Modulhandbuch - OTH Regensburg · Modulhandbuch für den Bachelorstudiengang Informatik (B.Sc.) SPO-Version ab: Wintersemester 2012 Wintersemester 2019/2020 erstellt am 15.10.2019

Modulhandbuchfür den

Bachelorstudiengang

Informatik(B.Sc.)

SPO-Version ab: Wintersemester 2012

Wintersemester 2019/2020erstellt am 15.10.2019

von Eva Neumaier

Fakultät Informatik und Mathematik

Das Angebot der Lehrveranstaltungen pro Semester regelt der Studienplan. Im Zweifel gelten immer diegültigen und hochschulöffentlich bekannt gemachten Rechtsnormen

ModullisteStudienabschnitt 1:

Allgemeinwissenschaftliches Wahlpflichtmodul 1............................................................................................. 6AW-Modul 1.......................................................................................................................................... 7Fachspezifisches Englisch....................................................................................................................8

Betriebswirtschaftslehre................................................................................................................................... 10Betriebswirtschaftslehre.......................................................................................................................11

Datenverarbeitungssysteme.............................................................................................................................13Datenverarbeitungssysteme................................................................................................................14

Mathematik 1................................................................................................................................................... 16Mathematik 1 (Lineare Algebra)........................................................................................................ 17

Mathematik 2................................................................................................................................................... 19Mathematik 2 (Analysis)..................................................................................................................... 20

Medieninformatik.............................................................................................................................................. 22Medieninformatik................................................................................................................................. 23

Programmieren 1.............................................................................................................................................25Programmieren 1................................................................................................................................ 26

Programmieren 2.............................................................................................................................................28Programmieren 2 (Java).....................................................................................................................29

Theoretische Informatik................................................................................................................................... 31Theoretische Informatik...................................................................................................................... 32

Studienabschnitt 2:Algorithmen und Datenstrukturen................................................................................................................... 34

Algorithmen und Datenstrukturen.......................................................................................................35Allgemeinwissenschaftliches Wahlpflichtmodul 2........................................................................................... 37

AW-Modul 2........................................................................................................................................ 38AW-Modul 3........................................................................................................................................ 39

Betriebssysteme...............................................................................................................................................40Betriebssysteme.................................................................................................................................. 41

Computerarithmetik und Rechenverfahren..................................................................................................... 42Computerarithmetik und Rechenverfahren.........................................................................................43

Datenbanken, Databases................................................................................................................................ 45Datenbanken....................................................................................................................................... 46

Fachbezogenes Wahlpflichtmodul 1............................................................................................................... 48KAPK: Android Programming with Kotlin.......................................................................................... 49KBAN: Business Analysis...................................................................................................................51KDTH: Design Thinking......................................................................................................................53KITR: IT- und Wirtschaftsrecht.......................................................................................................... 55KSAP1: ABAP-Entwicklung von SAP Netweaver (Grundkurs)......................................................... 57KSMF: Sichere Mobilfunknetze.......................................................................................................... 59

Kommunikationssysteme................................................................................................................................. 61Kommunikationssysteme.....................................................................................................................62

Praktikum mit Praxisseminar.......................................................................................................................... 64Praktikum im Betrieb und Praxisseminar.......................................................................................... 65

Rechnertechnik................................................................................................................................................ 66Rechnertechnik....................................................................................................................................67

Software Engineering...................................................................................................................................... 69Software Engineering..........................................................................................................................70

Statistik.............................................................................................................................................................72Statistik................................................................................................................................................ 73

Studienabschnitt 3:Bachelor-Arbeit.................................................................................................................................................75

Bachelor-Arbeit.................................................................................................................................... 76Bachelorseminar.............................................................................................................................................. 77

Bachelorseminar..................................................................................................................................78Fachbezogenes Wahlpflichtmodul 2............................................................................................................... 79

DAFP: Angewandte FPGA Programmierung.....................................................................................81DASE: Applied Security......................................................................................................................83DBIO: Bioinformatik............................................................................................................................ 85DDAT: Digitale Audio Technik........................................................................................................... 86DDMI: Data Mining............................................................................................................................. 87DHPC: High Performance Computing............................................................................................... 89DICS: IoT Cloud Solutions.................................................................................................................91DMDB: Data Wrangling with MongoDB.............................................................................................94DMMR: Multimedia Retrieval..............................................................................................................96DQCO: Quantencomputing.................................................................................................................98DSIL: Simulation in der Logistik...................................................................................................... 100DSPM: Information Security and Privacy in Medicine.................................................................... 102KAPK: Android Programming with Kotlin........................................................................................ 103KBAN: Business Analysis.................................................................................................................105KDTH: Design Thinking....................................................................................................................107KITR: IT- und Wirtschaftsrecht........................................................................................................ 109KSAP1: ABAP-Entwicklung von SAP Netweaver (Grundkurs)....................................................... 111KSMF: Sichere Mobilfunknetze........................................................................................................ 113Mathematikimport: DROB: Robotics.................................................................................................115

Fachbezogenes Wahlpflichtmodul 3............................................................................................................. 116DAFP: Angewandte FPGA Programmierung...................................................................................118DASE: Applied Security....................................................................................................................120DBIO: Bioinformatik.......................................................................................................................... 122DDAT: Digitale Audio Technik......................................................................................................... 123DDMI: Data Mining........................................................................................................................... 124DHPC: High Performance Computing............................................................................................. 126DICS: IoT Cloud Solutions...............................................................................................................128DMDB: Data Wrangling with MongoDB...........................................................................................131DMMR: Multimedia Retrieval............................................................................................................133DQCO: Quantencomputing...............................................................................................................135DSIL: Simulation in der Logistik...................................................................................................... 137DSPM: Information Security and Privacy in Medicine.................................................................... 139KAPK: Android Programming with Kotlin........................................................................................ 140KBAN: Business Analysis.................................................................................................................142KDTH: Design Thinking....................................................................................................................144KITR: IT- und Wirtschaftsrecht........................................................................................................ 146KSAP1: ABAP-Entwicklung von SAP Netweaver (Grundkurs)....................................................... 148KSMF: Sichere Mobilfunknetze........................................................................................................ 150Mathematikimport: DROB: Robotics.................................................................................................152

Operations Research.....................................................................................................................................153Operations Research........................................................................................................................ 154

Vertiefungsmodul IN 1/1............................................................................................................................... 156Compilerbau...................................................................................................................................... 157

Vertiefungsmodul IN 1/2............................................................................................................................... 159Softwareentwicklung..........................................................................................................................160

Vertiefungsmodul IN 1/3............................................................................................................................... 162Verteilte Systeme..............................................................................................................................163

Vertiefungsmodul IN 2/1............................................................................................................................... 165Human Computer Interaction........................................................................................................... 166

Vertiefungsmodul IN 2/2............................................................................................................................... 168Informationssicherheit........................................................................................................................169

Vertiefungsmodul IN 2/3............................................................................................................................... 171Datawarehouse..................................................................................................................................172

Name des Studiengangs:Bachelor Informatik (PO: 20122)

Modulname:Allgemeinwissenschaftliches Wahlpflichtmodul 1

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Allgemeinwissenschaftliches Wahlpflichtmodul 1 4

Modulverantwortliche/r FakultätProf. Dr. Gabriele Blod Angewandte Natur- und Kulturwissenschaften

Studiensemestergemäß Studienplan

Studienabschnitt Modultyp Arbeitsaufwand

[ECTS-Credits]1. / 2. 1. Wahlpflicht 5

Verpflichtende Voraussetzungenin der Regel keine, außer bei aufeinander aufbauenden KursenEmpfohlene Vorkenntnissein der Regel keine, außer bei aufeinander aufbauenden Kursen

Inhalte• Vermittlung von Orientierungswissen und Allgemeinbildung• Vermittlung und Training von Schlüsselkompetenzen (z.B. Zusatzzertifikat "Soft Skills")• Vermittlung und Training von Fremdsprachen

Lernziele/Lernergebnisse/Kompetenzen• Einsichten in Themen, die über das Fachstudium hinausgehen (Orientierungswissen,

Allgemeinbildung)• Erwerb von methodischen und/oder sozialen Kompetenzen (Schlüsselkompetenzen)• Erwerb von Fremdsprachenkompetenzen

Zugeordnete Lehrveranstaltungen:Nr. Bezeichnung der Veranstaltung Lehrumfang

[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. AW-Modul 1 2 SWS 2 2. Fachspezifisches Englisch 2 SWS 3

Stand: 15.10.2019 Ostbayerische Technische Hochschule Regensburg Seite 6



Lehrveranstaltung LV-KurzbezeichnungAW-Modul 1 AW1

Verantwortliche/r FakultätProf. Dr. Gabriele Blod Angewandte Natur- und KulturwissenschaftenLehrende/r / Dozierende/r AngebotsfrequenzN.N.LehrformAbhängig vom ausgewählten AW-Fach (2 SWS)


Lehrumfang

[SWS oder UE]

Lehrsprache Arbeitsaufwand

[ECTS-Credits]2. 2 SWS deutsch 2

Zeitaufwand:Präsenzstudium Eigenstudium30h 30h

Studien- und PrüfungsleistungKlausur und/oder Studienarbeit und/oder mündlicher Leistungsnachweis

InhalteAbhängig von der jeweiligen Lehrveranstaltung

Lernziele/Lernergebnisse/KompetenzenAbhängig von der jeweiligen Lehrveranstaltung.

LehrmedienAbhängig von der jeweiligen Lehrveranstaltung.

LiteraturAbhängig von der jeweiligen Lehrveranstaltung.

Weitere Informationen zur LehrveranstaltungDas AW-Modul 1 ist aus dem gesamten AW-Angebot frei wählbar mit folgenden Ausnahmen:

• Module aus dem Bereich EDV• Module der VHB des Themenbereichs Internetkompetenz oder anderer

informatikbezogener Themen.




Lehrveranstaltung LV-KurzbezeichnungFachspezifisches Englisch EN

Verantwortliche/r FakultätProf. Dr. Gabriele Blod Angewandte Natur- und KulturwissenschaftenLehrende/r / Dozierende/r AngebotsfrequenzN.N.LehrformSeminaristischer Unterricht mit Übungen (2 SWS)


Lehrumfang

[SWS oder UE]


[ECTS-Credits]1. 2 SWS englisch 3


Studien- und PrüfungsleistungKlausur u./o. StA u./o. mdl. LN

InhalteAlle Bereiche sind gleich gewichtet:

• Lesen und Besprechen von englischen Fachtexten• Hören und Besprechen von englischen Fachvorträgen• Grundsätze der Erstellung von englischen Fachtexten, Erstellung eigener Texte• Fachdiskussionen in kleinen Gruppen, Präsentieren der Ergebnisse

Lernziele/Lernergebnisse/KompetenzenDie Studierenden beherrschen die Grundsätze fachbezogener beruflicher Kommunikation in derenglischen Sprache und erwerben Strategien die ihnen eine selbständige Weiterentwicklungdieser grundlegenden Fertigkeiten ermöglichen.Speziell erwerben sie in den sprachlichen Kernfertigkeiten die folgenden Kompetenzen:

• Lesen: Englische Fachliteratur mittleren Schwierigkeitsgrads mit Verständnis lesen undden Inhalt in verständlicher Form wiedergeben; Entwicklung von Lesestrategien, die zumeffektiven Umgang auch mit schwierigen Texten führen.

• Schreiben: Erkennung und Anwendung wesentlicher Merkmale der Textstruktur imEnglischen; Erkennung und angemessene Anwendung unterschiedlicher Schreibstile;einfache technische Geräte und den Ablauf einfacher technischer Vorgänge beschreiben;kurze schriftliche Abhandlungen zu aktuellen Fachthemen verfassen

• Sprechen: Überwinden eventueller Hemmungen, sich in der Fremdsprache zu äußern.Auf Anforderung sich angemessen zu fachbezogenen Themen äußern; an kurzenDiskussionen in kleinem Kreis teilnehmen; Diskussionsergebnisse kurz vortragen.




• Hören: Die mündlichen Ausführungen des Kursleiters sowie anderer Kursteilnehmer/innen mit Verständnis verfolgen und angemessen darauf reagieren; kurze englischeFachvorträge einfachen bis mittleren Schwierigkeitsgrads mit Verständnis hören und denInhalt in verständlicher Form wiedergeben; Entwicklung von Strategien, die zum effektivenUmgang mit einer englischsprachigen Umgebung führen.

LehrmedienTafel, Overheadprojektor, Notebook, Beamer, CD- und DVD-Spieler

LiteraturEigenes Skript, aktuelle Fachtexte und Übungsmaterialien

Weitere Informationen zur LehrveranstaltungFachspezifisches Englisch wird im Studiengang angeboten.Keine Anmeldung im AW-System erforderlich



Modulname:Betriebswirtschaftslehre

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Betriebswirtschaftslehre 5

Modulverantwortliche/r FakultätProf. Dr. Gregor Zellner Informatik und Mathematik



[ECTS-Credits]1. 1. Pflicht 5

Verpflichtende VoraussetzungenKeineEmpfohlene VorkenntnisseKeine

Inhaltesiehe Folgeseite

Lernziele/Lernergebnisse/Kompetenzensiehe Folgeseite


[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Betriebswirtschaftslehre 4 SWS 5




Lehrveranstaltung LV-KurzbezeichnungBetriebswirtschaftslehre BW

Verantwortliche/r FakultätProf. Dr. Gregor Zellner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzWilhelm Ulrich (LB)Prof. Dr. Markus WestnerLehrformSeminaristischer Unterricht mit Übungen (gesamt 4 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungSchriftliche Prüfung: 90 – 120 min

Inhalte• Einführung in ökonomische Grundlagen und Gegenstandsbereich der BWL als

Wissenschaft.• Betrieblicher Aufbau: Unternehmensziele und -typologie; Standortwahl.• Prozesse der betrieblichen Leistungserstellung (Güter-, Zahlungs- und Informationsflüsse).• Betriebliche Funktionen: Marketing; Produktion; Materialwirtschaft; Investition und

Finanzierung; Rechnungswesen

Lernziele/Lernergebnisse/KompetenzenDie Studierenden erwerben Kenntnis über den Betriebsaufbau, die betrieblichenProduktionsfaktoren sowie die betrieblichen Funktionen Beschaffung, Produktion, Absatz,Investition, Finanzierung und Rechnungswesen. Sie verstehen Einsatzmöglichkeiten vonDatenverarbeitung zur Unterstützung dieser betrieblichen Funktionen.Im Rahmen von Übungen und Diskussionen vertiefen sie ihre Fähigkeiten, Lehrinhalte kritischzu reflektieren und ihr Fachwissen auf aktuelle betriebswirtschaftliche Themen anzuwenden.

LehrmedienTafel, Notebook, Beamer




Literatur• Eigenes Skript und Übungsaufgaben• Thommen, Jean-Paul & Achleitner, Ann-Kristin: Allgemeine Betriebswirtschaftslehre,

neueste Auflage, Gabler, Wiesbaden• Straub, Thomas: Einführung in die Allgemeine Betriebswirtschaftslehre, neueste Auflage,

Pearson, München• Wöhe, Günter: Einführung in die Allgemeine Betriebswirtschaftslehre, neueste Auflage,

Vahlen München

Weitere Informationen zur LehrveranstaltungDieses Modul kann durch den englischsprachigen VHB-Kurs "Fundamentals of BusinessAdministration" substituiert werden.



