Veranstaltungsverzeichnis Master
Modulkennung Titel ECTS Lehrform
Zuletzt angeboten Geplant für Häufigkeit des Angebots Unterichtssprache
Zugeordnete Studienbereiche Dozent/in
Keine passenden Module gefunden
Nummer

INFO-4311
Titel

Modellierung und Analyse Eingebetteter Systeme
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Deutsch
Prüfungsform

Mündliche Prüfung (bei großer Teilnehmerzahl Klausur), Übungspunkte können als Notenbonus in die Bewertung der Prüfung eingehen

Inhalt

Eingebettete Systeme sind fundamentaler Bestandteil in vielzähligen technischen Systemen und fester Bestandteil des täglichen Lebens geworden, z.B. in der Mobilkommunikation, der Medizintechnik, der Unterhaltungselektronik, im Smart Home, in (voll-)automatisierten Fahrzeugen, der Industrieautomatisierung und im Bereich Internet-of-Things (IoT). Die damit verbundenen umfangreichen Anforderungen an eingebettete Systeme mit den vielfältigen Abhängigkeiten zwischen Software und Hardware erfordern Anwendungsspezifische Entwurfsverfahren für eingebettete Software. In diesem Modul werden Modellierungs-, Analyse- und Implementierungstechniken vorgestellt, die frühzeitig das Zusammenspiel der Software mit der zugrundeliegenden Hardware-Architektur hinsichtlich Performanz, Energieeffizienz, Zuverlässigkeit und funktionaler Sicherheit berücksichtigen. Es werden die aktuellen Forschungs- und Entwicklungstrends im Entwurf eingebetteter Systeme aufgezeigt, um die Studierenden
frühzeitig an ein Thema mit hoher Industrierelevanz eranzuführen, wobei sowohl theoretisches Basiswissen als auch domänenspezifische Anwendungskompetenzen
vermittelt werden.

Qualifikationsziele

Dieses Modul versetzt die Studierenden in die Lage, Eingebettete Systeme zu entwickeln und Spezifikationstechniken für Eingebettete Systeme miteinander
zu vergleichen und werden mit für Wissenschaft und Wirtschaft relevanten Problemstellungen aus dem Bereich Eingebetteter Systeme konfrontiert. Die Studierenden kennen die theoretischen Ansätze zur Modellierung und Analyse von eingebetteter Software unter Berücksichtigung von Taskscheduling, Prioritäteninversion, Kommunikationsaufwand sowie der Einflüsse der Hardware-Architektur und können diese auf unterschiedliche praktische Problemstellungen im Entwurf von eingebetteten Softwaresystemen anwenden. Die Übungen werden von den Studierenden in kleinen Gruppen selbstständig
bearbeitet und durch Vorführung der erzielten Ergebnisse Selbstbewusstsein, rhetorische Fähigkeiten und Kritikfähigkeit trainiert.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Bringmann
Literatur / Sonstiges

• O. Bringmann, W. Lange, M. Bogdan: Eingebettete Systeme: Entwurf, Modellierung und Synthese; De Gruyter Oldenbourg, 3. überarbeitete Auflage, 2018.
• P. Marwedel: Embedded System Design – Embedded Systems Foundations of Cyber-Physical Systems, and the Internet of Things; Springer, 3. Auflage, 2018.
• C. Haubelt, J. Teich: Digitale Hardware/Software-Systeme: Spezifikation und Verifikation; Springer 2010.

Zuletzt angeboten Wintersemester 2022
Geplant für Wintersemester 2023
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, ML-CS



Nummer

INFO-4312
Titel

Entwurf und Synthese Eingebetteter Systeme
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Deutsch
Prüfungsform

Mündliche Prüfung (bei großer Teilnehmerzahl Klausur), durch erfolgreiche Übungen kann ein Notenbonus erarbeitet werden.

Inhalt

Eingebettete Systeme haben im letzten Jahrzehnt die Veränderungen in der Daten-, Kommunikations- und Automobiltechnik stark geprägt und sind zu einem festen Bestandteil des täglichen Lebens geworden. In diesem Modul werden die spezifischen Hardware-Aspekte von Eingebetteten Systemen behandelt. Themen sind: IC-Technologien für Eingebettete Systeme, Hardware-Entwurfsmethoden, Modellierungskonzepte und Simulationsmethoden mit Hardwarebeschreibungssprachen. Ferner werden die Kommunikation zwischen Prozessen und Modulen innerhalb eines Chips behandelt, verschiedene
Synchronisationsarten aufgezeigt sowie On-Chip-Bussysteme aus der Praxis vorgestellt. Ein Schwerpunkt bildet die automatisierte Schaltungssynthese aus Hardware- und Systembeschreibungssprachen (VHDL, Verilog und SystemC) bzw. Software-Programmiersprachen (C/C++). Zunächst werden die Register-Transfer-Synthese, die Logiksynthese und die Technologieabbildung thematisiert. Anschließend werden die Konzepte der Architektursynthese (High-Level-Synthese) mit den grundlegenden Algorithmen zur taktzyklengenauen Ablaufplanung und Ressourcen-Bindung vorgestellt. Mit Hilfe von Hardwarebeschreibungssprachen wie VHDL und Verilog werden Methoden zur Modellierung und Simulation Eingebetteter Systeme vermittelt, die durch eigenständige Arbeit in den Übungen entsprechend angewandt und vertieft werden.

Qualifikationsziele

Es werden Fachkompetenzen sowie grundlegende Konzepte und Technologien moderner Eingebetteter Systeme erworben. Die Studierenden werden befähigt, Prinzipien einschlägiger Hardware-Basistechnologien zu kennen und einsetzen können, Entwicklungstechniken theoretisch und praktisch zu beherrschen sowie Eingebettete Systeme beurteilen und optimieren zu können. Ferner erwerben die Studierenden ein Verständnis der Methoden und Konzepte von Hardwarebeschreibungssprachen und der automatisierten Schaltungssynthese im digitalen Hardware-Entwurf. Die Übungen werden von den Studierenden in kleinen Gruppen selbstständig bearbeitet und durch Vorführung der erzielten Ergebnisse Selbstbewusstsein, rhetorische Fähigkeiten und Kritikfähigkeit trainiert.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Bringmann
Literatur / Sonstiges

• O. Bringmann, W. Lange, M. Bogdan: Eingebettete Systeme: Entwurf, Synthese und Edge AI; De Gruyter Oldenbourg, 4. überarbeitete Auflage, 2022.

• J. Teich, C. Haubelt: Digitale Hardware/Software-Systeme: Synthese und
Optimierung; Springer 2007.

• G. De Micheli: Synthesis and Optimization of Digital Circuits. McGraw-
Hill, 1994.

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2023
Zugeordnete Studienbereiche INFO-INFO, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, ML-CS



Nummer

INFO-4313
Titel

Eingebettete Systeme
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Vortrag und schriftlicher Projektbericht

Inhalt

Eingebettete Systeme sind zu einem grundlegenden Bestandteil vieler technischer Systeme geworden und sind bereits integraler Bestandteil des täglichen Lebens, z. B. in der mobilen Kommunikation, der Medizintechnik, der Unterhaltungselektronik, in smart homes und autonomen Fahrzeugen sowie in der industriellen Automatisierung und im Internet of Things (IoT). Die vielfältigen Abhängigkeiten zwischen Software und der zugrundeliegenden Hardware-Architektur erfordern einen ganzheitlichen Ansatz bei Entwurf, Analyse und Verifikation von eingebetteten Systemen. Dieses Seminar untersucht Modellierungs-, Analyse- und Verifikationsansätze für verteilte eingebettete Systeme, beleuchtet die neuesten Forschungstrends in der Computerarchitektur und im maschinellen Lernen und diskutiert deren Anwendbarkeit in zukünftigen eingebetteten Systemen. Die Studierenden wählen ein Seminarthema aus der vorgegebenen Themenliste, setzen sich mit dem Thema inhaltlich auseinander und präsentieren die erarbeiteten Inhalte durch eine mündliche Seminarpräsentation und einen schriftlichen Bericht.

Qualifikationsziele

Die Studierenden sind in der Lage, aktuelle Forschungsarbeiten auf dem Gebiet der eingebetteten Systeme zu lesen, zu reflektieren und inhaltlich zu prüfen und können die Beiträge einer Arbeit kritisch beurteilen. Sie können aktuelle Forschungsergebnisse vor anderen Studierenden und Forschern präsentieren und Forschungsdiskussionen leiten. Sie können die Ergebnisse von Forschungsarbeiten in Form einer mündlichen Präsentation und eines schriftlichen Berichts zusammenfassen und bewerten.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Bringmann
Literatur / Sonstiges

Will be announced in the pre-lecture meeting.

