

Innerhalb des Uni-Netzwerkes, kann auf das Buch online zugegriffen werden.

Voraussetzungen
Grundlagenwissen über Logik erster Ordnung

Inhalt der Vorlesungen

Formale Methoden im Softwareentwurf
Aussagenlogik und Prädikatenlogik

(oder vergleichbare Vorlesungen)

Online-Angebote

Die Kurswebseite ist unter

https://moodle.informatik.tu-darmstadt.de/course/view.php?id=1638

erreichbar.

Alle notwendigen Informationen werden dort bekanntgegeben.

Modul und Kurs
Modul: 20-00-0948 Softwareprojekt Datenanalyse für natürliche Sprache
Kurs: 20-00-0948-pp Softwareprojekt Datenanalyse für natürliche Sprache

Termine zwischen 2024-10-16 und 2025-02-12
* 15x Mi 09:50 - 11:30 (S202/C120)

Lerninhalte
Große Datenmengen sind heute eine wertvolle Informationsquelle. Allerdings ist nur durch die Verwendung von intelligenter Datenanalyse das volle Potential dieser Daten nutzbar. Solche Methoden ermöglichen es neue und praktisch nutzbare Informationen in großen natürlichsprachlichen Daten zu identifizieren und unterstützen dadurch die Entscheidungsfindung bei komplexen Aufgaben. In diesem Projekt werden Studenten eigene Ideen und neue Softwaresysteme entwickeln die es ermöglichen Informationen für verschiedene Aufgaben aus einer großen Menge natürlichsprachlicher Texte (Big Data) zu extrahieren. Das jeweilige Rahmenthema der Veranstaltung wechselt jedes Semester und wird auf der Fachgebietshomepage bekannt gegeben.

Weitere Informationen: https://www.ukp.tu-darmstadt.de/teaching/courses/software-project/

Qualitätsziele / Lernergebnisse
Nachdem Studierende die Veranstaltung besucht haben, können sie
- sprachtechnologische Frameworks verstehen und einsetzen,
- komplexe NLP-Systeme eigenständig planen und umsetzen,
- große natürlichsprachliche Daten analysieren und
- die eigenen Ergebnisse mündlich und schriftlich präsentieren.

Empfohlene Voraussetzungen
- Programmierkenntnisse (Scala, Java oder Python)
- Interesse mit Texten aus natürlicher Sprache zu arbeiten

---

Modul: Softwareprojekt Datenanalyse für natürliche Sprache


TUCaN-Nummer
20-00-0948

Titel
Softwareprojekt Datenanalyse für natürliche Sprache

Kürzel
DASP

Lehrveranstaltungsart
Projektpraktikum

Gebiet
Data Knowledge Engineering

Sprache
Englisch

---

Kurs: 20-00-0948-pp Softwareprojekt Datenanalyse für natürliche Sprache


Lehrende
Prof. Dr. phil. Iryna Gurevych

Veranstaltungsart
Praktikum

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
DASP

Semesterwochenstunden
6

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
In this software project, students will address tasks related to a wide range of NLP research areas, e.g., argumentation mining, text summarization, information extraction, anaphora resolution, and more. Possible project ideas will be presented in the first lecture.

The students' task in this course will be to execute one of the projects in a small group or individually. This involves, for example, constructing a corpus, analysing large datasets, training deep neural networks, evaluating a model's performance, carrying out error analysis, and creating prototypes. The mentoring research staff will define the project requirements. Students will regularly meet with their mentor to discuss the progress of the project.

Voraussetzungen
- Programmierkenntnisse (Scala, Java oder Python)
- Interesse mit Texten aus natürlicher Sprache zu arbeiten

Erwartete Teilnehmerzahl
The maximum number of participants may be limited by the number of projects offered. More information will be announced in Moodle.

Online-Angebote
Für weitere Informationen, beachten Sie bitte den zugehörigen Moodle-Kurs: https://moodle.informatik.tu-darmstadt.de/course/view.php?id=1291

Modul und Kurs
Modul: 20-00-0950 Forschungsprojekt Telekooperation
Kurs: 20-00-0950-pj Forschungsprojekt Telekooperation

Lerninhalte
Forschungsrelevante Projektarbeit im Bereich "Ubiquitous Computing".

An einem individuellen Projekt soll das eigenständige Forschen unter Anleitung erlernt werden. Dabei werden die Themen jeweils in Zusammenarbeit mit dem Betreuer definiert.

Mögliche Themenfelder:
- Interaktion mit innovativen Endgeröten
- P2P Netze
- Sensornetze
- Mobile Sensing
- Middleware
- Network Science
- Voice Interfaces

Konkrete Aufgabenstellungen werden individuell vereinbart, und das Projekt kann jederzeit begonnen werden.

Empfohlene Voraussetzungen
Grundlegende Kenntnisse im Bereich "Ubiquitous Computing" sind hilfreich (z.B. durch die Vorlesungen P2P, TK1, TK3, KN1, KN2, HCI o.ä.) . Es werden außerdem grundlegende Kenntnisse in einer Programmiersprache (z.B. Java, C# o.ä.) vorrausgesetzt. Darüber hinaus ist aber besonders die Motivation zur selbstständigen Arbeit und das Interesse an aktuellen Forschungsfragen relevant.

---

Modul: Forschungsprojekt Telekooperation


TUCaN-Nummer
20-00-0950

Titel
Forschungsprojekt Telekooperation

Kürzel
Forschungsprojekt TK

Lehrveranstaltungsart
Projekt

Gebiet
Net Centric Systems

Sprache
Deutsch/Englisch

---

Kurs: 20-00-0950-pj Forschungsprojekt Telekooperation


Lehrende
Prof. Dr. rer. nat. Eberhard Max Mühlhäuser

Veranstaltungsart
Projekt

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Forschungsprojekt TK

Semesterwochenstunden
8

Unterrichtssprache
Deutsch und Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Forschungsrelevante Projektarbeit im Bereich "Ubiquitous Computing". 

An einem individuellen Projekt soll das eigenständige Forschen unter Anleitung erlernt werden. Dabei werden die Themen jeweils in Zusammenarbeit mit dem Betreuer definiert. 

Mögliche Themenfelder: 
- Interaktion mit innovativen Endgeräten (u.a. AR/VR) 
- Digital Fabrication 
- Mobile Sensing 
- Middleware 
- Data Science (u.a. Modeling & Prediction) 
- Personal Assistants 
- P2P Netze 
- Sensornetze 
- Software-defined Networks 
- Network Science 
- Edge Computing 
- Security, Privacy, Trust 

Konkrete Aufgabenstellungen werden individuell vereinbart, und das Projekt kann jederzeit begonnen werden.

Voraussetzungen
Grundlegende Kenntnisse im Bereich "Ubiquitous Computing" sind hilfreich (z.B. durch die Vorlesungen TK1, TK3, KN1, KN2, HCI o.ä.) . Es werden außerdem grundlegende Kenntnisse in einer Programmiersprache (z.B. Java, C# o.ä.) vorrausgesetzt. Darüber hinaus ist aber besonders die Motivation zur selbstständigen Arbeit und das Interesse an aktuellen Forschungsfragen relevant.

Weitere Informationen
Das Forschungsprojekt wird in diesem Semester nur als "on-demand" Veranstaltung angeboten. Das heißt, wenn Sie jemanden aus unserem Fachbereich finden, der mit Ihnen gemeinsam ein individuelles Thema für das Forschungsprojekt erarbeitet, können Sie diesen Kurs auch in diesem Semester belegen. Allerdings haben wir keine fertige Themenliste, so dass es in diesem Semester keine Auftaktveranstaltung und keinen zentralen Ansprechpartner geben wird.

Wir empfehlen Ihnen, sich unsere Forschungsthemen in den vier Bereichen anzuschauen, sich etwas auszusuchen, was Sie interessieren könnte, und sich an den/die wissenschaftlichen Mitarbeiter zu wenden. Bitte überlegen Sie sich ein konkretes Thema und einen Plan, an dem Sie arbeiten wollen, bevor Sie sich an uns wenden.

Übersetzt mit www.DeepL.com/Translator (kostenlose Version)

Online-Angebote
https://www.informatik.tu-darmstadt.de/telekooperation/teaching_6/winter_term_2021___22/seminar_and_project_practical_course/seminar_und_projektpraktikum_1xr8y0mpfrj0d_1.en.jsp

Modul und Kurs
Modul: 20-00-0967 Einführung in Enterprise-Architektur-Management
Kurs: 20-00-0967-vl Einführung in Enterprise-Architektur-Management

Termine zwischen 2025-03-03 und 2025-03-14
* 2x Mo 08:30 - 18:00 (S202/C120)
* 2x Di 08:30 - 18:00 (S202/C120)
* 2x Mi 08:30 - 18:00 (S202/C120)
* 2x Do 08:30 - 18:00 (S202/C120)
* 2x Fr 08:30 - 18:00 (S202/C120)

Lerninhalte
Die Vorlesung gibt eine Einführung in die Kernkonzepte und Vorgehensmodelle der Unternehmensarchitektur. Anhand eines in der Praxis weitverbreiteten Frameworks (TOGAF) werden diese vorgestellt. Es werden theoretische Grundlagen zu Architekturmodellen und Metamodellen (ISO/IEC/IEEE 42010) präsentiert. Der Bedarf und Zweck von Unternehmensarchitekturen in komplexen und großen Organisationen wird mit praxisnahen Beispielen illustriert. Zudem werden die wesentlichen Managementprozesse der Unternehmensarchitektur vorgestellt und deren Zusammenspiel mit anderen IT-Managementprozessen, wie Demand Management und Projektportfolio Management, diskutiert. Abschließend wird eine Einführung in die Standardisierung der Lösungsentwicklung für Unternehmensarchitekturen gegeben und in diesem Kontext der Einsatz von Referenzarchitekturen vorgestellt.
Das Ziel der Vorlesung ist es, einerseits eine theoretische Einführung in die Grundlagen des Enterprise Architektur Managements zu geben und andererseits praktische Herausforderungen der Unternehmensarchitekturen mit Beispielen aus der Praxis zu illustrieren.

Qualitätsziele / Lernergebnisse
Einführung in Unternehmensarchitekturen und deren Managementprozesse.
Die Rolle und Zweck von Unternehmensarchitekturen für das Business IT Alignment nachvollziehen. Kernkonzepte der Unternehmensarchitektur und das Management von Unternehmensarchitekturen verstehen. Einblicke in Perspektiven, Aspekte und Beziehungen in Enterprise Architecture Frameworks geben (TOGAF). Einblicke in Architekturbeschreibungsmodelle und Metamodelle (ISO/IEC/IEEE 42010).
Einführung in die Standardisierung von Lösungen und Referenzarchitekturen.
Modellierung von Unternehmensarchitekturen mit ArchiMate.

Empfohlene Voraussetzungen
Grundwissen in Informatik und Software Engineering

---

Modul: Einführung in Enterprise-Architektur-Management


TUCaN-Nummer
20-00-0967

Titel
Einführung in Enterprise-Architektur-Management

Kürzel
EAM

Lehrveranstaltungsart
Vorlesung

Gebiet
Software Engineering

Sprache
Englisch

---

Kurs: 20-00-0967-vl Einführung in Enterprise-Architektur-Management


Lehrende
Dr. Hüseyin Yüksel

Veranstaltungsart
Vorlesung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
EAM

Semesterwochenstunden
2

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Die Vorlesung gibt eine Einführung in die Kernkonzepte und Vorgehensmodelle der Unternehmensarchitektur. Anhand eines in der Praxis weitverbreiteten Frameworks (TOGAF) werden diese vorgestellt. Es werden theoretische Grundlagen zu Architekturmodellen und Metamodellen (ISO/IEC/IEEE 42010) präsentiert. Der Bedarf und Zweck von Unternehmensarchitekturen in komplexen und großen Organisationen wird mit praxisnahen Beispielen illustriert. Zudem werden die wesentlichen Managementprozesse der Unternehmensarchitektur vorgestellt und deren Zusammenspiel mit anderen IT-Managementprozessen, wie Demand Management und Projektportfolio Management, diskutiert. Abschließend wird eine Einführung in die Standardisierung der Lösungsentwicklung für Unternehmensarchitekturen gegeben und in diesem Kontext der Einsatz von Referenzarchitekturen vorgestellt.
Das Ziel der Vorlesung ist es, einerseits eine theoretische Einführung in die Grundlagen des Enterprise Architektur Managements zu geben und andererseits praktische Herausforderungen der Unternehmensarchitekturen mit Beispielen aus der Praxis zu illustrieren.

Voraussetzungen
Grundwissen in Informatik und Software Engineering

Modul und Kurs
Modul: 20-00-0993 Kryptographie in der Praxis
Kurs: 20-00-0993-iv Kryptographie in der Praxis

Termine zwischen 2024-10-14 und 2025-02-11
* 15x Mo 13:30 - 15:10 (S101/A2)
* 15x Di 15:20 - 17:00 (S202/C110)

Lerninhalte
Schlüsselableitung, Schlüsselaustausch, sichere Kommunikation, credentials, crypto currencies (TLS, SSH, IPSec, Bitcoin,…).

Qualitätsziele / Lernergebnisse
Nach erfolgreicher Absolvierung verstehen die Teilnehmer das Design und die Sicherheitsgarantien von kryptographischen Verfahren in der Praxis, die heutzutage im alltäglichen Einsatz sind. Die Teilnehmer lernen die Bedeutung und Grenzen von Sicherheitsmodellen und Sicherheitsbeweisen für die Praxis kennen.

Empfohlene Voraussetzungen
Einführung in die Kryptographie

---

Modul: Kryptographie in der Praxis


TUCaN-Nummer
20-00-0993

Titel
Kryptographie in der Praxis

Kürzel
Real World Crypto

Lehrveranstaltungsart
Vorlesung

Gebiet
Trusted Systems

Sprache
Deutsch

---

Kurs: 20-00-0993-iv Kryptographie in der Praxis


Lehrende
Prof. Dr. phil. nat. Marc Fischlin

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Real World Crypto

Semesterwochenstunden
4

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
https://moodle.informatik.tu-darmstadt.de/course/view.php?id=1079

Lehrinhalte
Schlüsselableitung, Schlüsselaustausch, sichere Kommunikation, credentials, crypto currencies (TLS, SSH, IPSec, Bitcoin,…).

Voraussetzungen
Einführung in die Kryptographie

Zusätzliche Informationen
Fragen können an teaching@cx.tu-darmstadt.de gestellt werden

Modul und Kurs
Modul: 20-00-1001 Fortgeschrittene Themen in Eingebetteten Systemen und ihren Anwendungen
Kurs: 20-00-1001-pp Fortgeschrittene Themen in Eingebetteten Systemen und ihren Anwendungen

Lerninhalte
Der Kurs bearbeitet aktuelle Forschungs- und Entwicklungsthemen
aus dem Bereich von Rechnersystemen und Programmierwerkzeugen, auch speziell
im Umfeld von eingebetteten und anwendungsspezifischen Architekturen. Die
Themen bestimmen sich aus den spezifischen Arbeitsgebieten der Mitarbeiter und
vermitteln technische und einleitende wissenschaftliche Kompetenzen, zum
Beispiel aus einem oder mehreren der folgenden Gebiete:

- Rechnerarchitekturen auf Prozessor- und Systemebene
- Entwurf digitaler Schaltungen und Hardware-Systeme
- Einsatz von Field-Programmable Gate Arrays
- Hardware/Software-Entwurfs- und Programmierwerkzeuge
- Betriebssysteme und hardware-nahe Programmierung
- Hardware/Software-Co-Design
- Anwendungsspezifische Architekturen und Techniken
- Entwurf und/oder Programmierung von Rechenbeschleunigern
- Debugging und Analyseverfahren für Hardware/Software-Systeme

Qualitätsziele / Lernergebnisse
Der/die Studierende sollen Erfahrungen mit der Einarbeitung in ein neues Themenfeld und der praktischen Bearbeitung einer komplexeren Aufgabe aus diesem sammeln. Zu diesen Erfahrungen können Literaturrecherchen, das Einarbeiten in bestehende Code-Basen aus dem Hardware/Software-Bereich, sowie ganz praktische Implementierung von Hardware und/oder Software gehören. Beim Abschlussvortrag sind auch geeignete Präsentationstechniken anzuwenden.

Empfohlene Voraussetzungen
Das Interesse, zu den Lehrinhalten anspruchsvolle Lösungen zu
entwickeln. Dabei sind jeweils themenspezifische Kenntnisse, u.a. zum
Hardware-Entwurf, dem Compilerbau und der systemnahen und parallelen
Programmierung erforderlich. Diese Kenntnisse können beispielsweise durch den
Besuch der entsprechenden Lehrveranstaltungen erworben werden.

---

Modul: Fortgeschrittene Themen in Eingebetteten Systemen und ihren Anwendungen


TUCaN-Nummer
20-00-1001

Titel
Fortgeschrittene Themen in Eingebetteten Systemen und ihren Anwendungen

Kürzel
AdvLabESA

Lehrveranstaltungsart
Praktika, Projektpraktika, ähnliche LV

Sprache
Deutsch/Englisch

---

Kurs: 20-00-1001-pp Fortgeschrittene Themen in Eingebetteten Systemen und ihren Anwendungen


Lehrende
Prof. Dr.-Ing. Andreas Koch

Veranstaltungsart
Projekt

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
AdvLabESA

Semesterwochenstunden
6

Unterrichtssprache
Deutsch und Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Der Kurs bearbeitet aktuelle Forschungs- und Entwicklungsthemen
aus dem Bereich von Rechnersystemen und Programmierwerkzeugen, auch speziell
im Umfeld von eingebetteten und anwendungsspezifischen Architekturen. Die
Themen bestimmen sich aus den spezifischen Arbeitsgebieten der Mitarbeiter und
vermitteln technische und einleitende wissenschaftliche Kompetenzen, zum
Beispiel aus einem oder mehreren der folgenden Gebiete:

- Rechnerarchitekturen auf Prozessor- und Systemebene
- Entwurf digitaler Schaltungen und Hardware-Systeme
- Einsatz von Field-Programmable Gate Arrays
- Hardware/Software-Entwurfs- und Programmierwerkzeuge
- Betriebssysteme und hardware-nahe Programmierung
- Hardware/Software-Co-Design
- Anwendungsspezifische Architekturen und Techniken
- Entwurf und/oder Programmierung von Rechenbeschleunigern
- Debugging und Analyseverfahren für Hardware/Software-Systeme

Voraussetzungen
Das Interesse, zu den Lehrinhalten anspruchsvolle Lösungen zu
entwickeln. Dabei sind jeweils themenspezifische Kenntnisse, u.a. zum
Hardware-Entwurf, dem Compilerbau und der systemnahen und parallelen
Programmierung erforderlich. Diese Kenntnisse können beispielsweise durch den
Besuch der entsprechenden Lehrveranstaltungen erworben werden.


Empfohlene Voraussetzungen [en]:
An interest to develop high-quality solutions in the assigned problem domain. For different domains, different pre-requisites will be required. These can include digital design, compiler construction, system-level and parallel programming. Such skills can be acquired by successfully completing the appropriate lectures.

