StuPO 2015 · 2017. 8. 3. · - Medientechnik und Mensch-Maschine-Interaktion / Digital Media und Human-Computer Interaction - Grundlagen der Informatik / Foundations of Computing

Studiengangsbeschreibung: keine Angabe

Weitere Informationen finden Sie unter:keine Angabe

Studien-/Prüfungsordnungsbeschreibung: keine Angabe

Weitere Informationen zur Studienordnung finden Sie unter:keine Angabe

Weitere Informationen zur Prüfungsordnung finden Sie unter:keine Angabe

Die Gewichtungsangabe '1.0' bedeutet, die Note wird nach dem Umfang in LP gewichtet (§ 47 Abs. 6 AllgStuPO); '0.0' bedeutet, die Notewird nicht gewichtet; jede andere Zahl ist ein Multiplikationsfaktor für den Umfang in LP. Weitere Hinweise zur Bildung der Gesamtnote sindder geltenden Studien- und Prüfungsordnung zu entnehmen.

Studiengang

Master of Science Computer Science (Informatik) (CSI)

Abschluss:

Master of ScienceKürzel:

CSIImmatrikulation zum:

Winter- und Sommersemester

Fakultät:

Fakultät IVVerantwortlich:

Niedermeier, Rolf

Master of Science Computer Science (Informatik) (CSI)

StuPO 2015

Datum:keine Angabe

Punkte:

120

20.03.2017 07:18 Uhr Computer Science (Informatik) - StuPO 2015 Seite 1 von 11

Studiengebiete Um diesen Studiengangsbereich zu bestehen, müssen die folgenden Bedingungen erfüllt sein: Es müssen mindestens 18 Leistungspunkte bestanden werden. Es dürfen höchstens 36 Leistungspunkte bestanden werden.

Data and Software Engineering / Data and Software Engineering Unterbereich von Studiengebiete Um diesen Studiengangsbereich zu bestehen, müssen die folgenden Bedingungen erfüllt sein: Es müssen mindestens 30 Leistungspunkte bestanden werden. Es dürfen höchstens 42 Leistungspunkte bestanden werden. Aus folgenden Studiengangsbereichen dürfen höchstens 36 Leistungspunkte bestanden werden:- Verteilte Systeme und Netze / Distributed Systems and Networks- Kognitive Systeme / Cognitive Systems- Eingebettete Systeme und Rechnerarchitekturen / Embedded Systems and Computer Architectures- Medientechnik und Mensch-Maschine-Interaktion / Digital Media und Human-Computer Interaction- Grundlagen der Informatik / Foundations of Computing Aus folgenden Studiengangsbereichen müssen mindestens 18 Leistungspunkte bestanden werden:- Verteilte Systeme und Netze / Distributed Systems and Networks- Kognitive Systeme / Cognitive Systems- Eingebettete Systeme und Rechnerarchitekturen / Embedded Systems and Computer Architectures- Medientechnik und Mensch-Maschine-Interaktion / Digital Media und Human-Computer Interaction- Grundlagen der Informatik / Foundations of Computing Module in diesem Studiengangsbereich:

Computer Science (Informatik) (MSc) - StuPO 2015

Modulliste SS 2017


Eingebettete Systeme und Rechnerarchitekturen / Embedded Systems and ComputerArchitectures Unterbereich von Studiengebiete Um diesen Studiengangsbereich zu bestehen, müssen die folgenden Bedingungen erfüllt sein: Es müssen mindestens 30 Leistungspunkte bestanden werden. Es dürfen höchstens 42 Leistungspunkte bestanden werden. Aus folgenden Studiengangsbereichen müssen mindestens 18 Leistungspunkte bestanden werden:- Verteilte Systeme und Netze / Distributed Systems and Networks- Kognitive Systeme / Cognitive Systems- Medientechnik und Mensch-Maschine-Interaktion / Digital Media und Human-Computer Interaction

Titel LP Prüfungsform Benotet GewichtAdvanced Algorithmics 9 mündlich ja 1.0Advanced Computer Architecture 6 Portfolioprüfung ja 1.0Advanced Information Management 1 (AIM-1) - Heterogeneous and DistributedInformation Systems (HDIS)

6 Portfolioprüfung ja 1.0

Advanced Information Management 2 - Management of Data Streams 6 mündlich ja 1.0Advanced Information Management 3 (AIM-3) Scalable Data Science: Systems &Methods (SDSSM)


Advanced Topics in Data Integration 3 Portfolioprüfung ja 1.0Advances in Semantic Search 3 Portfolioprüfung ja 1.0Algebraic Process Calculi 6 Portfolioprüfung ja 1.0Algorithm Engineering 9 Portfolioprüfung ja 1.0Analysis and Optimization of Embedded Systems 6 mündlich ja 1.0Automotive Software Engineering 6 Portfolioprüfung ja 1.0BDAPRO - Big Data Analytics Project 9 Portfolioprüfung ja 1.0BDASEM - Big Data Analytics Seminar 3 Portfolioprüfung ja 1.0Cloud Prototyping 12 Portfolioprüfung ja 1.0Computational Biology Project 9 Portfolioprüfung ja 1.0Current Research in Algorithms and Complexity 3 Portfolioprüfung ja 1.0DBT: Database Technology 6 Portfolioprüfung ja 1.0Das AMOS Projekt 9 Portfolioprüfung ja 1.0Enterprise Computing 6 Portfolioprüfung ja 1.0Entwicklung verteilter eingebetteter Systeme 3 Portfolioprüfung ja 1.0Grundlagen Digitaler Vernetzung 6 schriftlich ja 1.0IDB-PRA: Implementation of a Database Engine (Database Technology Lab) 6 Portfolioprüfung ja 1.0IMPRO - Project Hot Topics in Information Management 6 Portfolioprüfung ja 1.0IMSEM - Seminar Hot Topics in Information Management 3 Portfolioprüfung ja 1.0IT Security Lab: Vulnerability Assessment 6 Portfolioprüfung ja 1.0In-Memory Databases On Modern Hardware 6 Portfolioprüfung ja 1.0Informatik und Entwicklungsländer 6 Portfolioprüfung ja 1.0Information Systems Heroes 3 Portfolioprüfung ja 1.0Introduction into Interactive Theorem Proving 3 mündlich ja 1.0Master Project Software Engineering of Embedded Systems 9 Portfolioprüfung ja 1.0Master Project and Seminar Software Engineering of Embedded Systems 9 Portfolioprüfung ja 1.0Modellgetriebene Software-Entwicklung 6 schriftlich ja 1.0Multicore Systems 6 Portfolioprüfung ja 1.0NoSQL Databases 6 Portfolioprüfung ja 1.0Operating System Design 6 schriftlich ja 1.0Parallel Systems 6 mündlich ja 1.0Parameterized Algorithmics 6 mündlich ja 1.0Performance Evaluation of Computer Communication Systems 6 Portfolioprüfung ja 1.0Praxisprojekt Anwendungssysteme 12 Portfolioprüfung ja 1.0Projekt DCAITI 9 Portfolioprüfung ja 1.0Quality Assurance of Embedded Systems 6 mündlich ja 1.0Requirements Engineering 6 Portfolioprüfung ja 1.0Semantic Search 6 mündlich ja 1.0Semantic Search Projekt 9 Portfolioprüfung ja 1.0Semantic Web and Linked Data 6 Portfolioprüfung ja 1.0Seminar Software and Embedded Systems Engineering 3 Portfolioprüfung ja 1.0Software Security 6 Portfolioprüfung ja 1.0Systementwicklung für ein Entwicklungsland 12 Portfolioprüfung ja 1.0The 800-pound Gorilla in the corner: Data Integration 6 mündlich ja 1.0


- Grundlagen der Informatik / Foundations of Computing- Data and Software Engineering / Data and Software Engineering Aus folgenden Studiengangsbereichen dürfen höchstens 36 Leistungspunkte bestanden werden:- Verteilte Systeme und Netze / Distributed Systems and Networks- Kognitive Systeme / Cognitive Systems- Medientechnik und Mensch-Maschine-Interaktion / Digital Media und Human-Computer Interaction- Grundlagen der Informatik / Foundations of Computing- Data and Software Engineering / Data and Software Engineering Module in diesem Studiengangsbereich:

Grundlagen der Informatik / Foundations of Computing Unterbereich von Studiengebiete Um diesen Studiengangsbereich zu bestehen, müssen die folgenden Bedingungen erfüllt sein: Es müssen mindestens 30 Leistungspunkte bestanden werden. Es dürfen höchstens 42 Leistungspunkte bestanden werden. Aus folgenden Studiengangsbereichen müssen mindestens 18 Leistungspunkte bestanden werden:- Verteilte Systeme und Netze / Distributed Systems and Networks- Kognitive Systeme / Cognitive Systems- Eingebettete Systeme und Rechnerarchitekturen / Embedded Systems and Computer Architectures- Medientechnik und Mensch-Maschine-Interaktion / Digital Media und Human-Computer Interaction- Data and Software Engineering / Data and Software Engineering Aus folgenden Studiengangsbereichen dürfen höchstens 36 Leistungspunkte bestanden werden:- Verteilte Systeme und Netze / Distributed Systems and Networks- Kognitive Systeme / Cognitive Systems- Eingebettete Systeme und Rechnerarchitekturen / Embedded Systems and Computer Architectures- Medientechnik und Mensch-Maschine-Interaktion / Digital Media und Human-Computer Interaction

Titel LP Prüfungsform Benotet GewichtAd-hoc and Sensor Networks 6 Portfolioprüfung ja 1.0Advanced Computer Architecture 6 Portfolioprüfung ja 1.0Aktuelle Fortschritte im Bereich Multicore-Systeme 3 Portfolioprüfung ja 1.0Analysis and Optimization of Embedded Systems 6 mündlich ja 1.0Applied Embedded Systems Project 6 Portfolioprüfung ja 1.0Applied Security 9 Portfolioprüfung ja 1.0Autonomous Communications 6 Portfolioprüfung ja 1.0Compiler Design 6 Portfolioprüfung ja 1.0Computer Arithmetic: Circuit Perspective 6 Portfolioprüfung ja 1.0Computer Security - Bachelor Project 6 Portfolioprüfung ja 1.0Computer Security - Master Project 9 Portfolioprüfung ja 1.0Computer Security - Seminar 3 Portfolioprüfung ja 1.0Computer Security - Specialization Large 9 Portfolioprüfung ja 1.0Computer Security - Specialization Small 6 mündlich ja 1.0DCAITI Projekt II 6 Portfolioprüfung ja 1.0Das AMOS Projekt 9 Portfolioprüfung ja 1.0Embedded Operating Systems 6 mündlich ja 1.0Embedded Systems Security Lab 6 Portfolioprüfung ja 1.0Entwicklung verteilter eingebetteter Systeme 3 Portfolioprüfung ja 1.0Grundlagen des Softwaretestens 6 schriftlich ja 1.0Hardware Security Lab 6 Portfolioprüfung ja 1.0Hot Topics in Operating Systems and Distributed Systems 3 Portfolioprüfung ja 1.0Master Project Software Engineering of Embedded Systems 9 Portfolioprüfung ja 1.0Master Project and Seminar Software Engineering of Embedded Systems 9 Portfolioprüfung ja 1.0Multicore Systems 6 Portfolioprüfung ja 1.0Networked Embedded Systems 6 Portfolioprüfung ja 1.0Operating System Project & Seminar 9 Portfolioprüfung ja 1.0Projekt System Quality Engineering 9 Portfolioprüfung ja 1.0Quality Assurance of Embedded Systems 6 mündlich ja 1.0Recent Advances in Computer Architecture 3 Portfolioprüfung ja 1.0Requirements Engineering 6 Portfolioprüfung ja 1.0Security Lab Project 9 Portfolioprüfung ja 1.0Seminar Software and Embedded Systems Engineering 3 Portfolioprüfung ja 1.0Special Topics in Communications Networks and Autonomous Security 3 Portfolioprüfung ja 1.0


- Data and Software Engineering / Data and Software Engineering Module in diesem Studiengangsbereich:

Kognitive Systeme / Cognitive Systems Unterbereich von Studiengebiete Um diesen Studiengangsbereich zu bestehen, müssen die folgenden Bedingungen erfüllt sein: Es müssen mindestens 30 Leistungspunkte bestanden werden. Es dürfen höchstens 42 Leistungspunkte bestanden werden. Aus folgenden Studiengangsbereichen müssen mindestens 18 Leistungspunkte bestanden werden:- Verteilte Systeme und Netze / Distributed Systems and Networks- Eingebettete Systeme und Rechnerarchitekturen / Embedded Systems and Computer Architectures- Medientechnik und Mensch-Maschine-Interaktion / Digital Media und Human-Computer Interaction- Grundlagen der Informatik / Foundations of Computing- Data and Software Engineering / Data and Software Engineering Aus folgenden Studiengangsbereichen dürfen höchstens 36 Leistungspunkte bestanden werden:- Verteilte Systeme und Netze / Distributed Systems and Networks- Eingebettete Systeme und Rechnerarchitekturen / Embedded Systems and Computer Architectures- Medientechnik und Mensch-Maschine-Interaktion / Digital Media und Human-Computer Interaction- Grundlagen der Informatik / Foundations of Computing- Data and Software Engineering / Data and Software Engineering Module in diesem Studiengangsbereich:

Titel LP Prüfungsform Benotet GewichtAdvanced Algorithmics 9 mündlich ja 1.0Algebraic Process Calculi 6 Portfolioprüfung ja 1.0Algorithm Engineering 9 Portfolioprüfung ja 1.0Algorithmic Graph Structure Theory 6 mündlich ja 1.0Algorithmic Research in Teams 9 Portfolioprüfung ja 1.0Algorithmische Graphentheorie 6 mündlich ja 1.0Approximationsalgorithmen (ADM III) 10 mündlich ja 1.0CSL Blockseminar 3 mündlich ja 1.0Computational Complexity 9 mündlich ja 1.0Computational Mixed Integer Programming (ADM III) 10 mündlich ja 1.0Computational Social Choice 6 mündlich ja 1.0Current Research in Algorithms and Complexity 3 Portfolioprüfung ja 1.0Diskrete Optimierung (ADM II) 10 mündlich ja 1.0Einführung in die Logik und deskriptive Komplexität 9 mündlich ja 1.0Extremale Graphentheorie 6 mündlich ja 1.0Game Theory 6 mündlich ja 1.0Introduction into Interactive Theorem Proving 3 mündlich ja 1.0Lambda-Kalkül und Typ-Systeme 6 mündlich ja 1.0Logik Synthese für Digitale Systeme 3 mündlich ja 1.0Logik, Spiele, Automaten 9 mündlich ja 1.0Models and Theory of Distributed Algorithms 6 Portfolioprüfung ja 1.0Parameterized Algorithmics 6 mündlich ja 1.0Quantitative Verification and Timed Automata 3 Portfolioprüfung ja 1.0Randomized Algorithms 6 mündlich ja 1.0Requirements Engineering 6 Portfolioprüfung ja 1.0Research Colloquium on Algorithms and Complexity 3 Portfolioprüfung ja 1.0Structural Graph Theory 9 mündlich ja 1.0Writing and Publishing a Scientific Paper 9 Portfolioprüfung ja 1.0


Titel LP Prüfungsform Benotet GewichtAutomatic Image Analysis 6 schriftlich ja 1.0Bildsynthese in der Videokommunikation 3 mündlich ja 1.0Biometric Identification 3 Portfolioprüfung ja 1.0Brain-Computer Interfacing 9 Portfolioprüfung ja 1.0Brain-Computer Interfacing (basic) 6 Portfolioprüfung ja 1.0Brain-Computer Interfacing (extended) 12 Portfolioprüfung ja 1.0Brain-Computer Interfacing - from neurons to data 3 Portfolioprüfung ja 1.0Computational Biology 6 Portfolioprüfung ja 1.0Computational Biology Project 9 Portfolioprüfung ja 1.0Computational Biology: Current Topics 3 Portfolioprüfung ja 1.0Computer Vision 12 schriftlich ja 1.0Computer-Supported Interaction 3 schriftlich ja 1.0Current Topics in Computational Neuroscience 3 Portfolioprüfung nein 1.0Digital Image Processing 6 schriftlich ja 1.0Discrete Event Systems 6 Portfolioprüfung ja 1.0Einführung in die kognitiven Neurowissenschaften 6 mündlich ja 1.0Hot Topics in Computer Vision Seminar 3 Portfolioprüfung ja 1.0Hybride Systeme 6 mündlich ja 1.0Introduction to Physiological Computing 6 Portfolioprüfung ja 1.0Machine Intelligence I 6 schriftlich ja 1.0Machine Intelligence II 6 schriftlich ja 1.0Machine Learning 1 6 schriftlich ja 1.0Machine Learning 1-X 9 schriftlich ja 1.0Machine Learning 2 6 schriftlich ja 1.0Machine Learning 2-X 9 schriftlich ja 1.0Machine Learning Lab Course 9 mündlich ja 1.0Machine Learning Project 9 Portfolioprüfung ja 1.0Mehrgrößenregelsysteme 6 schriftlich ja 1.0Microwave and Radar Remote Sensing 6 schriftlich ja 1.0Modelle zur Informationsverarbeitung im Gehirn 6 mündlich ja 1.0Models of Higher Brain Functions 12 mündlich ja 1.0Models of Higher Brain Functions - Introduction 6 mündlich ja 1.0Models of Higher Brain Functions: Theory und Simulation 9 mündlich ja 1.0Moderne Entwicklungen der Neuroinformatik 6 mündlich ja 1.0Monte Carlo Methods in Machine Learning and Artificial Intelligence 6 Portfolioprüfung ja 1.0Multimodal Interaction 6 Portfolioprüfung ja 1.0Nichtlineare Regelsysteme 6 schriftlich ja 1.0Optical Remote Sensing 6 schriftlich ja 1.0Photogrammetric Computer Vision 6 schriftlich ja 1.0Probabilistic and Bayesian Modelling in ML and AI 6 mündlich ja 1.0Probabilistic and Bayesian Modelling in Machine Learning and Artificial Intelligence- Seminar


Project Hot Topics in Computer Vision A 9 Portfolioprüfung ja 1.0Project Hot Topics in Computer Vision B 9 Portfolioprüfung ja 1.0Project: Brain-Computer Interfacing 9 Portfolioprüfung ja 1.0Projekt Neuronale Informationsverarbeitung 9 Portfolioprüfung ja 1.0Projekt: Modellierung kognitiver Prozesse 9 Portfolioprüfung ja 1.0Projekt: Statistische Methoden in KI und ML 9 Portfolioprüfung ja 1.0Quality & Usability 3 Portfolioprüfung ja 1.0Remote Sensing 12 schriftlich ja 1.0Robotics 6 Portfolioprüfung ja 1.0Robotics I+II 12 Portfolioprüfung ja 1.0Robotics: Advanced 6 Portfolioprüfung ja 1.0Robotics: Current Topics 3 Portfolioprüfung ja 1.0Robotics: Project 9 Portfolioprüfung ja 1.0Seminar Künstliche Intelligenz 3 Portfolioprüfung ja 1.0Speech Interaction 12 mündlich ja 1.0Speech Signal Processing and Speech Technology 6 Portfolioprüfung ja 1.0Stereobildverarbeitung in der Videokommunikation 3 mündlich ja 1.0Study Project Quality & Usability (6 CP) 6 Portfolioprüfung ja 1.0Study Project Quality & Usability (9 CP) 9 Portfolioprüfung ja 1.0Systemidentifikation und Regelung in der Medizin 6 mündlich ja 1.0Technische Diagnose I 6 schriftlich ja 1.0Usability Engineering 6 Portfolioprüfung ja 1.0


Medientechnik und Mensch-Maschine-Interaktion / Digital Media und Human-ComputerInteraction Unterbereich von Studiengebiete Um diesen Studiengangsbereich zu bestehen, müssen die folgenden Bedingungen erfüllt sein: Es müssen mindestens 30 Leistungspunkte bestanden werden. Es dürfen höchstens 42 Leistungspunkte bestanden werden. Aus folgenden Studiengangsbereichen müssen mindestens 18 Module bestanden werden:- Verteilte Systeme und Netze / Distributed Systems and Networks- Kognitive Systeme / Cognitive Systems- Eingebettete Systeme und Rechnerarchitekturen / Embedded Systems and Computer Architectures- Grundlagen der Informatik / Foundations of Computing- Data and Software Engineering / Data and Software Engineering Aus folgenden Studiengangsbereichen dürfen höchstens 36 Leistungspunkte bestanden werden:- Verteilte Systeme und Netze / Distributed Systems and Networks- Kognitive Systeme / Cognitive Systems- Eingebettete Systeme und Rechnerarchitekturen / Embedded Systems and Computer Architectures- Grundlagen der Informatik / Foundations of Computing- Data and Software Engineering / Data and Software Engineering Module in diesem Studiengangsbereich:

Usability in Multimodal Interaction 12 mündlich ja 1.0Usable Privacy 3 Portfolioprüfung ja 1.0Vision and Imaging 9 Portfolioprüfung ja 1.0


Titel LP Prüfungsform Benotet GewichtAdvanced Web Technologies 6 Portfolioprüfung ja 1.0Advances in Semantic Search 3 Portfolioprüfung ja 1.0Angewandte Lichttechnik 6 Portfolioprüfung ja 1.0Ausgewählte Gebiete aus Elektronik und Signalverarbeitung 6 Portfolioprüfung ja 1.0Automatic Image Analysis 6 schriftlich ja 1.0Beleuchtungstechnik 12 Portfolioprüfung ja 1.0Bildsynthese in der Videokommunikation 3 mündlich ja 1.0Biometric Identification 3 Portfolioprüfung ja 1.0Computer Vision 12 schriftlich ja 1.0Computer-Supported Interaction 3 schriftlich ja 1.0Computergraphik I (Grundlagen) 6 mündlich ja 1.0Computergraphik II (Geometrische Modellierung) 6 mündlich ja 1.0Computergraphik Projekt 9 Portfolioprüfung ja 1.0Computergraphik Seminar A 3 Portfolioprüfung ja 1.0Computergraphik Seminar B 3 Portfolioprüfung ja 1.0Digital Image Processing 6 schriftlich ja 1.0Digitale Nachrichtenübertragung 6 Portfolioprüfung ja 1.0Digitale Nachrichtenübertragung - Vertiefung 6 Portfolioprüfung ja 1.0Digitale Signalverarbeitung 12 Portfolioprüfung ja 1.0Elektronik und Signalverarbeitung 3 Portfolioprüfung ja 1.0Game Programming 9 Portfolioprüfung ja 1.0High-speed Network Technologies with Lab 6 Portfolioprüfung ja 1.0Hot Topics in Communication Systems 3 Portfolioprüfung ja 1.0Information Theory and Coding (TI) 9 Portfolioprüfung ja 1.0Introduction to Physiological Computing 6 Portfolioprüfung ja 1.0Licht- und Farbwahrnehmung 6 mündlich ja 1.0Lichtquellen 6 Portfolioprüfung ja 1.0Lichttechnik 6 mündlich ja 1.0Lichttechnik: Grundlagen und Anwendungen 6 Portfolioprüfung ja 1.0Lichttechnische Forschung 6 Portfolioprüfung ja 1.0Machine Intelligence I 6 schriftlich ja 1.0Machine Intelligence II 6 schriftlich ja 1.0Machine Learning 1 6 schriftlich ja 1.0Machine Learning 1-X 9 schriftlich ja 1.0Machine Learning 2 6 schriftlich ja 1.0Machine Learning 2-X 9 schriftlich ja 1.0Machine Learning Lab Course 9 mündlich ja 1.0Medizinelektronik 6 schriftlich ja 1.0Microwave and Radar Remote Sensing 6 schriftlich ja 1.0Multimodal Interaction 6 Portfolioprüfung ja 1.0Network Technologies (Medium) 9 Portfolioprüfung ja 1.0Network Technologies (Small) 6 Portfolioprüfung ja 1.0Neuronale Netze 3 Portfolioprüfung ja 1.0Optical Remote Sensing 6 schriftlich ja 1.0Optische Kommunikationstechnik 12 Portfolioprüfung ja 1.0Photogrammetric Computer Vision 6 schriftlich ja 1.0Photonische Kommunikationsnetze und Komponenten 12 Portfolioprüfung ja 1.0Project Hot Topics in Computer Vision A 9 Portfolioprüfung ja 1.0Project Hot Topics in Computer Vision B 9 Portfolioprüfung ja 1.0Project in advanced network technologies 6 Portfolioprüfung ja 1.0Projekt Advanced Web Technologies 6 Portfolioprüfung ja 1.0Projekt Nachrichtenübertragung 6 Portfolioprüfung ja 1.0Projekt Neuronale Informationsverarbeitung 9 Portfolioprüfung ja 1.0Quality & Usability 3 Portfolioprüfung ja 1.0Quellencodierung - Multimediasignalverarbeitung 6 Portfolioprüfung ja 1.0Quellencodierung - Multimediasignalverarbeitung - Vertiefung 6 Portfolioprüfung ja 1.0Remote Sensing 12 schriftlich ja 1.0Research Project in Network Technologies 9 Portfolioprüfung ja 1.0Signalprozessor-Projekt 6 Portfolioprüfung ja 1.0Signalverarbeitung 6 schriftlich ja 1.0Solarstrahlung 6 mündlich ja 1.0Speech Interaction 12 mündlich ja 1.0Speech Signal Processing and Speech Technology 6 Portfolioprüfung ja 1.0Stereobildverarbeitung in der Videokommunikation 3 mündlich ja 1.0


Verteilte Systeme und Netze / Distributed Systems and Networks Unterbereich von Studiengebiete Um diesen Studiengangsbereich zu bestehen, müssen die folgenden Bedingungen erfüllt sein: Es müssen mindestens 30 Leistungspunkte bestanden werden. Es dürfen höchstens 42 Leistungspunkte bestanden werden. Aus folgenden Studiengangsbereichen müssen mindestens 18 Leistungspunkte bestanden werden:- Kognitive Systeme / Cognitive Systems- Eingebettete Systeme und Rechnerarchitekturen / Embedded Systems and Computer Architectures- Medientechnik und Mensch-Maschine-Interaktion / Digital Media und Human-Computer Interaction- Grundlagen der Informatik / Foundations of Computing- Data and Software Engineering / Data and Software Engineering Aus folgenden Studiengangsbereichen dürfen höchstens 36 Leistungspunkte bestanden werden:- Kognitive Systeme / Cognitive Systems- Eingebettete Systeme und Rechnerarchitekturen / Embedded Systems and Computer Architectures- Medientechnik und Mensch-Maschine-Interaktion / Digital Media und Human-Computer Interaction- Grundlagen der Informatik / Foundations of Computing- Data and Software Engineering / Data and Software Engineering Module in diesem Studiengangsbereich:

Study Project Quality & Usability (6 CP) 6 Portfolioprüfung ja 1.0Study Project Quality & Usability (9 CP) 9 Portfolioprüfung ja 1.0Technische Informatik in der Biomedizin 6 Portfolioprüfung ja 1.0Theoretische Akustik / Virtuelle Akustik 12 Portfolioprüfung ja 1.0Usability Engineering 6 Portfolioprüfung ja 1.0Usability in Multimodal Interaction 12 mündlich ja 1.0Usable Privacy 3 Portfolioprüfung ja 1.0Vision and Imaging 9 Portfolioprüfung ja 1.0


Titel LP Prüfungsform Benotet Gewicht5G and IIoT Project 9 Portfolioprüfung ja 1.05G and IIoT Seminar 3 Portfolioprüfung ja 1.05th Generation Mobile Networks 6 schriftlich ja 1.0Ad-hoc and Sensor Networks 6 Portfolioprüfung ja 1.0Advanced Agent Competition 9 Portfolioprüfung ja 1.0Advanced Algorithmics 9 mündlich ja 1.0Advanced Enterprise Computing 6 Portfolioprüfung ja 1.0Advanced Web Technologies 6 Portfolioprüfung ja 1.0Agententechnologie in der Forschung 6 Portfolioprüfung ja 1.0Algebraic Process Calculi 6 Portfolioprüfung ja 1.0Automotive Software Engineering 6 Portfolioprüfung ja 1.0Autonomous Communications 6 Portfolioprüfung ja 1.0Betrieb komplexer IT-Systeme 6 mündlich ja 1.0Channel Coding 3 Portfolioprüfung ja 1.0Cloud Computing 6 Portfolioprüfung ja 1.0Cloud Prototyping 12 Portfolioprüfung ja 1.0Communication Network Security 9 Portfolioprüfung ja 1.0Computational Social Choice 6 mündlich ja 1.0Connected and automated vehicle systems 12 Portfolioprüfung ja 1.0Current Research in Algorithms and Complexity 3 Portfolioprüfung ja 1.0DCAITI Projekt II 6 Portfolioprüfung ja 1.0Das AMOS Projekt 9 Portfolioprüfung ja 1.0Digital Communities 6 mündlich ja 1.0Distributed Algorithms 6 mündlich ja 1.0Embedded Operating Systems 6 mündlich ja 1.0Enterprise Computing 6 Portfolioprüfung ja 1.0Grundlagen Digitaler Vernetzung 6 schriftlich ja 1.0Grundlagen des Softwaretestens 6 schriftlich ja 1.0High-speed Network Technologies with Lab 6 Portfolioprüfung ja 1.0Hot Topics in Information Systems Engineering 3 Portfolioprüfung ja 1.0Hot Topics in Operating Systems and Distributed Systems 3 Portfolioprüfung ja 1.0IT Security Lab: Vulnerability Assessment 6 Portfolioprüfung ja 1.0In-Memory Databases On Modern Hardware 6 Portfolioprüfung ja 1.0Industrial Internet of Things 6 schriftlich ja 1.0Information Security Management 6 schriftlich ja 1.0Information Theory 6 Portfolioprüfung ja 1.0Intelligente Sicherheit in Netzwerken 12 Portfolioprüfung ja 1.0Internet of Services Lab 9 Portfolioprüfung ja 1.0Master Seminar: Operating Complex IT Systems 3 Portfolioprüfung ja 1.0Master-Projekt: Verteilte Systeme 9 Portfolioprüfung ja 1.0Mobile Services 6 mündlich ja 1.0Modellgetriebene Software-Entwicklung 6 schriftlich ja 1.0Models and Theory of Distributed Algorithms 6 Portfolioprüfung ja 1.0Network Algorithms 6 schriftlich ja 1.0Network Architectures - Basics 6 schriftlich ja 1.0Network Architectures - Master Project 12 Portfolioprüfung ja 1.0Network Architectures - Master Project (small) 6 Portfolioprüfung ja 1.0Network Architectures - Seminar 3 Portfolioprüfung ja 1.0Network Architectures - WirelessLab 9 Portfolioprüfung ja 1.0Network Architectures Specialization (big) 9 mündlich ja 1.0Network Architectures Specialization (small) 6 mündlich ja 1.0Network Technologies (Medium) 9 Portfolioprüfung ja 1.0Network Technologies (Small) 6 Portfolioprüfung ja 1.0Networked Embedded Systems 6 Portfolioprüfung ja 1.0Netzwerkarchitekturen - RouterLab 9 Portfolioprüfung ja 1.0NoSQL Databases 6 Portfolioprüfung ja 1.0Operating System Design 6 schriftlich ja 1.0Operating System Project & Seminar 9 Portfolioprüfung ja 1.0Parallel Systems 6 mündlich ja 1.0Performance Evaluation of Computer Communication Systems 6 Portfolioprüfung ja 1.0Physical Layer Security 3 mündlich ja 1.0Praxisprojekt Anwendungssysteme 12 Portfolioprüfung ja 1.0Project in advanced network technologies 6 Portfolioprüfung ja 1.0Projekt Advanced Web Technologies 6 Portfolioprüfung ja 1.0


Masterarbeit Um diesen Studiengangsbereich zu bestehen, müssen die folgenden Bedingungen erfüllt sein: Es müssen mindestens 30 Leistungspunkte bestanden werden. Es dürfen höchstens 30 Leistungspunkte bestanden werden. Module in diesem Studiengangsbereich:

Wahlbereich Im Wahlbereich sind Module im Umfang von 24-30 LP zu absolvieren. Wahlmodule dienen demErwerb zusätzlicher fachlicher und überfachlicher Fähigkeiten und können aus dem gesamtenFächerangebot der Technischen Universität Berlin, anderer Universitäten und ihnen gleichgestellter Hochschulen im Geltungsbereich desHochschulrahmengesetzes sowie an als gleichwertig anerkannten Hochschulen und Universitäten des Auslandes ausgewählt werden. Eswird empfohlen, Module zu wählen, die gesellschaftliche, soziale und/oder Gender- und Diversity-Aspekte besonders berücksichtigen.Weiterhin wird geraten, hier anwendungsfachspezifische Module wie z. B. aus dem Bereich der Elektrotechnik oder Mathematik zu wählen.Zu den wählbaren Modulen gehören auch Module zum Erlernen von Fremdsprachen; Module zum Erlernen der englischen Sprache werdenab Niveau C1 GER angerechnet. Um diesen Studiengangsbereich zu bestehen, müssen die folgenden Bedingungen erfüllt sein: Es müssen mindestens 24 Leistungspunkte bestanden werden. Es dürfen höchstens 30 Leistungspunkte bestanden werden.

Projekt DCAITI 9 Portfolioprüfung ja 1.0Projekt System Quality Engineering 9 Portfolioprüfung ja 1.0Randomized Algorithms 6 mündlich ja 1.0Research Project in Network Technologies 9 Portfolioprüfung ja 1.0Semantic Web and Linked Data 6 Portfolioprüfung ja 1.0Special Topics in Communications Networks and Autonomous Security 3 Portfolioprüfung ja 1.0

Titel LP Prüfungsform Benotet GewichtMasterarbeit Computer Science / Informatik 30 Abschlussarbeit ja 1.0


Lernergebnisse Die Studierenden:- besitzen ein tieferes Verständnis der theoretischen Zusammenhänge von Schallfeldeigenschaften und die Befähigung zur methodischenLösung von entsprechenden Fragestellungen,- können selbstständig komplexe Aufgaben analysieren und berechnen, die über eine praktische Ingenieursarbeit hinausgehen, die aber füreine wissenschaftliche Auseinandersetzung mit akustischen Problemen unerläßlich sind.- besitzen ein tieferes Verständnis der theoretischen Grundlagen von Verfahren, Konzepte und Techniken zur Simulation von Schallfeldernund akustischen Umgebungen und die Befähigung zur Optimierung und Weiterentwicklung entsprechender Systeme. Das Modul vermittelt:Fachkompetenz 30 x Methodenkompetenz 30 x Systemkompetenz 20 x Sozialkompetenz 20 x

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Grundlagen der digitalen Signalverarbeitung, Technische Akustik IMesstechnik und Signalverarbeitung

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: keine Angabe

Abschluss des Moduls

Modulbeschreibung

Theoretische Akustik / Virtuelle Akustik

Modultitel:

Theoretische Akustik / Virtuelle Akustik

Leistungspunkte:

12

Modulverantwortlicher:

Weinzierl, Stefan

Sekretariat:

EN 8

Ansprechpartner:

keine Angabe

URL:

keine Angabe

Modulsprache:

Deutsch

Kontakt:

[email protected]

Prüfungsform: Benotet:Portfolioprüfung benotet

Notenschlüssel:Kein Notenschlüssel angegeben...

Prüfungselement Kategorie Gewicht Dauer/UmfangMündliche Rücksprache (Theoretische Akustik) 50Protokollierte praktische Leistung (Virtuelle Akustik) 50

20.03.2017 07:18 Uhr Modulbeschreibung #10544/1 Seite 1 von 1

Lernergebnisse In der Veranstaltung werden algorithmische und strukturelle Methoden der linearen, kombinatorischenund ganzzahligen Optimierung vermittelt und vertieft. Dazu gehort insbesondere die Komplexität linearer Programme, die Behandlung NP-schwerer Optimierungsprobleme sowie Theorie und Praxis der Lösung ganzzahliger Optimierungsprobleme. Fachkompetenz: 55% Methodenkompetenz: 30% Systemkompetenz: 10% Sozialkompetenz: 5%

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Analysis, Lineare Algebra, Kenntnisse in einer hoheren Programmiersprache, Einführung in die lineare und kombinatorische Optimierung(ADM I)



Modulbeschreibung

Diskrete Optimierung (ADM II)

Modultitel:

Diskrete Optimierung (ADM II)

Leistungspunkte:

10


Skutella, Martin

Sekretariat:

MA 5-2

Ansprechpartner:

keine Angabe

URL:

keine Angabe

Modulsprache:

Deutsch

Kontakt:

[email protected]

Prüfungsform: Benotet: Dauer/Umfang:mündlich benotet


Lernergebnisse In der Veranstaltung sollen algorithmische und strukturelle Grundlagen der approximativen Lösung kombinatorischer Optimierungsproblemevermittelt werden. Einen Schwerpunkt bilden Algorithmen und algorithmische Techniken, die (oder deren Analyse) auf linearer Optimierungberuhen. Dazu gehören insbesondere das Primal-Duale Schema und LP-Runden. Fachkompetenz: 55% Methodenkompetenz: 30% Systemkompetenz: 10% Sozialkompetenz: 5%

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Graphen- und Netzwerkalgorithmen (ADM I), Lineare Optimierung (ADM II)



Modulbeschreibung

Approximationsalgorithmen (ADM III)

Modultitel:

Approximationsalgorithmen (ADM III)

Leistungspunkte:

10


Skutella, Martin

Sekretariat:

MA 5-2

Ansprechpartner:

keine Angabe

URL:

keine Angabe

Modulsprache:

Deutsch

Kontakt:

[email protected]



Lernergebnisse In der Veranstaltung wird an den Stand der Technik bei algorithmischen und programmiertechnischenFragestellungen der rechnerischen Losung gemischt-ganzzahliger Programme herangefuhrt. Die Teilnehmersollen in die Lage versetzt werden, eine geeignete Kombination von Modell und Algorithmus zufinden oder zu entwickeln, um für komplexe kombinatorische Optimierungsprobleme Optimallösungenoder Lösungen beweisbarer Gute berechnen zu können. Ein unverzichtbarer Schwerpunkt ist dabei dieKenntnis des internen Aufbaus moderner Lösungssoftware. Fachkompetenz: 35% Methodenkompetenz: 50% Systemkompetenz: 10% Sozialkompetenz: 5%

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Graphen- und Netzwerkalgorithmen (ADMI), Lineare Optimierung (ADM II)



Modulbeschreibung

Computational Mixed Integer Programming (ADM III)

Modultitel:

Computational Mixed Integer Programming (ADM III)

Leistungspunkte:

10


Skutella, Martin

Sekretariat:

MA 5-2

Ansprechpartner:

keine Angabe

URL:

keine Angabe

Modulsprache:

Deutsch

Kontakt:

[email protected]



Lernergebnisse In this seminar you will learn the comprehensive preparation and presentation of a research topic in English. To achieve this you will have toread and categorize a scientific English text, conduct background research and present your findings. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: This course is aimed at master students with a focus on database systems and information management and should be chosen after the2nd master semester. To be able to participate you should have successfully completed 'Database Technology DBT' and one of the'Advanced Information Management AIM' (1,2,3) courses.This seminar can be taken very well by students who are directly in front of their master thesis or have already completed it and areinterested in a doctorate in information management.It is vital that you have a sound understanding of written and spoken English.



Modulbeschreibung

IMSEM - Seminar Hot Topics in Information Management

Modultitel:



Leistungspunkte:

3


Markl, Volker

Sekretariat:

EN 7

Ansprechpartner:

Rabl, Tilmann

URL:

http://www.dima.tu-berlin.de

Modulsprache:

Englisch

Kontakt:

[email protected]

Prüfungsform: Benotet:Portfolioprüfung (100 Punkte insgesamt) benotet

Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0

Prüfungsbeschreibung:The exam will be done as a 'portfolio examination', including two deliverable assessments, totaling for 100 portfolio points:- seminar presentation (50 portfolio points)- written seminar report (50 portfolio points)

The final grade according to § 47 (2) AllgStuPO will be calculated with the faculty grading table 2.(Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.)

Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) Seminar Presentation mündlich 50 60 min.(Deliverable assessment) Written Seminar Report schriftlich 50 approx. 20 pages


Lernergebnisse Die Absolventinnen und Absolventen dieses Moduls können- Fragestellungen aus dem Bereich der EEG-Analyse, die für Brain-Computer Interfacing relevant sind, selbstständig bearbeiten,- dazu notwendige Laborexperimente planen und durchführen,- die Daten auswerten und- ihre Ergebnisse interpretieren und wissenschaftlich präsentieren. Students having successfully participate in this module are capable of independently- pursue investigations in the field of EEG analysis that are relevant for Brain-Computer Interface research,- plan and conduct the required experimental studies,- evaluate the acquired data using statistical methods, and- interpret the results and present them in a scientific way. This course conveys predominantlyprofessional (25%), methods (50%), social (20%), systemic (5%)skills.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Programming skills (Matlab/Octave) and basic knowledge in signal processing and machine learning is required. Having participated in thelecture Brain-Computer Interfacing before is helpful but not required.--- --- --Programmierfähigkeit (Matlab/Octave) und Grundkenntnisse aus dem Bereich Signalverarbeitung und Klassifikation werden vorausgesetzt.Die voherige Teilnahme an der Vorlesung Brain-Computer Interfacing ist hilfreich.



Modulbeschreibung

Project: Brain-Computer Interfacing

Modultitel:

Project: Brain-Computer Interfacing

Projekt: Brain-Computer Interfacing

Leistungspunkte:

9


Blankertz, Benjamin

Sekretariat:

MAR 4-3

Ansprechpartner:

Blankertz, Benjamin

URL:

http://wiki.ml.tu-berlin.de/wiki/NT/Courses

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:The grade is determined according to § 47 (2) AllgStuPO with the grading system 1 of faculty IV.

* Code for data analysis and stimulus presentation (20%): The code is evaluated according to programming style, effectiveness anddocumentation.* Practical laboratory work including protocols (40%): The practical work is assessed according to the quality of the acquired signals; theinteraction with the participants; the elaborateness in the usage of equipment; the protocols* Presentation of results as a talk (20%): The talk is assessed according to content, clarity in structure, clear design of slides, contact tolisteners, way of speaking, appropriate answering of questions.* Written report (20%): The report is evaluated according to the criteria for a scientific paper with the structure: Introduction to the fieldincluding a review of state-of-the-art; Description of experimental design and hypotheses; Description of Material and Methods;Presentation of results and discussion; Conclusion.


Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) Code for data analysis andstimulus presentation

praktisch 20 semesterbegleitend

(Deliverable assessment) Presentation of results as a talk mündlich 20 30 min(Deliverable assessment) Written report schriftlich 20 about 15 pages(Learning process review) Practical laboratory work includingprotocols

praktisch 40 semesterbegleitend


Lernergebnisse This module’s qualification aims are: 1.Understanding of specific features of secure computer systems2.Knowledge about vulnerabilities of complex computer systems3.A profound evaluation of the security of complex computer systems no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: no special requirements



Modulbeschreibung

Computer Security - Bachelor Project

Modultitel:

Computer Security - Bachelor Project

Computer Security - Bachelor Projekt

Leistungspunkte:

6


Seifert, Jean-Pierre

Sekretariat:

TEL 17

Ansprechpartner:

Nordholz, Jan Christoph

URL:

keine Angabe

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:• final written report: up to 75 points• final presentation (talk): up to 25 points

Prüfungselement Kategorie Gewicht Dauer/Umfang(deliverable assessment) presentation mündlich 25 30 minutes(deliverable assessment) written report schriftlich 75 10-20 pages


Lernergebnisse Graduates of this module have practical experience with methods and techniques to analyze and/or optimize complex embedded systems.In addition, they have experience with techniques with which the quality or performance of embedded systems can be systematicallyensured. They have learned to solve a complex tasks within a team. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Knowledge from bachelor modules in Computer Science/Technical Computer Science or the like. Recommended is knowledge from themaster module “Quality Assurance of Embedded Systems” (MINF-SE-QSES) or “Analysis and Optimization of Embedded Systems” (MINF-SE-AOES).



Modulbeschreibung

Master Project Software Engineering of Embedded Systems

Modultitel:



Leistungspunkte:

9


Glesner, Sabine

Sekretariat:

TEL 12-4

Ansprechpartner:

Herber, Paula

URL:

http://www.sese.tu-berlin.de

Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/UmfangOral Exam mündlich 25 10-20 minProject Milestone Presentation mündlich 25 10 -20 minProject Work/ Oral Consultation mündlich 50 10 - 20 min


Lernergebnisse Die Teilnehmer erwerben vertiefte Kenntnisse in einzelnen Bereichen der aktuellen Forschung bzw. Lehre im Bereich Robotik. DieStudierenden werden befähigt, relevantes Material zu einem gegeben Thema zu recherchieren, ein Paper im Journal-Format zu schreibenund ihre Ergebnisse in einem Vortrag zu präsentieren. After attending the module, students have in depth knowledge of specific areas of Robotics under active research. Students are capable ofdoing literature research and review literature critically. They are able to write papers in a journal or conference format, and cancommunicate complex matters in oral presentations.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Vorlesung Robotics des Lehrstuhls sollte besucht worden sein. Studierende, die die Vorlesung Robotics nicht besucht haben, können nachRücksprache zugelassen werden.



Modulbeschreibung

Robotics: Current Topics

Modultitel:

Robotics: Current Topics

Robotics: Aktuelle Themen

Leistungspunkte:

3


Brock, Oliver

Sekretariat:

MAR 5-1

Ansprechpartner:

keine Angabe

URL:

http://www.robotics.tu-berlin.de/menue/teaching/

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Schriftliche Ausarbeitung schriftlich 50 2-4 Seiten(Ergebnisprüfung) Seminarvortrag mündlich 50 45 Minuten


Lernergebnisse Die Studierenden dieses Moduls verfügen über Kenntnisse aktueller Techniken und Ansätze zu Planung und Aufbau von IT Infrastrukturen,über Kenntnisse zur Dimensionierung, Virtualisierung, Hochverfügbarkeit und Storage-Anbindung, zu Aspekten der Systemsicherheit sowieüber Kenntnisse grundlegender Organisationsprozesse. Students possess knowledge of current techniques and approaches for planning and building IT infrastructures, dimensionalization,virtualization, high availability, storage-interconnection, aspects of system security and basic organizational processes.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Inhaltlich werden Kenntnisse des Moduls „Verteilte Systeme“ vorausgesetzt. Für die Übung der integrierten Veranstaltung „Betriebkomplexer IT-Systeme“ sind Grundkenntnisse des Linux-Betriebssystems hilfreich.



Modulbeschreibung

Betrieb komplexer IT-Systeme

Modultitel:

Betrieb komplexer IT-Systeme

Operating Complex IT Systems

Leistungspunkte:

6


Kao, Odej

Sekretariat:

EN 59

Ansprechpartner:

keine Angabe

URL:

http://www.cit.tu-berlin.de

Modulsprache:

Deutsch

Kontakt:

[email protected]

Prüfungsform: Benotet: Dauer/Umfang:mündlich benotet 20 Minuten


Lernergebnisse . Students who have completed this module can design and analyze algorithms for computational problems arising in various applicationcontexts. When facing a concrete computational problem, they are able to choose, from a wide range of advanced techniques, a strategy toefficiently solve the problem.This includes strategies for solving problems that are computationally hard in the worst case. In particular, the students know about currentresearch topics in algorithmics.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: a) obligatory: basic knowledge on algorithm designb) desirable: basic understanding of P vs. NP classification



Modulbeschreibung

Advanced Algorithmics

Modultitel:

Advanced Algorithmics

Höhere Algorithmik

Leistungspunkte:

9


Niedermeier, Rolf

Sekretariat:

TEL 5-1

Ansprechpartner:

Niedermeier, Rolf

URL:

http://www.akt.tu-berlin.de/menue/teaching/

Modulsprache:

Englisch

Kontakt:

[email protected]

Prüfungsform: Benotet: Dauer/Umfang:mündlich benotet 30 min


Lernergebnisse Die Studierenden verfügen über Kenntnisse aktueller Forschungsergebnisse und Trends aus dem Bereich des Betriebs komplexer IT-Systeme. Durch die Arbeit im Seminar werden zudem methodische Fertigkeiten in der Aufbereitung von Literatur, des wissenschaftlichenArbeitens, sowie der Präsentation vermittelt. Successful participants of this module have knowledge about recent research results and trends in the domain of operating complex ITsystems. Through the work in this seminar the participant will gain methodological skills in preparing literature of current research topics, thescientific work and the presentation.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Inhaltlich werden Kenntnisse der Module „Verteilte Systeme“ sowie „Betrieb komplexer IT-Systeme“ vorausgesetzt. Kenntnisse aus demModul "Bachelor Seminar Betrieb komplexer IT-Systeme" sind hilfreich.