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, MEDZ-SEM, ML-CS



Nummer

INFO-4315
Titel

Spezielle Kapitel Eingebette Systeme
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Mündliche Prüfung (bei großer Teilnehmerzahl Klausur)

Inhalt

In dieser Vorlesung werden aktuelle Themen und Trends in der Forschung zu eingebetteten Systemen mit besonderem Schwerpunkt auf Entwurf, Analyse und Verifikation von eingebetteten Systemen und Systems-on-Chip (SoCs) behandelt. Die Vorlesung beginnt mit einer Einführung in die Architekturen eingebetteter Systeme und den Entwurf auf elektronischer Systemebene. Anschließend werden die neuesten Entwicklungen in der Analyse nicht-funktionaler Eigenschaften wie Timing, Verlustleistung und Energieverbrauch diskutiert. Die Vorlesung zur Verifikation befasst sich mit cyber-physischen Systemen, Sicherheitsverifikation und Robustheitsoptimierung von maschinenlernbasierten eingebetteten Systemen. Die Vorlesung behandelt schließlich fortschrittliche Hardware-Architekturen für die stromsparende Implementierung von Deep-Learning-Ansätzen in Hardware. Zwischen den Vorlesungen finden praktische Übungen in Form von Programmieraufträgen statt. Die Dozenten werden die relevanten Grundlagen sowie aktuelle Forschungsergebnisse zu jedem Thema vorstellen.

Qualifikationsziele

Die Teilnehmer erwerben vertiefte Kenntnisse zu verschiedenen Aspekten von eingebetteten Systemen sowie die notwendigen Fähigkeiten, um eingebettete Systeme unter Sicherheitsbedingungen zu entwerfen, zu analysieren und zu verifizieren. Sie werden praktische Erfahrungen mit dem Entwurf eingebetteter Systeme sammeln, um häufige Fallstricke zu vermeiden. Die Studenten werden ein tieferes praktisches Verständnis durch die Arbeit an themenspezifischen Programmieraufgaben erlangen.

Teilnahmevoraussetzungen INFO-4311 Modellierung und Analyse Eingebetteter Systeme,

INFO-4312 Entwurf und Synthese Eingebetteter Systeme
Dozent/in Bringmann
Literatur / Sonstiges

Will be announced during the first lecture.

Zuletzt angeboten Sommersemester 2020
Geplant für ---
Zugeordnete Studienbereiche INFO-INFO, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, ML-CS



Nummer

INFO-4316
Titel

Programming Ultra-Low Power Architectures
Lehrform(en)

Praktikum
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Deutsch
Prüfungsform

Ausarbeitung und Präsentation der Praktikumsaufgaben

Inhalt

Dieses Modul bietet eine Einführung in die praktische Arbeit mit Mikrocontrollern. Hierfür wird die auf einem 32-bit ARM Cortex-M0+ Prozessor basierende FRDM-KL25Z Entwicklungsplattform verwendet. Nach einer kurzen Einführung in die verwendete Plattform, werden in Zweierteams praktische Aufgaben gelöst. Die Praktikumsaufgaben umfassen die folgenden Themenbereiche: Einführung in die Programmierung von Mikrocontrollern, Ausführungszeit von Anwendungen, Leistungsanalyse und -optimierung sowie Speicheranforderungen.

Qualifikationsziele

Die Studierenden können systematisch Software für Eingebettete Systeme unter Berücksichtigung von elektrischen Leistungsaufnahme und des Energieverbrauchs entwickeln. Sie kennen den gesamten Entwicklungsablauf von der Spezifikation, über die Entwicklung bis hin zu Debugging und Dokumentation. Ferner sind die Studierenden in der Lage, moderne Techniken des Softwaregestützten dynamischen Power-Managements bis hin zur Programmierung von Ultra-Low-Power-Anwendungen anzuwenden. Auf Teamarbeit, Kommunikation innerhalb der Gruppen und zwischen den einzelnen Gruppen, systematisches Problemlösen und Einhalten von Terminen wird Wert gelegt. Dies fördert Selbstbewusstsein, Selbstvermarktungsfähigkeit und Konfliktfähigkeit der Studierenden.

Teilnahmevoraussetzungen INFO-4311 Modellierung und Analyse Eingebetteter Systeme
Dozent/in Bringmann
Literatur / Sonstiges

Literatur wird zu Beginn des Praktikums bekanntgegeben.

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-TECH, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4317
Titel

Parallele Rechnerarchitekturen
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Deutsch
Prüfungsform

Mündliche Prüfung (bei großer Teilnehmerzahl Klausur), durch erfolgreiche Übungen kann ein Notenbonus erarbeitet werden.

Inhalt

Das Modul behandelt das Thema der parallelen Datenverarbeitung aus dem Blickwinkel der Rechnerarchitektur. Es werden Rechnerarchitekturkonzepte vorgestellt, mit deren Hilfe Parallelität auf verschiedenen Ebenen zur Leistungssteigerung ausgenutzt werden kann. Das Modul umfasst dabei u.a. die folgenden Themen: Parallelismus auf Maschinenbefehlsebene: Superskalartechnik, spekulative Ausführung, Sprungvorhersage, VLIW-Prinzip, mehrfädige Befehlsausführung. Moderne Parallelrechnerkonzepte, Speichergekoppelte Parallelrechner, symmetrische Multiprozessoren, Multiprozessoren mit verteiltem gemeinsamem Speicher, nachrichtenorientierte Parallelrechner, Multicore-Architekturen, Cache-Kohärenzprotokolle, Leistungsbewertung von Parallelrechensystemen, parallele Programmiermodelle, Verbindungsnetze (Topologie, Routing), heterogene Systemarchitekturen und GPGPUs.

Qualifikationsziele

Die Studierenden besitzen erweiterte fachliche Kompetenzen im Bereich moderner Rechnerarchitekturen mit Fokus auf Parallelarchitekturen, Verbindungsnetzwerke und heterogene Systeme. Sie kennen die Vor- und Nachteile der verschiedenen Parallelarchitekturen sowie die bei der Programmierung derartiger Systeme auftretenden Schwierigkeiten. Dies befähigt die Studierenden entsprechende Programmierkonzepte für parallele Architekturen situationsadäquat anzuwenden. In den Übungen erwerben die Teilnehmenden ein weitergehendes Verständnis für die Komplexität paralleler Vorgänge und die daraus resultierenden Schwierigkeiten. Durch die selbstständige Bearbeitung in kleinen Gruppen werden Teamfähigkeit und Führungsqualitäten in besonderem Maße gefördert.

Teilnahmevoraussetzungen INF3341 Grundlagen der Rechnerarchitektur
Dozent/in Bringmann
Literatur / Sonstiges

• J. L. Hennessy, D. A. Patterson: Computer Architecture: A Quantitive Approach, Morgan Kaufmann Publishers Inc, Elsevier, 6. Auflage, 2018.
• S. Pasricha, N. Dutt: On-Chip Communication Architectures; Morgan Kaufmann Publishers Inc., 2008.

Zuletzt angeboten Wintersemester 2022
Geplant für Wintersemester 2023
Zugeordnete Studienbereiche INFO-INFO, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, ML-CS



Nummer

INFO-4318
Titel

Fortgeschrittene Computerarchitektur
Lehrform(en)

Praktikum
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

Ausarbeitung und Präsentation der Praktikumsaufgaben

Inhalt

Das Praktikum behandelt aktuelle Forschungsfragen der Rechnerarchitektur anhand praktischer Aufgabestellungen. Hierzu gehören Praktikumsaufgaben zu folgenden Themen: Simulative Bewertung von Rechnerarchitekturen, Mikroarchitektur und Befehlssätze, Sprungvorhersagen und spekulative Ausführung, Caches und Cachekohärenz, Speicherorganisation und Verbindungsnetzwerke sowie Unterstützung von Betriebssystemen durch die Rechnerarchitektur. Zusätzlich bildet ein eigenständig erarbeitetes Forschungsprojekt den Abschluss des Praktikums.