Modulname:Datenverarbeitungssysteme

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Datenverarbeitungssysteme 1

Modulverantwortliche/r FakultätProf. Dr. Daniel Münch Informatik und Mathematik

Zuordnung zu weiteren StudiengängenTechnische Informatik




Verpflichtende VoraussetzungenKeineEmpfohlene VorkenntnisseProgrammieren 1 (C Programmierung)




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Datenverarbeitungssysteme 6 SWS 8




Lehrveranstaltung LV-KurzbezeichnungDatenverarbeitungssysteme DS

Verantwortliche/r FakultätProf. Dr. Daniel Münch Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzSebastian Fischer (LB)Prof. Dr. Rudolf HackenbergProf. Dr. Wolfgang MauererProf. Dr. Daniel MünchLehrformSeminaristischer Unterricht (4 SWS), Übungen und Praktikum (2 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungSchriftliche Prüfung: 90–120 Min

Inhalte• Übersicht wie funktioniert ein Rechner und wichtige Zusammenhänge• Repräsentation von Daten (char, int, floating-point) und Arithmetik• Instruction Set Architecture• Assemblerprogrammierung• Ausnahmen im Ablauf / Kontrollfluss (Interrupts und Exceptions)• Speichersysteme

Lernziele/Lernergebnisse/Kompetenzen• Grundlegendes Verständnis der Struktur und Funktionsweise von Computersystemen• Kenntnis elementarer Befehle von Rechnersystemen sowie der Verbindung von

Assemblerbefehlen zu Hochsprachen sowie zur Architektur

LehrmedienBeamer, Folien / Skript, Tafel, Notebook,




Literatur• eigene Folien / Unterlagen• 2015_Bryant_Computer Systems, A Programmer's Perspective_Pearson_3rded• 2013_Tanenbaum_Structured computer organization• 2005_Blum_Professional assembly language• 2014_Seyfrath_Introduction to 64 Bit Intel Assembly Language Programming for Linux• 2017_Seyfrath_Introduction to 64 bit Windows assembly language programming• 2015_Irvine_Assembly language for x86 processors• 2014_Kusswurm_Modern x86 Assembly Language Programming• 2018_intel_sdm-vol-1_basic architecture• 2018_intel_sdm-vol-2abcd_instruction set architecture• 2018_intel_sdm-vol-3abcd_system programming guide



Modulname:Mathematik 1

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Mathematik 1 8

Modulverantwortliche/r FakultätProf. Dr. Rainer Löschel Informatik und Mathematik




Verpflichtende VoraussetzungenKeineEmpfohlene VorkenntnisseBrückenkurse




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Mathematik 1 (Lineare Algebra) 6 SWS 7




Lehrveranstaltung LV-KurzbezeichnungMathematik 1 (Lineare Algebra) MA1

Verantwortliche/r FakultätProf. Dr. Rainer Löschel Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Hans KieslProf. Dr. Stefan KörkelProf. Dr. Rainer LöschelProf. Dr. Martin PohlDr. Gabriela Tapken (LBA)Prof. Dr. Martin WeißProf. Dr. Peter WirtzLehrformSeminaristischer Unterricht mit integrierten Übungen (gesamt:6 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungSchriftliche Prüfung: 90 - 120 min

Inhalte• Mengenlehre und Logik (u.a. Mengenlehre und Aussagenlogik - Funktionen, Relationen,

Äquivalenzrelationen - Beweismethoden - Struktur von Gruppen, Ringen, Körper; endlicheKörper)

• Anschauliche Vektorrechnung, Analytische Geometrie (u.a. Vektorrechnung im R² -Vektorrechnung im R³, Vektorprodukt )

• Lineare Gleichungssysteme (u.a. Elementare Zeilenumformungen - GaußschesEliminationsverfahren)

• Matrizen (u.a. Struktur, Ringstruktur bei quadratischen Matrizen - Zusammenhang mitLinearen Gleichungssystemen - Determinante - Komplexe Zahlen)

• Vektorräume, v.a. endlich-dimensionale über den reellen und komplexen Zahlen bzw.über endlichen Körpern (u.a. Lineare Unabhängigkeit - Unterräume - Lösungsmengen vonLinearen Gleichungssystemen - Basis, Dimension, Basistransformation)

• Normierte Vektorräume (u.a. Euklidische Norm)• Skalarprodukträume (u.a. Euklidisches Skalarprodukt, Orthogonal- und

Orthonormalsysteme)• Lineare Abbildungen (u.a. Matrizendarstellung, Orthogonale Abbildungen)




Lernziele/Lernergebnisse/KompetenzenVerständnis der Grundlagen der LogikBeherrschung der Konzepte der Linearen AlgebraFertigkeit in der Anwendung der Methoden der Linearen Algebra bei der Lösungpraxisorientierter Fragestellungen

LehrmedienTafel, Overheadprojektor, Beamer, Einsatz mathematischer Software

Literatur• Dirk Hachenberger: Mathematik für Informatiker• Rod Haggarty: Diskrete Mathematik für Informatiker• Peter Hartmann: Mathematik für Informatiker• David Lay: Linear Algebra and its Applications• Gerald Teschl, Susanne Teschl: Mathematik für Informatiker, Band 1: Diskrete Mathematik

und Lineare Algebra, Springer• Edmund Weitz: Konkrete Mathematik (nicht nur) für Informatiker, Springer




Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Mathematik 2 9

Modulverantwortliche/r FakultätProf. Dr. Rainer Löschel Informatik und Mathematik




Verpflichtende VoraussetzungenKeineEmpfohlene VorkenntnisseMathematik 1 und Brückenkurse




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Mathematik 2 (Analysis) 6 SWS 7




Lehrveranstaltung LV-KurzbezeichnungMathematik 2 (Analysis) MA2

Verantwortliche/r FakultätProf. Dr. Rainer Löschel Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Hans KieslProf. Dr. Stefan KörkelProf. Dr. Rainer LöschelProf. Dr. Martin PohlDr. Gabriela Tapken (LBA)Prof. Dr. Martin WeißProf. Dr. Peter WirtzLehrformSeminaristischer Unterricht mit integrierten Übungen (gesamt: 6 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Folgen und Reihen (u.a. Konvergenzbegriffe - Konvergenzkriterien für Folgen und Reihen

- Funktionenreihen)• Stetigkeit (u.a. Stetigkeitsbegriffe - Zwischenwertsatz)• Differentialrechnung (u.a. Differentiationsregeln - Mittelwertsatz der Differentialrechnung -

Extremwerte)• Integralrechnung (u.a. Riemannsches Integral - Mittelwertsatz der Integralrechnung -

Hauptsatz der Differential- und Integralrechnung - Integrationsregeln)• Mehrdimensionale Analysis (u.a. Funktionen in mehreren Veränderlichen - Grenzwerte

und Stetigkeit - Differenzierbarkeit, totale und partielle Ableitung - Extremwerte)

Lernziele/Lernergebnisse/KompetenzenVerstehen der Konzepte der AnalysisBeherrschen der Konvergenzanalyse von ZahlenfolgenFertigkeit im flexiblen Einsatz der Methoden der Analysis bei der Lösung praxisorientierterFragestellungen




LehrmedienTafel, Overheadprojektor, Beamer, Einsatz mathematischer Software

Literatur• Dirk Hachenberger: Mathematik für Informatiker• Harro Heuser: Lehrbuch zur Analysis I, II• Peter Hartmann: Mathematik für Informatiker• James Stewart: Essential Calculus• Gerald Teschl, Susanne Teschl: Mathematik für Informatiker, Band 2: Analysis und

Statistik, Springer• Edmund Weitz: Konkrete Mathematik (nicht nur) für Informatiker, Springer



Modulname:Medieninformatik

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Medieninformatik 3

Modulverantwortliche/r FakultätProf. Dr. Markus HecknerProf. Dr. Edwin Schicker

Informatik und MathematikInformatik und Mathematik




Verpflichtende VoraussetzungenKeineEmpfohlene VorkenntnisseLehrveranstaltung Programmieren I




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Medieninformatik 4 SWS 4




Lehrveranstaltung LV-KurzbezeichnungMedieninformatik MI

Verantwortliche/r FakultätProf. Dr. Markus HecknerProf. Dr. Edwin Schicker

Informatik und Mathematik

Lehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Markus HecknerLehrformSeminaristischer Unterricht mit integrierten Übungen, insgesamt 4 SWS


Lehrumfang

[SWS oder UE]





InhalteThemenauswahl:

• HTML und CSS• Responsive Webdesign• JavaScript und Design Patterns• Clientseitige Web-Apps• Interaktive Anwendungen mit HTML 5 CanvasServerseitige Webentwicklung mit Node.js

und Express

Lernziele/Lernergebnisse/KompetenzenKompetenz interaktive Webseiten eigenständig zu konzipieren und mittels aktuellerWebtechnologien zu implementieren.





Literatur• Benedetti, R., Cranley, R. (2012). JQuery von Kopf bis Fuß. Köln: O’Reilly Verlag.• Freeman, E., Robson, E. (2012). HTML5 Programmierung von Kopf bis Fuß. Köln: O’Reilly

Verlag.• Haverbeke, M. (2014). Eloquent JavaScript: A Modern Introduction to Programming. San

Francisco: No Starch Press Inc.• Keith, Jeremy. (2010). HTML5 for Web Designers. New York: A Book Apart.• Mozilla Developer Network (MDN). (2015). JavaScript-Referenz. Online verfügbar: https://

developer.mozilla.org/de/docs/Web/JavaScript/Reference• Raasch, J. (2013). JavaScript Programming. Pushing the limits. Advanced Application

Development with JavaScript and HTML5. Chichester: Wiley & Sons.• Roden. G. (2012).Node.js & Co. Heidelberg: dpunkt.verlag GmbH.



Modulname:Programmieren 1

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Programmieren 1 6

Modulverantwortliche/r FakultätProf. Dr. Stefanie Scherzinger Informatik und Mathematik




Verpflichtende VoraussetzungenKeineEmpfohlene VorkenntnisseKeine




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Programmieren 1 6 SWS 8




Lehrveranstaltung LV-KurzbezeichnungProgrammieren 1 PG1

Verantwortliche/r FakultätProf. Dr. Stefanie Scherzinger Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Michael BulendaProf. Dr. Jan DünnweberProf. Dr. Daniel JobstProf. Dr. Carsten KernProf. Dr. Alexander MetznerProf. Dr. Christoph PalmProf. Dr. Stefanie ScherzingerDr. Torsten Strobl (LB)Dr. Wolfgang Wiedermann (LB)Prof. Dr. Thomas WölflLehrformSeminaristischer Unterricht (4 SWS) mit Übungen (2 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Problemanalyse und Algorithmusnotation• Ausdrücke, Operatoren, Operanden• Variablen und Datentypen, Arrays und Zeiger• Kontrollstrukturen• Funktionen• elementare und rekursive Datenstrukturen (z.B. verkettete Listen)• Iteration und Rekursion• dynamische und statische Speicherverwaltung• Modularisierung

Lernziele/Lernergebnisse/KompetenzenDie Studierenden verstehen die Konzepte prozeduraler Programmiersprachen.Die Studierenden können einfache Probleme analysieren und Algorithmen zur Lösung in derprozeduralen Programmiersprache C implementieren und testen.




Die Studierenden kennen elementare Datenstrukturen und können diese selbstständiganwenden.


Literaturz.B. können diese Bücher hilfreich sein

• Kirch-Prinz, Pinz: C, kurz & gut, O#Reilly, 2002• Goll, Dausman: C als erste Programmiersprache, Springer Vieweg, 2014• Schellong: Moderne C Programmierung, Xpert.press, 2014




Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Programmieren 2 7

Modulverantwortliche/r FakultätProf. Dr. Daniel Jobst Informatik und Mathematik




Verpflichtende VoraussetzungenKeineEmpfohlene VorkenntnisseProgrammieren 1




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Programmieren 2 (Java) 6 SWS 8




Lehrveranstaltung LV-KurzbezeichnungProgrammieren 2 (Java) PG2

Verantwortliche/r FakultätProf. Dr. Daniel Jobst Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Michael BulendaProf. Dr. Axel DoeringProf. Dr. Jan DünnweberProf. Dr. Daniel JobstProf. Dr. Carsten KernProf. Dr. Alexander MetznerDr. Florian Obergrusberger (LB)Prof. Dr. Stefanie ScherzingerProf. Dr. Thomas WölflLehrformSeminaristischer Unterricht (4 SWS) mit Übungen (2 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Laufzeitumgebung und professionelle Arbeitsumgebung• Klassen und Objekte, Datentypen• Klassenmodelle• Ein- und Ausgabe• Vererbung, abstrakte Klassen, Interfaces, Polymorphie• Verwendung von Generics• Collections-Framework, Arbeiten mit Objekten• Packages und Sichtbarkeiten• Exceptions und Logging• Innere und anonyme Klassen• GUI-Programmierung, Listener-Konzept• Threads und Grundlagen der Synchronisation




Lernziele/Lernergebnisse/Kompetenzen• Verständnis der Grundzüge der objektorientierten Programmierung in Java• Fähigkeit, leichte und komplexere Probleme logisch zu erfassen und eine algorithmische

Lösung dafür in Java zu erstellen• Fähigkeit, bekannte oder erlernte Verfahren, Methoden und Algorithmen in lauffähige und

effiziente objektorientierte Software umzusetzen• Sinnvoller Einsatz vorhandener Klassenbibliotheken und Frameworks in eigene Lösungen

komplexerer Problemstellungen• Fähigkeit, sich fremde Klassen mit Hilfe der Dokumentation zu erarbeiten und zu nutzen• Fähigkeit, eigene Lösungsansätze zu kommentieren, zu dokumentieren und zu testen und

strukturelle Schwachstellen zu erkennen und zu beheben u. a. durch Einsatz gängigerEntwicklungswerkzeuge


LiteraturFolgende Literatur dient beispielhaft der Vertiefung:

• Jobst, Fritz (2015): Programmieren in Java, 7. volls. überarb. Aufl. München: Hanser.• Ullenboom, Christian (2012): Java ist auch eine Insel, 10., aktualisierte und überarb. Aufl.

Bonn: Rheinwerk/Galileo• Krüger, Guido u. Hansen, Heiko (2012): Handbuch der Java-Programmierung. München

u. a.: Pearson• u. v. m.



Modulname:Theoretische Informatik

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Theoretische Informatik 2

Modulverantwortliche/r FakultätProf. Dr. Wolfgang Mauerer Informatik und Mathematik




Verpflichtende VoraussetzungenkeineEmpfohlene VorkenntnisseBesuch der Vor- und Brückenkurse wird empfohlen




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Theoretische Informatik 6 SWS 8




Lehrveranstaltung LV-KurzbezeichnungTheoretische Informatik TI

Verantwortliche/r FakultätProf. Dr. Wolfgang Mauerer Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Frank HerrmannProf. Dr. Wolfgang MauererRalf Ramsauer (LB)Prof. Dr. Klaus VolbertLehrformSeminaristischer Unterricht (4 SWS) mit Übungen (2 SWS)Die Lehrveranstaltung kann auch als virtuelle Lehrveranstaltung mit Präsenzübungen angebotenwerden.


Lehrumfang

[SWS oder UE]





Inhalte• Formale Sprachen und Automatentheorie• Alphabete, Wörter, Sprachen. Informationsgehalt von Wörtern, Sprachen zur

Problembeschreibung (speziell: Entscheidungsprobleme)• Deterministische und nichtdeterministische Endliche Automaten und deren Äquivalenz,

Minimierung von Automaten, Grenzen von endlichen Automaten• Abschlusseigenschaften regulärer Sprachen• Grammatiken und Chomsky Hierarchie• Berechenbarkeitstheorie• Mächtigkeit und Abzählbarkeit• Turing Maschinen und äquivalente Varianten (z.B. Mehrband-Turingmaschine,

nichtdeterministische Turingmaschine)• Kodierung von Turingmaschinen• Grenzen der Berechenbarkeit:Methode der Diagonalisierung und Methode der

Kolmogorov-Komplexität• Satz von Rice• Komplexitätstheorie• Komplexitätsmaße• Komplexitätsklassen P und NP




Lernziele/Lernergebnisse/Kompetenzen• Verständnis der Grundstrukturen zustandsbasierter Systeme• Beherrschen von Syntaxdefinitionen, die durch Regelsysteme gegeben sind• Kenntnis der Grenzen der Berechenbarkeit• Kenntnis wesentlicher Zeit- und Platzkomplexitätsklassen

LehrmedienTafel, Folien

Literatur• Dirk W. Hoffmann: Theoretische Informatik, Hanser Verlag, 2009• John E. Hopcroft, Jeffrey D. Ullmann, Rajee Motwani: Einführung in die Automatentheorie,

Formale Sprachen und Komplexitäts-theorie“ von John E. Hopcroft, Pearson Studium,2002

• Michal Sipser: Introduction to the Theory of Computation, Thomson Course Technology,2006

• Uwe Schöning: Theoretische Informatik – kurzgefaßt, Spektrum Akademischer Verlag,1995

• Gottfried Vossen und Kurt-Ulrich Witt: Grundlagen der Theoretischen Informatik mitAnwendungen, Vieweg, 2002

• Ingo Wegener: Theoretische Informatik, Teubner, 2005



Modulname:Algorithmen und Datenstrukturen

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Algorithmen und Datenstrukturen 10

Modulverantwortliche/r FakultätProf. Dr. Klaus Volbert Informatik und Mathematik



[ECTS-Credits]3. oder 4. 2. Pflicht 8

Verpflichtende VoraussetzungenMindestens 30 Kreditpunkte aus dem 1. StudienabschnittEmpfohlene VorkenntnisseProgrammieren 1 und Programmieren 2




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Algorithmen und Datenstrukturen 6 SWS 8




Lehrveranstaltung LV-KurzbezeichnungAlgorithmen und Datenstrukturen AD

Verantwortliche/r FakultätProf. Dr. Klaus Volbert Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Carsten KernProf. Dr. Klaus VolbertLehrformSeminaristischer Unterricht mit Übungen (gesamt 6 SWS)


Lehrumfang

[SWS oder UE]


[ECTS-Credits]3. oder 4. 6 SWS deutsch 8



Inhalte• Komplexitätsanalyse (Modelle zur Laufzeit- und Speicherplatzanalyse, Best-, Average-

und Worst Case Analyse, Komplexitätsklassen, Asymptotische Komplexität, Lösen vonRekursionsgleichungen)

• Entwurfsmethoden (Divide and Conquer, Dynamische Programmierung, Greedy-Algorithmen, Backtracking)

• Algorithmen für Standard-Probleme (Elementare, fortgeschrittene und schlüsselbasierteSortierverfahren, Datenstrukturen zur Verwaltung von Mengen - z.B. binäre Suchbäume,balancierte Bäume, Queues, Hashing, Suche in Mengen und Zeichenketten, Graph-Algorithmen - z.B. Tiefen- und Breitensuche, kürzeste Pfade, minimale Spannbäume)

Lernziele/Lernergebnisse/Kompetenzen• Kenntnis grundlegender Entwurfsmethoden für Algorithmen• Verständnis der Komplexitätsanalyse (Laufzeit / Speicherplatz) von Algorithmen• Beherrschung von effizienten Datenstrukturen und Algorithmen für Standardprobleme (z.B.