Modulbeschreibung

Master Seminar: Operating Complex IT Systems

Modultitel:

Master Seminar: Operating Complex IT Systems

Master-Seminar: Betrieb komplexer IT-Systeme

Leistungspunkte:

3


Kao, Odej

Sekretariat:

EN 59

Ansprechpartner:

keine Angabe

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 1 der Fakultät IV ermittelt.

Prüfungselement Kategorie Gewicht Dauer/UmfangSeminarausarbeitung schriftlich 45 5-6 Seiten IEEE StyleSeminarvortrag mündlich 55 20 Minuten + 5-10 Minuten

Diskussion


Lernergebnisse The global data volume is increasing dramatically each year. Understanding how to store, process and manage these huge amounts of dataefficiently is a key requirement for software engineers and data analysts in the modern IT world. This lab (following the correspondinglecture topics of DBT-Database Technology) will teach students both the fundamentals of data processing in traditional single-nodedatabase systems and how to scale out these techniques to huge amounts of data in large-scale, distributed environments.During the implementation part of the lab, students will get hands-on experience with important data processing techniques by implementingseveral components of a relational database system and by using parallel programming platforms like Apache Hadoop or Nephele/PACT. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: This course is the base course for master students with focus on database systems and information management and should be attendedin the first semester of the master program. In contrast to the introduction of database systems (MPGI5/DBS), which looks databasesystems from an application programmers point of view, this class focuses on the internals of database systems.To participate, students are required to have successfully completed a Bachelor in computer science with a focus on database systems(participation in the Datenbankpraktikum, Datenbankprojekt). As a mandatory requirement, knowledge of data modeling, relational algebra, and SQL as well as a very good (!!) command of Javaprogramming and the GIT version control system are essential to participate in the course. These topics will not be repeated in the lecture.



Modulbeschreibung

IDB-PRA: Implementation of a Database Engine (Database Technology Lab)

Modultitel:



Leistungspunkte:

6


Markl, Volker

Sekretariat:

EN 7

Ansprechpartner:

Traub, Jonas

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:The final grade according to § 47 (2) AllgStuPO will be calculated with the faculty grading table 2.(Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.)

Prüfungselement Kategorie Gewicht Dauer/UmfangDeliverable assessment: Implementation of databasemodules for IO handling (3 tasks with 10 points each)

praktisch 30 36h (12h/task)

Deliverable assessment: Implementation of a databaseindex (1 tasks with 10 points)

praktisch 10 12h

Deliverable assessment: Implementation of databaseoperators (3 tasks with 25 points in total)


Deliverable assessment: Implementation of databaseoptimizer components (2 tasks with 25 points in total)


Deliverable assessment: Implementation of databasecomponents for massively parallel processing (1 task with 10points)

praktisch 10 12h


Lernergebnisse Project title: "Scientific Process in Computer Vision: From Ideas to Publications" Participants will gain significant insights into computer vision related problems and solutions. The goal is not to explore the whole field ofresearch completely, but rather to confront the participants with the full complexity of one specific problem and to challenge their owninitiative. Therefore we do not provide a pedagogically gentle introduction of the learners to the scientific area, but we allow insights andparticipation in research and development. The ability of the participants to work in a team shall be improved by this module. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Knowledge from the modules "Digital Image Processing" or "Automatic Image Analysis" or "Photogrammetric Computer Vision".



Modulbeschreibung

Project Hot Topics in Computer Vision A

Modultitel:



Leistungspunkte:

9


Hellwich, Olaf

Sekretariat:

MAR 6-5

Ansprechpartner:

Dennert, Marion

URL:

http://www.cv.tu-berlin.de

Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/UmfangPresentation Part II (Ergebnisprüfung) mündlich 10 15 minutesPresentation Part III (Ergebnisprüfung) mündlich 10 15 minutesSoftware praktisch 40 -Summary Part I (Ergebnisprüfung) schriftlich 5 -Written report Part II (Ergebnisprüfung) schriftlich 10 -Written report Part IV (Ergebnisprüfung) schriftlich 25 -


Lernergebnisse Die Teilnehmer gewinnen signifikante Einblicke in Computer Vision bezogene Probleme und Lösungen. Das Ziel besteht nicht darin dengesamten Bereich der Wissenschaft komplett zu erforschen, sondern die Teilnehmer mit der vollen Komplexität eines spezifischenProblems zu konfrontieren und ihre Eigeninitiative herauszufordern. Wir bieten Einblicke und Teilnahme an Forschung und Entwicklung. DieFähigkeit der Teilnehmer in einem Team zu arbeiten wird durch dieses Modul verbessert. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: keine



Modulbeschreibung

Project Hot Topics in Computer Vision B

Modultitel:



Leistungspunkte:

9


Hellwich, Olaf

Sekretariat:

MAR 6-5

Ansprechpartner:

Dennert, Marion

URL:


Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/UmfangDokumentation (Ergebnisprüfung) schriftlich 35 -Präsentation (Ergebnisprüfung) mündlich 20 2 x 15 MinutenSoftware (Ergebnisprüfung) praktisch 40 -Zusammenfassung (Ergebnisprüfung) schriftlich 5 -


Lernergebnisse Diese Lehrveranstaltung vermittelt wichtige Grundlagen der experimentellen Systemidentifikation. Weiterhin wird der Entwurf von digitalenReglern basierend auf den gewonnenen Modellen behandelt, wobei der Schwerpunkt auf Polynom-Reglerentwurfsverfahren mitTransferfunktionen liegt. Die vermittelten Methoden werden in Form von Computerübungen in der integrierten Lehrveranstaltung anAnwendungsbeispielen aus der Medizin vertieft. Betrachtete Anwendungsbeispiele aus der Medizin sind die Regelung von Neuroprothesen,die Blutzuckerregelung und die Anästhesieautomatisierung. Students will obtain knowledge about system identification and control techniques for sampled data systems.During this module students learn to select appropriate model structures and to apply suitable model parameter estimation as well as modelvalidation techniques. Additionally, they acquire the knowledge about different model-based control concepts that directly employ theintroduced model structures. Finally, students will be able to implement algorithms, to perform real system identification tasks based onrecorded I/O data, to design control systems and to run control experiments both in simulation and in real-time.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: In der Lehrveranstaltung „Systemidentifikation und Regelung in der Medizin“ werden Kenntnisse des Bachelor-Moduls „Regelungstechnik“(kontinuierliche Standardregelkreise) oder äquivalente Vorkenntnisse vorausgesetzt.



Modulbeschreibung

Systemidentifikation und Regelung in der Medizin

Modultitel:

Systemidentifikation und Regelung in der Medizin

System identification and control in medicine

Leistungspunkte:

6


Schauer, Thomas

Sekretariat:

EN 11

Ansprechpartner:

Schauer, Thomas

URL:

http://www.control.tu-berlin.de

Modulsprache:

Deutsch

Kontakt:

[email protected]



Lernergebnisse Having completed this module, participants will know:- the basic concepts and most important topics in the Cognitive Neurosciences- the state-of-the-art models in these domains and their theoretical foundations.They will understand:- strengths and limitations of the different modeling approaches (e.g. bottom-up versus top-down)- the rationale behind models and their implementation- performance criteria and critical statistical tests.They will be able to:- modify models of cognitive processes- apply existing models to novel experimental paradigms, situations or data. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: - mathematical knowledge: Some acquaintance with analysis, linear algebra, probability calculus and statistics- basic knowledge about neurobiology and cognitive psychology- basic programming skills, preferably some knowledge of Python- good command of the English language

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:


Modulbeschreibung

Models of Higher Brain Functions

Modultitel:

Models of Higher Brain Functions

Leistungspunkte:

12


Sprekeler, Henning

Sekretariat:

MAR 5-3

Ansprechpartner:

Sprekeler, Henning

URL:

https://www.bccn-berlin.de/Graduate+Programs/0_Teaching/Courses+and+Modules/#mhbf

Modulsprache:

Englisch

Kontakt:

[email protected]

1.) Programming Tutorial: complete a sufficient number of the programming assignments2.) Analytical Tutorial: gain at least 50% of the points in the homework assignments

Prüfungsform: Benotet: Dauer/Umfang:mündlich benotet 30 Min.


Lernergebnisse Acquisition of deeper knowledge in current research topics of computational biology; the projects are closely linked to research activitieswhich are conducted in the robotics and biology lab (RBO). no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Lecture Computational Biology of the chair visited or comparable prior knowledge.



Modulbeschreibung

Computational Biology Project

Modultitel:



Leistungspunkte:

9


Brock, Oliver

Sekretariat:

MAR 5-1

Ansprechpartner:

Mabrouk, Mahmoud

URL:

http://www.robotics.tu-berlin.de/

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable Assessment) 2 Presentations mündlich 25 over the semester(Deliverable Assessment) Implementation praktisch 25 over the semester(Deliverable Assessment) Scientific Report schriftlich 25 End of the semester(Deliverable Assessment) Technical Documentation schriftlich 25 End of the semester


Lernergebnisse Die Studierenden verfügen über Kenntnisse in grundlegenden Methoden der Regelung ereignisdiskreter Systeme. Dies beinhaltet dieModellierung und Analyse von Regelstrecken sowie die Synthese von Regelkreisen. Neben der Vermittlung von methodischen Kenntnissenist das Sammeln von praktischen Erfahrungen beim Lösen von Anwendungsbeispielen und im Umgang mit Softwaretools integralerBestandteil des Moduls. Diese Fähigkeiten werden durch in die Lehrveranstaltungen integrierte Rechnerübungen erworben. Students will acquire knowledge on fundamental control techniques for discrete event systems. This includes modelling and analysis ofsuch systems as well as the synthesis of controllers to construct closed loop systems satisfying specified properties. During this modulestudents will learn both the available theoretic methods for discrete event controller synthesis, as well as how to apply these methods topractically motivated examples using software-tools. The latter will take place during designated computer lab instructions integrated in thismodule.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Die Lehrveranstaltung „Ereignisdiskrete Systeme“ kann ohne Vorkenntnisse im Bereich Regelungstechnik besucht werden.



Modulbeschreibung

Discrete Event Systems

Modultitel:

Discrete Event Systems

Ereignisdiskrete Systeme

Leistungspunkte:

6


Raisch, Jörg

Sekretariat:

EN 11

Ansprechpartner:

Schafaschek, Germano

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Hausaufgabe praktisch 20 3 Wochen(Punktuelle Leistungsabfrage) Final schriftlicher Test schriftlich 40 60 Minuten(Punktuelle Leistungsabfrage) Midterm schriftlicher Test schriftlich 40 60 Minuten


Lernergebnisse Students acquire knowledge of fundamental principles and approaches of enterprise system design and engineering. In particular, thecourse introduces service-oriented programming paradigms and architectures that foster integration of distributed applications (Webservices platform, REST, Microservices) as well as modern, cloud systems and services (NoSQL stores, cloud benchmarking). Substantialhands-on experience in respective state-of-the art technologies and management approaches enable students to competently apply thisknowledge. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Knowledge of programming with Java, distributed systems and middleware concepts.



Modulbeschreibung

Enterprise Computing

Modultitel:



Leistungspunkte:

6


Tai, Stefan

Sekretariat:

EN 14

Ansprechpartner:

Peise, Marco

URL:

http://www.ise.tu-berlin.de

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:Insgesamt können 100 Portfoliopunkte erreicht werden.

Die Gesamtnote gemäß §47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Assignment praktisch 9 ca. 6 Wochen(Ergebnisprüfung) Übungsabgabe praktisch 21 ca. 40h(Punktuelle Leistungsabfrage) Schriftlicher Test schriftlich 70 70 Min.


Lernergebnisse Communication networks are perhaps the most pervasive and ubiquitous infrastructure of ourtimes. Billions of people around the world access information, make business, share experiences and stayin touch with each other through the Internet, and in particular using wireless access. The fundamental science and engineering knowledge that made this astonishing developmentpossible finds its origin in the seminal paper by Claude E. Shannon, "A Mathematical Theory of Communication", published in 1948. Thisfundamental work represents the birth of the moderninformation age. Astonishingly, at a time where the telephone networks wasanalog and based on electromechanical circuit switching and radio reduced to analog broadcasting,Shannon deployed the fundamental concepts of information measures (Entropy, Mutual Information)and their operational significance as the fundamental limits of data compression (how manybits of information are necessary to compress an information source without any loss?), channelcoding (how many bits of information per unit time can be sent through a communication channelsuch that the message is recovered by the receiver with arbitrarily low error probability?) andsource coding (how many bits of information are necessary to represent an information source suchthat its can be reconstructed within a desired fidelity level?).Since Shannon's work, the field of modern digital communications, channel coding, data networks,source coding and wireless/cellular communications has developed enormously. Very largeand successful companies, such as Qualcomm, Ericsson, Nokia, Alcatel Lucent, Siemens, Huawei,Broadcom, Intel, Samsung, have been setting the technology trends, and standards such as TCP/IP,IEEE 802.11, IEEE 802.16, GSM, IS-95, and the more recent 3GPP family of standards (e.g.,LTE/LTE-A) enable ubiquitous connectivity and the merging of a variety of communication networksonto a common interconnected platform. Perhaps the most striking fact is that Shannon'stheoretical conclusions, that information is essentially "discrete" (i.e., digital) and that any sourcecan be reduced to a common currency (bits), such bits can be exchanged reliably through a networkwhich is somehow source-agnostic, and reconstructed at the end users within a near-optimal fidelitylevel, has become a fact of everyday's life, that we all enjoy and experience. Today, we use theInternet, most of the times supported by a wireless access network, to consume a wealth of differentsources (audio, speech, video, data, images, text) that in the not-so-distant past required separateand very different networks (e.g., FM radio, land-line telephone networks, cellular telephonenetworks, telegraph/telex, mail/currier delivery, cable TV, UHF/VHF TV, Satellite TV). The module ``Information Theory and Coding'' provides a comprehensive background onfoundations and specific theoretical knowledge on information theory and channel coding, thus providing thetheoretical background that stays at the basis of modern digital communication networks. Furthermore,through a rich set of possible elective courses, the students will have the opportunity ofacquiring additional knowledge in specific areas of interest, some of which are advanced theoretical, and others are more applied andpractical, according to each student specific orientation and interest. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Suitable desired pre-requisites for participation to courses are a basicknowledge of information technology, as described in particular in the courses "Signale und Systeme"and "Nachrichtenübertragung" of the field of study "Elektronik und Informationstechnik"of the BSc degree program. This module is open to students enrolled in theTechnische Informatik MSc degree program. For participation in the laboratory work,basic knowledge of programming with MatLab is desirable, but it will be in any case provided for those

Modulbeschreibung

Information Theory and Coding (TI)

Modultitel:

Information Theory and Coding (TI)

Informationstheorie und Codierung (TI)

Leistungspunkte:

9


Caire, Giuseppe

Sekretariat:

HFT 6

Ansprechpartner:

Caire, Giuseppe

URL:

http://www.commit.tu-berlin.de/menue/lehre/

Modulsprache:

Englisch

Kontakt:

[email protected]


students who do not have such background.


Abschluss des ModulsPrüfungsform: Benotet:Portfolioprüfung (100 Punkte insgesamt) benotet


Prüfungsbeschreibung:A total of 100 points portfolio can be achieved:• two written performance assessments (40 portfolio points each) for the required courses:Modern Channel Coding and Information Theory.• Oral performance assessments, including possible project presentations, for all other elective courses (20portfolio points each).

Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlussel 3 der Fakultät IV ermittelt.

Prüfungselement Kategorie Gewicht Dauer/UmfangWritten performance assessments for the required courses schriftlich 80 90 minOral performance assessments, including possible projectpresentations, for elective courses

mündlich 20 20 min


Lernergebnisse Participants have knowledge on current research developments in the field of information systems engineering. They deepen theirunderstanding of research and common scientic practices in general, e.g. in the contexts of Cloud Computing, IoT, Blockchains,Microservices, Privacy Engineering and other. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Knowledge on Java, Distributed Systems, and Middleware concepts is required. We expect our students to be willing to work with newtechnologies, systems, and concepts - this also includes LaTeX.



Modulbeschreibung

Hot Topics in Information Systems Engineering

Modultitel:



Leistungspunkte:

3


Tai, Stefan

Sekretariat:

EN 14

Ansprechpartner:

Tai, Stefan

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:The final marks will comprise a seminar thesis and the presentation of its results. The seminar includes a peer-review phase wherestudents are asked to review theses of other students. The quality of said review is also considered.

Insgesamt können 100 Portfoliopunkte erreicht werden, die Gesamtnote gemäß §47 (2) AllgStuPO wird nach dem Notenschlüssel 2 derFakultät IV ermittelt.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Präsentation praktisch 30 1 h(Ergebnisprüfung) Kurzreview anderer Seminarabgaben schriftlich 10 2 h(Ergebnisprüfung) Schriftliche Ausarbeitung schriftlich 60 70 h


Lernergebnisse This module’s qualification aims are: 1. Thorough understanding of security relevant logic on modern integrated circuits.2. Familiarity with different classes of hardware analysis techniques.3. Design of purpose-built hardware analysis tools.4. Hardware attack mitigation techniques and architectural improvements. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Prerequisites:- Compulsory modules of the Bachelor degree.- Experience with C programmingRecommended additional skills:- Familiarity with HDL and logic design- Familiarity with electronics- Familiarity with test and measurement equipment For the practical course students will be provided access to workstations as well as test and measurement equipment used for the course.



Modulbeschreibung

Hardware Security Lab

Modultitel:



Leistungspunkte:

6



Sekretariat:

TEL 17

Ansprechpartner:

Tajik, Shahin

URL:

keine Angabe

Modulsprache:

Englisch

Kontakt:

[email protected]

Prüfungsform: Benotet:Portfolioprüfung (100 Punkte pro Element) benotet


Prüfungsbeschreibung:• (Lecture) consultation ("Rücksprache")• (Practical Course) consultation ("Rücksprache")• (Practical Course) 5 practical demos• (Practical Course) final written report

Prüfungselement Kategorie Gewicht Dauer/Umfang(deliverable assessment) final written lab report schriftlich 25 15-20 pages(examination) short oral exam on the lab course mündlich 25 10-15 minutes(examination) short oral exam on the lecture mündlich 100 20 minutes(learning process review) 5 practical demos praktisch 50 10 minutes every day


Lernergebnisse Bildsynthese in der Videokommunikation: Die Studierenden erwerben schrittweise Kompetenz über die geometrischen Zusammenhängezwischen realen und virtuellen Kameraansichten. Dazu wird vertiefend auf die geometrischen Beziehungen zwischen drei Kameraansichteneingegangen. Das Modul verdeutlicht, dass die Bildsynthese in vielfältigen Anwendungsgebieten insbesondere der Videokommunikationeingesetzt werden kann. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: -



Modulbeschreibung

Bildsynthese in der Videokommunikation

Modultitel:

Bildsynthese in der Videokommunikation

Image Synthesis in Video Communication

Leistungspunkte:

3


Hellwich, Olaf

Sekretariat:

MAR 6-5

Ansprechpartner:

Dennert, Marion

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]

1.) Modul Lineare Algebra für Ingenieurwissenschaften Bestanden



Lernergebnisse Stereobildverarbeitung in der Videokommunikation: Die Studierenden erwerben schrittweise Kompetenz über die geometrischenZusammenhänge des Abbildungsprozesses einer 3D-Szene in zwei Kameraansichten. Das Modul verdeutlicht, dass die bildbasierteTiefenanalyse in vielfältigen Anwendungsgebieten, insbesondere in der Videokommunikation, eingesetzt werden kann. no translation




Modulbeschreibung

Stereobildverarbeitung in der Videokommunikation

Modultitel:

Stereobildverarbeitung in der Videokommunikation

Stereo Image Processing in Video Communication

Leistungspunkte:

3


Hellwich, Olaf

Sekretariat:

MAR 6-5

Ansprechpartner:

Dennert, Marion

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]

1.) Modul Lineare Algebra für Ingenieurwissenschaften Bestanden



Lernergebnisse Die Studierenden haben Erfahrung in einem Praxisprojekt mit externen Partnern. Sie kennen Facetten realer Projektarbeit (Software-Entwicklung im Team, Projektmanagement, kollaborative Entscheidungsfindung, Projekt- und Ergebnisdokumentation, Kommunikation undErgebnispräsentation). Sie können teamorientiert komplexe Aufgaben im Kontext der Gestaltung und Bewertung von cloud- undwebbasierten, dienstorientierten Anwendungssystemen in Enterprise- und/oder IoT-Kontexten bewältigen. Students have hands-on experience with all aspects of project work (including team-based software development, project management,collaborative decision making, documenting and communicating project results). They are able to solve real-world problems in the contextof the design and evaluation of cloud- and web-based, service-oriented application systems in enterprise and/or IoT contexts.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Sehr gute Javakenntnisse. Wissen aus den Bereichen verteilte Systeme, Middleware, Enterprise-IT (z.B. erworben durch die VeranstaltungAnwendungssysteme). Gute Englischkenntnisse. LaTeX-Kenntnisse. Bereitschaft zum schnellen und selbstständigen Einarbeiten in neueTechnologien, Architekturstile und Programmiermodelle.



Modulbeschreibung

Praxisprojekt Anwendungssysteme

Modultitel:

Praxisprojekt Anwendungssysteme

Application Systems in Practice

Leistungspunkte:

12


Tai, Stefan

Sekretariat:

EN 14

Ansprechpartner:

Tai, Stefan

URL:


Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:Insgesamt können 100 Portfoliopunkte erreicht werden, die Gesamtnote gemäß §47 (2) AllgStuPO wird nach dem Notenschlüssel 2 derFakultät IV ermittelt.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Dokumentation praktisch 20 ca. 60h(Ergebnisprüfung) Entwickelte Softwareartefakte praktisch 30 ca. 160h(Ergebnisprüfung) Ergebnispräsentation praktisch 20 ca. 20h(Ergebnisprüfung) Mündliche Rücksprache mündlich 30 30 Min.


Lernergebnisse Students acquire a deep understanding of fundamental distributed systems concepts and their application in modernenterprise, web, and cloud architectures. They are able to put theoretical insights into practice, i.e., implement working prototypes and experimentallyevaluate them. After completing this course, students will be able to reason about complex technological choices in the fieldof enterprise computing. Furthermore, they learn to clearly communicate insights and findings and engage indiscussion. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: The module Enterprise Computing is recommended. Knowledge on programming with Java, distributed systems and middleware conceptsis required.



Modulbeschreibung

Advanced Enterprise Computing

Modultitel:



Leistungspunkte:

6


Tai, Stefan

Sekretariat:

EN 14

Ansprechpartner:

Bermbach, David

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:Insgesamt können 100 Portfoliopunkte erreicht werden. Die Gesamtnote gemäß §47 (2) AllgStuPO wird nach dem Notenschlüssel 2 derFakultät IV ermittelt.

Das Prüfungselement Abschlussprüfung ist abhängig von der Teilnehmerzahl entweder mündlich oder schriftlich. Genaueres wird zuBeginn der Veranstaltung angekündigt.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Reading Assignment praktisch 10 bis zu 5 Papers(Ergebnisprüfung) Übungsabgabe praktisch 30 ca. 40h(Punktuelle Leistungsabfrage) Abschlussprüfung schriftlich 60 ca. 1h


Lernergebnisse Acquisition of deeper knowledge in current research topics of computational neuroscience. Students will be able to search relevant actualliterature to a given topic, and present their results in a talk and a written report. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: A solid foundation in mathematics (analysis, linear algebra, probability). Basic knowledge of neuroscience and/or cognitive science will bean advantage.



Modulbeschreibung

Current Topics in Computational Neuroscience

Modultitel:



Leistungspunkte:

3


Sprekeler, Henning

Sekretariat:

MAR 5-3

Ansprechpartner:

Bunkelmann, Cathrin

URL:

keine Angabe

Modulsprache:

Englisch

Kontakt:

[email protected]

Prüfungsform: Benotet:Portfolioprüfung unbenotet

Notenschlüssel:Ab 50 Portfoliopunkten bestanden.

Prüfungsbeschreibung:The exam has the format of a portfolio exam (Portfolioprüfung). Overall, 100 portfolio points can be reached:- seminar talk (49 points)- test talk prior to the seminar talk (10 points)- written report (41 points).

Prüfungselement Kategorie Gewicht Dauer/UmfangPreparation meeting for presentation praktisch 1 1hPresentation mündlich 1 30-60minReport schriftlich 1 4 pages


Lernergebnisse Die Studierenden besitzen Überblickswissen im Bereich Automotive Software Engineering, spezifisches Wissen in den BereichenAnforderungsmanagement, Testmanagement, funktionale Sicherheit, Produktlinienmanagement, modellbasierte Entwicklung undInteroperabilität von Softwarewerkzeugen, sowie Kenntnisse zur Erstellung und Verwaltung von Anforderungen und Testfällen im Bereichdes Automotive Software Engineering. This module gives participants an introduction into the discipline of automotive software engineering, specific knowledge aboutrequirements engineering, test management, functional safety, software product lines, model-driven development, and interoperability ofsoftware tools, and insights into the creation and management of requirements and test cases in the domain of automotive softwareengineering.




Modulbeschreibung

Automotive Software Engineering

Modultitel:

Automotive Software Engineering

Automobile Softwareentwicklung

Leistungspunkte:

6


Vogelsang, Andreas

Sekretariat:

keine Angabe

Ansprechpartner:

Vogelsang, Andreas

URL:

https://www.dcaiti.tu-berlin.de/teaching/

Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungsbeschreibung:Insgesamt können 100 Portfoliopunkte erreicht werden.-Vorlesung (50 Portfoliopunkte)-Seminar (50 Portfoliopunkte)

Im Rahmen des Seminars und des Projektes sind jeweils verschiedene Studienleistungen zu erbringen. Ihre Art und Gewichtung inPortfoliopunkten sind in der oben stehenden Tabelle aufgeführt.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) SE: Dokumentation schriftlich 30 8-10 Seiten(Ergebnisprüfung) SE: Vortrag mündlich 20 20 Minuten(Ergebnisprüfung) VL: schriftlicher Test schriftlich 50 60 Minuten


Lernergebnisse Die Studierenden haben ihr Wissen zu Elektronik und Signalverarbeitung vertieft und abgerundet. Sie sind in der Lage sich selbstständig inkomplexe neue Sachverhalte aus den Bereichen Mikrocontroller-/ Signalprozessorprogrammierung einzuarbeiten, anspruchvolleelektronische Schaltungen zu entwickeln bzw. analysieren und/oder komplexe Algorithmen in Matlab oder C zu implementieren. DieThemen werden nach den individuellen Bedürfnissen der Studierenden ausgewählt. Sie sind in der Lage, einen eigenen fachlichen Beitragzu leisten, im Team zu arbeiten und Arbeitsergebnisse adäquat zu dokumentieren bzw. zu präsentieren. Students have deepened their knowledge in the fields of electronics and signal processing and are able to independently familiarizethemselves with new fields of electronics and microcontroller-/ signal processing algorithms. They can develop new electrical circuits for thegiven topic.Topics will be chosen together with the students. The students will be able to contribute to the projects as part of a team or individually andthoroughly document/present their progress.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Voraussetzung für die Teilnahme ist der erfolgreiche Abschluss eines der Module Signalverarbeitung, Elektronik, Projekt Elektronik oderentsprechende Vorkenntnisse. Prerequisite for participation is either the successful completion of one of the following modules: 'Signal Processing', 'Electronics','Electronics Project Course' or adequate prior knowledge.



Modulbeschreibung

Elektronik und Signalverarbeitung

Modultitel:

Elektronik und Signalverarbeitung

Electronics and Signal Processing

Leistungspunkte:

3


Orglmeister, Reinhold

Sekretariat:

EN 3

Ansprechpartner:

Pielmus, Alexandru-Gabriel

URL:

http://www.emsp.tu-berlin.de/menue/studium_und_lehre/

Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:Beurteilte Laborarbeit: Geprüft wird die Fachliche Qualität der Mitarbeit im Rahmen der Projektdurchführung - von der ersten Entwurfsidee,über Literaturrecherche und Realisierung, bis hin zum Debugging der Schaltung.Dokumentation: Geprüft wird die ausführliche technische Dokumentation zur realisierten Schaltung (Gruppe). Diese soll alle Design-Entscheidungen, die Vorgehensweise und Ergebnisse, gegebenenfalls inklusive Begründung unerwarteter Resultate, dokumentieren.Präsentation: Geprüft wird die fachliche und rhetorische Qualität des Kurzvortrags (~5-10 Minuten) zur entworfenen Schaltung, imRahmen einer fachgebiets-internen Präsentation.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Präsentation mündlich 10 12 Minuten(Ergebnisprüfung) Dokumentation schriftlich 50 20 Seiten(Lernprozessevaluation) Beurteilte Laborarbeit praktisch 40 15 Termine


Lernergebnisse Students will gain an in-depth knowledge of a topic of logic in computer science at the frontier of research.They will also gain a good understanding of how research is conducted in theoretical computer science and how dissemination of scientificresults works in this field.They will gain presentation and communication skills and will learn to extract the main research questions of a particular area from theliterature. Students will gain an in-depth knowledge of a topic of logic in computer science at the frontier of research.They will also gain a good understanding of how research is conducted in theoretical computer science and how dissemination of scientificresults works in this field.They will gain presentation and communication skills and will learn to extract the main research questions of a particular area from theliterature.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: no formal requirements. A solid background in logic or logical methods in computer science (e.g. successful completion of theundergraduate lecture on Logic/TheGI 3 or the lecture Logical Methods in Computer Science or similar lectures) will be necessary tounderstand the lectures given at CSL.



Modulbeschreibung

CSL Blockseminar

Modultitel:

CSL Blockseminar

Computer Science Logic

Leistungspunkte:

3


Kreutzer, Stephan

Sekretariat:

TEL 7-3

Ansprechpartner:

Pilz, Jana

URL:

keine Angabe

Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Lernergebnisse Die Studierenden sind in der Lage, moderne Verfahren der Nachrichtentechnik zu verstehen, eigenständig zu analysieren und systematischzu entwerfen. Durch die Vertiefung der vermittelten Grundprinzipien der Quellcodierung bzw. der Digitalen Nachrichtenübertragung wird dieAnalyse und der Entwurf von Verfahren der Nachrichtentechnik durch die Studierenden auch anhand von Fallbeispielen praktischnachvollzogen. Students are able to understand, analyse and systematically design modern methods of telecommunications engineering. They learn basicsof source coding or digital communication systems and analyse and design procedures of telecommunications engineering with practicalexamples.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Ein vorheriger Besuch der Lehrveranstaltung "Digitale Nachrichtenübertragung" und/oder „Quellencodierung -Multimediasignalverarbeitung“ wird empfohlen.



Modulbeschreibung

Hot Topics in Communication Systems

Modultitel:

Hot Topics in Communication Systems

Hot Topics in Communciation Systems

Leistungspunkte:

3


Sikora, Thomas

Sekretariat:

EN 1

Ansprechpartner:

Sikora, Thomas

URL:

http://www.nue.tu-berlin.de/menue/studium_und_lehre/moduluebersicht/master_elektrotechnik_master_computer_engineering_stupo_2015/#662138

Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungsbeschreibung:Die Prüfungsform des Moduls ist eine Portfolioprüfung bestehend aus dem Abgabevortrag, eine anschließende Diskussion und einerschriftlichen Ausarbeitung.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Referat mündlich 40 30 Minuten(Ergebnisprüfung) Schriftliche Ausarbeitung schriftlich 30 25 Seiten(Lernprozessevaluation) Mündliche Rücksprache mündlich 30 14x20 Minuten


Lernergebnisse Die Studierenden sind in der Lage, moderne Verfahren der Nachrichtentechnik zuverstehen, eigenständig zu analysieren und systematisch zu entwerfen. Durch die Vertiefung dervermittelten Grundprinzipien der Quellcodierung bzw. der Digitalen Nachrichtenübertragung wird die Analyse und der Entwurf vonVerfahren der Nachrichtentechnik durch die Studierenden auch anhand von Fallbeispielen praktisch nachvollzogen und implementiert. Students are able to understand, analyse and systematically design modern methods of telecommunications engineering. They learn basicsof source coding and digital transmission systems, analyse and design methods of communication systems with practical examples.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Die im Modul angebotenen Lehrveranstaltungen setzen fortgeschrittene Kenntnisse der Informationstechnik voraus, wie sie insbesondere indem Modulen "Quellencodierung - Multimediasignalverarbeitung" und "Nachrichtenübertragung" vermittelt werden.



Modulbeschreibung

Projekt Nachrichtenübertragung

Modultitel:

Projekt Nachrichtenübertragung

Project Communication Systems

Leistungspunkte:

6


Sikora, Thomas

Sekretariat:

EN 1

Ansprechpartner:

Sikora, Thomas

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungsbeschreibung:In die Bewertung des Projekts fließen der erstellte Quellcode, eine schriftliche Ausarbeitung, sowie der Zwischenvortrag und derAbschlussvortrag ein.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Referat (Abschlussvortrag) mündlich 20 20 Minuten(Ergebnisprüfung) Referat (Zwischenvortrag) mündlich 20 20 Minuten(Ergebnisprüfung) Schriftliche Ausarbeitung (Projektbericht) schriftlich 20 25 Seiten(Ergebnisprüfung) Schriftliche Ausarbeitung (Quellcode) schriftlich 40 1500 Codezeilen


Lernergebnisse Die Studierenden sind in der Lage, moderne Verfahren der Datenkompression für Multimediasignale zu verstehen, eigenständig zuanalysieren und systematisch zu entwerfen. Students are able to understand, analyse and systematically design modern methods of data compression for multimedia signals.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Die im Modul angebotenen Lehrveranstaltungen setzen grundlegende Kenntnisse der Informationstechnikvoraus, wie sie insbesondere im Pflichtfach „Signale und Systeme“ im Modul „Nachrichtenübertragung“ imBachelorstudiengang vermittelt werden.



Modulbeschreibung

Quellencodierung - Multimediasignalverarbeitung

Modultitel:

Quellencodierung - Multimediasignalverarbeitung

Coding - Multimedia Signal Processing

Leistungspunkte:

6


Sikora, Thomas

Sekretariat:

EN 1

Ansprechpartner:

Sikora, Thomas

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/Umfang(Punktuelle Leistungsabfrage) Schriftlicher TestQuellencodierung

schriftlich 50 60 Minuten

(Punktuelle Leistungsabfrage) Schriftlicher Test StatistischeNachrichtentheorie



Lernergebnisse Die Studierenden vertiefen die in dem Modul "Quellencodierung - Multimediasignalverarbeitung" vermittelten Grundprinzipien derQuellcodierung und sind in der Lage die Analyse und den Entwurf von Verfahren der Multimediasignalanalyse sowie -codierung auchanhand von Fallbeispielen praktisch nachzuvollziehen. In the module “Advanced in Source Coding - Multimedia Signal Processing" Students will learn more about the basics of source coding andthey are able to analyse and design procedures of multimedia signal analysis. Practical examples will play a significant role in that course.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Voraussetzung für das Modul ist ein vorheriger oder gleichzeitiger Besuch des Moduls "Quellencodierung - Multimediasignalverarbeitung".



Modulbeschreibung

Quellencodierung - Multimediasignalverarbeitung - Vertiefung

Modultitel:

Quellencodierung - Multimediasignalverarbeitung - Vertiefung

Advanced Source Coding - Multimedia Signal Processing

Leistungspunkte:

6


Sikora, Thomas

Sekretariat:

EN 1

Ansprechpartner:

Sikora, Thomas

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungsbeschreibung:Alternativ zu zwei Wahlpflichtmodulen mit je 3 LP, kann die Lehrveranstaltung Standbildcodierung besucht werden. In diesem Fall könnendort 100 Portfoliopunkte erreicht werden.Die Summe der Punkte wird linear auf 100 normiert.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Punktuelle Leistungsabfrage) Wahlpflichtveranstaltung 2(Mündliche Rücksprache/Schriftlicher Test)

flexibel 50 19/60 Minuten

(Punktuelle Leistungsabfrage) Wahlpflichtveranstaltung 1(Mündliche Rücksprache/Schriftlicher Test)

flexibel 50 19/60 Minuten


Lernergebnisse Die Studierenden sind in der Lage, digitale Punkt-zu-Punkt-Verbindungen zu analysieren und selbstständig zu entwerfen. Weiterhinerwerben sie die Voraussetzungen, um eigenständig neue Verfahren der digitalen Audio- und Bildsignalverarbeitung zu verstehen und zubewerten. Durch die Vorlesung, Übung und das Laborpraktikum werden die Grundlagen der digitalen Nachrichtenübertragung und -verarbeitung derart vertieft, dass die erworbenen Prinzipien durch die Studierenden auf Audio- oder/und Bildsignale angewendet werdenkönnen. Students are able to analyse and design digital point-to-point connections. They gain the requirements to understand and evaluate newprocedures of digital audio and image signals. Due to the lecture, the exercise and the laboratory basics of digital communication systemsare learned in a way, that the principles can be applied in audio- and imagesignals by the students.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Die im Modul angebotenen Lehrveranstaltungen setzen grundlegende Kenntnisse der Informationstechnik voraus, wie sie insbesondere imPflichtfach „Signale und Systeme“ im Modul „Nachrichtenübertragung“ im Bachelorstudiengang vermittelt werden.



Modulbeschreibung

Digitale Nachrichtenübertragung

Modultitel:

Digitale Nachrichtenübertragung

Digital Communication Systems

Leistungspunkte:

6


Sikora, Thomas

Sekretariat:

EN 1

Ansprechpartner:

Sikora, Thomas

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungsbeschreibung:Die Vorlesung „Digitale Nachrichtenübertragung“ und die dazugehörige Übung werden gemeinsam in Form eines schriftlichen Testsbewertet. Die Bewertung des Praktikums erfolgt anhand von drei Protokollen zu den einzelnen Versuchen, sowie der beurteiltenLaborarbeit während der Versuche.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Protokollierte praktische Leistung 1 schriftlich 20 30 Seiten(Ergebnisprüfung) Protokollierte praktische Leistung 2 schriftlich 20 30 Seiten(Ergebnisprüfung) Protokollierte praktische Leistung 3 schriftlich 20 30 Seiten(Lernprozessevaluation) Beurteilte Laborarbeit praktisch 10 6x4 Stunden(Punktuelle Leistungsabfrage) Schriftlicher Test schriftlich 30 60 Minuten


Lernergebnisse Die Studierenden sind in der Lage, moderne Verfahren der Datenkompression für Multimediasignale zu verstehen, eigenständig zuanalysieren und systematisch zu entwerfen. Durch die Vertiefung der vermittelten Grundprinzipien der Quellcodierung wird die Analyse undder Entwurf von Verfahren der Multimediasignalanalyse sowie -codierung durch die Studierenden auch anhand von Fallbeispielen praktischnachvollzogen. Students are able to understand, analyse and systematically design modern methods of data compression for multimedia signals. Theylearn the basic principles of source coding and analysis and the design of procedures of multimedia signal analysing and coding withpractical examples.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Voraussetzung: Vorheriger oder gleichzeitiger Besuch des Moduls "Digitale Nachrichtenübertragung".



Modulbeschreibung

Digitale Nachrichtenübertragung - Vertiefung

Modultitel:

Digitale Nachrichtenübertragung - Vertiefung

Advanced Digital Communication Systems

Leistungspunkte:

6


Sikora, Thomas

Sekretariat:

EN 1

Ansprechpartner:

Sikora, Thomas

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungsbeschreibung:Die Vorlesungen „Adaptive Filter“ und „Signalverarbeitung“ werden jeweils in Form schriftlicher Tests bewertet.Die Bewertung der Veranstaltungen „Algorithmen der Bildverarbeitung“ und „Srachsignalverarbeitung: Verfahren und Anwendung“ erfolgtdurch mündliche Rücksprache.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Punktuelle Leistungsabfrage) Wahlpflichtveranstaltung 1(Mündliche Rücksprache/Schriftlicher Test)

flexibel 50 siehePrüfungsformbeschreibung

(Punktuelle Leistungsabfrage) Wahlpflichtveranstaltung 2(Mündliche Rücksprache/Schriftlicher Test)

flexibel 50 siehePrüfungsformbeschreibung


Lernergebnisse Absolventen dieses Moduls sind in der Lage sich in praxisnahe Themen einzuarbeiten und diese für die Präsentation vor ihrenKommilitonen aufzubereiten. Weiterhin haben Sie Kenntnisse in einer Reihe praxisrelevanter Problemstellungen und Herangehensweisenerlangt. Graduates of this module are able to become acquainted with current topics relevant to the automotive industry. They are also able toprocess relevant information and to present it to the other students. They have gained knowledge of a number of specific topics andmethodologies.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Die Inhalte der Bachelorstudiengänge Informatik oder Technische Informatik müssen bekannt sein.



Modulbeschreibung

Entwicklung verteilter eingebetteter Systeme

Modultitel:

Entwicklung verteilter eingebetteter Systeme

Development of distributed embedded systems

Leistungspunkte:

3


Glesner, Sabine

Sekretariat:

TEL 12-4

Ansprechpartner:

Fellmuth, Joachim

URL:

http://www.sese.tu-berlin.de/menue/studium_und_lehre/

Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungsbeschreibung:Die Teilnehmer präsentieren ihre Ergebnisse in einem Vortrag und einer schriftlichen Ausarbeitung (6-10 Seiten).

Die Benotung wird nach Notenschlüssel 2 der Fakultät 4 entsprechend § 47 (2) AllgStuPO durchgeführt.

Prüfungselement Kategorie Gewicht Dauer/UmfangPräsentation mündlich 50 45 minSchriftliche Ausarbeitung schriftlich 50 6 -10 p


Lernergebnisse Students gain/are expected to- Knowledge on the topic of privacy with focus on human aspects in information privacy- Conduct research in a group- Give a presentation on a specific topic to an audience- Participate in a one-day workshop Students gain/are expected to- Knowledge on the topic of privacy with focus on human aspects in information privacy- Conduct research in a group- Give a presentation on a specific topic to an audience- Participate in a one-day workshop

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Basic knowledge in information and communication technologies and HCI is recommended.



Modulbeschreibung

Usable Privacy

Modultitel:

Usable Privacy

Usable Privacy

Leistungspunkte:

3


Möller, Sebastian

Sekretariat:

TEL 18

Ansprechpartner:

Hirsch, Tobias

URL:

http://www.qu.tu-berlin.de/menue/studium_und_lehre/

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:

Tests: On three specific dates there is a short test around the topics dealt with during the seminar.

Presentation: Based on a given or self-chosen topic the students hold presentations in small groups.

Written assignment: The students plan and conduct in groups a small study related to privacy and present the study including the results ina short report.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) Presentation mündlich 28 15-30 min(Deliverable assessment) Written assignment schriftlich 60 3-5 pages per group(Examination) 3 tests each 4 points schriftlich 12 30 min


Lernergebnisse Students gain- Understanding of the most important principles of human-computer interaction.- Basic knowledge of multimodality and multimodal interacttion.- Basic knowledge of the gestural interaction.- Basic knowledge of speech production and perception.- Basic knowledge of speech recognition, acoustic feature extraction, and sequence modeling.- Basic knowledge of audio-visual and multimodal speech recognition.- Basic knowledge of machine learning and data mining.- Basic knowledge of machine translation and dialogue systems.- Presentation and knowledge transfer skills. Students will be able to- use the learned knowledge for designing exemplary human-computer interfaces no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Basic knowledge of communications engineering and digital signal processing.



Modulbeschreibung

Computer-Supported Interaction

Modultitel:



Leistungspunkte:

3


Möller, Sebastian

Sekretariat:

TEL 18

Ansprechpartner:

Hirsch, Tobias

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]

Prüfungsform: Benotet: Dauer/Umfang:schriftlich benotet 90 min


Lernergebnisse Die Studierenden erwerben Kenntnisse in grundlegenden Methoden der Regelung von Mehrgrößensystemen. Dies beinhaltet dieModellierung und Analyse von Regelstrecken sowie die Synthese von Regelkreisen. Neben der Vermittlung von methodischen Kenntnissenist das Sammeln von praktischen Erfahrungen beim Lösen von Anwendungsbeispielen und im Umgang mit Softwaretools integralerBestandteil des Moduls. Diese Fähigkeiten werden durch in die Lehrveranstaltungen integrierte Rechnerübungen erworben. Students will acquire knowledge on fundamental control techniques for systems with multiple inputs and outputs, i.e., multivariable systems.This includes modelling and analysis of such systems as well as the synthesis of multivariable control systems. In the context of thismodule, students will learn both the available theoretic methods for multivariable controller synthesis and their application to practicallymotivated examples using software-tools. The latter will take place during designated computer lab instructions integrated in this module.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: In der Lehrveranstaltung „Mehrgrößenregelsysteme“ werden Kenntnisse des Bachelor-Moduls „Regelungstechnik“ (kontinuierlicheStandardregelkreise) oder äquivalente Vorkenntnisse vorausgesetzt.



Modulbeschreibung

Mehrgrößenregelsysteme

Modultitel:

Mehrgrößenregelsysteme

Multivariable Control Systems

Leistungspunkte:

6


Raisch, Jörg

Sekretariat:

EN 11

Ansprechpartner:

Seel, Thomas

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]

Prüfungsform: Benotet: Dauer/Umfang:schriftlich benotet 90 Minuten


Lernergebnisse Die Studierenden verfügen über Kenntnisse in grundlegenden Methoden der Regelung nichtlinearer Systeme. Dies beinhaltet dieModellierung und Analyse von Regelstrecken sowie die Synthese von Regelkreisen. Neben der Vermittlung von methodischen Kenntnissenist das Sammeln von praktischen Erfahrungen beim Lösen von Anwendungsbeispielen und im Umgang mit Softwaretools integralerBestandteil des Moduls. Diese Fähigkeiten werden durch in die Lehrveranstaltungen integrierte Rechnerübungen erworben. The participants acquire knowledge on basic nonlinear control methods. This includes modeling and analysis of plant dynamics as well ascontroller synthesis. In computer exercises, which represent an integral part of the course, these methods are applied to diverse applicationexamples using standard software tools.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: In der Lehrveranstaltung „Nichtlineare Regelsysteme“ werden Kenntnisse des Bachelor-Moduls „Regelungstechnik“ (kontinuierlicheStandardregelkreise) oder äquivalente Vorkenntnisse vorausgesetzt.