Qualifikationsziele

Dieses Praktikum versetzt die Studierenden in die Lage, aktueller Forschungsfragen aus dem Bereich der Rechnerarchitektur zu bewerten und neue Fragestellungen selbständig zu bearbeiten. Durch den praktischen Umgang mit Parallelarchitekturen und parallelisierten Anwendungen erlangen die Studierenden ein weitergehendes Verständnis über die Komplexität paralleler Vorgänge und die daraus resultierenden Schwierigkeiten. Die selbständige Bearbeitung der Aufgaben befähigt die Studierenden, mit für den Alltag in Wissenschaft und Wirtschaft relevanten Methoden und Werkzeugen umzugehen. Ferner erwerben sie die Kompetenz Parallelrechner effizient zu programmieren und die erlernten Fähigkeiten im Rahmen eines Forschungsprojekts vertieft anzuwenden. Die im Rahmen dieses Moduls gestellten Aufgaben werden in kleinen Gruppen bearbeitet. Dies trainiert neben Team-, Kommunikations- und Konfliktfähigkeiten auch das Verantwortungsbewusstsein der Studierenden.

Teilnahmevoraussetzungen INFO-4317 Parallele Rechnerarchitekturen
Dozent/in Bringmann
Literatur / Sonstiges

• J. L. Hennessy, D. A. Patterson: Computer Architecture: A Quantitive Approach, Morgan Kaufmann Publishers Inc, Elsevier, 6. Auflage, 2018.

Zuletzt angeboten ---
Geplant für ---
Zugeordnete Studienbereiche INFO-INFO, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, ML-CS



Nummer

INFO-4194
Titel

Verhalten und Lernen
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Diese Vorlesung baut auf dem vorhandenen Wissen auf, wie Tiere und Menschen ihr Verhalten planen, entscheiden und kontrollieren und wie sie ihr Verhalten im Laufe der Zeit immer weiter optimieren und anpassen. Dementsprechend werden Algorithmen für die Entscheidungsfindung, Kontrolle, Optimierung und Anpassung von Verhalten vorgestellt. Insbesondere werden räumliche Repräsentationen für die Verhaltenskontrolle, forward-inverse Kontrollmodelle, einschließlich des Lernens solcher Repräsentationen und Modelle vorgestellt. Auch die Kodierung und das Lernen von motorischen Kontrollprimitiven und motorischen Komplexen wird betrachtet. Zu guter Letzt werden selbstmotivierte künstliche Systeme betrachtet, die danach streben, eine interne Homöostase aufrechtzuerhalten und den Informationsgewinn zu maximieren.

Qualifikationsziele

Die Studierenden wissen, wie intelligentes Verhalten in künstlichen Systemen erzeugt und gelernt werden kann. Sie können Reinforcement Learning (RL), einschließlich hierarchischem RL, faktorisiertem RL und akteurskritischen Ansätzen auf die entsprechenden Probleme anwenden. Außerdem sind sie sich des Unterschieds zwischen modellfreien und modellbasierten RL-Ansätzen bewusst. Sie kennen sich mit dynamischen Bewegungsprimitiven aus und wissen, wie man sie optimiert. Darüber hinaus kennen sie Gaussian Mixture Models und wissen, wie man sie lernt und optimiert. Sie können informationsgewinngesteuertes und selbstmotiviertes Verhalten implementieren und sind sich des Dilemmas zwischen Exploration und Ausbeutung bewusst. Darüber hinaus kennen sie die modellprädiktive Steuerung, die Möglichkeiten zum Erlernen geeigneter modellprädiktiver Strukturen und die Möglichkeiten zur angemessenen Abstraktion solcher Strukturen. Schließlich wissen sie, wie sensomotorische, raum-zeitliche Repräsentationen erlernt, als episodische Gedächtniseinheiten gespeichert und zu kognitiven Karten abstrahiert werden können, die eine modellbasierte RL ermöglichen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Butz
Literatur / Sonstiges

Literatur / Literature:
Wird in der Veranstaltung ausgegeben (Buchkapitel und Artikel in Englisch). / Will be supplied (book chapters and papers in English).

Voraussetzungen / Prerequisites:
Vorkenntnisse in maschinellem Lernen, Künstlichen Neuronalen Netzen, Deep Learning oder Künstlicher Intelligenz sind notwenig. / Knowledge about machine learning, artificial neural networks, deep learning, or artificial intelligence is required.

Zuletzt angeboten ---
Geplant für ---
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-HCI, MEDI-INFO, MEDI-MEDI, ML-CS



Nummer

INFO-4210
Titel

Rekurrente und Generative Neuronale Netze
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Fortgeschrittene ANN-Themen. Zunächst eine Wiederholung von Backpropagation und Backpropagation im Laufe der Zeit; dann: Fortgeschrittene rekurrente neuronale Netze (LSTM, GRU); Very Deep Learning und generative adversarische Netze; räumliche und zeitliche Faltung; Reservoir Computing; Neuroevolution; Aufmerksamkeits- und Routing-Netze; Autoencoder und eingeschränkte Boltzmann-Maschinen; Verstärkungsfelder und Schaltnetze; Techniken zur Visualisierung des latenten Raums; generative Inferenz

Qualifikationsziele

Die Studierenden kennen generative und typischerweise rekurrente künstliche neuronale Netze und können diese in verschiedenen Bereichen anwenden, z.B. Datenklassifikation, Bilderkennung, Sprachverarbeitung, räumlich-invariante Erkennung, räumliche Transformationen und räumliche Mappings. Sie können komplexe, generative künstliche neuronale Netze sowohl von Grund auf als auch mit vorhandenen Werkzeugen anwenden. Sie wissen, wie man Gewichte und Netzstrukturen mit Hilfe des Gradientenabstiegs sowie alternativer Methoden optimiert. Sie können komplexe rekurrente Netzstrukturen einsetzen, um Aspekte der Daten selektiv zu verarbeiten. Sie wissen, wie man generative Netze als modellprädiktive neuronale Regler und auch als weitreichende zeitliche Prädiktoren einsetzt. Sie können retrospektive latente Zustands- und Motorinferenztechniken mit prospektiver Motorsteuerung kombinieren.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Butz
Literatur / Sonstiges

Literatur / Literature:
Wird in der Veranstaltung ausgegeben (Buchkapitel und Artikel in Englisch). / Will be supplied (book chapters and papers in English).

Voraussetzungen / Prerequisites:
Vorkenntnisse in maschinellem Lernen, Künstlichen Neuronalen Netzen, Deep Learning oder Künstlicher Intelligenz sind notwenig. / Knowledge about machine learning, artificial neural networks, deep learning, or artificial intelligence is required.

Zuletzt angeboten Sommersemester 2022
Geplant für ---
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-VIS, ML-CS, ML-DIV



Nummer

INFO-4211
Titel

Avatars in Virtuellen Realitäten
Lehrform(en)

Praktikum
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Präsentation und Ausarbeitung des Projektes

Inhalt

In diesem projektorientierten Praktikum lernen die Studierenden, wie man realistische, interessante und sich verhaltende Avatare in virtuellen Realitäten gestaltet. Typischerweise liegt der Schwerpunkt auf der Entwicklung von Benutzerschnittstellen und neuen Möglichkeiten, mit der VR zu interagieren und auf Objekte oder andere Entitäten innerhalb der VR einzuwirken. Alternativ werden Versuchsaufbauten programmiert und optimiert, um reale psychologische und evaluative Experimente durchzuführen, bei denen Benutzer Avatare in der VR steuern.

Qualifikationsziele

Die Studierenden wissen, wie man mit virtuellen Realitäten (VR) arbeitet und wie man animierte, autonome Avatare in diesen Umgebungen entwickelt. Sie sind in der Lage, geeignete Schnittstellen zu erstellen und zu nutzen, um Nutzern eine effektive Interaktion mit VRs und die Steuerung von Avataren darin zu ermöglichen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Butz
Literatur / Sonstiges

keine / Solid Knowledge in Programming. General knowledge about simulation software.

Zuletzt angeboten -
Geplant für -
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-HCI, MEDI-INFO, MEDI-MEDI, MEDI-MMT, MEDI-PRAX, ML-CS



Nummer

INFO-4212
Titel

Künstliche Neuronale Netze
Lehrform(en)

Praktikum
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Präsentation und Ausarbeitung des Projektes

Inhalt

Programmierung erweiterter Funktionalitäten in ANN-Software, Bewertung der Leistung, Analysieren des Systems.

Qualifikationsziele

Wissen, wie man mit komplexen künstlichen neuronalen Netzen arbeitet, sie implementiert und verbessert.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Butz
Literatur / Sonstiges

keine / Solid Knowledge in Programming. Knowledge about artificial neural networks
or machine learning.