Modul und Kurs
Modul: 20-00-1029 Projektpraktikum Algorithmik
Kurs: 20-00-1029-pp Projektpraktikum Algorithmik

Lerninhalte
Das Projektpraktikum behandelt die angewandte Softwareentwicklung
in den Themenbereichen der Arbeitsgruppe Algorithmik. Ziel ist das eigenständige Bearbeiten eines Entwicklungsprojektes im Team.
Lerninhalte:
- Eigenständiges Bearbeiten eines Entwicklungsprojektes,
- Projektplanung und Projektmanagement,
- Recherche von Lösungsalternativen und Abwägung von Vor-/Nachteilen der Alternativen,
- Konzipieren einer Softwarearchitektur,
- prototypische Umsetzung auf der ausgewählten Zielplattform,
- Evaluation des Gesamtsystems in Bezug auf verschiedene Gütemaße,
- Dokumentation der erstellten Lösung.

Qualitätsziele / Lernergebnisse
Nach erfolgreicher Teilnahme an der Veranstaltung besitzen die Studierenden die Fähigkeit,
komplexe Problemstellungen im Themenbereich softwaretechnisch zu lösen.
Die Studierenden können hierzu eigenständig ein Projekt definieren, verwalten und
durchführen. Die Studierenden haben Kenntnisse im Entwurf/der Umsetzung
von Algorithmen und Anwendungen erlangt. Sie sind in
der Lage, die gewählten Algorithmen und ihre Anwendung zu implementieren, zu testen und
deren Funktionsfähigkeit und Leistungsfähigkeit zu evaluieren, die
Projektplanung und -verwaltung sowie die erstellten Softwareartefakte verständlich zu
dokumentieren.

Empfohlene Voraussetzungen
FOP und AuD

---

Modul: Projektpraktikum Algorithmik


TUCaN-Nummer
20-00-1029

Titel
Projektpraktikum Algorithmik

Kürzel
PP-Algo

Lehrveranstaltungsart
Projektpraktikum

Gebiet
Software Engineering

Sprache
Deutsch

---

Kurs: 20-00-1029-pp Projektpraktikum Algorithmik


Lehrende
Prof. Dr. rer. nat. Karsten Weihe

Veranstaltungsart
Projekt

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
PP-Algo

Semesterwochenstunden
6

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Das Projektpraktikum behandelt die angewandte Softwareentwicklung
in den Themenbereichen der Arbeitsgruppe Algorithmik. Ziel ist das eigenständige Bearbeiten eines Entwicklungsprojektes im Team.
Lerninhalte:
- Eigenständiges Bearbeiten eines Entwicklungsprojektes,
- Projektplanung und Projektmanagement,
- Recherche von Lösungsalternativen und Abwägung von Vor-/Nachteilen der Alternativen,
- Konzipieren einer Softwarearchitektur,
- prototypische Umsetzung auf der ausgewählten Zielplattform,
- Evaluation des Gesamtsystems in Bezug auf verschiedene Gütemaße,
- Dokumentation der erstellten Lösung.

Voraussetzungen
FOP und AuD

Weitere Informationen
Informationen inkl. Themenliste werden zum Semesterbeginn auf der Seite des Fachgebiet Algorithmik veröffentlicht: https://www.algo.informatik.tu-darmstadt.de/

Modul und Kurs
Modul: 20-00-1073 Projektpraktikum Interaktive resiliente Informationstechnik
Kurs: 20-00-1073-pp Projektpraktikum Interaktive resiliente Informationstechnik

Termine zwischen 2024-10-16 und 2025-03-19
* 1x 2024-10-16 Mi 09:50 - 11:30 (S2/20 121)
* 2x Mi 08:55 - 11:30 (S2/20 121)

Lerninhalte
Das Projektpraktikum beinhaltet Entwicklungsthemen aus der aktuellen Forschung des Fachgebiets „Wissen-schaft und Technik für Frieden und Sicherheit“ (PEASEC). Neben einem generellen Überblick über aktuelle Themen wird ein tiefgehender Einblick in ein spezielles Entwicklungsgebiet vermittelt. Die Themen bestimmen sich aus den spezifischen Arbeitsgebieten der Mitarbeiter_innen und vermitteln technische und einleitende wissenschaftliche Kompetenzen. Die Bearbeitung erfolgt in kleinen Gruppen. Projektmanagement und die Selbstorganisation im Team ist explizit Teil der Aufgabenstellung.

Themen für das aktuelle Semester finden Sie unter www.peasec.de/lehre

Qualitätsziele / Lernergebnisse
Die Fähigkeit eine praktische Aufgabe ggf. im Team erfolgreich nach Vorgabe zu bearbeiten und deren Er-gebnisse angemessen zu präsentieren. Beispiele sind:
- Lösen einer Fragestellung im Bereich der interaktiven resilienten Informationstechnik
- Anforderungserhebung und (empirische) Vorstudien
- Recherche von Lösungsalternativen und Abwägung von Vor-/Nachteilen der Alternativen
- Entwurf, prototypische Implementierung oder Weiterentwicklung innovativer Anwendungen
- Evaluation bestehender Anwendungen in Bezug auf verschiedene Gütemaße
- Dokumentation der erstellten Lösung

Empfohlene Voraussetzungen
Grundlagen in mindestens einem der Bereiche: Informatik, IT-Sicherheit, Mensch-Computer-Interaktion oder Friedens- und Konfliktforschung; Kenntnisse in der Softwareentwicklung und Programmierung

---

Modul: Projektpraktikum Interaktive resiliente Informationstechnik


TUCaN-Nummer
20-00-1073

Titel
Projektpraktikum Interaktive resiliente Informationstechnik

Kürzel
PP-PEASEC-IRI

Lehrveranstaltungsart
Projektpraktikum

Gebiet
Trusted Systems

Sprache
Deutsch

---

Kurs: 20-00-1073-pp Projektpraktikum Interaktive resiliente Informationstechnik


Lehrende
Dr. rer. nat. Marc-André Kaufhold; Prof. Dr. Dr. Christian Reuter

Veranstaltungsart
Projekt

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
PP-PEASEC-IRI

Semesterwochenstunden
6

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Das Projektpraktikum beinhaltet Entwicklungsthemen aus der aktuellen Forschung des Fachgebiets „Wissenschaft und Technik für Frieden und Sicherheit“ (PEASEC). Neben einem generellen Überblick über aktuelle Themen wird ein tiefgehender Einblick in ein spezielles Entwicklungsgebiet vermittelt. Die Themen bestimmen sich aus den spezifischen Arbeitsgebieten der Mitarbeiter_innen und vermitteln technische und einleitende wissenschaftliche Kompetenzen. Die Bearbeitung erfolgt in kleinen Gruppen. Projektmanagement und die Selbstorganisation im Team ist explizit Teil der Aufgabenstellung.

Themen für das aktuelle Semester finden Sie unter www.peasec.de/lehre

Voraussetzungen
Grundlagen in mindestens einem der Bereiche: Informatik, IT-Sicherheit, Mensch-Computer-Interaktion oder Friedens- und Konfliktforschung; Kenntnisse in der Softwareentwicklung und Programmierung

Online-Angebote
moodle

Modul und Kurs
Modul: 20-00-1108 Expertenpraktikum im Robot Learning
Kurs: 20-00-1108-pp Expertenpraktikum im Robot Learning

Lerninhalte
In diesem Projekt perfektionieren Studierende das experimentelle Arbeiten in einem interdisziplinären Team, und entwicklen sich zu Experten im wissenschaftliche Arbeiten im Robot Learning. Im Projekt entwickeln in einer Kleingruppen unter Anleitung ein gemeinsames Experiment im Robot Learning basierend auf speziellen Robotik-Plattformen, werten dieses aus und schreiben einen Forschungsbericht/Paper, welches die Qualität einer Einreichung bei einer internationalen wissenschaftlichen Konferenz oder Zeitschrift erreicht.

Qualitätsziele / Lernergebnisse
Nachdem Studierende die Veranstaltung besucht haben, können sie die praktischen Fertigkeiten eines Experten im wissenschaftlichen Arbeiten im Roboter Lernen anwenden. Sie sind in der Lage, Experimente von der Forschungsidee bis hin zur Veröffentlichung zu analysieren und synthetisieren

Empfohlene Voraussetzungen
Empfohlen wird die erfolgreiche Durchführung von
Lernende Roboter: Integriertes Projekt - Teil 1 und
Lernende Roboter: Integriertes Projekt - Teil 2

---

Modul: Expertenpraktikum im Robot Learning


TUCaN-Nummer
20-00-1108

Titel
Expertenpraktikum im Robot Learning

Kürzel
ExpertenpraktikumRL

Lehrveranstaltungsart
Projektpraktikum

Gebiet
Computational Engineering

Sprache
Deutsch

---

Kurs: 20-00-1108-pp Expertenpraktikum im Robot Learning


Lehrende
Prof. Ph. D. Jan Peters

Veranstaltungsart
Projekt

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
ExpertenpraktikumRL

Semesterwochenstunden
6

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
In diesem Projekt perfektionieren Studierende das experimentelle Arbeiten in einem interdisziplinären Team, und entwicklen sich zu Experten im wissenschaftliche Arbeiten im Robot Learning. Im Projekt entwickeln in einer Kleingruppen unter Anleitung ein gemeinsames Experiment im Robot Learning basierend auf speziellen Robotik-Plattformen, werten dieses aus und schreiben einen Forschungsbericht/Paper, welches die Qualität einer Einreichung bei einer internationalen wissenschaftlichen Konferenz oder Zeitschrift erreicht.

Voraussetzungen
Empfohlen wird die erfolgreiche Durchführung von
Lernende Roboter: Integriertes Projekt - Teil 1 und
Lernende Roboter: Integriertes Projekt - Teil 2

Modul und Kurs
Modul: 20-00-1117 Konzepte der Programmiersprachen
Kurs: 20-00-1117-iv Konzepte der Programmiersprachen

Termine zwischen 2024-10-14 und 2025-02-10
* 15x Mo 09:50 - 11:30 (S207/109)
* 18x Mo 11:30 - 13:10 (Übung )
* 18x Do 11:30 - 13:10 (Übung )

Lerninhalte
Kurze Einführung und Geschichte der Programmiersprachen, Kriterien zur Messung von Programmiersprachen, Grundkonzepte der PL wie Syntax, Semantik, Variablen, Namen, Bindungen, Umfang, Subprogram, Expressionen, Arrays, Pointers, abstrakte Typen, funktionale Programme

Qualitätsziele / Lernergebnisse
Der Student wird am Ende des Kurses in der Lage sein, die zugrundeliegenden Mechanismen der wichtigsten Konzepte hinter Programmiersprachen zu verstehen. Der Student wird auch Erfahrung erhalten, eine einfache Programmiersprache mit einer beliebten Sprache Workbench namens MPS als Gruppenprojekt zu bauen.

Empfohlene Voraussetzungen
Keine

---

Modul: Konzepte der Programmiersprachen


TUCaN-Nummer
20-00-1117

Titel
Konzepte der Programmiersprachen

Kürzel
COP

Lehrveranstaltungsart
Vorlesung

Gebiet
Software Engineering

Sprache
Englisch

---

Kurs: 20-00-1117-iv Konzepte der Programmiersprachen


Lehrende
Prof. Dr.-Ing. Ermira Mezini

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
COP

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Einführung in die Kernkonzepte von Programmiersprachen, einschließlich Syntax, Semantik, Ausdrücke, Namensbindungen, Gültigkeitsbereich, Funktionen, Rekursion, Continuations, Zustand und Speicherverwaltung.

Voraussetzungen
Einfache Programmierkenntnisse.

Zusätzliche Informationen
https://www.stg.tu-darmstadt.de/teaching_stg/courses_stg/index.en.jsp

Modul und Kurs
Modul: 20-00-1123 Informationssicherheitsmanagement
Kurs: 20-00-1123-vl Informationssicherheitsmanagement

Termine zwischen 2024-10-14 und 2025-02-10
* 15x Mo 09:50 - 11:30 (S101/A4)

Lerninhalte
Im Rahmen der Vorlesung wird anhand eines beispielhaften, fiktiven Unternehmens dargelegt, wie Informationssicherheit ganzheitlich in alle Prozesse des Unternehmens etabliert wird.

Dabei werden u.a. die folgenden Themengebiete betrachtet:
* Reifegradbewertung bzgl. Informationssicherheit des Unternehmens
* Capability Maturity Model Integration (CMMI) Framework
* Etablierung einer Cyber Security Strategie
* Informationssicherheits-Governance
* Etablierung eines Informationssicherheitsmanagementsystems (ISMS) nach ISO/IEC 27001:2013 und nach IT-Grundschutz
* Sicherheitsbewusstsein im Unternehmen (Security Awareness)
* Key Performance Indicator zum Messen der Informationssicherheit
* Asset Management, Informationsverbunde und Prozessanalysen
* Schutzbedarfsfeststellungen und Business Impact Analysen
* Qualitatives und quantitatives Risikomanagement
* Prozesse der Risikoanalyse, -behandlung und -überwachung
* Vulnerability Management (Umgang mit IT-Schwachstellen in eigenen und ausgelagerten Systemen)
* Business Continuity Management (BCM)
* Business Continuity Planning (BCP)
* Sicherer IT-Betrieb, Absicherung der Betriebsprozesse
* Sichere Entwicklung
* Absicherung von Cloud-Diensten
* Management von Dienstleistern
* Incident Management: Absicherung, Erkennung und Reaktion auf Sicherheitsvorfälle
* Audit Management
* Überprüfung der eigenen Compliance und Governance

Qualitätsziele / Lernergebnisse
Das Hauptziel dieser Veranstaltung ist es zu vermitteln, wie die IT- und Informationssicherheit in einem Unternehmen ganzheitlich gemanagt wird, wobei der Fokus auf dem Management und weniger auf technischer oder formaler IT-Sicherheit liegt.

* Kenntnisse, Inhalte und Strukturen eines Informationssicherheitsmanagements (ISMS)
* Überblick über gängige Verfahren bzgl. Informationssicherheitsmanagement wie z.B. ISO 27001, IT-Grundschutz, NIST Cybersecurity Framework
* Identifikation und Schutzbedarfsanalyse von Assets im Unternehmen
* Kenntnisse über übliche Verfahren im Risikomanagement
* Systematische Bewertung der Informationssicherheit im Unternehmen anhand von Metriken
* Etablierung von informationssicherheitsrelevanten Prozessen wie Vulnerability Management, BCM-Prozesse, Incident Management und Audit Management

Empfohlene Voraussetzungen
Der Besuch der Veranstaltung „Computersystemsicherheit“ wird empfohlen.

---

Modul: Informationssicherheitsmanagement


TUCaN-Nummer
20-00-1123

Titel
Informationssicherheitsmanagement

Kürzel
ISM

Lehrveranstaltungsart
Vorlesung

Gebiet
IT Sicherheit

Sprache
Deutsch

---

Kurs: 20-00-1123-vl Informationssicherheitsmanagement


Lehrende
M.Sc. Maximilian Müller; Prof. Dr. rer. nat. Michael Waidner Schulmann

Veranstaltungsart
Vorlesung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
ISM

Semesterwochenstunden
2

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Im Rahmen der Vorlesung wird anhand von praktischen Beispielen aus Unternehmen dargelegt, wie Informationssicherheit ganzheitlich in alle Prozesse des Unternehmens etabliert wird. Der Fokus liegt dabei weniger auf formale oder technische IT-Sicherheit sondern mehr auf Themen der organisatorischen Informationssicherheit, mit denen man auch als ISO/ISB (Information Security Officer/Informationssicherheitsbeauftragter) in einem Unternehmen zu tun hat.

Dabei werden unter Anderem die folgenden Themengebiete betrachtet:
* Einführung in die Informationssicherheit (Schwachstellen, Bedrohungen, Risiken etc.)
* Reifegradbewertungen und Gap Analysen
* Etablierung eines Informationssicherheitsmanagementsystems (ISMS) nach ISO/IEC 27001:2022 und BSI IT-Grundschutz
* Sicherheitsbewusstsein im Unternehmen (Security Awareness)
* Key Performance Indicators zum Messen der Informationssicherheit
* Asset Management, Informationsverbunde und Prozessanalysen
* Schutzbedarfsfeststellungen und Business Impact Analysen
* Qualitatives und quantitatives Risikomanagement
* Prozesse der Risikoanalyse, -behandlung und -überwachung
* Vulnerability Management
* Business Continuity Management (BCM)
* Sicherer IT-Betrieb, Absicherung der Betriebsprozesse
* Sichere Entwicklung
* Absicherung von Cloud-Diensten
* Management von Dienstleistern
* Incident Management: Absicherung, Erkennung und Reaktion auf Sicherheitsvorfälle
* Durchführung von Audits: Überprüfung der eigenen Compliance und Governance

Voraussetzungen
Der Besuch der Veranstaltung „Computersystemsicherheit“ wird empfohlen.

Weitere Informationen
Für Fragen zur Veranstaltung wenden Sie sich bitte an Maximilian Müller: maximilian.mueller@usd.de.

Zusätzliche Informationen
Alle Lehrmaterialien, Unterlagen und Aufzeichnungen werden über das „Lernportal Informatik“ (Informatik-Moodle) verteilt (https://moodle.informatik.tu-darmstadt.de).

Modul und Kurs
Modul: 20-00-1144 Quantum Information Science
Kurs: 20-00-1144-vl Quantum Information Science

Termine zwischen 2024-10-15 und 2025-02-14
* 15x Di 15:20 - 17:00 (S103/23)
* 14x Fr 15:20 - 17:00 (S202/C110)

---

Modul: Quantum Information Science

---

Kurs: 20-00-1144-vl Quantum Information Science


Lehrende
Prof. Dr. rer. nat. Mariami Gachechiladze

Veranstaltungsart
Vorlesung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
QIS

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Part 1: Introductory topics
. Introduction to Quantum mechanics ( states, measurements, evolution, postulates of quantum mechanics, uncertainty relation, no-cloning theorem)
. Quantum entanglement theory ( resource theory of entanglement, multipartite entanglement, mixed state entanglement, entanglement detection/criteria, entanglement measures )
. Quantum channels ( Choi-Jamiolkowski isomorphism, Kraus decomposition, quantum instruments )
. Protocols ( purification, teleportation, quantum key distribution)
. Quantum error correction (stabilizer formalism, CSS codes, bounds on codes)

Part 2: Quantum Shannon Theory
. Distance Measures
. Classical Information and Entropy
. Quantum Information and Entropy
. Entropic inequalities
. The Information of Quantum Channels

Voraussetzungen
The course is aimed at master's students in computer science, physics, and mathematics and bachelor's students who would like to challenge themselves with advanced topics. The primary prerequisite is elementary linear algebra. Attending the Introduction to QC is a plus but not a strict requirement to take the course.

Modul und Kurs
Modul: 20-00-1147 Interaktion in Virtuellen und Augmentierten Welten
Kurs: 20-00-1147-iv Interaktion in Virtuellen und Augmentierten Welten

Termine zwischen 2024-10-15 und 2025-02-11
* 15x Di 09:50 - 11:30 (S220/9 - Nutzung nur mit S220/10,S220/10 - Nutzung nur mit S220/9)
* 17x Di 11:40 - 13:20 (Übungsstunde)

---

Modul: Interaktion in Virtuellen und Augmentierten Welten

---

Kurs: 20-00-1147-iv Interaktion in Virtuellen und Augmentierten Welten


Lehrende
Prof. Dr. rer. nat. Jan Gugenheimer

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
IARVR

Semesterwochenstunden
4

Unterrichtssprache
Deutsch und Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Diese Veranstaltung bietet eine Einführung in Augmentierte und Virtuelle Realitäten aus einer Menschzentrierten Perspektive. Der Fokus liegt hierbei weniger auf Computergrafik spezifischen Fragestellungen (z.B. Rendering) sondern dem Verständnis von Mensch-Computer Interaktion spezifischen Problemen. Der Kurs umfasst eine Einführung in die grundlegenden Konzepte von AR/VR und stellt Methoden und Techniken vor, die es ermöglichen, interaktive Anwendungen zu entwerfen und zu implementieren. Der Stoff wird anhand von aktuellen Forschungsergebnissen auf Konferenzen präsentiert und aufgearbeitet (CHI, UIST, IEEE VR, ISMAR, SIGGRAPH).