Suchen, Sortieren)• Fähigkeit zur Implementierung der erlernten algorithmischen Methoden





Literatur• Cormen, T. H., Leisserson, C. E., Rivest, R.L., Stein, C.: Introduction to Algorithms, MIT

Press, 2001• Kleinberg, J., Tardos, E.: Algorithm Design, Addison Wesley, 2005• Ottmann, T., Widmayer, P.: Algorithmen und Datenstrukturen, Spektrum Akademischer

Verlag, 2002• Pomberger, G., Dobler, H.: Algorithmen und Datenstrukturen, Pearson Studium 2008• Schöning, U.: Algorithmik, Spektrum Akademischer Verlag, 2001• Sedgewick, R.: Algorithmen in C++, Pearson Studium 2002• Solymosi, A., Grude, U.: Grundkurs Algorithmen und Datenstrukturen in JAVA: Eine

Einführung in die praktische Informatik, Vieweg, 2008




Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Allgemeinwissenschaftliches Wahlpflichtmodul 2 19

Modulverantwortliche/r FakultätProf. Dr. Gabriele Blod Angewandte Natur- und Kulturwissenschaften



[ECTS-Credits]3. / 4. / 5. 2. Wahlpflicht 4

Verpflichtende VoraussetzungenMindestens 30 Kreditpunkte aus dem 1. StudienabschnittEmpfohlene Vorkenntnissein der Regel keine, außer bei aufeinander aufbauenden Kursen

Inhalte• Vermittlung von Orientierungswissen und Allgemeinbildung• Vermittlung und Training von Schlüsselkompetenzen (z.B. Zusatzzertifikat "Soft Skills")• Vermittlung und Training von (Fremd-)Sprachen

Lernziele/Lernergebnisse/Kompetenzen• Einsichten in Themen, die über das Fachstudium hinausgehen (Orientierungswissen,

Allgemeinbildung)• Erwerb von methodischen und/oder sozialen Kompetenzen (Schlüsselkompetenzen)• Erwerb von Fremdsprachenkompetenzen


[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. AW-Modul 2 2 SWS 2 2. AW-Modul 3 2 SWS 2




Lehrveranstaltung LV-KurzbezeichnungAW-Modul 2 AW 2

Verantwortliche/r FakultätProf. Dr. Gabriele Blod Angewandte Natur- und KulturwissenschaftenLehrende/r / Dozierende/r AngebotsfrequenzN.N.Lehrformabhängig vom ausgewählten AW-Fach


Lehrumfang

[SWS oder UE]


[ECTS-Credits]3. / 4. / 5. 2 SWS deutsch 2



Inhalteabhängig von der jeweiligen Lehrveranstaltung

Lernziele/Lernergebnisse/Kompetenzenabhängig von der jeweiligen Lehrveranstaltung

Lehrmedienabhängig von der jeweiligen Lehrveranstaltung

Literaturabhängig von der jeweiligen Lehrveranstaltung

Weitere Informationen zur LehrveranstaltungAW-Modul 2: Anerkannt werden folgende Veranstaltungen:

• Sozial- und Methodenkompetenz: Blöcke 1 - 4 (nicht Block 5)• Soziale Kompetenz• Zusatzstudium Internationale Handlungskompetenz (wenn mindestens zwei Kurse besucht

wurden, nicht nur die Vorlesung im WiSe)• Internationale rhetorische Kompetenz (IRK): Kommunizieren mit Anderen (Gespräch und

Moderation G1 - G5)• Mündliche Kommunikation und Sprecherziehung: Mündliche Kommunikation II




Lehrveranstaltung LV-KurzbezeichnungAW-Modul 3 AW 3

Verantwortliche/r FakultätProf. Dr. Gabriele Blod Angewandte Natur- und KulturwissenschaftenLehrende/r / Dozierende/r AngebotsfrequenzN.N.Lehrformabhängig von der jeweiligen Lehrveranstaltung


Lehrumfang

[SWS oder UE]


[ECTS-Credits]3. / 4. / 5. 2 SWS deutsch 2




Lernziele/Lernergebnisse/KompetenzenAbhängig von der jeweiligen Lehrveranstaltung

LehrmedienAbhängig von der jeweiligen Lehrveranstaltung

LiteraturAbhängig von der jeweiligen Lehrveranstaltung

Weitere Informationen zur LehrveranstaltungAW-Modul 3: Frei wählbar aus gesamtem AW-Angebot mit folgenden Ausnahmen:

• Module aus dem Bereich EDV• Module der VHB des Themenbereichs Internetkompetenz oder anderer

informatikbezogener Themen.



Modulname:Betriebssysteme

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Betriebssysteme 13

Modulverantwortliche/r FakultätProf. Dr. Markus Kucera Informatik und Mathematik




Verpflichtende VoraussetzungenMindestens 30 Kreditpunkte aus dem 1. Studienabschnitt Empfohlene VorkenntnisseProgrammieren 1 und 2HardwaregrundlagenRechnerarchitekturen




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Betriebssysteme 6 SWS 8



Modulname:Betriebssysteme

Lehrveranstaltung LV-KurzbezeichnungBetriebssysteme OS

Verantwortliche/r FakultätProf. Dr. Markus Kucera Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Jan DünnweberProf. Dr. Markus KuceraLehrformSeminaristischer Unterricht mit Übungen und Praktikum (gesamt 6 SWS)Übungen können auch virtuell angeboten werden.


Lehrumfang

[SWS oder UE]





InhalteEinführung (Historie, Betriebssystem, Schichtenmodell, Schnittstellen und virtuelle Maschine)Prozesse (Prozesszustände, Scheduling, Synchronisation, Kommunikation)Speicherverwaltung (Speicherbelegungsstrategien, virtueller Speicher, Seitenverwaltung,Segmentierung, Cache)Dateiverwaltung(Dateisysteme, Dateiattribute, Dateifunktionen, Dateiorganisation)

Lernziele/Lernergebnisse/KompetenzenDie Studierenden kennen die wichtigsten Mechanismen eines Betriebssystems.Sie verstehen die grundlegenden Konzepte eines modernen Betriebssystems und erwerbenFertigkeiten in der systemnahen Programmierung.

LehrmedienTafel, Beamer, Folien

Literatur• Tanenbaum. Moderne Betriebssysteme• Silberschatz et al: Operating System Concepts

Weitere Informationen zur LehrveranstaltungÜbungen werden im WiSe 2018-2019 virtuell angeboten.



Modulname:Computerarithmetik und Rechenverfahren

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Computerarithmetik und Rechenverfahren 14

Modulverantwortliche/r FakultätProf. Dr. Martin Weiß Informatik und Mathematik




Verpflichtende VoraussetzungenMindestens 30 Kreditpunkte aus dem 1. StudienabschnittEmpfohlene Vorkenntnisse

• Programmierkenntnisse in C• Theoretische Informatik• Datenverarbeitungssysteme• Mathematik 1 und 2




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Computerarithmetik und

Rechenverfahren4 SWS 5




Lehrveranstaltung LV-KurzbezeichnungComputerarithmetik und Rechenverfahren CR

Verantwortliche/r FakultätProf. Dr. Martin Weiß Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Dietwald SchusterProf. Dr. Martin WeißLehrformSeminaristischer Unterricht (3 SWS) mit Übungen (1 SWS)


Lehrumfang

[SWS oder UE]


[ECTS-Credits]3. / 4. 4 SWS deutsch 5


Studien- und PrüfungsleistungSchriftliche Prüfung: 90 - 120 Min

Inhalte• Zahlendarstellungen• Numerische Algorithmen und Eigenschaften• Lineare Gleichungssysteme und Lösungsalgorithmen• Kurvenanpassung: Interpolation, Approximation• Spline-Funktionen• Nichtlineare Gleichungen und nichtlineare Optimierung in einer und mehreren Variablen• Numerische Differentiation• Numerische Integration• Im Praktikum entwickeln die Studierenden selbständig Software in Matlab

Lernziele/Lernergebnisse/KompetenzenDie Studierenden kennen Ganzzahl- und Gleitpunkt- Zahlendarstellungen und die Arbeitsweiseder Computerarithmetik, insbesondere deren Grenzen.Die Studierenden kennen Lösungsalgorithmen für numerische Aufgaben und derenEigenschaften.Die Studierenden erwerben anhand von Musterproblemen die Fertigkeit, Eigenschaftenvon Problemstellungen zu ermitteln, geeignete Algorithmen anhand der Problemklassenauszuwählen, zu kombinieren und deren Effizienz zu beurteilen.Die Studierenden erwerben Fertigkeiten in der effizienten Programmierung und Anwendungnumerischer Algorithmen sowie der Lokalisierung und Vermeidung von Fehlern in numerischenProgrammen.




LehrmedienTafel, Notebook, Beamer, mathematische Software

Literatur• Dahmen, Reusken: Numerik für Ingenieure und Naturwissenschaftler, Springer, 2008• Hermann: Numerische Mathematik, Oldenbourg 2001• Hanke-Bourgeois: Grundlagen der Numerischen Mathematik und des wissenschaftlichen

Rechnens, Teubner 2006• Huckle, Schneider: Numerische Methoden, Springer, 2006• Strang: Wissenschaftliches Rechnen, Springer, 2010

Weitere Informationen zur LehrveranstaltungBearbeitung von ca. 5 Projekten im Praktikum



Modulname:Datenbanken, Databases

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Datenbanken, Databases 11

Modulverantwortliche/r FakultätProf. Dr. Stefanie ScherzingerProf. Dr. Edwin Schicker





Verpflichtende VoraussetzungenMindestens 30 Kreditpunkte aus dem 1. StudienabschnittEmpfohlene VorkenntnisseGute Programmierkenntnisse in C, Java oder C++Theoretische Informatik




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Datenbanken 6 SWS 7




Lehrveranstaltung LV-KurzbezeichnungDatenbanken DB

Verantwortliche/r FakultätProf. Dr. Stefanie ScherzingerProf. Dr. Edwin Schicker


Lehrende/r / Dozierende/r AngebotsfrequenzAlfred Jockisch (LB)Stephan Payer (LB)Prof. Dr. Stefanie ScherzingerProf. Dr. Edwin SchickerBernhard Zeller (LB)LehrformSeminaristischer Unterricht mit Übungen (6 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Relationenmodell: Integritätsregeln, Relationale Algebra. Entity-Relationship-Modell und

Normalformen.• SQL: Datenbankzugriffssprache DML, Datenbankbeschreibungssprache DDL, Sichten,

Schemata, Besonderheiten in speziellen Datenbanken.• Datenbankprogrammierung: Transaktionen, Zugriff auf Datenbanken mit geeigneten

Programmiersprachen, Fehlerbehandlung.• Concurrency und Recovery von Datenbanken: Recovery, Log-Dateien, Checkpoints,

Concurrency, Lockmechanismen, Deadlock.• Datenbankoptimierung: Optimierung der Zugriffe , Indexe• Ausgewählte aktuelle Entwicklungen, etwa zu XML, NoSQL, Datenbanken in der Cloud

Lernziele/Lernergebnisse/Kompetenzen• Die Studierenden kennen den Aufbau und die Funktionsweise von Datenbanken.• Sie kennen die Datenbanksprache SQL.• Die Studierenden erwerben die Fertigkeit, selbstständig kleinere bis mittlere Datenbanken

zu entwerfen.• Sie können diese Datenbanken erzeugen, einrichten und verwenden.




• Die Studierenden sind in der Lage, auch komplexe Datenbanken einzusetzen und effizientzu programmieren.

• Die Studierenden können ausgewählte aktuelle Entwicklungen im Bereich Datenbankenein- und zuordnen (z.B. XML, NoSQL, ...).

LehrmedienTafel, Beamer, Notebook

Literatur• E. Schicker: Datenbanken und SQL, Springer-Vieweg 2014• A. Kemper / A. Eickler: Datenbanksysteme: Eine Einführung, Oldenbourg, 2015• C.J. Date: Introduction to Database Systems, Addison Wesley, 2003• C.J. Date / H. Darwen: SQL – Der Standard, Addison Wesley, 1998

Weitere Informationen zur LehrveranstaltungZuordnung zu Ausbildungszielen:G1: Kenntnis des Aufbaus, sowie der Möglichkeiten und Grenzen von Systemen derInformationstechnikG2: Beherrschung elementarer Methoden der Mathematik und der Informatik zur Analyse undModellierungG3: Fähigkeit zur ingenieurmäßigen Planung und Erstellung von Software-Systemen, sowohl infachlicher, als auch in planerischer und organisatorischer Hinsicht



Modulname:Fachbezogenes Wahlpflichtmodul 1

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Fachbezogenes Wahlpflichtmodul 1 18

Modulverantwortliche/r FakultätDekan Fakultät IM Informatik und Mathematik




Verpflichtende VoraussetzungenMindestens 30 Kreditpunkte aus dem 1. StudienabschnittEmpfohlene VorkenntnisseModule des 1. und zum Teil des 2. Studienabschnitts in Abhängigkeit der gewähltenLehrveranstaltung




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. KAPK: Android Programming with

Kotlin4 SWS 5

2. KBAN: Business Analysis 4 SWS 5 3. KDTH: Design Thinking 4 SWS 5 4. KITR: IT- und Wirtschaftsrecht 4 SWS 5 5. KSAP1: ABAP-Entwicklung von SAP

Netweaver (Grundkurs)4 SWS 5

6. KSMF: Sichere Mobilfunknetze 4 SWS 5

Hinweise zur Belegungspflicht oder zu OptionenDas Angebot der Lehrveranstaltungen regelt der Studienplan (Angebot WiSe 2019/2020).Die Zuordnung der Lehrveranstaltungen zu den Studienabschnitten ist dringend zubeachten: Z + Modulkürzel: Zweiter Studienabschnitt D + Modulkürzel: Dritter Studienabschnitt K + Modulkürzel: Zweiter und Dritter Studienabschnitt




Lehrveranstaltung LV-KurzbezeichnungKAPK: Android Programming with Kotlin KAPK

Verantwortliche/r FakultätProf. Dr. Markus Westner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzEamonn de Leastar (LB)LehrformLectures + Guided Lab Sessions


Lehrumfang

[SWS oder UE]


[ECTS-Credits]3. / 4. / 6. oder 7. 4 SWS englisch 5

Zeitaufwand:Präsenzstudium Eigenstudium

Studien- und PrüfungsleistungKlausur und/oder Studienarbeit und/oder mdl LN

InhalteContent• Kotlin Programming• Android Application Architecture• Activities, Layouts & Events• Navigation, Lifecycles & ViewModels• LiveData, Room & Firebase• Testing & deployment.

Lernziele/Lernergebnisse/KompetenzenObjectivesThis course will introduce the principles, practices and tools for the development modernAndroid applications using the Kotlin programming language

On completion of the course the students will be able to:- Knowledge & Understanding: Understand the structure and patterns required to implement arobust Android application.- Skills & Abilities: Apply these principles in the context of the practices and idioms of the Kotlinprogramming language.- Judgement & Approach. Evaluate the Android frameworks, identifying the purpose and role ofthe major components and employ them in appropriate contexts.




The course will consist of a series of lectures interspersed with guided laboratories. Thelaboratories will apply the principles introduced in the lectures via the construction of a smallnumber of interesting Android applications. These applications will further develop aspects of thematerial covered in the lectures.

Students will be asked to develop and Android application in Kotlin, with a spectrum ofinteresting features, utilising a subset of modern Android components. This will constitute thesingle assignment for the module.

LiteraturTextbook/teaching material (for reference purposes)• Kotlin in Action, Jemerov & Isakova, Manning, 2017• Kotlin for Android Developers, Leiva, Leanpub, 2018• Android Programming, the Big Nerd Ranch Guide, 3rd Edition, Big Nerd Ranch Guides, 2018

Weitere Informationen zur LehrveranstaltungPrerequisite(s): Intermediate Programming Ability




Lehrveranstaltung LV-KurzbezeichnungKBAN: Business Analysis KBAN

Verantwortliche/r FakultätProf. Dr. Markus Westner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzDr. Sarita Pais (LB)LehrformOn campus 2 weeks teaching


Lehrumfang

[SWS oder UE]


[ECTS-Credits]3. / 4. / 6. / 7. 4 SWS englisch 5


Studien- und PrüfungsleistungKl u./o. StA. u./o. mdl. LN

InhalteAssessment 1 – 50% weightingLO 1,2,3Explore the Business Analyst job title, description, skills required in a local job portal.Discuss and apply techniques to develop strategies in an organisation meeting the organisationvision and mission statement.Apply a range of techniques to investigate and capture current organisation situation for a givencase study.Assessment 2 – 50% weightingLO 4,5Apply gathering, documenting and managing requirements for a given case study. Applyappropriate models and recommending an improved business process through a newinformation system.

Lernziele/Lernergebnisse/KompetenzenAim: Critically analyse all aspects of business process development.Learning outcomes:1. Define business analysis and give details of the skills and qualities required to be asuccessful business analyst.2. Discuss models and techniques for developing strategies in an organisation.3. Apply a range of appropriate techniques to investigate and capture the current situation in anorganisation, to analyse stakeholder needs and to identify constraints.4. Apply for a given case study the gathering, documenting and managing of requirements.5. Apply appropriate models for business requirements




Literatur• IIBA, K. B. (2009). A Guide to the Business Analysis Body of Knowledge. International

Institute of Business Analysis.• Eva, M., Hindle, K., Paul, D., Rollaston, C., & Tudor, D. (2014). Business analysis. D.

Paul, D. Yeates,& J. Cadle (Eds.). BCS, The Chartered Institute for IT.




Lehrveranstaltung LV-KurzbezeichnungKDTH: Design Thinking KDTH

Verantwortliche/r FakultätProf. Dr. Markus Heckner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Markus HecknerLehrformSeminar with project work


Lehrumfang

[SWS oder UE]





InhalteContent•Introduction to Design Thinking•Introduction to agile project management (Scrum)•Introduction to theories behind design thinking•Course project

• Design thinking workshop – Students will work on a challenge by an industry partner• Project phase• Final presentation

Lernziele/Lernergebnisse/KompetenzenObjectivesDuring the course students will work in small groups on concrete challenges coming from anindustry partner (e.g. Continental, Krones, Bosch Siemens Hausgeräte, ...), using the DesignThinking process and agile project management.Upon completion of this course students will have gained the following:•Understanding of the Design Thinking process and its phases•Understand the current role of Design Thinking and the importance of innovation for companies•Recognize the importance of user feedback in innovation projects•Ability to transfer outputs of a Design Thinking project into an agile project managed withScrum•Ability to apply the Design Thinking innovation methodology in concrete innovation projects•Understand theoretical foundations behind Design Thinking.




LiteraturTextbook/teaching material•Own lecture notes•Alvares de Souza Soares, P. (2016). Design Thinking -eine neue Denkschule erobertDeutschlands Strategie-Abteilungen. Online verfügbar: http://www.manager-magazin.de/magazin/artikel/ design-thinking-eine-kreativitaetstechnik-erobert-konzernzentralen-a-1086472. Html•Dark Horse Innovation. (2017). Digital Innovation Playbook. Hamburg: Murmann PublishersGmbH.•Ubernickel, F., Brenner, W., Pukall, B., Naef, T. & Schindlholzer, B. (2015). Design Thinking -DasHandbuch. Frankfurt: Frankfurter Societäts-Medien GmbH.