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-PRAX, MEDI-VIS, ML-CS



Nummer

INFO-4213
Titel

Projekt mit Künstlichen Neuronalen Netzen
Lehrform(en)

Praktikum
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Präsentation und Ausarbeitung des Projektes

Inhalt

Arbeit mit ANN-Software, Bewertung der Leistung und Analyse des Systems.

Qualifikationsziele

Wissen, wie man künstliche neuronale Netze bewertet, programmiert und analysiert.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Butz
Literatur / Sonstiges

keine / Solid Knowledge in Programming. Knowledge about artificial neural networks
or machine learning.

Zuletzt angeboten -
Geplant für -
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-VIS, ML-CS, ML-DIV



Nummer

INFO-4214 (MKOGP3)
Titel

Cognitive Modeling
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Es werden kognitive Modelle für Lernen, Handeln und Wahrnehmung vorgestellt und erörtert, darunter deskriptive, qualitative, quantitative und neuronale Modelle. Darüber hinaus werden die Optimierung von Parametern sowie Techniken zum Vergleich von Modellen und zur Interpretation und Bewertung von Modellparametern vorgestellt. Alle Techniken werden im Zusammenhang mit konkreten Modellen kognitiver Prozesse gezeigt. Darüber hinaus werden die notwendigen statistischen Methoden praxisnah und anwendungsorientiert vorgestellt.

Qualifikationsziele

Die Studierenden kennen die wichtigsten Prinzipien und Techniken der kognitiven Modellierung. Sie wissen, wie man kognitive Prozesse, Mechanismen und Lernen auf verschiedenen Komplexitätsebenen modelliert. Sie können verschiedene kognitive Modelle und Modellierungsansätze zielgerichtet anwenden. Darüber hinaus können sie verschiedene Modellierungsansätze und Modellierungsergebnisse bewerten, vergleichen und gegenüberstellen. Sie sind in der Lage zu beurteilen, ob ein Modell falsifizierbar ist und wissen, wie man kognitive Modelle validiert und interpretiert. Schließlich können sie statistische Methoden anwenden, um verschiedene kognitive Modelle quantitativ zu vergleichen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Butz, Wichmann
Literatur / Sonstiges

Book: S. Lewandowsky & S. Farrell (2011). Computational Modeling in Cognition.
Additional papers and book chapters will be supplied. Introductory course knowledge about machine learning, artificial neural networks, robotics, cognitive architectures, or artificial intelligence is required.

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-HCI, MEDI-INFO, MEDI-MEDI, ML-CS



Nummer

BIOINF4998 (entspricht BIO-4998)
Titel

Forschungsprojekt Bioinformatik
Lehrform(en)

Forschungsprojekt
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Jedes Semester
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Präsentation und schriftlicher Bericht (entweder als wissenschaftliche Arbeit oder als Bericht (15-20 Seiten)

Inhalt

Das Forschungsprojekt zielt auf die Vertiefung der theoretischen und praktischen Kenntnisse in einem bestimmten Bereich der Bioinformatik ab. Die Studierenden nehmen an einem Forschungsprojekt mit dem thematischen Schwerpunkt der Forschungsgruppe teil.

Qualifikationsziele

Bioinformatik-Forschungsprojekt: Die Studierenden
- erhalten Einblick in das wissenschaftliche Arbeiten,
- lernen, selbstständig eine Forschungsfrage zu verfolgen,
- lernen, selbstständig wissenschaftliche Literatur für die zu bearbeitende Fragestellung zu identifizieren und zusammenzustellen,
- sind in der Lage, im Team in einem wissenschaftlichen internationalen Umfeld zu arbeiten,
- vertiefen ihre Problemlösungskompetenz.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Dozenten der Bioinformatik
Literatur / Sonstiges

Wissenschaftliche Literatur/Veröffentlichungen relevant für das zu bearbeitende Forschungsthema / Exzellente akademische Noten im Master Bioinformatik. Es gibt nur wenige Forschungsprojekte, die semesterweise angeboten werden. Eine schriftliche Bewerbung, incl. Motivationsschreiben, CV und Transcript of Records sind an den Arbeitsgruppenleiter des angebotenen Forschungsprojektes zu schicken.

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche BIO-BIO



Nummer

INFO-4998
Titel

Forschungsprojekt Informatik
Lehrform(en)

Forschungsprojekt
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Jedes Semester
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Vortrag und schriftlicher Projektbericht

Inhalt

Das Forschungsprojekt dient der Vertiefung des theoretischen und praktischen Wissens in einem spezifischen Bereich der Praktischen / Theoretischen / Technischen Informatik. Studierende arbeiten an einem Forschungsprojekt des thematischen Schwerpunktes der Arbeitsgruppe mit und sind im Idealfall an der Erstellung einer wissenschaftlichen Publikation im Themenbereich beteiligt.

Qualifikationsziele

Die Studierenden
• bekommen Einblick in wissenschaftliches Arbeiten,
• erlernen wie man selbständig einer Forschungsfrage nachgeht,
• lernen selbständig wissenschaftliche Literatur für die zu nearbeitende Fragestellun zu identifizieren und zu erarbeiten,
• sind in der Lage, in einem wissenschaftlichen internationalen Umfeld im Team zu arbeiten,
• vertiefen ihre Problemlösekompetenz,
• können einen wissenschaftlichen Vortrag halten.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Dozenten der Informatik
Literatur / Sonstiges

Wissenschaftliche Literatur/relevante Veröffentlichungen für das zu bearbeitende Forschungsthema.

Zuletzt angeboten ---
Geplant für ---
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

MEDI-4998
Titel

Forschungsprojekt Medieninformatik
Lehrform(en)

Forschungsprojekt
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Jedes Semester
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Schriftliche Ausarbeitung und darauf basierende Präsentation

Inhalt

Das Forschungsprojekt dient der Vertiefung des theoretischen und praktischen Wissens in einem spezifischen Bereich der Medieninformatik. Studierende arbeiten an einem Forschungsprojekt des thematischen Schwerpunktes der Arbeitsgruppe mit und sind im Idealfall an der Erstellung einer wissenschaftlichen Publikation im Themenbereich beteiligt.

Qualifikationsziele

Forschungsprojekt Medieninformatik: Die Studierenden
• bekommen Einblick in wissenschaftliches Arbeiten,
• erlernen wie man selbständig einer Forschungsfrage nachgeht,
• lernen selbständig wissenschaftliche Literatur für die zu bearbeitende Fragestellung zu identifizieren und zu erarbeiten,
• sind in der Lage, in einem wissenschaftlichen internationalen Umfeld im Team zu arbeiten,
• vertiefen ihre Problemlösekompetenz,
• können einen wissenschaftlichen Vortrag halten.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Dozenten der Medieninformatik
Literatur / Sonstiges

Wissenschaftliche Literatur/Veröffentlichungen relevant für das zu bearbeitende Forschungsthema

Zuletzt angeboten ---
Geplant für ---
Zugeordnete Studienbereiche MEDI-PRAX



Nummer

MEDZ-4998
Titel

Forschungsprojekt Medizininformatik
Lehrform(en)

Forschungsprojekt
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Jedes Semester
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Schriftliche Ausarbeitung und darauf basierende Präsentation

Inhalt

Das Forschungsprojekt dient der Vertiefung des theoretischen und praktischen Wissens in einem spezifischen Bereich der Medizininformatik. Studierende arbeiten an einem Forschungsprojekt mit dem thematischen Schwerpunkt der Arbeitsgruppe mit. Die Studierenden erwerben Kenntnisse im aktuellen Forschungsumfeld der Medizininformatik und in der selbständigen Forschung einschließlich der notwendigen Dokumentation und dem Umgang mit Forschungsprimärdaten. Damit führt die Veranstaltung direkt auf eine forschungsbezogene Masterarbeit hin.

Qualifikationsziele

Die Studierenden
• bekommen Einblick in wissenschaftliches Arbeiten,
• erlernen wie man selbständig einer Forschungsfrage nachgeht,
• lernen selbständig wissenschaftliche Literatur für die zu bearbeitende Fragestellung zu identifizieren und zu erarbeiten,
• sind in der Lage, in einem wissenschaftlichen internationalen Umfeld im Team zu arbeiten,
• vertiefen ihre Problemlösekompetenz,
• können einen wissenschaftlichen Vortrag halten.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Dozenten der Medizin- und Bioinformatik
Literatur / Sonstiges

Wissenschaftliche Literatur/Veröffentlichungen relevant für das zu bearbeitende Forschungsthema / Exzellente akademische Noten im Master Medizininformatik. Es gibt nur wenige Forschungsprojekte, die semesterweise angeboten werden. Eine schriftliche Bewerbung, incl. Motivationsschreiben, CV und Transcript of Records sind an die Arbeitsgruppenleiter*in des angebotenen Forschungsprojektes zu schicken.