Das Format der Vorlesung besteht aus 2 Semesterwochenstunden Vorlesung und 2 Semesterwochenstunden Übung. Die Vorlesung fokusiert sich auf folgende Themen:
• Geschichte von AR/VR
• Aktuelle Technologien in AR/VR
• AR/VR und die menschliche Wahrnehmung
• Herausforderung der Eingabe
• Herausforderung der Haptik
• Interaktionsdesign für AR/VR
• Anwendungsszenarien für AR/VR
• Aktuelle Forschungsfragen und Herausforderungen

Voraussetzungen
Empfohlen: Grundlagen von Mensch-Computer Interaktion (TK2: HCI)
Gute Programmierkenntnisse in einer Objektorientierten Programmiersprache (z.B. Java, C#)

Modul und Kurs
Modul: 20-00-1160 Higher-order Meshing
Kurs: 20-00-1160-vl Higher-order Meshing

Termine zwischen 2024-10-14 und 2025-02-10
* 15x Mo 13:30 - 15:10 (S101/A3)

---

Modul: Higher-order Meshing

---

Kurs: 20-00-1160-vl Higher-order Meshing


Lehrende
Dr. Manish Mandad

Veranstaltungsart
Vorlesung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
HoM

Semesterwochenstunden
2

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Dieser spezielle Kurs konzentriert sich auf die jüngsten Forschungen und Fortschritte auf dem Gebiet des higher-order meshing. Wir werden etwas über Bézier-Kurven und -Dreiecke, NURBS, den de Casteljau-Algorithmus, Injektivitäts-/Qualitätsprüfungsalgorithmen, 2D/3D-Vernetzungsalgorithmen und ihre Eigenschaften/Garantien lernen und schließlich einige offene Probleme in diesem Bereich betrachten.

Voraussetzungen
Empfohlen:
20-00-0040-iv Graphische Datenverarbeitung I

Online-Angebote
moodle

Modul und Kurs
Modul: 20-00-1178 Physical Attacks and Countermeasures
Kurs: 20-00-1178-iv Physical Attacks and Countermeasures

Termine zwischen 2024-10-16 und 2025-02-12
* 15x Mi 11:40 - 13:20 (S4|14/2.3.10 (Konferenzraum Ost))
* 18x Mi 13:30 - 15:10 (Übungsstunde)

---

Modul: Physical Attacks and Countermeasures

---

Kurs: 20-00-1178-iv Physical Attacks and Countermeasures


Lehrende
Prof. Dr. Amir Moradi

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
PAuG

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
Modern cryptographic algorithms provide a reasonable level of security against known mathematical and cryptanalytic attacks. These cryptographic primitives are implemented on different platforms to be used in a security-enabled applications. Such a realization is done by implementing the desired cryptographic algorithm using some program code (in software) or using logic elements/circuits (in hardware). Physical access of the users to the cryptographic devices (e.g., a smartcard used for payment, a contactless card used for authentication, or a smartphone) where a secret key is embedded, led to a new form of attacks called physical attacks. This kind of attacks aims at extracting the secret key used by the cryptographic algorithm from the target implementation. Breaking a system by means of a physical attack does not infer to the weakness of the algorithm, but of the implementation. Therefore, considering such kinds of attacks as a potential risk for the security is a must when designing a cryptographic device and weaknesses in that regard need to be avoided from the start. The goal of this lecture is to give an overview about the known physical attacks and most considerably the schemes developed to counter such kinds of attacks. In the first part of the lecture different kinds of physical attacks are introduced, while in the second part we focus on countermeasures and the methods to make implementations resistant against known physical attacks

Lehrinhalte
Modern cryptographic algorithms provide a reasonable level of security against known mathematical and cryptanalytic attacks. These cryptographic primitives are implemented on different platforms to be used in a security-enabled applications. Such a realization is done by implementing the desired cryptographic algorithm using some program code (in software) or using logic elements/circuits (in hardware). Physical access of the users to the cryptographic devices (e.g., a smartcard used for payment, a contactless card used for authentication, or a smartphone) where a secret key is embedded, led to a new form of attacks called physical attacks. This kind of attacks aims at extracting the secret key used by the cryptographic algorithm from the target implementation. Breaking a system by means of a physical attack does not infer to the weakness of the algorithm, but of the implementation. Therefore, considering such kinds of attacks as a potential risk for the security is a must when designing a cryptographic device and weaknesses in that regard need to be avoided from the start. The goal of this lecture is to give an overview about the known physical attacks and most considerably the schemes developed to counter such kinds of attacks. In the first part of the lecture different kinds of physical attacks are introduced, while in the second part we focus on countermeasures and the methods to make implementations resistant against known physical attacks

Voraussetzungen
Recommended: basic knowledge of digital circuit design, basic knowledge of data security and cryptography, solid programming ability in at least one programming language (e.g. C++), basic knowledge of computer architecture, basic knowledge of signal processing.

Modul und Kurs
Modul: 20-00-1180 3D Scanning & Motion Capture
Kurs: 20-00-1180-iv 3D Scanning & Motion Capture

Termine zwischen 2024-10-15 und 2025-02-11
* 15x Di 09:50 - 11:30 (S103/123)
* 18x Di 11:40 - 13:20 (Übungsstunde)

---

Modul: 3D Scanning & Motion Capture

---

Kurs: 20-00-1180-iv 3D Scanning & Motion Capture


Lehrende
Prof. Dr.-Ing. Justus Thies

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
3D SMC

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
The lecture and exercises will cover 3D reconstruction from various input modalities (Webcams, RGB-D cameras (Kinect, Realsense, …). It will start with basic concepts of what is 3D, the different representations, how to capture 3D and how the devices and sensors function. Based on this introduction, rigid and non-rigid tracking and reconstruction will be discussed. Specialized face and body tracking methods will be covered and the applications of the 3D reconstruction and tracking will be shown. In addition to the 3D surface reconstruction, techniques for appearance modelling and material estimation will be shown.

Basic concepts of geometry (Meshes, Point Clouds, Pixels & Voxels)
RGB and Depth Cameras (Calibration, active/passive stereo, Time of Flight (ToF), Structured Light, Laser Scanner, Lidar)
Surface Representations (Polygonal meshes, parametric surfaces, implicit surfaces (Radial basis functions, signed distance functions, indicator function), Marching cubes)
Overview of reconstruction methods (Structure from Motion (SfM), Multi-view Stereo (MVS), SLAM, Bundle Adjustment)
Rigid Surface Tracking & Reconstruction (Pose alignment, ICP, online surface reconstruction pipeline (KinectFusion), scalable surface representations (VoxelHashing, OctTrees), loop closures and global optimization)
Non-rigid Surface Tracking & Reconstruction (Surface deformation for modeling, Regularizers: ARAP, ED, etc., Non-rigid surface fitting: e.g., non-rigid ICP. Non-rigid reconstruction: DynamicFusion/VolumeDeform/KillingFusion)
Face Tracking & Reconstruction (Keypoint detection & tracking, Parametric / Statistical Models -> BlendShapes)
Body Tracking & Reconstruction (Skeleton Tracking and Inverse Kinematics, Marker-based motion capture)
Material capture (Lightstage, BRDF estimation)
Outlook DeepLearning-based tracking

Voraussetzungen
Empfohlen:
• „Algorithmen und Datenstrukturen"
• „Graphische Datenverarbeitung I"
• Kenntnisse über Grundlagen aus der Höheren Mathematik
• Kenntnisse über Grundlagen Deep Learning
• Programmierkenntnisse in C / C++

Modul und Kurs
Modul: 20-00-1181 Intelligent Robotic Manipulation: Advanced topics in Robot Perception, Planning and Control
Kurs: 20-00-1181-iv Intelligent Robotic Manipulation: Advanced topics in Robot Perception, Planning and Control

Termine zwischen 2024-10-14 und 2025-02-10
* 15x Mo 11:30 - 13:10 (S101/A2)
* 18x Mo 15:20 - 17:00 (Übungsstunde)

---

Modul: Intelligent Robotic Manipulation: Advanced topics in Robot Perception, Planning and Control

---

Kurs: 20-00-1181-iv Intelligent Robotic Manipulation: Advanced topics in Robot Perception, Planning and Control


Lehrende
Prof. Ph.D. Georgia Chalvatzaki

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
iRobMan

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
This course introduces fundamental algorithmic approaches for creating robot systems that can autonomously manipulate physical objects in unstructured environments such as homes. We will cover basic principles for endowing autonomous robots with planning, perception, and decision-making capabilities, i.e., topics include perception (including approaches based on deep learning and approaches based on 3D geometry), planning (robot kinematics and trajectory generation, collision-free motion planning, task-and-motion planning, and planning under uncertainty), as well as dynamics and control for adaptive and reactive manipulation.

Tentative list of topics:

Topology in robotics and rigid body motions
Refresher on forward, inverse kinematics and dynamics
Differential kinematics and optimization
Geometric perception and object pose detection
Object pose estimation and tracking and multi-sensor fusion
Grasp generation and grasp evaluation
Trajectory Optimization
Search and Sampling-based motion planning
Force control
Visuomotor policies and intuitive physics
Task and motion planning and belief-space planning


Practical exercises will guide understanding fundamental mathematical and algorithmic principles for enabling robotic manipulators to perceive their environment, estimate the current state of the robot itself and the robots or humans in their surroundings, and create a strategy for executing various tasks that involve autonomously manipulating objects in cluttered scenes.

Voraussetzungen
Recommended:
The students should have a fundamental knowledge of robotics and linear algebra. Furthermore, Fundamentals of Robotics (20-00-0735-iv Grundlagen der Robotik) is recommended. Experience in Robot Learning (20-00-0629-vl Lernende Roboter) is also a plus.

Combining the course with the seminar and project lab will equip the students with a greater understanding and in-depth knowledge of the necessary components and principles to enable robotic autonomous manipulation

Online-Angebote
moodle

Modul und Kurs
Modul: 20-00-1186 Einführung in die Computerphysik
Kurs: 20-00-1186-vl Einführung in die Computerphysik

Termine zwischen 2024-10-17 und 2025-02-13
* 15x Do 11:40 - 13:20 (S207/109)

---

Modul: Einführung in die Computerphysik

---

Kurs: 20-00-1186-vl Einführung in die Computerphysik


Lehrende
Prof. Dr. rer. nat. Dominik Michels

Veranstaltungsart
Vorlesung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
ECP

Semesterwochenstunden
2

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Dieser Kurs ist eine Einführung in die Computerphysik für Studierende mit einem Hintergrund in der Informatik. Es werden der Lagrangescher Formalismus, Symmetrien und Erhaltungssätze, Stabilität und Bifurkation, Mehrkörperprobleme und starre Körper, lineare und nichtlineare Oszillationen, Hamiltonscher Formalismus, kanonische Transformationen und Invarianten, der Satz von Liouville, der diskrete Lagrangescher und der Hamiltonscher Formalismus, Hamilton-Jacobi-Theorie, Übergang zur Quantenmechanik sowie Grundkonzepte zu Relativität und Felder thematisiert.

Voraussetzungen
Empfohlen:
Grundkenntnisse in Algorithmik, Analysis und linearer Algebra sowie Programmierkenntnisse in einer Programmiersprache (C++, Java, Python, o.ä.).

Modul und Kurs
Modul: 20-00-1188 Networked and Low-Power Embedded Systems
Kurs: 20-00-1188-iv Networked and Low-Power Embedded Systems

Termine zwischen 2024-10-15 und 2025-02-11
* 15x Di 15:20 - 17:00 (S103/107)
* 18x Do 13:30 - 15:10 (Übungsstunde)

---

Modul: Networked and Low-Power Embedded Systems

---

Kurs: 20-00-1188-iv Networked and Low-Power Embedded Systems


Lehrende
Prof. Dr. Marco Zimmerling

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
NaLES

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Ein eingebettetes System ist eine Kombination aus Hardware und Software, die darauf ausgelegt ist, eine bestimmte Funktion innerhalb eines größeren Systems zu erfüllen. Eingebettete Systeme sind beispielsweise ein integraler Bestandteil von Industriemaschinen, Geräten der Agrar- und Prozessindustrie, Automobilen, medizinischen und mobilen Geräten, Haushaltsgeräten, Flugzeugen und dem Internet der Dinge.

In diesem Kurs geht es um Modelle, Methoden und Werkzeuge zur Entwicklung moderner eingebetteter Systeme. Der Schwerpunkt liegt auf Low-Power- und Low-Energy-Design um die erforderlichen Effizienz zu erzielen sowie auf Kommunikationsschnittstellen und Netzwerkprinzipien zur zuverlässigen Verbindung verteilter eingebetteter Systeme. Vorlesungen und Übungen werden durch Labore ergänzt, in denen die Studierenden praktische Erfahrungen in der Programmierung einer modernen eingebetteten Hardwareplattform in C unter Verwendung eines bekannten eingebetteten Betriebssystems und einer integrierten Entwicklungsumgebung sammeln.

Im Einzelnen werden im Kurs folgende Themen behandelt:

Architekturen, Komponenten und Anwendungen eingebetteter Systeme
Hardware- Software-Schnittstellen und Speicherarchitekturen
Software-Design-Methoden und eingebettete Betriebssysteme
Kommunikation und kabelgebundene/drahtlose Vernetzung für eingebettete Systeme
Echtzeitplanung und gemeinsam genutzte Ressourcen
Low-Power- und Low-Energy-Design inklusive Energy-Harvesting und batterielose eingebettete Systeme
Machinelles Lernen für ressourcenbeschränkte eingebettete Systems

Online-Angebote
moodle

Modul und Kurs
Modul: 20-00-1202 Foundations of Modern Data Systems
Kurs: 20-00-1202-iv Foundations of Modern Data Systems

Termine zwischen 2024-10-14 und 2025-02-13
* 15x Mo 11:40 - 13:20 (S202/C205 - Bosch Hörsaal)
* 15x Do 09:50 - 11:30 (S202/C205 - Bosch Hörsaal)

---

Modul: Foundations of Modern Data Systems

---

Kurs: 20-00-1202-iv Foundations of Modern Data Systems


Lehrende
Prof. Dr. rer. nat. Carsten Binnig; Prof. Ph.D. Zsolt Istvan

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
FOMO

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
The goal of this course is to familiarize students with the modern hardware stack present in clouds and datacenters. This is an important goal because, to be able to build and maintain efficient data processing systems (e.g., database management systems, streaming analytics pipelines, machine learning training, etc.), an in-depth understanding of the modern hardware is necessary.

Even though most students probably covered some of the topics in this lecture partially in other lectures during their studies, this lecture provides a complete view of the hardware architecture and programming aspects from a software systems aspect and how to utilise them best. In the lecture, we will cover a wide spectrum of hardware which is used today in cloud data centres such as:

multi-core and multi-socket CPUs
flash-based storage stacks
user-space networking
RDMA and programmable networks
GPUs and specialized hardware-based accelerators


In addition to the in-depth presentation of how these hardware components are designed and how they work, the students will also acquire hands-on experience in programming for them in several coding labs as part of the lecture.

Voraussetzungen
The following courses (or similar) are recommended prerequisites:

Data Structures and Algorithms
Introduction to Computer Architecture
Introduction to Computer Networks and Distributed Systems
Operating Systems and Compilers

Modul und Kurs
Modul: 20-00-1206 Project Lab Multimodal Artificial Intelligence
Kurs: 20-00-1206-pp Project Lab Multimodal Artificial Intelligence

Termine zwischen 2024-10-15 und 2025-02-11
* 15x Di 13:30 - 15:10 (S422/9)

---

Modul: Project Lab Multimodal Artificial Intelligence

---

Kurs: 20-00-1206-pp Project Lab Multimodal Artificial Intelligence


Lehrende
Prof. Dr.-Ing. Anna Rohrbach; Prof. Dr.-Ing. Marcus Rohrbach

Veranstaltungsart
Projekt

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
PL MultAI

Semesterwochenstunden
6

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
In diesem Projektpraktikum arbeiten Gruppen von Studierenden an Forschungsthemen im Bereich multimodale künstliche Intelligenz (KI).
Mögliche Ideen für ein Forschungsprojekt in multimodaler KI werden vorgegeben (oder optional von der Gruppe vorgeschlagen) und jede Gruppe entwickelt eine Methode basiert auf regelmäßigem Feedback. Der Schwerpunkt liegt auf der Umsetzung und Evaluierung der Methode mit dem Ziel, einen Forschungsbericht zu verfassen, der die Qualität einer Einreichung bei einem internationalen wissenschaftlichen Workshop, einer Konferenz oder einem Journal erreicht.
Die Ergebnisse werden zusätzlich zum schriftlichen Bericht in einem Vortrag am Ende des Labors präsentiert.

Voraussetzungen
Empfohlen:

Solide Programmierkenntnisse in Python/Pytorch, C/C++ oder einer anderen aktuell verwendeten Programmiersprache.
Vorheriger Abschluss des integrierten Kurses „Multimodale Künstliche Intelligenz" (20-00-1193-iv) oder ähnlicher Kurse.

Modul und Kurs
Modul: 20-00-1208 Verteilte Robotersysteme
Kurs: 20-00-1208-iv Verteilte Robotersysteme

Termine zwischen 2024-10-15 und 2025-02-11
* 15x Di 09:50 - 11:30 (Raum 2.3.10 (Konferenz Raum Ost), Gebäude S4|14, Mornewegstraße 30-32)
* 15x Di 16:15 - 17:55 (Raum 2.3.10 (Konferenz Raum Ost), Gebäude S4|14, Mornewegstraße 30-32)

---

Modul: Verteilte Robotersysteme

---

Kurs: 20-00-1208-iv Verteilte Robotersysteme


Lehrende
Prof. Dr. Roderich Groß

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
VRob

Semesterwochenstunden
4

Unterrichtssprache
Deutsch und Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte

Grundlagen verteilter Robotersysteme
Algorithmen zur Koordination und Kooperation
Formale und computer-gestützte Analyse
Anwendungen in den Bereichen Schwarmrobotik, Modular rekonfigurierbare Robotersysteme, Mehr-Robotersysteme und Sensornetzwerke
Integration von Benutzern und anderen Akteuren in das Verteilte System

Das Studium kann im Rahmen des Praktikums Verteilte Robotersysteme (SoSe) weiter vertieft werden.

Voraussetzungen
Empfohlen:

Grundlagen der Robotik
Funktionale und objektorientierte Programmierkonzepte;
Algorithmen und Datenstrukturen;
Lineare Algebra and Analysis

Zusätzliche Informationen
Die Anzahl der Teilnehmenden ist auf 40 beschränkt. Sollten mehr Personen teilnehmen wollen, entscheidet das Los.