Lehrveranstaltung LV-KurzbezeichnungKITR: IT- und Wirtschaftsrecht KITR

Verantwortliche/r FakultätProf. Dr. Markus Westner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzSabine Sobola (LB)LehrformSeminaristischer Unterricht (4 SWS)


Lehrumfang

[SWS oder UE]


[ECTS-Credits]3. / 4. / 6. oder 7. 4 SWS deutsch 5


Studien- und PrüfungsleistungKlausur und/oder Studienarbeit und/oder mdl. LN

InhalteDie Lehrveranstaltung behandelt vor allem folgende Themen:Im Bereich Informationstechnologie:

• Schutz geistigen Eigentums (Designrecht, Urheberrecht, Markenrecht)• Vertragsrecht (Vertragsarten, Vertragsschluss, Recht der Allgemeinen

Geschäftsbedingungen, Gewährleistung für Software, Haftungsrecht)• Wettbewerbsrecht (Schutz vor unlauterem Wettbewerb, Zulässige Werbung)• Recht der Telemedien, Internetrecht• Recht bei Open Source Software und Open Content• Datenschutz und Datensicherheit• EU-Recht und Internationales Privatrecht

Im Bereich Wirtschaftsrecht:

• Grundzüge des Handelsrecht• Grundzüge des Gesellschaftsrecht• Arbeitsrecht (Arbeitsvertragsrecht, Kündigungsschutz)• Compliance und Haftung

Lernziele/Lernergebnisse/KompetenzenDie Studierenden erhalten einen Überblick über die im IT- und Wirtschaftsrecht wichtigstenRechtsgrundlagen, die Struktur der Gesetze und das Institut des Richterrechts. Sie erwerbendie Kompetenz mit der juristischen Fachsprache umzugehen, die rechtliche Problematik beiklassischen Fallgestaltungen aus dem IT- und Wirtschaftsbereich zu erkennen und einerstrukturierten Lösung zuzuführen.




Der Unterricht besteht aus Vorlesungen und Fallübungen, die einander abwechseln. Ziel ist es,dass die Studierenden rechtliche Fragestellungen erkennen und so lösen können, wie es denBedürfnissen der Praxis entspricht.

LehrmedienPowerpoint-Folien

LiteraturCompR, IT- und Computerrecht, 11. Auflage, C.H. Beck 2014ArbG, Arbeitsgesetze, 85. Auflage, C.H. Beck 2014




Lehrveranstaltung LV-KurzbezeichnungKSAP1: ABAP-Entwicklung von SAP Netweaver (Grundkurs) KSAP1

Verantwortliche/r FakultätProf. Dr. Athanassios Tsakpinis Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Athanassios TsakpinisLehrformSeminaristischer Unterricht (2 SWS) mit Übungen (2 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKlausur und/oder Studienarbeit und/oder mündlicher Leistungsnachweis,

Inhalte• Architektur und Komponenten eines SAP-Systems; Werkzeuge in der Software-

Entwicklung• Struktur und Basiselemente der Programmiersprache ABAP/4• Prozedurale Programmierung• Typkonzept, interne Tabellen• Datenbankschnittstelle (SQL),• Textuelle GUI-Programmierung• Modularisierungskonzepte• Einführung in die Dialogprogrammierung• Für die Übungen steht ein SAP-System zur Verfügung.

Lernziele/Lernergebnisse/Kompetenzen• Kenntnis der Software-Entwicklungsumgebung des SAP-Systems.• Überblick über die SAP-Komponenten.• Grundkenntnisse in der Programmierung im SAP-Umfeld.• Sicherer Umgang mit der SAP-Entwicklungsumgebung.

LehrmedienFolienkopien, interaktiver Übungsbetrieb mit kurzen Vorführungen des Dozenten mitanschließenden Übungen




Literatur• Aktuelle Literatur insbesondere aus dem Umfeld der eingesetzten Systeme (insbesondere

SAP-Portal, WEB-Programmierung)• Keller H, Krüger S: ABAP Objects, Galilleo Press

Weitere Informationen zur LehrveranstaltungEmpfohlene Voraussetzungen: Programmieren




Lehrveranstaltung LV-KurzbezeichnungKSMF: Sichere Mobilfunknetze KSMF

Verantwortliche/r FakultätProf. Dr. Christoph Skornia Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzLukas Hartmann (LB)LehrformSeminaristischer Unterricht mit Übungen


Lehrumfang

[SWS oder UE]


[ECTS-Credits]3. / 4. / 6. / 7. 4 SWS deutsch 5


Studien- und PrüfungsleistungKl u./o. StA u./o. mdl. LN

Inhalte1 Grundlagen

• Einführung in die Informationssicherheit• Einführung in die Kryptographie

2. Einführung in Mobilfunknetze

• Grundlagen von Mobilfunknetzen• GSM: Aufbau, Protokolle• Sicherheitsfunktionen von GSM

3. Sicherheit & Gefahren

• Angriffe auf und Schwachstellen von GSM in der Praxis• Schutz von Aufenthaltsinformationen in mobilen Netzen

4. Weiterentwicklung der Mobilfunknetze

• Neuerungen und Sicherheitsfunktionen in UMTS und LTE• Zukünftige 5G-NetzeWeitere mobile Technologien (z.B. WLAN, Bluetooth)




Lernziele/Lernergebnisse/Kompetenzen• Studierende erlernen die Grundlagen der Informationssicherheit und der Kryptographie

und können diese im Kontext von Mobilfunknetzen anwenden.• Studierende erwerben ein Verständnis für den Aufbau und die Arbeitsweise von

Mobilfunknetzen.• Studierende können Basiskonzepte des Mobilfunks verstehen und auf praktische Probleme

anwenden.• Studierende können sich systematisch Sicherheitsproblemen in mobilen

Kommunikationsnetzen annähern und diese identifizieren sowie Lösungsmöglichkeitenentwickeln.

• Studierende erwerben die Fähigkeit, sich an komplexe Themen anzunähern undLösungsansätze auf neue Fragestellungen zu transferieren.

Literatur• Claudia Eckert: IT-Sicherheit: Konzepte – Verfahren – Protokolle. Oldenbourg-Verlag.• Albrecht Beutelspacher, Heike B. Neumann, Thomas Schwarzpaul: Kryptographie in

Theorie und Praxis. Vieweg-Verlag• Hannes Federrath: Sicherheit mobiler Kommunikation: Schutz in GSM-Netzen,

Mobilitätsmanagement und mehrseitige Sicherheit. DuD-Fachbeiträge. Vieweg-Verlag.• Martin Sauter: Grundkurs Mobile Kommunikationssysteme. Springer Vieweg.



Modulname:Kommunikationssysteme

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Kommunikationssysteme 17

Modulverantwortliche/r FakultätProf. Dr. Thomas Waas Informatik und Mathematik




Verpflichtende VoraussetzungenMindestens 30 Kreditpunkte aus dem 1. StudienabschnittEmpfohlene VorkenntnisseDatenverarbeitungssystemeProgrammieren 1




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Kommunikationssysteme 6 SWS 7




Lehrveranstaltung LV-KurzbezeichnungKommunikationssysteme KS

Verantwortliche/r FakultätProf. Dr. Thomas Waas Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzNorbert Balbierer (LB)Prof. Dr. Thomas WaasLehrformSeminaristischer Unterricht (4 SWS) mit Praktikum (2 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Überblick über Computernetzwerke (Komponenten, Operation, Protokolle, zeitlicher Ablauf

der Datenübertragung, Netzwerk-Architektur Modelle: ISO – OSI, TCP/IP)• Anwendungs-Schicht ( Kommunikation zw. Prozessen, Dienste für NW-Anwendungen,

Protokollablauf und Meldungsformate der Anwendungen: HTTP, FTP, E-Mail, DNS)• Transport Schicht ( Protokollarten: TCP, UDP, Meldungsformate, Ablauf, Überlastkontrolle,

Analyse)• Netzwerk Schicht ( Netzwerkdienst-Modell, Routing, Distanz Vektor Algorithmus, Link State

Algorithmus, hierarchisches Routing, Routing Tabellen, Routing Protokolle: RIP, OSPF,BGP, Adressierung in TCP/IP Netzen, IPv4- Protokoll: Meldungsformat, Fragmentierung,Ablauf, Analyse, Subnetting)

• Data Link (DL) Schicht (Dienste der DL Schicht, Techniken für Fehlerkorrekturen,gesicherte und ungesicherte Übertragungs-protokolle: Stop & Wait, Go Back to N,Mehrfachzugriffsprotokolle, ARP-Protokoll, DL für LANs: Ethernet, Fast-Ethernet, Gigabit-Ethernet, Wireless Zugriffsverfahren: IEEE 802.11, Netzwerk-Komponenten der DL:Bridge, Hub, Switches)

• Socket Programmierung

Lernziele/Lernergebnisse/Kompetenzen• Die Studierenden kennen die Computer Netzwerk-Komponenten, deren Rolle und die

Kommunikations-Protokolle zwischen Komponenten.• Sie kennen das Standard ISO-OSI Architektur-Modell im Vergleich zum TCP/IP-Modell

sowie verschiedene Netzwerk-Dienste der Anwendungs-Schicht (wie z. B. DNS, DHCP).




• Sie sind befähigt, mittels Analyse-Tools im Labor die Meldungsinhalte zu analysieren undzu identifizieren.

• Sie kennen die Protokolle der Transportschicht (TCP, UDP) und die wichtigsten Diensteder Netzwerkschicht, wie Routing und globale Adressierung und können diese praktischauf die Netzwerk-Komponenten, wie Router und Switch, anwenden.

• Die Studierenden kennen die meist verwendeten Verfahren für die Meldungsübertragungauf die Data-Link-Ebenen, auf Fest- und Wireless-Netze der LANs (Ethernet, FEth,IEEE802.11).

• Studierende verfügen über die Kompetenz, Prozesse über das Internet kommunizierenzu lassen.

LehrmedienTafel, Overheadprojektor, Notebook, Beamer

Literatur• Skript und On-Line Tutorials• D.E. Comer: „Computernetzwerke und Internets“ Pearson• James Kurose & Keith Ross: „Computernetzwerke: Ein Top-Down-Ansatz mit Schwerpunkt

Internet“ Addison Wesley, München, 2002• Fred Halsall: Computer Networking and the Internet, 5th Edition, Addison Wesley, Reading,

MA., 2005• Behrouz Forouzan: Data Communications and Networking, 3rd Edition McGrawHill,

Boston, 2004



Modulname:Praktikum mit Praxisseminar

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Praktikum mit Praxisseminar 20 und 21

Modulverantwortliche/r FakultätProf. Dr. Klaus Volbert Informatik und Mathematik




Verpflichtende Voraussetzungen90 Kreditpunkte aus den vorangegangenen 4 Semesternoder:vollständiges Ablegen der Grundlagenmodule (Erwerb von 60 Kreditpunkten) und Absolvierungmindestens eines weiteren Studiensemesters in Vollzeit.




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Praktikum im Betrieb und

Praxisseminar26



Modulname:Praktikum mit Praxisseminar

Lehrveranstaltung LV-KurzbezeichnungPraktikum im Betrieb und Praxisseminar PR + PS

Verantwortliche/r FakultätProf. Dr. Klaus Volbert Informatik und MathematikLehrende/r / Dozierende/r Angebotsfrequenzalle Professoren/innen der Fakultät IMLehrformPraktikum (18 Wochen Vollzeit im Betrieb) und Praxisseminar (1 Tag)


Lehrumfang

[SWS oder UE]


[ECTS-Credits]5. deutsch 26


Studien- und Prüfungsleistung Nachweis über 18 Wochen Praktikum im Betrieb, Seminarvortrag mit Erfolg und Praktikumsbericht mit Erfolg

InhalteIm Rahmen von DV-Projekten ist die Mitarbeit in möglichst allen Projektphasen (Systemanalyse,Systemplanung, Implementierung und Systemeinführung) sicherzustellen.

Lernziele/Lernergebnisse/Kompetenzen• Kenntnis der Arbeitsweise und Arbeitsabläufe in einem Unternehmen• Erfahrung in der praktischen Anwendung im Studium erworbener Fachkenntnisse• Erfahrung in der Diskussion und Präsentation von Arbeitsergebnissen

LehrmedienPraxisseminar: Tafel, Notebook, Beamer

Literatur

Weitere Informationen zur LehrveranstaltungPraktikum und PraxisseminarPraktikum:18 Wochen, je ca. 38,5h Vollzeit im Betrieb (gesamt: ca. 693h)Praxisseminar: Präsenz im Seminar, (Vor- und Nachbereitung)



Modulname:Rechnertechnik

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Rechnertechnik 15

Modulverantwortliche/r FakultätProf. Dr. Alexander Metzner Informatik und Mathematik




Verpflichtende VoraussetzungenMindestens 30 Kreditpunkte aus dem 1. StudienabschnittEmpfohlene VorkenntnisseDatenverarbeitungssysteme




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Rechnertechnik 6 SWS 7




Lehrveranstaltung LV-KurzbezeichnungRechnertechnik RT

Verantwortliche/r FakultätProf. Dr. Alexander Metzner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Alexander MetznerProf. Dr. Richard RothLehrformSeminaristischer Unterricht (4 SWS) mit Übungen und Praktikum (2 SWS)


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungSchriftliche Prüfung: 90 – 120 min

Inhalte• Schaltalgebra, Schaltfunktionen, Minimierung, Entwicklungsziele.• Kombinatorische und sequentielle Logik, Codeumsetzer, Multiplexer, Komparatoren,

arithmetische Schaltnetze und Schaltwerke• Grundlegende Konzepte wie Pipelining, Superskalarität, Hyperthreading, Multiprozessing,

CISC, RISC, VLIW, EPIC• µ-Programmierung• Speichersysteme, Cachesysteme, effektive Bandbreiten• Leistungsbewertung, Amdahl’sches Gesetz

Lernziele/Lernergebnisse/KompetenzenDie Teilnehmer verstehen die Funktion digitaler Schaltungen und können einfache Schaltungenselbständig entwickeln.Sie verstehen die grundlegenden Konzepte von Rechnerarchitekturen und den Einfluss vonSpeichersystemen auf die Performance von Computersystemen.Die Studierenden können die Leistung von Rechnersystemen beurteilen.





Literatur• Eigene Folien in PDF• Pernards: Digitaltechnik, Hüthig 2001• Beierlein: Mikroprozessoren, Fachbuchverlag Leipzig 2004• Hennesy: Rechnerarchtektur, Vieweg & Sohn 1994• Märtin: Rechnerarchitekturen, Carl Hanser Verlag 2001• Tanenbaum: Computerarchitektur, Pearson Studium 2001• Schiffmann: Technische Informatik II, Springer 2005



Modulname:Software Engineering

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Software Engineering 16

Modulverantwortliche/r FakultätProf. Dr. Carsten Kern Informatik und Mathematik




Verpflichtende VoraussetzungenMindestens 30 Kreditpunkte aus dem 1. StudienabschnittEmpfohlene VorkenntnisseProgrammieren 1 und 2




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Software Engineering 6 SWS 8




Lehrveranstaltung LV-KurzbezeichnungSoftware Engineering SE

Verantwortliche/r FakultätProf. Dr. Carsten Kern Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Michael BulendaProf. Dr. Carsten KernLehrformSeminaristischer Unterricht (4 SWS) mit Übungen und Praktikum (2 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Grundlagen des Software-Engineering (Definition, Ethik, Qualität)• Vorgehensmodelle (Phasenmodelle, V-Modelle, Agile Entwicklung)• Grundlagen des Requirements Engineering• Konzepte und Notationen der OOA (Basiskonzepte, statische, dynamische Konzepte,

UML)• Grundlagen der Software-Architektur (Sichtenkonzepte, Standardarchitekturen, Physische

Verteilung, Grob-Design)• Software Design (Fein-Design, Design-Patterns, Implementierung)• Software Test• Erstellung Projektvorschlag (Situationsanalyse, Ziele, Maßnahmen, Erfolgsfaktoren)• Erstellung Software-Requirements (Systemkontext, Use-Cases, Produktmodell)• Erstellung Fachkonzept/Architektur (Logische Sicht, Struktursicht, Verteilung)• Erstellung OO-Modell (Geschäftsprozess, OOA-Modell, OOD-Modell)• Erstellung Software Prototyp

Lernziele/Lernergebnisse/Kompetenzen• Kenntnis der Denk- und Vorgehensweisen des Softwareengineering.• Fähigkeit zur objektorientierten Modellierung mit der Standardnotation UML in Analyse

und Entwurf• Fähigkeit zur Umsetzung objektorientierter Konzepte in gängigen

Programmierumgebungen• Fertigkeit in der Anwendung der Lehrinhalte auf konkrete Problemsituationen durch

Realisierung eines kleineren Projektes in Teamarbeit




LehrmedienPowerPoint-Präsentation, Laptop, Beamer, Tafel

Literatur• Sommerville, I.: Software Engineering, Pearson Studium, 2012• Rupp, C.: UML 2 glasklar: Praxiswissen für die UML-Modellierung, Carl Hanser Verlag,

2012• Kleuker, S.:, Grundkurs Software Engineering mit UML, Springer Vieweg 2013• Balzert, H.: Lehrbuch der Objekmodellierung, Spektrum, Akad. Verlag, 2011• Starke G.: Effektive Softwarearchitekturen: Ein praktischer Leitfaden, Carl Hanser Verlag,

2015



Modulname:Statistik

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Statistik 12

Modulverantwortliche/r FakultätProf. Dr. Hans KieslProf. Dr. Peter Wirtz





Verpflichtende VoraussetzungenMindestens 30 Kreditpunkte aus dem 1. StudienabschnittEmpfohlene VorkenntnisseMathematik 1 und 2Programmierkenntnisse




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Statistik 4 SWS 5



Modulname:Statistik

Lehrveranstaltung LV-KurzbezeichnungStatistik ST

Verantwortliche/r FakultätProf. Dr. Hans KieslProf. Dr. Peter Wirtz


Lehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Hans KieslProf. Dr. Peter WirtzLehrformSeminaristischer Unterricht (4 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Beschreibende Statistik (Merkmale, Darstellung von Messreihen, Maßzahlen für ein- und

zweidimensionale Messreihen, Robustheit von Maßzahlen).• Grundbegriffe der Wahrscheinlichkeitstheorie (Wahrscheinlichkeitsräume, bedingte

Wahrscheinlichkeiten, Unabhängigkeit, Zufallsvariable und Verteilungsfunktion,Erwartungswert und Varianz, mehrdimensionale Zufallsvariable, Normalverteilung,x² -,t - und FVerteilung, Gesetze der großen Zahlen und Grenzwertsätze, empirischeVerteilungsfunktion, Zentralsatz der Statistik).