Modulbeschreibung

Nichtlineare Regelsysteme

Modultitel:

Nichtlineare Regelsysteme

Nonlinear Control Systems

Leistungspunkte:

6


Schauer, Thomas

Sekretariat:

EN 11

Ansprechpartner:

Seel, Thomas

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]



Lernergebnisse - This course introduces the major ideas used today in the implementation of programming language compilers. Students will learn how aprogram written in a high-level language designed for humans translates into a program written in low-level assembly. Students will be able to:- Understand how real compilers work and how high-level language program are systematically translated into low-level assembly;- Become familiar with compiler analyses, intermediate representations and code generation;- Improve programming ability;- Implement compiler analysis, transformation and code generation approaches based on real compiler infrastructures;- Study recent advances in compiler design.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: - Knowledge of C programming- An introductory course on computer architecture is recommended



Modulbeschreibung

Compiler Design

Modultitel:

Compiler Design

Compilerentwurf

Leistungspunkte:

6


Juurlink, Bernardus

Sekretariat:

EN 12

Ansprechpartner:

Cosenza, Biagio

URL:

http://www.aes.tu-berlin.de

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:Grading system 2 will be used.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) 4 assigments, equally weighted praktisch 50 jeweils 3-4 Wochen(Examination) Final test schriftlich 50 90 min


Lernergebnisse Students are presented with fundamental and advanced concepts in Information Theory. The module is formed by two courses insequence. In the first course, basic information measures and single-source/single-destination problems are presented. In the secondcourse, multiuser network problems are presented. Information theory forms the theoretical foundation of communication networks, datacompression, data storage, and source coding, such as video and audio coding. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Prerequisite for participation to courses are a mathematical background at the level of beginning MS students in Electrical Engineering(multivariate calculus, Fourier and Laplace Transforms, signals and systems, linear algebra and notions of matrix theory). The course isopen to students enrolled in any MSc in EE CS, Mathematics and Physics



Modulbeschreibung

Information Theory

Modultitel:

Information Theory

Information Theory

Leistungspunkte:

6


Caire, Giuseppe

Sekretariat:

HFT 6

Ansprechpartner:

Caire, Giuseppe

URL:

http://www.commit.tu-berlin.de/menue/lehre/parameter/en/

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:The final grade according to § 47 (2) AllgStuPO will be calculated according to Notenschlüssel 3 of FacultyIV.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) Project presentation mündlich 40 20 min(Examination) Oral examination/discussion mündlich 20 20 min(Examination) Written test schriftlich 40 90 min


Lernergebnisse This module presents an overview of the channel coding techniques currently used in wireless network standards and data storagesystems. Classical coding theory (algebraic coding) is presented at a glance. A graph-theoretic framework is adopted to presentconvolutional codes and sparse graph codes (Turbo Codes, LDPC codes) and their decoding algorithms (Viterbi Decoding, BeliefPropagation Decoding). Special topics such as regenerative storage codes, spatially coupled codes and sparse superposition codes aretreated as research projects. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Prerequisite for participation to courses are a mathematical background at the level of beginning MS students in Electrical Engineering(multivariate calculus, Fourier and Laplace Transforms, signals and systems, linear algebra and notions of matrix theory). The course isopen to students enrolled in any MSc in EE CS, Mathematics and Physics.



Modulbeschreibung

Channel Coding

Modultitel:

Channel Coding

Channel Coding

Leistungspunkte:

3


Caire, Giuseppe

Sekretariat:

HFT 6

Ansprechpartner:

Caire, Giuseppe

URL:

http://www.commit.tu-berlin.de/menue/lehre/parameter/en/

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:The final grade according to § 47 (2) AllgStuPO will be calculated according to Notenschlüssel 3 of FacultyIV.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) Project presentation mündlich 60 20 min(Examination) Oral examination/discussion mündlich 40 20 min


Lernergebnisse Nach Abschluss dieses Moduls verfugen die Studierenden uber vertiefte Kenntnisse in einzelnenBereichen der aktuellen Forschung in den Bereichen der Modellierung kognitiver Prozesse und Computational Neuroscience; Projekte sindeng in laufende Forschungsaktivitäten eingebunden. Upon completion of this module, the students have acquired a deeper understanding of selected areas of current research in the domains ofcomputational neuroscience and modelling of cognitive processes.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Wunschenswerte Voraussetzungen fur die Teilnahme zu den Lehrveranstaltungen: solide mathematische Grundkenntnisse, Basiswissen inComputational Neuroscience. Wer ohne eurowissenschaftliches Basiswissen teilnehmen will, benötigt die Zustimmung des Professors undsollte diesen im Vorfeld kontaktieren.



Modulbeschreibung

Projekt: Modellierung kognitiver Prozesse

Modultitel:

Projekt: Modellierung kognitiver Prozesse

Project: Modelling of cognitive processses

Leistungspunkte:

9


Sprekeler, Henning

Sekretariat:

MAR 5-3

Ansprechpartner:

Sprekeler, Henning

URL:

keine Angabe

Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:Insgesamt können 100 Punkte erreicht werden. Die Benotung der Arbeit gliedert sich in 4 Teile:* Fachliche Qualität der Implementierung und Umsetzung (25 Portfoliopunkte)* Präsentation des Projektes und Projektfortschritts (25 Portfoliopunkte)* Qualität und Umfang der Technischen Dokumentation (25 Portfoliopunkte)* Wissenschaftlicher Report am Ende des Projektes (25 Portfoliopunkte)Verwendeter Notenschlussel: Notenschlussel 2 der Fakultät IV gemäß § 47 (2) AllgStuPO

Prüfungselement Kategorie Gewicht Dauer/UmfangFachliche Qualität der Implementierung und Umsetzung 25Präsentation des Projektes und Projektfortschritts 25Qualität und Umfang der Technischen Dokumentation 25Wissenschaftlicher Report am Ende des Projektes 25


Lernergebnisse Die Studierenden haben ein Verständnis von grundlegenden kognitiven Prozessen und deren biologischer Grundlage im Gehirn. Nebenden neuropsychologischen Grundlagen sollen Methoden zur Charakterisierung und Modellierung von kognitiven Prozessen vermitteltwerden. The students have obtained an understanding of essential cognitive processes and their biological basis in the brain. The course aims atconveying the basic neurophysiological underpinnings of these processes, as well as methods that are used to characterize and modelcognitive processes.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: gute Programmierkenntnisse, mathematische Kenntnisse aus linearer Algebra, Analysis, Warscheinlichkeitstheorie, Statistik und Theoriedynamischer Systeme good programming skills, basic knowledge of linear algebra, analysis, probability theory, statistics, dynamical systems



Modulbeschreibung

Einführung in die kognitiven Neurowissenschaften

Modultitel:

Einführung in die kognitiven Neurowissenschaften

Leistungspunkte:

6


Sprekeler, Henning

Sekretariat:

MAR 5-3

Ansprechpartner:

Sprekeler, Henning

URL:

keine Angabe

Modulsprache:

Deutsch

Kontakt:

[email protected]

1.) [AIPA] erfolgleiches Bestehen der Übung



Lernergebnisse Absolventen dieses Moduls verfügen über grundlegende Kompetenzen in Anwendung und Weiterentwicklung von Web Technolgien sowiederen Anwendung inbesondere auf dem Gebieten Online-Medien (z.B. Web-TV, Streaming, Content Protection, Social Media),Telekommunikation (z.B. Web-RTC) und Internet of Things. Students who have successfully completed this module, have acquired the most important skills in application and development of WebTechnologies as well as their application in online media (e.g., Web-TV, Streaming, Content Protection, Social Media), Telecommunications(e.g. Web-RTC) and the Internet of Things.




Modulbeschreibung

Advanced Web Technologies

Modultitel:



Leistungspunkte:

6


Hauswirth, Manfred

Sekretariat:

TEL 4-1

Ansprechpartner:

Fischer, Heike

URL:

http://www.ods.tu-berlin.de/

Modulsprache:

Englisch

Kontakt:

[email protected]




The final grade of the module is based on the grading system 2 of Faculty IV (§ 47 (2) AllgStuPO).

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung/ Deliverable assessment) SE:Dokumentation

schriftlich 30 8 pages

(Ergebnisprüfung/ Deliverable assessment) SE: Vortrag mündlich 20 20 min(Punktuelle Leistungsabfrage/ Examination) VL: schriftlicherTest

schriftlich 50 60 min


Lernergebnisse Security is a prerequisite of modern wireless communication systems and user services. In this course we will introduce a new securityparadigm for communication systems called physical layer security (PLS). PLS is an advanced method envisioned to meet the advancedrequirements of future communication systems such as low latency ('fast security') and 'plug&secure' functionality. PLS is based on a welldefined mathematical theory exploiting the inherent properties of the wireless channel such as noise and fading. This module introducesinformation-theoretic foundations of PLS including the definition of secrecy capacity for the point-to-point wireless channel with aneavesdropper as well as secret key agreement from stochastic channel measurements. Several potential deployment scenarios such as theInternet of Things will be discussed. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Prerequisite for participation to courses are a mathematical background at the level of beginning MS students in Electrical Engineering anda background in information theory. In particular, the course Information Theory is required for this module. (The course is open to studentsenrolled in any MSc in EE CS, Mathematics and Physics.



Modulbeschreibung

Physical Layer Security

Modultitel:



Leistungspunkte:

3


Schaefer, Rafael

Sekretariat:

HFT 6

Ansprechpartner:

Schaefer, Rafael

URL:

http://www.commit.tu-berlin.de/menue/lehre/

Modulsprache:

Englisch

Kontakt:

[email protected]

Prüfungsform: Benotet: Dauer/Umfang:mündlich benotet 30


Lernergebnisse Die Studierenden lernen die Umsetzung (Implementierung) und praktische Anwendung von neuen (sich in Entwicklung befinden) WebTechnologien insbesondere auf den Gebieten Online- Medien (z.B. Web-TV, Streaming, Content Protection, Social Media),Telekommunikation (z.B. Web-RTC), sowie Internet of Things. Students will learn the implementation and practical application of new Web technologies, particularly in the areas of online media (eg WebTV, Streaming, Content Protection,Social Media ), telecommunications (eg Web - RTC ) and Internet of Things .

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Grundkenntnisse über Web-Technologien, Betriebssysteme und Anwendungen, etc. sowie Programmierkenntnisse für die Umsetzung. Basic knowledge of web technologies, operating systems and applications, etc. as well as programming skills.



Modulbeschreibung

Projekt Advanced Web Technologies

Modultitel:

Projekt Advanced Web Technologies

Project Advanced Web Technologies

Leistungspunkte:

6


Hauswirth, Manfred

Sekretariat:

TEL 4-1

Ansprechpartner:

Fischer, Heike

URL:

http://www.ods.tu-berlin.de

Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]




- drei Vorträge (je 10 Portfoliopunkte)- eine Dokumentation (30 Portfoliopunkte)- eine Implementierung (40 Portfoliopunkte)

Die Gesamtnote gemäß § 47 (2) AllStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung/ Deliverable assassment) Dokumentation schriftlich 30 5 Seiten Paperformat (2-

spaltig)(Ergebnisprüfung/ Deliverable assassment) Implementierung praktisch 40 Projektabhängig(Ergebnisprüfung/ Deliverable assassment) Vorträge mündlich 30 3x á 5 min


Lernergebnisse Die Studierenden besitzen vertiefte Kenntnisse in der Beleuchtungstechnik. Mit ihrem Wissen sind sie in der Lage, lichttechnischeBerechnungen durchzuführen, lichttechnische Anlagen zu dimensionieren und Begutachtungen von Beleuchtungsanlagen durchzuführen.Die Studierenden haben Qualifikationen erworben, die sie für die Arbeit in Lichtplanungsbüros sowie für gutachterliche Tätigkeiten befähigt. The students have in-depth lighting technology knowledge. With this knowledge, they are able to perform lighting calculations, to dimensionlighting solutions and to assess the performance of lighting solutions. The students have acquired skills that allow them to work in lightingdesign practice as well as to perform expert review and advisory activities.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Wünschenswerte Voraussetzung für die Teilnahme zu den Lehrveranstaltungen des Moduls „Angewandte Lichttechnik“: „Einführung in dieLichttechnik“ oder „Grundlagen der Lichttechnik“.Falls die Lehrveranstaltung „Einführung in die Lichttechnik“ nicht im Bachelor oder die Lehrveranstaltung „Grundlagen der Lichttechnik“nicht im Master besucht und geprüft wurden, ist der vorherige Besuch und die erfolgreiche Prüfung der Lehrveranstaltung „Grundlagen derLichttechnik“ wünschenswert.



Modulbeschreibung

Angewandte Lichttechnik

Modultitel:

Angewandte Lichttechnik

Applied Lighting Technology

Leistungspunkte:

6


Völker, Stephan

Sekretariat:

E 6

Ansprechpartner:

Knoop, Martine

URL:

http://www.li.tu-berlin.de/

Modulsprache:

Deutsch

Kontakt:

[email protected]




Prüfungsbeschreibung:Die Bewertung für die Kombination der Veranstaltungen Beleuchtungstechnik I (VL) + Beleuchtungstechnik (PJ) ergibt sich aus:Präsentation des Projektes: Beurteilt werden das Auftreten während der Projektpräsentation sowie der Inhalt und die Darstellungsformdieser Präsentation, welche Projektidee, -planung und -ablauf sowie als Hauptschwerpunkt das Ergebnis beinhalten sollte. Geprüft wirdauch das Verständnis zu den lichttechnischen Gütemerkmalen, durch die individuelle Bewertung der Projekte der anderen Studierendenwährend deren Projektpräsentationen.Projektdokumentation: Geprüft wird die Beschreibung des Projektes im Detail. Der Bericht sollte die quantitative Erfassung und qualitativeBewertung der Bestandsanlage sowie das Konzept, die Planungsergebnisse und der Kostenberechnung der neuen Beleuchtungsanlagebeschreiben.

Die Bewertung für die Kombination der Veranstaltungen Beleuchtungstechnik I (VL) + Beleuchtungstechnik II (IV) ergibt sich aus:Protokollierte praktische Leistung des Praktikums „Thermographie“: Geprüft wird die Dokumentation des Versuchs. In dieser sollten diewissenschaftlichen und technischen Grundlagen, die Beschreibung der Messplätze, die Versuchsdurchführung mit ermitteltenMesswerten, sowie die Interpretation der Ergebnisse, Fehlerbetrachtung und die Dokumentation möglicher Störeinflüsse enthalten sein.Mündlicher Test zu den Vorlesungen Beleuchtungstechnik I und II: Geprüft wird das Verständnis der „Beleuchtungstechnik I“- und„Beleuchtungstechnik II“-Vorlesungsinhalte.

Die Bewertung für die Kombination der Veranstaltungen Beleuchtungstechnik I (VL) + Tageslichttechnik und Solarstrahlung (IV) ergibt sichaus:Hausaufgaben „Tageslichttechnik und Solarstrahlung“: Geprüft wird das Verständnis der Vorlesungsinhalte anhand des Durchrechnensvon exemplarischer Aufgabenstellungen in 5 Hausaufgaben.Mündlicher Test zu den Vorlesungen „Beleuchtungstechnik I“ und „Tageslichttechnik und Solarstrahlung“: Geprüft wird das Verständnisder Vorlesungsinhalte.

Beleuchtungstechnik I (VL) + Beleuchtungstechnik II (IV) : mündliche Rücksprache zu den Vorlesungen Beleuchtungstechnik I und II80mündlich35 MinutenBeleuchtungstechnik I (VL) + Beleuchtungstechnik PJ : Ergebnisprüfung: Projektdokumentation50schriftlich15 - 20 SeitenBeleuchtungstechnik I (VL) + Beleuchtungstechnik PJ : Ergebnisprüfung: Präsentation des Projektes + Rückfragen50mündlich20 MinutenBeleuchtungstechnik I (VL) + Tageslichttechnik und Solarstrahlung (IV): Leistungsabfrage: mündliche Rücksprache zu den Vorlesungen„Beleuchtungstechnik I“ und „Tageslichttechnik und Solarstrahlung“80mündlich35 MinutenBeleuchtungstechnik II (IV) : Ergebnisprüfung: Protokollierte praktische Leistung des Thermographie Praktikums20schriftlich10 SeitenTageslichttechnik und Solarstrahlung (IV): Ergebnisprüfung: 5 Hausaufgaben20schriftlich5 Hausaufgaben à 4 Pkt.

Prüfungselement Kategorie Gewicht Dauer/Umfang1 Wahlpflichtveranstaltung flexibel 50 siehe Prüfungsbeschreibung2 Wahlpflichtveranstaltung flexibel 50 siehe Prüfungsbeschreibung


Lernergebnisse Die Studierenden besitzen vertiefte Kenntnisse in der Strahlungs- und Solartechnik. Mit Ihrem Wissen sind sie in der Lage, farbmetrische-und strahlungstechnische Berechnungen und Messungen durchzuführen. Die Studierenden haben Qualifikationen erworben, die sie für dieArbeit bei Herstellern im lichttechnischen und radiometrischen Bereich und in Licht- und Strahlungsmesslaboren sowie für gutachterlicheTätigkeiten befähigt. The students have in-depth knowledge of the radiation and solar technology. With this knowledge, they are able to perform colorimetric andradiometric calculations and measurements. The students have acquired skills that enables them to work for manufacturers dealing withphotometric and radiometric topics, to work in light and radiation measurement laboratories, or perform expert review and advisoryactivities.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Falls die Lehrveranstaltung „Einführung in die Lichttechnik“ nicht im Bachelor oder die Lehrveranstaltung „Grundlagen der Lichttechnik“nicht im Master besucht und geprüft wurden, ist der Besuch und die Prüfung der Lehrveranstaltung „Grundlagen der Lichttechnik“verpflichtend.



Modulbeschreibung

Solarstrahlung

Modultitel:

Solarstrahlung

Solar Radiation

Leistungspunkte:

6


Völker, Stephan

Sekretariat:

E 6

Ansprechpartner:

Knoop, Martine

URL:

http://www.li.tu-berlin.de

Modulsprache:

Deutsch

Kontakt:

[email protected]

1.) Wahl von IV Grundlagen der Lichttechnik in diesem Modul oder bestandene Prüfung in VL Einführung in die Lichttechnik oderbestandene Prüfung in IV Grundlagen der Lichttechnik

Prüfungsform: Benotet: Dauer/Umfang:mündlich benotet ca. 40 Minuten


Lernergebnisse Die Studierenden besitzen Grundkenntnisse der Licht- und Beleuchtungstechnik. Mit ihrem Wissen sind sie in der Lage, komplexelichttechnische Berechnungen durchzuführen. The students have a basic knowledge of lighting technology and lighting engineering. With this knowledge, they are able to performcomplex lighting calculations.




Modulbeschreibung

Lichttechnik: Grundlagen und Anwendungen

Modultitel:

Lichttechnik: Grundlagen und Anwendungen

Lighting technology: Basics and application

Leistungspunkte:

6


Völker, Stephan

Sekretariat:

E 6

Ansprechpartner:

Knoop, Martine

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungsbeschreibung:1.Grundlagen der LichttechnikMündlicher Test zur Vorlesung „Grundlagen der Lichttechnik“: Geprüft wird das Verständnis des „Grundlagen der Lichttechnik“-Vorlesungsmaterials, zum Teil mit Hilfe des Durchrechnens von exemplarischen Aufgabenstellungen.

2.Übungen zur Grundlagen der LichttechnikHausaufgabe: Geprüft wird das Verständnis der lichttechnischen Grundlagen in 8 unterschiedlichen Hausaufgaben.

Prüfungselement Kategorie Gewicht Dauer/UmfangGrundlagen der Lichttechnik: Leistungsabfrage: mündlicheRücksprache zur Vorlesung

mündlich 50 20 - 30 Minuten

Übungen zur Grundlagen der Lichttechnik: Ergebnisprüfung:8 Hausaufgaben à 6,25 Pkt.

schriftlich 50 8 Hausaufgaben à 6,25 Pkt,je 4 - 8 Stunden


Lernergebnisse Within the last decade, telecommunication networks have undergone a huge transformation from voice to data transmission. This isreflected in a set of new protocols for data transmission as well as new control paradigms. Often these protocols are extensions of the well-known Ethernet and IP families that provide manageability, monitoring and reconfigurability. The advent of Software-Defined Networks(SDN) and Network Functions Virtualization (NFV) means that network operators require new programming skills to quickly understand andinfluence the behavior of a network under load or under attack.Students completing this module will be familiar with Telecom network protocols ranging geographically from the home router to the corenetwork.They will be able to configure primary and backup paths, write applications for the Open Network Operating System (ONOS) networkcontroller, and detect a mis-configured network device. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: BSc module „Kommunikationsnetze” or similar knowledge. Knowledge of architecture and programming of network systems is of benefit.



Modulbeschreibung

High-speed Network Technologies with Lab

Modultitel:

High-speed Network Technologies with Lab

High-speed Network Technologies mit Praktikum

Leistungspunkte:

6


Wolisz, Adam

Sekretariat:

FT 5

Ansprechpartner:

Woesner, Hagen

URL:

http://www.tu-berlin.de/?108249#40279

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:The final module grade will be given according to the §47 (2) AllgStuPO, using grade scheme (Notenschlüssel) 2 of Faculty IV.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) PR Laboratory - 7 Labassignments, 2 points each

praktisch 14 14h ongoing

(Examination) PR Final Laboratory - presentation mündlich 18 30min(Examination) PR Laboratory - source code submission (viagitlab.tu-berlin.de)

praktisch 18 100-500 Zeilen Phyton Code

(Examination) VL High-speed Network Technologies - oralconsultation

mündlich 50 30min


Lernergebnisse . On successful completion, students will be able to:- select and develop models,- describe and design (efficient) algorithms, as well as- analyze properties (z.B. computational complexity, existence or stability of solutions, characterizations)for problems arising in the context of collective decision making.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Basic knowledge about algorithms and computational complexity.



Modulbeschreibung

Computational Social Choice

Modultitel:



Leistungspunkte:

6


Niedermeier, Rolf

Sekretariat:

TEL 5-1

Ansprechpartner:

Thielcke, Christlinde

URL:

http://www.akt.tu-berlin.de/menue/teaching/

Modulsprache:

Englisch

Kontakt:

[email protected]



Lernergebnisse Siehe Studien- und Prüfungsordnung. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Siehe Studien- und Prüfungsordnung.



Modulbeschreibung

Masterarbeit Computer Science / Informatik

Modultitel:

Masterarbeit Computer Science / Informatik

Leistungspunkte:

30


Glesner, Sabine

Sekretariat:

TEL 12-4

Ansprechpartner:

Glesner, Sabine

URL:

keine Angabe

Modulsprache:

Deutsch

Kontakt:

[email protected]

Prüfungsform: Benotet: Dauer/Umfang:Abschlussarbeit benotet


Lernergebnisse Students completing the module will gain the understanding of basic principles and technologies behind self-organizing wireless sensornetworks, through a balanced combination of lectures and practical work with modern sensor node hardware. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: BSc module „Kommunikationsnetze” or similar knowledge is required. Knowledge of architecture and programming of embedded systems isof benefit.



Modulbeschreibung

Ad-hoc and Sensor Networks

Modultitel:

Ad-hoc and Sensor Networks

Ad-hoc und Sensor Netzwerke

Leistungspunkte:

6


Wolisz, Adam

Sekretariat:

FT 5

Ansprechpartner:

Handziski, Vlado

URL:

http://www.tkn.tu-berlin.de/?108248#adhsn

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:In total 100 Portfolio points can be obtained. The final module grade will be given according to the §47 (2) AllgStuPO, using grade scheme(Notenschlüssel) 1 of Faculty IV. The individual grades will be obtained as specified in the table below.

Further details:

VL: Final lecture written test: The students take part in a < 90 min final test that checks the overall level of acquired knowledge from the AdHoc and Sensor Networks lecture.

PR: Lab assignments: Organized in small groups (3-4 persons), the students are asked to jointly absolve a set of lab assignments thatinvolve in-class programming assignments using state of the art sensor network hardware and software, and homework tasks (some ofthem individually, some of them as a group). Evaluated is the correctness of the provided answers, the correctness and the quality of thecode for the programming assignments. Each lab is assessed with a three-level scale: not-satisfactory, satisfactory and excellent.

PR: Final lab project: After the completion of the individual lab assignments, the lab groups are asked to design, develop and demonstratea relatively simple but complete sensor networks application that involves data acquisition, processing and communication. Evaluated isthe final "project presentation" (quality of the content and coverage, presentation organization and style, capability to answer follow-upquestions), and the "project demo" (general functionality, achievement of design goals, effective use of HW and SW, team work, codequality, documentation, effective use of version control tools).

PR: Final lab review: The students take part in a final review that checks the overall level of acquired knowledge from the Sensor NetworksLab. Evaluated is the familiarity with the Lab HW and SW and the familiarity with the the solutions of the individual Lab assignments.

Students are asked to self-evaluate the relative contribution of each team member as part of the team, which is considered in the formationof the final individual marks.

Prüfungselement Kategorie Gewicht Dauer/UmfangPR Sensor Networks Lab - 7 Lab assignments, 3 pointseach (Deliverable assessment)

praktisch 21 7x (90 + 90) min

PR Sensor Networks Lab - Final lab review (Learningprocess review)


PR Sensor Networks Lab - Project demo (Deliverableassessment)

mündlich 5 30 min

PR Sensor Networks Lab - Project presentation (Deliverableassessment)

mündlich 4 30 min

VL Ad-hoc and Sensor Networks - Final lecture written test(Examination)



Lernergebnisse Die Studierendn sind in der Lage, eine herausfordernde wissenschaftliche Problemstellung in einer dynamischen (simulierten) Echtzeit-Umgebung zu lösen.Sie haben technisches und methodisches Können aus dem Gebiet der Multi-Agenten-Systeme und der Künstlichen Intelligenz vertieft,erfolgreich eingesetzt und kritisch reflektiert. Students are able to solve challenging research problems in dynamic, adversarial real-time environments.They have gained deeper insights into theoretical knowledge and solutions in artificial intelligence and multi-agent systems, andsuccessfully applied these concepts and are able to critically reflect on them.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Inhaltlich werden Kenntnisse in „Künstlicher Intelligenz“ vorausgesetzt.



Modulbeschreibung

Advanced Agent Competition

Modultitel:



Leistungspunkte:

9


Albayrak, Sahin

Sekretariat:

TEL 14

Ansprechpartner:

Berger, Martin

URL:

http://www.aot.tu-berlin.de/index.php?id=2665

Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungsbeschreibung:Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittel.

Prüfungselement Kategorie Gewicht Dauer/UmfangErgebnisprüfung: Abschlusspräsentation und Review praktisch 20 60Ergebnisprüfung: Design praktisch 25 ca 2 WochenErgebnisprüfung: Evaluation und Dokumentation praktisch 25 ca 3 WochenErgebnisprüfung: Implementierung und Test praktisch 30 ca 8 Wochen


Lernergebnisse - To become familiar with the architecture and organization of recent superscalar and VLIW processors and multicores.To be able to select, given functional and non-functional requirements, the most appropriate computer architecture.To be able to optimize code for a particular processor using, e.g., code scheduling and loop unrolling.To become familiar with parallel computer architectures, cache coherence, memory consistency, etc.To be able to design a memory hierarchy that optimizes latency, throughput, and or energy dissipation.To be able to study recent advances in computer architecture, classify recent research articles, and report about it, both verbally and inwriting.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: * An introductory course on computer architecture (e.g. "Rechnerorganisation") is recommended* Affinity to low-level programming



Modulbeschreibung

Advanced Computer Architecture

Modultitel:

Advanced Computer Architecture

Rechnerorganisation Vertiefung

Leistungspunkte:

6


Juurlink, Bernardus

Sekretariat:

EN 12

Ansprechpartner:

Juurlink, Bernardus

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) Practical Assignments(2x 15points, 2x 10 points)

praktisch 50 jeweils 3-4 Wochen

(Examination) Final Test schriftlich 50 90 min


Lernergebnisse The participants of this module will achieve deep conceptual, methodical, technical and practical knowledge in requirements analysis,design, architecture and development of heterogeneous and distributed information systems. This includes firstly classical knowledge aboutfederated databases and mediator-based information systems (tight or loose coupling wrt. the dimensions of distribution, heterogeneity andautonomy). Secondly, different paradigms of heterogeneous information infrastructures and their management (e.g. P2P) andinteroperability architectures (‘middleware’) will be investigated. Finally, modern model-based concepts for the development, integration andevolution of arbitrary information infrastructures, and –under this conceptual frame– model, metamodel, and metadata management as wellas semantic concepts will be discussed and brought into practical experience by some larger project-like group work. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Prerequisites: The basic modules in the Bachelor Curriculum in “Informatik”, or "Technische Informatik" or "Wirtschaftsinformatik" or"Wirtschaftsingenieurwesen"; particularly knowledge in Database Systems/ Information Modeling and Software Engineering / Programmingis required. The AIM-1 / HDIS course will be given in English language, thus fluency in English is required!



Modulbeschreibung

Advanced Information Management 1 (AIM-1) - Heterogeneous and Distributed Information

Systems (HDIS)

Modultitel:

Advanced Information Management 1 (AIM-1) - Heterogeneous and DistributedInformation Systems (HDIS)

Advanced Information Management 1 (AIM-1) - Heterogeneous and DistributedInformation Systems (HDIS)

Leistungspunkte:

6


Kutsche, Ralf-Detlef

Sekretariat:

EN 7

Ansprechpartner:

Kutsche, Ralf-Detlef

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:The grade will be given by fulfilling all required tasks during the course (portfolio exam): seminar work including the oral presentation andthe final report; home/lab exercises including presentation and the semester project including the final report/presentation.


Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) Project Work: Software,Documentation, Presentation

praktisch 25 30 min. + 15 Seiten

(Deliverable assessment) Homework Presentation mündlich 10 30 min(Deliverable assessment) Seminar Talk mündlich 25 60 min.(Deliverable assessment) Written Seminar Report schriftlich 40 25 Seiten


Lernergebnisse Durch die technologischen Entwicklungen der letzten Jahre entstehen immer mehr Anwendungen, indenen kontinuierlich Daten produziert werden, die auch nur für eine gewisse Zeit aktuell bzw. gültig sind. Derartige Anwendungen sinddadurch gekennzeichnet, dass sie Ströme von Daten verarbeiten müssen.Die Teilnehmer dieses Moduls bekommen vertiefte konzeptionelle, methodische und praktischeKenntnisse für die Verarbeitung von Datenströmen an Beispielen aus den verschiedenenAnwendungsbereichen. Through the technological advances in the last few years more and more applications are being created that constantly generate data whichis only relevant for a certain time frame. Because of this, this type of application has to be able to handle various streams of data.You will gain conceptual, methodological and practical skills in the area of processing data streams, by using examples from variousapplication areas.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Diese Lehrveranstaltung wendet sich an Master-Studenten mit Schwerpunkt im BereichDatenbanksysteme und Informationsmanagement ab dem 1. (Master-)Semester. Die Voraussetzungensind das abgeschlossene Bachelorstudium und Kenntnisse der modernen Modellierungssprachen unddes klassischen Datenbankmanagements. Die Literatur für diese Veranstaltung ist in vielen Fällen inenglischer Sprache abgefasst, daher sind gute Englischkenntnisse erforderlich.



Modulbeschreibung

Advanced Information Management 2 - Management of Data Streams

Modultitel:



Leistungspunkte:

6


Markl, Volker

Sekretariat:

EN 7

Ansprechpartner:

Borusan, Alexander

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]

Prüfungsform: Benotet: Dauer/Umfang:mündlich benotet 20-60 Min.


Lernergebnisse The last decade was marked by the digitalization of virtually all aspects of modern society. Today, businesses, government institutions, aswell as science and engineering organizations, among others face an avalanche of digital data on a daily basis. In order to derive insightfrom all of this data, society needs individuals with a strong foundation in scalable data science. In this course students will learn aboutpopular scalable data analysis systems and scalable data analytics methods and gain practical experience in conducting scalable datascience. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Computer science topics addressed in TU Berlin modules in the Bachelor’s curriculum, particularly, the database course (“InformationSystems and Data Analysis”) or the equivalent, as well as good Java programming skills are required. Basic knowledge in linear algebra,numerical analysis, probability, and statistics are strongly recommended. Furthermore, it is preferable if students have already completed(or are currently enrolled in) a machine-learning course. Since the course will be offered in English, fluency in English is also required.



Modulbeschreibung

Advanced Information Management 3 (AIM-3) Scalable Data Science: Systems & Methods

(SDSSM)

Modultitel:

Advanced Information Management 3 (AIM-3) Scalable Data Science: Systems& Methods (SDSSM)

Advanced Information Management 3 (AIM-3) Scalable Data Science: Systems& Methods (SDSSM)

Leistungspunkte:

6


Markl, Volker

Sekretariat:

EN 7

Ansprechpartner:

Soto, Juan

URL:

http://www.dima.tu-berlin.de/

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:The portfolio exam (worth 100 points) is comprised of three parts, namely: (i) written homework (30 points), (ii) in-class presentations (20portfolio points), and (iii) a written exam (50 portfolio points).


Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) Homework schriftlich 30 30 hours / 20 pages(Deliverable assessment) In-class presentations mündlich 20 40 min. / about 35 slides(Examination) Written test schriftlich 50 75 min.


Lernergebnisse - Fähigkeit zur kritischen Bewertung von Verfahren der semantischen Suche und Empfehlungsstrategien (insbesondere in Hinsicht auf dieAlgorithmen und Praxisrelevanz)- Industriell relevante Anwendungsfelder für semantische Suche identifizieren können- Identifikation und Bewertung aktueller Forschungsthemen auf dem Gebiet der semantischen Suche- Ergebnisse zielgerichtet aufbereiten (wissenschaftliche Ausarbeitung) und zielgruppenspezifisch präsentieren können (Vortrag) - Students having attended this course know the strength and weaknesses of current approaches used in the semantic search domain.They are able to discuss the specific properties of the algorithms and are able to assess relevance of the algorithms for different scenarios.- Participants know typical scenarios in that the approaches are used and how the approaches must be adapted to meet the requirementsof the particular domains.- Student know current research works and research trends in the semantic search domain- Students know how to write a scientific survey paper and how to give a scientific talk.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Englische Sprache lesen können.



Modulbeschreibung

Advances in Semantic Search

Modultitel:



Leistungspunkte:

3


Albayrak, Sahin

Sekretariat:

TEL 14

Ansprechpartner:

Lommatzsch, Andreas

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]




Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Vortrag mündlich 40 40 Minuten(Ergebnisprüfung) schriftliche Ausarbeitung schriftlich 60 10 Seiten


Lernergebnisse Absolventinnen und Absolventen diese Moduls verfügen über Kenntnisse und Fähigkeiten zur formalen Modellierung und formalen Analysevon kommunizierenden und mobilen Prozesssystemen mit Hilfe algebraischer (auch domänenspezifischer) Prozesskalküle auf der Basisvon strukturellen operationellen Semantiken. Sie können dabei einerseits existierende Kalküle auf Basis von Syntax und Semantik schnellzu verstehen und sich die passenden Intuitionen extrahieren; andererseits sind sie in der Lage neue Prozesskalküle zu entwerfen. Dazunutzen Sie die im Modul erlernten Kenntnisse und Methoden, um sich die entsprechende Syntax und Semantik selbständig zu erarbeiten,zu überprüfen und ihre Arbeitsergebnisse mündlich zu präsentieren. Successful participants of this module have acquired knowledge and competencies to formally model and analyse communicating andmobile process systems by means of algebraic – also domain-specific – process calculi, based on structural operational semantics. Theyare on the one hand capable to quickly understand existing process calculi on the basis of their syntax and semantics and to extract thecorresponding intuitions; on the other hand, they are capable to design new process calculi. For this goal, they use the acquired knowledgeand methods to autonomously develop suitable syntax and semantics definitions, to verify their sanity, and to present the results orally.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Inhaltlich werden diverse (wenngleich nicht alle) Kenntnisse aus den Modulen - Formale Sprachen und Automaten- Diskrete Strukturen- Berechenbarkeit und Komplexität- Logik- Reaktive Systeme des Bachelor Informatik der TU Berlin vorausgesetzt.



Modulbeschreibung

Algebraic Process Calculi

Modultitel:

Algebraic Process Calculi

Algebraische Prozesskalküle

Leistungspunkte:

6


Nestmann, Uwe

Sekretariat:

TEL 7-2

Ansprechpartner:

Nestmann, Uwe

URL:

http://www.mtv.tu-berlin.de/menue/lehre/module/algprocalc/

Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Hausaufgaben schriftlich 20 5-6 Abgaben(Ergebnisprüfung) Präsentation mündlich 40 60-90 Minuten(Lernprozessevaluation) Mündliche Rücksprache mündlich 40 30-40 Minuten


Lernergebnisse Die erfolgreiche Teilnahme befähigt die Studierenden- zur Entwicklung und Implementierung effizienter Algorithmen,- zur Abschätzung von Laufzeit und Speicherplatzbedarf von Algorithmen,- moderne Algorithmenbibliotheken und adäquate Datenstrukturen zur schrittweisen Verbesserung ihrer Implementierung zu benutzen,- Projektarbeit in Gruppen zu organisieren und- ihre Arbeit in einem Kurzvortrag zu beschreiben. On successful completion, students will be able to- develop and implement efficient algorithms,- estimate the running time and space consumption of algorithms,- use standard algorithm libraries and adequate data structures to engineer their algorithms,- work in teams, and- give a short oral presentation of the main features of their implementation.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Kenntnis der Module "Einführung in die Programmierung", "Algorithmen und Datenstrukturen", "Softwaretechnik undProgrammierparadigmen" und "Grundlagen der Algorithmik". Knowledge of the modules "Introduction into Programming", "Algorithms and Data Structures", "Software Engineering", and "Foundations ofAlgorithmics".



Modulbeschreibung

Algorithm Engineering

Modultitel:



Leistungspunkte:

9


Niedermeier, Rolf

Sekretariat:

TEL 5-1

Ansprechpartner:


URL:

http://www.isis.tu-berlin.de/course/

Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]


Notenschlüssel:Dieses Prüfung verwendet einen eigenen Notenschlüssel (siehe Prüfungsformbeschreibung).

Prüfungsbeschreibung:Vier Milestone-Präsentationen: Geprüft wird die Qualität der Präsentation der angefertigten Implementierung für den jeweiligenThemenkomplex. Hierzu erläutern die Studierenden die wesentlichen Designentscheidungen in ihren Algorithmen. Die Studierendenbelegen und verteidigen ihre Entscheidungen durch experimentelle Testreihen auf vorgegebenen Datensätzen.Die Gesamtnote gemäß §47 (2) AllgStuPO wird nach dem Notenschlüssel 1 der Fakultät IV ermittelt; wir behalten uns jedoch vor, ihnzugunsten der Studierenden anzupassen.

Four milestone presentations: The quality of the presentation of the implementation made for the respective range of topics. Herein, thestudents explain the significant implementation decisions of their algorithms. The students justify their decisions with experimentalevaluations on given test sets.According to §47 (2) AllgStuPO the grade will be calculated applying grading key 1 of Fakultät IV, it may however be altered in favour ofthe students.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Lernprozessevaluation) 1. Milestone-Präsentation praktisch 25 60 min(Lernprozessevaluation) 2. Milestone-Präsentation praktisch 25 60 min(Lernprozessevaluation) 3. Milestone-Präsentation praktisch 25 60 min(Lernprozessevaluation) 4. Milestone-Präsentation praktisch 25 60 min


Lernergebnisse Students completing the course will understand how structural information about instances tocomputational problems can be used in the design of efficient algorithms. They will be familiarwith basic notions of graph decompositions and the algorithmic techniques facilitated to usethis additional information. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Participants should have a strong interest in theoretical computer science, discretemathematics or algorithmic graph theory.The course is self-contained in the sense that all relevant algorithmic and graph theoreticalconcepts will be introduced in the lectures. Basic knowledge of graph theory and graphalgorithms may be useful but is not a requirement.



Modulbeschreibung

Algorithmic Graph Structure Theory

Modultitel:



Leistungspunkte:

6


Kreutzer, Stephan

Sekretariat:

TEL 7-3

Ansprechpartner:

Pilz, Jana

URL:

keine Angabe

Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Lernergebnisse . On successful completion, students will be able to:- approach concrete problems in algorithmic research- present in written and oral form their research findings in a concise and understandable manner- judge and classify current research results as well as their own findings

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Basic knowledge of algorithms



Modulbeschreibung

Algorithmic Research in Teams

Modultitel:

Algorithmic Research in Teams

Leistungspunkte:

9


Niedermeier, Rolf

Sekretariat:

TEL 5-1

Ansprechpartner:


URL:

http://www.akt.tu-berlin.de/menue/teaching

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:According to §47 (2) AllgStuPO the grade will be calculated applying grading key 1 of Fakultät IV, it may however be altered in favour ofthe students.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) manuscript schriftlich 50 15 pp(Ergebnisprüfung) oral presentation in the course mündlich 50 60 min


Lernergebnisse Graduates of this module have experience with methods and techniques for the analysis of embedded systems and how these systems canbe optimized for special architectures. They have a general conceptual and formally well founded understanding of program analysis andare able to specify and implement different concrete program analyses. They are also able to apply their knowledge on new problems ondifferent levels of abstraction (e.g. code vs. system architecture). Furthermore, they are able to analyze the range of optimizationpossibilities towards a given optimization goal and to construct suitable analyses and optimizations. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Knowledge in the basics of software engineering for embedded Systems (as teached in the Software Engineering Eingebetteter Systemebachelor course) are benefical.



Modulbeschreibung

Analysis and Optimization of Embedded Systems

Modultitel:

Analysis and Optimization of Embedded Systems

Analyse und Optimierung eingebetteter Systeme

Leistungspunkte:

6


Glesner, Sabine

Sekretariat:

TEL 12-4

Ansprechpartner:

Klös, Verena

URL:

keine Angabe

Modulsprache:

Englisch

Kontakt:

[email protected]

1.) Homework in training course Analysis and Optimization of Embedded Systems



Lernergebnisse - Knowledge and practical experiences in the realm of designing embedded processor architectures and its programming are gained.Students are able to plan, coordinate and carry out hardware/software co-design, programming in hardware description languages andsystem-level programming, as well as team management and coordination in a project. The course is principally designed to imparttechnical skills 35%, method skills 15%, system skills 15%, social skills 35%

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Knowledge about computer architecture and hardware description languages (VHDL or Verilog) are obligatory (e.g. Technische Grundlagender Informatik 2 (TechGI2)). Desirable are practical experiences in synthesis of hardware descriptions or microcontroller or system-levelprogramming.



Modulbeschreibung

Applied Embedded Systems Project

Modultitel:

Applied Embedded Systems Project

Projekt angewandte eingebettete Systeme

Leistungspunkte:

6


Juurlink, Bernardus

Sekretariat:

EN 12

Ansprechpartner:

Juurlink, Bernardus

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:Grading system 2 will be used:

95% or more1.090% or more1.385% or more1.780% or more2.075% or more2.370% or more2.765% or more3.060% or more3.355% or more3.750% or more4.0Less than 50%5.0

Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) Implementation praktisch 40 semesterbegleitend(Deliverable assessment) Project documentation,presentation(s), etc

schriftlich 35 jeweils 2 Wochen

(Learning process review) Participation in project work praktisch 25 semesterbegleitend


Lernergebnisse This module's qualification aims are: 1. Thorough theoretical understanding of the major classes of security relevant software bugs, implied threats, mitigation techniques2. Understanding of security relevant hard- and software interfaces of (embedded) computer systems3. Practical experience in identifying, exploiting, and fixing of vulnerabilities in hard- and software4. A profound evaluation of system security no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Prerequisites:• knowledge of compulsory modules of the Bachelor degree• familiarity with Unix/Linux operating system primitives (e.g. using a command line) Recommended additional skills:• basic networking concepts and tools (DNS, DHCP, NAT, ...)• low-level programming concepts (pointers, registers, stack vs. heap, ...)• basic concepts of cryptography In order to complete the assignments for the practical course, each participant needs at least one computer with administrator privileges(i.e. being able to log into university computers is insufficient) preferrably running Linux. It is possible to complete the tasks while usingWindows or MacOS as well, but the teaching staff cannot provide guidance on those operating systems.



Modulbeschreibung

Applied Security

Modultitel:

Applied Security

Applied Security

Leistungspunkte:

9



Sekretariat:

TEL 17

Ansprechpartner:


URL:

keine Angabe

Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:• (Practical Course) 6 practical assignments• (Lecture) short oral examination ("Rücksprache")

(This means that the practical course is worth twice as many points as the lecture, just as the ECTS credit points suggest.)

Prüfungselement Kategorie Gewicht Dauer/Umfang(deliverable assessment) 1 assignment (group work) praktisch 1 2 weeks(deliverable assessment) 5 assignments (individual work) praktisch 5 2 weeks each(examination) short oral exam mündlich 3 20 minutes


Lernergebnisse Die Studierenden haben bereits in den anderen Modulen des Fachgebiets Elektronik und medizinische Signalverarbeitung erworbenesWissen vertieft und abgerundet. Die Themen werden nach den individuellen Bedürfnissen der Studierenden vermittelt. Sie sind in der Lage,einen eigenen fachlichen Beitrag zu leisten, im Team zu arbeiten und Arbeitsergebnisse adäquat zu dokumentieren bzw. zu präsentieren. The students have already deepened and rounded off their knowledge acquired in other modules of the EMSP department. The subjectsare therefore distributed according to each individual's needs. They are able to render an own technical contribution, work as part of a teamand adequately document and present their results.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Bachelor Elektrotechnik, Technische Informatik oder ähnliche Abschlüsse einer Universität.



Modulbeschreibung

Ausgewählte Gebiete aus Elektronik und Signalverarbeitung

Modultitel:

Ausgewählte Gebiete aus Elektronik und Signalverarbeitung

Selected Topics of Electronics and Signal Processing

Leistungspunkte:

6



Sekretariat:

EN 3

Ansprechpartner:

Pielmus, Alexandru-Gabriel

URL:


Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]




The final grade according to § 47 (2) AllgStuPO is being determined by the grading key 2 of Faculty IV.

Neuronale Netze:- Schriftliche Ausarbeitung: Geprüft wird die Qualität der schriftlichen Ausarbeitung zum erarbeiteten Thema.- Präsentationtion: Geprüft wird die Qualität der Präsentation der Ausarbeitung des gewählten Themas hinsichtlich der Qualität der Folienund des Vortragstils.- Beurteilte Laborarbeit: Geprüft wird die Qualtität der Teilnahme am Diskurs zu den vorgestellten Themen.

Ausgewählte Themen zu Elektronik u. Signalverarbeitung- Schriftliche Ausarbeitung: Geprüft wird die Qualität der schriftlichen Ausarbeitung zum gewählten Thema.- Präsentation: Geprüft wird die Qualität der Präsentation der Ausarbeitung des gewählten Themas hinsichtlich der Qualität der Folien unddes Vortragstils.- Protokollierte praktische Leistung: Geprüft wird die Qualität der praktischen Umsetzung des gewählten Themas sowie die zugehörigeDokumentation.

Bioelektromagnetismus:- Schriftlicher Test: Geprüft wird der in der Vorlesung vorgetragene Stoff, sowie auch angegebene Buchkapitel. Dauer 90 Minuten.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Protokollierte praktische Leistung(Ausgewählte Themen zu Elektronik u. Signalverarbeitung)

praktisch 20 20 Seiten

(Ergebnisprüfung) Präsentation (Ausgewählte Themen zuElektronik u. Signalverarbeitung)

mündlich 10 12 Minuten

(Ergebnisprüfung) Schriftliche Ausarbeitung (AusgewählteThemen zu Elektronik u. Signalverarbeitung)

schriftlich 20 20 Seiten

(Ergebnisprüfung) Präsentation (Neuronale Netze) mündlich 20 20 Minuten(Ergebnisprüfung) Schriftliche Ausarbeitung (NeuronaleNetze)

schriftlich 20 20 Seiten

(Lernprozessevaluation) Mitarbeit im Seminar (NeuronaleNetze)

praktisch 10 13 Termine

(Ergebnisprüfung) Schriftlicher Test (Bioelectromagnetism) schriftlich 50 90 Minuten


Lernergebnisse The students acquire stepwise competence for the development of image understanding methods. According to computer vision paradigmknowledge-based image analysis methods are developed based on feature extraction. The module clarifies that the learned skills can beused within multifaceted application areas of automatic image understanding. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Knowledge according module „Digital Image Processing" or equivalent is preferable.



Modulbeschreibung

Automatic Image Analysis

Modultitel:



Leistungspunkte:

6


Hellwich, Olaf

Sekretariat:

MAR 6-5

Ansprechpartner:

Dennert, Marion

URL:

http://www.cv.tu-berlin.de/

Modulsprache:

Englisch

Kontakt:

[email protected]

Prüfungsform: Benotet: Dauer/Umfang:schriftlich benotet 90 minutes


Lernergebnisse * To have a deeper understanding of self-configuring computer systems* Being able to summarize and criticize academic publications* Programming experience on embedded/mobile devices, such as a smartphone no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Programming experience on a high-level programming language is required, such as C++ or Java.