Modul und Kurs
Modul: 04-10-0040 Einführung in die Optimierung
Kurs: 04-00-0023-vu Einführung in die Optimierung

Termine zwischen 2024-10-14 und 2025-02-12
* 14x Mo 13:30 - 15:10 (S103/23)
* 1x 2024-10-14 Mo 13:30 - 15:10 (S101/A4)
* 15x Mi 13:30 - 15:10 (S214/24)
* 18x Do 09:50 - 11:30 (Übung )
* 18x Do 11:40 - 13:20 (Übung )
* 18x Do 14:25 - 16:05 (Übung )

---

Modul: Einführung in die Optimierung

---

Kurs: 04-00-0023-vu Einführung in die Optimierung


Lehrende
Prof. Dr. rer. nat. Marc Pfetsch; M.Sc. Annika Christina Jäger

Veranstaltungsart
Vorlesung und Übung

Orga-Einheit
FB04 Mathematik

Anzeige im Stundenplan
Einf. Opt.

Semesterwochenstunden
6

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
konvexe Mengen und Funktionen; Einführung in die Polyedertheorie; Optimalitäts-und Dualitätstheorie der Linearen Optimierung; Simplex- Verfahren zur Lösung linearer Optimierungsprobleme; polynomiale Komplexität der Linearen Optimierung; Verfahren für quadratische Optimierungsprobleme.

Literatur
Chvatal: Linear Programming
Geiger, Kanzow: Theorie und Numerik restringierter Optimierungsaufgaben;
Jarre, Stoer: Optimierung Nocedal;
Wright: Numerical Optimization;
Schrijver: Theory of Linear and Integer Programming;
Ziegler: Lectures on Polytopes

Voraussetzungen
empfohlen: Analysis und Lineare Algebra

Online-Angebote
moodle

Modul und Kurs
Modul: 04-10-0074 Nonlinear Optimization
Kurs: 04-00-0174-vu Nonlinear Optimization

Termine zwischen 2024-10-15 und 2025-02-12
* 18x Mo 13:30 - 15:10 (Übung )
* 18x Mo 15:20 - 17:00 (Übung )
* 15x Di 15:20 - 17:00 (S204/213)
* 18x Mi 11:40 - 13:20 (Übung )
* 12x Mi 13:30 - 15:10 (S207/109)
* 3x Mi 13:30 - 15:10 (S101/A02)

---

Modul: Nonlinear Optimization

---

Kurs: 04-00-0174-vu Nonlinear Optimization


Lehrende
Prof. Dr. rer. nat. Stefan Ulbrich; Isabel Jacob

Veranstaltungsart
Vorlesung und Übung

Orga-Einheit
FB04 Mathematik

Anzeige im Stundenplan
Nichtlineare Opt.

Semesterwochenstunden
6

Unterrichtssprache
Deutsch und Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Modellierung praktischer Fragestellungen als Optimierungprobleme; Optimalitätsbedingungen,
Dualitätstheorie; Verfahren für Probleme ohne Nebenbedingungen:
Linesearch-und Trust-Region-Verfahren; Verfahren für Probleme
mit Nebenbedingungen: Straf-, Innere-Punkte-, Multiplikator- und
SQP-Verfahren

Literatur
Geiger, Kanzow: Numerische Verfahren zur Lösung unrestringierter Optimierungsaufgaben
Geiger, Kanzow: Theorie und Numerik restringierter Optimierungsaufgaben
Nocedal, Wright: Numerical Optimization

Voraussetzungen
empfohlen: Einführung in die Optimierung

Online-Angebote
moodle

Modul und Kurs
Modul: 13-G0-M005 Photogrammetrie I
Kurs: 13-G0-0014-ue Photogrammetrie I - Übung
Kurs: 13-G0-0021-vl Photogrammetrie I

Termine zwischen 2024-10-15 und 2025-02-13
* 15x Di 13:30 - 15:10 (L402/5)
* 11x Do 09:50 - 11:30 (L501/33)
* 4x Do 09:50 - 11:30 (L501/427)

Lerninhalte
In diesem Modul wird zunächst ein Überblick über die wichtigsten Grundlagen und Anwendungen der Photogrammetrie vermittelt. Das Modul befasst sich mit den mathematischen und physikalischen Grundlagen der Photogrammetrie. Daneben wird das stereoskopische Sehen und Messen behandelt. Die geometrische Modellierung der Sensoren sowie Abweichungen vom Modell der Zentralperspektive aufgrund physikalischer Effekte werden behandelt. Die Orientierung von Einzelbildern, Bildpaaren und Bildblöcken wird detailliert diskutiert. Schließlich wird die Erstellung der photogrammetrischen Produkte, wie etwa digitaler Geländemodelle und Orthophotos vorgestellt.

Qualitätsziele / Lernergebnisse
Nach erfolgreichem Ablegen dieses Moduls sollen Studierende die mathematischen und physikalischen Grundlagen der Photogrammetrie erklären können. Zudem sollen sie auch komplexe Ansätze der Photogrammetrie verstanden haben und die verwendeten Techniken exemplarisch anwenden können. Durch selbständiges Vorbereiten der Übungen sollen sie Lernstrategien entwickeln sowie die Praxisanwendung der theoretischen Inhalte exemplarisch kennenlernen.

Empfohlene Voraussetzungen
Empfohlen: Grundkenntnisse in Bildverarbeitung

Literatur
K. Kraus, Photogrammetrie, Band 1: Geometrische Informationen aus Photographien und Laserscanneraufnahmen, de Gruyter Verlag, Berlin, 7. Aufl. Februar 2004
T. Luhmann, Nahbereichsphotogrammetrie, Wichmann Verlag, ISBN 3-87907-398-8

---

Modul: Photogrammetrie 1


TUCaN-Nummer
13-G0-M005

Titel
Photogrammetrie I

Kürzel
Photogram. I

Sprache
Deutsch

---

Kurs: 13-G0-0014-ue Photogrammetrie I - Übung


Lehrende
Prof. Dr.-Ing. Dorota Iwaszczuk; Dr.-Ing. Patrick Hübner

Veranstaltungsart
Übung

Orga-Einheit
FB13 Bau- und Umweltingenieurwissenschaften

Anzeige im Stundenplan
Photogr. I_ue

Semesterwochenstunden
2

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Online-Angebote
Moodle

---

Kurs: 13-G0-0021-vl Photogrammetrie I


Lehrende
Prof. Dr.-Ing. Dorota Iwaszczuk; Dr.-Ing. Patrick Hübner

Veranstaltungsart
Vorlesung

Orga-Einheit
FB13 Bau- und Umweltingenieurwissenschaften

Anzeige im Stundenplan
Photogra. I_vl

Semesterwochenstunden
2

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Online-Angebote
Moodle

Modul und Kurs
Modul: 13-G0-M006 Photogrammetric Computer Vision
Kurs: 13-G0-0025-vl Photogrammetric Computer Vision
Kurs: 13-G0-0026-ue Photogrammetric Computer Vision - Exercise

Termine zwischen 2024-10-18 und 2025-02-14
* 11x Fr 11:40 - 13:20 (L501/33)
* 4x Fr 11:40 - 13:20 (L501/45b)
* 11x Fr 13:30 - 15:10 (L501/33)
* 4x Fr 13:30 - 15:10 (L501/45b)

Lerninhalte
The module deals with advanced methods of photogrammetry and computer vision. At first, students with different backgrounds are brought on the same level. In particular, contents from the field of basics of photogrammetry, photogrammetric sensors and photogrammetric basic concepts are taught. This is done by using the "Inverted Classroom" method, where the individual previous knowledge of the students can be taken into account. Then the concepts of Projective Geometry and their application in photogrammetry are presented. Furthermore, advanced methods of photogrammetry and computer vision are explained, such as automatic methods of image assignment with outlier detection, advanced aerotriangulation, structure from motion, dense 3D reconstruction, analysis of image sequences. In the exercise, analysis of the scientific papers ones is practiced. In addition, the theoretical knowledge from the lecture is put into practice in a student project.

Qualitätsziele / Lernergebnisse
After successful completion of this module, the participants should be able to explain advanced methods of photogrammetry and give overview of computer vision methods applied in photogrammetry. They should be able to master and apply exemplary techniques and to analyse the results. By preparing the exercises independently, they should develop strategies for solving practical problems of photogrammetry independently. The should also strengthen their presentation skills regarding project work and be able to discuss their results.

Empfohlene Voraussetzungen
Recommended: Photogrammetrie I (13-G0-M005)

Literatur
W. Förstner & B. Wrobel, Photogrammetric Computer Vision. Statistics, Geometry, Orientation and Reconstruction, Springer, 2016, ISBN 978-3-319-11550-4
T. Luhmann, S. Robson, S. Kyle, I Harley, Close Range Photogrammetry - Principles, Methods and Applications. Whittles Publishing. 2006. ISBN 1-870325-50-8
Aktuelle Fachliteratur aus Konferenzbänder und Journalen

---

Modul: Photogrammetric Computer Vision


TUCaN-Nummer
13-G0-M006

Titel
Photogrammetric Computer Vision

Kürzel
Photogram. CV

Sprache
Deutsch

---

Kurs: 13-G0-0025-vl Photogrammetric Computer Vision


Lehrende
Prof. Dr.-Ing. Dorota Iwaszczuk; Dr.-Ing. Patrick Hübner

Veranstaltungsart
Vorlesung

Orga-Einheit
FB13 Bau- und Umweltingenieurwissenschaften

Anzeige im Stundenplan
Photogram. CV_vl

Semesterwochenstunden
1

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Online-Angebote
Moodle

---

Kurs: 13-G0-0026-ue Photogrammetric Computer Vision - Exercise


Lehrende
Prof. Dr.-Ing. Dorota Iwaszczuk; M.Sc. Mona Ingeborg Goebel; Dr.-Ing. Patrick Hübner

Veranstaltungsart
Vorlesung

Orga-Einheit
FB13 Bau- und Umweltingenieurwissenschaften

Anzeige im Stundenplan
Photogram. CV_ue

Semesterwochenstunden
1

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Online-Angebote
Moodle

Modul und Kurs
Modul: 16-17-5020 Farbwiedergabe in den Medien
Kurs: 16-17-5020-vl Farbwiedergabe in den Medien

Termine zwischen 2024-10-23 und 2025-02-12
* 14x Mi 09:50 - 12:25 (S110/103)

Lerninhalte
Bedeutung des Begriffs “Farbe“; Physiologie des Auges; Farbensehen; Geschichte der Farbenlehre; Grundbegriffe der Optik und der Farbmetrik; Höhere Farbmetrik; Lichtfarben, Körperfarben, Interferenzfarben; Farbräume; Farbumfang; Farbtiefe; Farbprofile, Farbmessung; Farbdarstellung in der Digitalen Aufnahme- und Wiedergabetechnik; Farbdarstellung auf analogem Film; Farbdarstellung im Druck; Colormanagement.

Qualitätsziele / Lernergebnisse
Nachdem die Studierenden die Lerneinheit erfolgreich abgeschlossen haben, sollten sie in der Lage sein:
[list=1]
[*]Den Aufbau und die Arbeitsweise des visuellen Systems des Menschen zu erklären.
[*]Die Bedeutung von Licht, Farbe, Spektrum und den Unterschied zwischen photometrischen und radiometrischen Größen zu erläutern.
[*]Die Bedeutung und Anwendungsgebiete der verschiedenen Farbräume, -modelle und -systeme zu analysieren.
[*]Die Farbdarstellung mit digitalen Auf- und Wiedergabesystemen, mit analogen Filmen und in der Drucktechnik zu erklären und zu differenzieren.
[*]Die Gemeinsamkeiten und Unterschiede in der Farbreproduktion zu analysieren.
[*]Die Grundlagen der technischen Anwendungen zur Farbreproduktion auf das visuelle System zu beziehen.
[/list

Empfohlene Voraussetzungen
Grundkenntnisse in Physik, Praktische Farbmessung (empfohlen)

Literatur
Skriptum wird vorlesungsbegleitend im Internet angeboten.

---

Modul: Farbwiedergabe in den Medien


TUCaN-Nummer
16-17-5020

Titel
Farbwiedergabe in den Medien

Kürzel
Farbwiedergab Medien

Sprache
Deutsch

Diploma Supplement
Meaning of the term "colour"; Physiology of the eye; Colour vision; History of colour theory; Basic terminology of optics and colorimetry; Advanced colorimetry; Light colours, body colours, interference colours; Colour spaces; Colour gamut; Colour depth; Colour profiles; Colour measurement; Colour representation in digital recording and rendering technology; Colour representation on analogue film; Colour representation in printing technology; Colormanagement.

---

Kurs: 16-17-5020-vl Farbwiedergabe in den Medien


Lehrende
Prof. Dr. Edgar Dörsam

Veranstaltungsart
Vorlesung

Orga-Einheit
FB16 Maschinenbau

Anzeige im Stundenplan
Farbwiedergab Medien

Semesterwochenstunden
3

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
Diese Vorlesung wird als Präsenzveranstaltung angeboten. Ergänzend zu den Vorlesungsfolien stehen die Videoaufnahme aus den Vorjahren zur Verfügung. Vorlesungsbegleitend wird eine Online-Sprechstunde über Zoom angeboten.

Im Sommersemester 2024 wird diese Lehrveranstaltung als Online-Lehre angeboten.

Lehrinhalte
Die Bezeichnung „Farbe“ wird im Sprachgebrauch sehr unterschiedlich verwendet und unterliegt auch zahlreichen Einflüssen, die sich aus Kultur und Umwelt ergeben. In dieser Vorlesung steht der Begriff „Farbe“ nun im Mittelpunkt, wobei konkret die Farbwahrnehmung des Menschen gemeint ist. Es geht also nicht um die Herstellung oder Zusammensetzung einer Farbe in einer Dose, die dann als Wandfarbe oder Autolack genutzt wird. Es geht um die Farbwahrnehmung des Menschen. Die Farbwahrnehmung gehört wie das Hören zu den sieben Sinneswahrnehmung des Menschen und ist daher eine subjektive Größe. Bei der Beurteilung von Farben spielen viele unterschiedliche Faktoren eine Rolle, u.a. haben das Umgebungslicht, die Physiologie des Auges und das Gehirn einen großen Einfluss, wie die Farbe von jedem Einzelnen wahrgenommen wird. Eine wichtige Erkenntnis sollte sein: Die Farbe „blau“ ist keine physikalische Eigenschaft einer Oberfläche. Wir sehen daher nicht die Farbe „blau“, wir empfinden einen Farbeindruck und denken uns die Farbe „blau“.

In einem ersten Teil der Vorlesung wird das visuelle System des Menschen beschrieben, der Farbwahrnehmungsprozess erläutert und verschiedene Modelle der Farbwahrnehmung vorgestellt. Schließlich wird geklärt, wie in der Wissenschaft eine subjektive Größe in einer Farbmetrik mit Zahl und Maß dargestellt werden kann. Im industriellen Umfeld muss bei der Kommunikation von Farben sichergestellt sein, dass alle Beteiligten von der „gleichen Farbe“ sprechen, konkret: Der "gleiche" Farbeindruck muss gewährleistet sein. Im zweiten Teil der Vorlesung wird der Frage nachgegangen, wie Farben mit technischen Medien (z.B. verschiedenen Kameras) farbverbindlich aufgenommen und mit anderen technischen Medien (z.B. Monitore oder Drucktechnologie) farbverbindlich reproduziert werden können. Dabei wird auch in wichtige technische Farbräume wie RGB, CMYK oder CIELab eingeführt.

Die Studierenden werden in dieser Vorlesung viel über das visuelle System des Menschen erfahren und die Unterschiede zwischen der Physik, der Physiologie und der Wahrnehmung kennen lernen. Interessant ist die Betrachtung der Farbwahrnehmung in physikalischen, physiologischen und wahrnehmungsbezogenen Modellen. Die technischen Grundlagen der Beleuchtung (z.B. LEDs), der Kameratechnik, verschiedener Displaytechnologien (LCD, OLED) und der Drucktechnologie werden vermittelt. Ebenfalls werden aktuelle Entwicklungen angesprochen und mit den Studierenden diskutiert. Vorkenntnisse in technischer Hardware (z.B. Kamera, Fernseher, Drucktechnologie) sind nicht erforderlich.

Im Einzelnen werden folgende Themen vorgestellt:

- Bedeutung des Begriffs „Farbe“
- Spektrale Beschreibung optischer Strahlung, technische Lichtquellen, Lichtfarben, Körperfarben, Interferenzfarben
- Visuelles System des Menschen, Farbwahrnehmungsprozess, Wahrnehmungsmodelle
- Farbmetrik – Beschreibung des (subjektiven) visuellen Farbeindrucks
- Medien der Bildwiedergabe

Fotografie und Film
Digitale Bildaufnahme
Dynamische Bildwiedergabe
Drucktechnologie

- Colormanagement

Die Vorlesungsfolien, ergänzende Unterlagen und Videoaufnahmen werden auf moodle zur Verfügung gestellt. Die Vorlesungsinhalte können daher auch gut ohne Besuch der Vorlesung verstanden werden.

Prüfung
Die Prüfung (ca. 35 Minuten) ist mündlich und beginnt mit einem Vortrag (5 Minuten, max. 6 Minuten) zu einem selbst gewählten Thema aus dem Vorlesungsinhalt. Die Auswahl des Vortragsthemas muss nicht vorher angemeldet oder genehmigt werden. Hilfsmittel (PowerPoint, Karteikarten, …) sind nicht zugelassen; Demonstratoren, Modelle oder Skizzen können vorbereitet und zum Vortrag mitgebracht werden. Danach werden vom Prüfer ca. 5 Minuten Fragen zum Vortrag und dessen Themengebiet gestellt. Anschließend folgt ein Prüfungsgespräch zu zwei Themenbereichen der Vorlesung (ca. 20 Minuten). Bei Bedarf können weitere Kurzfragen aus unterschiedlichen Themenbereichen gestellt werden. Aus fachlichen Gründen wird keine mündliche Prüfung in englischer Sprache angeboten.

Die Prüfungen sind Einzeltermine, d.h. es wird nur eine Person pro Termin geprüft. Die Prüfungstermine können jederzeit nach Absprache im Wintersemester oder Sommersemester stattfinden. Sie sollten jedoch mindestens 4 Wochen vorher mit dem Sekretariat vereinbart werden.

Zielgruppe
Die Vorlesung richtet sich an Studierende im Masterstudium des Fachbereichs Maschinenbau. Studierende anderer Fachbereiche können teilnehmen, sofern die Prüfungsordnung diese Möglichkeit vorsieht.

Literatur
Ergänzende Literatur ist nicht erforderlich.

Voraussetzungen
Es sind keine weiteren Kenntnisse aus anderen Vorlesungen des Instituts notwendig.

Erwartete Teilnehmerzahl
40

Weitere Informationen
Die Vorlesung umfasst drei Vorlesungsstunden pro Woche. Die Vorlesung findet komplett am Mittwochvormittag mit einer Pause in der Innenstadt statt.

Nachhaltigkeitsbezug der Veranstaltungsinhalte
In der Vorlesung werden Aspekte und Auswrikungen von modernen Beleuchtungen und Display-Technologien auf die Gesundheit und das Wohlbefinden vermittelt.