• Schließende Statistik (Schätzverfahren und ihre Eigenschaften, Maximum-Likelihood-Methode, Konfidenzintervalle, Tests bei Normalverteilungsannahmen, der x² -Anpassungstest, verteilungsunabhängige Tests, einfache Varianzanalyse, einfache lineareRegression).

Lernziele/Lernergebnisse/Kompetenzen• Die Studierenden sind in der Lage, Beobachtungen, die unter dem Einfluss des Zufalls

stehen, aufzubereiten und zu analysieren• Die Studierenden kennen die spezifischen Denkweisen der Wahrscheinlichkeitstheorie• Die Studierenden kennen die Methodik statistischer Schätz- und Testverfahren.




Modulname:Statistik

Literatur• Bosch, Elementare Einführung in die angewandte Statistik, Vieweg 2005• Hübner, Stochastik: „Eine anwendungsorientierte Einführung für Informatiker, Ingenieure

und Mathematiker“, Vieweg 2009• Lehn/Wegmann, Einführung in die Statistik, Teubner 2006• Ross, Statistik für ingenieure und Naturwissenschaftler, Elsevier 2006• Sachs, Wahrscheinlichkeitsrechnung und Statistik, Hanser 2009• Teschl und Teschl, „Mathematik für Informatiker Band 2“, Springer 2007



Modulname:Bachelor-Arbeit

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Bachelor-Arbeit 31

Modulverantwortliche/r FakultätVorsitzender der Prüfungskommission Informatik und Mathematik




Verpflichtende VoraussetzungenErfolgreiches Bestehen aller Prüfungen des 1. Studienabschnitts,Mindestens 110 Kreditpunkte aus dem 1.+ 2. Studienabschnitt,Praxissemester erfolgreich absolviert.Empfohlene VorkenntnisseAlle Module des 1. und 2. Studienabschnitts




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Bachelor-Arbeit 12



Modulname:Bachelor-Arbeit

Lehrveranstaltung LV-KurzbezeichnungBachelor-Arbeit BA

Verantwortliche/r FakultätVorsitzender der Prüfungskommission Informatik und MathematikLehrende/r / Dozierende/r Angebotsfrequenzalle Professoren/innen der Fakultät IMLehrformSelbständige Bearbeitung eines Problems, Erstellen einer schriftlichen Ausarbeitung,Vorbereiten einer Präsentation


Lehrumfang

[SWS oder UE]




360h

Studien- und PrüfungsleistungSchriftliche Ausarbeitung

InhalteFachspezifisches Thema

Lernziele/Lernergebnisse/KompetenzenDie Studierenden können ein fachspezifisches Problem selbständig bearbeiten, Lösungsansätzeim Team diskutieren und die Ergebnisse in mündlicher und schriftlicher Form präsentieren.

LehrmedienPapier, CD/DVD, PDF-Datei u.a.

Literatur

Weitere Informationen zur LehrveranstaltungEmpfohlene Voraussetzungen: Alle Module des 1. und 2. Studienabschnitts



Modulname:Bachelorseminar

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Bachelorseminar 32





Verpflichtende Voraussetzungen• Erfolgreiches Bestehen aller Prüfungen des 1. Studienabschnitts• Mindestens 110 Kreditpunkte aus dem 1.+ 2. Studienabschnitt

Siehe hierzu auch die Ausführungen zur Lehrveranstaltung/Bachelorseminar: "Studien- undPrüfungsleistung" Empfohlene VorkenntnisseAlle Module des 1. und 2. Studienabschnitts




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Bachelorseminar 3



Modulname:Bachelorseminar

Lehrveranstaltung LV-KurzbezeichnungBachelorseminar BS

Verantwortliche/r FakultätDekan Fakultät IM Informatik und MathematikLehrende/r / Dozierende/r Angebotsfrequenzalle Professoren/innen der Fakultät IMLehrformSeminar


Lehrumfang

[SWS oder UE]




Studien- und Prüfungsleistung• Referat mit Erfolg ableisten, Zulassungsvoraussetzung: Anmeldung der eigenen

Bachelorarbeit• Teilnahme an 9 weiteren Seminarvorträgen:Teilnahme möglich mit Eintritt in den 3.

Studienabschnitt, Eine Anmeldung der eigenen Bachelorarbeit ist nicht erforderlich.

InhalteFachspezifisches Thema

Lernziele/Lernergebnisse/KompetenzenDie Studierenden können ein fachspezifisches Problem selbständig bearbeiten, Lösungsansätzeim Team diskutieren und die Ergebnisse in mündlicher und schriftlicher Form präsentieren.

LehrmedienTafel, Notebook, Beamer und ggf. weitere Medien

Literatur

Weitere Informationen zur LehrveranstaltungEmpfohlene Voraussetzungen: Alle Module des 1. und 2. Studienabschnitts









Verpflichtende VoraussetzungenErfolgreiches Bestehen aller Prüfungen des 1. Studienabschnitts,Mindestens 110 Kreditpunkte aus dem 1.+ 2. StudienabschnittEmpfohlene VorkenntnisseModule des 1. und 2. Studienabschnitts in Abhängigkeit der gewählten Lehrveranstaltung







[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. DAFP: Angewandte FPGA

Programmierung4 SWS 5

2. DASE: Applied Security 4 SWS 5 3. DBIO: Bioinformatik 4 SWS 5 4. DDAT: Digitale Audio Technik 4 SWS 5 5. DDMI: Data Mining 4 SWS 5 6. DHPC: High Performance Computing 4 SWS 5 7. DICS: IoT Cloud Solutions 4 SWS 5 8. DMDB: Data Wrangling with

MongoDB4 SWS 5

9. DMMR: Multimedia Retrieval 4 SWS 5 10. DQCO: Quantencomputing 4 SWS 5 11. DSIL: Simulation in der Logistik 4 SWS 5 12. DSPM: Information Security and

Privacy in Medicine4 SWS 5

13. KAPK: Android Programming withKotlin

4 SWS 5



18. KSMF: Sichere Mobilfunknetze 4 SWS 5 19. Mathematikimport: DROB: Robotics 4 SWS 5

Hinweise zur Belegungspflicht oder zu Optionen• Das Angebot der Lehrveranstaltungen regelt der Studienplan (WiSe 19/20).• Die Zuordnung der Lehrveranstaltungen zu den Studienabschnitten ist dringend zu

beachten:

Z + Modulkürzel: Zweiter Studienabschnitt D + Modulkürzel: Dritter Studienabschnitt K + Modulkürzel: Zweiter und Dritter Studienabschnitt




Lehrveranstaltung LV-KurzbezeichnungDAFP: Angewandte FPGA Programmierung DAFP

Verantwortliche/r FakultätProf. Dr. Daniel Münch Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Daniel MünchLehrformSeminaristischer Unterricht mit Übungen sowie Projektarbeit/Studienarbeit


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKlausur (90 Min) und/oder Studienarbeit und/oder mdl. LN

InhalteSeminaristischer Unterricht mit Übungen:

• Methoden und Werkzeuge für die Entwicklung von FPGAs (Xilinx FPGA Entwicklungstools)

Projektarbeit:

• Die Projektaufgaben werden in der Regel von dem betreuenden Professor festgelegt,wobei Vorschläge von Studierenden gerne berücksichtigt werden.

Lernziele/Lernergebnisse/KompetenzenLernziel:

• Feld-Programmierbare Logikbausteine (FPGAs) übertreffen wegen Ihrer Parallelitäthinsichtlich Performance (Durchsatz, Latenz) und Energieeffizienz handelsüblicheProzessoren um Faktoren

• FPGAs sind im „Feld“ (also beim Kunden vor Ort) programmierbar und anpassbar• Mit FPGAs kann man sich eigene anwendungsoptimierte Chips bzw. Hardware durch

„Programmieren“ erzeugen• Dadurch ergeben sich vielseitige Anwendungsmöglichkeiten• Die Verwendung von FPGAs hat in der Industrie in den letzten Jahren stark zugenommen

und wird in den nächsten Jahren weiter zunehmen• Anwendungsfelder von FPGAs sind:

- (Echtzeit)datenverarbeitung (Funkkommunikation, Netzwerk, Bild/Video)- Kryptographie (auch Kryptoanalyse / Brechen von Verschlüsselungen)- hochflexible / anwendungsoptimierte Rechnersysteme




Lernergebnisse/Kompetenzen:

• Die Teilnehmer kennen die Methoden und Werkzeuge für die Entwicklung von Feld-programmierbaren Logik Bausteinen (FPGA)

• Die Teilnehmer können die Methoden und Werkzeuge für FPGAs praktisch anwenden• Erfahrung in effektiver Projektarbeit

LehrmedienBeamer, Folien/Skript, Notebook, Tafel

Literatur• eigene Folien / Unterlagen (ausreichend)• Weitere Literaturvorschläge (optional für interessierte Studenten) werden in der

Veranstaltung bekannt gegeben

Weitere Informationen zur Lehrveranstaltung- Seminaristischer Unterricht (1SWS) mit Übungen (1SWS) sowie Projektarbeit/Studienarbeit(2SWS)




Lehrveranstaltung LV-KurzbezeichnungDASE: Applied Security DASE

Verantwortliche/r FakultätProf. Dr. Rudolf Hackenberg Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Rudolf HackenbergLehrformSeminaristischer Unterricht und Übungen


Lehrumfang

[SWS oder UE]


[ECTS-Credits]6. / 7. 4 SWS deutsch/englisch 5


Studien- und PrüfungsleistungKl u./o. StA.u./o. mdl. LN

InhalteStudierende werden mit realitätsnahen Schwachstellen vernetzter Fahrzeuge konfrontiert. Diesegilt es „Hands-on“ auszunutzen. Dadurch wird ein praxisnahes Sicherheitswissen vermittelt.Zum Beispiel werden unverschlüsselte Übermittlung von Nachrichten, fehlende Authentifizierung,mangelnder HW-Schutz oder fehlende SW Signatur, etc. mittels aktueller Angriffe aus derForschung aufgezeigt.Die Aufgabe der Teilnehmer besteht darin aus der Sicht eines AngreifersSicherheitsuntersuchungen und Penetrationstests durchzuführen, sowieSicherheitsmechanismen zu entwickeln bzw. zu implementieren.

Lernziele/Lernergebnisse/KompetenzenDie Teilnehmer lernen den Aufbau und die Funktion von Fahrzeugnetzwerken kennen.Sie erarbeiten sich praxisnah ein Verständnis der Sicherheitsrisiken und dem Einsatz vonSicherheitsmechanismen. Dadurch wird ein hohes Maß an Verantwortungsbewusstsein fürdas Zusammenwirken von IT Sicherheit und Safety erreicht. Dies gewinnt stete Bedeutung imBerufsbild Informatiker.Hinter der Ausbildung steht ein innovatives Lernkonzept, das auf dem Lösen von „Challenges“basiert. Die Studierenden eigenen sich in Zusammenarbeit mit dem Dozenten und inangeleitetem Selbststudium das Wissen zum Lösen von Aufgaben an.Beispielsweise muss ein Teilnehmer im Rahmen einer "Man in the Middle" Attacke dasBussystem trennen um die Kommunikation am Bus zu manipulieren.




LehrmedienÜbungsplattform ANSKo (Automotive Network Security Koffer)

LiteraturAusgewählte Literatur wird themenorientiert und punktuell angegeben, wie z.B.:

• Christoph Krauß and Michael Waidner. It-Sicherheit und Datenschutz im vernetztenFahrzeug. Datenschutz und Datensicherheit-DuD, 39(6):383–387, 2015.

Weitere Informationen zur LehrveranstaltungEmpfohlene Voraussetzungen: DB, BS, Programmieren, Netzwerke, EMS




Lehrveranstaltung LV-KurzbezeichnungDBIO: Bioinformatik DBIO

Verantwortliche/r FakultätProf. Dr. Christoph Skornia Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzDr. Daniel Lang (LB)LehrformSeminaristischer Unterricht mit Übungen


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKl u./o. StA u./o. mdl. LN (Literaturseminarvortrag zu einem Teilaspekt der Bioinformatik)

InhalteVorstellung biologischer Fragestellungen und zur Erforschung eingesetzte bioinformatischeMethoden in Theorie und Praxis. Beispiele: Genomforschung (inklusive Transkriptomik,Proteomik, Populationsgenomik, Metagenomik), Genregulation, biologische Netzwerke undSystembiologie, Evolutionsforschung, Machine Learning in der Biologie

Lernziele/Lernergebnisse/KompetenzenAnwendung informatischer Methoden und Konzepte zur Lösung biologischer Fragestellungen.Informatische Herausforderungen in der Biologie insbesondere der Genomforschung. Überblicküber Teilgebiete der Bioinformatik/Biologie und mögliche Berufsbilder für (Bio)Informatiker.Praxis: Finden, Nutzen und Verstehen von open-source Software zu diversen bioinformatischenProblemstellungen, Gridanwendung, Data Mining von biologischen Datensätzen. Einblicke in diein der Biologie verbreiteten Programmiersprachen und Anwendungen.

LehrmedienVorlesung, PC (präferenziell Linux) mit Internetanbindung

LiteraturBioinformatik : Ein Leitfaden für Naturwissenschaftler von Andrea Hansen




Lehrveranstaltung LV-KurzbezeichnungDDAT: Digitale Audio Technik DDAT

Verantwortliche/r FakultätProf. Dr. Jan Dünnweber Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Jan DünnweberProf. Dr. Jürgen FrikelProf. Dr. Markus HecknerLehrformSeminaristischer Unterricht mit Übungen


Lehrumfang

[SWS oder UE]





InhalteDie Vorlesung Digitale Audiotechnik vermittelt Grundlagen der Tonwiedergabe von digitalenQuellen wie dem Heimnetzwerk oder Streaming-Diensten. Für das mathematische Verständnisvon Rauschfiltern, Audio-Codierung, Quantisierung, Kompression und Ton-Übertragung werdendie Kurzzeitspektralanalyse, Fourier- und Wavelet-Transformation thematisiert. Gerätetypen, dieanhand konkreter Beispiele vorgeführt werden, sind A/D- und D/A-Wandler und Kompressoren.Verteilte Infrastrukturen für die Musikwiedergabe werden anhand der Open-Source SoftwareMPD (Music Player Demon) und diverser Client-Plattformen (u.a. für Tablet und Smart Phone)eingeführt.

Lernziele/Lernergebnisse/KompetenzenDie Vorlesung beschäftigt sich u.a. mit den Netzwerkprotokolle DLNA und UPnP (inkl. Java/C++Programmierschnittstellen), modernen Entwurfsmethoden (z.B. Design Thinking zur Konzeptionvon Unterhaltungselektronik) und erklärt die mathematischen Grundlagen der Audioaufbereitungmittels Raumkorrektur oder Upsampling. Dabei erweitern die Teilnehmer ihre Kenntnisse zuverteilten Systemen, systemnaher Programmierung (unter UNIX) und erwerben neues Wissen(u.a. zum Natural Language Processing/NLP in Benutzerschnittstellen).

LehrmedienWebseite, Skript, Folien

LiteraturSound Reproduction von Floyd E. Toole




Lehrveranstaltung LV-KurzbezeichnungDDMI: Data Mining DDMI

Verantwortliche/r FakultätProf. Dr. Edwin Schicker Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzAlfred Jockisch (LB)Prof. Dr. Edwin SchickerLehrformSeminaristischer Unterricht mit Übungen und Praktika (4 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Definition von Data-Mining.• Vorstellen verschiedener Werkzeuge und deren Möglichkeiten und Grenzen: spezielle

Statistische Verfahren, Neuronale Netze, Genetische Algorithmen, u.a.• Techniken des Data-Mining: Untersuchung verschiedener Analyse-verfahren, z.B.

Entscheidungsbäume und Entscheidungstheorie.• Anwendungen von Data-Mining-Verfahren in der Praxis

Lernziele/Lernergebnisse/KompetenzenDie Studierenden kennen die Arbeitsweise zum Einsatz von Data Mining.Die Studierenden erwerben die Fertigkeit, selbstständig aus mittleren und großenDatenbeständen durch Anwendung von Data-Mining statistisch korrekte Zusammenhänge zufinden.Die Studierenden sind befähigt, für die verschiedenen Fragestellungen die richtigen Werkzeugezur Auswertung großer Datenbestände einzusetzen.