Modulbeschreibung

Autonomous Communications

Modultitel:



Leistungspunkte:

6


Albayrak, Sahin

Sekretariat:

TEL 14

Ansprechpartner:

Khan, Manzoor Ahmed

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]




Prüfungselement Kategorie Gewicht Dauer/UmfangErgebnisprüfung: project documentation schriftlich 30 10 - 30 pagesErgebnisprüfung: project results praktisch 50 13 weeksLernprozessprüfung: project presentation & auralconsultation

mündlich 20 1 hour


Lernergebnisse Participants of this seminar will acquire knowledge about recent research results and trendsin the analysis of web-scale data. Through the work in this seminar, students will learn thecomprehensive preparation and presentation of a research topic in this field. In order toachieve this, students will get to read and categorise a scientific paper, conductbackground literature research and present as well as discuss their findings.After the course, students will be able to critically read and evaluate scientific publications,and to conduct background research. They will be capable of preparing for and giving oralpresentations on research topics for an expert audience, of analyzing the state of the art of aresearch topic, and of summarizing it in a scientific paper. They should also understandtechniques used in the scientific community like peer reviews, conference presentations, anddefenses of the findings after their presentation, as well as they should understand methodsfor large-scale data analytics. The course is principally designed to impart:Technical skills: 50x Methodological skills: 20x System skills: 10x Social skills: 20x no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: This course is aimed at master students with a focus on database systems and information management and should be chosen after the2nd master semester. To be able to participate you should have successfully completed 'Database Technology DBT' and one of the'Advanced Information Management AIM' (1,2,3) courses.In the ideal case this seminar should be taken by students who are directly in front of their master thesis, or have already completed it andare interested in a doctorate in information management.It is vital that you have a sound understanding of written and spoken English.



Modulbeschreibung

BDASEM - Big Data Analytics Seminar

Modultitel:



Leistungspunkte:

3


Markl, Volker

Sekretariat:

EN 7

Ansprechpartner:

Rabl, Tilmann

URL:

http://www.dima.tu-berlin.de/

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:The exam will be done as a 'portfolio examination', including two deliverable assessments, totaling for 100 portfolio points:- seminar presentation (50 portfolio points)- written seminar report (50 portfolio points)


Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) presentation mündlich 50 60 min.(Deliverable assessment) written seminar report schriftlich 50 20-25 pages


Lernergebnisse Die Studierenden besitzen vertiefte Kenntnisse in der Beleuchtungstechnik. Mit ihrem Wissen sind sie in der Lage, lichttechnischeBerechnungen durchzuführen, lichttechnische Anlagen zu dimensionieren und Begutachtungen von Beleuchtungsanlagen durchzuführen.Die Studierenden haben Qualifikationen erworben, die sie für die Arbeit in Lichtplanungsbüros sowie für gutachterliche Tätigkeiten befähigt.Das Modul vermittelt überwiegend:Fachkompetenz 40x Methodenkompetenz 30x Systemkompetenz 10x Sozialkompetenz 20x no translation




Modulbeschreibung

Beleuchtungstechnik

Modultitel:

Beleuchtungstechnik

Lighting Engineering

Leistungspunkte:

12


Völker, Stephan

Sekretariat:

E 6

Ansprechpartner:

Knoop, Martine

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]




Prüfungsbeschreibung:Die Bewertung für die Kombination der Veranstaltungen Beleuchtungstechnik I (VL) + Beleuchtungstechnik (PJ) ergibt sich aus:Präsentation des Projektes: Beurteilt werden das Auftreten während der Projektpräsentation sowie der Inhalt und die Darstellungsformdieser Präsentation, welche Projektidee, -planung und -ablauf sowie als Hauptschwerpunkt das Ergebnis beinhalten sollte. Geprüft wirdauch das Verständnis zu den lichttechnischen Gütemerkmalen, durch die individuelle Bewertung der Projekte der anderen Studierendenwährend deren Projektpräsentationen.Projektdokumentation: Geprüft wird die Beschreibung des Projektes im Detail. Der Bericht sollte die quantitative Erfassung und qualitativeBewertung der Bestandsanlage sowie das Konzept, die Planungsergebnisse und der Kostenberechnung der neuen Beleuchtungsanlagebeschreiben.

Die Bewertung für die Kombination der Veranstaltungen Beleuchtungstechnik I (VL) + Beleuchtungstechnik II (IV) ergibt sich aus:Protokollierte praktische Leistung des Praktikums „Thermographie“: Geprüft wird die Dokumentation des Versuchs. In dieser sollten diewissenschaftlichen und technischen Grundlagen, die Beschreibung der Messplätze, die Versuchsdurchführung mit ermitteltenMesswerten, sowie die Interpretation der Ergebnisse, Fehlerbetrachtung und die Dokumentation möglicher Störeinflüsse enthalten sein.Mündlicher Test zu den Vorlesungen Beleuchtungstechnik I und II: Geprüft wird das Verständnis der „Beleuchtungstechnik I“- und„Beleuchtungstechnik II“-Vorlesungsinhalte.

Ohne Kombinationen ergeben sich für Beleuchtungstechnik I eine mündliche Rücksprache mit maximal 25Portfoliopunkten und für Beleuchtungstechnik II mündliche Rücksprachen mit maximal 15 Portfoliopunktenund für den Workshop als Teil von Beleuchtungstechnik II maximal 10 Portfoliopunkte.

Die Bewertung für die Vorlesung "Tageslichttechnik und Solarstrahlung" ergibt sich aus:Hausaufgaben „Tageslichttechnik und Solarstrahlung“: Geprüft wird das Verständnis der Vorlesungsinhalte anhand des Durchrechnensvon exemplarischen Aufgabenstellungen in 5 Hausaufgaben.Mündliche Rücksprache zur Vorlesung „Tageslichttechnik und Solarstrahlung“: Geprüft wird das Verständnis der Vorlesungsinhalte.

Die Bewertung für das Praktikum Lichttechnik I ergibt sich aus der Bewertung der Vorbereitung, der Praktikumsdurchführung und aktivenMitarbeit und des Protokolls.

Die Vorlesungen Grundlagen der Lichttechnik und Lampen und Leuchten schließen je mit einer mündlichen Rücksprache ab.

Beleuchtungstechnik I (VL) + Beleuchtungstechnik PJ : Ergebnisprüfung: Projektdokumentation25schriftlich15 - 20 SeitenBeleuchtungstechnik I (VL) + Beleuchtungstechnik PJ : Ergebnisprüfung: Präsentation des Projektes + Rückfragen25mündlich20 MinutenBeleuchtungstechnik I (VL): Lernprozessevaluation: mündliche Rücksprache25mündlich20 MinutenBeleuchtungstechnik II (IV) : Ergebnisprüfung: Protokollierte praktische Leistung des Thermographie Praktikums10schriftlich10 SeitenBeleuchtungstechnik II (IV): Lernprozessevaluation: mündliche Rücksprache15mündlich15 MinutenGrundlagen der Lichttechnik: Lernprozessevaluation: mündliche Rücksprache25mündlich20 MinutenLampen und Leuchten: Lernprozessevaluation: mündliche Rücksprache25mündlich20 MinutenPraktikum Lichttechnik I: beurteilte Laborarbeit, 4 Versuche (Vortestat, Durchführung, Protokoll)25flexibelJe Praktikum: 4 - 5 Stunden + 10Seiten ProtokollTageslichttechnik und Solarstrahlung: Ergebnisprüfung: 5 Hausaufgaben10schriftlich5 Hausaufgaben à 4 PktTageslichttechnik und Solarstrahlung: Leistungsabfrage: mündliche Rücksprache zur Vorlesung „Tageslichttechnik und Solarstrahlung“15mündlich15 Minuten

Prüfungselement Kategorie Gewicht Dauer/UmfangLampen und Leuchten: Lernprozessevaluation: mündlicheRücksprache


Tageslichttechnik und Solarstrahlung: Ergebnisprüfung: 5Hausaufgaben

schriftlich 75 5 Hausaufgaben à 4 Pkt


Lernergebnisse - Expertise to assess existing and future approaches to identify and verify users- Knowledge of current technical approaches to classify biometrical features- Ability to do critical (online) literature research- Presentation skills - Expertise to assess existing and future approaches to identify and verify users- Knowledge of current technical approaches to classify biometrical features- Ability to do critical (online) literature research- Presentation skills

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Desirable: Basic signal processing skills and/or usability engineering knowledge



Modulbeschreibung

Biometric Identification

Modultitel:

Biometric Identification

Biometrische Identifikation

Leistungspunkte:

3


Möller, Sebastian

Sekretariat:

TEL 18

Ansprechpartner:

Hirsch, Tobias

URL:


Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]




Multiple Choice Tests: On three specific dates there is a multiple choice test around the topics dealt with during the seminar.

Programming Homeworks: During tutorial sessions student start to solve different programming exercises related to the seminar topics.The students finish the exercises at home and hand in the solutions for each question of the exercise.

Oral Presentation: Based on a given topic the students hold presentations either individually or in small groups.

Written Version: The students write a short scientific paper on the same topic as for the presentation.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) 3 programming homeworks à 2 x8 points, 1 x 6 points

praktisch 22 1-2 programming exercisesper homework

(Deliverable assessment) Oral Presentation mündlich 30 22 min(Deliverable assessment) Written Version schriftlich 30 2 pages(Examination) 3 multiple choice tests each 6 points schriftlich 18 15 min


Lernergebnisse Die Studierenden kennen die wesentlichen Konzepte des Brain-Computer Interfacing. Sie sind in der Lage, eigenständig die Verfahren derbiomedizinischen Signalverarbeitung und der Single-Trial Klassifikation auf neuronale Daten anzuwenden. Sie können dieAnalyseergebnisse interpretieren, sowohl in statistischer als auch in (eingeschränkter) neurophysiologischer Sicht. In einigenSpezialthemen des Brain-Computer Interfacing haben die Teilnehmer eine vertiefte Kenntnis (entweder in Richtung physiologischerDatenanalyse bei Wahl des Seminars, oder in technisch/ physikalischer Hinsicht bei Wahl des Praktikums). Students know the essential concepts of Brain-Computer Interfacing (BCI). They are capable of applying methods of biomedical signalprocessing and single-trial classification to neural data. They can provide an interpretation of the outcome of their analysis in a statistical aswell as in a neurophysiological manner. They have deeper knowledge about special topics of BCI research, either in data analysis ofphysiological signals with respect to a technical/ physical background.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: * Required: programming skills; background in mathematics, in particular linear algebra and probability theory.* Helpful, but not obligatory: Basic knowledge in signal processing and machine learning. For the practical session basic knowledge inelectrostatics and electronics are of advantage.--- ---Programmierkenntnisse, gute Grundlagen in Mathematik, insbesondere Lineare Algebra und Wahrscheinlichkeitstheorie. Grundlagen derSignalverarbeitung und des maschinellen Lernens sind ratsam, jedoch bei solidem theoretischen Vorwissen und Fähigkeiten nichtzwingend erforderlich. Für das Praktikum sind Grundlagen in Elektrostatik und Elektronik vorteilhaft.



Modulbeschreibung

Brain-Computer Interfacing

Modultitel:



Leistungspunkte:

9


Blankertz, Benjamin

Sekretariat:

MAR 4-3

Ansprechpartner:

Blankertz, Benjamin

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:The grade is determined according to § 47 (2) AllgStuPO with the grading system 2 of faculty IV.* Exercises: Concurrent to the lecture, there will be a tutorial in which ten assignment sheets have to be solved. These are devoted topractical EEG analysis (programming).* Written exams: In the first half and in the second half of the lecture, there will a written test of about 45 minutes.* Seminar talk: Presentation of a research topic (orally with slides)* Practical session: As part of the practical sessions, five assignment sheets have to be solved.--- ---Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.* Übungsaufgaben: Zur Ergebnisprüfung gibt es begleitend zu der Vorlesung zehn Übungszettel in denen praktische Aufgaben zur EEGAnalyse gelöst werden müssen.* Schriftliche Tests: Jeweils zum ersten und zum zweiten Teil der Vorlesung gibt es einen schriftlichen Test.* Seminarvortrag: An zwei Blockterminen halten die Teilnehmenden Vorträge über ein zugeteiltes Thema aktueller Brain-ComputerInterface Forschung.* Praktikum: Zur Ergebnisprüfung gibt es in dem Praktikum fünf Übungszettel.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung): 10 Assignments / Hausaufgaben(Übungszettel)

praktisch 15 jeweils 6h

(Ergebnisprüfung): 5 Assignments in the PR / Hausaufgabenim PR


(Ergebnisprüfung): Talk in the seminar / Vortrag zumSeminar

mündlich 25 30 min

(Punktuelle Leistungsabfrage): 2 written exams / schriftlicheTests

schriftlich 60 jeweils 45 min


Lernergebnisse Absolventen dieses Moduls verfügen nach dem erfolgreichen Abschluss des Moduls über Kenntnisse über die Prinzipien undCharakteristiken von Cloud Computing, die sowohl auf theoretischem als auch praktischem Gebiet vermittelt werden. Ferner wird dasVerständnis für kritische Fragestellungen in diesem Bereich und aktuelle Lösungsansätze vermittelt. Students possess knowledge of the principles and characteristics of cloud computing at the practical, as well as, the theoretical level.Furthermore they understand critical questions and current solutions in this area.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Übungsaufgaben Cloud ComputingInhaltlich werden Kenntnisse des Moduls „Distributed Systems“ vorausgesetzt, sowie solide Programmiererfahrungen in derProgrammiersprache Java.



Modulbeschreibung

Cloud Computing

Modultitel:

Cloud Computing

Cloud Computing

Leistungspunkte:

6


Kao, Odej

Sekretariat:

EN 59

Ansprechpartner:

keine Angabe

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:Mündliche Prüfung: Die Note der integrierten Veranstaltung "Cloud Computing" ergibt sich aus einer mündlichen Prüfung am Ende des Semesters.

Prüfungselement Kategorie Gewicht Dauer/UmfangHausaufgaben Rücksprache mündlich 40 30Test schriftlich 60 60


Lernergebnisse After completion of this module students will gain: - advanced knowledge and experience in cryptographic mechanisms and services and their theoretical background,- security needs of future heteregenous communications networks and Internet.- a deep understanding of security needs of contemporary communications networks. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Basic understanding of Computer Communications Networks,basic understanding of Operating Systems,a programming language (Java, C, C++, Perl).



Modulbeschreibung

Communication Network Security

Modultitel:



Leistungspunkte:

9


Albayrak, Sahin

Sekretariat:

TEL 14

Ansprechpartner:

Bsufka, Karsten

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]




Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) IV: Home Work Assignments praktisch 20 tba(Ergebnisprüfung) Seminar praktisch 10 tba(Ergebnisprüfung) tba praktisch 70 tba


Lernergebnisse The module conveys the necessary background knowledge in molecular and cell biology for students to conduct research in the area ofcomputational structural biology. Special emphasis is given to topics in the intersection of computer science and molecular biology. Thecourse introduces relevant algorithms and concepts from computational biology, computer science, robotics, optimization, etc. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: No prior knowledge of biology is needed.Python or C++ knowledge is required! Bachelor degree in relevant field of study; Bachelor students in 7th semester of "Technische Informatik" can register after consultation withthe professor.



Modulbeschreibung

Computational Biology

Modultitel:



Leistungspunkte:

6


Brock, Oliver

Sekretariat:

MAR 5-1

Ansprechpartner:

Mabrouk, Mahmoud

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) 5 Assignments praktisch 50 over the semester(Examination) Written Exam schriftlich 50 75


Lernergebnisse Acquisition of deeper knowledge in current research topics of computational biology . Students will be able to search relevant actualliterature to a given topic, write a paper in journal style and present their results in a talk. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Computational Biology module or comparable prior knowledge.



Modulbeschreibung

Computational Biology: Current Topics

Modultitel:

Computational Biology: Current Topics

Computational Biology: Aktuelle Themen

Leistungspunkte:

3


Brock, Oliver

Sekretariat:

MAR 5-1

Ansprechpartner:

Mabrouk, Mahmoud

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) Presentation mündlich 50 30mn(Deliverable assessment) Written Report schriftlich 50 4-8 Pages


Lernergebnisse . On successful completion, students will be able to:- estimate the computational costs for solving fundamental problems- classify discrete computational problems according to their computational complexity using reductions and standard complexity classes- understand structural properties of complexity classes- make qualitative and quantitative statements about computational complexity questions

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: a) obligatory: Basic course on automata and complexityb) desirable: Basic knowledge on algorithms



Modulbeschreibung

Computational Complexity

Modultitel:

Computational Complexity

Komplexitätstheorie

Leistungspunkte:

9


Niedermeier, Rolf

Sekretariat:

TEL 5-1

Ansprechpartner:


URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Lernergebnisse - Knowledge about the design of embedded arithmetic circuits as well as the scientific background of these circuits. This will help thestudents to gain more details about the design of processing units and more practical experience in the implementation of digital systems.The students will increase their experience in the use of hardware description languages to model and implement digital systems.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: -Basic knowledge of digital design and digital design process.-Basic knowledge of number systems and number representation of digital computers.-knowledge of VHDL/FPGA is an advance.



Modulbeschreibung

Computer Arithmetic: Circuit Perspective

Modultitel:

Computer Arithmetic: Circuit Perspective

Computerarithmetik: Schaltkreisperspektive

Leistungspunkte:

6


Juurlink, Bernardus

Sekretariat:

EN 12

Ansprechpartner:

Juurlink, Bernardus

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungsbeschreibung:Grading system 2 will be used.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) Assignments (5x, each 4 points) schriftlich 20 jeweils 2 Wochen(Deliverable assessment) Quiz schriftlich 5 20 min(Examination) Final Test schriftlich 35 90 min(Learning process review) Lab work (4x, each 10 points) praktisch 40 jeweils 2 Wochen


Lernergebnisse Studierende kennen die Grundlagen der generativen Computergraphik. Students are familiar with the fundamentals of generative computer graphics.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Lineare Algebra, ProgrammierkenntnisseLinear algebra, programming knowledge



Modulbeschreibung

Computergraphik I (Grundlagen)

Modultitel:

Computergraphik I (Grundlagen)

Computer Graphics I (Fundamentals)

Leistungspunkte:

6


Alexa, Marc

Sekretariat:

MAR 6-6

Ansprechpartner:

Fer-Arslan, Gaelle

URL:

http://www.cg.tu-berlin.de

Modulsprache:

Deutsch

Kontakt:

[email protected]

1.) Bestehen der benoteten Programmier- und Hausaufgaben



Lernergebnisse Die Studierenden beherrschen die mathematischen Grundlagen der geometrischen Modellierung im Bereich der Computergraphik, kennenVerfahren der Geometrieverarbeitung und sind in der Lage, selbständig Programmieraufgaben aus diesen Bereichen zu bearbeiten. Students master the mathematical fundamentals of geometric modeling in computer graphics. They know methods in geometry processingand are able to carry out programming tasks in these fields.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Inhaltlich werden die Kenntnisse im Master-Modul Computergraphik I vorausgesetzt.Wünschenswert: Algorithmen und Datenstrukturen, Lineare Algebra. Knowledge of the master module Computer Graphics I is required.Desirable skills: algorithms and data structures, linear algebra.



Modulbeschreibung

Computergraphik II (Geometrische Modellierung)

Modultitel:

Computergraphik II (Geometrische Modellierung)

Computer Graphics II (Geometric Modeling)

Leistungspunkte:

6


Alexa, Marc

Sekretariat:

MAR 6-6

Ansprechpartner:

Fer-Arslan, Gaelle

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]

1.) Bestehen der benoteten Programmier- und Hausaufgaben



Lernergebnisse Die Studierenden haben vertiefte Kenntnisse der Computergraphik. Ihre erworbenen Kenntnisse und Fähigkeiten können sie überzeugendpräsentieren und vermitteln. Students have an in-depth understanding of computer graphics. They are able to present and convey their acquired knowledge and skillsconvincingly.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Inhaltlich werden grundlegende Kenntnisse der Computergraphik vorausgesetzt, wie sie z.B. im Master Modul Computergrafik I vermitteltwerden. Kenntnisse aus der linearen Algebra, dem wissenschaftlichen Rechnen sowie Algorithmen und Datenstrukturen sind erwünscht. Basic knowledge of computer graphics is required, such as the contents of the master module Computer Graphics I. Knowledge in linearalgebra, scientific computing, and algorithms/data structures is recommended.



Modulbeschreibung

Computergraphik Projekt

Modultitel:

Computergraphik Projekt

Computer Graphics Project

Leistungspunkte:

9


Alexa, Marc

Sekretariat:

keine Angabe

Ansprechpartner:

Fer-Arslan, Gaelle

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]




Implementierung, Vorträge (Zwischen- und Endpräsentation) und Projektdokumentation können in deutscher oder englischer Spracheerfolgen.Implementation, talks (interim and final presentations) and project documentation can be carried out in German or English.

1. Implementierung: Die Studierenden bearbeiten eine ausgewählte Fragestellung und entwickeln auf der Basis ihrer Erkenntnisse eineprototypische Implementierung.

2. Tech-Präsentation: Die Studierenden präsentieren einen technischen Teilaspekt ihrer Arbeit. Entsprechende Fragen sind dann mündlichzu beantworten.

3. Zwischenpräsentation: Die ersten Erkenntnisse und Zwischenergebnisse zum bearbeiteten Thema werden mündlich vorgetragen.Entsprechende Fragen sind dann mündlich zu beantworten.

4. Endpräsentation: Die finalen Erkenntnisse und Endergebnisse der Projektdokumentation werden mündlich vorgetragen. Fragen zumbearbeiteten Thema sind dann mündlich zu beantworten.

5. Projektdokumentation: Die Studierenden fassen ihre finalen Erkenntnisse, Anwendungsmethoden und Endergebnisse in einerschriftlichen Projektdokumentation zusammen.

Prüfungselement Kategorie Gewicht Dauer/Umfang1. (Ergebnisprüfung/Deliverable assessment)Implementierung/Implementation

praktisch 40 Projektimplementierung

2. Tech-Präsentation/Tech Presentation flexibel 10 ca. 15 Minuten (Präsentation+ Fragen)

3. (Ergebnisprüfung/Deliverable assessment)Zwischenpräsentation/Interim Presentation

flexibel 10 ca. 15 Minuten (Präsentation+ Fragen)

4. (Ergebnisprüfung/Deliverable assessment)Endpräsentation/Final Presentation


5. (Ergebnisprüfung/Deliverable assessment)Seminardokumentation/Seminar Documentation

flexibel 20 Webseite



Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Inhaltlich werden grundlegende Kenntnisse der Computergraphik vorausgesetzt, wie sie z.B. im Master Modul Computergrafik I vermitteltwerden. Kenntnisse aus der linearen Algebra, dem wissenschaftlichen Rechnen sowie Algorithmen und Datenstrukturen sind erwünscht. Basic knowledge of computer graphics is required, such as the contents of the Master module Computer Graphics I. Knowledge in linearalgebra, scientific computing, and algorithms/data structures is recommended.



Modulbeschreibung

Computergraphik Seminar A

Modultitel:

Computergraphik Seminar A

Computer Graphics Seminar A

Leistungspunkte:

3


Alexa, Marc

Sekretariat:

MAR 6-6

Ansprechpartner:

Fer-Arslan, Gaelle

URL:

http:// http://www.cg.tu-berlin.de

Modulsprache:

Deutsch

Kontakt:

[email protected]




Implementierung, Vorträge (Zwischen- und Endpräsentation) und Seminardokumentation können in deutscher oder englischer Spracheerfolgen.Implementation, talks (interim and final presentations) and seminar documentation can be carried out in German or English.














schriftlich 20 Webseite



Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Inhaltlich werden grundlegende Kenntnisse der Computergraphik vorausgesetzt, wie sie z.B. im Master Modul Computergrafik I vermitteltwerden. Kenntnisse aus der linearen Algebra, dem wissenschaftlichen Rechnen sowie Algorithmen und Datenstrukturen sind erwünscht. Basic knowledge of computer graphics is required, such as the contents of the Master module Computer Graphics I. Knowledge in linearalgebra, scientific computing, and algorithms/data structures is recommended.



Modulbeschreibung

Computergraphik Seminar B

Modultitel:

Computergraphik Seminar B

Computer Graphics Seminar B

Leistungspunkte:

3


Alexa, Marc

Sekretariat:

MAR 6-6

Ansprechpartner:

keine Angabe

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]




Implementierung, Vorträge (Zwischen- und Endpräsentation) und Seminardokumentation können in deutscher oder englischer Spracheerfolgen.Implementation, talks (interim and final presentations) and seminar documentation can be carried out in German or English.














flexibel 20 Webseite


Lernergebnisse This module's qualification aims are: 1. Understanding of specific features of secure computer systems2. Knowledge about vulnerabilities of complex computer systems3. A profound evaluation of the security of complex computer systems no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: no special requirements



Modulbeschreibung

Computer Security - Master Project

Modultitel:

Computer Security - Master Project

Computer Security - Master-Projekt

Leistungspunkte:

9



Sekretariat:

TEL 17

Ansprechpartner:


URL:

keine Angabe

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:• final written report: up to 75 points• final presentation (talk): up to 25 points

Prüfungselement Kategorie Gewicht Dauer/Umfang(deliverable assessment) presentation mündlich 25 30 minutes(deliverable assessment) written report schriftlich 75 10-25 pages


Lernergebnisse Students are supposed to gain some experience in working with scientific papers, covering a recent, but small and definite topic in the areaof computer security. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Knowledge of compulsory modules of Bachelor degree.This module cannot be chosen together with any other SecT module containing the seminar.



Modulbeschreibung

Computer Security - Seminar

Modultitel:



Leistungspunkte:

3



Sekretariat:

TEL 17

Ansprechpartner:


URL:

keine Angabe

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:• written report: up to 75 points• presentation: up to 25 points

Prüfungselement Kategorie Gewicht Dauer/Umfang(deliverable assessment) presentation (talk) mündlich 25 45 minutes(deliverable assessment) written report schriftlich 75 10 pages


Lernergebnisse The module’s qualification aims are to get to know theoretical basics and technical details of each lecture’s subject (Hardware Security,Cryptography for Security, and Quantum Computing). Furthermore, showing examples matching the themes will motivate students to makepractical use of what they just have learned. Those lectures are the foundation upon which project papers and theses can be based on. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Knowledge of compulsory modules of Bachelor degree. This module cannot be chosen together with any other SecT module containing theseminar.



Modulbeschreibung

Computer Security - Specialization Large

Modultitel:

Computer Security - Specialization Large

Computer Security - Vertiefung groß

Leistungspunkte:

9



Sekretariat:

TEL 17

Ansprechpartner:


URL:

keine Angabe

Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:• (per lecture) short oral examination ("Rücksprache")• (seminar) written report• (seminar) presentation

Prüfungselement Kategorie Gewicht Dauer/Umfang(deliverable assessment) seminar presentation (talk) mündlich 10 45 minutes(deliverable assessment) seminar written report schriftlich 30 10 pages(examination) short oral exam on first chosen lecture mündlich 40 20 minutes(examination) short oral exam on second chosen lecture mündlich 40 20 minutes


Lernergebnisse The module’s qualification aims are to get to know certain basics and technical details of each lecture’s subject (Internet Security, SoftwareSecurity and Telecommunication Security). Those lectures are the foundation upon which project papers and theses can be based. Havingcompleted this course all students will have solid knowledge of each small and clearly defined subject. no translation




Modulbeschreibung

Computer Security - Specialization Small

Modultitel:

Computer Security - Specialization Small

Computer Security - Vertiefung klein

Leistungspunkte:

6



Sekretariat:

TEL 17

Ansprechpartner:


URL:

keine Angabe

Modulsprache:

Englisch

Kontakt:

[email protected]



Lernergebnisse Automatic Image Analysis:The students acquire stepwise competence for the development of image understanding methods. According to computer vision paradigmknowledge-based image analysis methods are developed based on feature extraction. The module clarifies that the learned skills can beused within multifaceted application areas of automatic image understanding. Digital Image Processing:Qualification aim of this module is to impart methods for signal processing, image enhancement, feature extraction and grouping. Thealumni have learned and practiced to use their skills in multifaceted application areas. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: For Automatic Image Analysis:Knowledge according module „Digital Image Processing" or equivalent is recommended.



Modulbeschreibung

Computer Vision

Modultitel:

Computer Vision

Computer Vision

Leistungspunkte:

12


Hellwich, Olaf

Sekretariat:

MAR 6-5

Ansprechpartner:

Dennert, Marion

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]

1.) Homework Automatic Image Analysis2.) Homework Digital Image Analysis



Lernergebnisse Kenntnis der wichtigsten Theorien und Verfahren für die Koordination nutzenbasierter Agenten.Fähigkeit zur Beurteilung und Kritik der Theorien und Verfahren hinsichtlich ihrer Praxistauglichkeit und Grenzen. Fähigkeit zum Transfer der Verfahren auf neue Problemstellungen.Forschungsbereiche für die Agententechnologie kennen und identifizieren können. Knowledge of theory and methods for the co-ordination of self-interested, utility maximising agents.To be able to critically reflect those theories and methods with respect to practical usability issues.Capability to transfer the contents to new problems.To be able to identify new application areas for the methods learned.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Logik, Künstliche Intelligenz und Grundlagenkenntnisse in Agententechnologien sind wünschenswert aber nicht notwendig.



Modulbeschreibung

Agententechnologie in der Forschung

Modultitel:

Agententechnologie in der Forschung

Coordination of Self-Interested Agents

Leistungspunkte:

6


Albayrak, Sahin

Sekretariat:

TEL 14

Ansprechpartner:

Fricke, Stefan

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungsbeschreibung:Mündlicher Test ist Einzelrücksprache am Semesterende zum Vorlesungsstoff, die auch das Lösen von Aufgaben ähnlich denen derÜbung umfasst.

Präsentation: Vorstellung und Diskussion der Ergebnisse der Forschungsaufgabe (Gruppenleistung).

Ergebnisse wissenschaftlicher Arbeit: Bewertet werden Sorgfalt und Qualität (ggfs. auch Kreativität) bei der Bearbeitung derForschungsaufgabe sowie die Beschreibung der Ergebnisse der in einem wissenschaftlichen Paper und die Qualität der Reviews(Gruppenleistung).

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprufung) Ergebnisse wissenschaftlicher Arbeit praktisch 40 10 Wochen(Ergebnisprufung) Präsentation mündlich 20 60 Minuten(Lernprozessprüfung) Mündliche Rücksprache mündlich 40 50 Minuten


Lernergebnisse . On successful completion, students will be able to:- critically read and evaluate scientific papers- work independently to gain an understanding of recently published results and the methods and proofs behind- communicate the central ideas to non-experts and discuss the value of the presented findings- present a current algorithmic topic in oral and written form to a group of non-experts

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Further knowledge on algorithms and complexity



Modulbeschreibung

Current Research in Algorithms and Complexity

Modultitel:

Current Research in Algorithms and Complexity

Leistungspunkte:

3


Niedermeier, Rolf

Sekretariat:

TEL 5-1

Ansprechpartner:


URL:


Modulsprache:

Englisch

Kontakt:

[email protected]




Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) handout schriftlich 30 5-10 pp(Ergebnisprüfung) talk mündlich 70 45 min


Lernergebnisse The global data volume is increasing dramatically each year. Understanding how to store, process and manage these huge amounts of dataefficiently is a key requirement for software engineers and data analysts in the modern IT world. This course will teach students both thefundamentals of data processing in traditional single-node database systems and how to scale out these techniques to huge amounts ofdata in large-scale, distributed environments. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: This course is the base course for master students with focus on database systems and information management and should be attendedin the first semester of the master program. In contrast to the introduction of database systems(MPGI5/DBS/Informationssystemse&Datenanalyse), which looks at database systems from an application programmers point of view, thisclass focuses on the internals of database systems. To participate, students are required to have successfully completed a Bachelor incomputer science with a focus on database systems (participation in the Datenbankpraktikum, Datenbankprojekt). Knowledge of datamodeling, relational algebra, and SQL as well as a very good command of Java, or possibly C/C++/C#, programming is required toparticipate in the course. Due to capacity reasons, the class is limited to at most 60 participants.



Modulbeschreibung

DBT: Database Technology

Modultitel:



Leistungspunkte:

6


Markl, Volker

Sekretariat:

EN 7

Ansprechpartner:

Markl, Volker

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]




Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) Assessment of 4 homeworkexercises with 5 pts.

schriftlich 20 about 10h / around 25questions each

(Examination) End term test schriftlich 45 60 minutes(Examination) Mid term test schriftlich 35 60 minutes


Lernergebnisse Students who have successfully finished this module have an overview of current and future concepts for digital communities. They havedeveloped an understanding of the principles of graph theory, concepts of network analysis, and principles of social network analysis, andhave learned about the concepts of recommender systems. They are also aware of the limitations and privacy issues of concepts andapplications in digital communities. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Mandatory: basic knowledge of computer science.Desirable: knowledge of graph theory and linear algebra, basic programming skills.



Modulbeschreibung

Digital Communities

Modultitel:

Digital Communities

Digital Communities

Leistungspunkte:

6


Küpper, Axel

Sekretariat:

TEL 19

Ansprechpartner:

Ruppel, Peter

URL:

http://www.snet.tu-berlin.de/digitalcommunities

Modulsprache:

Englisch

Kontakt:

[email protected]



Lernergebnisse Die Studierenden kennen die grundlegenden Methoden, um komplette Entwicklungszyklen für signalverarbeitende Systeme, wie sie in fastallen Bereichen der modernen Technik eingesetzt werden, durchzuführen. Dazu gehören die Vertiefung theoretischer Grundlagen undMethoden, der Umgang mit einem international eingeführten Berechnungs- und Simulations-Tool zur Signalverarbeitung sowie diepraktische Umsetzung eines Systementwurfs mittels Hard- und Software. Die Umsetzung erfolgt im Rahmen eines frei wählbaren Projekteswahlweise auf der Basis eines digitalen Signalprozessors eines Mikrocontrollers und/oder programmierbarer Logik. Dabei haben neben derrein fachlichen Qualifikation auch die Teamarbeit und das Projektmanagement einen hohen Stellenwert. The students know fundamental methods to conduct all design cycles in the design of signal processing systems, which are employed inalmost all fields of modern technology. This includes the deepening of theoretical basics and methods, the handling of calculation andsimulation tools for signal processing as well as the practical implementation of a designed system in hard- und software. Thisimplementation is done as part of a individually selectable project either based on a digital signal processor, a microcontroller orprogrammable logic. Next to the subject-specific qualifications, teamwork and project management skills are also important.




Modulbeschreibung

Digitale Signalverarbeitung

Modultitel:

Digitale Signalverarbeitung

Digital Signal Processing

Leistungspunkte:

12



Sekretariat:

EN 3

Ansprechpartner:

Tigges, Timo

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]





Signalprozessor-Labor:- Beurteilte Laborarbeit: Geprüft wird der Entwurf, die Planung und die Umsetzung des selbstdefinierten Projekts zur Entwicklung einesSystems oder eines Gerätes zur digitalen Signalverarbeitung auf der Basis eines DSP- Entwicklungsboards.- Präsentation: Geprüft wird die Qualität der Präsentation hinsichtlich der inhaltlichen und formalen Qualität der Folien sowie desVortragsstils.- Dokumentation: Geprüft wird die ausführliche Projektdokumentation in der die Projektergebnisse festgehalten werden

Neuronale Netze:- Schriftliche Ausarbeitung: Geprüft wird die Qualität der schriftlichen Ausarbeitung zum erarbeiteten Thema.- Präsentationtion: Geprüft wird die Qualität der Präsentation der Ausarbeitung des gewählten Themas hinsichtlich der Qualität der Folienund des Vortragstils.- Beurteilte Laborarbeit: Geprüft wird die Qualtität und Quantität der Teilnahme am Diskurs zu den vorgestellten Themen.

Ausgewählte Themen zu Elektronik u. Signalverarbeitung- Schriftliche Ausarbeitung: Geprüft wird die Qualität der schriftlichen Ausarbeitung zum gewählten Thema.- Präsentation: Geprüft wird die Qualität der Präsentation der Ausarbeitung des gewählten Themas hinsichtlich der Qualität der Folien unddes Vortragstils.- Protokollierte praktische Leistung: Geprüft wird die Qualität der praktischen Umsetzung des gewählten Themas sowie die zugehörigeDokumentation.

Mixed-Signal-Baugruppen:- Protokollierte praktische Leistung: Geprüft wird die Fachliche Qualität der Mitarbeit im Rahmen der Projektdurchführung - von der erstenEntwurfsidee, über Literaturrecherche und Realisierung, bis hin zum Debugging der Schaltung.- Dokumentation: Geprüft wird die ausführliche technische Dokumentation zur realisierten Schaltung. Diese soll alle Design-Entscheidungen, die Vorgehensweise und Ergebnisse, gegebenenfalls inklusive Begründung unerwarteter Resultate, dokumentieren.- Präsentation: Geprüft wird die fachliche und rhetorische Qualität des Kurzvortrags (~5-10 Minuten) zu einem Teilbereich der entworfenenSchaltung, im Rahmen einer fachgebiets-internen Präsentation.

Signalverarbeitung:- Klausur Signalverarbeitung (VL+IV): Geprüft wird der Inhalt der Vorlesung und der Integrierten Veranstaltung Signalverarbeitungin Formeiner schriftlichen Prüfung.

Medizinelektronik:- Klausur Medizinelektronik (VL): Geprüft wird der Inhalt der Vorlesung Medizinelektronik in Form einer schriftlichen Prüfung.- Klausur Medizinelektronik (IV): Geprüft wird der Inhalt der Integrierten Veranstaltung Medizinelektronik in Form einer schriftlichenPrüfung.

Praktikum Digitale Systeme (Mikrocontroller-Labor):- Beurteilte Laborarbeit: Geprüft wird der Entwurf, die Planung und die Umsetzung des selbstdefinierten Projekts zur Entwicklung einesSystems der Basis eines Mikrocontroller- Entwicklungsboards.- Präsentation: Geprüft wird die Qualität der Präsentation hinsichtlich der inhaltlichen und formalen Qualität der Folien sowie desVortragsstils.- Dokumentation: Geprüft wird die ausführliche Projektdokumentation in der die Projektergebnisse festgehalten werden.

Signalverarbeitung (Signalprozessor-Labor):- Beurteilte Laborarbeit: Geprüft wird der Entwurf, die Planung und die Umsetzung des selbstdefinierten Projekts zur Entwicklung einesSystems der Basis eines Mikrocontroller- Entwicklungsboards.- Präsentation: Geprüft wird die Qualität der Präsentation hinsichtlich der inhaltlichen und formalen Qualität der Folien sowie desVortragsstils.- Dokumentation: Geprüft wird die ausführliche Projektdokumentation in der die Projektergebnisse festgehalten werden.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Beurteilte Laborarbeit (Mixed-Signal-Baugruppen)

flexibel 35 15 Termine

(Ergebnisprüfung) Dokumentation (Ausgewählte Themen zuElektronik u. Signalverarbeitung)

flexibel 10 20 Seiten

(Ergebnisprüfung) Dokumentation (Mixed-Signal-Baugruppen)

flexibel 8 Gruppenarbeit 40-60 Seiten

(Ergebnisprüfung) Dokumentation (Praktikum DigitaleSysteme)

flexibel 10 Gruppenarbeit 40-60 SeitenProtokoll

(Ergebnisprüfung) Dokumentation (Signalprozessor-Labor) flexibel 20 Gruppenarbeit 40-60 SeitenProtokoll

(Ergebnisprüfung) Präsentation (Ausgewählte Themen zuElektronik u. Signalverarbeitung)

flexibel 5 12 Minuten

(Ergebnisprüfung) Präsentation (Mixed-Signal-Baugruppen) flexibel 7 20 Minuten(Ergebnisprüfung) Präsentation (Neuronale Netze) flexibel 10 20 Minuten(Ergebnisprüfung) Präsentation (Praktikum DigitaleSysteme)


(Ergebnisprüfung) Präsentation (Signalprozessor-Labor) flexibel 10 20 Minuten(Ergebnisprüfung) Schriftliche Ausarbeitung (NeuronaleNetze)

flexibel 10 10 Seiten

(Ergebnisprüfung) Schriftliche Prüfung (MedizinelektronikVL)


(Ergebnsiprüfung) Schriftliche Prüfung (SignalverarbeitungVL + IV)


(Lernprozessevaluation) Beurteilte Laborarbeit (AusgewählteThemen zu Elektronik u. Signalverarbeitung)


(Lernprozessevaluation) Beurteilte Laborarbeit (NeuronaleNetze)


(Lernprozessevaluation) Beurteilte Laborarbeit (PraktikumDigitale Systeme)


(Lernprozessevaluation) Beurteilte Laborarbeit(Signalprozessor-Labor)



Lernergebnisse Participants learn basic concepts, their theoretical foundation, and the most common algorithms used in digital image processing. Aftercompleting the module, participants understand strengths and limitations of different methods, are able to correctly and successfully applymethods and algorithms to real world problems, and are aware of performance criteria. More specifically, participants will be able to demonstrate 1) Knowledge of theory and methods of signal processing2) Application to problems of image enhancement and image restoration3) Understanding regarding concepts of feature extraction no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: none



Modulbeschreibung

Digital Image Processing

Modultitel:



Leistungspunkte:

6


Hellwich, Olaf

Sekretariat:

MAR 6-5

Ansprechpartner:

Dennert, Marion

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Lernergebnisse Students who have successfully finished this module know the most important basic algorithms for distributed systems and their respectiveproperties. They know typical structures of distributed algorithms and can evaluate the complexity, scalability and fault tolerance properties.The students can apply their knowledge for selecting appropriate algorithms while designing distributed systems. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Basic skills in distributed systems.Sufficient knowledge about the contents ofboth courses "Systemprogrammierung" and "Rechnernetze und verteilte Systeme"or both courses "Technische Grundlagen der Informatik für Wirtschaftsinformatiker" and "Programmierpraktikum".



Modulbeschreibung

Distributed Algorithms

Modultitel:

Distributed Algorithms

Verteilte Algorithmen

Leistungspunkte:

6


Kao, Odej

Sekretariat:

EN 59

Ansprechpartner:

keine Angabe

URL:

http://www.cit.tu-berlin.de/

Modulsprache:

Englisch

Kontakt:

[email protected]

1.) [KBS] Distributed Algorithms Assignments



Lernergebnisse Werkzeug-Kompetenz im Umgang mit dem Theorembeweiser Isabelle/HOL.Grundverständnis bei der Erstellung mechanisch formalisierbarer Beweise.Kompetenz bei der konkreten Umsetzung von informallen Beweisideen in Isabelle-Code. Competencies in the usage of the Interactive Theorem-Proving Environment Isabelle/HOL.Solid understanding on the production of mechanically checkable proofs.Competencies in the transformation of informal proof ideas into Isabelle code.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Grundkenntnisse in Formaler Logik, Kenntnisse und Kompetenzen im Führen von Beweisen.



Modulbeschreibung

Introduction into Interactive Theorem Proving

Modultitel:

Introduction into Interactive Theorem Proving

Einführung in das interaktive Theorembeweisen

Leistungspunkte:

3


Nestmann, Uwe

Sekretariat:

TEL 7-2

Ansprechpartner:

Peters, Kirstin

URL:

http://www.mtv.tu-berlin.de/menue/lehre/module/isabellelab/

Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]

Prüfungsform: Benotet: Dauer/Umfang:mündlich benotet 30-40 Minuten


Lernergebnisse Die Studierenden kennen die verschiedenen Anwendungen der Logik in der Informatik. Sie haben das methodische Rüstzeug um dieAusdrucksstärke eines logischen Systems zu analysieren und verstehen den engen Zusammenhang zwischen Logik und algorithmischerKomplexität. Sie werden im Rahmen dieses Moduls im Schnittgebiet zwischen Logik und Algorithmik bis an den aktuellen Stand derForschung herangeführt und somit auf eigene Arbeiten in diesem Gebiet vorbereitet. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Interesse an theoretischer Informatik sowie Grundkenntnisse in Logik undKomplexitätstheorie, wie sie in den Modulen „Berechenbarkeit und Komplexität“ sowie„Logiken und Kalküle“ vermittelt werden.



Modulbeschreibung

Einführung in die Logik und deskriptive Komplexität

Modultitel:

Einführung in die Logik und deskriptive Komplexität

Logic and Complexity

Leistungspunkte:

9


Kreutzer, Stephan

Sekretariat:

TEL 7-3

Ansprechpartner:

keine Angabe

URL:

keine Angabe

Modulsprache:

Deutsch

Kontakt:

[email protected]



Lernergebnisse Students who have successfully finished this module have an advanced knowledge of operating systems for embedded systems. They areaware of the specific design aspects (like realtime behavior, energy consumption, schedulability, fault tolerance) and know of theirinterdependencies. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Basic (undergraduate) course on operating systems is required to follow the lectures.



Modulbeschreibung

Embedded Operating Systems

Modultitel:

Embedded Operating Systems

Eingebettete Betriebssysteme

Leistungspunkte:

6


Heiß, Hans-Ulrich

Sekretariat:

EN 6

Ansprechpartner:

keine Angabe

URL:

http://www.kbs.tu-berlin.de/

Modulsprache:

Englisch

Kontakt:

[email protected]

Prüfungsform: Benotet: Dauer/Umfang:mündlich benotet 30 minutes


Lernergebnisse This module’s qualification aims are:1. Understanding of security relevant interfaces (hard- and software) of (embedded) computer systems2. Practical experience in identifying, exploiting, and fixing of vulnerabilities in hard- and software3. A profound evaluation of system security no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Prerequisites:• knowledge equivalent to the "Software Security" lecture• familiarity with Unix/Linux operating system primitives (e.g. using a command line) Recommended additional skills:• basic networking concepts and tools (DNS, DHCP, NAT, ...)• low-level programming concepts (pointers, registers, stack vs. heap, ...)• basic concepts of cryptography In order to complete the assignments, each participant needs at least one computer with administrator privileges (i.e. being able to log intouniversity computers is insufficient) preferrably running Linux. It is possible to complete the tasks while using Windows or MacOS as well,but the teaching staff cannot provide guidance on those operating systems.



Modulbeschreibung

Embedded Systems Security Lab

Modultitel:



Leistungspunkte:

6



Sekretariat:

TEL 17

Ansprechpartner:


URL:

http://www.isti.tu-berlin.de/security_in_telecommunications/menue/teaching/courses/security_lab/

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:• (Practical Course) 6 practical assignments

Prüfungselement Kategorie Gewicht Dauer/Umfang(deliverable assessment) 1 assignment (group work) praktisch 1 2 weeks(deliverable assessment) 5 assignments (individual work) praktisch 5 2 weeks each


Lernergebnisse Die Studierenden haben Grundkenntnisse in der Entwicklung von Computerspielen und können die erworbenen Kenntnisse undFähigkeiten in der Programmierung und grafischen Gestaltung von Computerspielen praktisch umsetzen. Students have basic knowledge in computer game development and can put into practice the acquired knowledge and skills inprogramming and graphic design of computer games.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Vorausgesetzt werden praktische Erfahrung in mindestens einer für die Grafikprogrammierung geeigneten Programmiersprache (z.B. C#,C++, Java). Kenntnisse in der Grafikprogrammierung und Grafikdesign sind vorteilhaft. Hands-on experience in at least one appropriate language for graphics programming (e.g. C #, C ++, Java) required. Knowledge of graphicsprogramming and graphic design is an advantage.



Modulbeschreibung

Game Programming

Modultitel:

Game Programming

Game Programming

Leistungspunkte:

9


Alexa, Marc

Sekretariat:

MAR 6-6

Ansprechpartner:

Fer-Arslan, Gaelle

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]




Implementierung, Vorträge und Projektdokumentation können in deutscher oder englischer Sprache erfolgen.Implementation, talks and project documentation can be carried out in German or English.