Online-Angebote
moodle

Modul und Kurs
Modul: 18-kh-2010 Lichttechnik I
Kurs: 18-kh-2010-pr Lichttechnik I
Kurs: 18-kh-2010-vl Lichttechnik I

Termine zwischen 2024-10-14 und 2025-02-10
* 15x Mo 11:40 - 13:20 (S207/167)

Lerninhalte
Bau und Wirkungsweise des menschlichen Auges, Grundgrößen der Lichttechnik, Photometrie, lichttechnische Stoffkennzahlen, lichttechnische Bauelemente: Filter, Physiologie des Sehens, Farbe, Grundlagen der Lichterzeugung.
Messungen von Lichtstrom, Lichtstärke, Beleuchtungsstärke, Leuchtdichte, Bestimmung der Hellempfindlichkeitsfunktion, Farbmetrik, Farbwiedergabeversuch, Farben im Verkehrsraum, Messung von Stoffkennzahlen, Eigenschaften von LED-Lichtquellen

Qualitätsziele / Lernergebnisse
Nach Abschluss des Moduls haben die Studierenden folgendes gerlernt:
[list]
[*]Einheiten der Lichttechnik und lichttechnische Stoffkennzahlen nennen und in Zusammenhang bringen
[*]Bau und Wirkungsweise des menschlichen Auges und die Physiologie des Sehens erläutern
[*]Lichterzeugung, lichttechnische Messmethoden und Anwendungen beschreiben
[*]Messungen an lichttechnischen Grundgrößen durchführen
[*]Kenntnisse von Lichtquellen anwenden und durch Versuche vertiefen
[*]Verständnis für Licht und Farbe entwickeln
[/list

Literatur
Skript zur Vorlesung: Lichttechnik I
Versuchsanleitungen zum Praktikum: Lichttechnik I

---

Modul: Lichttechnik 1


TUCaN-Nummer
18-kh-2010

Titel
Lichttechnik I

Kürzel
Lichttechnik I

Lehrveranstaltungsart
Praktikum

Sprache
Deutsch

Diploma Supplement
Structure and functionality of the human eye, terms and unit in lighting technology, photometry, radiometric and photometric properties of materials, filters, physiology of vision, colour theory, lighting, light sources.
Measurement of luminous flux, luminous intensity, illuminance, luminance, determination of the spectral responsivity function of human eye, colorimetry colour rendering, colour as traffic signals, measuring of optical material characteristics, LED

---

Kurs: 18-kh-2010-pr Lichttechnik I


Lehrende
Prof. Dr.-Ing. Khanh Quoc Tran; Dr.-Ing. Babak Zandi; M.Sc. Felix Wirth

Veranstaltungsart
Praktikum

Orga-Einheit
FB18 Elektrotechnik und Informationstechnik

Anzeige im Stundenplan
Prak. Lichttechnik I

Semesterwochenstunden
2

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Lichttechnik ist das Fachgebiet, welches sich mit der Erzeugung, Charakterisierung, Übertragung, Verteilung und Wirkung von optischer Strahlung befasst, wobei der Mensch mit all seinen Wahrnehmungs- und Gesundheitsaspekten im Mittelpunkt steht und eine der Anwendung entsprechende, optimale Gestaltung der Beleuchtungslösung angestrebt wird. Die Vorlesung im WS umfasst die folgenden Inhalte:

Einführung in die Lichttechnik & Laborrundgang
Aufbau und Wirkungsweise des Auges
Definition lichttechnischer Größen
Licht- und Strahlungsquellen
Grundlagen der Photometrie
Lichttechnische Sensorsysteme
Grundlagen der Farbmetrik
Farbqualität von modernen Lichtquellen
Nichtvisuelle Wirkung von Licht
Lichttechnische Materialeigenschaften
Tageslicht und Wirkung auf die Gebäudetechnik
Augenphysiologie und Sehleistung

Literatur
Skript zur Vorlesung: Lichttechnik I
Versuchsanleitungen zum Praktikum: Lichttechnik I

Online-Angebote
moodle

---

Kurs: 18-kh-2010-vl Lichttechnik I


Lehrende
Prof. Dr.-Ing. Khanh Quoc Tran; Dr.-Ing. Babak Zandi; M.Sc. Felix Wirth

Veranstaltungsart
Vorlesung

Orga-Einheit
FB18 Elektrotechnik und Informationstechnik

Anzeige im Stundenplan
VL Lichttechnik I

Semesterwochenstunden
2

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Lichttechnik ist das Fachgebiet, welches sich mit der Erzeugung, Charakterisierung, Übertragung, Verteilung und Wirkung von optischer Strahlung befasst, wobei der Mensch mit all seinen Wahrnehmungs- und Gesundheitsaspekten im Mittelpunkt steht und eine der Anwendung entsprechende, optimale Gestaltung der Beleuchtungslösung angestrebt wird. Die Vorlesung im WS umfasst die folgenden Inhalte:

Einführung in die Lichttechnik & Laborrundgang
Aufbau und Wirkungsweise des Auges
Definition lichttechnischer Größen
Licht- und Strahlungsquellen
Grundlagen der Photometrie
Lichttechnische Sensorsysteme
Grundlagen der Farbmetrik
Farbqualität von modernen Lichtquellen
Nichtvisuelle Wirkung von Licht
Lichttechnische Materialeigenschaften
Tageslicht und Wirkung auf die Gebäudetechnik
Augenphysiologie und Sehleistung

Literatur
Skript zur Vorlesung: Lichttechnik I
Versuchsanleitungen zum Praktikum: Lichttechnik I

Online-Angebote
moodle

Modul und Kurs
Modul: 18-kn-2120 Sensortechnik
Kurs: 18-kn-2120-ue Sensortechnik
Kurs: 18-kn-2120-vl Sensortechnik

Termine zwischen 2024-10-17 und 2025-02-13
* 15x Do 14:25 - 16:05 (S306/053)
* 15x Do 16:15 - 17:00 (S306/053)

Lerninhalte
Das Modul vermittelt Grundprinzipien unterschiedlicher Sensoren und die nötigen Kenntnisse für eine sachgerechte Anwendung von Sensoren. In Bezug auf die Messkette liegt der Fokus der Veranstaltung auf der Umformung einer beliebigen, im allgemeinen nicht-elektrischen Größe in ein elektrisch auswertbares Signal.
Im Modul werden resistive, kapazitive, induktive, piezoelektrische, optische und magnetische Messprinzipien behandelt, um Kenntnisse über die Messung wichtiger Größen wie Kraft, Drehmoment Druck, Beschleunigung, Geschwindigkeit, Weg und Durchfluss zu vermitteln. Neben der phänomenologischen Beschreibung der Prinzipien und einer daraus abgeleiteten technischen Beschreibung sollen auch die wichtigsten Elemente der Primär- und Sekundärelektronik für jedes Messprinzip vorgestellt und nachvollzogen werden.
Neben den Messprinzipien wird die Beschreibung von Fehlern behandelt. Dabei wird neben statischen und dynamischen Fehlern auch auf die Fehler bei der Signalverarbeitung und die Fehlerbetrachtung der gesamten Messkette diskutiert. In den Übungen wird die Methode der Peer-Instruction genutzt.

Qualitätsziele / Lernergebnisse
Die Studierenden erwerben Kenntnisse über die unterschiedlichen Messverfahren und deren Vor- und Nachteile. Sie können Fehlerbeschreibungen in Datenblättern verstehen und in Bezug auf die Anwendung interpretieren und sind somit in der Lage, einen geeigneten Sensor für Anwendungen in der Elektro- und Informations sowie der Verfahrens- und Prozesstechnik auszuwählen und korrekt einzusetzen.

Empfohlene Voraussetzungen
Messtechnik

Literatur
[list]
[*]Foliensatz zur Vorlesung
[*]Skript
[*]Lehrbuch Tränkler „Sensortechnik“, Springer
[*]Übungsunterlagen
[/list

---

Modul: Sensortechnik


TUCaN-Nummer
18-kn-2120

Titel
Sensortechnik

Kürzel
Sensortechnik

Sprache
Deutsch

---

Kurs: 18-kn-2120-ue Sensortechnik


Lehrende
Prof. Dr. Mario Kupnik; M.Sc. Sven Robin Suppelt

Veranstaltungsart
Übung

Orga-Einheit
FB18 Elektrotechnik und Informationstechnik

Anzeige im Stundenplan
UE Sensortechnik

Semesterwochenstunden
1

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Das Modul vermittelt Grundprinzipien unterschiedlicher Sensoren und die nötigen Kenntnisse für eine sachgerechte Anwendung von Sensoren. In Bezug auf die Messkette liegt der Fokus der Veranstaltung auf der Umformung einer beliebigen, im allgemeinen nicht-elektrischen Größe in ein elektrisch auswertbares Signal.
Im Modul werden resistive, kapazitive, induktive, piezoelektrische, optische und magnetische Messprinzipien behandelt, um Kenntnisse über die Messung wichtiger Größen wie Kraft, Drehmoment Druck, Beschleunigung, Geschwindigkeit, Weg und Durchfluss zu vermitteln. Neben der phänomenologischen Beschreibung der Prinzipien und einer daraus abgeleiteten technischen Beschreibung sollen auch die wichtigsten Elemente der Primär- und Sekundärelektronik für jedes Messprinzip vorgestellt und nachvollzogen werden.
Neben den Messprinzipien wird die Beschreibung von Fehlern behandelt. Dabei wird neben statischen und dynamischen Fehlern auch auf die Fehler bei der Signalverarbeitung und die Fehlerbetrachtung der gesamten Messkette diskutiert. In den Übungen wird die Methode der Peer-Instruction genutzt.

Literatur

Foliensatz zur Vorlesung
Skript
Lehrbuch Tränkler „Sensortechnik“, Springer
Übungsunterlagen

Voraussetzungen
Messtechnik

---

Kurs: 18-kn-2120-vl Sensortechnik


Lehrende
Prof. Dr. Mario Kupnik; M.Sc. Sven Robin Suppelt

Veranstaltungsart
Vorlesung

Orga-Einheit
FB18 Elektrotechnik und Informationstechnik

Anzeige im Stundenplan
VL Sensortechnik

Semesterwochenstunden
2

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Das Modul vermittelt Grundprinzipien unterschiedlicher Sensoren und die nötigen Kenntnisse für eine sachgerechte Anwendung von Sensoren. In Bezug auf die Messkette liegt der Fokus der Veranstaltung auf der Umformung einer beliebigen, im allgemeinen nicht-elektrischen Größe in ein elektrisch auswertbares Signal.
Im Modul werden resistive, kapazitive, induktive, piezoelektrische, optische und magnetische Messprinzipien behandelt, um Kenntnisse über die Messung wichtiger Größen wie Kraft, Drehmoment Druck, Beschleunigung, Geschwindigkeit, Weg und Durchfluss zu vermitteln. Neben der phänomenologischen Beschreibung der Prinzipien und einer daraus abgeleiteten technischen Beschreibung sollen auch die wichtigsten Elemente der Primär- und Sekundärelektronik für jedes Messprinzip vorgestellt und nachvollzogen werden.
Neben den Messprinzipien wird die Beschreibung von Fehlern behandelt. Dabei wird neben statischen und dynamischen Fehlern auch auf die Fehler bei der Signalverarbeitung und die Fehlerbetrachtung der gesamten Messkette diskutiert. In den Übungen wird die Methode der Peer-Instruction genutzt.

Literatur

Foliensatz zur Vorlesung
Skript
Lehrbuch Tränkler „Sensortechnik“, Springer
Übungsunterlagen

Voraussetzungen
Messtechnik

Online-Angebote
moodle

Modul und Kurs
Modul: 18-ko-1010 Systemdynamik und Regelungstechnik I
Kurs: 18-fi-1010-tt Systemdynamik und Regelungstechnik I - Vorrechenübung
Kurs: 18-fi-1010-vl Systemdynamik und Regelungstechnik I

Termine zwischen 2024-10-17 und 2025-02-13
* 15x Do 09:50 - 11:30 (S311/08)
* 15x Do 10:45 - 11:30 (S105/122)
* 14x Di 08:00 - 09:40 (S101/A1)

Lerninhalte
Beschreibung und Klassifikation dynamischer Systeme; Linearisierung um einen stationären Zustand; Stabilität dynamischer Systeme; Frequenzgang linearer zeitinvarianter Systeme; Lineare zeitinvariante Regelungen; Reglerentwurf; Strukturelle Maßnahmen zur Verbesserung des Regelverhaltens

Qualitätsziele / Lernergebnisse
Die Studierenden werden in der Lage sein, dynamische Systeme aus den unterschiedlichsten Gebieten zu beschreiben und zu klassifizieren. Sie werden die Fähigkeit besitzen, das dynamische Verhalten eines Systems im Zeit- und Frequenzbereich zu analysieren. Sie werden die klassischen Reglerentwurfsverfahren für lineare zeitinvariante Systeme kennen und anwenden können.

Literatur
[list]
[*]Skript Konigorski: "Systemdynamik und Regelungstechnik I", Aufgabensammlung zur Vorlesung,
[*]Lunze: "Regelungstechnik 1: Systemtheoretische Grundlagen, Analyse und Entwurf einschleifiger Regelungen",
[*]Föllinger: "Regelungstechnik: Einführung in die Methoden und ihre Anwendungen",
[*]Unbehauen: "Regelungstechnik I:Klassische Verfahren zur Analyse und Synthese linearer kontinuierlicher Regelsysteme, Fuzzy-Regelsysteme", Föllinger: "Laplace-, Fourier- und z-Transformation",
[*]Jörgl: "Repetitorium Regelungstechnik",
[*]Merz, Jaschke: "Grundkurs der Regelungstechnik: Einführung in die praktischen und theoretischen Methoden",
[*]Horn, Dourdoumas: "Rechnergestützter Entwurf zeitkontinuierlicher und zeitdiskreter Regelkreise",
[*]Schneider: "Regelungstechnik für Maschinenbauer",
[*]Weinmann: "Regelungen. Analyse und technischer Entwurf: Band 1: Systemtechnik linearer und linearisierter Regelungen auf anwendungsnaher Grundlage"
[/list

---

Modul: Systemdynamik und Regelungstechnik 1


TUCaN-Nummer
18-ko-1010

Titel
Systemdynamik und Regelungstechnik I

Kürzel
Systemdyn & Reg. 1

Sprache
Deutsch

Diploma Supplement
Description and classification of dynamic systems; Linearization around an equilibrium point; Stability of dynamic systems; Frequency response; Linear time-invariant closed-loop systems; Controller design; Control structure optimization

---

Kurs: 18-fi-1010-tt Systemdynamik und Regelungstechnik I - Vorrechenübung


Lehrende
Prof. Dr.-Ing. Rolf Findeisen; M.Sc. Roland Golo Schurig; M.Sc. Florian Hermann Weigand

Veranstaltungsart
Tutorium

Orga-Einheit
FB18 Elektrotechnik und Informationstechnik

Anzeige im Stundenplan
VÜ SDRT I

Semesterwochenstunden
1

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Ergänzende Vorrechenübung zu Vorlesung und Übung "Systemdynamik und Regelungstechnik I"

Literatur
wie Vorlesung

---

Kurs: 18-fi-1010-vl Systemdynamik und Regelungstechnik I


Lehrende
Prof. Dr.-Ing. Rolf Findeisen; M.Sc. Roland Golo Schurig; M.Sc. Florian Hermann Weigand

Veranstaltungsart
Vorlesung

Orga-Einheit
FB18 Elektrotechnik und Informationstechnik

Anzeige im Stundenplan
VL SDRT I

Semesterwochenstunden
3

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Beschreibung und Klassifikation dynamischer Systeme; Linearisierung um einen stationären Zustand; Stabilität dynamischer Systeme; Frequenzgang linearer zeitinvarianter Systeme; Lineare zeitinvariante Regelungen; Reglerentwurf; Strukturelle Maßnahmen zur Verbesserung des Regelverhaltens

Literatur

Skript Konigorski: "Systemdynamik und Regelungstechnik I", Aufgabensammlung zur Vorlesung
Lunze: "Regelungstechnik 1: Systemtheoretische Grundlagen, Analyse und Entwurf einschleifiger Regelungen"
Föllinger: "Regelungstechnik: Einführung in die Methoden und ihre Anwendungen"
Unbehauen: "Regelungstechnik I:Klassische Verfahren zur Analyse und Synthese linearer kontinuierlicher Regelsysteme, Fuzzy-Regelsysteme", Föllinger: "Laplace-, Fourier- und z-Transformation"
Jörgl: "Repetitorium Regelungstechnik"
Merz, Jaschke: "Grundkurs der Regelungstechnik: Einführung in die praktischen und theoretischen Methoden"
Horn, Dourdoumas: "Rechnergestützter Entwurf zeitkontinuierlicher und zeitdiskreter Regelkreise"
Schneider: "Regelungstechnik für Maschinenbauer"
Weinmann: "Regelungen. Analyse und technischer Entwurf: Band 1: Systemtechnik linearer und linearisierter Regelungen auf anwendungsnaher Grundlage"

Online-Angebote
moodle

Modul und Kurs
Modul: 18-zo-2060 Digitale Signalverarbeitung
Kurs: 18-zo-2060-ue Digitale Signalverarbeitung
Kurs: 18-zo-2060-vl Digitale Signalverarbeitung

Termine zwischen 2024-10-16 und 2025-02-13
* 15x Mi 13:30 - 15:10 (S306/051)
* 15x Do 14:25 - 15:10 (S306/051)
* 8x Di 16:15 - 17:55 (S306/051)
* 6x Fr 09:50 - 11:30 (S101/A5 - Software AG Hörsaal)

Lerninhalte
1) Zeitdiskrete Signale und lineare Systeme - Abtastung und Rekonstruktion der analogen Signale
2) Design digitaler Filter – Filter Design Prinzipien; Linearphasige Filter; Filter mit endlicher Impulsantwort; Filter mit unendlicher Impulsantwort; Implementation
3) Digitale Analyse des Spektrums - Stochastische Signale; Nichtparametrische Spektralschätzung; Parametrische Spektralschätzung; Applikationen
4) Kalman Filter

Qualitätsziele / Lernergebnisse
Die Studierenden verstehen grundlegende Prinzipien der Signalverarbeitung. Sie können eigenständig FIR und IIR Filter entwerfen und analysieren.
Darüber hinaus beherrschen sie die Analyse von statistischen Signalen im Zeit- und im Frequenzbereich. Die Studierenden beherrschen die Grundlagen der Spektralschätzung und können nicht-parametrische, sowie parametrische Spektralschätzer entwerfen und hinsichtlich ihrer Leistungsfähigkeit analysieren.

Empfohlene Voraussetzungen
Grundlegende Kenntnisse der Signal- und Systemtheorie (Deterministische Signale und Systeme)

Literatur
Skript zur Vorlesung
Vertiefende Literatur:
[list]
[*]A. Oppenheim, W. Schafer: Discrete-time Signal Processing, 2nd ed.
[*]J.F. Böhme: Stochastische Signale, Teubner Studienbücher, 1998
[/list

---

Modul: Digitale Signalverarbeitung


TUCaN-Nummer
18-zo-2060

Titel
Digitale Signalverarbeitung

Kürzel
Digit. Signalverarb.

Sprache
Englisch

---

Kurs: 18-zo-2060-ue Digitale Signalverarbeitung


Lehrende
Prof. Dr.-Ing. Abdelhak Zoubir; M.Sc. Christian Eckrich; M.Sc. Christian Alexander Schroth

Veranstaltungsart
Übung

Orga-Einheit
FB18 Elektrotechnik und Informationstechnik

Anzeige im Stundenplan
UE Digit. Signalver.