LehrmedienTafel, Beamer mit Notebook




Literatur• Petersohn H: Data Mining. Verfahren, Prozesse, Anwendungsarchitektur, Oldenbourg,

2005• Alpar P, Niedereichholz J: Data Mining im praktischen Einsatz, Vieweg 2000• Otte R, Otte V, Kaiser V: Data Mining für die industrielle Praxis, Hanser, 2004• Flach, P.: Machine Learning (The Art and Science of Algorithms that make Sense of

Data). Cambridge University Press 2012• Provost, F. and Fawcett, T.: Data Science for Business. O'Reilly 2013• Müller, A. und Guido, S.: Einführung in Machine Learning mit Python. dpunkt.verlag GmbH,

Heidelberg 2017• Geron, A.: Hands-On Machine Learning with Scikit-Learn and Tensorflow. O'Reilly Media

Inc., Sebastopol 2017

Weitere Informationen zur LehrveranstaltungVorlesung (2 SWS), Übung/Praktikum (2 SWS)Empfohlene Voraussetzungen sind: Datenbanken, Algorithmen und Datenstrukturen, Statistik




Lehrveranstaltung LV-KurzbezeichnungDHPC: High Performance Computing DHPC

Verantwortliche/r FakultätProf. Dr. Jan Dünnweber Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Jan DünnweberLehrformInteractive seminar Lab sessions


Lehrumfang

[SWS oder UE]


[ECTS-Credits]6. / 7. 4 SWS englisch 5



InhalteThe lecture begins with a discussion on parallel computing - what it is and how it is used -followed by a discussion on theoretical concepts and terminology associated with parallelcomputing. The topics of parallel memory architectures and programming models are thenexplored. These topics are followed by a series of practical discussions on a number of thecomplex issues related to designing and running parallel programs, including heterogeneity andefficiency, parallel debugging etc. The lecture is accompanied by a tutorial showing severalexamples of how to parallelize serial programs.

Lernziele/Lernergebnisse/KompetenzenThe lecture "High-Performance Computing" is intended to provide an overview of the broadtopic of distributed and parallel computing using clusters, grids, clouds, SMP servers, peer -to-peer networks and other parallel platforms. It covers the writing of multi- threaded programswith Java, C & Pthreads and parallel programming using MPI and OpenMP as well. This lectureaims at students who want to become acquainted with parallel computing and who already havesome experience with sequential programming using Java and C (on top of Linux/Unix)

Literatur• Parallele Programmierung (Thomas Rauber, Gudula Rünger)• Parallel Programming in C with MPI and OpenMPI (Michael J. Quinn)




Weitere Informationen zur LehrveranstaltungPrerequisite(s): Good academic standing




Lehrveranstaltung LV-KurzbezeichnungDICS: IoT Cloud Solutions DICS

Verantwortliche/r FakultätProf. Dr. Markus Westner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzDr. Alex Ooi (LB)Lehrform2 weeks block courseLectures + Guided Tutorial Sessions


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKl. u./o. StA. u./o. mdl. LN




Inhalte1. Introduction to Internet-of-Things (IoT)1.1. History1.2. Components of IoT1.3. Application of IoT in Home and Industry1.4. Challenges of developing and deploying IoT2. Networking for IoT2.1. Introduction to Internet2.2. Introduction to various connectivity mode such as Cellular Network, Wi-Fi, BLE and LoRa.2.3. REST Protocol and web services2.4. MQTT Protocol3. IoT-Sensor Nodes3.1. Introduction to various type of sensors and actuators3.2. Understanding the limitation of sensors nodes in terms of processing power and processingcapabilities.3.3. Basic sensor nodes management and security4. Cloud Computing4.1. The purpose of edge and fog computing in IoT context4.2. The role of IoT Gateway4.3. Understanding the limitation of LAMP stack for IoT.4.4. Connectivity to the cloud (FTP, HTTP, MQTT)5. Data Storage and Visualization5.1. IoT Databases using InfluxDB and Elasticsearch5.2. Visualize data using Kibana and Grafana5.3. Data Analysis with IoT Data

Lernziele/Lernergebnisse/KompetenzenObjectivesThe advancement of mobile technology, cloud computing and embedded devices haveaccelerated the development of IoT solutions. This course focuses on training the studentsto use open source technologies to produce IoT solutions. Along the way, the students willunderstand the components in an IoT stack and the role of cloud computing. Full stack in thiscourse covers the communication from sensor nodes to cloud including data visualization andanalysis. Last but not least, the students will be ab le to estimate cost and benefits of variousIoT architectures.Course Outcomes. By the end of the course, students will be able to:Knowledge & Understanding: a) Demonstrate an understanding of the purpose core componentsof IoT solutions;b) Identify the pros and cons of various IoT architectures;c) Understand the challenges of deploying IoT solutions and the importance of meta-monitoring;Skills & Abilities: a) Setup a full-stack cloud solution for IoT using open source technologies;b) Perform simple data analytics;c) Evaluate the cost and benefits of various IoT architectures.The course consists of a series of lectures, with guided practical sessions. The lecturescover the concepts and principles of IoT technologies. The practical sessions allow studentsto learn and use the technologies mentioned in the lecture. Last but not least, students willbe developing a complete end-to-end IoT solution in a mini project style. The project will beevaluated and graded as the assignment of this module.




LehrmedienTextbook/teaching material• Course notes

Literatur

Weitere Informationen zur LehrveranstaltungPrerequisite(s):Python Programming and Web Technologies




Lehrveranstaltung LV-KurzbezeichnungDMDB: Data Wrangling with MongoDB DMDB

Verantwortliche/r FakultätProf. Dr. Stefanie Scherzinger Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Stefanie ScherzingerLehrformFlipped classroom (based on a Udacity course by the same name) with weekly lab sessions(4SWS).


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKl u./o. StA. u./o. mdl. LNWritten exam (50%) and individual project with a project report (50%).

InhalteData Scientists spend most of their time cleaning data. In this course, students will learn toconvert and manipulate messy data to extract what they need.

Lernziele/Lernergebnisse/KompetenzenStudents will learn how to gather and extract data from widely used data formats.Students will learn how to assess the quality of data and explore best practices for datacleaning.Students will get hands-on experience with storing data in MongoDB and the MongoDB querylanguage, together with exploratory analysis using the MongoDB aggregation framework.Students will work on an individual project and present their results in a small report.

LehrmedienUdacity online course UD1110https://classroom.udacity.com/courses/ud1110Udacity online course UD032https://eu.udacity.com/course/data-wrangling-with-mongodb--ud032




Literatur• MongoDB: The Definitive Guide, 3rd Editionby Kristina Chodorow, Shannon Bradshaw,

Publisher: O'Reilly Media, 2019.• Python Cookbook, 3rd Edition Recipes for Mastering Python 3 By Brian Jones, David

Beazley, Publisher: O'Reilly Media, 2013.• Writing for Computer Science Justin Zobel,Publisher: Springer, 2009.

Weitere Informationen zur LehrveranstaltungThis course builds upon your Bachelor-level database class.




Lehrveranstaltung LV-KurzbezeichnungDMMR: Multimedia Retrieval DMMR

Verantwortliche/r FakultätProf. Dr. Markus Westner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Tomas Skopal (LB)Lehrform2 weeks block courseLectures +Project consultations


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKl u./o. StA. u./o. mdl. LN (Project defense)

InhalteContent1. Web platforms for retrieval and sharing of multimedia content.2. Web interfaces, modalities, and the quality of retrieval.3. Text-based and bag-of-words models.4. Similarity search model - models and queries.5. Similarity search model - popular similarity functions.6. Global image features - analytic models.7. Global image features - deep learning.8. Local image features - analytic models.9. Local image features - deep learning.10. Video retrieval techniques.11. Feature extraction from audio, music and melody.12. Principles of metric indexing.13. Metric access methods.14. Approximate search methods.

LehrmedienTextbook/teaching material• Course slides• Research papers and monographs (tbd)




Literatur

Weitere Informationen zur LehrveranstaltungPrerequisite(s)Programming, basic mathematical ability




Lehrveranstaltung LV-KurzbezeichnungDQCO: Quantencomputing DQCO

Verantwortliche/r FakultätProf. Dr. Wolfgang Mauerer Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Wolfgang MauererLehrformSeminaristischer Unterricht mit integrierten Übungen (gesamt 4 SWS)


Lehrumfang

[SWS oder UE]





InhalteKlassische Bits und Quantenregister – Der Algorithmus von Deutsch und Josza –Quantenschaltkreise – Algorithmus von Grover – RSA-Entschlüsselung und der Algorithmus vonShor – Quantenfouriertransformation und mathematische Strukturen – Quantenkommunikation –Strukturelle Unterschiede zwischen Quanten- und klassischen Computern.

Lernziele/Lernergebnisse/KompetenzenStudenten lernen kennen, wie sich Quantencomputer von klassischen Rechnern unterscheiden,und schärfen dabei den Blick auf die wesentlichen Elemente des maschinellen Rechnens. Diebislang bekannten Möglichkeiten, aber insbesondere auch die Grenzen von Quantencomputernwerden diskutiert, um eine fundierte, realistische Einschätzung des auch häufig in der breitenÖffentlichkeit diskutierten Themas zu ermöglichen. Tieferes Verständnis der Rolle vonQuantencomputern in Verschlüsselung und Kommunikation ermöglicht eine Bewertung vonGefahren und Möglichkeiten in zukünftigen Rechnernetzwerken.

LehrmedienFolien, Tafel, (Rechner)Übungen

Literatur• Quantum Computing verstehen (Hohmeister)• Quantum Computing (Nilsen and Chuang)




Weitere Informationen zur LehrveranstaltungEmpfohlene Voraussetzungen:Lineare AlgebraStatistikKryptographie




Lehrveranstaltung LV-KurzbezeichnungDSIL: Simulation in der Logistik DSIL

Verantwortliche/r FakultätProf. Dr. Frank Herrmann Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzDr. Lange Frederick (LB)LehrformSeminaristischer Unterricht mit praktischen Übungen und Gruppenarbeit


Lehrumfang

[SWS oder UE]





Inhalte- Bedeutung von Simulation in der Logistik- Grundlagen der Modellbildung und Simulation- Statistische Signifikanz von Simulationsexperimenten- Erstellung von prozess- und ereignisorientierten Simulationen mit Plant Simulation

• Einführung in Plant Simulation (Bedienung, Oberfläche und Standardbausteine)• Grundlagen der Modellierung (Hierarchisierung, Vererbung und Animation)• Modellierung mit Standardbausteinen• Einführung in die Programmiersprache SimTalk• Erstellung eigener Bausteine und Methoden• Statistische Analysen und Auswertungen von Simulationsexperimenten• Simulation und Optimierung

Lernziele/Lernergebnisse/Kompetenzen• Kenntnisse in den Grundlagen der Modellbildung und Simulation• Verständnis der Bedeutung von Simulation im logistischen Kontext• Befähigung in Plant Simulation Simulationsmodelle zu erstellen, Experimente

durchzuführen und die Ergebnisse zu interpretieren• Befähigung in der Erstellung eigener Bausteine und Methoden mit SimTalk





Literatur• Eley, Michael: Simulation in der Logistik: Eine Einführung in die Erstellung ereignisdiskreter

Modelle unter Verwendung des Werkzeuges Plant Simulation. Springer Verlag (2012).ISBN 978-3-642-27372-8

• Bangsow, Steffen: Tecnomatix Plant Simulation: Modeling and Programming by Means ofExamples. Springer Verlag (2015). ISBN 978-3-319-19502-5




Lehrveranstaltung LV-KurzbezeichnungDSPM: Information Security and Privacy in Medicine DSPM

Verantwortliche/r FakultätProf. Dr. Georgios Raptis Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Georgios RaptisLehrformRegular course with weekly lectures


Lehrumfang

[SWS oder UE]





InhalteWhat is meant by "privacy and data security" in medicine? Not just confidentiality of patient data!We deal with the following aspects:- Brief introduction to selected basics of IT security- How can I secure a medical practice? What do I have to do?- What do I have to do in the hospital to secure patient data? What is important for securearchiving? What do I have to consider when developing software for practices and hospitals?- Advanced topics: Authentication and Identity Management in Healthcare IT. Technical dataprotection in the German eHealth infrastructure. Information security in telemedicine.

Lernziele/Lernergebnisse/Kompetenzen- Students master the basics of medical confidentiality and its effects on information technology.- Students master the methods and tools to ensure information security in doctors' practices andhospitals.- Students acquire sound knowledge in the field of information security in eHealth applicationsand telemedicine.

LehrmedienLecturer provided slides

Literatur







Lehrumfang

[SWS oder UE]





















Lehrumfang

[SWS oder UE]



















Lehrumfang

[SWS oder UE]


















Lehrumfang

[SWS oder UE]























Lehrumfang

[SWS oder UE]





















Lehrumfang

[SWS oder UE]





Inhalte1 Grundlagen























Lehrveranstaltung LV-KurzbezeichnungMathematikimport: DROB: Robotics DROB

Verantwortliche/r FakultätProf. Dr. Martin Weiß Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Martin WeißLehrformSiehe Modulhandbuch Bachelorstudiengang Mathematik


Lehrumfang

[SWS oder UE]


[ECTS-Credits]6. oder 7. 4 SWS deutsch/englisch 5


Studien- und PrüfungsleistungSiehe Modulhandbuch Bachelorstudiengang Mathematik

InhalteSiehe Modulhandbuch Bachelorstudiengang Mathematik

Lernziele/Lernergebnisse/KompetenzenSiehe Modulhandbuch Bachelorstudiengang Mathematik

LehrmedienSiehe Modulhandbuch Bachelorstudiengang Mathematik

LiteraturSiehe Modulhandbuch Bachelorstudiengang Mathematik

Weitere Informationen zur LehrveranstaltungLehrimport aus dem Bachelorstudiengang Mathematik. Details zur Modulbeschreibung findenSie im Modulhandbuch des Bachelorstudiengangs Mathematik.









Verpflichtende VoraussetzungenErfolgreiches Bestehen aller Prüfungen des 1. Studienabschnitts,Mindestens 110 Kreditpunkte aus dem 1.+ 2. StudienabschnittEmpfohlene VorkenntnisseModule des 1. und 2. Studienabschnitts in Abhängigkeit der gewählten Lehrveranstaltung







[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. DAFP: Angewandte FPGA

Programmierung4 SWS 5

2. DASE: Applied Security 4 SWS 5 3. DBIO: Bioinformatik 4 SWS 5 4. DDAT: Digitale Audio Technik 4 SWS 5 5. DDMI: Data Mining 4 SWS 5 6. DHPC: High Performance Computing 4 SWS 5 7. DICS: IoT Cloud Solutions 4 SWS 5 8. DMDB: Data Wrangling with

MongoDB4 SWS 5

9. DMMR: Multimedia Retrieval 4 SWS 5 10. DQCO: Quantencomputing 4 SWS 5 11. DSIL: Simulation in der Logistik 4 SWS 5 12. DSPM: Information Security and

Privacy in Medicine4 SWS 5

13. KAPK: Android Programming withKotlin

4 SWS 5



18. KSMF: Sichere Mobilfunknetze 4 SWS 5 19. Mathematikimport: DROB: Robotics 4 SWS 5

Hinweise zur Belegungspflicht oder zu Optionen• Das Angebot der Lehrveranstaltungen regelt der Studienplan (WiSe 19/20).• Die Zuordnung der Lehrveranstaltungen zu den Studienabschnitten ist dringend zu

beachten:

Z + Modulkürzel: Zweiter Studienabschnitt D + Modulkürzel: Dritter Studienabschnitt K + Modulkürzel: Zweiter und Dritter Studienabschnitt




Lehrveranstaltung LV-KurzbezeichnungDAFP: Angewandte FPGA Programmierung DAFP

Verantwortliche/r FakultätProf. Dr. Daniel Münch Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Daniel MünchLehrformSeminaristischer Unterricht mit Übungen sowie Projektarbeit/Studienarbeit


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKlausur (90 Min) und/oder Studienarbeit und/oder mdl. LN

InhalteSeminaristischer Unterricht mit Übungen:

• Methoden und Werkzeuge für die Entwicklung von FPGAs (Xilinx FPGA Entwicklungstools)

Projektarbeit:

• Die Projektaufgaben werden in der Regel von dem betreuenden Professor festgelegt,wobei Vorschläge von Studierenden gerne berücksichtigt werden.

Lernziele/Lernergebnisse/KompetenzenLernziel:

• Feld-Programmierbare Logikbausteine (FPGAs) übertreffen wegen Ihrer Parallelitäthinsichtlich Performance (Durchsatz, Latenz) und Energieeffizienz handelsüblicheProzessoren um Faktoren

• FPGAs sind im „Feld“ (also beim Kunden vor Ort) programmierbar und anpassbar• Mit FPGAs kann man sich eigene anwendungsoptimierte Chips bzw. Hardware durch

„Programmieren“ erzeugen• Dadurch ergeben sich vielseitige Anwendungsmöglichkeiten• Die Verwendung von FPGAs hat in der Industrie in den letzten Jahren stark zugenommen

und wird in den nächsten Jahren weiter zunehmen• Anwendungsfelder von FPGAs sind:

- (Echtzeit)datenverarbeitung (Funkkommunikation, Netzwerk, Bild/Video)- Kryptographie (auch Kryptoanalyse / Brechen von Verschlüsselungen)- hochflexible / anwendungsoptimierte Rechnersysteme




Lernergebnisse/Kompetenzen:

• Die Teilnehmer kennen die Methoden und Werkzeuge für die Entwicklung von Feld-programmierbaren Logik Bausteinen (FPGA)

• Die Teilnehmer können die Methoden und Werkzeuge für FPGAs praktisch anwenden• Erfahrung in effektiver Projektarbeit

LehrmedienBeamer, Folien/Skript, Notebook, Tafel

Literatur• eigene Folien / Unterlagen (ausreichend)• Weitere Literaturvorschläge (optional für interessierte Studenten) werden in der

Veranstaltung bekannt gegeben

Weitere Informationen zur Lehrveranstaltung- Seminaristischer Unterricht (1SWS) mit Übungen (1SWS) sowie Projektarbeit/Studienarbeit(2SWS)




Lehrveranstaltung LV-KurzbezeichnungDASE: Applied Security DASE

Verantwortliche/r FakultätProf. Dr. Rudolf Hackenberg Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Rudolf HackenbergLehrformSeminaristischer Unterricht und Übungen


Lehrumfang

[SWS oder UE]


[ECTS-Credits]6. / 7. 4 SWS deutsch/englisch 5


Studien- und PrüfungsleistungKl u./o. StA.u./o. mdl. LN

InhalteStudierende werden mit realitätsnahen Schwachstellen vernetzter Fahrzeuge konfrontiert. Diesegilt es „Hands-on“ auszunutzen. Dadurch wird ein praxisnahes Sicherheitswissen vermittelt.Zum Beispiel werden unverschlüsselte Übermittlung von Nachrichten, fehlende Authentifizierung,mangelnder HW-Schutz oder fehlende SW Signatur, etc. mittels aktueller Angriffe aus derForschung aufgezeigt.Die Aufgabe der Teilnehmer besteht darin aus der Sicht eines AngreifersSicherheitsuntersuchungen und Penetrationstests durchzuführen, sowieSicherheitsmechanismen zu entwickeln bzw. zu implementieren.