Implementierung: Geprüft wird die Lauf- und Funktionsfähigkeit von Programmen, die entsprechend einer vorgegebenen Spezifikation zuentwickeln sind.Projektdokumentation: Die Studierenden bearbeiten sie eine ausgewählte Fragestellung und fassen ihre Erkenntnisse,Anwendungsmethoden und Ergebnisse in einer schriftlichen Projektarbeit zusammen.Vortrag: Die Erkenntnisse und Ergebnisse der Projektdokumentation werden mündlich vorgetragen. Fragen zum bearbeiteten Thema sinddann mündlich zu beantworten.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung/Deliverable assessment)Implementierung/Implementation

praktisch 50 Implementierung desSpielprogramms

(Ergebnisprüfung/Deliverable assessment)Projektdokumentation/Project Documentation

schriftlich 20 Projektdokumentation

(Ergebnisprüfung/Deliverable assessment) Vortrag/Talk mündlich 30 ca. 20 Minuten (Präsentation+ Fragen)


Lernergebnisse Students completing the course will understand how structural information about instances to computational problems can be used in thedesign of efficient algorithms. They will be familiar with basic nations of graph decompositions and thealgorithmic techniques facilitated to use this additional information. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Participants should have a strong interest in theoretical computer science or algorithmic graph theory. The course is self-contained in the sense that all relevant algorithmic and graph theoretical concepts will be introduced in the lectures. Basicknowledge of graph theory and graph algorithms may be useful but is not a requirement.



Modulbeschreibung

Structural Graph Theory

Modultitel:

Structural Graph Theory

Strukturelle Graphentheorie

Leistungspunkte:

9


Kreutzer, Stephan

Sekretariat:

TEL 7-3

Ansprechpartner:

keine Angabe

URL:

keine Angabe

Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Lernergebnisse The participants will be led to a research and industrially relevant subject. It is not aspired to explore a specific area completely. The aim ofthe course is to confront the participants with the whole complexity of one issue and to challenge their own initiative. We provide an insightin the research and development projects of the field. Topics may also include more diverse scientific issues of major social significance. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Preferable: depends on topic; e.g. Module Photogrammetric Computer Vision, Module Digital Image Processing, Module Microwave andRadar Remote Sensing, Module Optical Remote Sensing.



Modulbeschreibung

Hot Topics in Computer Vision Seminar

Modultitel:



Leistungspunkte:

3


Hellwich, Olaf

Sekretariat:

MAR 6-5

Ansprechpartner:

Dennert, Marion

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/UmfangContribution to discussion mündlich 20 -Handout (Ergebnisprüfung) schriftlich 40 -Talk (Ergebnisprüfung) mündlich 40 15 minutes


Lernergebnisse Die Studierenden können im Rahmen eines großen Systementwicklungsprojekts ein aktuelles Thema im Informationsmanagementbereichsystematisch analysieren, modellieren sowie problemorientiert im Team eine Lösung entwickeln und implementieren. Sie sind in der Lage,als Teammitglied in Eigenverantwortung Projektorganisation, Qualitätssicherung und Dokumentation zu betreiben. Insgesamt soll dieQualität der Lösungsmodelle und -entwicklung durch theoretische Analyse, systematische Experimente und Tests bewertet werden. As part of a large system development project the students get the opportunity to systematically analyse, model and develop (problem-oriented) a solution for a hot topic in information management. They are able to operate as a team member and are responsible for projectorganization, quality assurance and documentation. Overall, the quality of the solution and the development should be done throughtheoretical analysis, systematic experiments and tests.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Entrance requirement for the project is the successful completion of the module DBT - Database Technology (or equivalent).



Modulbeschreibung

IMPRO - Project Hot Topics in Information Management

Modultitel:



Leistungspunkte:

6


Markl, Volker

Sekretariat:

EN 7

Ansprechpartner:

Hemsen, Holmer

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]




Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) documentation schriftlich 10 about 15h(Deliverable assessment) final project report schriftlich 10 about 15h / 15 pages(Deliverable assessment) modelling and development of theprototype (incl. test cases)

praktisch 50 about 50h

(Deliverable assessment) final presentation mündlich 10 20 minutes(Learning process review) active collaboration in projectteam work (incl. adherence to the scheduled progress plan)


(Learning process review) presentation of project poster mündlich 10 about 20 minutes


Lernergebnisse Ability to analyze the state of the art of a research topic and to summarize it for an expert audience. The students learn to find and toclassify publications on research, to give oral presentations covering a complex topic, and to write a esearch paper. The students getfamiliar with techniques used in the scientific community like peer reviews, conference presentations, and defending the finding in adiscussion after the presentation. The course is principally designed to impart: technical skills 10%, method skills 45%, system skills 0%, social skills 45%. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Sound knowledge of operating systems, embedded operating systems, or security aspects (depending on the actual topics of the seminar).



Modulbeschreibung

Hot Topics in Operating Systems and Distributed Systems

Modultitel:

Hot Topics in Operating Systems and Distributed Systems

Aktuelle Themen in Betriebssystemen und verteilten Systemen

Leistungspunkte:

3


Heiß, Hans-Ulrich

Sekretariat:

EN 6

Ansprechpartner:

keine Angabe

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]




Paper / schriftliche Ausarbeitung: 50 PunkteTalk / Referat: 50 Punkte

Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.

After successful completion, a seminar certificate will be issued which meets requirements of the master's program.

Prüfungselement Kategorie Gewicht Dauer/UmfangPaper / schriftliche Ausarbeitung schriftlich 50 6 SeitenTalk / Referat mündlich 50 20 Minuten


Lernergebnisse Absolventinnen und Absolventen dieses Moduls besitzen einen Überblick über Phänomene, die bei der Interaktion kontinuierlicher undereignisdiskreter Systeme auftreten können. Sie sind in der Lage, solche Systeme zu analysieren und Regelungen für solche Systeme zuentwerfen. In this modul students are introduced to special phenomena arising from the interconnection of continuous and discrete event componentsin so called hybrid systems. They learn how to analyse such systems and get an overview of existing controller synthesis techniques.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Kenntnisse der Lehrveranstaltung „Ereignisdiskrete Systeme" sind hilfreich, aber nicht Vorbedingung.



Modulbeschreibung

Hybride Systeme

Modultitel:

Hybride Systeme

Hybrid Systems

Leistungspunkte:

6


Raisch, Jörg

Sekretariat:

EN 11

Ansprechpartner:

Schafaschek, Germano

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]



Lernergebnisse In this course you will learn to systematically analyze a current issue in the information managementarea and to develop and implement a problem-oriented solution as part of a team. You will learn tocooperate as team member and to contribute to project organization, quality assurance and documentation. The quality of your solution hasto be proven through analysis, systematic experiments and test cases. Examples of IMPRO projects carried out in recent semesters are atool used to analyse Web 2.0 Forum data, an online multiplayer game for mobile phones, implementation and analysis of new join methodsfor a cloud computing platform or the development of data mining operations on the massively parallel system Hadoop as part of theApache open source project Mahout.After the course, students will be able to understand methods for large scale data analytics and tosolve large scale data analytics problems. They will be capable of designing and implementing largescale data analytics solutions in a collaborative team. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Knowledge from the complete Bachelor program (Informatik or Technische Informatik) is required, aswell as linear algebra and statistics. Depending on the topic, additional prerequisites may be required, e.g. „DBT - Database Technology" Solid programming skills in at least one of the following programming languages: Java, C++, Scala, Python.Basic knowledge in functional programming.Basic knowledge in distributed source control management systems (Git, Mercurial) and software processes like Scrum.



Modulbeschreibung

BDAPRO - Big Data Analytics Project

Modultitel:



Leistungspunkte:

9


Markl, Volker

Sekretariat:

EN 7

Ansprechpartner:

Alexandrov, Alexander

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:The overall grade for the module consists of the results of the course work ('portfolio exam'). The following are included in the final grade:1. Prototype with test cases and documentation (30p.)2. Experiment design and execution (20p.)3. Intermediate presentation (10p.)4. Experiments analysis (20p.)5. Final presentation (20p.)


Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) Experiments analysis praktisch 20 about 30h(Deliverable assessment) Final presentation mündlich 20 about 20 minutes(Deliverable assessment) Intermediate presentation mündlich 10 about 10-15 minutes(Learning process review) Experiment design and execution praktisch 20 about 30h(Learning process review) Prototype with test cases anddocumentation



Lernergebnisse Das Modul vermittelt Überblickswissen und Problembewusstsein im Themenfeld Entwicklungsländerund Technologietransfer. Die Studierenden erwerben- allgemeines Wissen über die gesellschaftliche, wirtschaftliche und kulturelle Situation inEntwicklungsländern.- detaillierte Kenntnisse über die Situation der Informationstechnologie (IT) inEntwicklungsländern und ihre Bedeutung für die Entwicklung eines Landes.- die Fähigkeit zur Analyse eines Entwicklungslandes im Hinblick auf Probleme und Chancen fürden IT-Einsatz und zur Entwicklung von Lösungsansätzen.- ein Problembewusstsein für den Transfer von Technologien in Entwicklungsländer und dieBedeutung von Bildung und Nachhaltigkeit.- Kenntnisse im Bereich der Entwicklungspolitik.- die Fähigkeit, sich interdisziplinär mit einer Thematik zu beschäftigen.- interkulturelle Kompetenz. Das Modul vermittelt überwiegend:Fachkompetenz 30x, Methodenkompetenz 25x, Systemkompetenz 15x, Sozialkompetenz 30x no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Interesse an entwicklungspolitischen Themen



Modulbeschreibung

Informatik und Entwicklungsländer

Modultitel:

Informatik und Entwicklungsländer

Computer Science and Developing Countries

Leistungspunkte:

6


Peroz, Nazir Ahmad

Sekretariat:

FH 5-2

Ansprechpartner:

Steinbeck, Saskia

URL:

http://www.ziik.tu-berlin.de/menue/lehre_und_forschung/

Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/UmfangMitarbeit in Arbeitsgruppen 20Vortrag und Diskussionsleitung einer Sitzung 40schriftliche Ausarbeitung 40


Lernergebnisse Participants get to know the relevant areas covered by the Information Security Management discipline. They will be trained in differentaspects of the security management process, along with practical exercises covering different topics and methods. This includes theprevailing national and international standards in this field. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Participants should have a general knowledge about information systems and networks (no specialist skills required) and an interest insecurity and management processes.



Modulbeschreibung

Information Security Management

Modultitel:



Leistungspunkte:

6


Heiß, Hans-Ulrich

Sekretariat:

EN 6

Ansprechpartner:

keine Angabe

URL:


Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Lernergebnisse Nach Besuch des Moduls sollen Studierenden die folgenden Kenntnisse und Fähigkeiten erworben haben:* Einsatzmöglichkeiten von KI-Technologien zur Erreichung von Sicherheitszielen kennen,* Methoden der Künstlichen Intelligenz und des maschinellen Lernens im Bereich der Sicherheit bewerten und einsetzen können,* Kenntnis industriell und wirtschaftlich relevanter Anwendungsgebiete Die Studierenden sind in der Lage, die Leistungsfähigkeit der besprochenen Verfahren einzuschätzen und sie auf Probleme in denAnwendungsdomänen erfolgreich einzusetzen. After attending the module students should have acquired the following knowledge and skills:* possible applications of AI technologies to achieve security objectives* can evaluate and use artificial intelligence and machine learning methods in the area of IT security* At the end of the course, participants will be able to assess the performance of the methods discussed and to use them successfully toproblems in various application domains.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Inhaltlich werden Kenntnisse in den Bereichen Netzwerksicherheit und Künstliche Intelligenz vorausgesetzt.



Modulbeschreibung

Intelligente Sicherheit in Netzwerken

Modultitel:

Intelligente Sicherheit in Netzwerken

Artificial Intelligence for Network Security

Leistungspunkte:

12


Albayrak, Sahin

Sekretariat:

TEL 14

Ansprechpartner:

Bsufka, Karsten

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]




Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Projekt: Fortschrittspräsentation praktisch 10 4 x 20 Minuten(Ergebnisprüfung) Projektdokumentation schriftlich 20 10 - 20 Seiten(Ergebnisprüfung) Projektergebnisse praktisch 30 13 Wochen(Ergebnisprüfung) VL KIN: 3 von 4 schriftlichen Tests schriftlich 5 je 45 Minuten(Lernprozessprüfung) Mündliche Gruppenrücksprache mündlich 5 0,5 Stunden(Lernprozessprüfung) VL KIN: mündliche Rücksprache mündlich 30 0,5 Stunden


Lernergebnisse Nach Abschluss dieses Moduls haben die Teilnehmer praktische Erfahrungen im Design, der Implementierung und dem Testen vonApplikationen im Internet of Services in einem kleinen Team gesammelt und dadurch Basiskenntnisse und Einblicke in den BereichenMobile Endgeräte, Kommunikation und Dienste, Location-based Services, Cloud Computing oder Digital Communities erlangt. Darüberhinaus haben die Teilnehmer wichtige Erfahrungen in der Organisation und Durchführung von IT Projekten gesammelt, was auchControlling, Reporting, Planning und Kommunikation mit externen Partnern beinhaltet. After completing this moldule, the participants have gained practical experience in designing, implementing, and testing of applications forthe internet of services within a small team and therefore gained significant knowledge and insights within the areas of mobile devices,communication and services, location-based services, cloud computing and digital communities. Furthermore, the participants have gainedimportant knowledge of how to organize and realize IT projects, including controlling, reporting, planning, and communicating with externalpartners.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: - Programming skills- Communication skills in english- Autonomous working style- Basic knowledge in the area of the chosen task



Modulbeschreibung

Internet of Services Lab

Modultitel:



Leistungspunkte:

9


Küpper, Axel

Sekretariat:

TEL 19

Ansprechpartner:

Grunert, Kai

URL:

http://www.snet.tu-berlin.de/internet-of-services

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:All in all 100 portfolio points can be achieved:

The final grade under the terms of § 47 (2) AllgStuPO is calculated according to the grading scheme no. 2 of faculty IV.

* Practical Implementation: the outcome of the project is assessed. For that the annotated source code, the reusability, the quality and thequantity of the resulting software is evaluated.

* Milestone Presentations: the presentation of the project in front of the whole course is assessed. For that the structure, presentation andlinguistic style, the slide design, the selected topics, the time management and the Q&A session is evaluated.

* Written Report: a written report that contains a description of the project is assessed. For that the structure, the completeness, theevaluation and the scientific working is assessed.

* Process of the Project: the process and progression of the project is assessed in regular meetings with the supervisor. For that theapproach, the project management methods, the motivation, the independent work, the time managment, the task distribution, the teamcollaboration, the communication with the supervisors, the conflict resolution, the self-reflection, the creativity, the application ofknowledge, the clarification of the task and the analytical thinking is assessed.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Milestone Presentations mündlich 25 20 - 30 min(Ergebnisprüfung) Practical Implementation praktisch 25 final software product(Ergebnisprüfung) Written Report schriftlich 25 25 - 50 pages(Lernprozessprüfung) Process of the Project praktisch 25 weekly project work


Lernergebnisse Die Studierenden kennen die wesentlichen Konzepte des Brain-Computer Interfacing. Sie sind in der Lage, eigenständig die Verfahren derbiomedizinischen Signalverarbeitung und der Single-Trial Klassifikation auf neuronale Daten anzuwenden. Sie können dieAnalyseergebnisse interpretieren, sowohl in statistischer als auch in (eingeschränkter) neurophysiologischer Sicht. Students know the essential concepts of Brain-Computer Interfacing (BCI). They are capable of applying methods of biomedical signalprocessing and single-trial classification to neural data. They can provide an interpretation of the outcome of their analysis in a statistical aswell as in a neurophysiological manner.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: * Required: programming skills; background in mathematics, in particular linear algebra and probability theory.* Helpful, but not obligatory: Basic knowledge in signal processing and machine learning.



Modulbeschreibung

Brain-Computer Interfacing (basic)

Modultitel:



Leistungspunkte:

6


Blankertz, Benjamin

Sekretariat:

MAR 4-3

Ansprechpartner:

Blankertz, Benjamin

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:The grade is determined according to § 47 (2) AllgStuPO with the grading system 2 of faculty IV.* Exercises: Concurrent to the lecture, there will be a tutorial in which eight assignment sheets have to be solved. These are devoted topractical EEG analysis (programming).* Written exams: In the first half and in the second half of the lecture, there will be written tests of 45 minutes each.






Lernergebnisse Die Studierenden haben ein vertieftes und erweitertes Verständnis probabilistischer Modelle durch das eigenständige Einarbeiten in einaktuelles Forschungsthema anhand von Literatur und der eigenständigen Ausarbeitung einer Beispielanwendung.Zudem sind sie kompetent in der Darstellung und Vermittlung wissenschaftlicher Themen mittels eines Vortrages. Students have a profound knowledge of probabilistic models through independent work on a current field of research with the help ofliterature and independent elaboration of an example application.They are competent in presentating and explaining research topics in a talk.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Vorausgesetzt werden Grundkenntnisse in Mathematik (Lineare Algebra, Analysis, Stochastik) sowie Programmierkenntnisse.



Modulbeschreibung

Probabilistic and Bayesian Modelling in Machine Learning and Artificial Intelligence - Seminar

Modultitel:

Probabilistic and Bayesian Modelling in Machine Learning and ArtificialIntelligence - Seminar

Probabilistisches und Bayesianisches Modelling im Machinellen Lernen undKünstlicher Intelligenz - Seminar

Leistungspunkte:

3


Opper, Manfred

Sekretariat:

MAR 4-2

Ansprechpartner:

Ruttor, Andreas

URL:

http://www.ki.tu-berlin.de/menue/lehre

Modulsprache:

Englisch

Kontakt:

[email protected]




Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Beispielanwendung praktisch 40 20 Minuten(Ergebnisprüfung) Präsentation mündlich 60 45 Minuten


Lernergebnisse The general idea of this module is to give an introduction to approaches that uses features or processes of the human body as an input toobtain information that are otherwise difficult to access in the context of human-computer-interaction (HCI). - Basic understanding of neuronal processes and the relation of body regulation, emotion, cognition, and behavior.- Knowledge of current approaches in (evolutionary) psychology and neuroscience to emotions/affects.- Basic understanding of relevant physiological indicators of psychic processes- Expertise to assess existing and future approaches oto utilize bio/body signals in HCI and usablity research oto collect and analyze information about the user's current emotional state oto manipulate the user's mood oto identify and verify users- Ability to do critical (online) literature research- Presentation skills- Hands-on experience in an independent student research project The general idea of this module is to give an introduction to approaches that uses features or processes of the human body as an input toobtain information that are otherwise difficult to access in the context of human-computer-interaction (HCI). - Basic understanding of neuronal processes and the relation of body regulation, emotion, cognition, and behavior.- Knowledge of current approaches in (evolutionary) psychology and neuroscience to emotions/affects.- Basic understanding of relevant physiological indicators of psychic processes- Expertise to assess existing and future approaches oto utilize bio/body signals in HCI and usablity research oto collect and analyze information about the user's current emotional state oto manipulate the user's mood oto identify and verify users- Ability to do critical (online) literature research- Presentation skills- Hands-on experience in an independent student research project

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: SE Affective ComputingMandatory: completed Bachelor/Vordiplom in computer science, computer engineering, electrical engineeringDesirable: Basic signal processing skills and/or usability engineering knowledge SP Neuro-UsabilityMandatory: successful participation in the preceding seminar Affective ComputingDesirable: Basic signal processing skills and/or usability engineering knowledge



Modulbeschreibung

Introduction to Physiological Computing

Modultitel:



Leistungspunkte:

6


Möller, Sebastian

Sekretariat:

TEL 18

Ansprechpartner:

Hirsch, Tobias

URL:


Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]





PJ Neuro-Usability - project plan: The students are expected to make a proposal for a project as well as provide a time plan and division oftasks within the project

PJ Neuro-Usability - project mid term presentation: This is a slide deck that must be provided to showcase the progress, issues and layoutthe plan for the rest of the project.

PJ Neuro-Usability - project presentation: A final presentation will be presented where the students present results, and connect to othersimilar work.

SEM Affective Computing - oral presentation: Based on a given topic the students hold presentations either individually or in small groups.

SEM Affective Computing - handout: The students write a short scientific paper on the same topic as for the presentation.

SEM Affective Computing - written test: The final exam is problem solving oriented, requiring the students too apply the learnt theory toreal problems and provide a plan, to solve these problems.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) PJ Neuro-Usability: project finalpresentation

mündlich 20 30 min

(Deliverable assessment) PJ Neuro-Usability: project midterm presentation

mündlich 20 30 min

(Deliverable assessment) PJ Neuro-Usability: project plan schriftlich 5 5 pages(Deliverable assessment) SEM Affective Computing:handout


(Deliverable assessment) SEM Affective Computing: oralpresentation

mündlich 15 30 min

(Examination) SEM Affective Computing: written test schriftlich 25 90 min


Lernergebnisse Students who have successfully finished the course will be able to select the right approach and tools to analyze unknown software forsecurity problems. They will be able to assess the significance of their findings and to explain it to a non-expert. The course is principally designed to impart: technical skills 50%, method skills 40%, system skills 0%, social skills 10%. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Programming skills in at least one of the following languages: C, PHP, shell script and experience operating a Linux system are required.Knowledge of a basic/undergrad security lecture is recommended.



Modulbeschreibung

IT Security Lab: Vulnerability Assessment

Modultitel:

IT Security Lab: Vulnerability Assessment

Praktikum Rechnersicherheit

Leistungspunkte:

6


Heiß, Hans-Ulrich

Sekretariat:

EN 6

Ansprechpartner:

keine Angabe

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:Insgesamt können 100 Portfoliopunkte erreicht werden:• ein Referat (32 Portfoliopunkte),• Programmieraufgabe (große Semesteraufgabe, 32 Portfoliopunkte),• 4 Programmieraufgaben (kleine Aufgaben, je 9 Portfoliopunkte),Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.

Prüfungselement Kategorie Gewicht Dauer/Umfang4 kleine Programmieraufgaben praktisch 36 6 StundenProgrammieraufgabe (große Semesteraufgabe) praktisch 32 10 StundenReferat mündlich 32 20 Minuten


Lernergebnisse The success of computer and communication systems strongly depends on their performance, typically reflected in the perception ofservice quality. Optimizing system performance, subject to a set of resource and cost constraints, is thus a critical design goal for systemengineers. Performance evaluation allows us to quantify the service delivered by systems as well as the usage of resources. Thus, studentscompleting this module will gain the understanding of basic concepts of performance evaluation of computer communication systems. Theywill become familiar with the basics of analytical, experimental and simulative methods, as well as approaches to experiment planning.Students will also be able to understand application of these methods to computer networks and distributed systems. Finally, they will beable to design and execute performance evaluation and comparison of systems form the performance point of view. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: BSc module „Kommunikationsnetze” or similar knowledge is required.



Modulbeschreibung

Performance Evaluation of Computer Communication Systems

Modultitel:

Performance Evaluation of Computer Communication Systems

Leistungsbewertung von Kommunikationsnetzen

Leistungspunkte:

6


Wolisz, Adam

Sekretariat:

FT 5

Ansprechpartner:

Döring, Micha

URL:

http://www.tkn.tu-berlin.de/?108248#kstkn

Modulsprache:

Englisch

Kontakt:

[email protected]




Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) Project work/ report praktisch 20 20h/ ~20 Seiten(Examination) Oral consultation mündlich 65 30min(Learning process review) Project presentation/ discussion mündlich 15 30min


Lernergebnisse Nach dem Besuch dieses Moduls verfügen die Studierenden über das notwendige Wissen, künstliche und natürliche Lichtquellen optimalfür unterschiedliche Beleuchtungsaufgaben auszuwählen und vorteilhaft einzusetzen. So helfen beispielsweise Kenntnisse über diespektralen Eigenschaften des Tageslichtes, eine Tageslichtbeleuchtung energetisch so zu optimieren, dass diese neben hoher Sehleistungauch Komfort und eine geringe Wärmelast garantiert. Kenntnisse über das Betriebsverhalten von künstlichen Lichtquellen sind eineGrundvoraussetzung für die richtige Dimensionierung von Leuchten und die Auswahl geeigneter Lichtquellen für unterschiedlicheBeleuchtungsaufgaben. After attending this module, students have the necessary knowledge to optimally select and apply artificial and natural light sources fordifferent applications. Knowledge of spectral properties of sunlight, for example, supports an appropriate daylighting design to guaranteehigh visual performance and comfort, as well as a low thermal load. Knowledge of the operational behavior of artificial light sources is abasic requirement for the correct dimensioning of luminaires and the selection of suitable light sources for different lighting tasks.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Wünschenswerte Voraussetzung für die Teilnahme zu den Lehrveranstaltungen des Moduls „Lichtquellen“:Falls die Lehrveranstaltung „Einführung in die Lichttechnik“ nicht im Bachelor oder die Lehrveranstaltung „Grundlagen der Lichttechnik“nicht im Master besucht und geprüft wurden, ist der vorherige Besuch und die erfolgreiche Prüfung der Lehrveranstaltung „Grundlagen derLichttechnik“ wünschenswert.



Modulbeschreibung

Lichtquellen

Modultitel:

Lichtquellen

Light Sources

Leistungspunkte:

6


Völker, Stephan

Sekretariat:

E 6

Ansprechpartner:

Knoop, Martine

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]




Prüfungsbeschreibung:1.Lampen und Leuchten (50 Pkt.)Mündliche Rücksprache zur Vorlesung „Lampen und Leuchten“: Geprüft wird das Verständnis der Vorlesungsinhalte.

2.Tageslichttechnik und Solarstrahlung (50 Pkt.)Hausaufgaben „Tageslichttechnik und Solarstrahlung“: Geprüft wird das Verständnis der Vorlesungsinhalte anhand des Durchrechnensvon exemplarischen Aufgabenstellungen in 5 Hausaufgaben.Mündliche Rücksprache zur Vorlesung „Tageslichttechnik und Solarstrahlung“: Geprüft wird das Verständnis der Vorlesungsinhalte.

3.Laborübung (50 Pkt.)Beurteilte Laborarbeit: Es wird die Durchführung der Versuche im Laborarbeit beurteilt.Protokollierte praktische Leistung der Laborübung: Geprüft wird die Dokumentation der Laborarbeit. In dieser sollten diewissenschaftlichen und technischen Grundlagen, die Beschreibung der Messplätze, die Versuchsdurchführung mit ermitteltenMesswerten, sowie die Interpretation der Ergebnisse, Fehlerbetrachtung und die Dokumentation möglicher Störeinflüsse enthalten sein.

4.Praktikum Lichttechnik I (50 Pkt.)Vortestat: Je Praktikumsversuch wird das Verständnis der wissenschaftlichen und technischen Grundlagen, das zur Durchführung dereinzelnen Praktika benötigt wird, geprüft.Beurteilte Laborarbeit in den vier Praktikumsversuchen: Es wird die Durchführung der Versuche beurteilt.Protokollierte praktische Leistung der vier Praktikumsversuche: Geprüft wird die Dokumentation der Versuche. In dieser sollten diewissenschaftlichen und technischen Grundlagen, die Beschreibung der Messplätze, die Versuchsdurchführung mit ermitteltenMesswerten, sowie die Interpretation der Ergebnisse, Fehlerbetrachtung und die Dokumentation möglicher Störeinflüsse enthalten sein.

Laborübung: Ergebnisprüfung: Protokollierte praktische Leistung40schriftlichProtokoll a 20 SeitenLaborübung: Lernprozessevaluation: Beurteilte Laborarbeit10flexibelBeurteilung der Arbeitsweise, individuellLampen und Leuchten: Leistungsabfrage: Mündliche Rücksprache zur Vorlesung „Lampen und Leuchten“50mündlich20 MinutenPraktikum Lichttechnik I: beurteilte Laborarbeit, 4 Versuche (Vortestat, Durchführung, Protokoll)50flexibelJe Praktikum: 4 - 5 Stunden + 10Seiten ProtokollTageslichttechnik und Solarstrahlung: Ergebnisprüfung: 5 Hausaufgaben20schriftlich5 Hausaufgaben à 4 PktTageslichttechnik und Solarstrahlung: Leistungsabfrage: mündliche Rücksprache zur Vorlesung „Tageslichttechnik und Solarstrahlung“30mündlich15 Minuten

Prüfungselement Kategorie Gewicht Dauer/UmfangLampen und Leuchten: Leistungsabfrage: MündlicheRücksprache zur Vorlesung „Lampen und Leuchten“


Praktikum Lichttechnik I: beurteilte Laborarbeit, 4 Versuche(Vortestat, Durchführung, Protokoll)

flexibel 50 Je Praktikum: 4 - 5 Stunden +10 Seiten Protokoll


Lernergebnisse Die Studierenden besitzen vertiefte Kenntnisse in der Licht-, Strahlungs- und Solartechnik. Mit Ihrem Wissen sind Sie in der Lage, licht- undstrahlungstechnische Berechnungen durchzuführen. Mit dem zugehörigen Praktikum werden die theoretischen Kenntnisse durch eigeneErfahrungen im Messen licht- und strahlungstechnischer Größen ergänzt. Die Studierenden haben Qualifikationen erworben, die sie für die Arbeit in der Lampen- und Leuchtenindustrie (z. B. Osram, Philips, Selux,Sill, Zumtobel, Erco und viele andere), im medizinischen Gerätebau, bei Herstellern von z.B. Tageslichtlenksystemen oderWasserentkeimungsanlagen, in Lichtplanungsbüros und in Licht- und Strahlungsmesslaboren (TÜV, PTB u.a) sowie für gutachterlicheTätigkeiten befähigt. The students have in-depth knowledge of lighting, radiation and solar technology. With this knowledge, they are able to perform lighting andradiation calculations. With the associated laboratory work, theoretical knowledge is complemented with practical experience inmeasurements of photometric and radiometric quantities. The students have acquired skills that they require for working in the lighting industry, medical equipment manufacturing, and manufacturersof daylighting systems or water purification systems. They are able to work in lighting design practice and laboratories for photometric andradiometric measurements, and to perform expert review and advisory activities.




Modulbeschreibung

Lichttechnik

Modultitel:

Lichttechnik

Lighting Technology

Leistungspunkte:

6


Völker, Stephan

Sekretariat:

E 6

Ansprechpartner:

Knoop, Martine

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]



Lernergebnisse Die Studierenden besitzen vertiefte Kenntnisse auf dem Gebiet der lichttechnischen Forschung. Die Studierenden haben Qualifikationenerworben, die für Forschungsarbeiten im Bereich Lichttechnik (Masterarbeit, Doktorarbeit) notwendig sind. The students have in-depth knowledge in the field of lighting research. The students have acquired qualifications required for research inthe field of lighting technology (master's thesis, dissertation).

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Wünschenswerte Voraussetzung für die Teilnahme zu den Lehrveranstaltungen des Moduls „Lichttechnische Forschung“: Falls dieLehrveranstaltung „Einführung in die Lichttechnik“ nicht im Bachelor oder die Lehrveranstaltung „Grundlagen der Lichttechnik“ nicht imMaster besucht und geprüft wurden, ist der vorherige Besuch und die erfolgreiche Prüfung der Lehrveranstaltung „Grundlagen derLichttechnik“ wünschenswert.



Modulbeschreibung

Lichttechnische Forschung

Modultitel:

Lichttechnische Forschung

Lighting Research

Leistungspunkte:

6


Völker, Stephan

Sekretariat:

E 6

Ansprechpartner:

Knoop, Martine

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungsbeschreibung:1.Anleitung zu wissenschaftlichen ArbeitenHausaufgabe: Literaturrecherche zu einem lichttechnischen Thema. Geprüft werden die Zitierweise und Umgang mit Quellen, derÜberblick über die relevante Literatur, die Literaturbasis und die kritische Auseinandersetzung mit Literaturquellen sowie dieDokumentation der in der Literatur gefunden Ergebnisse.Dokumentation: Geprüft wird die Dokumentation (Abstrakt, Exposé, Poster), die zu einem Forschungsthema erstellt wird.Vortrag: Kurzvortrag zur Dokumentation. Beurteilt werden das Auftreten während der Projektpräsentation, sowie der Inhalt und dieDarstellungsform dieser Präsentation.

2.LaborübungBeurteilte Laborarbeit: Es wird die Durchführung der Versuche im Laborarbeit beurteilt.Protokollierte praktische Leistung der Laborarbeit: Geprüft wird die Dokumentation der Laborarbeit. In dieser sollten die wissenschaftlichenund technischen Grundlagen, die Beschreibung der Messplätze, die Versuchsdurchführung mit ermittelten Messwerten, sowie dieInterpretation der Ergebnisse, Fehlerbetrachtung und die Dokumentation möglicher Störeinflüsse enthalten sein.

Prüfungselement Kategorie Gewicht Dauer/UmfangAnleitung zum wissenschaftlichen Arbeiten:Ergebnisprüfung: Dokumentation

schriftlich 15 Protokoll a 20 Seiten

Anleitung zum wissenschaftlichen Arbeiten:Ergebnisprüfung: Hausaufgabe

schriftlich 20 SchriftlicheZusammenfassung zurLiteraturrecherche

Anleitung zum wissenschaftlichen Arbeiten:Ergebnisprüfung: Referat / Vortrag / Präsentation


Laborübung: Ergebnisprüfung: Protokollierte praktischeLeistung

schriftlich 40 Protokoll a 20 Seiten

Laborübung: Lernprozessevaluation: Beurteilte Laborarbeit flexibel 10 Beurteilung der Arbeitsweise,individuell


Lernergebnisse Die Studierenden besitzen vertiefte Kenntnisse auf dem Gebiet der visuellen Wahrnehmung. Neben den Grundlagen der physiologischenOptik, welche für das grundsätzliche Verständnis der psychophysiologischen Wirkung von Licht und Strahlung auf den Menschennotwendig ist, wird ausführlich die Farbmetrik behandelt. Mit dem hier erworbenen Wissen ist der Studierende in der Lage, neueBeleuchtungskonzepte im ganzheitlichen Ansatz zu entwickeln und bewerten. Dazu können sie farbmetrische Berechnungen, Messungenund Begutachtungen durchzuführen. Die Studierenden haben Qualifikationen erworben, die sie für die Arbeit in der Lampen- undLeuchtenindustrie, im Lichtplanungsbüro, oder als Spezialist für Farbmetrik z.B. in Licht- und Strahlungsmesslaboren, in der Druck- undMedienindustrie, oder Automobilindustrie, sowie für gutachterliche Tätigkeiten befähigt. The students have in-depth knowledge in the field of visual perception. In addition to the fundamentals of physiological optics, to allow forfundamental understanding of the psychophysiological effects of light and radiation on human beings, colorimetry is looked into in detail.With this knowledge, the students can develop and evaluate new lighting concepts in a holistic approach. Additionally to that, they are ableto perform colorimetric calculations, measurements and expert reviews. The students have acquired skills that enables them to work in thelighting industry, lighting design offices, or as a colorimetric specialist in, for example, light- and radiation measurement laboratories, printingand media industry and the automobile industry.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Einführung in die Lichttechnik oder Grundlagen der Lichttechnik



Modulbeschreibung

Licht- und Farbwahrnehmung

Modultitel:

Licht- und Farbwahrnehmung

Perception of Light and Colour

Leistungspunkte:

6


Völker, Stephan

Sekretariat:

E 6

Ansprechpartner:

Knoop, Martine

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]



Lernergebnisse Die Studierenden kennen die theoretischen Grundlagen des Entwurfs und der Verifikation reaktiver Systeme und die zugrundeliegendenMethoden aus der Automatentheorie, der Spieltheorie und der Logik. Sie sind in der Lage, die Zusammenhänge zwischen den einzelnenGebieten zu verstehen und anzuwenden. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Alle für Veranstaltungen relevanten Begriffe werden neu eingeführt, es wird also kein spezifisches Basiswissen vorausgesetzt. Es wäreallerdings empfehlenswert, wenn Teilnehmer und Teilnehmerinnen über Kenntnisse der theoretischen Informatik verfügen, wie sie etwa inden Bachelor-Modulen "Grundlagen und algebraische Strukturen", "Berechenbarkeit und Kompexität", "Logiken und Kalküle", Spezifikationund Semantik" vermittelt werden.



Modulbeschreibung

Logik, Spiele, Automaten

Modultitel:

Logik, Spiele, Automaten

Leistungspunkte:

9


Kreutzer, Stephan

Sekretariat:

TEL 7-3

Ansprechpartner:

Pilz, Jana

URL:

keine Angabe

Modulsprache:

Deutsch

Kontakt:

[email protected]



Lernergebnisse - Kenntnis der grundlegenden Verfahren, die in heutigen Synthesewerkzeugen verwendet werden- Einschätzen der Leistungsfähigkeit und Grenzen von Optimierungsalgorithmen Das Modul vermittelt überwiegend:Fachkompetenz 80x Methodenkompetenz 0x Systemkompetenz 10x Sozialkompetenz 10x no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Grundkenntnisse in Entwurf und Architektur digitaler Systeme



Modulbeschreibung

Logik Synthese für Digitale Systeme

Modultitel:

Logik Synthese für Digitale Systeme

Leistungspunkte:

3


Kreutzer, Stephan

Sekretariat:

keine Angabe

Ansprechpartner:

Wedler, Markus

URL:

keine Angabe

Modulsprache:

Deutsch

Kontakt:

[email protected]



Lernergebnisse Am Ende der Veranstaltung sind die Teilnehmer in der Lage, die Leistungsfähigkeit der besprochenen Verfahren einzuschätzen und sie aufProbleme in den Anwendungsdomänen erfolgreich einzusetzen. Qualifikationsziele sind somit: 1) Verständnis der wichtigsten Theorien und Verfahren des induktiven Lernens2) Anwendung auf Regressions- und Klassifikationsprobleme (Mustererkennung)3) Kenntnis der grundlegenden Konzepte neuronaler Informationsverarbeitung4) Verständnis der theoretischen Grundlagen für die Entwicklung neuer Verfahren Participants should learn basic concepts, their theoretical foundation, and the most common algorithms used in machine learning andartificial intelligence. After completing the module, participants shouldunderstand strengths and limitations of the different paradigms, should be able to correctly and successfullyapply methods and algorithms to real world problems, should be aware of performance criteria, and shouldbe able to critically evaluate results obtained with those methods. More specifically, participants should be able to demonstrate 1) Knowledge of theory and methods of inductive learning2) Application to problems of regression and classifcation (pattern recognition)3) Understanding regarding basic concepts of neural information processing4) Understanding regarding theoretical foundations to develop new machine learning techiques

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Gute Programmierkenntnisse, Grundkenntnisse in Linearer Algebra, Analysis und Wahrscheinlichkeitstheorie Mathematical knowledge: Analysis, linear algebra, probability calculus and statistics, on a level comparableto mathematics courses for engineers. Basic programming skills (Python, Matlab, or R). Good command of the English language.



Modulbeschreibung

Machine Intelligence I

Modultitel:



Leistungspunkte:

6


Obermayer, Klaus

Sekretariat:

MAR 5-6

Ansprechpartner:

Obermayer, Klaus

URL:

http://www.ni.tu-berlin.de/menue/teaching_activities/all_courses/machine_intelligence_i/parameter/en/

Modulsprache:

Englisch

Kontakt:

[email protected]

Prüfungsform: Benotet: Dauer/Umfang:schriftlich benotet 90 min.


Lernergebnisse Die Studierenden können die Leistungsfähigkeit der besprochenen Verfahren einschätzen, sie können sie auf Probleme in denAnwendungsdomänen erfolgreich einsetzen und eigenständig neue Verfahren entwickeln. Qualifikationsziele sind somit: 1) Verständnis zentraler Konzepte neuronaler Informationsverarbeitung2) Kenntnisse unüberwachter Architekturen und Lernverfahren3) Anwendung auf Probleme statistischer Modellierung, explorativer Datenanalyse und Visualisierung Participants should learn basic concepts, their theoretical foundation, and the most common algorithms used in machine learning andartificial intelligence. After completing the module, participants should understand strengths and limitations of the different paradigms,should be able to correctly and successfully apply methods and algorithms to real world problems, should be aware of performance criteria,and should be able to critically evaluate results obtained with those methods. More specifically, participants should be able to demonstrate: 1) Understanding regarding basic concepts of neural information processing2) Knowledge of unsupervised machine learning methods3) Application to problems of statistical modeling, explorative data analysis, and visualisation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Gute Programmierkenntnisse, Grundkenntnisse in Linearer Algebra, Analysis und Wahrscheinlichkeitstheorie Mathematical knowledge: Analysis, linear algebra, probability calculus and statistics, on a level comparable to mathematics courses forengineers. Basic programming skills (Python, Matlab, or R). Good command of the English language.



Modulbeschreibung

Machine Intelligence II

Modultitel:



Leistungspunkte:

6


Obermayer, Klaus

Sekretariat:

MAR 5-6

Ansprechpartner:

keine Angabe

URL:

http://www.ni.tu-berlin.de/menue/studium_und_lehre/lehrveranstaltungen/machine_intelligence_ii/parameter/en/

Modulsprache:

Englisch

Kontakt:

[email protected]

Prüfungsform: Benotet: Dauer/Umfang:schriftlich benotet 90 min.


Lernergebnisse Die Studierenden sind in der Lage, eigenständig die wesentlichen Verfahren des maschinellen Lernens auf neuen Daten anzuwenden. Diesumfasst Methoden zur Klassifikation, Regression, Dimensionsreduktion und Clustering. Darüber hinaus vermittelt das Modul dastheoretische Rüstzeug (Wahrscheinlichkeitstheorie, Optimierungstheorie), um Verfahren weiterzuentwickeln und theoretisch zu analysieren. The students are able to independently apply methods from machine learning on new data. This includes methods for classification,regression, dimensionality reduction and clustering. Moreover, the module teaches the mathematical skills (probability theory, optimizationtheory) needed to extend and theoretical analyze machine learning methods.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Programmierkenntnisse, gute Grundlagen in Mathematik, insbesondere Lineare Algebra, Analysis, Wahrscheinlichkeitsrechnung. DiesesModul ist auch für Bachelorstudierende geeignet.



Modulbeschreibung

Machine Learning 1

Modultitel:

Machine Learning 1

Maschinelles Lernen 1

Leistungspunkte:

6


Müller, Klaus-Robert

Sekretariat:

MAR 4-1

Ansprechpartner:

keine Angabe

URL:

https://wiki.ml.tu-berlin.de/wiki/

Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Lernergebnisse Die Studierenden haben ein vertieftes Wissen über die Anwendung spezifischer Methoden des Maschinellen Lernens (Klassifikation,Regression, Dimensionsreduktion, Clustering) in ausgewählten Anwendungsbereichen (Bioinformatik, Computersicherheit, etc.) undkönnen diese Methoden selbstständig anwenden und weiterentwickeln. Insbesondere sind die Studierenden mit den Aspekten desMaschinellen Lernens vertraut, welche für den praktischen Erfolg entscheidend sind. Students have deepened their knowledge about specific methods in Machine Learning and selected application areas.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Programmierkenntnisse, gute Grundlagen in Mathematik, insbesondere Lineare Algebra, Analysis, Wahrscheinlichkeitsrechnung.Grundlagen des maschinellen Lernens sind ratsam, z.B. Teilnahme am Modul „Maschinelles Lernen 1“, jedoch bei solidem theoretischemVorwissen nicht zwingend erforderlich.



Modulbeschreibung

Machine Learning 2

Modultitel:

Machine Learning 2

Maschinelles Lernen 2

Leistungspunkte:

6



Sekretariat:

MAR 4-1

Ansprechpartner:

keine Angabe

URL:


Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Lernergebnisse Absolventen dieses Moduls haben Kenntnisse und praktische Erfahrungen im Bereich moderner, verteilter und komplexer IT-Systeme.Schwerpunkte sind der Softwareentwurf, Programmierung und Umsetzung Verteilter Systeme. Die Projektarbeit im Team vermitteltzusätzlich soziale und Projektmanagement-Kompetenzen. Students possess knowledge and practical experience in the area of modern, distributed and complex IT systems, focusing on softwaredesign, programming and the implementation of distributed systems. The project work within a team additionally conveys social and projectmanagement skills.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Inhaltlich werden Kenntnisse aller Pflichtmodule im Bachelorstudium Informatik oder Technische Informatik werden vorausgesetzt. SolideProgrammierfähigkeiten sind für die Projektarbeit erforderlich.



Modulbeschreibung

Master-Projekt: Verteilte Systeme

Modultitel:

Master-Projekt: Verteilte Systeme

Master Project: Distributed Systems

Leistungspunkte:

9


Kao, Odej

Sekretariat:

EN 59

Ansprechpartner:

Kao, Odej

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]




Prüfungselement Kategorie Gewicht Dauer/UmfangProjektdokumentation schriftlich 15 ca 10 SeitenProjektpräsentation mündlich 25 30 MinutenProjektimplementierung praktisch 60 siehe Aufwandsberechnung


Lernergebnisse Die Studierenden haben im Bereich der Medizintechnik ein elementares Verständnis über Entstehung, Erfassung und Verarbeitungbiologischer Signale sowie die Beeinflussung biologischer Organismen durch Signale vermittelt. Sie sind danach befähigt,medizinelektronische Geräte zu verstehen, zu entwickeln, zu verbessern oder auch zu modifizieren. The students have an elementary knowledge of the origin, recording possibilities and processing of biological signals, as well as of theinfluence of electronic equipment and signals on biological organisms. They are able to understand medical electronic equipment, to designand to improve or to modify them and to prepare their certification.




Modulbeschreibung

Medizinelektronik

Modultitel:

Medizinelektronik

Medical Electronics

Leistungspunkte:

6



Sekretariat:

EN 3

Ansprechpartner:

Tigges, Timo

URL:

http://www.emsp.tu-berlin.de/menue/studium_und_lehre/medizinelektronik/

Modulsprache:

Deutsch

Kontakt:

[email protected]



Lernergebnisse Qualification aim of this module is to impart methods for signal processing, image enhancement, feature extraction and grouping. Thealumni have learned and practiced to use their skills in multifaceted application areas. The exploration of the relations between physicalreality of the environment and data collected with imaging sensors are emphasized, mathematical modells are used for description. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Knowledge from the module “Optical Remote Sensing” is preferable.