Semesterwochenstunden
1

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
1) Zeitdiskrete Signale und lineare Systeme - Abtastung und Rekonstruktion der analogen Signale
2) Design digitaler Filter – Filter Design Prinzipien; Linearphasige Filter; Filter mit endlicher Impulsantwort; Filter mit unendlicher Impulsantwort; Implementation
3) Digitale Analyse des Spektrums - Stochastische Signale; Nichtparametrische Spektralschätzung; Parametrische Spektralschätzung; Applikationen
4) Kalman Filter

Literatur
Skript zur Vorlesung
Vertiefende Literatur:

A. Oppenheim, W. Schafer: Discrete-time Signal Processing, 2nd ed.
J.F. Böhme: Stochastische Signale, Teubner Studienbücher, 1998

Voraussetzungen
Grundlegende Kenntnisse der Signal- und Systemtheorie (Deterministische Signale und Systeme)

---

Kurs: 18-zo-2060-vl Digitale Signalverarbeitung


Lehrende
Prof. Dr.-Ing. Abdelhak Zoubir; M.Sc. Christian Eckrich; M.Sc. Christian Alexander Schroth

Veranstaltungsart
Vorlesung

Orga-Einheit
FB18 Elektrotechnik und Informationstechnik

Anzeige im Stundenplan
VL Digit. Signalver.

Semesterwochenstunden
3

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
1) Zeitdiskrete Signale und lineare Systeme - Abtastung und Rekonstruktion der analogen Signale
2) Design digitaler Filter – Filter Design Prinzipien; Linearphasige Filter; Filter mit endlicher Impulsantwort; Filter mit unendlicher Impulsantwort; Implementation
3) Digitale Analyse des Spektrums - Stochastische Signale; Nichtparametrische Spektralschätzung; Parametrische Spektralschätzung; Applikationen
4) Kalman Filter

Literatur
Skript zur Vorlesung
Vertiefende Literatur:

A. Oppenheim, W. Schafer: Discrete-time Signal Processing, 2nd ed.
J.F. Böhme: Stochastische Signale, Teubner Studienbücher, 1998

Voraussetzungen
Grundlegende Kenntnisse der Signal- und Systemtheorie (Deterministische Signale und Systeme)

Online-Angebote
moodle

Modul und Kurs
Modul: 20-00-0667 Optimierungsalgorithmen
Kurs: 20-00-0667-iv Optimierungsalgorithmen

Termine zwischen 2024-10-16 und 2025-02-13
* 15x Mi 13:30 - 15:10 (S202/C120)
* 15x Do 11:40 - 13:20 (S202/C120)

Lerninhalte
Algorithmische Standardansätze für komplexe diskrete Optimierungsprobleme, bspw. Evolutionsstrategien, dynamische Programmierung, Branch-and-Bound u.ä.

Qualitätsziele / Lernergebnisse
In der Veranstaltung erwerben Studierende systematische Kenntnis generischer algorithmischer Ansätze in der diskreten Optimierung sowie die Fähigkeit, komplexe diskrete Optimierungsprobleme Ziel führend algorithmisch anzugehen.

Empfohlene Voraussetzungen
Funktionale und objektorientierte Programmierkonzepte, Algorithmen und Datenstrukturen oder vergleichbar.

Literatur
Wird in der Veranstaltung bekannt gegeben

---

Modul: Optimierungsalgorithmen


TUCaN-Nummer
20-00-0667

Titel
Optimierungsalgorithmen

Kürzel
Optimierungsalgorith

Lehrveranstaltungsart
Vorlesung

Gebiet
Foundations of Computing

Sprache
Deutsch

---

Kurs: 20-00-0667-iv Optimierungsalgorithmen


Lehrende
Prof. Dr. rer. nat. Karsten Weihe

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Optimierungsalgorith

Semesterwochenstunden
4

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Alle Informationen zu Vorlesung, Übungsbetrieb und Prüfung finden Sie auf moodle.informatik.tu-darmstadt.de im Kurs "Optimierungsalgorithmen WiSe 24/25".

Modul und Kurs
Modul: 20-00-0735 Grundlagen der Robotik
Kurs: 20-00-0735-iv Grundlagen der Robotik

Termine zwischen 2024-10-15 und 2025-02-12
* 15x Di 09:50 - 11:30 (S202/C205 - Bosch Hörsaal)
* 15x Di 13:30 - 15:10 (S202/C205 - Bosch Hörsaal)
* 15x Mi 09:50 - 11:30 (S202/C205 - Bosch Hörsaal)

Lerninhalte
Die Lehrveranstaltung behandelt räumliche Darstellungen und Transformationen, Manipulatorkinematik, Fahrzeugkinematik, kinematische Geschwindigkeit, Jacobi-Matrix, Roboterdynamik, Robotersensoren und -antriebe, Roboterregelungen, Bahnplanung, Lokalisierung und Navigation mobiler Roboter, Roboterautonomie und Roboterentwicklung.

Theoretische und praktische Übungen sowie Programmieraufgaben dienen zur Vertiefung der Lehrinhalte.

Qualitätsziele / Lernergebnisse
Studierende besitzen nach erfolgreicher Teilnahme die für grundlegende Untersuchungen und ingenieurwissenschaftliche Entwicklungen in der Robotik notwendigen grundlegenden Fachkenntnisse und methodischen Fähigkeiten im Bereich der Modellierung, Kinematik, Dynamik, Regelung, Bahnplanung, Navigation, Wahrnehmung und Autonomie von Robotern.

Empfohlene Voraussetzungen
Empfohlen werden mathematische Grundkenntnisse und -fähigkeiten in Linearer Algebra, Analysis mehrerer Veränderlicher und Grundlagen gewöhnlicher Differentialgleichungen.

---

Modul: Grundlagen der Robotik


TUCaN-Nummer
20-00-0735

Titel
Grundlagen der Robotik

Kürzel
Robotik-Grundlagen

Lehrveranstaltungsart
Vorlesung

Gebiet
Computational Engineering

Sprache
Deutsch

---

Kurs: 20-00-0735-iv Grundlagen der Robotik


Lehrende
Prof. Dr. rer. nat. Oskar von Stryk

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Robotik-Grundlagen

Semesterwochenstunden
6

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Die Lehrveranstaltung behandelt räumliche Darstellungen und Transformationen, Manipulatorkinematik, Fahrzeugkinematik, kinematische Geschwindigkeit, Jacobi-Matrix, Roboterdynamik, Robotersensoren und -antriebe, Roboterregelungen, Bahnplanung, Lokalisierung und Navigation mobiler Roboter, Roboterautonomie und Roboterentwicklung.

Theoretische und praktische Übungen sowie Programmieraufgaben dienen zur Vertiefung der Lehrinhalte.

Literatur
- Vorlesungsfolien, -mitschrift und ergänzendes, teilweise begleitendes Skript

Umfassende Übersicht der Robotik:
- B. Siciliano, O. Khatib: Springer Handbook of Robotics, Springer Verlag

zu einzelnen Themen der Lehrveranstaltung:
- J.J. Craig: Introduction to Robotics: Mechanics and Control, 3rd edition, Prentice Hall
- M.W. Spong, S. Hutchinson, M. Vidyasagar: Robot Modeling and Control, Wiley
- R. Siegwart, I.R. Nourbakhsh, D. Scaramuzza: Introduction to Autonomous Mobile Robots, MIT Press
- H. Choset, K.M. Lunch, S. Hutchinson, G.A. Kantor,W. Burgard, L.E. Kavraki, S. Thrun: Principles of Robot Motion: Theory, Algorithms, and Implementations, Bradford
- S. Thrun,W. Burgard, D. Fox: Probabilistic Robotics, MIT Press

Voraussetzungen
Empfohlen werden mathematische Grundkenntnisse und -fähigkeiten in Linearer Algebra, Analysis mehrerer Veränderlicher und Grundlagen gewöhnlicher Differentialgleichungen

Modul und Kurs
Modul: 20-00-1017 Skalierbare Datenmanagement Systeme
Kurs: 20-00-1017-iv Skalierbare Datenmanagement Systeme

Termine zwischen 2024-10-15 und 2025-02-11
* 15x Di 15:20 - 17:00 (S202/C205 - Bosch Hörsaal)
* 18x Fr 09:50 - 11:30 (Übungsstunde)

Lerninhalte
Diese Vorlesungen ist eine Einführung in die Basiskonzepte und die wesentlichen Paradigmen für skalierbare Datenmanagement-Systeme. Der Fokus der Vorlesung ist auf die system-orientieren Aspekten und Interna solcher Systeme gerichtet, um große Datenmengen zu speichern, zu ändern, und zu analysieren.

Themen der Vorlesung sind:

Database Architectures
Parallel and Distributed Databases
Data Warehousing
MapReduce and Hadoop
Spark and its Ecosystem
Optional: NoSQL Databases, Stream Processing, Graph Databases, Scalable Machine Learning

Qualitätsziele / Lernergebnisse
Nach dem Kurs sollen die Studierenden einen Überblick über die wichtigsten Konzepte, Algorithmen und System-Aspekte für skalierbare Datenmanagement-Systeme erworben haben. Das Hauptziel ist es, dass die Studierenden das Wissen besitzen, solche Systeme zu designen und zu entwickeln, inklusive praktischer Übungen auf Basis von bestehenden Systemen wie Spark.

Empfohlene Voraussetzungen
Programmierkenntnisse in C++ and Java
Informationsmanagement (20-00-0015-iv)

Optional:
Foundations of Distributed Systems (20-00-0998-iv)

---

Modul: Skalierbare Datenmanagement Systeme


TUCaN-Nummer
20-00-1017

Titel
Skalierbare Datenmanagement Systeme

Kürzel
SDM

Lehrveranstaltungsart
Vorlesung

Gebiet
Data Knowledge Engineering

Sprache
Englisch

---

Kurs: 20-00-1017-iv Skalierbare Datenmanagement Systeme


Lehrende
Prof. Dr. rer. nat. Carsten Binnig; Prof. Ph.D. Zsolt Istvan

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
SDM

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Digitale Lehre
Im diesem Wintersemester werden wir diesen Kurs hauptsächlich als Präsenzveranstaltung durchführen, wobei einige Vorlesungen auch online gehalten werden können. Wenn eine Vorlesung online gehalten wird, werden wir dies rechtzeitig bekannt geben.
Für weitere Informationen und Links zu Moodle folgen Sie bitte den Links auf unserer Website:
https://www.informatik.tu-darmstadt.de/systems/teach/lectures/sdms/index.en.jsp
Lehrinhalte:
Diese Vorlesungen ist eine Einführung in die Basiskonzepte und die wesentlichen Paradigmen für skalierbare Datenmanagement-Systeme. Der Fokus der Vorlesung ist auf die system-orientieren Aspekten und Interna solcher Systeme gerichtet, um große Datenmengen zu speichern, zu ändern, und zu analysieren.

Themen der Vorlesung sind:

Database Architectures
Parallel and Distributed Databases
Cloud Databases
Data Warehousing
MapReduce and Hadoop
Spark and its Ecosystem
Optional: NoSQL Databases, Stream Processing, Graph Databases, Scalable Machine Learning

Lehrinhalte
Diese Vorlesungen ist eine Einführung in die Basiskonzepte und die wesentlichen Paradigmen für skalierbare Datenmanagement-Systeme. Der Fokus der Vorlesung ist auf die system-orientieren Aspekten und Interna solcher Systeme gerichtet, um große Datenmengen zu speichern, zu ändern, und zu analysieren.

Themen der Vorlesung sind:

Database Architectures
Parallel and Distributed Databases
Data Warehousing
MapReduce and Hadoop
Spark and its Ecosystem
Optional: NoSQL Databases, Stream Processing, Graph Databases, Scalable Machine Learning

Voraussetzungen
Programmierkenntnisse in C++ and Java
Informationsmanagement (20-00-0015-iv)

Optional:
Foundations of Distributed Systems (20-00-0998-iv)

Modul und Kurs
Modul: 20-00-1058 Einführung in die Künstliche Intelligenz
Kurs: 20-00-1058-iv Einführung in die Künstliche Intelligenz

Termine zwischen 2024-10-14 und 2025-02-10
* 15x Mo 11:40 - 13:20 (S311/08,S311/0012)
* 18x Mo 13:30 - 15:10 (Übungsstunde)
* 3x Mi 11:30 - 13:20 ()
* 3x Do 15:10 - 17:00 (S202/C120)

Lerninhalte
Die Künstliche Intelligenz (KI) beschäftigt sich mit Algorithmen zur Lösung von Problemen, von denen man gemeinhin annimmt, dass deren Lösung Intelligenz erfordert. Orientierte man sich in den Anfangstagen der Wissenschaft primär an psychologischen Erkenntnissen über das menschliche Denken, hat sich das Gebiet seither zunehmend dahingehend entwickelt, dass in den Problemlösungsansätzen versucht wird, die Stärken des Computers auszunutzen. Im Zuge dieser Vorlesung werden wir einen kurzen Überblick über die zentralen Themen dieser Kernwissenschaft der Informatik geben, insbesondere in die Themen Suche, Planen, Lernen und Schließen. Die historischen und philosophischen Grundlagen werden ebenfalls behandelt.

- Grundlagen
- Einführung, Geschichte der AI (RN chapter 1)
- Intelligente Agenten (RN chapter 2)
- Suche
- Uninformierte Suche (RN chapters 3.1 - 3.4)
- Heuristische Suche (RN chapters 3.5, 3.6)
- Lokale Suche (RN chapter 4)
- Constraint Satisfaction Problems (RN chapter 6)
- Spiele: Suche mit Gegnern (RN chapter 5)
- Planning
- Planen im Zustandsraum (RN chapter 10)
- Planen im Planraum (RN chapter 11)
- Decisions under Uncertainty
- Unsicherheit und Wahrscheinlichkeiten (RN chapter 13)
- Bayesian Networks (RN chapter 14)
- Decision Making (RN chapter 16)
- Machine Learning
- Neural Networks (RN chapters 18.1,18.2,18.7)
- Reinforcement Learning (RN chapter 21)
- Philosophische Grundlagen

Qualitätsziele / Lernergebnisse
Nach der erfolgreichen Absolvierung dieser Lehrveranstaltung sind die Studenten in der Lage
- grundlegende Techniken der Künstlichen Intelligenz zu verstehen und erklären
- in einer Diskussion über die prinzipielle Möglichkeit der Schaffung einer Künstlichen Intelligenz fundierte Argumente vorzubringen
- neue Entwicklungen auf diesem Gebiet kritisch beurteilen

Empfohlene Voraussetzungen
Keine

---

Modul: Einführung in die Künstliche Intelligenz


TUCaN-Nummer
20-00-1058

Titel
Einführung in die Künstliche Intelligenz

Kürzel
Einf KI

Lehrveranstaltungsart
Vorlesung

Gebiet
Data Knowledge Engineering

Sprache
Deutsch

---

Kurs: 20-00-1058-iv Einführung in die Künstliche Intelligenz


Lehrende
Prof. Dr. rer. nat. Kristian Kersting; Dr. rer. nat. Martin Mundt

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Einf KI

Semesterwochenstunden
3

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Die Künstliche Intelligenz (KI) beschäftigt sich mit Algorithmen zur Lösung von Problemen, von denen man gemeinhin annimmt, dass deren Lösung Intelligenz erfordert. Orientierte man sich in den Anfangstagen der Wissenschaft primär an psychologischen Erkenntnissen über das menschliche Denken, hat sich das Gebiet seither zunehmend dahingehend entwickelt, dass in den Problemlösungsansätzen versucht wird, die Stärken des Computers auszunutzen. Im Zuge dieser Vorlesung werden wir einen kurzen Überblick über die zentralen Themen dieser Kernwissenschaft der Informatik geben, insbesondere in die Themen Suche, Planen, Lernen und Schließen. Die historischen und philosophischen Grundlagen werden ebenfalls behandelt.

- Grundlagen
- Einführung, Geschichte der AI (RN chapter 1)
- Intelligente Agenten (RN chapter 2)
- Suche
- Uninformierte Suche (RN chapters 3.1 - 3.4)
- Heuristische Suche (RN chapters 3.5, 3.6)
- Lokale Suche (RN chapter 4)
- Constraint Satisfaction Problems (RN chapter 6)
- Spiele: Suche mit Gegnern (RN chapter 5)
- Planning
- Planen im Zustandsraum (RN chapter 10)
- Planen im Planraum (RN chapter 11)
- Decisions under Uncertainty
- Unsicherheit und Wahrscheinlichkeiten (RN chapter 13)
- Bayesian Networks (RN chapter 14)
- Decision Making (RN chapter 16)
- Machine Learning
- Neural Networks (RN chapters 18.1,18.2,18.7)
- Reinforcement Learning (RN chapter 21)
- Philosophische Grundlagen

Voraussetzungen
Keine

Modul und Kurs
Modul: 20-00-1116 Hands-On HCI
Kurs: 20-00-1116-iv Hands-On HCI

Termine zwischen 2024-10-14 und 2025-02-10
* 14x Mo 13:30 - 15:10 (S102/36)
* 1x 2024-10-14 Mo 13:30 - 15:10 (S115/020)

Lerninhalte
Vielleicht haben Sie bereits von Virtual / Augmented Reality, 3D-Druck, am Körper getragenen oder anfassbaren (tangible) Benutzeroberflächen gehört oder diese sogar ausprobiert. Der Bereich Human-Computer-Interaktion (HCI) deckt all diese spannenden Themen ab und bietet die Möglichkeit, neue Prototypen zu bauen und diese in Benutzerstudien auszuprobieren. Wenn Sie Theorie und Praxis im Bereich der HCI verbinden möchten ist dieser Kurs - Hands-On HCI - genau das Richtige für Sie. Das Ziel des Kurses ist es, Sie durch den gesamten Forschungszyklus im Bereich der HCI zu führen. Damit kann dieser Kurs eine Vorbereitung für Ihre zukünftige Bachelor- / Masterarbeit in diesem Bereich sein, sowie einen ersten Baustein auf Ihrem akademischen Weg darstellen.

Qualitätsziele / Lernergebnisse
Nach Abschluss des Moduls können Studierende

- drei Ansätze zur HCI-Forschung voneinander unterscheiden und anwenden.
- drei Arten empirischer Untersuchungen unterscheiden.
- effektiv eine wissenschaftliche Publikation lesen.
- zwischen Arten von HCI-Beiträgen unterscheiden.
- Forschungsfragen, Hypothesen und experimentelle Variablen formulieren und definieren.
- basierend auf den zuvor erarbeiteten Forschungsfragen ein dazu passendes Studiendesign entwerfen.
- eine Studie durchführen und dabei quantitative und qualitative Methoden zur Datensammlung verwenden.
- quantitative Daten auf der Basis von statistischen Methoden analysieren, auswerten und interpretieren.
- qualitative Daten auf der Basis von Grounded Theory analysieren und interpretieren.
- den Peer-Review Prozess verstehen und sowie Reviews für eine wissenschaftliche Publikation schreiben.
- Evaluationstechniken mit und ohne Nutzern verstehen und anwenden.
- die gewonnenen Erkenntnisse als wissenschaftliche Publikation verschriftlichen und vor einem Fachpublikum präsentieren.

Empfohlene Voraussetzungen
Empfohlen wird die vorherige Belegung von Human-Computer Interaction (TK2).

---

Modul: Hands-On HCI


TUCaN-Nummer
20-00-1116

Titel
Hands-On HCI

Kürzel
HOHCI

Lehrveranstaltungsart
Vorlesung

Gebiet
Human Computer Systems

Sprache
Englisch

---

Kurs: 20-00-1116-iv Hands-On HCI


Lehrende
Prof. Dr. rer. nat. Florian Benjamin Müller; M.Sc. Dominik Schön

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
HOHCI

Semesterwochenstunden
4

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Vielleicht haben Sie bereits von Virtual / Augmented Reality, 3D-Druck, am Körper getragenen oder anfassbaren (tangible) Benutzeroberflächen gehört oder diese sogar ausprobiert. Der Bereich Human-Computer-Interaktion (HCI) deckt all diese spannenden Themen ab und bietet die Möglichkeit, neue Prototypen zu bauen und diese in Benutzerstudien auszuprobieren. Wenn Sie Theorie und Praxis im Bereich der HCI verbinden möchten ist dieser Kurs - Hands-On HCI - genau das Richtige für Sie. Das Ziel des Kurses ist es, Sie durch den gesamten Forschungszyklus im Bereich der HCI zu führen. Damit kann dieser Kurs eine Vorbereitung für Ihre zukünftige Bachelor- / Masterarbeit in diesem Bereich sein, sowie einen ersten Baustein auf Ihrem akademischen Weg darstellen.