Zuletzt angeboten ---
Geplant für ---
Zugeordnete Studienbereiche MEDZ-RES



Nummer

INFO-4413
Titel

Parametrisierte Algorithmen
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Dieses Modul gibt eine Einführung in die Theorie der parametrisierten Algorithmen und der parametrisierten Komplexitätstheorie. Der Schwerpunkt liegt dabei auf unterschiedlichen Methoden und Techniken zur Entwicklung von parametrisierten Algorithmen. In diesem Modul wird in Lösungsansätze für NP-vollständige Probleme, Parametrisierte Algorithmen und Problemkerne eingeführt. Verschiedene Methoden und Techniken, wie z. B. Datenreduktion und Problemkerne, Tiefenbeschränkte Suchbäume, Dynamisches Programmieren, Baumzerlegungen, Iterative Kompression, Farbkodierung und Lineare Programmierung, werden vorgestellt. Aus dem Bereich der Parametrisierten Komplexitätstheorie werden Parametrisierte Reduktion, die Klasse FPT und Härte-Klassen behandelt.

Qualifikationsziele

Die Studierenden besitzen Basiswissen über parametrisierte Algorithmen und parametrisierte Komplexität und können die Schwierigkeit NP-vollständiger Probleme und Algorithmen zur exakten Lösung von diesen einschätzen und bestimmen. Sie kennen unterschiedliche Methoden und Techniken zum Entwurf von parametrisierten Algorithmen. Sie können verschiedene Probleme mit dem vorgestellten Repertoire an Methoden lösen sowie selbständig parametrisierte Algorithmen kreativ entwickeln. Die Studierenden können zwischen verschiedenen Strategien zum Entwurf parametrisierter Algorithmen unterscheiden und diese an das Problem angepasst anwenden. Die Studierenden sind in der Lage, einen parametrisierten Algorithmus kritisch zu bewerten. Sie erkennen Vor- und Nachteile dieses Ansatzes und können ihn in den Kontext anderer Methoden zur Lösung NP-vollständiger Probleme wie Heuristiken, Approximationsalgorithmen, Randomisierte Algorithmen einordnen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Dorn
Literatur / Sonstiges

Rolf Niedermeier: Invitation to Fixed-Parameter Algorithms, Oxford University Press.
Rodney G. Downey, Michael R. Fellows: Parameterized Complexity, Springer-Verlag, 1999.
Jörg Flum, Martin Grohe: Parameterized Complexity Theory, Springer-Verlag, 2006.

Zuletzt angeboten ---
Geplant für ---
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4414
Titel

Parametrisierte Algorithmen
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Wird noch bekannt gegeben.

Inhalt

Das Seminar beinhaltet das Erarbeiten von schriftlichen Quellen zu Themen aus dem Bereich der Parametrisierten Algorithmen und Komplexität unter Betreuung. Präsentation und das schriftliche Zusammenfassen schließen den Seminarbeitrag jeweils ab. Aktive Teilnahme an den einzelnen Sitzungen ist ein wichtiger Bestandteil des Seminars.

Qualifikationsziele

Die Studierenden können einen erweiterten und komplexen Sachverhalt aus dem Bereich Parametrisierte Algorithmen und Parametrisierte Komplexität aus schriftlicher Quelle selbständig erarbeiten, verstehen und in Form eines Vortrages präsentieren und auch in einer Diskussion vor einem Plenum vertreten. Neben der mündlichen Präsentation können sie das erarbeitete Thema
schriftlich darlegen und zusammenfassen.

Teilnahmevoraussetzungen INFO-4413 Parametrisierte Algorithmen
Dozent/in Dorn
Literatur / Sonstiges

Rolf Niedermeier: Invitation to Fixed-Parameter Algorithms, Oxford University Press, und Weitere (wechselnd).

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS



Nummer

INFO-4417
Titel

Parametrisierte Algorithmen und Komplexität
Lehrform(en)

Vorlesung, Übung
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Dieses Modul gibt eine erweiterte Einführung in die Theorie der parametrisierten Algorithmen und der parametrisierten Komplexitätstheorie. Der Schwerpunkt liegt dabei auf unterschiedlichen Methoden und Techniken zur Entwicklung von parametrisierten Algorithmen. In diesem Modul wird in Lösungsansätze für NP-vollständige Probleme, Parametrisierte Algorithmen und Problemkerne eingeführt. Verschiedene Methoden und Techniken, wie z. B. Datenreduktion und Problemkerne, Tiefenbeschränkte Suchbäume, Dynamisches Programmieren, Baumzerlegungen, Iterative Kompression, Farbkodierung und Lineare Programmierung, werden vorgestellt. Aus dem Bereich der Parametrisierten Komplexitätstheorie werden Parametrisierte Reduktion, die Klasse FPT und Härte-Klassen behandelt. Zudem werden Fragestellungen und Trends der aktuellen Forschung sowie Anwendungen in verschiedenen Gebieten wie z.B. Bioinformatik, Künstlicher Intelligenz, oder Computational Social Choice vorgestellt.

Qualifikationsziele

Die Studierenden besitzen Basiswissen über parametrisierte Algorithmen und parametrisierte Komplexität und können die Schwierigkeit NP-vollständiger Probleme und Algorithmen zur exakten Lösung von diesen einschätzen und bestimmen. Sie kennen unterschiedliche Methoden und Techniken zum Entwurf von parametrisierten Algorithmen. Sie können verschiedene Probleme mit dem vorgestellten Repertoire an Methoden lösen sowie selbständig parametrisierte Algorithmen kreativ entwickeln. Die Studierenden können zwischen verschiedenen Strategien zum Entwurf parametrisierter Algorithmen unterscheiden und diese an das Problem angepasst anwenden. Sie sind in der Lage, einen parametrisierten Algorithmus kritisch zu bewerten. Sie erkennen Vor- und Nachteile dieses Ansatzes und können ihn in den Kontext anderer Methoden zur Lösung NP-vollständiger Probleme wie Heuristiken, Approximationsalgorithmen, Randomisierte Algorithmen einordnen. Zusätzlich sind die Studierenden mit Fragestellungen der aktuellen Forschung vertraut und kennen Anwendungsbeispiele und Fallstudien.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Dorn
Literatur / Sonstiges

Rolf Niedermeier: Invitation to Fixed-Parameter Algorithms, Oxford University Press, 2006.
Rodney G. Downey, Michael R. Fellows: Parameterized Complexity, Springer-Verlag, 1999.
Jörg Flum, Martin Grohe: Parameterized Complexity Theory, Springer-Verlag, 2006.

Zuletzt angeboten ---
Geplant für ---
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4999
Titel

Seminar zu ausgewählten Themen in der praktischen Informatik
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Vortrag und schriftlicher Projektbericht

Inhalt

In diesem Modul werden fortgeschrittene Themen aus dem Bereich der praktischen Informatik behandelt.

Hinweis zum Sommersemester 2024:
In diesem Semester wird das Seminar "Software-Architektur-Stile und -Patterns" (Dozent: PD Holger Gast) angeboten.

Qualifikationsziele

Die Studierenden lernen aktuelle Themen aus dem Bereich der praktischen Informatik kennen. Die Studierenden sind in der Lage, sich durch eine umfassende Literaturrecherche Kenntnisse über aktuelle Themen der Praktischen Informatik anzueignen. Die Studierenden haben nicht nur ihre Studier- und Lesekompetenz verbessert, sondern auch ihre Fähigkeit zum selbständigen Arbeiten gesteigert. Die Lehrmethode in diesem Seminar zielt darauf ab, das Selbstvertrauen der Studierenden zu stärken (mündliche Präsentation), ihre Kommunikationsfähigkeit zu verbessern und sie zu befähigen, Kritik anzunehmen (Diskussionsrunde im Anschluss an die Präsentation).

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Alle Dozenten
Literatur / Sonstiges

Will be handed out in the course

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS



Nummer

MEDZ-4310
Titel

Ausgewählte Themen der Medizininformatik
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Mündliche Prüfung (bei großer Teilnehmerzahl Klausur)

Inhalt

Die Veranstaltung vertieft die Schnittstelle zwischen Medizin- und Bioinformatik und bildet eine Kernveranstaltung in dem forschungsorientierten MSc Medizininformatik.