Lernziele/Lernergebnisse/KompetenzenDie Teilnehmer lernen den Aufbau und die Funktion von Fahrzeugnetzwerken kennen.Sie erarbeiten sich praxisnah ein Verständnis der Sicherheitsrisiken und dem Einsatz vonSicherheitsmechanismen. Dadurch wird ein hohes Maß an Verantwortungsbewusstsein fürdas Zusammenwirken von IT Sicherheit und Safety erreicht. Dies gewinnt stete Bedeutung imBerufsbild Informatiker.Hinter der Ausbildung steht ein innovatives Lernkonzept, das auf dem Lösen von „Challenges“basiert. Die Studierenden eigenen sich in Zusammenarbeit mit dem Dozenten und inangeleitetem Selbststudium das Wissen zum Lösen von Aufgaben an.Beispielsweise muss ein Teilnehmer im Rahmen einer "Man in the Middle" Attacke dasBussystem trennen um die Kommunikation am Bus zu manipulieren.




LehrmedienÜbungsplattform ANSKo (Automotive Network Security Koffer)

LiteraturAusgewählte Literatur wird themenorientiert und punktuell angegeben, wie z.B.:

• Christoph Krauß and Michael Waidner. It-Sicherheit und Datenschutz im vernetztenFahrzeug. Datenschutz und Datensicherheit-DuD, 39(6):383–387, 2015.

Weitere Informationen zur LehrveranstaltungEmpfohlene Voraussetzungen: DB, BS, Programmieren, Netzwerke, EMS




Lehrveranstaltung LV-KurzbezeichnungDBIO: Bioinformatik DBIO

Verantwortliche/r FakultätProf. Dr. Christoph Skornia Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzDr. Daniel Lang (LB)LehrformSeminaristischer Unterricht mit Übungen


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKl u./o. StA u./o. mdl. LN (Literaturseminarvortrag zu einem Teilaspekt der Bioinformatik)

InhalteVorstellung biologischer Fragestellungen und zur Erforschung eingesetzte bioinformatischeMethoden in Theorie und Praxis. Beispiele: Genomforschung (inklusive Transkriptomik,Proteomik, Populationsgenomik, Metagenomik), Genregulation, biologische Netzwerke undSystembiologie, Evolutionsforschung, Machine Learning in der Biologie

Lernziele/Lernergebnisse/KompetenzenAnwendung informatischer Methoden und Konzepte zur Lösung biologischer Fragestellungen.Informatische Herausforderungen in der Biologie insbesondere der Genomforschung. Überblicküber Teilgebiete der Bioinformatik/Biologie und mögliche Berufsbilder für (Bio)Informatiker.Praxis: Finden, Nutzen und Verstehen von open-source Software zu diversen bioinformatischenProblemstellungen, Gridanwendung, Data Mining von biologischen Datensätzen. Einblicke in diein der Biologie verbreiteten Programmiersprachen und Anwendungen.

LehrmedienVorlesung, PC (präferenziell Linux) mit Internetanbindung

LiteraturBioinformatik : Ein Leitfaden für Naturwissenschaftler von Andrea Hansen




Lehrveranstaltung LV-KurzbezeichnungDDAT: Digitale Audio Technik DDAT

Verantwortliche/r FakultätProf. Dr. Jan Dünnweber Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Jan DünnweberProf. Dr. Jürgen FrikelProf. Dr. Markus HecknerLehrformSeminaristischer Unterricht mit Übungen


Lehrumfang

[SWS oder UE]





InhalteDie Vorlesung Digitale Audiotechnik vermittelt Grundlagen der Tonwiedergabe von digitalenQuellen wie dem Heimnetzwerk oder Streaming-Diensten. Für das mathematische Verständnisvon Rauschfiltern, Audio-Codierung, Quantisierung, Kompression und Ton-Übertragung werdendie Kurzzeitspektralanalyse, Fourier- und Wavelet-Transformation thematisiert. Gerätetypen, dieanhand konkreter Beispiele vorgeführt werden, sind A/D- und D/A-Wandler und Kompressoren.Verteilte Infrastrukturen für die Musikwiedergabe werden anhand der Open-Source SoftwareMPD (Music Player Demon) und diverser Client-Plattformen (u.a. für Tablet und Smart Phone)eingeführt.

Lernziele/Lernergebnisse/KompetenzenDie Vorlesung beschäftigt sich u.a. mit den Netzwerkprotokolle DLNA und UPnP (inkl. Java/C++Programmierschnittstellen), modernen Entwurfsmethoden (z.B. Design Thinking zur Konzeptionvon Unterhaltungselektronik) und erklärt die mathematischen Grundlagen der Audioaufbereitungmittels Raumkorrektur oder Upsampling. Dabei erweitern die Teilnehmer ihre Kenntnisse zuverteilten Systemen, systemnaher Programmierung (unter UNIX) und erwerben neues Wissen(u.a. zum Natural Language Processing/NLP in Benutzerschnittstellen).

LehrmedienWebseite, Skript, Folien

LiteraturSound Reproduction von Floyd E. Toole




Lehrveranstaltung LV-KurzbezeichnungDDMI: Data Mining DDMI

Verantwortliche/r FakultätProf. Dr. Edwin Schicker Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzAlfred Jockisch (LB)Prof. Dr. Edwin SchickerLehrformSeminaristischer Unterricht mit Übungen und Praktika (4 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Definition von Data-Mining.• Vorstellen verschiedener Werkzeuge und deren Möglichkeiten und Grenzen: spezielle

Statistische Verfahren, Neuronale Netze, Genetische Algorithmen, u.a.• Techniken des Data-Mining: Untersuchung verschiedener Analyse-verfahren, z.B.

Entscheidungsbäume und Entscheidungstheorie.• Anwendungen von Data-Mining-Verfahren in der Praxis

Lernziele/Lernergebnisse/KompetenzenDie Studierenden kennen die Arbeitsweise zum Einsatz von Data Mining.Die Studierenden erwerben die Fertigkeit, selbstständig aus mittleren und großenDatenbeständen durch Anwendung von Data-Mining statistisch korrekte Zusammenhänge zufinden.Die Studierenden sind befähigt, für die verschiedenen Fragestellungen die richtigen Werkzeugezur Auswertung großer Datenbestände einzusetzen.





Literatur• Petersohn H: Data Mining. Verfahren, Prozesse, Anwendungsarchitektur, Oldenbourg,

2005• Alpar P, Niedereichholz J: Data Mining im praktischen Einsatz, Vieweg 2000• Otte R, Otte V, Kaiser V: Data Mining für die industrielle Praxis, Hanser, 2004• Flach, P.: Machine Learning (The Art and Science of Algorithms that make Sense of

Data). Cambridge University Press 2012• Provost, F. and Fawcett, T.: Data Science for Business. O'Reilly 2013• Müller, A. und Guido, S.: Einführung in Machine Learning mit Python. dpunkt.verlag GmbH,

Heidelberg 2017• Geron, A.: Hands-On Machine Learning with Scikit-Learn and Tensorflow. O'Reilly Media

Inc., Sebastopol 2017

Weitere Informationen zur LehrveranstaltungVorlesung (2 SWS), Übung/Praktikum (2 SWS)Empfohlene Voraussetzungen sind: Datenbanken, Algorithmen und Datenstrukturen, Statistik




Lehrveranstaltung LV-KurzbezeichnungDHPC: High Performance Computing DHPC

Verantwortliche/r FakultätProf. Dr. Jan Dünnweber Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Jan DünnweberLehrformInteractive seminar Lab sessions


Lehrumfang

[SWS oder UE]





InhalteThe lecture begins with a discussion on parallel computing - what it is and how it is used -followed by a discussion on theoretical concepts and terminology associated with parallelcomputing. The topics of parallel memory architectures and programming models are thenexplored. These topics are followed by a series of practical discussions on a number of thecomplex issues related to designing and running parallel programs, including heterogeneity andefficiency, parallel debugging etc. The lecture is accompanied by a tutorial showing severalexamples of how to parallelize serial programs.

Lernziele/Lernergebnisse/KompetenzenThe lecture "High-Performance Computing" is intended to provide an overview of the broadtopic of distributed and parallel computing using clusters, grids, clouds, SMP servers, peer -to-peer networks and other parallel platforms. It covers the writing of multi- threaded programswith Java, C & Pthreads and parallel programming using MPI and OpenMP as well. This lectureaims at students who want to become acquainted with parallel computing and who already havesome experience with sequential programming using Java and C (on top of Linux/Unix)

Literatur• Parallele Programmierung (Thomas Rauber, Gudula Rünger)• Parallel Programming in C with MPI and OpenMPI (Michael J. Quinn)




Weitere Informationen zur LehrveranstaltungPrerequisite(s): Good academic standing




Lehrveranstaltung LV-KurzbezeichnungDICS: IoT Cloud Solutions DICS

Verantwortliche/r FakultätProf. Dr. Markus Westner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzDr. Alex Ooi (LB)Lehrform2 weeks block courseLectures + Guided Tutorial Sessions


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKl. u./o. StA. u./o. mdl. LN




Inhalte1. Introduction to Internet-of-Things (IoT)1.1. History1.2. Components of IoT1.3. Application of IoT in Home and Industry1.4. Challenges of developing and deploying IoT2. Networking for IoT2.1. Introduction to Internet2.2. Introduction to various connectivity mode such as Cellular Network, Wi-Fi, BLE and LoRa.2.3. REST Protocol and web services2.4. MQTT Protocol3. IoT-Sensor Nodes3.1. Introduction to various type of sensors and actuators3.2. Understanding the limitation of sensors nodes in terms of processing power and processingcapabilities.3.3. Basic sensor nodes management and security4. Cloud Computing4.1. The purpose of edge and fog computing in IoT context4.2. The role of IoT Gateway4.3. Understanding the limitation of LAMP stack for IoT.4.4. Connectivity to the cloud (FTP, HTTP, MQTT)5. Data Storage and Visualization5.1. IoT Databases using InfluxDB and Elasticsearch5.2. Visualize data using Kibana and Grafana5.3. Data Analysis with IoT Data

Lernziele/Lernergebnisse/KompetenzenObjectivesThe advancement of mobile technology, cloud computing and embedded devices haveaccelerated the development of IoT solutions. This course focuses on training the studentsto use open source technologies to produce IoT solutions. Along the way, the students willunderstand the components in an IoT stack and the role of cloud computing. Full stack in thiscourse covers the communication from sensor nodes to cloud including data visualization andanalysis. Last but not least, the students will be ab le to estimate cost and benefits of variousIoT architectures.Course Outcomes. By the end of the course, students will be able to:Knowledge & Understanding: a) Demonstrate an understanding of the purpose core componentsof IoT solutions;b) Identify the pros and cons of various IoT architectures;c) Understand the challenges of deploying IoT solutions and the importance of meta-monitoring;Skills & Abilities: a) Setup a full-stack cloud solution for IoT using open source technologies;b) Perform simple data analytics;c) Evaluate the cost and benefits of various IoT architectures.The course consists of a series of lectures, with guided practical sessions. The lecturescover the concepts and principles of IoT technologies. The practical sessions allow studentsto learn and use the technologies mentioned in the lecture. Last but not least, students willbe developing a complete end-to-end IoT solution in a mini project style. The project will beevaluated and graded as the assignment of this module.




LehrmedienTextbook/teaching material• Course notes

Literatur

Weitere Informationen zur LehrveranstaltungPrerequisite(s):Python Programming and Web Technologies




Lehrveranstaltung LV-KurzbezeichnungDMDB: Data Wrangling with MongoDB DMDB

Verantwortliche/r FakultätProf. Dr. Stefanie Scherzinger Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Stefanie ScherzingerLehrformFlipped classroom (based on a Udacity course by the same name) with weekly lab sessions(4SWS).


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKl u./o. StA. u./o. mdl. LNWritten exam (50%) and individual project with a project report (50%).

InhalteData Scientists spend most of their time cleaning data. In this course, students will learn toconvert and manipulate messy data to extract what they need.

Lernziele/Lernergebnisse/KompetenzenStudents will learn how to gather and extract data from widely used data formats.Students will learn how to assess the quality of data and explore best practices for datacleaning.Students will get hands-on experience with storing data in MongoDB and the MongoDB querylanguage, together with exploratory analysis using the MongoDB aggregation framework.Students will work on an individual project and present their results in a small report.

LehrmedienUdacity online course UD1110https://classroom.udacity.com/courses/ud1110Udacity online course UD032https://eu.udacity.com/course/data-wrangling-with-mongodb--ud032




Literatur• MongoDB: The Definitive Guide, 3rd Editionby Kristina Chodorow, Shannon Bradshaw,

Publisher: O'Reilly Media, 2019.• Python Cookbook, 3rd Edition Recipes for Mastering Python 3 By Brian Jones, David

Beazley, Publisher: O'Reilly Media, 2013.• Writing for Computer Science Justin Zobel,Publisher: Springer, 2009.

Weitere Informationen zur LehrveranstaltungThis course builds upon your Bachelor-level database class.




Lehrveranstaltung LV-KurzbezeichnungDMMR: Multimedia Retrieval DMMR

Verantwortliche/r FakultätProf. Dr. Markus Westner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Tomas Skopal (LB)Lehrform2 weeks block courseLectures +Project consultations


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKl u./o. StA. u./o. mdl. LN (Project defense)

InhalteContent1. Web platforms for retrieval and sharing of multimedia content.2. Web interfaces, modalities, and the quality of retrieval.3. Text-based and bag-of-words models.4. Similarity search model - models and queries.5. Similarity search model - popular similarity functions.6. Global image features - analytic models.7. Global image features - deep learning.8. Local image features - analytic models.9. Local image features - deep learning.10. Video retrieval techniques.11. Feature extraction from audio, music and melody.12. Principles of metric indexing.13. Metric access methods.14. Approximate search methods.

LehrmedienTextbook/teaching material• Course slides• Research papers and monographs (tbd)




Literatur

Weitere Informationen zur LehrveranstaltungPrerequisite(s)Programming, basic mathematical ability




Lehrveranstaltung LV-KurzbezeichnungDQCO: Quantencomputing DQCO

Verantwortliche/r FakultätProf. Dr. Wolfgang Mauerer Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Wolfgang MauererLehrformSeminaristischer Unterricht mit integrierten Übungen (gesamt 4 SWS)


Lehrumfang

[SWS oder UE]





InhalteKlassische Bits und Quantenregister – Der Algorithmus von Deutsch und Josza –Quantenschaltkreise – Algorithmus von Grover – RSA-Entschlüsselung und der Algorithmus vonShor – Quantenfouriertransformation und mathematische Strukturen – Quantenkommunikation –Strukturelle Unterschiede zwischen Quanten- und klassischen Computern.

Lernziele/Lernergebnisse/KompetenzenStudenten lernen kennen, wie sich Quantencomputer von klassischen Rechnern unterscheiden,und schärfen dabei den Blick auf die wesentlichen Elemente des maschinellen Rechnens. Diebislang bekannten Möglichkeiten, aber insbesondere auch die Grenzen von Quantencomputernwerden diskutiert, um eine fundierte, realistische Einschätzung des auch häufig in der breitenÖffentlichkeit diskutierten Themas zu ermöglichen. Tieferes Verständnis der Rolle vonQuantencomputern in Verschlüsselung und Kommunikation ermöglicht eine Bewertung vonGefahren und Möglichkeiten in zukünftigen Rechnernetzwerken.

LehrmedienFolien, Tafel, (Rechner)Übungen

Literatur• Quantum Computing verstehen (Hohmeister)• Quantum Computing (Nilsen and Chuang)




Weitere Informationen zur LehrveranstaltungEmpfohlene Voraussetzungen:Lineare AlgebraStatistikKryptographie




Lehrveranstaltung LV-KurzbezeichnungDSIL: Simulation in der Logistik DSIL

Verantwortliche/r FakultätProf. Dr. Frank Herrmann Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzDr. Lange Frederick (LB)LehrformSeminaristischer Unterricht mit praktischen Übungen und Gruppenarbeit


Lehrumfang

[SWS oder UE]





Inhalte- Bedeutung von Simulation in der Logistik- Grundlagen der Modellbildung und Simulation- Statistische Signifikanz von Simulationsexperimenten- Erstellung von prozess- und ereignisorientierten Simulationen mit Plant Simulation

• Einführung in Plant Simulation (Bedienung, Oberfläche und Standardbausteine)• Grundlagen der Modellierung (Hierarchisierung, Vererbung und Animation)• Modellierung mit Standardbausteinen• Einführung in die Programmiersprache SimTalk• Erstellung eigener Bausteine und Methoden• Statistische Analysen und Auswertungen von Simulationsexperimenten• Simulation und Optimierung

Lernziele/Lernergebnisse/Kompetenzen• Kenntnisse in den Grundlagen der Modellbildung und Simulation• Verständnis der Bedeutung von Simulation im logistischen Kontext• Befähigung in Plant Simulation Simulationsmodelle zu erstellen, Experimente

durchzuführen und die Ergebnisse zu interpretieren• Befähigung in der Erstellung eigener Bausteine und Methoden mit SimTalk





Literatur• Eley, Michael: Simulation in der Logistik: Eine Einführung in die Erstellung ereignisdiskreter

Modelle unter Verwendung des Werkzeuges Plant Simulation. Springer Verlag (2012).ISBN 978-3-642-27372-8

• Bangsow, Steffen: Tecnomatix Plant Simulation: Modeling and Programming by Means ofExamples. Springer Verlag (2015). ISBN 978-3-319-19502-5




Lehrveranstaltung LV-KurzbezeichnungDSPM: Information Security and Privacy in Medicine DSPM

Verantwortliche/r FakultätProf. Dr. Georgios Raptis Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Georgios RaptisLehrformRegular course with weekly lectures


Lehrumfang

[SWS oder UE]





InhalteWhat is meant by "privacy and data security" in medicine? Not just confidentiality of patient data!We deal with the following aspects:- Brief introduction to selected basics of IT security- How can I secure a medical practice? What do I have to do?- What do I have to do in the hospital to secure patient data? What is important for securearchiving? What do I have to consider when developing software for practices and hospitals?- Advanced topics: Authentication and Identity Management in Healthcare IT. Technical dataprotection in the German eHealth infrastructure. Information security in telemedicine.