Der Kurs besteht aus theoretischen und praktischen Teilen. Der theoretische Teil umfasst 8 Vorlesungen über Methoden zum Auffinden und Bewerten relevanter Literatur für die eigene zukünftige Forschung, Grundlagen und Methoden zur quantitativen und qualitativen Erhebung sowie Analyse von Daten. Der praktische Teil umfasst 7 miteinander verbundene benotete Aufgaben (1 Einzel- und 6 Gruppenaufgaben) in der Versuchsplanung, Durchführung und Datenanalyse. Beide Teile der Veranstaltung finden parallel während des Semesters statt. Am Ende des Kurses werden Sie Ihre erste eigene wissenschaftliche Arbeit durchgeführt haben, von der Ideenfindung über das Forschungsdesign, die Durchführung einer Studie bis hin zur Auswertung und Verschriftlichung sowie Präsentation der Ergebnisse. Es wird keine Abschlussprüfung geben; die Abschlussnote des Kurses berechnet sich als vorlesungsbegleitende Prüfung aus den 7 praktischen Aufgaben, sowie einer Forschungsarbeit und Abschlusspräsentation.

In der ersten Vorlesung werden 8 aktuelle HCI Forschungsrichtungen vorgestellt, welche viele spannende Themen wie Augmented und Virtual Reality, Fabrication, maschinelles Lernen und vieles mehr abdecken. In dieser Vorlesung finden Sie sich zu Dreiergruppen zusammen, welche im Laufe des Semesters gemeinsam ein Projekt in einem dieser Forschungsfelder bearbeiten. Dieser Kurs ist auf 24 Plätze begrenzt und eine vorherige Anmeldung für den Kurs ist erforderlich.

Literatur

“Research methods in HCI” by Harry Hochheiser Jinjuan Heidi Feng, and Jonathan Lazar
“How to Design and Report Experiments” by Andy Field and Graham Hole
“Statistics for HCI: Making Sense of Quantitative” Data by Alan Dix
“Qualitative HCI Research: Going Behind the Scenes” by Ann Blandford, Dominic Furniss, and Stephann Makri
“Introduction to the New Statistics: Estimation, Open Science, and Beyond” by Geoff Cumming and Robert Calin-Jageman

Voraussetzungen
Empfohlen wird das vorherige Belegen von Human-Computer Interaction (TK2).

Erwartete Teilnehmerzahl
24

Modul und Kurs
Modul: 20-00-0140 Geometrische Methoden des CAE/CAD
Kurs: 20-00-0140-iv Geometrische Methoden des CAE/CAD

Termine zwischen 2024-10-16 und 2025-02-12
* 15x Mi 15:20 - 17:00 (S101/A02)
* 15x Mi 09:50 - 11:30 (Übungsstunde)

Lerninhalte
- parametrische Kurvenmodelle
- parametrische Flächenmodelle
- Topologie und CAD-Volumenmodelle
- CAD-Operationen auf Flächen
- Tessellierung
- Approximation von Kurven und Flächen
- Finite-Elemente-Methode und Strömungssimulation
- verschiedene Anwendungen aus dem CAD-Bereich

Qualitätsziele / Lernergebnisse
Studierende beherrschen nach erfolgreichem Besuch der Veranstaltung die Grundlagen der rechnergestützten Methoden der geometrischen Modellierung und Simulation. Sie verstehen verschiedene parametrische Kurven- und Oberflächenrepräsentationen und können diese auswerten und miteinander vergleichen.Weiter kennen Sie klassische Datenstrukturen und Algorithmen aus dem Computer Aided Design (CAD). Sie sind in der Lage, diese Techniken praktisch umzusetzen und damit 3D-Geometrie im Rechner darzustellen und zu visualisieren.

Empfohlene Voraussetzungen
Grundwissen in Informatik

Literatur
Vorlesungsfolien
Lee: Principles of CAD / CAM / CAE Systems, Addison-Wesley.
Piegl, Tiller: The NURBS Book, Springer Verlag.
Farin: Kurven und Flächen im Computer Aided Geometric Design, vieweg
Shah, Mäntylä: Parametric and Feature-based CAD/CAM, Wiley & Sons

---

Modul: Geometrische Methoden des CAE/CAD


TUCaN-Nummer
20-00-0140

Titel
Geometrische Methoden des CAE/CAD

Kürzel
Geom. Meth. CAE/CAD

Lehrveranstaltungsart
Vorlesung

Gebiet
Computational Engineering

Sprache
Deutsch

---

Kurs: 20-00-0140-iv Geometrische Methoden des CAE/CAD


Lehrende
Prof. Dr.-Ing. André Stork

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Geom.Meth. CAE/CAD

Semesterwochenstunden
4

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
- parametrische Kurvenmodelle
- parametrische Flächenmodelle
- Topologie und CAD-Volumenmodelle
- CAD-Operationen auf Flächen
- Tessellierung
- Approximation von Kurven und Flächen
- Finite-Elemente-Methode und Strömungssimulationverschiedene Anwendungen aus dem CAD-Bereich

Qualifikationsziele / Lernergebnisse
Studierende beherrschen nach erfolgreichem Besuch der Veranstaltung die Grundlagen der rechnergestützten Methoden der geometrischen Modellierung und Simulation. Sie verstehen verschiedene parametrische Kurven- und Oberflächenrepräsentationen und können diese auswerten und miteinander vergleichen.Weiter kennen Sie klassische Datenstrukturen und Algorithmen aus dem Computer Aided Design (CAD). Sie sind in der Lage, diese Techniken praktisch umzusetzen und damit 3D-Geometrie im Rechner darzustellen und zu visualisieren.

Literatur
- Vorlesungsfolien
- Lee: Principles of CAD / CAM / CAE Systems, Addison-Wesley.
- Piegl, Tiller: The NURBS Book, Springer Verlag.
- Farin: Kurven und Flächen im Computer Aided Geometric Design, vieweg
- Shah, Mäntylä: Parametric and Feature-based CAD/CAM, Wiley & Sons

Voraussetzungen
Grundwissen in Informatik

Weitere Informationen
IV, 6CP/4SWS, i.d.R. jedes Wintersemester

Online-Angebote
moodle

Modul und Kurs
Modul: 20-00-0419 Programmierung Massiv-Paralleler Prozessoren
Kurs: 20-00-0419-iv Programmierung Massiv-Paralleler Prozessoren

Termine zwischen 2024-10-21 und 2025-02-03
* 13x Mo 13:30 - 15:10 (S101/A4)
* 17x Mi 09:50 - 11:30 (Übungsstunde)

Lerninhalte
- Grundlagen massiv-paralleler Hardware mit einem Schwerpunkt auf modernen Beschleunigern
- parallele Algorithmen
- effiziente Programmierung massiv-paralleler Systeme
- praktische Programmierprojekte mit Co-Betreuung durch einen Wissenschaftler au seiner Anwendungsdomain

Qualitätsziele / Lernergebnisse
Nach dem erfolgreichen Besuch der Veranstaltung sind Studierende dazu in der Lage, Problemstellungen im Kontext massiv-paralleler Systeme zu analysieren. Sie können selbständig neue Anwendungen entwickeln und ihre Performanz systematisch verbessern. Sie verstehen grundlegende parallele Algorithmen und Programmierparadigmen und können sich selbständig aktuelle Literatur erarbeiten.

Empfohlene Voraussetzungen
Solide Programmierkenntnisse in C/C++
Empfohlen: Systemnahe und Parallele Programmierung

Literatur
Wird in der Veranstaltung bekanntgegeben.

---

Modul: Programmierung Massiv-Paralleler Prozessoren


TUCaN-Nummer
20-00-0419

Titel
Programmierung Massiv-Paralleler Prozessoren

Kürzel
Massiv-Paral. Prozes

Lehrveranstaltungsart
Vorlesung

Gebiet
Human Computer Systems

Sprache
Englisch

---

Kurs: 20-00-0419-iv Programmierung Massiv-Paralleler Prozessoren


Lehrende
Prof. Dr. techn. Wolf Dietrich Fellner; Dr. Johannes Sebastian Müller-Römer

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
PMPP

Semesterwochenstunden
4

Credits
6,0

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
- Grundlagen massiv-paralleler Prozessoren mit einem Schwerpunkt auf modernen GPUs
- Parallele Algorithmen
- Effiziente Programmierung massiv-paralleler Systeme
- Praktische Programmier- und Profiling-Aufgaben
- Praktische Programmierprojekte unter Co-Betreuung durch einen Wissenschaftler oder eine Wissenschaftlerin aus der Anwendungsdomäne

Literatur
Wird in der Veranstaltung bekanntgegeben.

Voraussetzungen
Solide Programmierkenntnisse in C/C++
Empfohlen: Systemnahe und Parallele Programmierung

Zusätzliche Informationen
In dieser Lehrveranstaltung findet eine Anrechnung von vorlesungsbegleitenden Leistungen statt, die lt. §25(2) der 6. Novelle der Allgemeinen Prüfungsbestimmungen der TU Darmstadt und den vom Fachbereich Informatik am 14.07.2022 beschlossenen Anrechnungsregeln zu einer Notenver-besserung um bis zu 1.0 führen kann.

Online-Angebote
moodle

Modul und Kurs
Modul: 20-00-1075 Verteilte Geometrieverarbeitung
Kurs: 20-00-1075-iv Verteilte Geometrieverarbeitung

Termine zwischen 2024-10-14 und 2025-02-10
* 15x Mo 13:30 - 16:50 (S103/112)

Lerninhalte
* Grundlagen und Algorithmen der Geometrieverarbeitung: Smoothing, Remeshing, Delaunay-Triangulierung, Parametrisierung, Texturierung, u.a.
* Einführung in Big Data und Cloud Computing
* Indexstrukturen für den schnellen Zugriff auf massive Geometriedatenmengen: Quad tree, R-tree, Space-filling curves, u.a.
* Verteilte und cloud-basierte Datenspeicherung
* Architekturen für verteilte Verarbeitungspipelines
* Programmiermodelle für verteilte Algorithmen (z.B. MapReduce)
* Technologien und Frameworks für die verteilte Datenverarbeitung (z.B. Spark, Vert.x) und Geometrieverarbeitung (Draco, u.a.)
* Deployment von verteilten Anwendungen in die Cloud
* Ergänzend gibt es praktische und theoretische Übungen

Qualitätsziele / Lernergebnisse
Nach dem erfolgreichen Besuch der Veranstaltung besitzen die Studierenden grundlegende Kenntnisse zur Geometrieverarbeitung sowie zur verteilten, cloud-basierten Verarbeitung sehr großer Datenmengen im Allgemeinen. Sie sind in der Lage, selbstständig skalierbare Anwendungen zu entwickeln und diese in der Cloud auszuführen, um die Geometrieverarbeitung zu parallelisieren und damit die Performance zu erhöhen.

Empfohlene Voraussetzungen
* Programmierkenntnisse in Java oder anderen JVM-Sprachen
* Grundlegende Algorithmen und Datenstrukturen

---

Modul: Verteilte Geometrieverarbeitung


TUCaN-Nummer
20-00-1075

Titel
Verteilte Geometrieverarbeitung

Kürzel
VGV

Lehrveranstaltungsart
Vorlesung

Gebiet
Human Computer Systems

Sprache
Deutsch

---

Kurs: 20-00-1075-iv Verteilte Geometrieverarbeitung


Lehrende
Dr.-Ing. Michel Krämer

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
VGV

Semesterwochenstunden
4

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
* Einführung in Big Data und Cloud Computing
* Indexstrukturen für den schnellen Zugriff auf massive Geometriedatenmengen: Quad trees, Space-filling curves, Discrete Global Grid Systems, u.a.
* Verteilte und cloud-basierte Datenspeicherung
* Architekturen für verteilte Verarbeitungspipelines
* Programmiermodelle für verteilte Algorithmen (z.B. MapReduce)
* Technologien und Frameworks für die verteilte Datenverarbeitung und Geometrieverarbeitung
* Deployment von verteilten Anwendungen in die Cloud
* Ergänzend gibt es praktische und theoretische Übungen

Literatur
* Ray Rafaels: Cloud Computing - From Beginning to End, ISBN 1986726282

* Mario Botsch, Leif Kobbelt, Mark Pauly, Pierre Alliez, Bruno Levy: Polygon Mesh Processing, ISBN 9781568814261

* Weitere aktuelle Literaturhinweise werden in der Veranstaltung gegeben.

Voraussetzungen
* Programmierkenntnisse in Java oder anderen JVM-Sprachen
* Grundlegende Algorithmen und Datenstrukturen

Zusätzliche Informationen
Benotung:Standard (6 CP)

In dieser Vorlesung findet eine Anrechnung von vorlesungsbegleitenden Leistungen statt, die lt. §25(2) der 4. Novelle der APB und den vom FB 20 am 02.10.2012 beschlossenen Anrechnungsregeln zu einer Notenverbesserung um bis zu 1.0 führen kann.

Online-Angebote
moodle

Modul und Kurs
Modul: 20-00-0449 Probabilistische Graphische Modelle
Kurs: 20-00-0449-iv Probabilistische Graphische Modelle

Termine zwischen 2024-10-14 und 2025-02-10
* 15x Mo 11:40 - 13:20 (S115/133)
* 18x Fr 11:40 - 13:20 (Übungsstunde)

Lerninhalte
- Auffrischung Wahrscheinlichkeits- & Bayes’sche Entscheidungstheorie
- Gerichtete und ungerichtete graphische Modelle und deren Eigenschaften
- Inferenz in Baumgraphen
- Approximative Inferenz in allgemeinen Graphen: Message Passing und Mean Field
- Lernen von gerichteten und ungerichteten Modellen
- Sampling-Methoden für Inferenz und Lernen
- Modellierung in Beispielanwendungen, inkl. Topic-Modelle
- Tiefe Netze
- Halb-überwachtes Lernen

Qualitätsziele / Lernergebnisse
Studierende haben nach erfolgreichem Besuch der Veranstaltung ein vertieftes Verständnis von probabilistischen graphischen Modellen. Sie beschreiben und analysieren die Eigenschaften graphischer Modelle und formulieren geeignete Modelle für konkrete Schätz- und Lernaufgaben. Sie verstehen Inferenzalgorithmen, beurteilen deren Eignung und gebrauchen diese für graphische Modelle in relevanten Anwendungen. Sie ermitteln weiterhin welche Lernverfahren sich eignen, um die Modellparameter anhand von Beispieldaten zu bestimmen, und wenden diese an.

Empfohlene Voraussetzungen
Besuch von “Statistisches Maschinelles Lernen” ist empfohlen.

Literatur
Literaturempfehlungen werden regelmäßig aktualisiert und beinhalten beispielsweise:
- D. Barber: “Bayesian Reasoning and Machine Learning”, Cambridge University Press 2012
- D. Koller, N. Friedman: “Probabilistic Graphical Models: Principles and Techniques”, MIT Press 2009

---

Modul: Probabilistische Graphische Modelle


TUCaN-Nummer
20-00-0449

Titel
Probabilistische Graphische Modelle

Kürzel
Probabilistische Gra

Lehrveranstaltungsart
Vorlesung

Gebiet
Human Computer Systems

Sprache
Deutsch

---

Kurs: 20-00-0449-iv Probabilistische Graphische Modelle


Lehrende
Prof. Dr. rer. nat. Kristian Kersting; Dr. rer. nat. Martin Mundt

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
PGM

Semesterwochenstunden
4

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
- Auffrischung Wahrscheinlichkeits- & Bayes’sche Entscheidungstheorie
- Gerichtete und ungerichtete graphische Modelle und deren Eigenschaften
- Inferenz in Baumgraphen
- Approximative Inferenz in allgemeinen Graphen: Message Passing und Mean Field
- Lernen von gerichteten und ungerichteten Modellen
- Sampling-Methoden für Inferenz und Lernen
- Modellierung in Beispielanwendungen, inkl. Topic-Modelle
- Tiefe Netze
- Halb-überwachtes Lernen

Literatur
Literaturempfehlungen werden regelmäßig aktualisiert und beinhalten beispielsweise:
- D. Barber: “Bayesian Reasoning and Machine Learning”, Cambridge University Press 2012
- D. Koller, N. Friedman: “Probabilistic Graphical Models: Principles and Techniques”, MIT Press 2009

Voraussetzungen
Besuch von “Statistisches Maschinelles Lernen” ist empfohlen.

Online-Angebote
moodle

Modul und Kurs
Modul: 20-00-1014 Deep Learning für medizinische Bildgebung
Kurs: 20-00-1014-iv Deep Learning für medizinische Bildgebung

Termine zwischen 2024-10-16 und 2025-02-12
* 15x Mi 09:50 - 11:30 (S103/123)

Lerninhalte
Formulierung der medizinischen Bildsegmentierung, Computergestützte Diagnostik und chirurgische Planung als Probleme des maschinellen Lernens, Deep Learning für medizinische Bildsegmentierung, Deep Learning für computergestützte Diagnostik, Chirurgische Planung von präoperativen Bildern mit Deep Learning, Tool-Präsenz Erkennung und Lokalisierung von endoskopischen Videos durch Deep Learning, Adversarial Beispiele für medizinische Bildgebung, Generative Adversarial Networks für Medizinische Bildgebung.

Qualitätsziele / Lernergebnisse
Nach erfolgreichem Abschluss des Kurses sollten die Teilnehmer in der Lage sein, alle Komponenten der Formulierung eines medizinischen Bildanalyseproblems als Proble des Maschinellen Lernens zu verstehen. Sie sollten auch in der Lage sein, fundierte Entscheidungen über die Wahl eines universellen Deep Learning Paradigmas für ein gegebenes medizinische Bildanalyseproblem zu treffen.

Empfohlene Voraussetzungen
- Programmierkenntnisse
- Verständnis des algorithmischen Designs
- Lineare Algebra
- Bildverarbeitung / Computer Vision I
- Statistisches Maschinelles Lernen

---

Modul: Deep Learning für medizinische Bildgebung


TUCaN-Nummer
20-00-1014

Titel
Deep Learning für medizinische Bildgebung

Kürzel
DLMB

Lehrveranstaltungsart
Vorlesung

Gebiet
Human Computer Systems

Sprache
Englisch

---

Kurs: 20-00-1014-iv Deep Learning für medizinische Bildgebung


Lehrende
Ph.D. Anirban Mukhopadhyay

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
DLMB

Semesterwochenstunden
3

Unterrichtssprache
Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Formulierung der medizinischen Bildsegmentierung, Computergestützte Diagnostik und chirurgische Planung als Probleme des maschinellen Lernens, Deep Learning für medizinische Bildsegmentierung, Deep Learning für computergestützte Diagnostik, Chirurgische Planung von präoperativen Bildern mit Deep Learning, Tool-Präsenz Erkennung und Lokalisierung von endoskopischen Videos durch Deep Learning, Adversarial Beispiele für medizinische Bildgebung, Generative Adversarial Networks für Medizinische Bildgebung.