Qualifikationsziele

Die Studierenden erkennen die Verbindung von Medizin- und Bioinformatik anhand aktueller Forschungsfelder.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Dozenten der Medizin- und Bioinformatik
Literatur / Sonstiges

-

Zuletzt angeboten ---
Geplant für ---
Zugeordnete Studienbereiche MEDZ-BIOMED, MEDZ-RES



Nummer

MEDZ-4320
Titel

Ausgewählte Themen der Medizininformatik
Lehrform(en)

Vorlesung
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Mündliche Prüfung

Inhalt

Die Veranstaltung vertieft die Schnittstelle zwischen Medizin- und Bioinformatik und bildet eine Kernveranstaltung in dem forschungsorientierten MSc Medizininformatik.

Qualifikationsziele

Anhand aktueller Forschungsfelder erkennen die Studierenden die Verbindung von Medizin- und Bioinformatik.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Dozenten der Medizin- und Bioinformatik
Literatur / Sonstiges

-

Zuletzt angeboten ---
Geplant für ---
Zugeordnete Studienbereiche MEDZ-BIOMED, MEDZ-RES



Nummer

BIOINF4393 (entspricht BIO-4393)
Titel

Mathematische Methoden in der (medizinischen) Systembiologie
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Schriftliche Ausarbeitung und darauf basierende Präsentation

Inhalt

Dieses Seminar konzentriert sich auf die Schlüsselkonzepte von rechnergestützten, mathematischen und statistischen Modellen, die bei Krebserkrankungen und in der Krebsmedizin verwendet werden, und hilft den Studierenden zu lernen, wie mathematische Modelle uns helfen, den Fortschritt von Krebs zu verstehen. Die in diesem Seminar verwendeten Fachartikel liefern den biologischen Hintergrund und beschreiben die Entwicklung sowohl klassischer mathematischer Modelle als auch neuerer Darstellungen biologischer Prozesse. Deshalb werden die Studierenden bestehende mathematische Modelle untersuchen und lernen, mit den Schlüsselparametern, die bei der Modellierung eine Rolle spielen, und mit den Auswirkungen von Änderungen dieser Parameter umzugehen, um zu erörtern, wie diese in Bezug auf Behandlung, Prävention oder Politikgestaltung im Allgemeinen wirken. Durch Diskussionen über veröffentlichte Arbeiten lernen die Studierenden, wie man eine Modellierungsarbeit kritisch bewertet und wie man die Modellierungsergebnisse den Lesern von wissenschaftlichen Zeitschriften vermittelt. Das Seminar ist nützlich für Studierende, die experimentelle Techniken als Ansatz im Labor verwenden und die rechnergestützte Modellierung alsWerkzeug einsetzen wollen, um ein tieferes Verständnis von Experimenten zu gewinnen.

Qualifikationsziele

Die Studierenden lernen, Methoden der mathematischen Modellierung auf systembiologische Modelle anzuwenden. Dazu gehören
• Kenntnisse über die grundlegenden Konzepte biologischer Netzwerke, die Grundstruktur systembiologischer Modelle und die Analyse komplexer biologischer Systeme unter Verwendung mathematischer und wissenschaftlicher Fähigkeiten durch wissenschaftliche Publikationen.
• Kenntnisse und Verständnis dafür haben, wie mathematische Modelle zellulärer Prozesse und biochemischer Reaktionen formuliert und ihre Modellparameter geschätzt werden können.
• Die wichtigsten Bereiche bei Krebserkrankungen kennen, in denen die mathematische Modellierung zu unserem Verständnis beigetragen hat, wie man eine mathematische Modellierungsarbeiten in all ihren Aspekten (Methoden, Ergebnisse, Diskussion) liest.

Teilnahmevoraussetzungen INFM1010 Mathematik für Informatik 1: Analysis,

INFM1020 Mathematik für Informatik 2: Lineare Algebra,

INFM2010 Mathematik für Informatik 3: Fortgeschrittene Themen
Dozent/in Mostolizadeh
Literatur / Sonstiges

Originalarbeiten und zusätzliche Materialien werden im Seminar ausgegeben.

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche BIO-BIO, BIO-SEM, INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-MEDTECH, MEDZ-SEM, ML-CS



Nummer

BIOINF4394 (entspricht BIO-4394)
Titel

Systembiologie II
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl), Übungsschein als Prüfungsvoraussetzung. Übungspunkte können als Bonuspunkte in die Klausurwertung eingehen.

Inhalt

Diese anwendungsorientierte Veranstaltung vermittelt wesentliche Kenntnisse zur dynamischen Modellierung biologischer Systeme. Dadurch erschließen sich zahlreiche Anwendungsgebiete, wie die Optimierung biotechnologischer Prozesse, personalisierte Medizin, präklinische Studien und zum Verständnis aktueller systembiologischer Forschung. Darüber hinaus erlernen die Studenten, mit der auf der Programmiersprache Python basierenden Programmierumgebung Tellurium zu arbeiten, die die deklarative systembiologische Modellierungssprache namens „Antimony” mit sich bringt.

Die Studenten lernen die grundlegende Herangehensweise zur Erstellung biochemischer Reaktionsmodelle sowie Konzepte zur Analyse dynamischer Netzwerkzustände. Datenquellen und Repräsentationsformen für die Modelle werden behandelt. Um plausible Modelle zu erhalten, liegt ein Schwerpunkt auf physikalischen Randbedingungen und impliziten Annahmen, wie die Massenerhaltung, Arten biochemischer Reaktionen, Prinzipien der Enzymkatalyse, Anwendung und Herleitung kinetischer Gleichungen, offene und geschlossene Systeme und der Einfluss reversibler Reaktionen auf das Gesamtsystem sowie Prozesse, die auf verschiedenen Zeitskalen ablaufen. Weiterhin werden Energieerhaltung, der Einfluss von Kofaktoren und Redoxpotentialen, sowie Regulationsmechanismen in biochemischen Systemen betrachtet. Studenten lernen, wie durch die Schätzung von Größenordnungen zellulärer Komponenten die Korrektheit von Simulationsergebnissen eingestuft werden kann. Die Studenten erhalten einen Überblick über für die Simulation relevante numerische Methoden und lernen, Modelle dynamisch zu simulieren. Für die Analyse von Simulationsergebnissen werden geeignete graphische Repräsentationsformen besprochen. Abschließend werden die gelernten Prinzipien auf ausgewählte Stoffwechselpfade angewendet und deren Kopplung im Hinblick auf zelluläre Skala besprochen.

Die Inhalte bauen nicht direkt auf der Vorlesung Systembiologie I auf, sodass diese Veranstaltung unabhängig davon gehört werden kann.

Qualifikationsziele

Die Studenten lernen, Methoden der mathematischen Modellierung auf systembiologische Modelle anzuwenden. Dazu gehören
• das Erstellen von Modellen biochemischer Reaktionsnetzwerke,
• die Simulation und Analyse der dynamischen Antworten dieser Modelle,
• sowie grundlegende Programmiertechniken zur Lösung von Problemen der Systembiologie.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Dräger
Literatur / Sonstiges

1. Bernhard Ø. Palsson 2011. Systems Biology: Simulation of Dynamic Network
States. Cambridge University Press, New York, ISBN 978-1-107-
00159-6.
2. David S. Goodsell. 2009. The Machinery of Life. 2. Ausgabe, Springer-
Verlag, ISBN 978-0387849249.
3. Jan Koolman und Klaus-Heinrich Roehm. Color Atlas of Biochemistry.
2. Ausgabe, Thieme, 2005.

Zuletzt angeboten Sommersemester 2022
Geplant für Wintersemester 2023
Zugeordnete Studienbereiche BIO-BIO, MEDZ-BIOMED, MEDZ-RES



Nummer

INFO-4250
Titel

Informationsverarbeitung in Wahrnehmung & Handlung
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Wird zu Beginn des Semesters bekanntgegeben

Inhalt

Sowohl der Mensch als auch komplexe technische Systeme verarbeiten sensorische Informationen, um mit der Umwelt zu interagieren. Diese Aktionen haben Konsequenzen, die (wiederum) sensorische Ereignisse erzeugen, die verarbeitet und zur Verbesserung der Interaktion mit der Umwelt genutzt werden können. Wir werden fortgeschrittene Themen dieser vollständigen "Wahrnehmungs- und Handlungsschleife" sowohl beim Menschen als auch bei technischen Systemen diskutieren. Ein besonderer Schwerpunkt wird auf der experimentellen Literatur aus den Kognitions- und Neurowissenschaften und auf fortgeschrittenen statistischen Methoden liegen.