Modulbeschreibung

Microwave and Radar Remote Sensing

Modultitel:



Leistungspunkte:

6


Hellwich, Olaf

Sekretariat:

MAR 6-5

Ansprechpartner:

Dennert, Marion

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Lernergebnisse Mit dem erfolgreichen Abschluss dieses Moduls erhalten Studenten einen Überblick über die derzeitig und zukünftig eingesetzten Dienstebzw. Dienstinfrastrukturen des mobilen Internets. Sie entwickeln anhand des Vergleichs mit statischen Netzwerken ein Verständnis für diespeziellen Charakteristika mobiler Netzwerke und lernen alles über die Vorteile und faszinierenden Möglichkeiten mobiler Dienste wiestandortbasierter Dienste und dem Ubiquitous Computing kennen. Allerdings werden sie auch auf die Probleme und Grenzen derBereitstellung mobiler Dienste aufmerksam gemacht, um diese während der Entwicklung mobiler Dienste berücksichtigen zu können.Außerdem werden ihnen verschiedene alternative Realisierungen von Diensten (z.B. geräte- und netzwerkzentrierte Architekturen) erörtertund Einblicke in Dienstplattformen, nützliche Funktionen und Betriebssysteme mobiler Endgeräte gewährt. Students who have successfully finished this module have an overview of current and future services and service infrastructures in theMobile Internet. They have developed an understanding of the special characteristics of mobile networks - compared to fixed infrastructures- and have learned about the benefits of mobile services and the fascinating prospects of emerging areas such as Location-based Servicesand Ubiquitous Computing. However, they are also aware of the problems and limits of mobile service provisioning and know how to copewith these deficiencies when designing them. Furthermore, they have good knowledge of different alternatives of realizing services (forexample, device versus network centric approaches) and an overview of related service platforms, auxiliary functions, and operatingsystems of mobile devices.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Mandatory: basic knowledge of computer science and Internet/network architecturesDesirable: knowledge of distributed systems



Modulbeschreibung

Mobile Services

Modultitel:

Mobile Services

Mobile Services

Leistungspunkte:

6


Küpper, Axel

Sekretariat:

TEL 19

Ansprechpartner:

Rodriguez Garzon, Sandro

URL:

http://www.snet.tu-berlin.de/moses

Modulsprache:

Englisch

Kontakt:

[email protected]



Lernergebnisse Absolventinnen und Absolventen dieses Moduls verfügen über Kenntnisse und Fähigkeiten zur formalen Modellierung und formalenAnalyse von verteilten, insbesondere fehlertoleranten Algorithmen. Weiterhin verfügen sie über vertiefte Kenntnisse und Verständnis fürformale Beweise von Korrektheit bzw. Unmöglichkeit der Lösung von verteilten Kommunikations- und Koordinationsproblemen. Sie sind inder Lage, sich die entsprechenden Kenntnisse teilweise selbständig zu erarbeiten und ihre Arbeitsergebnisse mündlich zu präsentieren. Successful participants of this module dispose of knowledge and capabilities on the formal modeling and formal analysis of distributed, andin particular fault-tolerant, algorithms. Moreover, they dispose of deeper knowledge and understanding about formal proofs of correctnessand impossibility results concerning distributed communication and coordination problems. They are capable to acquire the necessarypieces of knowledge partially independently by themselves and to orally present their results.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Inhaltlich werden Kenntnisse aus der Theoretischen Informatik zu Diskreten Strukturen, Logik, und Automatentheorie vorausgesetzt.Nützlich wären auch bereits existierende Kenntnisse zu Verteilten Algorithmen (aus dem Angebot der Fachgebiete CIT oder KBS),Nebenläufiger Programmierung (beispielsweise in Java), sowie Prozesskalkülen und Temporaler Logik (Module "Reaktive Systeme" und"Algebraische Prozesskalküle").



Modulbeschreibung

Models and Theory of Distributed Algorithms

Modultitel:

Models and Theory of Distributed Algorithms

Modelle und Theorie Verteilter Algorithmen

Leistungspunkte:

6


Nestmann, Uwe

Sekretariat:

TEL 7-2

Ansprechpartner:

Nestmann, Uwe

URL:

http://www.mtv.tu-berlin.de/menue/lehre/module/distalgo/

Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Projektbericht als Gruppen-Abgabe schriftlich 30 20-50 Seiten LaTeX(Ergebnisprüfung) Projektbericht als Gruppen-Fortschrittsbericht nach Hausaufgabe


(Lernprozessevaluation) Mündliche Rücksprache mündlich 50 30-40 Minuten


Lernergebnisse Die Studierenden haben ein Verständnis der im Gehirn auf verschiedenen Skalen ablaufenden Prozesse. Massgeblich wird hierbei dasAnwenden mathematischer und informatischer Methoden zur Untersuchung und Charakterisierung der neurophysiologischen Prozessevermittelt. Students demonstrate a basic understanding of the neural processes affecting the brains dynamics at different temporal and spatial scales.The course focuses on the application of methods from mathematics and computer science to characterize neurophysiological processes.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: gute Programmierkenntnisse und mathematische Kenntnisse aus linearer Algebra, Analysis, Warscheinlichkeitstheorie, Statistik undTheorie dynmischer Systeme. mathematical prerequisites: linear algebra, analysis, probability theory, statistics, dynamical systemsgood programming skills



Modulbeschreibung

Modelle zur Informationsverarbeitung im Gehirn

Modultitel:

Modelle zur Informationsverarbeitung im Gehirn

Models of Neural Information Processing

Leistungspunkte:

6


Obermayer, Klaus

Sekretariat:

MAR 5-6

Ansprechpartner:

Obermayer, Klaus

URL:

http://www.ni.tu-berlin.de/teaching/

Modulsprache:

Deutsch

Kontakt:

[email protected]

1.) [NI] Modelle zur Informationsverarbeitung im Gehirn - Hausaufgabe



Lernergebnisse Die Studierenden haben einen Überblick über den Stand der Forschung in ausgewählten Gebieten der Neuroinformatik. Sie sind weiterhinin der Lage, neue Ansätze und Verfahren bzgl. ihrer Leistungsfähigkeit einzuschätzen und erfolgreich auf Probleme in denAnwendungsdomänen einzusetzen. Das Modul vermittelt überwiegend:Fachkompetenz 50% Methodenkompetenz 40% Systemkompetenz 10% Sozialkompetenz no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Programmierkenntnisse, erfolgreiche Teilnahme am Mathematik-Zyklus des Informatik Bachelorstudiums oder äquivalente Kenntnisse,erfolgreicher Abschluss der Module „Machine Intelligence I / Neuronale Informationsverarbeitung I“ oder „Modelle zurInformationsverarbeitung im Gehirn“ oder äquivalente Kenntnisse



Modulbeschreibung

Moderne Entwicklungen der Neuroinformatik

Modultitel:

Moderne Entwicklungen der Neuroinformatik

Leistungspunkte:

6


Obermayer, Klaus

Sekretariat:

MAR 5-6

Ansprechpartner:

keine Angabe

URL:

keine Angabe

Modulsprache:

Deutsch

Kontakt:

[email protected]



Lernergebnisse Die Studierenden sind vertraut mit neuen Methoden und aktuellen Anwendungen von Verfahren der KI und des ML, kennen und verstehendie aktuelle Fachliteratur und sind in der Lage, dies in einem Vortrag zu präsentieren. The students get to know new methods and current applications in artificial intelligence and machine learning. They know and understandthe current literature in this field and are able to present their knowledge in a talk.




Modulbeschreibung

Monte Carlo Methods in Machine Learning and Artificial Intelligence

Modultitel:

Monte Carlo Methods in Machine Learning and Artificial Intelligence

Monte Carlo Methoden im Maschinellen Lernen und Künstlicher Intelligenz

Leistungspunkte:

6


Opper, Manfred

Sekretariat:

MAR 4-2

Ansprechpartner:

Ruttor, Andreas

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]




Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Darstellung (Vortragsgestaltung) mündlich 30 30 Minuten(Ergebnisprüfung) Inhalt des Vortrags (Theorie undResultate der Projekte)

mündlich 70 1Stunde


Lernergebnisse - To understand the technology evolution to multicore architectures.To become familiar with different types of multicore architectures such as cache coherent, shared memory architectures, distributedmessage-passing architectures, and Graphics Processing Units (GPUs).To understand how different multicore architectures are programmed.To be able to select the most suitable multicore architecture for an application domain.To be able to read and understand the principles of shared memory parallel programming.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: An introductory course on computer architecture (e.g. TechGI 2 or Rechnerorganisation), good programming skills, preferably in C/C++.



Modulbeschreibung

Multicore Systems

Modultitel:

Multicore Systems

Mehrkernsysteme

Leistungspunkte:

6


Juurlink, Bernardus

Sekretariat:

EN 12

Ansprechpartner:

Juurlink, Bernardus

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) 5 assignments (weighted 15, 12,10, 8 and 5 points)

schriftlich 50 jeweils 3 Wochen

(Examination) Final Test schriftlich 50 90 min


Lernergebnisse Students gain:- Understanding of “Usabiliy” as interdisciplinary research and application field during the development of information and communicationtechnologies- Knowledge of the realisation of human-computer interfaces- Application of this knowledge in the design cycle of technical systems- Hands-on practicing of the learned skills evaluating the quality and usability of selected technical systems.- Presenting and transferring the learned skills to others Students gain:- Understanding of “Usabiliy” as interdisciplinary research and application field during the development of information and communicationtechnologies- Knowledge of the realisation of human-computer interfaces- Application of this knowledge in the design cycle of technical systems- Hands-on practicing of the learned skills evaluating the quality and usability of selected technical systems.- Presenting and transferring the learned skills to others

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Basic knowledge of information and communication technologies



Modulbeschreibung

Multimodal Interaction

Modultitel:



Leistungspunkte:

6


Möller, Sebastian

Sekretariat:

TEL 18

Ansprechpartner:

Hirsch, Tobias

URL:


Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]




Schriftliche Prüfungen: Geprüft wird der Inhalt der Vorlesung Multimodale Interaktion bis zum Zeitpunkt des jeweiligen Prüfungstermins.Dazu werden im Semester zwei schriftliche Prüfungen zu je 45 Minuten durchgeführt.

Vortrag: Geprüft werden Ergebnisse und die Präsentation dieser Ergebnisse anhand eines 20 bis 30 minütigen mündlichen Vortrags in derÜbung Multimodale Interaktion. Der Vortrag ist von der jeweiligen Projektgruppe gemeinsam vorzubereiten.

Technische Dokumentation des Demonstrators: Geprüft wird eine schriftliche Ausarbeitung in der die Erstellung und Funktionsweise einesvon der Gruppe implementierten Demonstrators beschrieben wird. Der Umfang der Ausarbeitung beträgt je nach Vorgabe durch dieLehrkräfte 5 bis 15 Seiten und von der Gruppengröße abhängig. Die Ausarbeitung ist von der jeweiligen Projektgruppe gemeinsamanzufertigen.

Video des Demonstrators im konkreten Anwendungsfall: Geprüft wird ein Video, welches die Funktionsweise des Demonstrators in einemAnwendungsfall möglichst ansprechend darstellt. Das Video ist von der jeweiligen Projektgruppe gemeinsam anzufertigen.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Technische Dokumentation desDemonstrators

schriftlich 15 5-15 Seiten

(Ergebnisprüfung) Video des Demonstrators im konkretenAnwendungsfall

praktisch 5 maximal 3 Minuten

(Ergebnisprüfung) Vortrag mündlich 20 45 min(Punktuelle Leistungsabfrage) 2 schriftliche Prüfungen je 45min à 30 Punkte

flexibel 60 90 min


Lernergebnisse Most modern computer systems are inherently distributed and networked: from multi-core computer architectures over wireless sensorsystems and datacenters to peer-to-peer systems. Accordingly, network algorithms are needed to design and operatethese computer systems in a scalable and robust way. The goal of this lecture is to provide the students with tools and techniques to reason about efficient network algorithms. The lecture isproblem-oriented and structured into different fundamental princi-ples, such as Randomization,Decentralization, Indirection, etc. Each lecture will cover a different basic problem (such as Load Balancing, Medium Access, SymmetryBreaking, etc.) and will be self-contained. By the end of the lecture, the student will be able to develop her/his own network algorithms, and formally prove correctness as well ascomplexity guarantees (e.g., on the computational or message complexity). The students will also have a good understanding of when to apply which principle, i.e., where randomization can be useful and where not,or to which extent a distributed system should be decentralized. The students will also have a good idea of the different natures of today's networks. If time permits, we will also extend our discussionbeyond computer networks and have an algorithmic look at social networks. This module is principally designed to impart:technical skills: 40x, method skills: 40x, system skills 10x, social skills 10x no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Desirable - knowledge and qualifications equivalent to: * BINF-GL - MPGI1 Algorithmische und funktionale Lösung diskreter Probleme* BINF-GL - MPGI2 Algorithmen und Datenstrukturen im imperativen Stil* Network Protocols and Architectures* English language



Modulbeschreibung

Network Algorithms

Modultitel:

Network Algorithms

Netzwerkalgorithmen

Leistungspunkte:

6


Feldmann, Anja

Sekretariat:

MAR 4-4

Ansprechpartner:

Ludwig, Arne

URL:

http://www.inet.tu-berlin.de/

Modulsprache:

Englisch

Kontakt:

[email protected]

Prüfungsform: Benotet: Dauer/Umfang:schriftlich benotet


Lernergebnisse The students know the basic principles, algorithms and architectures of computer networks. They are able to understand complexcorrelations and to interpret results of simulations. The goal is to master the basics of communications in computer networks, who hopefullyhave a long half-life period. This means that the discussed principles outlast current mainstreams. This course is principally designed to impart:Technical skills 50x, method skills 10x, system skills 30x , social skills 10x no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Knowledge of the compulsory modules of Bachelor studies is mandatory.Desirable: good English language skills.



Modulbeschreibung

Network Architectures - Basics

Modultitel:

Network Architectures - Basics

Netzwerkarchitekturen - Grundlagen

Leistungspunkte:

6


Feldmann, Anja

Sekretariat:

MAR 4-4

Ansprechpartner:

Ludwig, Arne

URL:


Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]

1.) Hausaufgaben Network Protocols and Architectures

Prüfungsform: Benotet: Dauer/Umfang:schriftlich benotet 30 Min


Lernergebnisse After successful completion of the project the students are capable of solving small tasks on their own. This includes background research,documentation and management of the project. Ths module imparts 10–20% professional competence, 30% methodological competence, 25–35% system competence, 25% socialcompetence. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Knowledge of the compulsory modules of Bachelor studies and the Master module “Network architectures – basics” is mandatory.Desirable: good English language skills.



Modulbeschreibung

Network Architectures - Master Project

Modultitel:

Network Architectures - Master Project

Netzwerkarchitekturen - Master Projekt

Leistungspunkte:

12


Feldmann, Anja

Sekretariat:

MAR 4-4

Ansprechpartner:

Ludwig, Arne

URL:


Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:Overall, there are 100 (points) Portfoliopunkte:- practical part including the thesis (70 points)- presentation (30 points)

The grade will be determined based on the grading scheme 2 from department IV.

Prüfungselement Kategorie Gewicht Dauer/UmfangPractical part including thesis praktisch 70 6 MonatePresentation mündlich 30 30 Min


Lernergebnisse This lab course (Praktikum) trains in the configuration of networking components like switches and routers. After a successful completionthe students are capable of configuring routing protocols and policies, setting up VLANs and basic IPv4 / IPv6 networks as well astroubleshooting basic problems arising in that context.Likewise experiment planning, setup and performance are taught. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Good knowledge of the Master module “Network architectures – basics” (or equivalent) and the ability towork with the Linux command line as well as scripting languages is required. Fulfillment of therequirements has to be proven prior to admissionDesirable: good English language skills.



Modulbeschreibung

Netzwerkarchitekturen - RouterLab

Modultitel:

Netzwerkarchitekturen - RouterLab

Network Architectures - RouterLab

Leistungspunkte:

9


Feldmann, Anja

Sekretariat:

MAR 4-4

Ansprechpartner:

Foucard, Damien Jean MarieDaniel

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:Successful participation in the lab course (Praktikum) requires continuous attendance and activeparticipation, accepted solutions of the work sheets.The grade will be determined by the weighted average grades of all solutions (Portfolioprüfung). Students need a minimum totalpercentage, to pass the lab course.

The oral test will take place after the first two (ungraded) lab assignments, and will be based on their content. Ongoing worksheets will behanded in weekly and discussed in review meetings, which are part of the examination elements.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Examination) Oral test mündlich 12 30 Minuten(Learning process review) 8 lab assignments with reviewmeetings, 11 points each

praktisch 88 20 Minuten


Lernergebnisse The successful completion of the seminar enables the participants to understand recent, complex, and professional literature and tosummarize the work. Furthermore, every participant acquires profound knowledge in his/her small topic. This course is principally designed to impart:technical skills 20x method skills 35x, system skills 10x, social skills 35x. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Mandatory is the compulsory module "TechGI4 Rechnernetze und Verteilte Systeme", Desirable: good English language skills, the module"Network Architectures - Basics"



Modulbeschreibung

Network Architectures - Seminar

Modultitel:

Network Architectures - Seminar

Netzwerkarchitekturen - Seminar

Leistungspunkte:

3


Feldmann, Anja

Sekretariat:

MAR 4-4

Ansprechpartner:

Ludwig, Arne

URL:


Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/Umfangpresentation mündlich 50 30 Minseminar paper schriftlich 50 1 semester


Lernergebnisse The goal is to understand the theoretical background and technical details of the respective lecture (routing, security, measurement) as wellas the basics of the whole range of topics. Illustrative examples deepen the comprehension such that a practical implementation of the topicat hand is obvious. These lectures are the basis on which projects and theses can be built upon. Furthermore, every participant acquiresprofound knowledge in his confined topic. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Good knowledge of the compulsory modules of Bachelor studies and the Master module "Network architectures - basics" is mandatory.Desirable: good English language skills.



Modulbeschreibung

Network Architectures Specialization (big)

Modultitel:

Network Architectures Specialization (big)

Netzwerkarchitekturen Spezialisierung (groß)

Leistungspunkte:

9


Feldmann, Anja

Sekretariat:

MAR 4-4

Ansprechpartner:


URL:


Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]

Prüfungsform: Benotet: Dauer/Umfang:mündlich benotet 30


Lernergebnisse The goal is to understand the theoretical background and technical details of the respective lecture (routing, security, measurement) as wellas the basics of the whole range of topics. Illustrative examples deepen the comprehension such that a practical implementation of the topicat hand is obvious. These lectures are the basis on which projects and theses can be built upon. Furthermore, every participant acquiresprofound knowledge in his confined topic. This module is principally designed to impart:technical skills 50x , method skills 10x , system skills 30x , social skills 10x no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Good knowledge of the compulsory modules of Bachelor studies and the Master module "Network architectures - basics" is mandatory.Desirable: good English language skills.



Modulbeschreibung

Network Architectures Specialization (small)

Modultitel:

Network Architectures Specialization (small)

Netzwerkarchitekturen Spezialisierung (klein)

Leistungspunkte:

6


Feldmann, Anja

Sekretariat:

MAR 4-4

Ansprechpartner:

Ludwig, Arne

URL:


Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]

Prüfungsform: Benotet: Dauer/Umfang:mündlich benotet 30 Min


Lernergebnisse After completion of this module, the students have gained profound hands-on experience working with IEEE 802.11-based wireless accesspoints, OpenWrt and essential network measurement, debugging and analyzing tools. Essentially, they will acquire the basics in the field ofIEEE 802.11-based network management and configuration including authentication, association, encryption schemes and capabilitymanagement. Moreover, they will measure and evaluate the impact of wireless interference, rate and power control on the transport layerperformance. They will build up technical expertise on IEEE 802.11 behavior in wireless networking environments through variousexperiment setups and performance evaluations. This course is principally designed to impart:technical skills 30x, method skills 30x, system skills 30x, social skills 10x no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Good knowledge of the Master module "Network architectures - basics" (or equivalent) and the ability to work with the Linux command lineas well as scripting languages is required. Fulfillment of the requirements has to be proven prior to admission.Desirable: good English language skills.



Modulbeschreibung

Network Architectures - WirelessLab

Modultitel:



Leistungspunkte:

9


Feldmann, Anja

Sekretariat:

MAR 4-4

Ansprechpartner:


URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:Overall, there are 100 (points) Portfoliopunkte:

- 1x Oral debriefing of the tools of the trade (12 pts)- 8x Written protocol + short debriefing (11 pts each)

The grade will be determined based on the grading scheme 2 from department IV.

Prüfungselement Kategorie Gewicht Dauer/Umfang8x Written protocol + short debriefing (11 pts each) flexibel 88 1 SemesterOral debriefing mündlich 12 30 Min


Lernergebnisse Students completing this module have gained understanding of the basic principles and technologies behind networked embeddedsystems. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: The course assumes founded knowledge in networking (e.g., BSc module Kommunikationsnetze), operating systems (e.g. Linux, TinyOS)and embedded programming (e.g. C, C++).



Modulbeschreibung

Networked Embedded Systems

Modultitel:

Networked Embedded Systems

Vernetzte eingebettete Systeme

Leistungspunkte:

6


Wolisz, Adam

Sekretariat:

FT 5

Ansprechpartner:

Handziski, Vlado

URL:

http://www.tkn.tu-berlin.de/?108248#nes

Modulsprache:

Englisch

Kontakt:

[email protected]




Further details:

IV: In-class presentation: Each student is asked to prepare one ~30 min in-class presentation on a selected NES technology. The rawmaterials for the preparation of the in-class presentations are made available to the students. Evaluated are presentation aspects like:quality of the content and the coverage, presentation organization and style, capability to answer follow-up questions as part of the in-classdiscussion (see "advocate" role below).

IV: "Advocate" role and in-class discussions: After each presentation there is a short in-class discussion under the guidance of a studentthat is named as "advocate" for this particular talk. Attendance and active participation in the discussion (with comments, questions, etc.) isexpected from all students. Like the main presenter, the "advocate" has to familiarize himself with the raw materials for the presentationand should be capable of asking critical follow-up questions and to guide the in-class discussion with the help of the docent.

IV: In-class quiz: After the completion of a cluster of in-class presentations in a given topical area, the students take part in a short ~15 minwritten quiz that checks the level of acquired knowledge from the in-class presentations and the follow-up discussions

IV: Final written test: After the completion of all in-class presentations, the students take part in a ~45 min final test that checks the overalllevel of acquired knowledge from the in-class presentations and the follow-up discussions.

IV: Project assignment: Organized in small teams (3-4 persons), the students are asked to design, develop and demonstrate a relativelysimple but complete NES application that involves data acquisition, processing and communication, thus gaining hands-on experience inworking with state-of-the-art NES hardware and software. Evaluated are: two "project milestone presentations" (intermediate and finalpresentation) using the same criteria as for the "in-class presentations", a "project demo" (general functionality, achievement of designgoals, effective use of HW and SW) and a "final project review" (team work, code quality, documentation, effective use of version controltools). Students are also asked to self-evaluate the relative contribution of each team member as part of the team, which is considered inthe formation of the final individual marks for the project assignment.


Prüfungselement Kategorie Gewicht Dauer/UmfangIV "Advocate" role, attendance and in-class discussions(Learning process review)

mündlich 4 30 min

IV 2 In-class quizzes, 5 points each (Examination) schriftlich 10 2x 15 minIV 2 Project milestone presentations, 6 points each(Deliverable assessment)

mündlich 12 2x 30 min

IV Final project review (Deliverable assessment) praktisch 10 30 minIV Final written test (Examination) schriftlich 36 45 minIV In-class presentation assignment (Deliverableassessment)

mündlich 20 30 min

IV Project demo (Deliverable assessment) praktisch 8 30 min


Lernergebnisse The main objective of this module is to improve the technical knowledge in the area of communication networks, and in particular, studentswill gain a deeper understanding of specific technologies and their characteristics (basic functionality, adjustments to user requirements,etc.). Students will have the opportunity to broaden their knowledge of specific communication technologies (UMTS/LTE, Internet,multimedia, ad-hoc, sensor networks, etc.). This course will also provide a possibility to improve the knowledge of the overlapping areas ofmany different communication technologies that will be discussed from different perspectives (wireless communication, high-speednetworks). Additionally, during the seminars students will have the opportunity to elaborate on the chosen technology or technology-orientedproblem and discuss it in front of a bigger audience. This will help to develop practical presentation skills as well as critical thinking. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: BSc Module „Kommunikationsnetze“ or similar knowledge.



Modulbeschreibung

Network Technologies (Medium)

Modultitel:

Network Technologies (Medium)

Netzwerktechnologien (Mittel)

Leistungspunkte:

9


Wolisz, Adam

Sekretariat:

FT 5

Ansprechpartner:

Wolisz, Adam

URL:

http://www.tkn.tu-berlin.de/?108248#ktechm

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:In total 100 Portfolio points can be obtained:* Seminar (34 Portfolio points),* Two lectures out of: VL Modern Wireless Networks, VL High-speed Network Technologies, VL Ad-hoc- and Sensor Networks or IVContent Delivery Techniques (each lecture or IV 33 Portfolio points)

* VL Modern Wireless Networks - written test (Examination) 33 Points - < 90 min* VL High-speed Network Technologies - oral consultation (Examination) 33 Points - 30min* VL Ad-hoc and Sensor Networks - final lecture written test (Examination) 33 Points - < 90 min* IV Content Delivery Techniques - oral exam 23 Points, Kategorie mündlich, 30 Minuten* IV Content Delivery Techniques - project results 10 Points, Kategorie praktisch, 30h ongoing

The final module grade will be given according to the §47 (2) AllgStuPO, using grade scheme (Notenschlüssel) 2 of Faculty IV.

Prüfungselement Kategorie Gewicht Dauer/UmfangSEM Network Technologies - written report anddocumentation (Deliverable assessment)

schriftlich 19 about 10-12 pages

SM Network Technologies - attendance and discussion(Learning process review)


SM Network Technologies - presentation (Examination) mündlich 10 20 minTwo lectures: each lecture or IV 33 Portfolio points flexibel 66 siehe

Prüfungsformbeschreibung


Lernergebnisse The main objective of this module is to improve the technical knowledge in the area of communication networks, and in particular, studentswill gain a deeper understanding of specific technologies and their characteristics (basic functionality, adjustments to user requirements,etc.). Students will have the opportunity to broaden their knowledge of specific communication technologies (UMTS/LTE, Internet,multimedia, ad-hoc, sensor networks, etc.). This course will also provide a possibility to improve the knowledge of the overlapping areas ofmany different communication technologies that will be discussed from different perspectives (wireless communication, high-speednetworks). Additionally, during the seminars students will have the opportunity to elaborate on the chosen technology or technology-orientedproblem and discuss it in front of a bigger audience. This will help to develop practical presentation skills as well as critical thinking. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: BSc Module „Kommunikationsnetze“ or similar knowledge is required.



Modulbeschreibung

Network Technologies (Small)

Modultitel:

Network Technologies (Small)

Netzwerktechnologien (Klein)

Leistungspunkte:

6


Wolisz, Adam

Sekretariat:

FT 5

Ansprechpartner:

Wolisz, Adam

URL:

http://www.tkn.tu-berlin.de/?108248#ktechs

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:In total 100 Portfolio points can be obtained:* Seminar (50 Portfolio points),* One lecture out of: VL Modern Wireless Networks, VL High-speed Network Technologies, VL Ad-hoc- and Sensor Networks or IVContent Delivery Techniques (each lecture 50 Portfolio points).

* VL Modern Wireless Networks - written test (Examination) 50 Points - < 90 min* VL High-speed Network Technologies - oral consultation (Examination) 50 Points - 30min* VL Ad-hoc and Sensor Networks - final lecture written test (Examination) 50 Points - < 90 min* IV Content Delivery Techniques - oral exam 35 Points, Kategorie mündlich, 30 Minuten* IV Content Delivery Techniques - project results 15 Points, Kategorie praktisch, 30h ongoing

The final module grade will be given according to the §47 (2) AllgStuPO, using grade scheme (Notenschlüssel) 2 of Faculty IV.

Prüfungselement Kategorie Gewicht Dauer/UmfangSEM Network Technologies - attendance and discussion(Learning process review)


SEM Network Technologies - presentation (Examination) mündlich 15 20 minSEM Network Technologies - written report anddocumentation (Deliverable assessment)

schriftlich 28 about 10-12 pages

One lecture. each lecture 50 Portfolio points flexibel 50 siehePrüfungsformbeschreibung


Lernergebnisse After successful completion of the project the students are capable of solving small tasks on their own. This includes background research,documentation and management of the project. Ths module imparts 10–20% professional competence, 20% methodological competence, 40–50% system competence, 20% socialcompetence. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Knowledge of the compulsory modules of Bachelor studies and the Master module “Network architectures – basics” is mandatory.Desirable: good English language skills.



Modulbeschreibung

Network Architectures - Master Project (small)

Modultitel:

Network Architectures - Master Project (small)

Netzwerkarchitekturen - Master-Projekt (klein)

Leistungspunkte:

6


Feldmann, Anja

Sekretariat:

MAR 4-4

Ansprechpartner:

Ludwig, Arne

URL:


Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/Umfangpractical part including the thesis praktisch 70 6 Monatepresentation mündlich 30 30 Min


Lernergebnisse Die Studierenden sind in der Lage Probleme mit Hilfe von verschiedenen Arten von Neuronalen Netzen zu lösen. Zudem sind sie in derLage, sich selbstständig Wissen zu komplexen Themengebieten anzueignen und für die Arbeitsgruppe aufzubereiten, zu präsentieren undzu diskutieren. In Praxisterminen haben sie darüber hinaus wesentliche Hilfsmittel für die Implementation und Analyse von verschiedenenNeuronalen Netzen kennengelernt. The students are able to solve tasks using different kinds of neural networks. They are furthermore capable of independently acquiring newknowledge pertaining to complex topics and prepare for, present to and discuss within the workgroup. Beyond that, they have becomeacquianted with crucial tools for implementing and analysing different neural networks during the practical exercises.




Modulbeschreibung

Neuronale Netze

Modultitel:

Neuronale Netze

Neural Networks

Leistungspunkte:

3



Sekretariat:

EN 3

Ansprechpartner:

Klum, Michael

URL:

http://www.emsp.tu-berlin.de/menue/studium_und_lehre/neuronale_netze/

Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungsbeschreibung:- Schriftliche Ausarbeitung: Geprüft wird die Qualität der schriftlichen Ausarbeitung zum erarbeiteten Thema.- Präsentationtion: Geprüft wird die Qualität der Präsentation der Ausarbeitung des gewählten Themas hinsichtlich der Qualität der Folienund des Vortragstils.- Beurteilte Laborarbeit: Geprüft wird die Qualtität der Teilnahme am Diskurs zu den vorgestellten Themen.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Präsentation mündlich 40 20 Minuten(Ergebnisprüfung) Schriftliche Ausarbeitung schriftlich 40 10 Seiten(Lernprozessevaluation) Beurteilte Laborarbeit mündlich 20 15 Termine


Lernergebnisse Students who have successfully finished this module have an advanced knowledge of operating systems. They are aware of differentarchitectural approaches and know their advantages and disadvantages. They have acquired the ability for well-founded design decisionsbased on qualitative and quantitative arguments. They have a sound knowledge of modern approaches like microkernels, virtual machines,and distributed operating systems. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Basic bachelor knowledge on operating systems and computer architecture is required.



Modulbeschreibung

Operating System Design

Modultitel:

Operating System Design

Betriebssystemkonzepte

Leistungspunkte:

6


Heiß, Hans-Ulrich

Sekretariat:

EN 6

Ansprechpartner:

keine Angabe

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]

1.) [KBS] Operating System Design Assignments



Lernergebnisse Ability to solve a specific development problem in the area of operating systems as a team. Competence in design of concurrent software,teamwork, project management, documentation, presentation. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Sound knowledge of operating systems, embedded operating systems, or security aspects (depending on the actual topics of the seminar).Additionally a good programming experience is needed (depending on the project, most likely C, C++, C#, or Java).



Modulbeschreibung

Operating System Project & Seminar

Modultitel:

Operating System Project & Seminar

Betriebssystem-Projekt und -Seminar

Leistungspunkte:

9


Heiß, Hans-Ulrich

Sekretariat:

EN 6

Ansprechpartner:

keine Angabe

URL:


Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:Insgesamt können 100 Portfoliopunkte erreicht werden:


After successful completion a seminar and project certificate will be issued which meet the master's program's requirements.

Prüfungselement Kategorie Gewicht Dauer/UmfangProject Implementation praktisch 30 100 hoursProject final presentation mündlich 20 60 minutesProject final report schriftlich 20 10 pagesSeminar paper schriftlich 15 6 pagesSeminar presentation mündlich 15 20 minutes


Lernergebnisse The module imparts primarily professional and methodological expertise in analyzing remote sensing data. The exploration of the contextbetween physical reality of the environment and data collected with imaging sensors are in the foreground. Mathematical modells are usedfor description. Data analysis, e.g. object extraction, is conducted with methods of the automatic image analysis. Remote sensing isconceived as an electronical-physically motivated area of computer vision. Interdisciplinary application of the contents are demonstratedusing various illustrative examples from e.g. manufacturing industries to geography, medicine and social sciences. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: none



Modulbeschreibung

Optical Remote Sensing

Modultitel:



Leistungspunkte:

6


Hellwich, Olaf

Sekretariat:

MAR 6-5

Ansprechpartner:

Dennert, Marion

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Lernergebnisse Studierende, die das Modul Optische Kommunikationstechnik absolviert haben, sind insbesondere mit den Themen der faseroptischenÜbertragungstechnik vertraut, wobei im Rahmen dieses Moduls vor allem die physiknahe Ebene behandelt wird. The module will provide students with knowledge and understanding of communication systems based on optical fibres with emphasis tothe physics of fibre optics.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Bachelor ET / Studienschwerpunkt Elektrotechnik und Informationstechnik



Modulbeschreibung

Optische Kommunikationstechnik

Modultitel:

Optische Kommunikationstechnik

Optical Communications Technology

Leistungspunkte:

12


Petermann, Klaus

Sekretariat:

HFT 4

Ansprechpartner:

Dziallas, Giannino

URL:

http://www.hft.tu-berlin.de/

Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungsbeschreibung:Es können insgesamt 100 Portfoliopunkte erreicht werden. Die Gesamtnote für das Modul setzt sich aus den Ergebnissen mehrererStudienleistungen zusammen und wird gemäß § 47 (2) AllgStuPO nach folgendem Notenschlüssel ermittelt:

mehr oder gleich 95 Punkte: 1,0mehr oder gleich 90 Punkte: 1,3mehr oder gleich 85 Punkte: 1,7mehr oder gleich 80 Punkte: 2,0mehr oder gleich 75 Punkte: 2,3mehr oder gleich 70 Punkte: 2,7mehr oder gleich 65 Punkte: 3,0mehr oder gleich 60 Punkte: 3,3mehr oder gleich 55 Punkte: 3,7mehr oder gleich 50 Punkte: 4,0Weniger als 50 Punkte: 5,0

Die Modulprüfung ist bestanden, wenn mindestens 50 Punkte erreicht werden.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) ONT Seminar: Referat 25(Lernprozessevaluation) ONT Praktikum: MündlicheRücksprache mit Protokoll

33

(Punktuelle Leistungsabfrage) Einführung in die optischeNachrichtentechnik (VL): Mündlicher Test

50

(Punktuelle Leistungsabfrage) ONT Übung: Schriftlicher Test 17(Punktuelle Leistungsabfrage) VL und IV des Wahlpflichtteil:Mündlicher Test

25


Lernergebnisse Students who have successfully finished this module have a good knowledge of different parallel architectures. They are capable to designand analyze parallel algorithms for different target architectures. They know how to implement them on different parallel architectures withstate-of-the-art tools. They also know, how to manage parallel computers for multiprogramming and how to solve the partitioning, mapping,load balancing and scheduling problems. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Bachelor in Computer Science or related; basic knowledge in computer architecture, operating systems, algorithms and data structures; Cprogramming.



Modulbeschreibung

Parallel Systems

Modultitel:

Parallel Systems

Parallele Systeme

Leistungspunkte:

6


Heiß, Hans-Ulrich

Sekretariat:

EN 6

Ansprechpartner:

keine Angabe

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]

1.) [KBS] Parallel Programming Assignments

Prüfungsform: Benotet: Dauer/Umfang:mündlich benotet 30 minutes


Lernergebnisse . On successful completion, students will be able to: - apply the approach of parameterized complexity analysis to solve computationally hard (NP-hard) problems- design and analyze parameterized algorithms- identify practically relevant and tractable special cases of problems that are computationally hard in general- use complexity-theoretic methods to determine the limits of parameterized algorithmics

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Basic knowledge on algorithms



Modulbeschreibung

Parameterized Algorithmics

Modultitel:

Parameterized Algorithmics

Parametrisierte Algorithmik

Leistungspunkte:

6


Niedermeier, Rolf

Sekretariat:

TEL 5-1

Ansprechpartner:


URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Lernergebnisse The course deals with mathematic-physical modelling of a sensor by using the photographic camera as example. The modelling iscompletely expressed by algebraic projective geometry. Not only studying object reconstruction using image data of a multifaceted sensor,but and first of all the complete modelling of technically relevant issues in a homogeneous mathematical framework is important in thiscourse. This framework is also used for 3D-computer graphics. Interdisciplinary application of the contents are demonstrated using variousillustrative examples from e.g. manufacturing industries to geography, medicine and social sciences. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Modul 20363 (Lineare Algebra für Ingenieurwissenschaften)



Modulbeschreibung

Photogrammetric Computer Vision

Modultitel:



Leistungspunkte:

6


Hellwich, Olaf

Sekretariat:

MAR 6-5

Ansprechpartner:

Dennert, Marion

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Lernergebnisse Studierende, die das Modul Photonische Kommunikationsnetze und Komponenten absolviert haben, sind mit den Grundlagenentsprechender Netzstrukturen und Bauelemente vertraut. Im Wahlpflichtbereich werden ergänzende Themen zur optischenKommunikationstechnik vermittelt. The module will provide students with an understanding of photonic technology for communication networks and components. The moduleallows the students to learn about different topics related to optical communication technology.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Bachelor ET / Studienschwerpunkt Elektrotechnik und Informationstechnik



Modulbeschreibung

Photonische Kommunikationsnetze und Komponenten

Modultitel:

Photonische Kommunikationsnetze und Komponenten

Photonic Communication Networks and Components

Leistungspunkte:

12


Petermann, Klaus

Sekretariat:

HFT 4

Ansprechpartner:

Dziallas, Giannino

URL:

http://www.hft.tu-berlin.de/

Modulsprache:

Deutsch

Kontakt:

[email protected]

1.) Modul Optische Kommunikationstechnik Angemeldet



Prüfungsbeschreibung:Prüfungsform ist die Portfolioprüfung. Es können insgesamt 100 Portfoliopunkte erreicht werden. Die Gesamtnote für das Modul setzt sichaus den Ergebnissen mehrerer Studienleistungen zusammen und wird gemäß § 47 (2) AllgStuPO nach folgendem Notenschlüsselermittelt:

mehr oder gleich 95 Punkte: 1,0mehr oder gleich 90 Punkte: 1,3mehr oder gleich 85 Punkte: 1,7mehr oder gleich 80 Punkte: 2,0mehr oder gleich 75 Punkte: 2,3mehr oder gleich 70 Punkte: 2,7mehr oder gleich 65 Punkte: 3,0mehr oder gleich 60 Punkte: 3,3mehr oder gleich 55 Punkte: 3,7mehr oder gleich 50 Punkte: 4,0Weniger als 50 Punkte: 5,0

Die Modulprüfung ist bestanden, wenn mindestens 50 Punkte erreicht werden.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Optische Nachrichtentechnik (SEM):Referat

25

(Lernprozessevaluation) Optische Nachrichtentechnik (PR):Mündliche Rücksprache mit Protokoll

33

(Punktuelle Leistungsabfrage) Optische Nachrichtentechnik(UE): Schriftlicher Test

17

(Punktuelle Leistungsabfrage) PhotonischeKommunikationsnetze I: Mündlicher Test

25

(Punktuelle Leistungsabfrage) PhotonischeKommunikationsnetze II: Mündlicher Test

25

(Punktuelle Leistungsabfrage) VL und IV desWahlpflichtteils: Mündlicher Test

25


Lernergebnisse Die Studierenden sind in der Lage, die zentralen Algorithmen des Maschinellen Lernens selbst zu implementieren, anzuwenden und ihreLeistung auf geeigneten künstlichen Datensätzen zu analysieren. Außerdem haben sie einen breiten Überblick aktueller Verfahren, ihrerAnwendungsmöglichkeiten und Grenzen. Students are able to implement and apply the core machine learning algorithms and analyze their performance on appropriate toy datasets.They further have a broad overview of current methods, their applications and limits.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Programmierkenntnisse, Teilnahme am Modul „Maschinelles Lernen 1“ oder „Maschinelles Lernen 2“ ist wünschenswert.



Modulbeschreibung

Machine Learning Lab Course

Modultitel:

Machine Learning Lab Course

Praktikum Maschinelles Lernen

Leistungspunkte:

9



Sekretariat:

MAR 4-1

Ansprechpartner:

keine Angabe

URL:

http://ml.tu-berlin.de

Modulsprache:

Englisch

Kontakt:

keine Angabe

Prüfungsform: Benotet: Dauer/Umfang:mündlich benotet 20min


Lernergebnisse Die Studierenden verstehen die grundlegenden Konzepte statistischer Modellierung in KI und maschinellem Lernen, kennen die wichtigstenModelle und ihre Anwendungsgebiete und haben die Kompetenz zum Verständnis aktueller Literatur. Die Studierenden sind in der Lage, die Leistungsfähigkeit der besprochenen Verfahren einzuschätzen, diese auf Probleme in denAnwendungsdomänen erfolgreich einzusetzen und gegebenenfalls neue Modelle zu entwickeln. Students understand basic concepts of statistical modelling in ai and ml, know the most important models and applications and have thecompetence to understand current literature. Students are able to estimate the efficiency of the methods and use them on problems in application domains or find new models




Modulbeschreibung

Probabilistic and Bayesian Modelling in ML and AI

Modultitel:

Probabilistic and Bayesian Modelling in ML and AI

Probabilistische und Bayesianische Methoden für ML und KI

Leistungspunkte:

6


Opper, Manfred

Sekretariat:

MAR 4-2

Ansprechpartner:

Ruttor, Andreas

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Lernergebnisse Students gain practical experience in dealing with modern communication systems, their design, evaluation and implementation. The focusis put primarily on modern systems of wireless mobile communications, as well as Internet protocols and applications. Skills obtained in thismodule will enable students to design, implement and evaluate modern communication systems. Thanks to working in small teams,graduates also develop project management and team working skills. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: The contents of the BSc module „Kommunikationsnetze” or at least "Rechnernetze und Verteilte Systeme ("Computer Networks andDistributed Systems") is essential. Students should consider choosing only projects for which the required expertise of software and/ordevelopment tools had been previously acquired. The individual requirements are dependent on the project and can be found in the detailed project description at the following website:http://www.tkn.tu-berlin.de/menue/tknteaching/studentenprojekte/parameter/en/



Modulbeschreibung

Project in advanced network technologies

Modultitel:

Project in advanced network technologies

Projekt in erweiterten Netzwerktechnologien

Leistungspunkte:

6


Wolisz, Adam

Sekretariat:

FT 5

Ansprechpartner:

Döring, Micha

URL:

http://www.tkn.tu-berlin.de/menue/tknteaching/studentenprojekte/parameter/en/

Modulsprache:

Englisch

Kontakt:

[email protected]




The mark will take into account creativity, project management, presentations, as well as the actual implementation and evaluation of theproposed solution. The project needs to be documented with a final report and a survey page in the Internet.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) Final report schriftlich 20 ~20-30 pages(Deliverable assessment) Survey page schriftlich 10 one A4 page(Learning process review) 3 Milestone presentations (10points each)

mündlich 30 3x1h

(Learning process review) Self organization of work &solution quality



Lernergebnisse Die Studierenden haben Anwendungen und Technologien für Kommunikations-, Medien- und Dienstplattformen in Fahrzeugen, aufMobiletelefonen oder Fernsehgeräten erprobt und dabei ein signifikantes Maß an praktischen Erfahungen gesammelt. Students test applications and technologies for communications, media and service platforms in vehicles, on mobile phones or televisionsand gain a significant degree of practical experience.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Grundkenntnisse über Betriebssysteme und Anwendungen, etc. sowie Programmierkenntnisse für die Umsetzung.



Modulbeschreibung

Projekt DCAITI

Modultitel:

Projekt DCAITI

DCAITI Project

Leistungspunkte:

9


Hauswirth, Manfred

Sekretariat:

TEL 4-1

Ansprechpartner:

Radusch, Ilja

URL:

http://www.dcaiti.tu-berlin.de/teaching/

Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungsbeschreibung:Prüfungsform ist die Portfolioprüfung.Insgesamt können 100 Portfoliopunkte erreicht werden.- drei Vorträge (je 10 Portfoliopunkte)- eine Dokumentation (30 Portfoliopunkte)- eine Implementierung (40 Portfoliopunkte)Die Gesamtnote gemäß § 47 (2) AllStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Dokumentation schriftlich 30 5-6 Seiten(Ergebnisprüfung) Implementierung flexibel 40 Quelltext nach Projektthema(Ergebnisprüfung) Vorträge mündlich 30 3x á 20 min


Lernergebnisse Die Studierenden besitzen Kenntnisse und praktische Erfahrung im selbstständigen Anwenden von Methoden des maschinellen Lernensauf einen realen Rohdatensatz in einem spezifischen Anwendungsszenario. Hierzu gehört insbesondere die maschinelle Aufbereitungrealer Daten in ein brauchbares Format, das Kalibrieren von Vorhersagemethoden, sowie der Vergleich unterschiedlicher Ansätze. DieStudierenden sind fähig, auch auf anderen realen Daten Methoden des maschinellenLernens erfolgreich anzuwenden sowie den Umfang, die Komplexität und die Erfolgsaussichten eines solchen Projektes unter praktischenGesichtspunkten abzuschätzen. The students have knowledge about and practical experience in independent application of machine learning methods to a real worlddataset in a specific application scenario. This particularly includes pre-processing of real world data, calibration of prediction methods, andthe comparison of different approaches. The students are also able to apply machine learning methods to other real world datasets, as wellas estimating the extent, complexity, and chance of success of such a project from a practical point of view.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Es gibt keine formalen Voraussetzungen. Die vorherige Teilnahme an den Modulen „Maschinelles Lernen I“ und „Praktikum MaschinellesLernen“ ist wünschenswert. Sämtlicher Programmcode wird in Python geschrieben.



Modulbeschreibung

Machine Learning Project

Modultitel:

Machine Learning Project

Projekt Maschinelles Lernen

Leistungspunkte:

9



Sekretariat:

MAR 4-1

Ansprechpartner:

keine Angabe

URL:

http://ml.tu-berlin.de

Modulsprache:

Englisch

Kontakt:

keine Angabe



Prüfungsbeschreibung:Nach jedem Meilenstein geben die Teilnehmer Programmcode sowie eine Dokumentation Ihrer Lösung ab. Sowohl für denProgrammcode, als auch für die Dokumentation der Lösung gibt es strikte Vorgaben welche auf der Website bekanntgegeben werden.Es gibt drei Meilsteine und die Bewertung jedes Meilsteins geht zu 1/3 in die Note ein.Die Lösungen werden den jeweils anderen Teilnehmern zur Verfügung gestellt, damit diese ggf. in den folgenden Meilensteinen daraufaufbauen können.

Prüfungselement Kategorie Gewicht Dauer/UmfangProgrammcode/Dokumentation 1. Meilenstein schriftlich 33 1/3Programmcode/Dokumentation 2. Meilenstein schriftlich 33 1/3Programmcode/Dokumentation 3. Meilenstein schriftlich 34 1/3


Lernergebnisse Die Studierenden sind in der Lage, eine komplexere Fragestellung aus den Bereichen maschinelles Lernen oder neuronaleInformationsverarbeitung selbstständig zu bearbeiten und die Resultate anschließend zu präsentieren.Die Fähigkeiten umfassen: Literaturarbeit, Präzisierung der vorgegebenen Fragestellung, Planung, Durchführung und Bewertung derwissenschaftlichen Arbeit, adäquate Präsentation und Diskussion der erzielten Resultate (Vortrag, Poster & schriftliche Ausarbeitung). After successful completion, participants are able to apply machine learning techniques to problems from the field of neural informationprocessing in a self-guided way and present their results to other students. Required skills include: literature research, formulation and refinement of a relevant research question, planning and execution, andassessment of a scientific research project, presentation and discussion of results (poster + project report).

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Inhaltlich werden die Kenntnisse im Modul „Machine Intelligence I / Neuronale Informationsverarbeitung I“, „Machine Intelligence II /Neuronale Informationsverarbeitung II“ und „Modelle zur Informationsverarbeitung im Gehirn“ oder äquivalente Kenntnisse vorausgesetzt. Participants are expected to have background knowledge comparable to the topics covered in Machine Intelligence1 + 2 and Models ofNeural Information Processing.