Voraussetzungen
- Programmierkenntnisse
- Verständnis des algorithmischen Designs
- Lineare Algebra
- Bildverarbeitung / Computer Vision I
- Statistisches Maschinelles Lernen

Online-Angebote
moodle

Modul und Kurs
Modul: 20-00-0294 Informationsvisualisierung und Visual Analytics
Kurs: 20-00-0294-iv Informationsvisualisierung und Visual Analytics

Termine zwischen 2024-10-15 und 2025-02-11
* 15x Di 15:20 - 17:00 (S101/A5 - Software AG Hörsaal)
* 18x Mi 11:30 - 13:10 (Übungsstunde)

Lerninhalte
Diese Vorlesung wird eine detaillierte Einführung in die Informationsvisualisierung geben, um sich dann intensiv den wissenschaftlichen Fragestellungen und praxisnahen Anwendungsszenarien von Visual Analytics zu widmen.
• Überblick der Informationsvisualisierung und Visual Analytics (Definitionen, Modelle, Historie)
• Datenpräsentierung und Datentransformation
• Abbildung von Daten auf visuelle Strukturen
• Visuelle Repräsentierungen und Interaktion fuer bivariate, multivariate Daten, Zeitreihen, Graphen und Geographische Daten
• Grundlagen von Data Mining
• Grundlagen von Visual Analytics: - Analytische Beweisführung - Data Mining
• Evaluation von Visual Analytics Systemen

Anwendungsgebiete: Medizin, Biologie, Finanzen und Wirtschaft, Meteorologie, Rettungsdienst,....

Qualitätsziele / Lernergebnisse
Studierende können nach erfolgreichem Besuch der Veranstaltung
• Informationsvisualisierungsmethoden für verschiedene Datentypen benutzen
• interactive Visualisierungsysteme für Daten aus verschiedenen Anwendungsgebieten designen
• Visualisierung und automatische Datenverarbeitung kombinieren um Big Data Probleme zu lösen
• Wissen über Hauptcharakteristika menschlicher visuellen Wahrnehmung in Informationsvisualisierung und Visual Analytics anwenden
• geeignete Evaluationsmethode für spezifische Situationen und Szenarien auswählen

Empfohlene Voraussetzungen
Interesse an Methoden der Computergrafik und Visualisierung

Die Veranstaltung richtet sich an Informatiker, Wirtschaftsinformatiker, Mathematiker in Bachelor, Master und Diplomstudiengänge und weiteren interessierten Kreisen (z.B. Biologen, Psychologen).

Literatur
Wird in der Vorlesung bekanntgegeben. Beispiele für verwendete Literatur könnten sein:
C. Ware: Information Visualization: Perception for Design
Ellis et al: Mastering the Information Age

---

Modul: Informationsvisualisierung und Visual Analytics


TUCaN-Nummer
20-00-0294

Titel
Informationsvisualisierung und Visual Analytics

Kürzel
Visual Analytics

Lehrveranstaltungsart
Vorlesung

Gebiet
Human Computer Systems

Sprache
Deutsch

---

Kurs: 20-00-0294-iv Informationsvisualisierung und Visual Analytics


Lehrende
Prof. Dr.-Ing. Jörn Kohlhammer; Dr.-Ing. Thorsten May

Veranstaltungsart
Integrierte Veranstaltung

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
20-00-0294-iv

Semesterwochenstunden
4

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Diese Vorlesung wird eine detaillierte Einführung in die Informationsvisualisierung geben, um sich dann intensiv den wissenschaftlichen Fragestellungen und praxisnahen Anwendungsszenarien von Visual Analytics zu widmen.
• Überblick der Informationsvisualisierung und Visual Analytics (Definitionen, Modelle, Historie)
• Datenpräsentierung und Datentransformation
• Abbildung von Daten auf visuelle Strukturen
• Visuelle Repräsentierungen und Interaktion fuer bivariate, multivariate Daten, Zeitreihen, Graphen und Geographische Daten
• Grundlagen von Data Mining
• Grundlagen von Visual Analytics: - Analytische Beweisführung - Data Mining
• Evaluation von Visual Analytics Systemen

Anwendungsgebiete: Medizin, Biologie, Finanzen und Wirtschaft, Meteorologie, Rettungsdienst,....

Qualifikationsziele / Lernergebnisse
Studierende können nach erfolgreichem Besuch der Veranstaltung
• Informationsvisualisierungsmethoden für verschiedene Datentypen benutzen
• interactive Visualisierungsysteme für Daten aus verschiedenen Anwendungsgebieten designen
• Visualisierung und automatische Datenverarbeitung kombinieren um Big Data Probleme zu lösen
• Wissen über Hauptcharakteristika menschlicher visuellen Wahrnehmung in Informationsvisualisierung und Visual Analytics anwenden
• geeignete Evaluationsmethode für spezifische Situationen und Szenarien auswählen

Literatur
Wird in der Vorlesung bekanntgegeben. Beispiele für verwendete Literatur könnten sein:
C. Ware: Information Visualization: Perception for Design
Ellis et al: Mastering the Information Age

Voraussetzungen
Interesse an Methoden der Computergrafik und Visualisierung

Die Veranstaltung richtet sich an Informatiker, Wirtschaftsinformatiker, Mathematiker in Master- und Diplomstudiengängen und weiteren interessierten Kreisen (z.B. Biologen, Psychologen).

Weitere Informationen
IV 4SWS/6CP, jedes Wintersemester

Online-Angebote
moodle

Modul und Kurs
Modul: 20-00-0114 Hacker Contest
Kurs: 20-00-0114-pr Hacker Contest

Termine zwischen 2024-09-30 und 2025-02-04
* 1x 2024-09-30 Mo 00:00 - 00:01 (Livegang der Anmeldeaufgabe)
* 1x 2024-09-30 Mo 00:00 - 00:01 (Rückmeldung Teilnahme)
* 1x 2024-10-13 So 00:00 - 00:01 (Abgabe der Anmeldeaufgabe)
* 7x Di 15:20 - 17:00 (S220/9 - Nutzung nur mit S220/10,S220/10 - Nutzung nur mit S220/9)

Lerninhalte
Das Praktikum wird jedes mal an einem neuen
Szenario ausgerichtet. Dieses Szenario (z.B. Internet Service Provider)
gibt den Rahmen vor, welche Systeme aufgebaut und
welche Arten von Attacken untersucht werden sollen.
Allgemein verläuft das Praktikum in mehreren Runden:

[list][*]Aufbau der Systeme[*]Angriffe[*]Dokumentation der Angriffe und mögliche Gegenmassnahmen[*]Härten der Systeme[/list

Qualitätsziele / Lernergebnisse
[list] [*]Arbeit im Team [*]Systematisches und sicheres Planen und Warten von IT-Systemen [*]Erkennen von Angriffen auf IT-Systeme [*]Analyse und Behebung von Schwachstellen [*]Verständnis für praktische Sicherheitsprobleme [*]Anwendung und Weiterentwicklung von Sicherheitstools [/list

Empfohlene Voraussetzungen
Grundkenntnisse in IT-Sicherheit, Administration von Netzen und Rechnern

---

Modul: Hacker Contest


TUCaN-Nummer
20-00-0114

Titel
Hacker Contest

Kürzel
Hacker Contest

Lehrveranstaltungsart
Praktikum

Gebiet
Trusted Systems

Sprache
Deutsch

Diploma Supplement
security analysis, secure administration, vulnerability research and and analysis, exploits, intrusion detection and prevention, forensics

---

Kurs: 20-00-0114-pr Hacker Contest


Lehrende
Prof. Dr. phil. nat. Marc Fischlin; Matthias Göhring; M.Sc. Tobias Hamann

Veranstaltungsart
Praktikum

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Hacker Contest

Semesterwochenstunden
4

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Lernziele:

Methodische Untersuchung des Sicherheitszustands von IT-Systemen und Anwendungen zur Identifikation von Schwachstellen inklusive der Bewertung ihrer Kritikalität
Praktisches Verständnis für Sicherheitslücken und ihre Auswirkungen
Anwendung verbreiteter Techniken und Werkzeuge für technische Sicherheitsanalysen
Verantwortungsvoller Umgang mit identifizierten Schwachstellen
Einblick ins Berufsbild Penetration Testing und Abgrenzung zu Capture-the-Flag (CTF)
Arbeiten im Team

Stoffplan:
Der Fokus der Veranstaltung besteht in der Analyse von unbekannten IT-Systemen und Anwendungen, um Sicherheitslücken gezielt zu identifizieren und auszunutzen. Analyse- und Exploit-Werkzeuge können dabei in einer kontrollierten Umgebung (PentestLab) erprobt werden.

Ergänzend werden zu jedem Veranstaltungstermin Themenbereiche der IT-Sicherheit von den Studierenden im Team vorgestellt. Dabei werden sowohl allgemeine Hintergründe beleuchtet als auch konkrete Methoden und Werkzeuge zur Identifikation, Ausnutzung und Behebung relevanter Schwachstellen praxisnah vorgestellt.

Zum Semesterende erhalten die Teilnehmenden die Möglichkeit, das Erlernte anzuwenden, um bisher unbekannte Schwachstellen in Open-Source Software zu identifizieren, einen Vorschlag für die Behebung zu entwickeln und diese Informationen gemäß Best Practices der “Responsible Disclosure” an die Entwickler zu melden.

Damit ergibt sich der folgende Aufbau des Praktikums:

Vorstellung eines Teilbereichs der praktischen IT-Sicherheit: relevante Schwachstellen, (automatisiertes) Identifizieren und Ausnutzen dieser Schwachstellen, Gegenmaßnahmen
Sicherheitsanalysen von IT-Systemen und Anwendungen in einem klassischen Capture-the-Flag (CTF) Aufbau in mehreren Runden
Diskussion identifizierter Schwachstellen und ihrer Kritikalität
Diskussion und Bewertung von allgemeinen und konkreten Härtungsmaßnahmen
Identifikation bisher unbekannter Schwachstellen in einer Open-Source Software
Verantwortungsvolle Meldung von Schwachstellen im Rahmen eines “Responsible Disclosure” Prozesses

Literatur
http://www.insecure.org/reading.html. Weitere Literatur wird in der Vorbesprechung angegeben

Voraussetzungen
Informatikkenntnisse entsprechend den ersten 4 Semestern des Bachelorstudiengangs Informatik werden vorausgesetzt, insbesondere Grundkenntnisse in Betriebssystemen, Netzwerkprotokollen und Programmiersprachen. Erfahrung in der Administration von Linux-Systemen sowie Netzwerken sowie Erfahrung mit CTF-Events und -Plattformen (z.B. Hack the Box) sind von Vorteil. Die Teilnahme setzt die Bereitschaft voraus, sich zeitintensiv über das gesamte Semester hinweg in verschiedene Themen der praktischen IT-Sicherheit einzuarbeiten und Challenges diesbezüglich zu lösen.

Weitere Informationen
Zur Teilnahme an der Veranstaltung ist das Bearbeiten einer Anmeldeaufgabe und eine anschließende Zulassung notwendig. Die Anmeldeaufabe und Informationen zur Abgabe finden Sie unter

https://www.cryptoplexity.informatik.tu-darmstadt.de/teaching_cryptoplexity/teaching/hacker_contest/index.de.jsp.

Modul und Kurs
Modul: 20-00-0187 Praktikum in der Lehre - Funktionale und objektorientierte Programmierkonzepte
Kurs: 20-00-0187-pr Praktikum in der Lehre - Funktionale und objektorientierte Programmierkonzepte

Qualitätsziele / Lernergebnisse
Es sollen Fähigkeiten erlernt werden, geeignete Lernmaterialien für Schulungen in Informatikthemen selbst zu erstellen, ihren Einsatz kritisch zu begleiten und dabei auch die Lernenden zu betreuen und anzuleiten.

Empfohlene Voraussetzungen
Vordiplom Informatik A oder Bachelorprüfung Grundlagen der Informatik 1

---

Modul: Pidl - Funktionale und objektorientierte Programmierkonzepte


TUCaN-Nummer
20-00-0187

Titel
Praktikum in der Lehre - Funktionale und objektorientierte Programmierkonzepte

Kürzel
PidL FOP

Lehrveranstaltungsart
Praktikum in der Lehre

Gebiet
Software Engineering

Sprache
Deutsch

Diploma Supplement
_

---

Kurs: 20-00-0187-pr Praktikum in der Lehre - Funktionale und objektorientierte Programmierkonzepte


Lehrende
Prof. Dr. rer. nat. Karsten Weihe

Veranstaltungsart
Praktikum in der Lehre

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
PidL FOP

Semesterwochenstunden
3

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Lernziele:
Es sollen Fähigkeiten erlernt werden, geeignete Lernmaterialien für Schulungen in Informatikthemen selbst zu erstellen, ihren Einsatz kritisch zu begleiten und dabei auch die Lernenden zu betreuen und anzuleiten.

Literatur
Siehe Literatur zur FOP

Voraussetzungen
FOP

Modul und Kurs
Modul: 20-00-0189 Praktikum Algorithmen
Kurs: 20-00-0189-pr Praktikum Algorithmen

Lerninhalte
Lösung eines algorithmischen Problems aus der Praxis und Umsetzung der Lösung in Software.
Konkrete Themenstellung nach Absprache in der Vorbesprechung.

Qualitätsziele / Lernergebnisse
In dieser Veranstaltung erwerben Studierende die Kompetenz zur Lösung algorithmischer Problemstellungen aus der Praxis und die Fähigkeit, Algorithmen in praktisch effiziente Implementationen umzusetzen.

Empfohlene Voraussetzungen
- Kenntnis einer geeigneten Programmiersprache (z.B. Java / C++)
- Vorwissen über grundlegende Algorithmen und Datenstrukturen

Literatur
Wird in der Veranstaltung bekannt gegeben.

---

Modul: Praktikum Algorithmen


TUCaN-Nummer
20-00-0189

Titel
Praktikum Algorithmen

Kürzel
Praktikum Algorithme

Lehrveranstaltungsart
Praktikum

Gebiet
Foundations of Computing

Sprache
Deutsch

---

Kurs: 20-00-0189-pr Praktikum Algorithmen


Lehrende
Prof. Dr. rer. nat. Karsten Weihe

Veranstaltungsart
Praktikum

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
Praktikum Algorithme

Semesterwochenstunden
4

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Lösung eines algorithmischen Problems aus der Praxis und Umsetzung der Lösung in Software.
Konkrete Themenstellung nach Absprache in der Vorbesprechung.

Literatur
Wird in der Veranstaltung bekannt gegeben.

Voraussetzungen
- Kenntnis einer geeigneten Programmiersprache (z.B. Java / C++)
- Vorwissen über grundlegende Algorithmen und Datenstrukturen

Weitere Informationen
Informationen inkl. Themenliste werden zum Semesterbeginn auf der Seite des Fachgebiet Algorithmik veröffentlicht: https://www.algo.informatik.tu-darmstadt.de/

Modul und Kurs
Modul: 20-00-0236 Serious Games Praktikum
Kurs: 18-de-2060-pr Serious Games Praktikum

Termine zwischen 2024-10-16 und 2025-03-19
* 2x Mi 15:20 - 18:50 (S306/053)
* 1x 2025-03-19 Mi 09:00 - 17:00 ()

Lerninhalte
In dem Praktikum werden für aktuelle Themen aus dem Bereich Serious Games (beispielsweise für Bildung, Gesundheit und Sport) Konzepte entwickelt und prototypisch realisiert.

Die Themen haben jeweils Bezug zur aktuell laufenden Forschung des Fachgebiets, teilweise in Kooperation mit Partnern aus der Games Industrie und/oder Serious Games Anwendern.

Qualitätsziele / Lernergebnisse
Nach erfolgreichem Absolvieren der Veranstaltung können die Studierenden eine praktische Aufgabenstellung aus dem „Serious Games“-Umfeld eigenständig bearbeiten sowie die dafür nötige Software konzipieren und prototypisch umsetzen. Außerdem können sie die von ihnen erzielten Ergebnisse einem Publikum unter Anwendung von verschiedenen Präsentationstechniken vorstellen sowie eine dazugehörige Fachdiskussion aktiv bestreiten.

Empfohlene Voraussetzungen
Programmierkenntnisse (die Programmiersprache ist jeweils abhängig von Thema und kann teilweise frei gewählt werden).

---

Modul: Serious Games Praktikum


TUCaN-Nummer
20-00-0236

Titel
Serious Games Praktikum

Kürzel
Serious Games Prak.

Lehrveranstaltungsart
Praktikum

Gebiet
Human Computer Systems

Sprache
Deutsch/Englisch

---

Kurs: 18-de-2060-pr Serious Games Praktikum


Lehrende
PD Dr.-Ing. Stefan Peter Göbel

Veranstaltungsart
Praktikum

Orga-Einheit
FB18 Elektrotechnik und Informationstechnik

Anzeige im Stundenplan
PR Serious Games

Semesterwochenstunden
4

Unterrichtssprache
Deutsch und Englisch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
In dem Praktikum werden für aktuelle Themen aus dem Bereich Serious Games (beispielsweise für Bildung, Gesundheit und Sport) Konzepte entwickelt und prototypisch realisiert.

Die Themen haben jeweils Bezug zur aktuell laufenden Forschung des Fachgebiets, teilweise in Kooperation mit Partnern aus der Games Industrie und/oder Serious Games Anwendern.

Voraussetzungen
Programmierkenntnisse (die Programmiersprache ist jeweils abhängig von Thema und kann teilweise frei gewählt werden).

Online-Angebote
moodle

Modul und Kurs
Modul: 20-00-0276 Praktikum Algorithmen II (Vertiefung)
Kurs: 20-00-0276-pr Praktikum Algorithmen II (Vertiefung)

Lerninhalte
Lösung eines fortgeschrittenen algorithmischen Problems aus der Praxis und Umsetzung der Lösung in Software.
Konkrete Themenstellung nach Absprache in der Vorbesprechung.

Qualitätsziele / Lernergebnisse
In dieser Veranstaltung vertiefen Studierende die Kompetenz zur Lösung algorithmischer Problemstellungen aus der Praxis und die Fähigkeit, Algorithmen in praktisch effiziente Implementationen umzusetzen.

Empfohlene Voraussetzungen
Baut auf Praktikum Algorithmen auf

Literatur
Wird in der Veranstaltung bekannt gegeben.

---

Modul: Praktikum Algorithmen 2


TUCaN-Nummer
20-00-0276

Titel
Praktikum Algorithmen II (Vertiefung)

Kürzel
P: Algorithmen II

Lehrveranstaltungsart
Praktikum

Gebiet
Foundations of Computing

Sprache
Deutsch

---

Kurs: 20-00-0276-pr Praktikum Algorithmen II (Vertiefung)


Lehrende
Prof. Dr. rer. nat. Karsten Weihe

Veranstaltungsart
Praktikum

Orga-Einheit
FB20 Informatik

Anzeige im Stundenplan
20-00-0276-pr

Semesterwochenstunden
4

Unterrichtssprache
Deutsch

Min. | Max. Teilnehmerzahl
- | -

Lehrinhalte
Lösung eines fortgeschrittenen algorithmischen Problems aus der Praxis und Umsetzung der Lösung in Software.
Konkrete Themenstellung nach Absprache in der Vorbesprechung.

Literatur
Wird in der Veranstaltung bekannt gegeben.

Voraussetzungen
Baut auf Praktikum Algorithmen auf

Weitere Informationen
Informationen inkl. Themenliste werden zum Semesterbeginn auf der Seite des Fachgebiet Algorithmik veröffentlicht: https://www.algo.informatik.tu-darmstadt.de/