Qualifikationsziele

Die Studierenden kennen aktuelle Ansichten zur biologischen Informationsverarbeitung und zur Interaktion des Menschen mit technischen Systemen. Sie lernen und verstehen fortgeschrittene statistische und empirische Methoden, die zur Gewinnung dieses Wissens eingesetzt wurden. Dieses Fachwissen wird ihnen helfen, ihr Wissen in interdisziplinären Arbeitsumgebungen anzuwenden, wann immer empirische Studien über menschliche Leistungen und Handlungen erforderlich sind.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Franz
Literatur / Sonstiges

Wird zu Beginn des Semesters bekanntgegeben / Will be announced at beginning
of semester, / No formal requirements, but students should have a good background in statistics and should have attended introductory/mid–level courses in Cognitive
Science/Neuroscience.

Zuletzt angeboten -
Geplant für -
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-HCI, MEDI-INFO, MEDI-MEDI, MEDZ-SEM, ML-CS



Nummer

INFO-4177
Titel

Intelligent Systems II - Learning in Computer Vision
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Graphische Modelle; Bayesian Belief Networks; Markov RandomFields; Conditional Random Fields; Lernen von strukturierten Variablen; Bayesianische Entscheidungstheorie; Loss-basiertes Lernen; Parameterlernen in Graphischen Modellen; Strukturierte Support Vector Maschinen; exakte und approximative Inferenzmethoden; Anwendungen in der Bildverarbeitung; Segmentierung; Human Pose Estimation; Bild entrauschen; Stereo; Objekterkennung

Qualifikationsziele

Die Studierenden lernen, wie komplizierte statistische Zusammenhänge mit Hilfe von graphischen Modellen dargestellt werden können. Dabei werden konkrete und aktuelle Probleme aus den Bereichen Bildverarbeitung und Bildverstehen gelöst. Diverse Lernmethoden erlauben es, Daten-getrieben Parameter automatisch einzustellen und die erreichte Performance zu evaluieren.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Gehler, Lensch, MPI
Literatur / Sonstiges

Vorlesungsfolien werden bereitgestellt

Zuletzt angeboten Sommersemester 2020
Geplant für ---
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-VIS, ML-CS, ML-DIV



Nummer

INFO-4141
Titel

Implementierung Relationaler Datenbanksysteme (DB2)
Lehrform(en)

Vorlesung, Übung
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Klausur (bei kleiner Teilnehmerzahl mündliche Prüfung), Übungen können als Bonuspunkte in die Klausur einfließen.

Inhalt

Internas von PostgreSQL und MonetDB, Sekundärspeicherzugriff und Datenlayout, Indexstrukturen (B+-Bäume, Hashes), multidimensionale Indexstrukturen, Sortierverfahren auf Sekundärspeichern, Anfrageauswertung, Plangenerierung und -optimierung für SQL, Transaktionen (ACID-Prinzip)

Qualifikationsziele

Die Rolle und Relevanz der Interna eines Datenbanksystems werden verdeutlicht und analysiert. Über das gesamte Semester hinweg stellen wir PostgreSQL und MonetDB gegenüber, sodass die Teilnehmer die Eignung disk- und hauptspeicher-basierter Datenbanktechnologie für konkrete Applikationen einschätzen können. Die Studierenden wissen diese neuen Kenntnisse mit den Konzepten der Vorlesung “DB1” zu verknüpfen. Die Studierenden verstehen, welche grundlegenden Parameter und Algorithmen einen effizienten Datenbankbetrieb ermöglichen und können diese für konkrete Anwendungsfälle optimieren. Dabei wird das Thema in einer Tiefe behandelt, die den Studierenden Lese- und Lernkompetenz vermittelt sowie Disziplin und Präzision trainiert.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Grust
Literatur / Sonstiges

• Ramakrishnan / Gehrke: Database Management Systems
• Heuer / Saake: Datenbanken: Implementierungstechniken
• Relationale Datenbanksysteme (Software und Manuals): PostgreSQL,
MonetDB
• Klassische und aktuelle Forschungsartikel zum Thema

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4142
Titel

Datenbanksysteme und moderne CPU-Architekturen
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Klausur (bei kleiner Teilnehmerzahl mündliche Prüfung), Übungen können als Bonuspunkte in die Klausur einfließen.

Inhalt

CPU-Architekturen, Pipelining, Parallelität, multi-skalare CPUs, Pipelining und Anfrageauswertung, CPU-Caches, cache-bewusste Datenbankarchitektur, Hauptspeicherdatenbanken (Internas und praktischer Einsatz)

Qualifikationsziele

Die Studierenden verstehen ein Datenbanksystem als Synthese von CPU- /Rechnerarchitektur und eigentlicher Datenbankarchitektur. Bestehende Datenbankarchitekturen können sie bzgl. ihrer Eignung zur Ausführung auf einer gegebenen Rechnerarchitektur bewerten. Dieses Modul verbindet die Welten der CPUs (Instruktionsebene) und der Datenbanksysteme (Anfrageprozessor) und fördert so Systemverständnis über viele Architekturebenen hinweg.

Teilnahmevoraussetzungen INFO-4141 Implementierung Relationaler Datenbanksysteme (DB2)
Dozent/in Grust
Literatur / Sonstiges

• Hennessy / Patterson: Computer Architecture - A Quantitative Approach
• CPU-Simulatoren und Hauptspeicher-Datenbanksysteme (Software und
Manuals), etwa MonetDB, VectorWise, HyPer, Umbra, kdb+
• Aktuelle Forschungsartikel zum Thema

Zuletzt angeboten ---
Geplant für ---
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, ML-CS



Nummer

INFO-4147
Titel

Deklarative Datenbanksprachen
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Klausur (bei kleiner Teilnehmerzahl mündliche Prüfung), Übungen können als Bonuspunkte in die Klausur einfließen.

Inhalt

Semantik und interne Repräsentation von SQL (z.B. Comprehensions), Compilation von SQL, Datenbanksprachen für nicht-relationale Daten, neue Paradigmen für datenintensives Programmieren, Interaktion von Datenbanken und Programmierumgebungen, Compilation von Programmiersprachenkonstruktuen zur Ausführung auf Datenbanksystemen

Qualifikationsziele

Die Studierenden kennen Compilationstechniken für die behandelten Datenbanksprachen. Bezüge zum klassischen Compilerbau und die Notwendigkeit neuer Übersetzungsverfahren werden erkannt. Die Studierenden kennen den zentralen Begriff des Impedance Mismatch, der das gesamte Themenfeld bestimmt. Die resultierende Problematik wird analysiert und alternative Lösungsansätze können bzgl. Verwendbarkeit und Effizienz eingeschätzt werden. Bezüge zu funktionalen Programmiersprachen (Semantik und Übersetzungsverfahren) können erkannt und ausgenutzt werden. Dabei wird das Thema in einer Tiefe behandelt, die den Studierenden Lese- und Lernkompetenz vermittelt sowie Disziplin und Präzision trainiert.

Teilnahmevoraussetzungen INF3131 Einführung in Relationale Datenbanksysteme (DB1),

INF3182 Compilerbau
Dozent/in Grust
Literatur / Sonstiges

• Compiler / Interpreter und Datenbanksysteme (Software und Manuals)
• Literatur zu deklarativen und funktionalen Programmiersprachen
• Aktuelle Forschungsartikel zum Thema

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4149
Titel

Spezielle Kapitel zu Datenbanksystemen
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Klausur (bei kleiner Teilnehmerzahl mündliche Prüfung), Übungen können als Bonuspunkte in die Klausur einfließen.

Inhalt

Wechselnde vertiefte Themen aus den Teilgebieten des Forschungsfeldes Datenbanksysteme. Einsatz von Datenbanksystemen zur Realisierung anspruchsvoller Applikationen (Advanced SQL).

Qualifikationsziele

Die Studierenden besitzen Kenntnisse über die Forschungsmethodik im Bereich der Datenbanksysteme. Der Fokus liegt vor allem auf dem Einsatz von SQL als Datenbanksprache, deren effiziente Übersetzung, sowie ihr Einsatz für die Realisierung sehr komplexer Applikationen. Die Teilnehmer sind auf die Erstellung wissenschaftlicher Arbeiten insbesondere in Teilgebieten des Forschungsfeldes Datenbanksysteme vorbereitet. Die Studierenden können sich gezielt auf Master-Arbeiten und Forschungsprojekte vorbereiten.

Teilnahmevoraussetzungen INF3131 Einführung in Relationale Datenbanksysteme (DB1)
Dozent/in Grust
Literatur / Sonstiges

Klassische und aktuelle Forschungsliteratur zum Themengebiet.