Modulbeschreibung

Projekt Neuronale Informationsverarbeitung

Modultitel:

Projekt Neuronale Informationsverarbeitung

Project Neural Information Processing

Leistungspunkte:

9


Obermayer, Klaus

Sekretariat:

MAR 5-6

Ansprechpartner:

Obermayer, Klaus

URL:

http://www.ni.tu-berlin.de/teaching/

Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]




Prüfungselement Kategorie Gewicht Dauer/UmfangPosterpräsentation mündlich 20 30 MinutenProjektbericht schriftlich 20 37 hSeminarvortrag mündlich 20 30 Minutenschriftliche Ausarbeitung schriftlich 15 6 hwissenschaftliche Arbeit flexibel 25 170 h


Lernergebnisse Die Studierenden sind in der Lage, eine komplexere Fragestellung aus dem Forschungsgebiet der Statistischen Methoden in KI undMachinellem Lernen selbstständig zu bearbeiten und die Resultate anschließend adäquat zu präsentieren.Die Fähigkeiten umfassen: Literaturarbeit, Präzisierung der vorgegebenen Fragestellung, Planung, Durchführung und Bewertung derwissenschaftlichen Arbeit, adäquate Präsentation und Diskussion der erzielten Resultate. Students are able to work on complex questions in the field of statistical methods in ai and ml and present the results properly.The abilities involve: working with literature, precision of specified questions, planning, execution and evaluation of scientific work,presentation and discussion of obtains results.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Eine vorherige Teilnahme an der Vorlesung Probabilistic and Bayesian Modelling in Machine Learning and Artificial Intelligence oderäquivalente Kenntnisse werden vorausgesetzt. Für die Bearbeitung der Projekte sind außerdem Grundkenntnisse in Mathematik (LineareAlgebra, Analysis, Stochastik) sowie Programmierkenntnisse erforderlich.



Modulbeschreibung

Projekt: Statistische Methoden in KI und ML

Modultitel:

Projekt: Statistische Methoden in KI und ML

Project: Statistical Methods in AI and ML

Leistungspunkte:

9


Opper, Manfred

Sekretariat:

MAR 4-2

Ansprechpartner:

Ruttor, Andreas

URL:


Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]




Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Seminarvortrag mündlich 40 45 Minuten(Ergebnisprüfung) Projektbericht schriftlich 60 3 Std.


Lernergebnisse Students gain- Understanding of “Usability” as inter-disciplinary research and application area in the development of information and communicationtechnologies- Fundamental knowledge of multimodal human-computer interaction- Knowledge of the implementation of human-computer interfaces- Knowledge of methods for measuring quality and usability- Presentation of knowledge to an audience Students gain- Understanding of “Usability” as inter-disciplinary research and application area in the development of information and communicationtechnologies- Fundamental knowledge of multimodal human-computer interaction- Knowledge of the implementation of human-computer interfaces- Knowledge of methods for measuring quality and usability- Presentation of knowledge to an audience

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Basic knowledge in information and communication technologies is recommended.



Modulbeschreibung

Quality & Usability

Modultitel:

Quality & Usability

Quality & Usability

Leistungspunkte:

3


Möller, Sebastian

Sekretariat:

TEL 18

Ansprechpartner:

Hirsch, Tobias

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungsbeschreibung:Hausaufgaben: Praktische Aufgaben abhängig vom Thema des Seminars.

Präsentation: Der Vortrag soll einen Aspekt des Seminarthemas vorstellen. Bewertet werden inhaltliche Korrektheit, Stil und Einhaltungder formalen Regeln eines Vortrags.

Schriftliche Ausarbeitung: Das Vortragsthema wird, angelehnt an die Form eines Konferenzbeitrags, zusammengefasst dargestellt.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) 6 Hausaufgaben à 3 Punkte schriftlich 18 ca. 2 h pro Hausaufgabe(Ergebnisprüfung) Präsentation mündlich 52 30 min(Ergebnisprüfung) Schriftliche Ausarbeitung schriftlich 30 2-3 Seiten


Lernergebnisse Graduates of this module are able to master methods and techniques with which the quality of embedded systems can be systematicallyensured, in particular computer-aided verification and test automation techniques. They have knowledge about existing techniques andknow how to apply them. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Knowledge from bachelor modules in Computer Science/Technical Computer Science or the like. Recommended are basic skills in softwareengineering for embedded systems.



Modulbeschreibung

Quality Assurance of Embedded Systems

Modultitel:



Leistungspunkte:

6


Glesner, Sabine

Sekretariat:

TEL 12-4

Ansprechpartner:

Herber, Paula

URL:

keine Angabe

Modulsprache:

Englisch

Kontakt:

[email protected]

1.) [PES] 2 bestandene Tests

Prüfungsform: Benotet: Dauer/Umfang:mündlich benotet 20 - 30 min


Lernergebnisse Successful participants are familiar with the principles of verification under time-constraints, in particular the automata theoretical andlogical foundations. They are able to read research papers, present the content in written form and in an oral presentation. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Interest in theoretical computer science. Knowledge of foundations of logic and automata as covered by the modules TheGI2 and TheGI3,for instance, are expected.



Modulbeschreibung

Quantitative Verification and Timed Automata

Modultitel:

Quantitative Verification and Timed Automata

Leistungspunkte:

3


Kreutzer, Stephan

Sekretariat:

TEL 7-3

Ansprechpartner:

keine Angabe

URL:

keine Angabe

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/UmfangPaper 50Talk 50


Lernergebnisse . Participants of this module know fundamental randomized methods for design and analysis of efficient algorithms. They can perform simpleprobabilistic analyses and are aware of the limitations of randomization.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: obligatory: Basic knowledge of algorithm design and analysis



Modulbeschreibung

Randomized Algorithms

Modultitel:

Randomized Algorithms

Randomisierte Algorithmen

Leistungspunkte:

6


Niedermeier, Rolf

Sekretariat:

TEL 5-1

Ansprechpartner:


URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Lernergebnisse - After completion participants will have acquired the necessary knowledge and skills to read, discuss, understand, present, and summarizeoriginal research in the field of computer architecture and follow original research talks. They are able to provide feedback on each other’swork and to formulate research questions. They are further able to write a review paper about recent developments in computerarchitecture.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Module Advanced Computer Architecture or a similar course



Modulbeschreibung

Recent Advances in Computer Architecture

Modultitel:

Recent Advances in Computer Architecture

Aktuelle Fortschritte im Bereich Rechnerarchitekturen

Leistungspunkte:

3


Juurlink, Bernardus

Sekretariat:

EN 12

Ansprechpartner:

Juurlink, Bernardus

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]





Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) Presentation praktisch 50 20 min(Deliverable assessment) Written review schriftlich 50 jeweils 2 Wochen


Lernergebnisse After completion participants will have acquired the necessary knowledge and skills to read, understand, discuss, present, and summarizeand categorize original research in the field of multicore systems and follow original research talks. They are able to provide feedback oneach other’s work and to formulate research questions. They are further able to write a review paper about recent multicore systems. The course is principally designed to impart:technical skills 30x method skills 30x system skills 30x social skills 10x no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: It is expected that participants have elementary knowledge of computer architecture and organization(as imparted, for example, in the undergraduate course “Technical Fundamentals of Computer ScienceII: Computer Organization and Design”). The module “Multicore Architectures” is recommended but notrequired.



Modulbeschreibung

Aktuelle Fortschritte im Bereich Multicore-Systeme

Modultitel:

Aktuelle Fortschritte im Bereich Multicore-Systeme

Recent Advances in Multicore Systems

Leistungspunkte:

3


Juurlink, Bernardus

Sekretariat:

EN 12

Ansprechpartner:

Juurlink, Bernardus

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]





Prüfungselement Kategorie Gewicht Dauer/UmfangPresentation 50Review Paper 50


Lernergebnisse Microwave and Radar Remote Sensing:Qualification aim of this module is to impart methods for signal processing, image enhancement, featureextraction and grouping. The alumni have learned and practiced to use their skills in multifacetedapplication areas. The exploration of the relations between physical reality of the environment and datacollected with imaging sensors are emphasized, mathematical modells are used for description. Optical Remote Sensing:The module imparts primarily professional and methodological expertise in analyzing remote sensing data. The exploration of the contextbetween physical reality of the environment and data collected with imaging sensors are in the foreground. Mathematical modells are usedfor description. Data analysis, e.g. object extraction, is conducted with methods of the automatic image analysis. Remote sensing isconceived as an electronical-physically motivated area of computer vision. Interdisciplinary application of the contents are demonstratedusing various illustrative examples from e.g. manufacturing industries to geography, medicine and social sciences. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: For MRRS:Knowledge from the module “Optical Remote Sensing” is preferable.



Modulbeschreibung

Remote Sensing

Modultitel:

Remote Sensing

Remote Sensing

Leistungspunkte:

12


Hellwich, Olaf

Sekretariat:

MAR 6-5

Ansprechpartner:

Dennert, Marion

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]

1.) Homework Optical Remote Sensing2.) Homework Microwave and Radar Remote Sensing



Lernergebnisse siehe englischer Text Participants of this module have learned how to critically read and evaluate scientific papers. They are able to work independently to gainan understanding of current research results and the methods and proofs behind. They can communicate the central ideas behind anddiscuss the value of the presented findings. They know about the key features of good oral presentations and the preparation of acorresponding handout (2-4 pages).

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: a) obligatory: Bachelor in Computer Science, Technical Computer Science, or Mathematicsb) desirable: Further knowledge on algorithms and complexity



Modulbeschreibung

Research Colloquium on Algorithms and Complexity

Modultitel:

Research Colloquium on Algorithms and Complexity

Forschungskolloquium über Algorithmen und Komplexität

Leistungspunkte:

3


Niedermeier, Rolf

Sekretariat:

TEL 5-1

Ansprechpartner:


URL:


Modulsprache:

Englisch

Kontakt:

[email protected]




Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) handout schriftlich 30 5 pp(Ergebnisprüfung) talk mündlich 70 60 min


Lernergebnisse Nach Abschluss des Moduls verfügen Studierende über Kenntnisse und praktische Lösungen zur Kontrolle von mehrgliedrigen Robotern.Des Weiteren verfügen sie über Methoden zur Abstraktion und Vereinfachung komplexer, nichtlinearer Probleme im Bereich derAktuierung, Wahrnehmung und Repräsentation, die die Basis für kognitives und intelligentes Handeln bilden. After completing the module, the students have knowledge of problems and practical solutions to controlling multi-joint robot systems. Theyalso have acquired methods to abstract and simplify complex, non-linear problems in the realm of action, perception, and representation,which are the basis for cognitive and intelligent robots.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Abgeschlossenes Bachelor-Studium in einschlägigen Studiengängen. (Studierende der Technischen Informatik im 7. Semester desBachelor-Studiums können nach Rücksprache zugelassen werden.) Gute Programmierkenntnisse in C++ sind zwingend erforderlich.



Modulbeschreibung

Robotics

Modultitel:

Robotics

Robotics

Leistungspunkte:

6


Brock, Oliver

Sekretariat:

MAR 5-1

Ansprechpartner:

Deimel, Raphael

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:* Fünf praktische Gruppen-Übungen an Robotern mit Abgabegesprächen* Ein schriftlicher Test über den Vorlesungsinhalt.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) 5 Übungen in Gruppen mit Protokollen à10 Modulpunkte

praktisch 50 10 Minuten Abgabegespräch,5 Seiten Dokumentation, 1-2Seiten Programmcode

(Punktuelle Leistungsabfrage) Schriftlicher Test schriftlich 50 75 Minuten


Lernergebnisse Studierende erhalten ein tiefes Verständnis in Probleme und Methoden der Robotik im Kontext von embodied intelligence. Sie sind in derLage, etablierte und neuartige Konzepte und Methoden kritisch zu betrachten und anzuwenden. Students will gain a deeper understanding of problems and methods in robotics (in the context of embodied intelligence). After completingthe course, students will be able to critically assess and use established concepts and methods as well as novel ones.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Students need to have... a Bachelor's degree in a related field of study.... passed our Robotics course or have a deep understanding of its contents.... good programming skills (C++, Python).



Modulbeschreibung

Robotics: Advanced

Modultitel:

Robotics: Advanced

Robotics: Advanced

Leistungspunkte:

6


Brock, Oliver

Sekretariat:

MAR 5-1

Ansprechpartner:

Deimel, Raphael

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) 4 protokollierte praktische Leistungen à10 Punkte

praktisch 40 2-10 Seiten, Programmcode

(Hausaufgabe) Essay zu einem Vorlesungsthema schriftlich 10 2-10 Seiten(Punktuelle Leistungsabfrage) Schriftlicher Test schriftlich 50 75 Minuten


Lernergebnisse Die Studierenden erwerben Wissen über die Probleme und deren praktischen Lösungen zur Kontrolle vielgelenkiger Roboter. Sie besitzenMethoden zur Abstraktion und Vereinfachung komplexer, nichtlinearer Probleme im Bereich der Aktuierung, Wahrnehmung undRepräsentation, welches die Basis für kognitive und intelligente Roboter bildet. Die Studierenden habe des weiteren ein tiefes Verständnis für die Probleme und Methoden in der Robotik (im Kontext der EmbodiedIntelligence). Studierende sind in der Lage, etablierte als auch neue Methoden und Konzepte kritisch zu hinterfragen. After completing the module, the students have knowledge of problems and practical solutions to controlling multi-joint robot systems. Theyalso have acquired methods to abstract and simplify complex, non-linear problems in the realm of action, perception, and representation,which are the basis for cognitive and intelligent robots. Students will also have gained a deeper understanding of problems and methods in robotics (in the context of embodied intelligence). Aftercompleting the course, students will be able to critically assess and use established concepts and methods as well as novel ones.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Abgeschlossenes Bachelor-Studium in einschlägigen Studiengängen. (Studierende der Technischen Informatik im 7. Semester desBachelor-Studiums können nach Rücksprache zugelassen werden.) Gute Programmierkenntnisse in C++ sind unbedingt erforderlich.



Modulbeschreibung

Robotics I+II

Modultitel:

Robotics I+II

Robotics I+II

Leistungspunkte:

12


Brock, Oliver

Sekretariat:

MAR 5-1

Ansprechpartner:

Deimel, Raphael

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) praktische Leistungen für Robotics 25(Ergebnisprüfung) praktische Leistungen für AdvancedRobotics

25

(Punktuelle Leistungsabfrage) schriftliche Leistungskontrollefür Advanced Robotics

25

(Punktuelle Leistungsabfrage) schriftliche Leistungskontrollefür Robotics

25


Lernergebnisse Nach Abschluss dieses Moduls verfügen die Studierenden über vertiefte Kenntnisse in einzelnenBereichen der aktuellen Forschung bzw. Lehre im Bereich der Robotik. Studierende sind fähig, ein Projekt zu organisieren und zuüberwachen. Des weiteren sind sie fähig zum selbständigen Arbeiten und besitzen Erfahrung in wissenschaftlicher Forschung. After attending the module, students have in depth knowledge of specific topics of current Robotics research or teaching. They are capableof organizing and tracking a project and work independently. They have experience in scientific research.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: LV Robotics des Lehrstuhls besucht oder entsprechende Vorkenntnisse; vorheriger Besuch von Advanced Robotics erwünscht, aber nichterforderlich; falls Advanced Robotics nicht besucht wurde, muss der Professor der Teilnahme zustimmen.



Modulbeschreibung

Robotics: Project

Modultitel:

Robotics: Project

Robotics: Project

Leistungspunkte:

9


Brock, Oliver

Sekretariat:

MAR 5-1

Ansprechpartner:

Deimel, Raphael

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungsbeschreibung:Insgesamt können 100 Punkte erreicht werden.Die Benotung der Arbeit gliedert sich in 4 Teile:

* Fachliche Qualität der Implementierung und Umsetzung (25 Portfoliopunkte)* Präsentation des Projektes und Projektfortschritts (25 Portfoliopunkte)* Qualität und Umfang der Technischen Dokumentation (25 Portfoliopunkte)* Wissenschaftlicher Report am Ende des Projektes (25 Portfoliopunkte)


Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Präsentation des Projektes undProjektfortschritts

mündlich 25 5-10 Minuten pro Woche plus30 MinutenAbschlußpräsentation

(Ergebnisprüfung) Qualität und Umfang der TechnischenDokumentation


(Ergebnisprüfung) Wissenschaftlicher Report am Ende desProjektes


(Lernprozeßevaluation) Fachliche Qualität derImplementierung und Umsetzung

praktisch 25 gesamtes Projekt


Lernergebnisse Die Studierenden kennen statistische und semantische Verfahren zur Repräsentation und Verarbeitung semantischer Daten und könnendiese einsetzen. Sie kennen Architekturen und Werkzeuge zur Verarbeitung semantischer Wissensquellen. Sie haben einen Einblick in denMarkt und aktuelle Trends im Bereich Linked Data und semantische Suche.Teilnehmer haben praktische Erfahrungen im Themengebiet vertieft und in Teamarbeit aktuelle Methoden erprobt. Sie können diepraktische Relevanz der unterschiedlichen Methoden kritisch reflektieren. Students having attended this course know methods for the semantic representation and the semantic processing of data. They knowarchitectures and tools for the management of semantic data and know how to use these tools in new application scenarios. Students knowthe current trends in the domain of semantic search approaches and in the domain of linked data.Participants have practical experiences in using state-of-the-art approaches and have implemented semantic search algorithms in teamwork. Students are able to discuss strength and weaknesses of different semantic search approaches.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Inhaltlich werden Kenntnisse des Bachelor-Moduls „Information Retrieval Systeme“ vorausgesetzt.



Modulbeschreibung

Semantic Search

Modultitel:

Semantic Search

Semantic Search

Leistungspunkte:

6


Albayrak, Sahin

Sekretariat:

TEL 14

Ansprechpartner:

Lommatzsch, Andreas

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]

1.) Übungsaufgaben Modul Semantic Search2.) Ausarbeitung und Vortrag Modul Semantic Search



Lernergebnisse Absolventen dieses Moduls kennen statistische und semantische Verfahren zur Beschreibung und Analyse großer Datensätze und könnendiese einsetzen, haben wirtschaftliche Einblicke in den Markt der Suchtechnologien bekommen, haben praktische Erfahrungen imThemengebiet vertieft und Teamarbeit erprobt, können die praktische Relevanz der unterschiedlichen Methoden kritisch reflektieren. Students have knowledge and practical experience of statistical and semantic Methods for the analysis and description of large datacorpora.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Inhaltlich werden Kenntnisse des Bachelor-Moduls „Information Retrieval Systeme" und des Master-Moduls "Semantic Search"vorausgesetzt.



Modulbeschreibung

Semantic Search Projekt

Modultitel:

Semantic Search Projekt

Semantic Search Project

Leistungspunkte:

9


Albayrak, Sahin

Sekretariat:

TEL 14

Ansprechpartner:

Lommatzsch, Andreas

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]




Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Dokumentation schriftlich 30 > 10 Seiten(Ergebnisprüfung) Projektergebnisse praktisch 50 13 Wochen(Lernprozessprüfung) mündliche Rücksprache mündlich 20 50 Minuten


Lernergebnisse Die Studierenden sind in der Lage sein, die Leistungsfähigkeit der besprochenen Verfahren einzuschätzen und sie auf Probleme in denAnwendungsdomänen erfolgreich einzusetzen. students are able to estimate the efficiency of the methods mentionned and use them on problems in application domains

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Vorausgesetzt werden Grundkenntnisse in Mathematik (Lineare Algebra, Analysis, Stochastik) undInformatik (Logik, Datenstrukturen (insbesondere Bäume), Grundlagen der Komplexitätstheorie).



Modulbeschreibung

Seminar Künstliche Intelligenz

Modultitel:

Seminar Künstliche Intelligenz

Seminar Artificial Intelligence

Leistungspunkte:

3


Opper, Manfred

Sekretariat:

MAR 4-2

Ansprechpartner:

Ruttor, Andreas

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]




Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Präsentation mündlich 60 45 Minuten(Ergebnisprüfung) Beispielanwendung praktisch 40 20 Minuten


Lernergebnisse Graduates of this module are able to understand current research papers in the field of embedded systems, software engineering,verification and/or testing and to present their results. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Knowledge from bachelor modules in Computer Science/Technical Computer Science/Software Engineering or the like.



Modulbeschreibung

Seminar Software and Embedded Systems Engineering

Modultitel:



Leistungspunkte:

3


Glesner, Sabine

Sekretariat:

TEL 12-4

Ansprechpartner:

Jähnig, Nils Erik

URL:

http://www.sese.tu-berlin.de/menue/studium_und_lehre/

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:The students have to prepare a written report of 6-9 pages and a presentation. They also have to write reviews of reports of otherstudents. Students also have to contribute to the Question & Answer session of the talks of other participants.

According to § 47 (2) AllgStuPO the final mark is calculated using the grading key 2 of school IV.

Prüfungselement Kategorie Gewicht Dauer/UmfangPresentation mündlich 45 45 minReport schriftlich 45 6 -9 pReviews schriftlich 10 2 p


Lernergebnisse Die Studierenden haben die praktische Fähigkeit zur Entwicklung eines DSP-Systems mit Software und peripherer Hardware erlernt. Nebenden fachlichen Inhalten haben sie auch Erfahrungen im Projektmanagement und in der Teamarbeit sowie eine systematischeHerangehensweise und Dokumentation. The students learned practical skills developing a digital signal processing (DSP) system including software and peripheral hardware. Nextto learning the theoretic fundamentals, they also gained experience in project management, teamwork, as well as systematicallyapproaching problems and documentation.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Grundkenntnisse der Schaltungstechnik, Mikroprozessortechnik und Analog- und Digitalelektronik und Signalverarbeitung, z.B. durch dieModule „Schaltungstechnik“, „Mikroprozessortechnik“ , „Analog- und Digitalelektronik“ und „Signalverarbeitung“. Programmierkenntnisse in„C“ sowie gutes Verständnis englischsprachiger Fachliteratur (Datenblätter).Aufgrund der großen Nachfrage werden die Teilnehmer in der Reihenfolge ihrer Anmeldungen im Sekretariat berücksichtigt. Darüberhinaus kann bei sehr großer Nachfrage ein Aufnahmetest durchgeführt werden.



Modulbeschreibung

Signalprozessor-Projekt

Modultitel:

Signalprozessor-Projekt

Signal Processor Project

Leistungspunkte:

6



Sekretariat:

EN 3

Ansprechpartner:

Tigges, Timo

URL:

http://www.emsp.tu-berlin.de/menue/studium_und_lehre/praktikum_signalverarbeitung/

Modulsprache:

Deutsch

Kontakt:

[email protected]




Signalprozessor-Labor:Beurteilte Laborarbeit: Geprüft wird der Entwurf, die Planung und die Umsetzung des selbstdefinierten Projekts zur Entwicklung einesSystems oder eines Gerätes zur digitalen Signalverarbeitung auf der Basis eines DSP- Entwicklungsboards.

Präsentation: Geprüft wird die Qualität der Präsentation hinsichtlich der inhaltlichen und formalen Qualität der Folien sowie desVortragsstils.

Dokumentation: Geprüft wird die ausführliche Projektdokumentation in der die Projektergebnisse festgehalten werden.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Dokumentation schriftlich 40 Gruppenarbeit 40-60 Seiten

Protokoll(Ergebnisprüfung) Präsentation mündlich 20 20 Minuten(Lernprozessevaluation) Beurteilte Laborarbeit praktisch 40 15 Termine


Lernergebnisse Die Studierenden beherrschen grundlegende Methoden zum Verständnis und Entwurf signalverarbeitender Systeme. The students master fundamental methods to understand and design signal processing systems.




Modulbeschreibung

Signalverarbeitung

Modultitel:

Signalverarbeitung

Signal Processing

Leistungspunkte:

6



Sekretariat:

EN 3

Ansprechpartner:

Tigges, Timo

URL:

http://www.emsp.tu-berlin.de/menue/studium_und_lehre/signalverarbeitung/

Modulsprache:

Deutsch

Kontakt:

[email protected]



Lernergebnisse Students learn how to develop secure software systems. They will gain knowledge of the basics of Security engineering. There will be focuson distributed (web) applications. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: - Basic knowledge in object oriented software development- Programming skills in Java- Basic XML knowledge



Modulbeschreibung

Software Security

Modultitel:

Software Security

Software Security

Leistungspunkte:

6


Albayrak, Sahin

Sekretariat:

TEL 14

Ansprechpartner:

Bsufka, Karsten

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:Die Gesamtnote gemaß § 47 (2) AllgStuPO wird nach dem Notenschlussel 2 der Fakultat IV ermittelt.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) 9 Assignments schriftlich 25 9 x 2 hours (est.)(Lernprozessprüfung) Oral consultation mündlich 75 1 hour


Lernergebnisse This is a Master Degree module on special topics in the area of Communications Network Security and Autonomous Security. Aftercompletion of this module students will have deep understanding of:-state of the art security problems and solutions for communications networks,-security needs of future systems, communications networks and Internet The seminar will enable students to analyse and understand security needs of future communications networks. Students will be able tofollow state of the art research results published in high rank conferances and journals. Module will cover the topics which are not only inthe interest of research institutes and academies but also industries. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Basic understanding in:- Computer Communications Networks and Operating Systems- Network Security and Cryptography- Algorithms



Modulbeschreibung

Special Topics in Communications Networks and Autonomous Security

Modultitel:



Leistungspunkte:

3


Albayrak, Sahin

Sekretariat:

TEL 14

Ansprechpartner:

Bsufka, Karsten

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]




Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Presention: Slides schriftlich 10 20 slides(Ergebnisprüfung) Presentation: Content praktisch 30 40 minutes(Ergebnisprüfung) Presentation: Talk mündlich 10 40 minutes(Ergebnisprüfung) Seminar text schriftlich 50 10 - 30 pages


Lernergebnisse keine Angabe Students gain- Understanding of the most important principels of acoustical human-computer interaction.- Basic knowledge of the production, transmission and perception of speech signals.- Basic knowledge of the transmission and coding of speech and audio signals- Basic knowledge of speech-technological systems (speech recognition, speech synthesis, spoken dialogue systems)- Basic knowledge of communication-acoustical phenomena and systems- Knowledge about the technical realisation of acoustical human-computer interfaces- Presentation and knowledge transfer skills Students will be able to- use the learned knowledge for designing exemplary acoustical human-computer interfaces

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Basic knowledge of communications engineering and digital signal processing.



Modulbeschreibung

Speech Interaction

Modultitel:

Speech Interaction

Speech Interaction

Leistungspunkte:

12


Möller, Sebastian

Sekretariat:

TEL 18

Ansprechpartner:

Hinterleitner, Florian

URL:

http://www.qu.tu-berlin.de/menue/studium_und_lehre/modulkatalog/

Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Lernergebnisse - The students gain:- Understanding of the most important principels of acoustical human-computer interaction.- Basic knowledge of the production, transmission and perception of speech signals.- Basic knowledge of the transmission and coding of speech and audio signals- Basic knowledge of speech-technological systems (speech recognition, speech synthesis, spoken dialogue systems)- Practical experience in the design of acoustical human-computer interfaces.- Presentation and knowledge transfer skills

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Mandatory: NoneDesirable: Basic knowledge of signal processing.



Modulbeschreibung

Speech Signal Processing and Speech Technology

Modultitel:

Speech Signal Processing and Speech Technology

Sprachsignalverarbeitung und Sprachtechnologie

Leistungspunkte:

6


Möller, Sebastian

Sekretariat:

TEL 18

Ansprechpartner:

Hirsch, Tobias

URL:


Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]




Schriftliche Tests: Es werden zwei schriftliche Leistungsstandüberprüfungen durchgeführt (je 40min). Die erste Überprüfung wird etwa denLernstand zur Hälfte des Semester abfragen und die zweite den Lernstand am Ende des Semesters.

Hausaufgaben: Es wird die Fähigkeit überprüft erlerntes Wissen anhand von konkreten Programmieraufgaben anzuwenden. Diese werdenzweimalig im Semester als einzureichende Hausaufgabe abgefragt.

Demonstration eines Sprachdialogsystems: Zum Ende des Kurses wird ein Projekt durchgeführt, welches die Studierenden selbstständigerarbeiten und präsentieren

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) 2 Hausaufgaben à 10 Punkte schriftlich 20 6 Programmieraufgaben als

Zweiergruppe(Lernprozessevaluation) Demonstration einesSprachdialogsystems

praktisch 10 10-15 min als Gruppe

(Punktuelle Leistungsabfrage) Schriftlicher Test 1 schriftlich 35 40 Minuten(Punktuelle Leistungsabfrage) Schriftlicher Test 2 schriftlich 35 40 Minuten


Lernergebnisse Students gain- Knowledge in working on specific State-of-the-Art topics in the field of Usability.- Measurement of quality and usability of interactive Systems.- Practical experience in technical realization of human-machine interfaces.- Knowledge of the design and implementation cycle of interactive systems.- Practical proving of the knowledge in quality and usability judgement on selected technical systems.- Presentation of project work. Students gain- Knowledge in working on specific State-of-the-Art topics in the field of Usability.- Measurement of quality and usability of interactive Systems.- Practical experience in technical realization of human-machine interfaces.- Knowledge of the design and implementation cycle of interactive systems.- Practical proving of the knowledge in quality and usability judgement on selected technical systems.- Presentation of project work.




Modulbeschreibung

Study Project Quality & Usability (6 CP)

Modultitel:


Studienprojekt Quality & Usability (6 LP)

Leistungspunkte:

6


Möller, Sebastian

Sekretariat:

TEL 18

Ansprechpartner:

Hirsch, Tobias

URL:


Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]




Präsentation: Die im Projekt erstellten Inhalte werden vorgestellt und erläutert. Die Richtigkeit des Inhalts und der Stil des Vortrags, sowiedie Vollständigkeit der Resultate werden bewertet.

Projektbericht: Der Projektbericht beschreibt detailiert die erzielten Resultate und den Lösungsansatz. Weiterhin stellt er die verwendetenVorarbeiten (Literatur, Softwarebibliotheken etc.) vor. Gegebenfalls enthält der Bericht die Dokumentation zur weiteren Nutzung derResultate (z.B. bei Softwareprojekten).

Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) Presentation mündlich 20 15-30 min(Deliverable assessment) Project Results schriftlich 80 30-40 Seiten als Gruppe


Lernergebnisse Students gain- Knowledge in working on specific State-of-the-Art topics in the field of Usability.- Measurement of quality and usability of interactive Systems.- Practical experience in technical realization of human-machine interfaces.- Knowledge of the design and implementation cycle of interactive systems.- Practical proving of the knowledge in quality and usability judgement on selected technical systems.- Presentation of project work. Students gain- Knowledge in working on specific State-of-the-Art topics in the field of Usability.- Measurement of quality and usability of interactive Systems.- Practical experience in technical realization of human-machine interfaces.- Knowledge of the design and implementation cycle of interactive systems.- Practical proving of the knowledge in quality and usability judgement on selected technical systems.- Presentation of project work.




Modulbeschreibung


Modultitel:


Studienprojekt Quality & Usability (9 LP)

Leistungspunkte:

9


Möller, Sebastian

Sekretariat:

TEL 18

Ansprechpartner:

Hirsch, Tobias

URL:


Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:Präsentation: Die im Projekt erstellten Inhalte werden vorgestellt und erläutert. Die Richtigkeit des Inhalts und der Stil des Vortrags, sowiedie Vollständigkeit der Resultate werden bewertet.

Projektbericht: Der Projektbericht beschreibt detailiert die erzielten Resultate und den Lösungsansatz. Weiterhin stellt er die verwendetenVorarbeiten (Literatur, Softwarebibliotheken etc.) vor. Gegebenfalls enthält der Bericht die Dokumentation zur weiteren Nutzung derResultate (z.B. bei Softwareprojekten).

Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) Presentation mündlich 20 30 min(Deliverable assessment) Project Results schriftlich 80 50-60 Seiten als Gruppe


Lernergebnisse Die Studierenden kennen aktuelle Fragen der Anwendung von Informations- und Kommunikationstechnologien in Entwicklungsländern undkönnen Lösungen unterBerücksichtigung sozialer und entwicklungspolitischer Zusammenhänge selbständig erarbeiten.Ausländische und deutsche Studierende haben in Zusammenarbeit Erfahrungen bei der Herstellungpraktisch verwertbarer Studien, Systemkonzeptionen und Implementierungen gewonnen, die ihrFachstudium ergänzen und zu einem besseren Verständnis der Herausforderungen interkulturellerKooperation und Kommunikation führen. Sie sind in der Lage, Recherchen durchzuführen, diegewonnenen Daten systematisch aufzubereiten und ihre Ergebnisse in angemessener Form schriftlich und mündlich zu präsentieren. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Kenntnisse aus den Bachelor-Modulen Datenbanksysteme II, Modellierung undEntwicklung offener verteilter Systeme, Objektorientierte Softwareentwicklung und Information Rulessowie Kenntnisse aus dem Master Modul Grundlagen der Systemanalyse.



Modulbeschreibung

Systementwicklung für ein Entwicklungsland

Modultitel:

Systementwicklung für ein Entwicklungsland

Developing Systems for a Developing Country

Leistungspunkte:

12


Peroz, Nazir Ahmad

Sekretariat:

FH 5-2

Ansprechpartner:

Steinbeck, Saskia

URL:

http://www.ziik.tu-berlin.de/menue/lehre_und_forschung/lehrveranstaltungen/

Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/UmfangEntwicklung eines Systems 20Mitarbeit und Teamarbeit 30Projektdokumentation 30Vortrag 20


Lernergebnisse Die Studierenden sind nach dem Besuch der Lehrveranstaltungen in der Lage, die wichtigsten Methoden zur Mustererkennung sowie zurmodellgestützten Diagnose anzuwenden und selbständig praxisrelevante Aufgaben zu lösen. After having attended classes, students are able to implement and independently solve practical tasks relevant to the most importantmethods for pattern recognition and for model-based diagnosis.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Kenntnisse in der mathematische-technischen Programmiersprache MATLAB®



Modulbeschreibung

Technische Diagnose I

Modultitel:

Technische Diagnose I

Technical Diagnostics I

Leistungspunkte:

6


Gühmann, Clemens

Sekretariat:

EN 13

Ansprechpartner:

Beyer, Christine

URL:

http://www.mdt.tu-berlin.de

Modulsprache:

Deutsch

Kontakt:

[email protected]

1.) [MDV] bestandenes Praktikum Mustererkennung



Lernergebnisse Studierende beherrschen die Grundlagen der Informations- und Kommunikationstechnologie in der bildgestützten Medizin, kennen diewichtigsten bildgebenden Verfahren und können selbständig Programmieraufgaben aus dem Bereich der Technischen Informatik in derBiomedizin bearbeiten. Students master the basics of information and communication technology in the field of the image-based medicine. They know the mostimportant imaging procedures and are able to carry out programming tasks in the field of computer engineering in biomedicine.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Inhaltlich werden die Kenntnisse im Master-Modul Computergraphik I vorausgesetzt. Knowledge of computer graphics required,such as the content taught in the master module Computer Graphics I.



Modulbeschreibung

Technische Informatik in der Biomedizin

Modultitel:

Technische Informatik in der Biomedizin

Computer Engineering in Biomedicine

Leistungspunkte:

6


Alexa, Marc

Sekretariat:

MAR 6-6

Ansprechpartner:

Fer-Arslan, Gaelle

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungsbeschreibung:Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 1 der Fakultät IV ermittet.

Hausaufgaben: Geprüft wird die theoretische und praktische Basis der Kursinhalte. Fragen sind ausführlich schriftlich zu beantworten.Mündliche Rücksprache: Die Anwendung und Umsetzung der Kursinhalte wird in konkreten Fragestellungen mündlich geprüft.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung/Deliverable assessment)Hausaufgaben/Homework

schriftlich 50 2 Aufgaben zur Auswahl mitje 5 Themen

(Lernprozessevaluation/Learning process review) MündlicheRücksprache/Oral Consultation

mündlich 50 ca. 30 Minuten


Lernergebnisse The students gain:- Comprehension of „Usability“ as interdisciplinary research and application field at the development of Information and CommunicationTechnologies.- Basic knowledge of the processes of human perception and judgement that are a crucial factor for the quality and usability of informationand communication technologies.- Basic knowledge of multimodal human-machine interaction.- Knowledge of methods for measuring quality and usability.- Competence in the presentation of the learned knowledge to others The students know:- how to apply this knowledge in the design cycle of technical systems- how to apply the learned methods for the judgement of quality and usability of selected technical systems. The students gain:- Comprehension of „Usability“ as interdisciplinary research and application field at the development of Information and CommunicationTechnologies.- Basic knowledge of the processes of human perception and judgement that are a crucial factor for the quality and usability of informationand communication technologies.- Basic knowledge of multimodal human-machine interaction.- Knowledge of methods for measuring quality and usability.- Competence in the presentation of the learned knowledge to others The students know:- how to apply this knowledge in the design cycle of technical systems- how to apply the learned methods for the judgement of quality and usability of selected technical systems.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Desirable: Basic knowledge of information and communication technology



Modulbeschreibung

Usability Engineering

Modultitel:



Leistungspunkte:

6


Möller, Sebastian

Sekretariat:

TEL 18

Ansprechpartner:

Hirsch, Tobias

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungsbeschreibung:Präsentation zu Themen der Veranstaltung: Die in der Vorlesung und Übung vorgestellten Inhalte werden vorgestellt und erläutert. DieRichtigkeit des Inhalts und der Stil des Vortrags, sowie die Vollständigkeit der Resultate werden bewertet.

Rücksprache zum bearbeiteten Projekt: Es wird der Ablauf des Projektes bzw. der Weg wie die Projektergebnisse erreicht wurdenbesprochen. Bewertet wird die korrekte wissenschaftliche Arbeitsweise.

Hausaufgaben: Es wird die Fähigkeit überprüft erlerntes Wissen anhand von Themen der Vorlesung anzuwenden. Diese werdenzweimalig im Semester als einzureichende Hausaufgabe abgefragt.

Schriftliche Tests: Es werden zwei schriftliche Leistungsstandüberprüfungen durchgeführt (je 40min). Die erste Überprüfung wird etwa denLernstand zur Hälfte des Semester abfragen und die zweite den Lernstand am Ende des Semesters.


Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) 4 Hausaufgaben à 5 Punkte schriftlich 20 8 pages(Ergebnisprüfung) Präsentation zu Themen derVeranstaltung

mündlich 9 30 min

(Lernprozessevaluation) Rücksprache zum bearbeitetenProjekt

mündlich 9 30 min

(Punktuelle Leistungsabfrage) 2 Schriftliche Tests à 31Punkte



Lernergebnisse keine Angabe The students gain: * Comprehension of „Usability" as interdisciplinary research and application field at the development of Information and CommunicationTechnologies.* Basic knowledge of the processes of human perception and judgement that are a crucial factor for the quality and usability of informationand communication technologies.* Basic knowledge of multimodal human-machine interaction.* Knowledge of methods for measuring quality and usability.* Knowledge of the realisation of human-computer interfaces* Competence in the presentation of the learned knowledge to others The students know: * how to apply this knowledge in the design cycle of technical systems* how to apply the learned methods for the judgement of quality and usability of selected technical systems.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Desirable: Basic knowledge of information and communication technology



Modulbeschreibung

Usability in Multimodal Interaction

Modultitel:

Usability in Multimodal Interaction

Leistungspunkte:

12


Möller, Sebastian

Sekretariat:

TEL 18

Ansprechpartner:

Hinterleitner, Florian

URL:


Modulsprache:

Deutsch

Kontakt:

[email protected]



Lernergebnisse Die Studierenden verfügen über Kompetenzen in den Technologien für Fahrzeugkommunikation sowie deren Anwendung und haben diesepraktisch erprobt. Students have skills in technologies for vehicle communication and their application and have tested them in practice.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Netzwerkgrundkenntnisse wie z.B. ISO OSI-Referenzmodell, etc. sowie Programmierkenntnisse für die Umsetzung.



Modulbeschreibung

Connected and automated vehicle systems

Modultitel:



Leistungspunkte:

12


Hauswirth, Manfred

Sekretariat:

TEL 4-1

Ansprechpartner:

Radusch, Ilja

URL:

http://www.dcaiti.tu-berlin.de/teaching/

Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungsbeschreibung:Prüfungsform des Moduls ist die Portfolioprüfung.

Insgesamt können 100 Portfoliopunkte erreicht werden.- Vorlesung (25 Portfoliopunkte)- Projekt (50 Portfoliopunkte)- Seminar (25 Portfoliopunkte)

Im Rahmen des Seminars und des Projektes sind jeweils verschiedene Studienleistungen zu erbringen. Ihre Art und Gewichtung inPortfoliopunkten sind in der unten stehenden Tabelle aufgeführt.


Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) PJ: Dokumentation schriftlich 15 5-6 Seiten(Ergebnisprüfung) PJ: Implementierung praktisch 26 Projektabhängig(Ergebnisprüfung) PJ: Vorträge mündlich 9 20 min(Ergebnisprüfung) SE: Dokumentation schriftlich 15 5-6 Seiten(Ergebnisprüfung) SE: Vortrag mündlich 10 20 min(Punktuelle Leistungsabfrage) VL: schriftlicher Test schriftlich 25 60 min


Lernergebnisse Students gain:- Up-to-date knowledge in Computer Vision and Image Processing techniques.- Insight into current research trends in CV and its applications to both HCI and new media content creation.- Skills in vision based system development and design- Knowledge in camera- and sensor-based interaction and design.- Understanding of factors affecting imaging- Experience in working in teams and making effective presentations of ideas and concepts and bring them to completion in projects. Students gain:- Up-to-date knowledge in Computer Vision and Image Processing techniques.- Insight into current research trends in CV and its applications to both HCI and new media content creation.- Skills in vision based system development and design- Knowledge in camera- and sensor-based interaction and design.- Understanding of factors affecting imaging- Experience in working in teams and making effective presentations of ideas and concepts and bring them to completion in projects.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Mandatory: Knowledge of mathematics and geometry, and computer science. Students have to start the modul in the summer semesterwith the lecture “Advanced Topics in Computer Vision”.Desirable: Understanding and aptitude for image processing techniques. Basic programming skills in Matlab, Java or C++ and toolsincluding OpenCV are desirable.



Modulbeschreibung

Vision and Imaging

Modultitel:

Vision and Imaging

Vision and Imaging

Leistungspunkte:

9


Möller, Sebastian

Sekretariat:

TEL 18

Ansprechpartner:

Hirsch, Tobias

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]




VL Advanced Topics in Computer Vision - Homeworks: The homeworks, will address the topics taught in the previous lectures and allowthe stundets to implement the core algorithms for many vision tasks.

VL Advanced Topics in Computer Vision - Final written exam: The final exam is problem solving oriented, requiring the students too applythe learnt theory to real problems and provide a plan and algorithm, to solve these problems. When required you will need to provideconcrete mathematical argumentations to explain in detail your chosen solution.

PJ Topics in Vision and Augmented Reality - Project proposal and plan: - The students are expected to make a proposal for a projectwithin augmented reality and machine learning domains as well as provide a time plan and division of tasks within the project

PJ Topics in Vision and Augmented Reality - Project mid term presentation: This is a slide deck that must be provided to showcase theprogress, issues and layout the plan for the rest of the project.

PJ Topics in Vision and Augmented Reality - Final Project Presentation: A final presentation will be presented where the students presentresults, and conext to other similar work similar to at a conference.


Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) PJ Topics in Vision andAugmented Reality: Final Project Presentation

mündlich 35 15 min

(Deliverable assessment) PJ Topics in Vision andAugmented Reality: Project mid term presentation

mündlich 10 10-15 min

(Deliverable assessment) PJ Topics in Vision andAugmented Reality: Project proposal and plan


(Deliverable assessment) VL Advanced Topics in ComputerVision: 3 homeworks each 4 points including written theoryand programming assignments.

schriftlich 12 3 pages writing, 2-5programming assignmentsper homework

(Deliverable assessment) VL Advanced Topics in ComputerVision: Final written exam.



Lernergebnisse Absolventinnen und Absolventen des Moduls sind in der Lage an einem aktuellen Forschungsthema zu arbeiten und in einem TeamErgebnisse zu erzielen, diese zu dokumentieren und in der Forschergemeinde zu präsentieren. Sie sind durch diesen Prozess in der Lage,die Publizierbarkeit von Ergebnissen besser einschätzen zu können. Sie verstehen, welche Akteure im Publikationsprozess beteiligt sindund wie man daran als Autorenteam teilnimmt. Successful participants of this module are capable to carry out research in the context of a area of current interest; they produce results aspart of a team of several students, and they have learned to document them in written form to present them to the scientific community.Along the way, they have learned to better estimate the publishability of scientific results. They understand various roles in the publicationprocess and the responsibilities as part of a team of coauthors.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Inhaltlich werden diverse (wenngleich nicht alle) Kenntnisse aus den Modulen - Formale Sprachen und Automaten- Diskrete Strukturen- Berechenbarkeit und Komplexität- Logik- Reaktive Systeme des Bachelor Informatik der TU Berlin vorausgesetzt. Kenntnisse des Master Moduls „Algebraic Process Calculi“ sind vorteilhaft. Gute Englisch-Kenntnisse sind notwendig.



Modulbeschreibung

Writing and Publishing a Scientific Paper

Modultitel:

Writing and Publishing a Scientific Paper

Schreiben und Publizieren eines wissenschaftlichen Artikels

Leistungspunkte:

9


Nestmann, Uwe

Sekretariat:

TEL 7-2

Ansprechpartner:

Peters, Kirstin

URL:

http://www.mtv.tu-berlin.de/menue/lehre/module/wrap/

Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Projektbericht als Referat,Fortschrittsbericht, oder Abschlussbericht

mündlich 30 15-45 Minuten

(Ergebnisprüfung) Projektbericht als gemeinsames LaTeX-Dokument


(Lernprozessevaluation) Projektmanagement und -beteiligung

praktisch 25 30-40 Minuten


Lernergebnisse Students have hands-on experience with all aspects of project work (including team-based software development, project management,collaborative decision making, documenting and communicating project results) in the area of cloud systems. They are able to solve real-world problems in the context of the design and evaluation of cloud- and web-based service oriented application systems in enterprise andIoT contexts. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Knowledge on programming with Java, distributed systems and middleware concepts. Prior experience with LaTeX. Willingness to workwith new technologies, architectural paradigms, and programming models.



Modulbeschreibung

Cloud Prototyping

Modultitel:

Cloud Prototyping

Cloud Prototyping

Leistungspunkte:

12


Tai, Stefan

Sekretariat:

EN 14

Ansprechpartner:

Tai, Stefan

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:Insgesamt können 100 Portfoliopunkte erreicht werden. Die Gesamtnote gemäß §47 (2) AllgStuPO wird nach dem Notenschlüssel 2 derFakultät IV ermittelt.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Dokumentation praktisch 20 ca. 60h(Ergebnisprüfung) Entwickelte Softwareartefakte praktisch 30 ca. 160h(Ergebnisprüfung) Ergebnispräsentation praktisch 20 ca. 20h(Ergebnisprüfung) Mündliche Rücksprache mündlich 30 30 MIn.


Lernergebnisse “Data integration is the 800-pound gorilla in the corner, and everyone’s got it in spades,” sagt Turing Laureat Prof. Mike Stonebraker.Zweifelsohne wird die Konsolidierung von heterogenen und widersprüchlichen Datenquellen auch in der Ära von Big Data als eines derschwierigsten und zeitaufwendigsten Aufgaben eines Data Scientists angesehen. Herausforderungen sind hierbei der Umgang mitschmutzigen Daten, unterschiedliche Repräsentationen von gleicher Information und Unvollständigkeit von Datenquellen. In dieserVorlesung werden wir die komplette Pipeline eines Informationsintegrationsarbeitsablaufs kennen lernen. Hierzu diskutieren wir relevanteInformationsintegrationsarchitekturen und Algorithmen in Datenreinigung, Schematransformation und Datenfusion. Zusätzlich werdenmoderne Systeme und aktuelle Anwendungsbeispiele von Informationsintegration beleuchten. “Data integration is the 800-pound gorilla in the corner, and everyone’s got it in spades,” according to Mike Stonebraker, MIT professor andTuring Award Laureate. The most challenging and time-consuming task of data scientists in the era of Big Data is to consolidate data fromdifferent sources, overcoming dirty data, heterogeneity in data representations, and incompleteness of data. In this course, we will surfacethe entire pipeline of an information integration workflow, by learning about existing integration architectures, algorithms in data cleansing,schema matching, and data fusion. Furthermore, we will discuss state-of-the-art systems and prominent use cases of informationintegration techniques.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Die Voraussetzungen sind das abgeschlossene Bachelorstudium und Grundkenntnisse im Bereich des Datenbankmanagements undGrundkenntnisse in mindestens einer modernen Programmier- oder Skriptsprache.