Lernziele/Lernergebnisse/Kompetenzen- Students master the basics of medical confidentiality and its effects on information technology.- Students master the methods and tools to ensure information security in doctors' practices andhospitals.- Students acquire sound knowledge in the field of information security in eHealth applicationsand telemedicine.

LehrmedienLecturer provided slides

Literatur







Lehrumfang

[SWS oder UE]





















Lehrumfang

[SWS oder UE]



















Lehrumfang

[SWS oder UE]


















Lehrumfang

[SWS oder UE]























Lehrumfang

[SWS oder UE]





















Lehrumfang

[SWS oder UE]





Inhalte1 Grundlagen























Lehrveranstaltung LV-KurzbezeichnungMathematikimport: DROB: Robotics DROB

Verantwortliche/r FakultätProf. Dr. Martin Weiß Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Martin WeißLehrformSiehe Modulhandbuch Bachelorstudiengang Mathematik


Lehrumfang

[SWS oder UE]


[ECTS-Credits]6. oder 7. 4 SWS deutsch/englisch 5


Studien- und PrüfungsleistungSiehe Modulhandbuch Bachelorstudiengang Mathematik

InhalteSiehe Modulhandbuch Bachelorstudiengang Mathematik

Lernziele/Lernergebnisse/KompetenzenSiehe Modulhandbuch Bachelorstudiengang Mathematik

LehrmedienSiehe Modulhandbuch Bachelorstudiengang Mathematik

LiteraturSiehe Modulhandbuch Bachelorstudiengang Mathematik

Weitere Informationen zur LehrveranstaltungLehrimport aus dem Bachelorstudiengang Mathematik. Details zur Modulbeschreibung findenSie im Modulhandbuch des Bachelorstudiengangs Mathematik.



Modulname:Operations Research

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Operations Research 28

Modulverantwortliche/r FakultätProf. Dr. Frank Herrmann Informatik und Mathematik




Verpflichtende VoraussetzungenErfolgreiches Bestehen aller Prüfungen des 1. Studienabschnitts,Mindestens 110 Kreditpunkte aus dem 1.+ 2. StudienabschnittEmpfohlene VorkenntnisseStatistik




[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Operations Research 4 SWS 5




Lehrveranstaltung LV-KurzbezeichnungOperations Research OR

Verantwortliche/r FakultätProf. Dr. Frank Herrmann Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Frank HerrmannDr. Thomas Hußlein (LB)LehrformSeminaristischer Unterricht (2 SWS) mit Übungen (2 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Lineare Optimierung• Ganzzahlige Optimierung• Nicht lineare Optimierung• Dynamische Optimierung• Transportproblem• Netzplantechnik• Scheduling• Bestandsmanagement• Prognoseverfahren• Modellierung von Optimierungsproblemen

Lernziele/Lernergebnisse/Kompetenzen• Identifikation von quantifizierbaren Problemen, bei denen es mehrere

Entscheidungsmöglichkeiten gibt, aus dem Bereich der Planung in der Produktionslogistik.• Erfassung aller möglichen Alternativen (solcher Entscheidungsprobleme) und Auswahl

der besten unter diesen gemäß einem Gütekriterium mit den Methoden des OperationsResearch

LehrmedienOverheadfolien (in der Veranstaltung entwickelt), PowerPoint Präsentation, PC und BeamerSoftware: ILOG (System zur Lösung linearer Optimierungsprobleme)




Literatur• Klaus Neumann und Martin Morlock: „Operations Research“, Hanser-Verlag.• Frederick S. Hillier und Gerald J. Liebermann: „Operations Research“, Oldenbourg-Verlag,

2002.• Wolfgang Domschke und Andreas Drexl: „Einführung in Operations Research“, Springer

Berlin /Heidelberg, 8. Auflage,2011.

Weitere Informationen zur LehrveranstaltungSeminaristischer Unterricht (2 SWS), Gruppengröße: 50 StudierendeÜbungen (2 SWS), Gruppengröße: 25 Studierende



Modulname:Vertiefungsmodul IN 1/1

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Vertiefungsmodul IN 1/1 22





Verpflichtende VoraussetzungenErfolgreiches Bestehen aller Prüfungen des 1. Studienabschnitts,Mindestens 110 Kreditpunkte aus dem 1. und 2. StudienabschnittEmpfohlene Vorkenntnisseabhängig von der jeweiligen Lehrveranstaltung

Inhalteabhängig von der jeweiligen LehrveranstaltungDas Angebot der Lehrveranstaltungen regelt der Studienplan



[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Compilerbau 4 SWS 5




Lehrveranstaltung LV-KurzbezeichnungCompilerbau CB

Verantwortliche/r FakultätDekan Fakultät IM Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzDr. Vaclav Matousek (LB)LehrformSeminaristischer Unterricht (3 SWS) mit Übungen (1 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Kontextfreie Sprachen (Chomsky Hierarchie und reguläre Sprachen, Kontextfreie

Grammatiken und Normalformen, Kellerautomaten)• Lexikalische-, Syntaktische- und Semantische Analyse von Programmiersprachen (CKY-

Algoritmus, LL und LR-Parser, Abstrakte Syntaxbäume - Funktion und Kodierung; z.B.homogen vs. Heterogen; Einfache monomorphe Typsysteme)

• Synthese von Programmen (Attributierte Grammatiken, Syntaxorientierte Codeerzeugung)• Werkzeuge zur Compilerkonstruktion (z.B. lex, yacc, javacc, antlr)

Lernziele/Lernergebnisse/KompetenzenDie Studierenden beherrschen einfache Methoden zur Beschreibung der Syntax vonProgrammiersprachen (z.B. kontextfreie Grammatiken) und können mit Hilfe von Werkzeugeneinfache Komponenten zur Erkennung und Übersetzung von einfachen Programmiersprachenerstellen.

LehrmedienTafel, Beamer, Notebook

Literatur• Folienkopien / Skript• A. Aho, R. Sethi, J. Ullman: Compilers – Principles, Techniques, and Tools. Addison-

Wesley, 1988.




Weitere Informationen zur LehrveranstaltungEmpfohlene Voraussetzungen: Kenntnisse imperativer- und objektorientierter Sprachkonzepte(PG1 und PG2)Kenntnisse fundamentaler Datenstrukturen, z.B. Stack, Queue (AD)Grundkenntnisse im Umgang mit formalen Sprachen (IN)









Verpflichtende VoraussetzungenErfolgreiches Bestehen aller Prüfungen des 1. Studienabschnitts,Mindestens 110 Kreditpunkte aus dem 1.+ 2. StudienabschnittEmpfohlene Vorkenntnisseabhängig von der jeweiligen Lehrveranstaltung

Inhalteabhängig von der jeweiligen Lehrveranstaltung.Das Angebot der Lehrveranstaltungen regelt der Studienplan

Lernziele/Lernergebnisse/Kompetenzenabhängig von der jeweiligen Lehrveranstaltung.


[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Softwareentwicklung 4 SWS 5




Lehrveranstaltung LV-KurzbezeichnungSoftwareentwicklung SW

Verantwortliche/r FakultätProf. Dr. Daniel Jobst Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Daniel JobstLehrformSeminaristischer Unterricht (2 SWS) und Praktikum (2 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Grundlagen webbasierter Unternehmensanwendungen• Moderne Ausführungsumgebungen für Unternehmensanwendungen• Mehrschichtige Architekturen, Entwurfsmuster für unternehmensweite Anwendungen• Persistenzsysteme und Anbindung von Datenbanken• Servicedesign und –umsetzung, Dependency-Management• Umsetzung webbasierter User-Interfaces• Aspekte synchroner und asynchroner Kommunikation

Lernziele/Lernergebnisse/KompetenzenDie Studierenden können Potentiale moderner Applikationsserver oder leichtgewichtigerAusführungsumgebungen zur Problemlösung einsetzen.Die Studierenden können das BCE- sowie Formen des MVC-Musters sowie weitere Architektur-Muster zum Aufbau von webbasierten Anwendungen einsetzen.Die Studierenden erwerben die Fähigkeit zum Entwurf, zur konkreten Umsetzung und zumDeployment unternehmensweiter Anwendungen auf Basis von Java EE oder ähnlicherPlattformen.

LehrmedienFolienkopien / Skript




Literatur• Weil, Dirk (2015): Java EE 7, 2. erw. u. akt. Aufl., Frankfurt/Main: entwickler.press• Salvanos, Alexander (2014): Professionell entwickeln mit Java EE7. Bonn, Rheinwerk.• Juneau, Josh (2013) Introducing Java EE 7. Berkley: Apress• Juneau, Josh (2013) Java EE 7 Recipes. Berkley: Apress

Weitere Literatur wird über GRIPS angegeben.

Weitere Informationen zur LehrveranstaltungEmpfohlene Voraussetzungen: Programmieren 1, Programmieren 2, Datenbanken, SoftwareEngineering insb. UML-Analyse- und Designmethoden













[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Verteilte Systeme 4 SWS 5




Lehrveranstaltung LV-KurzbezeichnungVerteilte Systeme VS

Verantwortliche/r FakultätProf. Dr. Daniel Jobst Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Jan DünnweberProf. Dr. Daniel JobstLehrformSeminaristischer Unterricht (2 SWS) mit Übungen (2 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Grundlagen verteilter Systeme• Kommunikation• Architekturen verteilter Anwendungen• Entwicklung von Anwendungen mit Sockets• Einsatz von RPC und Java RMI• Service-Computing und Webservices• Daten in verteilten Systemen

Lernziele/Lernergebnisse/Kompetenzen• Die Studierenden können die spezifischen Probleme bei verteilten Systemen erkennen.• Die Studierenden können Anwendungen für verteilte Systeme entwerfen.• Die Studierenden sind in der Lage, Entwurfsmuster für verteilte Systeme effizient

einzusetzen.• Die Studierenden sind in der Lage, Anwendungen für verteilte Systeme auf der Basis von

Sockets und Threads, Java RMI, ausgewählter Websocket- und Cloud-Frameworks undanderer Technologien zu entwickeln und zu deployen.

LehrmedienPräsentationsfolien mit Beamer, Folienkopien, Skript, Tafel




Literatur• Tanenbaum/van Steen: Verteilte Systeme, Addison Wesley 2008, 2. Auflage• Bengel (2014): Grundkurs Verteilte Systeme, Wiesbaden: Springer• Schill/Springer (2012): Verteilte Systeme, 2. Aufl. Berlin u. a.: Springer

u.v.a

Weitere Informationen zur LehrveranstaltungEmpfohlene Voraussetzungen: Programmieren 1, Programmieren 2, Datenbanken, SoftwareEngineering insb. UML-Analyse- und Designmethoden.










Inhalteabhängig von der jeweiigen Lehrveranstaltung.Das Angebot der Lehrveranstaltungen regelt der Studienplan

Lernziele/Lernergebnisse/Kompetenzenabhängig von der jeweiigen Lehrveranstaltung.


[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Human Computer Interaction 4 SWS 5




Lehrveranstaltung LV-KurzbezeichnungHuman Computer Interaction HCI

Verantwortliche/r FakultätProf. Dr. Markus Heckner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Markus HecknerLorena Meyer (LB)LehrformSeminaristischer Unterricht mit integrierten Übungen (4 SWS)


Lehrumfang

[SWS oder UE]





InhalteVermittlung der Grundprinzipien einer benutzergerechten Entwicklung von Software (UserCentered Design).Themen:

• Usability Engineering Framework• Methoden der nutzerzentrierten Anforderungsanalyse• Information Design und Information Architecture• Sketching• Paper Prototyping• Toolbasiertes Prototyping mit Axure• (Guerilla) Usability Testing• Usability Messen• Projektphase und Betreuung im Anschluss

Lernziele/Lernergebnisse/KompetenzenGrundlegendes Verständnis von Usability / User Experience und deren Auswirkungen auf Nutzerund Unternehmen erlangen.Verständnis eines systematischen Usability Engineering Prozesses gewinnen, der einProzessmodell zur Entwicklung benutzerzentrierter Software vorgibt.Fähigkeit erlangen, die dazu notwendigen Methoden (z.B. Prototyping, Card Sorting, UsabilityTesting inkl. Auswertung) selbstständig einzusetzen, um das User Interface einer Anwendung sozu gestalten, dass diese effizient und effektiv benutzbar wird.




LehrmedienNotebook, Beamer, Tafel

Literatur• DIN EN ISO 9241-210. Human-centred design for interactive systems.• Nodder, C. & J. Nielsen (2009). Agile Usability: Best Practices for User Experience on

Agile Development Projects.• Tullis, T., & Albert, B. (2008). Measuring the User Experience. Morgan Kaufmann.• Warfel, T. Z. (2009). Prototyping: A Practitioner’s Guide (1st ed.). Rosenfeld Media.

Weitere Informationen zur LehrveranstaltungEmpfohlene Voraussetzungen: Abschluss eigenständiger kleiner Softwareentwicklungsprojekte













[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Informationssicherheit 4 SWS 5




Lehrveranstaltung LV-KurzbezeichnungInformationssicherheit IS

Verantwortliche/r FakultätProf. Dr. Christoph Skornia Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzMichael Fruth (LB)Prof. Dr. Rudolf HackenbergProf. Dr. Christoph SkorniaLehrformSeminaristischer Unterricht (2 SWS) mit Übungen (2 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Einführung und Themeneinordnung.• Schutzziele.• Klassische Sicherheitslücken.• Eingesetzte Schutzmechanismen.• Organisatorische Vorgehensmodelle.• Technische Aspekte und Lösungen.• Trends und Entwicklungen.• Projektarbeit und praktische Übungen.

Lernziele/Lernergebnisse/Kompetenzen• Die Studierenden kennen die theoretischen Grundlagen, Organisationsformen und

technischen Maßnahmen der Informationssicherheit.• Sie erwerben Fertigkeit in der Analyse von Sicherheitsaspekten, ihrer schematischen

Umsetzung und der Erarbeitung konzeptioneller Sicherheitslösungen.• Sie erwerben die Fähigkeit zur vertiefenden Betrachtung technischer Konzepte, die

methodische Fähigkeit ausgewählte Themen im Team zu erarbeiten, die sozialeKompetenz in einem Teamprojekt zu arbeiten, zu kommunizieren und zu präsentieren.

• Die Studierenden sind durch systematisches Vorgehen befähigt, für bestimmteSzenarien Schwachstellenanalysen zu erstellen, Sicherheitsniveaus abzuwägen,Lösungen vorzuschlagen und zu implementieren.

• Die Studierenden sind befähigt im Eigenstudium ausgewählte Themen derInformationssicherheit vertiefend zu bearbeiten und zu präsentieren




LehrmedienTafel, Beamer, z.T. Gruppenarbeit

Literatur• Eckert C: IT-Sicherheit. Konzepte, Verfahren, Protokolle, Oldenburg Verlag.• Pieprzyk, J. et al.: Fundamentals of computer security, Springer Verlag• Raepple M: Sicherheitskonzepte für das Internet, dpunkt Verlag• Diverse herstellerspezifische Handbücher

Weitere Informationen zur LehrveranstaltungEmpfohlene Voraussetzungen: Kommunikationssysteme, Grundlagen der Informatik










InhalteAbhängig von der jeweiligen LehrveranstaltungDas Angebot der Lehrveranstaltungen regelt der Studienplan

Lernziele/Lernergebnisse/KompetenzenAbhängig von der jeweiligen Lehrveranstaltung


[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Datawarehouse 4 SWS 5




Lehrveranstaltung LV-KurzbezeichnungDatawarehouse DW

Verantwortliche/r FakultätProf. Dr. Edwin Schicker Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Edwin SchickerLehrformSeminaristischer Unterricht (3 SWS) mit Übungen (1 SWS)


Lehrumfang

[SWS oder UE]





Inhalte• Definition von Datawarehouse und Systemaufbau• Multidimensionale Datenmodellierung, Datenschemata, Konsistenz• Performance-Probleme erkennen, Performance-Optimierungen• Entwurf eines Datawarehouse Modells, ETL-Prozess, OLAP-Abfragen

Lernziele/Lernergebnisse/KompetenzenDie Studierenden kennen den internen Aufbau eines Datawarehouse, den OLAP Prozess mitden dazugehörigen Performance Problemen und die erforderlichen Ladevorgänge aus demProduktionsbetrieb.Die Studierenden können selbstständig dieses Wissen umsetzen, indem sie kleinere bis mittlereDatawarehouse-Systeme einrichten, ETL Prozesse anstoßen und OLAP-Abfragen entwerfenund verwenden können.Sie sind in der Lage, auch mit komplexen Systemen umzugehen und eigene Analysendurchzuführen.


Literatur• Bauer/Günzel: Data-Warehouse-Systeme, dPunkt, 2004• Kimball/Ross: The Data Warehouse Toolkit, John Wiley & Sons, 2002• Mehrwald: Datawarehousing mit SAP BW, dPunkt Verlag, 2005• Schicker: Vorlesungsskript




Weitere Informationen zur LehrveranstaltungEmpfohlene Voraussetzungen: Umfangreiche Kenntnisse in Datenbanken


Documents

Modulhandbuch - OTH Regensburg · Modulhandbuch für den Bachelorstudiengang Informatik (B.Sc.) SPO-Version ab: Wintersemester 2012 Wintersemester 2019/2020 erstellt am 15.10.2019