Modulbeschreibung

The 800-pound Gorilla in the corner: Data Integration

Modultitel:

The 800-pound Gorilla in the corner: Data Integration

The 800-pound Gorilla in the corner: Informationsintegration

Leistungspunkte:

6


Abedjan, Ziawasch

Sekretariat:

EN 7

Ansprechpartner:

Abedjan, Ziawasch

URL:

http://www.bigdama.tu-berlin.de/menue/big_data_management_group/

Modulsprache:

Englisch

Kontakt:

[email protected]

1.) Unbenoteter Übungsschein



Lernergebnisse Learning Objective - Demonstrate knowledge of Semantic Web and Linked Data principles.- Demonstrate skills in applying Semantic Web and Linked data technologies in practice. How Assessed - Final Exam, In-Class Labs, Assignments, Research Report- In-Class Labs, Assignments, Research Report no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: This course will include in-class labs that involve the installation, configuration and programming of multiple tools. It is recommended, thatstudents have some experience with programming languages (e.g. Java, C/C++), relational database systems, SQL, and Linux.



Modulbeschreibung

Semantic Web and Linked Data

Modultitel:

Semantic Web and Linked Data

Semantisches Web und Linked Data

Leistungspunkte:

6


Hauswirth, Manfred

Sekretariat:

TEL 4-1

Ansprechpartner:

Hauswirth, Manfred

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:A total of 100 portfolio points can be achieved.


Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) Assignments flexibel 45 Projektabhängig(Examination) Written Exam (Multiple-Choice) schriftlich 45 60 min(Learning process review) Labs flexibel 10 Projektabhängig


Lernergebnisse Learning Objective:- Demonstrate competency in designing NoSQL database management systems.- Demonstrate competency in describing how NoSQL databases differ from relational databases from a theoretical perspective.- Demonstrate competency in selecting a particular NoSQL database for specific use cases. How Assessed- Final Exam, In-Class Labs, Assignments no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Note: This course will include in-class labs that involve the installation, configuration and programming of multiple databases. It isrecommended, that students have some experience with programming languages (e.g. Java or C/C++), relational database systems, SQL,and Linux.



Modulbeschreibung

NoSQL Databases

Modultitel:

NoSQL Databases

NoSQL Databases

Leistungspunkte:

6


Hauswirth, Manfred

Sekretariat:

TEL 4-1

Ansprechpartner:

Hauswirth, Manfred

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:A total of 100 portfolio points can be achieved.


Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) Assignments flexibel 45 Projektabhängig(Examination) Written Exam (Multiple-Choice) schriftlich 45 60 min(Learning process review) Labs flexibel 10 Projektabhängig


Lernergebnisse Digitale Vernetzung bezeichnet die durchgehende und durchgängige Verknüpfung der physischen Welt mit der digitalen Welt. Dies umfasstdie digitale Erfassung, Abbildung und Modellbildung der physischen Welt, sowie die informationstechnische Vernetzung dieserInformationen und ermöglicht die zeitnahe und teilautomatisierte Beobachtung, Auswertung und Steuerung der physischen Welt. Diedigitale Vernetzung ermöglicht einen nahtlosen Informationsaustauch zwischen den digitalen Abbildern von Personen, Dingen, Systemen,Prozessen und Organisationen und baut ein weltweites Netz von Netzen – ein Inter-Net - auf, das weit über die Vision des ursprünglichenInternets hinausgeht. Bei dieser neuen Form der Vernetzung geht es aber nicht mehr nur um das Vernetzen an sich. Vielmehr werdeneinzelne Daten zu Informationen zusammengefasst, um weltweit vernetztes und vernetzbares Wissen aufzubauen. Dazu stellt dieVorlesung Technologien, Architekturen und Konzepte des Inter-Nets vor und diskutiert Konzepte, Methoden und Technologien wierelevante Protokolle, Infrastrukturen und Dienstplattformen. Die Teilnehmer*innen erhalten einen Überblick zum Stand der Wissenschaftund Technik der digitalen Vernetzung und können wirtschaftliche und gesellschaftliche Implikationen abschätzen. Digital networking refers to the continuous and consistent link between the physical world with the digital world. This includes the digitalcapturing, imaging and modeling of the physical world, and the networking of information. This enables automated monitoring, evaluationand control of the physical world in real-time. Digital networking facilitates seamless information exchange between the digitalrepresentations of people, things, systems, processes and organizations. It builds a global network of networks - an Inter-Net - which goesfar beyond the vision of the original Internet. This new form of networking is no longer only about networking per se: Individual items of dataare combined into information to build a worldwide network, and cross-linkable knowledge. The lecture will present technologies,architectures and concepts of the Inter-Nets and will discuss concepts, methods and technologies and relevant protocols, infrastructure andservice platforms. Participants will get an overview of the state of science and technology of digital networking and assess economic andsocial implications.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Grundkenntnisse in Kommunikationsnetzen, verteilten Systemen, Software Engineering und/oder IT-Sicherheit



Modulbeschreibung

Grundlagen Digitaler Vernetzung

Modultitel:

Grundlagen Digitaler Vernetzung

Foundations of Digital Networking

Leistungspunkte:

6


Hauswirth, Manfred

Sekretariat:

TEL 4-1

Ansprechpartner:

Hauswirth, Manfred

URL:


Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Lernergebnisse Students gain practical experience in dealing with modern communication systems, their design, evaluation and implementation. The focusis put primarily on modern systems of wireless mobile communications, as well as Internet protocols and applications. Skills obtained in thismodule will enable students to design, implement and evaluate modern communication systems. Thanks to working in small teams,graduates also develop project management and team working skills. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: The contents of the BSc module „Kommunikationsnetze” or at least "Rechnernetze und Verteilte Systeme ("Computer Networks andDistributedSystems") is essential. Students should consider choosing only projects for which the required expertise of software and/or developmenttools had been previously acquired. The individual requirements are dependent on the project and can be found in the detailed project description at the following website:http://www.tkn.tu-berlin.de/menue/tknteaching/studentenprojekte/parameter/en/



Modulbeschreibung

Research Project in Network Technologies

Modultitel:

Research Project in Network Technologies

Forschungsprojekt Netzwerktechnologien

Leistungspunkte:

9


Wolisz, Adam

Sekretariat:

FT 5

Ansprechpartner:

Döring, Micha

URL:

http://www.tkn.tu-berlin.de/menue/tknteaching/studentenprojekte/parameter/en/

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:The mark will take into account creativity, project management, presentations, as well as the actual implementation and evaluation of theproposed solution. The project needs to be documented with a final report and a survey page in the Internet.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) Final report schriftlich 20 about 15 pages(Deliverable assessment) Survey page schriftlich 10 about 600 words(Learning process review) 3 Milestone presentations (10points each)

mündlich 30 20 minutes each

(Learning process review) Self organization of work &solution quality

praktisch 40 project related


Lernergebnisse Bei der modellgetriebenen Softwareentwicklung (Model-Driven Engineering, kurz MDE im Englischen) werden (semi-)formale Modelle fürdie Konzeption, den Entwurf, die Generierung und das Testen von Software genutzt. Dazu werden allgemeine Modellierungssprachen (wiedie Unified Modeling Language), aber ebenso domänenspezifische Sprachen (Domain-Specific Languages, kurz DSL) zusammen mitCodegeneratoren und Interpretern eingesetzt. In diesem Module werden Konzepte, Methoden und Werkzeugen der modellgetriebenenSoftwareentwicklung vermittelt. Die Studierenden sollen nach der Teilnahme an der Veranstaltung in der Lage sein, Anforderungen an undEigenschaften von software-intensiven Systemen mittels verschiedener Modellierungssprachen zu formulieren und die jeweiligen Modellezu nutzen. Es wird ein grundlegendes Verständnis zum Einsatz und den Anwendungsgrenzen von modellgetriebener Softwareentwicklungim Rahmen genereller Softwareentwicklungsprozesse vermittelt. With model-driven engineering (MDE in German), (semi-) formal models are used for the conception, design, generation and testing ofsoftware. For this purpose, general modeling languages (such as the Unified Modeling Language), but also Domain-Specific Languages(DSL) are used together with code generators and interpreters. In this module, concepts, methods and tools of model-driven softwaredevelopment are taught. After participating in the course, the students will be able to formulate requirements and characteristics of software-intensive systems using different modeling languages and to use the respective models. It provides a basic understanding of the use andapplication limits of model-driven software development within the framework of general software development processes.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Grundlagen des Software Engineerings und des Projekt Managements.Regelmäßige Teilnahme an Vorlesung und Übung.Eigenständige Absprache mit den anderen Teilnehmern der Übungen. Basics of software engineering and project management.Frequent participation in lecture and tutorial.Self-organized coordination with other tutorial participants.



Modulbeschreibung

Modellgetriebene Software-Entwicklung

Modultitel:

Modellgetriebene Software-Entwicklung

Model-Driven Software Engineering

Leistungspunkte:

6


Schieferdecker, Ina

Sekretariat:

TEL 4-1

Ansprechpartner:

Vassiliou-Gioles, Theofanis

URL:

http://www.qds.tu-berlin.de

Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]

1.) [QE] Übungsschein Modellgetriebene Software-Entwicklung

Prüfungsform: Benotet: Dauer/Umfang:schriftlich benotet 90min


Lernergebnisse Ziel agiler Softwareentwicklung ist es, den Softwareentwicklungsprozess flexibler und schlanker zu machen, indem beispielsweise dasVorgehen der Teammitglieder bei der Softwareentwicklung und ihr Miteinander Priorität gegenüber Prozessen und Werkzeugen erhalten.Dieses Projekt vermittelt agile Methoden anhand einer konkreten Softwareentwicklung und hilft soSoftwareprodukte und -entwicklung im industriellen Kontext zu verstehen,agile Methoden zu verstehen, insbesondere Scrum und Extreme Programming,Open-Source-Softwareentwicklung und zugrunde liegende Prinzipien zu verstehen, undpraktische Erfahrung mit einem Scrum-Prozess und technischen XP-Methoden zu sammeln The objective of agile software development is to make software development processes more flexible and lean. For that e.g. approaches ofteam members and their interaction have priority over processes and tools. The project provides agile methods along a concrete softwaredevelopment and helps understanding ofsoftware products and software development in an industry context,methods, in particular Scrum and Extreme Programming,pen source software development and its underlying principles, andprovides practical hands-on experience with a Scrum process and XP technical practices.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Fortgeschrittene Programmierkenntnisse und Grundlagen des Software Engineerings und des Projekt ManagementsBitte stellen Sie sicher, dass Sie sich drei (!) Wochen vor Beginn der Vorlesungszeit für den Kurs registriert haben, so dass wir sieanschreiben können, um eine Projektzuordnung vornehmen zu können. Advanced programming skills and basics of software engineering and project management.To get a chance for a seat in the course, please sign-up at least three (!) weeks before the lecture period. We will then reach out to you toinform you about the available projects and to allocate students to teams.



Modulbeschreibung

Das AMOS Projekt

Modultitel:

Das AMOS Projekt

AMOS Agile Methods and Open Source

Leistungspunkte:

9


Schieferdecker, Ina

Sekretariat:

TEL 4-1

Ansprechpartner:


URL:

http://www.qds.tu-berlin.de

Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:Es können insgesamt 100 Portfoliopunkte erreicht werden.A total of 100 portfolio points can be achieved.

Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.The final grade of the module is based on the grading system 2 of Faculty IV (§ 47 (2) AllgStuPO).


Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung/ Deliverable assessment) Rolle ProductOwner: Qualität des Produkt-BackLogs sowieProzessfähigkeit

praktisch 15 Projektabhängig

(Ergebnisprüfung/ Deliverable assessment) Rolle Scrum-Master: Qualität des Impediments-BackLogs sowieProzessfähigkeit


(Ergebnisprüfung/ Deliverable assessment) Rolle SoftwareDeveloper: Qualität des Produkts (primär Code) sowieProzessfähigkeit



Lernergebnisse Die Studierenden haben Anwendungen und Technologien für Kommunikations-, Medien- und Dienstplattformen in Fahrzeugen, aufMobiletelefonen oder Fernsehgeräten erprobt und dabei ein signifikantes Maß an praktischen Erfahungen gesammelt. Students test applications and technologies for communications, media and service platforms in vehicles, on mobile phones or televisionsand gain a significant degree of practical experience.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Grundkenntnisse über Betriebssysteme und Anwendungen, etc. sowie Programmierkenntnisse für die Umsetzung.



Modulbeschreibung

DCAITI Projekt II

Modultitel:

DCAITI Projekt II

DCAITI Project II

Leistungspunkte:

6


Vogelsang, Andreas

Sekretariat:

keine Angabe

Ansprechpartner:

Radusch, Ilja

URL:

https://www.dcaiti.tu-berlin.de/teaching/projects/

Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungsbeschreibung:Prüfungsform ist die Portfolioprüfung.Insgesamt können 100 Portfoliopunkte erreicht werden.- drei Vorträge (je 10 Portfoliopunkte)- eine Dokumentation (30 Portfoliopunkte)- eine Implementierung (40 Portfoliopunkte)


Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Dokumentation 30 8-10 Seiten(Ergebnisprüfung) Implementierung 40 Quelltext nach Projektthema(Ergebnisprüfung) Vorträge 30 20 Minuten


Lernergebnisse Graduates of this module are endued with competences in the following areas: services, protocols, and elements of infrastructures withinclassical wired and mobile circuit-switched telecommunication networks, 5th Generation Mobile Networks and Software-based networks. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Knowledge of technologies in the area of wired and wireless communication networks is required (e.g. “Telekommunikationsnetze”).



Modulbeschreibung

5th Generation Mobile Networks

Modultitel:



Leistungspunkte:

6


Magedanz, Thomas

Sekretariat:

MAR 5-5

Ansprechpartner:

Pauls, Michael

URL:

http://av.tu-berlin.de/teaching

Modulsprache:

Englisch

Kontakt:

[email protected]



Lernergebnisse Teilnehmer dieses Moduls werden Kompetenzen in Architekturen, Protokollen und Technologien zur Konnektivität, zur Kommunikation,zum (semantischen) Datenaustausch und zur (Fog-basierten) Virtualisierung vermittelt, die im Kontext des Industriellen Internet der Dinge(IIoT) Anwendung finden. Darüber hinaus werden die Teilnehmer in die Lage versetzt mögliche Herausforderungen in zukünftigen IIoT-bezogenen Systemen identifizieren und systematisch lösen zu können. Graduates of this module are endued with competences in architectures, protocols, and technologies for connectivity, communication,(semantic) data exchange and (fog-based) virtualization used within Industrial Internet of Things (IIoT) use cases. They will further be ableto identify and systematically solve prospective challenges of future IIoT developments and applications.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Kenntnisse von Architekturen, Protokollen und Technologien verteilter Systeme. Knowledge about architectures, protocols, and technologies used within distributed systems.



Modulbeschreibung

Industrial Internet of Things

Modultitel:

Industrial Internet of Things

Industrielles Internet der Dinge

Leistungspunkte:

6


Magedanz, Thomas

Sekretariat:

MAR 5-5

Ansprechpartner:

Willner, Alexander

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Lernergebnisse The major goal of this seminar is the intensive discussion of current questions in the field of 5G and the Industrial Internet of Things.Graduates of this module are endued with competences regarding current research activities, research results and trends in the context ofclassic telecommunication systems, Software-based networks and the Internet of Things. Furthermore, the seminar teaches the studentsmethodical competences to do literature research and presentations in a scientific environment independently. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Knowledge of technologies in the area of wired and wireless communication networks is required (e.g. "Telekommunikationsnetze", "5thGenerations Mobile Networks" or "Industrial Internet of Things").



Modulbeschreibung

5G and IIoT Seminar

Modultitel:

5G and IIoT Seminar

5G and IIoT Seminar

Leistungspunkte:

3


Magedanz, Thomas

Sekretariat:

MAR 5-5

Ansprechpartner:

Pauls, Michael

URL:

keine Angabe

Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/UmfangPresentation of seminar paper mündlich 50 15 minWritten paper schriftlich 50 ~10 pages


Lernergebnisse Graduates of this module are endued with competences in the following areas: services, protocols, and elements of infrastructures withinclassical wired and mobile circuit-switched telecommunication networks, Software-based networks or the Internet of Things. Furthermore,they learn to use this knowledge in practice and have the ability to accomplish development tasks in small groups, to document theprocedures, and to present the results. They can independently perform the necessary literature research and develop own concepts. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Knowledge of technologies in the area of wired and wireless communication networks is required (e.g. "Telekommunikationsnetze", “5thGeneration Mobile Networks”, "Industrial Internet of Things").



Modulbeschreibung

5G and IIoT Project

Modultitel:

5G and IIoT Project

5G and IIoT Project

Leistungspunkte:

9


Magedanz, Thomas

Sekretariat:

MAR 5-5

Ansprechpartner:

Pauls, Michael

URL:


Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/UmfangPresentation of concept and work plan mündlich 10 15 minPresentation of intermediate work mündlich 10 15 minPresentation and demonstration of project outcome mündlich 10 15 minImplementation work praktisch 30 depends on topicEvaluation flexibel 20 depends on topicWritten report (documentation) schriftlich 20 ~15 pages


Lernergebnisse Traditionally, database systems managed databases that were primarily stored on secondary storage and only a small part of the datacould fit in main memory. Therefore, disk IO was the dominating cost factor. Nowadays, it is possible to equip servers with several terabytesof main memory, which allows us to keep databases in main memory to avoid the disk IO bottleneck. Therefore, the performance ofdatabase systems became limited by memory access and processing power.This course will teach students the fundamentals of efficient data processing in main-memory database systems using techniques optimizedfor main memory (e.g., column stores and query compilation) and modern processor capabilities (e.g., SIMD-based database algorithms,GPU co-processing). Traditionally, database systems managed databases that were primarily stored on secondary storage and only a small part of the datacould fit in main memory. Therefore, disk IO was the dominating cost factor. Nowadays, it is possible to equip servers with several terabytesof main memory, which allows us to keep databases in main memory to avoid the disk IO bottleneck. Therefore, the performance ofdatabase systems became limited by memory access and processing power.This course will teach students the fundamentals of efficient data processing in main-memory database systems using techniques optimizedfor main memory (e.g., column stores and query compilation) and modern processor capabilities (e.g., SIMD-based database algorithms,GPU co-processing).

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: This course is an advanced course for master students with focus on database systems and information management. In contrast to theintroduction of database systems (MPGI5/DBS/Informationssystemse&Datenanalyse), which looks at database systems from an applicationprogrammers point of view, this class focuses on the internals of in-memory database systems and various optimizations for efficient queryprocessing on modern hardware. It is useful (but not required) to attend the course Database Technology (DBT) prior to this course.To participate, students are required to have successfully completed a Bachelor in computer science with a focus on database systems(participation in the Datenbankpraktikum, Datenbankprojekt). Knowledge of data modeling, relational algebra, and SQL as well as a verygood command of Java, or possibly C/C++/C#, programming is required to participate in the course. Due to capacity reasons, the class islimited to at most 60 participants.



Modulbeschreibung

In-Memory Databases On Modern Hardware

Modultitel:

In-Memory Databases On Modern Hardware

Hauptspeicherdatenbanken auf moderner Hardware

Leistungspunkte:

6


Markl, Volker

Sekretariat:

EN 7

Ansprechpartner:

Breß, Sebastian

URL:

keine Angabe

Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) Assessment of 4 homeworkexercises with 5 pts

schriftlich 20 4x15h = 60h

(Examination) End term test schriftlich 40 60 min.(Examination) Mid term test schriftlich 40 60 min.


Lernergebnisse This module’s qualification aims are: 1. Understanding of security relevant interfaces (hard- and software) of (embedded) computer systems2. Practical experience in identifying, exploiting, and fixing of vulnerabilities in hard- and software3. Development of scenarios regarding embedded system security aspects based on the practical experience gained in the practical course.4. Ability of working on a complex project task in a team. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Prerequisites:• knowledge equivalent to the "Software Security" lecture• familiarity with Unix/Linux operating system primitives (e.g. using a command line) Recommended additional skills:• basic networking concepts and tools (DNS, DHCP, NAT, ...)• low-level programming concepts (pointers, registers, stack vs. heap, ...)• basic concepts of cryptography In order to complete the assignments, each participant needs at least one computer with administrator privileges (i.e. being able to log intouniversity computers is insufficient) preferrably running Linux. It is possible to complete the tasks while using Windows or MacOS as well,but the teaching staff cannot provide guidance on those operating systems.



Modulbeschreibung

Security Lab Project

Modultitel:

Security Lab Project

Security-Lab-Projekt

Leistungspunkte:

9



Sekretariat:

TEL 17

Ansprechpartner:


URL:

keine Angabe

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:• (Practical Course) 4 practical assignments• (Project Course) concept, project meetings in the group and with the supervisors, implementation, written report, final presentation

Prüfungselement Kategorie Gewicht Dauer/Umfang(deliverable assessment) 4 assignments praktisch 40 2 weeks per assignmentproject: final presentation mündlich 10 30 minutesproject: implementation praktisch 30 second semesterproject: written report (solution + documentation) schriftlich 20 approx. 10 pages


Lernergebnisse Having completed this module, participants will know:- the state-of-the-art models of higher brain functions and their theoretical foundations.They will understand:- strengths and limitations of the different modeling approaches (e.g. bottom-up versus top-down)- the rationale behind models and their implementation- performance criteria and critical statistical tests.They will be able to:- modify models of cognitive processes- apply existing models to novel experimental paradigms, situations or data. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: - mathematical knowledge: Some acquaintance with analysis, linear algebra, probability calculus and statistics- basic knowledge about neurobiology and cognitive psychology- basic programming skills, preferably some knowledge of Python- good command of the English language



Modulbeschreibung

Models of Higher Brain Functions: Theory und Simulation

Modultitel:

Models of Higher Brain Functions: Theory und Simulation

Modelle höherer Hirnfunktionen: Theorie und Simulation

Leistungspunkte:

9


Sprekeler, Henning

Sekretariat:

MAR 5-3

Ansprechpartner:

Sprekeler, Henning

URL:

https://www.bccn-berlin.de/Graduate+Programs/0_Teaching/

Modulsprache:

Englisch

Kontakt:

[email protected]

1.) Analytical Tutorial: gain at least 50% of the points in the homework assignments2.) Programming Tutorial: complete 50% of the programming assignments



Lernergebnisse Having completed this module, participants will know:- some state-of-the-art models of higher brain functions and their theoretical foundations.They will understand:- strengths and limitations of the different modeling approaches (e.g. bottom-up versus top-down)- the rationale behind models and their implementation- performance criteria and critical statistical tests.They will be able to:- modify models of cognitive processes- apply existing models to novel experimental paradigms, situations or data. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:- mathematical knowledge: Some acquaintance with analysis, linear algebra, probability calculus and statistics- basic knowledge about neurobiology and cognitive psychology- basic programming skills, preferably some knowledge of Python- good command of the English language



Modulbeschreibung

Models of Higher Brain Functions - Introduction

Modultitel:

Models of Higher Brain Functions - Introduction

Modelle höherer Hirnfuntionen - Einführung

Leistungspunkte:

6


Sprekeler, Henning

Sekretariat:

MAR 5-3

Ansprechpartner:

Sprekeler, Henning

URL:

https://www.bccn-berlin.de/Graduate+Programs/0_Teaching/

Modulsprache:

Englisch

Kontakt:

[email protected]

1.) Programming Tutorial: complete 60% of the programming assignments oder Analytical Tutorial: gain at least 60% of the points in thehomework assignments



Lernergebnisse Die Teilnehmer können beschreiben, was Requirements Engineering (RE) ist, welche Rolle es in Projekten spielt, welche Probleme dabeiauftreten und welche RE Methoden es gibt. Sie können Techniken des Requirements Engineering an Beispielen anwenden. Sie könnenAktivitäten des Requirements Engineering in verschiedenen Entwicklungsprozessen mit ihren Vor- und Nachteilen zueinander in Bezugsetzen. Die Teilnehmer kennen insbesondere die Bedeutung von natürlicher Sprache für das RE und können darauf zugeschnitteneAnalysetechniken anwenden. The participants of this module can describe what requirements engineering (RE) is, what role it plays in a project, which problems mayoccur, and which RE methods exist. They can apply RE techniques to examples. They can relate RE activities of different phases of thedevelopment and describe their advantages and disadvantages. The participants are aware of the importance of natural language for REand can apply specific analysis techniques for natural language.




Modulbeschreibung

Requirements Engineering

Modultitel:

Requirements Engineering

Anforderungsmanagement

Leistungspunkte:

6


Vogelsang, Andreas

Sekretariat:

keine Angabe

Ansprechpartner:

Vogelsang, Andreas

URL:

https://www.dcaiti.tu-berlin.de/teaching/

Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungsbeschreibung:Insgesamt können 100 Portfoliopunkte erreicht werden.-Vorlesung (50 Portfoliopunkte)-Seminar (50 Portfoliopunkte)

Im Rahmen des Seminars und des Projektes sind jeweils verschiedene Studienleistungen zu erbringen. Ihre Art und Gewichtung inPortfoliopunkten sind in der oben stehenden Tabelle aufgeführt.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) SE: Ausarbeitung schriftlich 30 8-10 Seiten(Ergebnisprüfung) SE: Vortrag mündlich 20 20 Minuten(Ergebnisprüfung) VL: schriftlicher Test schriftlich 50 60 Minuten


Lernergebnisse Extremal graph theory is the study of what kind of conditions in graphs (such as minimum degree, edge density, size) enforce certain typesof properties (such as cliques, colourability, spanning subgraphs etc.). This course provides an introduction to this varied and fascinating branch of graph theory. Extremal graph theory is the study of what kind of conditions in graphs (such as minimum degree, edge density, size) enforce certain typesof properties (such as cliques, colourability, spanning subgraphs etc.). This course provides an introduction to this varied and fascinating branch of graph theory.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: It is desirable that students taking the course have taken an introduction to graph theory. The course is mostly self-contained, though, butassumes some familiarity with graph theoretical medthods.



Modulbeschreibung

Extremale Graphentheorie

Modultitel:

Extremale Graphentheorie

Extremal Graph Theory

Leistungspunkte:

6


Kreutzer, Stephan

Sekretariat:

TEL 7-3

Ansprechpartner:

keine Angabe

URL:

keine Angabe

Modulsprache:

Englisch

Kontakt:

[email protected]



Lernergebnisse Many real world computational problems can be modeled as graph theoretical problems. In this course we will present algorithmic conceptsand methods for solving various types of graph theoretical problems, including colouring problems, matchings, various types of cut andconnectivity problems. In the basic algorithms and data structures course efficient (polynomial time) algorithms for network flow and other problems have beenstudied. In this course we will cover additional types of problems that can be solved efficiently such as computing maximal matchings. We will also study NP-hard problems and discuss various attempts of solving these problems efficiently, e.g. by approximating the solutionor isolating the exponential running time in a single parameter. Besides the algorithmic techniques, the course will also focus on the pure graph theoretical methods that make efficient algorithmicsolutions possible. Many real world computational problems can be modeled as graph theoretical problems. In this course we will present algorithmic conceptsand methods for solving various types of graph theoretical problems, including colouring problems, matchings, various types of cut andconnectivity problems. In the basic algorithms and data structures course efficient (polynomial time) algorithms for network flow and other problems have beenstudied. In this course we will cover additional types of problems that can be solved efficiently such as computing maximal matchings. We will also study NP-hard problems and discuss various attempts of solving these problems efficiently, e.g. by approximating the solutionor isolating the exponential running time in a single parameter. Besides the algorithmic techniques, the course will also focus on the pure graph theoretical methods that make efficient algorithmicsolutions possible.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: It is desirable that students taking the course have taken an introduction to graph theory. The course is mostly self-contained, though, butassumes some familiarity with graph theoretical medthods.



Modulbeschreibung

Algorithmische Graphentheorie

Modultitel:

Algorithmische Graphentheorie

Algorithmic Graph Theory

Leistungspunkte:

6


Kreutzer, Stephan

Sekretariat:

TEL 7-3

Ansprechpartner:

keine Angabe

URL:

keine Angabe

Modulsprache:

Englisch

Kontakt:

[email protected]



Lernergebnisse Kenntnisse über die Typen der formalen Spiele, grundlegende Probleme aus dem Bereich der Spieltheorie und über Methoden zu derenLösung. Kenntnisse über die Anwendung der formalen Spiele in der Wirtschaft, in Logiken und in der automatischen Verifikation undSynthese. Entwicklung der Fertigkeiten im Umgang mit mathematischen Beweisen, Begriffen, Definitionen. Knowledge about types of formal games, basic problems and methods to solve them. Knowledge about applications of formal games toeconomics, logics, automatic verification and synthesis. Improved skills in working with mathematical proofs and in understanding mathematical notions, definitions and proofs.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Kenntnisse aus den Modulen "Berechenbarkeit und Komplexität" und "Logik"



Modulbeschreibung

Game Theory

Modultitel:

Game Theory

Spieltheorie

Leistungspunkte:

6


Kreutzer, Stephan

Sekretariat:

TEL 7-3

Ansprechpartner:

Rabinovich, Roman

URL:

http://logic.las.tu-berlin.de/Teaching/

Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]

Prüfungsform: Benotet: Dauer/Umfang:mündlich benotet ca. 25-45 Minuten


Lernergebnisse Die Studierenden kennen die wesentlichen Konzepte des Brain-Computer Interfacing. Sie sind in der Lage, eigenständig die Verfahren derbiomedizinischen Signalverarbeitung und der Single-Trial Klassifikation auf neuronale Daten anzuwenden. Sie können dieAnalyseergebnisse interpretieren, sowohl in statistischer als auch in (eingeschränkter) neurophysiologischer Sicht. In einigenSpezialthemen des Brain-Computer Interfacing haben die Teilnehmer eine vertiefte Kenntnis, sowohl in Richtung physiologischerDatenanalyse als auch in technisch/ physikalischer Hinsicht. Students know the essential concepts of Brain-Computer Interfacing (BCI). They are capable of applying methods of biomedical signalprocessing and single-trial classification to neural data. They can provide an interpretation of the outcome of their analysis in a statistical aswell as in a neurophysiological manner. They have deeper knowledge about special topics of BCI research, spanning both, data analysis ofphysiological signals and technical/ physical background.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: * Required: programming skills; background in mathematics, in particular linear algebra and probability theory.* Helpful, but not obligatory: Basic knowledge in signal processing and machine learning. For the practical session basic knowledge inelectrostatics and electronics are of advantage.--- ---Programmierkenntnisse, gute Grundlagen in Mathematik, insbesondere Lineare Algebra und Wahrscheinlichkeitstheorie. Grundlagen derSignalverarbeitung und des maschinellen Lernens sind ratsam, jedoch bei solidem theoretischen Vorwissen und Fähigkeiten nichtzwingend erforderlich. Für das Praktikum sind Grundlagen in Elektrostatik und Elektronik vorteilhaft.



Modulbeschreibung

Brain-Computer Interfacing (extended)

Modultitel:



Leistungspunkte:

12


Blankertz, Benjamin

Sekretariat:

MAR 4-3

Ansprechpartner:

Blankertz, Benjamin

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:The grade is determined according to § 47 (2) AllgStuPO with the grading system 2 of faculty IV.* Exercises: Concurrent to the lecture, there will be a tutorial in which ten assignment sheets have to be solved. These are devoted topractical EEG analysis (programming).* Written exams: In the first half and in the second half of the lecture, there will a written test of about 45 minutes.* Seminar talk: Presentation of a research topic (orally with slides)* Practical session: As part of the practical sessions, five assignment sheets have to be solved.--- ---Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.* Übungsaufgaben: Zur Ergebnisprüfung gibt es begleitend zu der Vorlesung zehn Übungszettel in denen praktische Aufgaben zur EEGAnalyse gelöst werden müssen.* Schriftliche Tests: Jeweils zum ersten und zum zweiten Teil der Vorlesung gibt es einen schriftlichen Test.* Seminarvortrag: An zwei Blockterminen halten die Teilnehmenden Vorträge über ein zugeteiltes Thema aktueller Brain-ComputerInterface Forschung.* Praktikum: Zur Ergebnisprüfung gibt es in dem Praktikum fünf Übungszettel.



(Ergebnisprüfung): 5 Assignments in the PR / Hausaufgabenim PR


(Ergebnisprüfung): Talk in the seminar / Vortrag zumSeminar

mündlich 25 30 min




Lernergebnisse Absolventinnen und Absolventen dieses Moduls können funktionale Programme mathematisch als Terme im Lambda-Kalkül beschreiben.Sie wissen, wie solche Programme abstrahiert und evaluiert werden können. Sie verstehen die Verbindung zwischen logischen Systemenund Berechnungsmodellen und wissen wie Type Systeme erstellt werden, um die Korrektheit funktionaler Programme zu garantieren. Siekönnen Standard Type Systeme mit verschiedenen Ausdrucksstärken beschreiben und verfügen über ein solides Grundverständnis dermöglichen Anwendungsgebiete dieser Type Systeme. Successful participants of this module are able to describe functional programs in the mathematical terms of the lambda-calculus. Theyknow how such programs are evaluated in an abstract machine. They understand the connection between logical systems andcomputational models, and know how to design a type system to guarantee the safety of functional programs. They can describe standardtype systems of various strength, and have a basic knowledge of their applications.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen:Inhaltlich werden Kenntnisse aus der Theoretischen Informatik zu Logik vorausgesetzt. Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:keine



Modulbeschreibung

Lambda-Kalkül und Typ-Systeme

Modultitel:

Lambda-Kalkül und Typ-Systeme

Lambda-Calculus and Type Systems

Leistungspunkte:

6


Nestmann, Uwe

Sekretariat:

TEL 7-2

Ansprechpartner:

Peters, Kirstin

URL:

http://www.mtv.tu-berlin.de/menue/lehre/

Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Lernergebnisse Kennenlernen von Methoden und Werkzeugen des Softwaretest. Einführung in das systematische Testen von softwareintensivenSystemen.Optionale Teilnahme an der Zertifizierung zum ISTQB® (International Software Testing Qualification Board, www.istqb.org) Software TesterFoundation Level. Learn about methods and tools of software testing. Introduction to the systematic testing of software-intensive systems.Optional participation in certification for ISTQB® (International Software Testing Qualification Board, www.istqb.org) Software TesterFoundation Level.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Grundkenntnisse über Softwaretechnik, Grundlagen der Programmierung.



Modulbeschreibung

Grundlagen des Softwaretestens

Modultitel:

Grundlagen des Softwaretestens

Basics of Software Testing

Leistungspunkte:

6


Schieferdecker, Ina

Sekretariat:

TEL 4-1

Ansprechpartner:


URL:

http://www.qds.tu-berlin.de/menue/lehre/

Modulsprache:

Deutsch

Kontakt:

[email protected]



Lernergebnisse Graduates of this module have practical experience with methods and techniques to analyze and/or optimize complex embedded systems.In addition, they have experience with techniques with which the quality or performance of embedded systems can be systematicallyensured. They have learned to solve a complex tasks within a team. no translation

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Knowledge from bachelor modules in Computer Science/Technical Computer Science or the like. Recommended is knowledge from themaster module “Quality Assurance of Embedded Systems” (MINF-SE-QSES) or “Analysis and Optimization of Embedded Systems” (MINF-SE-AOES).This module is mutually exclusive with "Master Project Software Engineering of Embedded Systems".



Modulbeschreibung

Master Project and Seminar Software Engineering of Embedded Systems

Modultitel:

Master Project and Seminar Software Engineering of Embedded Systems

Leistungspunkte:

9


Glesner, Sabine

Sekretariat:

TEL 12-4

Ansprechpartner:

Herber, Paula

URL:

http://www.sese.tu-berlin.de/

Modulsprache:

Deutsch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/Umfang(Deliverable assessment) Project Milestone Presentation mündlich 25 10-20 min(Examination) Oral Exam mündlich 25 10-20 min(Learning process review) Project Work/ Oral Consultation mündlich 50 10-20 min


Lernergebnisse In der heutigen Zeit ist es für Unternehmen überlebenswichtig, ein neues Produkt mit hoher Qualität schnell auf dem Markt zu bringen.Dafür müssen Prozesse geschaffen werden, die Entwicklerteams dabei unterstützen. Ein Beispiel bietet die Agile Softwareentwicklung: sieist kundennah, zweckmäßig, erfolgsorientiert und strebt an, Overhead auf ein Minimum zu reduzieren. Dieses Projekt-Praktikum wird Siepraktisch begleiten, um unter Anwendung agiler Methoden, ein Open-Source-Projekt aufzusetzen, zu planen, zu koordinieren undumzusetzen. In today's world it is vital for companies to bring a new product with high quality quickly to the market. To achieve this, processes must becreated that support development teams. One example is Agile software development: it is customer-oriented, functional, success-orientedand strives to reduce overhead to a minimum. This project will provide you with practical support to plan, coordinate, and implement anopen source project using agile methods.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: - Grundlagen der Java Programmierung- JSON- HTML/JavaScript- Grundlagen in Software Engineering- Kenntnisse eines Versionskontrollsystems, bevorzugt Git. - Basics of Java programming- JSON- HTML / JavaScript- basics in software engineering- Knowledge of a version control system, preferably Git.



Modulbeschreibung

Projekt System Quality Engineering

Modultitel:

Projekt System Quality Engineering

Project System Quality Engineering

Leistungspunkte:

9


Schieferdecker, Ina

Sekretariat:

TEL 4-1

Ansprechpartner:


URL:

http://www.qds.tu-berlin.de/menue/lehre/

Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprufung/ Deliverable assassment) Dokumentation schriftlich 30 5 Seiten Paperformat (2-

spaltig)(Ergebnisprufung/ Deliverable assassment) Implementierung praktisch 40 Projektabhangig(Ergebnisprufung/ Deliverable assassment) Vortrage mündlich 30 3x a 5 min


Lernergebnisse Die Studierenden sind in der Lage, eigenständig die wesentlichen Verfahren des maschinellen Lernens auf neuen Daten anzuwenden. Diesumfasst Methoden zur Klassifikation, Regression, Dimensionsreduktion und Clustering. Darüber hinaus vermittelt das Modul dastheoretische Rüstzeug (Wahrscheinlichkeitstheorie, Optimierungstheorie), um Verfahren weiterzuentwickeln und theoretisch zu analysieren. In der Wahlpflichtveranstaltung können die Teilnehmer:innen je nach Vorkenntnissen und Interessen folgende Schwerpunkte wählen: * Matlab Programmierung für Maschinelles Lernen und Datenanalyse oder Python Programmierung für Maschinelles Lernen: diese Kursevermitteln das praktische Rüstzeug zur Entwicklung, Anwendung und Untersuchung von Verfahren des Maschinellen Lernens. * Mathematische Grundlagen fur Maschinelles Lernen: dieser Kurs wiederholt, vertieft und spezialisiert die mathematischen Kenntnisse ausden Grundlagenmodulen des Informatikstudiums. * Seminar Maschinelles Lernen: im Seminar wird das selbstständige Einarbeiten und Präsentieren von Wissenschaftlichen Ergebnissengeübt. The students are able to independently apply methods from machine learning on new data. This includes methods for classification,regression, dimensionality reduction and clustering. Moreover, the module teaches the mathematical skills (probability theory, optimizationtheory) needed to extend and theoretical analyze machine learning methods.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Programmierkenntnisse, gute Grundlagen in Mathematik, insbesondere Lineare Algebra, Analysis, Wahrscheinlichkeitsrechnung. Der Kurs„Mathematische Grundlagen des Maschinellen Lernens“ bietet eine kompakte Einführung bzw. Auffrischung dieser Themen. Dieses Modulist auch für Bachelorstudierende geeignet.



Modulbeschreibung

Machine Learning 1-X

Modultitel:


Maschinelles Lernen 1-X

Leistungspunkte:

9



Sekretariat:

MAR 4-1

Ansprechpartner:

keine Angabe

URL:


Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Lernergebnisse Die Studierenden haben ein vertieftes Wissen über die Anwendung spezifischer Methoden des Maschinellen Lernens (Klassifikation,Regression, Dimensionsreduktion, Clustering) in ausgewählten Anwendungsbereichen (Bioinformatik, Computersicherheit, etc.) undkönnen diese Methoden selbstständig anwenden und weiterentwickeln. Insbesondere sind die Studierenden mit den Aspekten desMaschinellen Lernens vertraut, welche für den praktischen Erfolg entscheidend sind. Darüber hinaus können die Studierenden in der Wahlpflichtveranstaltung je nach Vorkenntnissen und Interessen folgende Schwerpunktewählen: * Matlab Programmierung für Maschinelles Lernen und Datenanalyse oder Python Programmierung für Maschinelles Lernen: diese Kursevermitteln das praktische Rüstzeug zur Entwicklung, Anwendung und Untersuchung von Verfahren des Maschinellen Lernens. * Mathematische Grundlagen fur Maschinelles Lernen: dieser Kurs wiederholt, vertieft und spezialisiert die mathematischen Kenntnisse ausden Grundlagenmodulen des Informatikstudiums. * Seminar Maschinelles Lernen: im Seminar wird das selbstständige Einarbeiten und Präsentieren von wissenschaftlichen Ergebnissengeübt. Students have deepened their knowledge about specific methods in Machine Learning and selected application areas.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Programmierkenntnisse, gute Grundlagen in Mathematik, insbesondere Lineare Algebra, Analysis, Wahrscheinlichkeitsrechnung.Grundlagen des maschinellen Lernens sind ratsam, z.B. Teilnahme am Modul „Maschinelles Lernen 1“, jedoch bei solidem theoretischemVorwissen nicht zwingend erforderlich.



Modulbeschreibung


Modultitel:


Maschinelles Lernen 2-X

Leistungspunkte:

9



Sekretariat:

MAR 4-1

Ansprechpartner:

keine Angabe

URL:


Modulsprache:

Deutsch/Englisch

Kontakt:

[email protected]



Lernergebnisse Dies ist ein Aufbauseminar zu der Veranstaltung „The 800 Pound Gorilla in the corner: Data Integration“. Dabei werden sich Studenten mitPrimärliteratur aus diesem Gebiet auseinandersetzen und offene Probleme diskutieren.In diesem Seminar sollen die Studenten lernen, einen wissenschaftlichen Text kritisch zu lesen, in einem Vortrag verständlich, aber auchunterhaltsam, wiederzugeben und eine Ausarbeitung ansprechend und im wissenschaftlichen Schreibstil zu formulieren. Weiterhin sollenneue Methoden und Konzepte der Datenintegration vermittelt werden. This is a follow-up seminar that builds on top of the module „The 800 Pound Gorilla in the Corner: Data Integration”. In this seminar,students will analyze original research papers from the area of data integration. Students learn to analyze scientific papers, reproducecontent for a qualified audience and summarize key findings and discussions as a scientific report. Furthermore, students become familiarwith new concepts and algorithms in the area of data integration.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Grundkenntnisse in Datenintegration und Datenbanksysteme



Modulbeschreibung

Advanced Topics in Data Integration

Modultitel:

Advanced Topics in Data Integration

Spezialisierte Themen der Datenintegration

Leistungspunkte:

3


Abedjan, Ziawasch

Sekretariat:

EN 7

Ansprechpartner:

keine Angabe

URL:

http://www.bigdama.tu-berlin.de

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:Zwei benotete Kurzvorträge und eine benotete Ausarbeitung.

Prüfungselement Kategorie Gewicht Dauer/UmfangAusarbeitung schriftlich 40 8 SeitenKurzvortrag 1 mündlich 20 10 MinutenKurzvortrag 2 mündlich 40 30 Minuten


Lernergebnisse Unterhaltungskünstler sind allgemein bekannt aber kaum ein Student der Informatik weiß wer in diesem Jahr den wichtigsten Preis derDisziplin, den Turing Award erhalten hat. In diesem Seminar sollen sich die Studenten mit einer Reihe von erfolgreichen Forschern aus demGebiet der Informationssysteme, wie z.B. Michael Stonebraker, Jim Gray, Rudolph Beyer, etc. bekannt befassen. Dabei sollen dieStudenten sowohl den Werdegang unter die Lupe nehmen als auch ihre Forschungsinhalte in Form von Artikelstudien ausarbeiten.In diesem Seminar sollen die Studenten lernen, einen wissenschaftlichen Text kritisch zu lesen, in einem Vortrag verständlich, aber auchunterhaltsam, wiederzugeben und eine Ausarbeitung ansprechend und im wissenschaftlichen Schreibstil zu formulieren. Most people know celebrities of entertainment but several studies among students in computer science showed that the vast majority doesnot know who was the last Turing Award recipient, i.e., is the celebrity of our domain. In this seminar, students will study the almamater ofwell-known researchers from the area of database management systems and highlights of their research. Students learn to analyzescientific papers, reproduce content for a qualified audience and summarize key findings and discussions as a scientific report.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: Grundkenntnisse in Datenbanksysteme und mindestens einer modernen Programmier-oder Skriptsprache.



Modulbeschreibung

Information Systems Heroes

Modultitel:

Information Systems Heroes

Helden der Informationssysteme

Leistungspunkte:

3


Abedjan, Ziawasch

Sekretariat:

EN 7

Ansprechpartner:

keine Angabe

URL:

http://[email protected]

Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:Zwei benotete Kurzvorträge und eine benotete Ausarbeitung.

Prüfungselement Kategorie Gewicht Dauer/UmfangAusarbeitung schriftlich 40 8 SeitenKurzvortrag 1 mündlich 20 10 MintenKurzvortrag 2 mündlich 40 30 Minten


Lernergebnisse Die Studierenden kennen die wesentlichen physikalischen Hintergründe des Brain-Computer Interfacing. Sie verstehen denZusammenhang von der Aktivität einzelner Neuronen bis zum Signal des Elektroenzephalograms (EEG). Sie können die elektrischenEigenschaften des menschlichen Kopf am Rechner simulieren und die Ergebnisse interpretieren. Students know the essential physical background of Brain-Computer Interfacing (BCI). They understand the pathway from the activity ofsingle neurons to the signal of the electroencephalogram (EEG) They are capable of programming simulations of the electrical properties ofthe human head and know how to interpret the results.

Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme zu den Lehrveranstaltungen: * Required: programming skills; background in mathematics, in particular linear algebra and probability theory.* Helpful, but not obligatory: Basic knowledge in signal processing, machine learning, and basic knowledge in electrostatics and electronicsare of advantage.--- ---Programmierkenntnisse, gute Grundlagen in Mathematik, insbesondere Lineare Algebra und Wahrscheinlichkeitstheorie. Grundlagen derSignalverarbeitung, des maschinellen Lernens und in Elektrostatik und Elektronik sind ratsam, jedoch bei solidem theoretischen Vorwissenund Fähigkeiten nicht zwingend erforderlich.



Modulbeschreibung

Brain-Computer Interfacing - from neurons to data

Modultitel:

Brain-Computer Interfacing - from neurons to data

Leistungspunkte:

3


Blankertz, Benjamin

Sekretariat:

MAR 4-3

Ansprechpartner:

Blankertz, Benjamin

URL:


Modulsprache:

Englisch

Kontakt:

[email protected]



Prüfungsbeschreibung:The grade is determined according to § 47 (2) AllgStuPO with the grading system 1 of faculty IV.Five assignment sheets have to be solved.--- ---Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 1 der Fakultät IV ermittelt.Zur Ergebnisprüfung gibt es in dem Praktikum fünf Übungszettel.

Prüfungselement Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung): 1 Assignments in the PR / Hausaufgabeim PR

praktisch 20 6 h

(Ergebnisprüfung): 1 Assignments in the PR / Hausaufgabeim PR

praktisch 20 6 h


praktisch 20 6 h


praktisch 20 6 h


praktisch 20 6 h


Documents

StuPO 2015 · 2017. 8. 3. · - Medientechnik und Mensch-Maschine-Interaktion / Digital Media und Human-Computer Interaction - Grundlagen der Informatik / Foundations of Computing