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4663
Titel

Fortgeschrittene Themen in Datenbanksystemen
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Präsentation

Inhalt

Das Seminar beinhaltet das Erarbeiten von Quellen unter Betreuung zu weiterführenden Themen aus dem Bereich der Datenbanktechnologie. Die Präsentation und das schriftliche Zusammenfassen schließen den Seminarbeitrag jeweils ab. Aktive Teilnahme an den einzelnen Sitzungen ist ein wichtiger Bestandtei des Seminars.

Qualifikationsziele

Die Studierenden können einen erweiterten und komplexen Sachverhalt des Gebietes Datenbanksysteme aus (englischen) Original-Quellen selbständig erarbeiten, verstehen und in Form eines Vortrages präsentieren und auch in einer Diskussion vor einem Plenum vertreten. Der Einsatz verschiedener Präsentationstechniken wird abgewogen, trainiert und im Plenum praktiziert. Als Zuhörer sind die Teilnehmer in der Lage, ihren Kommilitonen zu inhaltlichen und formalen Aspekten der Präsentation kritisches aber faires Feedback zu geben. Neben der mündlichen Präsentation können sie das erarbeitete Thema schriftlich darlegen und in Form eines kurzen wissenschaftlichen Artikels zusammenfassen.

Teilnahmevoraussetzungen INF3131 Einführung in Relationale Datenbanksysteme (DB1)
Dozent/in Grust
Literatur / Sonstiges

Wechselnde Original-Literatur aus dem Forschungsfeld der Datenbanksysteme

Zuletzt angeboten Wintersemester 2022
Geplant für Wintersemester 2023
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS



Nummer

INFO-4664
Titel

Data and Business Analytics
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

Vortrag 40 %, Ausarbeitung 40 %, Beteiligung an den Diskussionen 20 %

Inhalt

Das Seminar umfasst theoretische Grundlagen wie praxis- und berufsorientierte Anwendung anhand von Real-World Applikationen in Wissenschaft und Wirtschaft.

Die Auswahl der Themen orientiert sich am Interesse und Kenntnisstand der Teilnehmer. Die Verteilung der Themen erfolgt in der obligatorischen Vorbesprechung (ggf. Losverfahren bei zu vielen Interessen).

Qualifikationsziele

TBD

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Huber
Literatur / Sonstiges

-

Zuletzt angeboten Sommersemester 2021
Geplant für Sommersemester 2023
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-HCI, MEDI-INFO, MEDI-MEDI, MEDZ-SEM, ML-CS



Nummer

BIOINF4241 (entspricht BIO-4241)
Titel

App Design in Bioinformatics
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

inhalt 4241

Qualifikationsziele

goals 4241

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Huson
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche BIO-BIO, INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-HCI, MEDI-INFO, MEDI-MEDI, MEDZ-BIOMED, ML-CS



Nummer

BIOINF4242 (entspricht BIO-4242)
Titel

Advanced Java in Bioinformatics
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Jedes Semester
Unterrichtssprache Englisch
Prüfungsform

Programmierprojekte

Inhalt

In diesem Kurs lernen wir die neuesten Funktionen von Java kennen, um anspruchsvolle Programmierprobleme in der Bioinformatik zu lösen. Zu den Themen gehören JavaFx, zwei- und dreidimensionale Grafiken, Eigenschaften und Bindungen, Animation, gleichzeitige Programmierung und Webprogrammierung. Wir werden ein voll funktionsfähiges, interaktives Bioinformatikprogramm erstellen.

Qualifikationsziele

Die Studierenden sind in der Lage, ein vollwertiges Bioinformatikprogramm zu entwerfen und zu implementieren. Sie sind in der Lage, ein rechnerisches Problem zu analysieren und eine geeignete Lösung zu entwickeln. Sie kennen sowohl die Möglichkeiten als auch die Grenzen der Anwendung von Java zur Lösung von Berechnungsaufgaben. Sie sind in der Lage, Probleme auf wissenschaftlichem Niveau zu analysieren und schriftlich zusammenzufassen. Insbesondere wird ein hohes Maß an intrinsischer Motivation und Eigenverantwortung gefördert.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Huson
Literatur / Sonstiges

Programming and bioinformatics literature

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2023
Zugeordnete Studienbereiche BIO-BIO, INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDZ-BIOMED, ML-CS



Nummer

BIOINF4240 (entspricht BIO-4240)
Titel

Bioinformatik-Tools
Lehrform(en)

Praktikum
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Jedes Semester
Unterrichtssprache Englisch
Prüfungsform

Die Gesamtnote ergibt sich aus der erbrachten Leistung, einem schriftlichen Bericht über jeden Tag des Praktikums und ein bis zwei mündlichen Kurzvorträgen.

Inhalt

In diesem Praktikum arbeiten die Studierenden an einem Mini-Forschungsprojekt auf dem Gebiet der Genomik, Metagenomik oder Phylogenetik. In Teams arbeiten die Teilnehmer mit modernsten Bioinformatik-Tools, um eine Reihe typischer Berechnungsfragen zu beantworten. Während des Kurses informieren sich die Studierenden über verschiedene Methoden und stellen sie sich gegenseitig in kurzen Präsentationen vor.

Qualifikationsziele

Die Studierenden sammeln praktische Erfahrungen in der Anwendung von Bioinformatik-Software zur Analyse von NGS-Daten im Kontext von Genomik, Metagenomik oder Phylogenetik. Sie werden in der Lage sein, Bibliotheken und Frameworks zu nutzen und Kenntnisse in Java und Python zu erwerben oder zu erweitern. Durch die Zusammenarbeit in Gruppen erlangen die Studierenden Teamwork- und Kollaborationsfähigkeiten und lernen Projektorganisation und Präsentationstechniken kennen. Die Studierenden kennen die Stärken und Schwächen sowie die Grenzen verschiedener Methoden für molekulare Sequenzdaten und können diese Methoden beschreiben und bewerten.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Huson
Literatur / Sonstiges

Scientific publications

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche BIO-PRAK



Nummer

BIOINF4311 (entspricht BIO-4311)
Titel

Mikrobiomanalyse
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur oder mündliche Prüfung

Inhalt

Dieser Kurs bietet eine ausführliche Einführung in die Mikrobiomanalyse. Die Themen umfassen: Sequenziertechnologien, Erstellung von Gemeinschaftsprofilen mithilfe des SSU rRNA-Gens, Erstellung von Gemeinschaftsprofilen durch Shotgun-Sequenzierung, Alignment-freie und Alignment-basierte taxonomische Profilerstellung, Funktionelle Analyse und Profilerstellung, Probenvergleich und Zeitserienanalyse.

Qualifikationsziele

Die Studierenden kennen die neuesten bioinformatischen Erkenntnisse zur Mikrobiomanalyse. Sie können die Herausforderungen der Mikrobiomanalyse für die Bioinformatik formulieren. Sie kennen Algorithmen zur taxonomischen und funktionalen Analyse von Mikrobiom-Sequenzierungsdaten, statistische Methoden zum Vergleich und Methoden zur Erstellung von Community-Profilen anhand von 16S-Sequenzen. Die Studierenden können Mikrobiom-Sequenzierungsdaten analysieren und Profiling und Vergleiche durchführen. Sie kennen sowohl die Möglichkeiten als auch die Grenzen der verschiedenen Methoden in diesem Teilgebiet der Bioinformatik. Sie sind in der Lage, Problemstellungen auf wissenschaftlichem Niveau zu analysieren und schriftlich zusammenzufassen. Insbesondere wird ein hohes Maß an intrinsischer Motivation und Eigenverantwortung gefördert.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Huson
Literatur / Sonstiges

Lecture notes and scientific publications

Zuletzt angeboten Sommersemester 2021
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche BIO-BIO, INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDZ-BIOMED, ML-CS



Nummer

BIOINF4322 (entspricht BIO-4322)
Titel

Metagenomics
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Mündlicher Vortrag (ca. 30 Minuten) und schriftliche Ausarbeitung (ca. 10 Seiten), einmal Diskussionsleitung

Inhalt

In diesem Seminar befassen wir uns mit aktuellen Forschungsthemen im Bereich der Mikrobiomanalyse, wie Metagenomik, Meta-Transkriptomik und Meta-Proteomik. Wir werden uns in gewissem Maße auf das menschliche Mikrobiom konzentrieren. Wir bieten eine Reihe von Themen und zugehörigen Veröffentlichungen zur Auswahl an, und jeder Teilnehmer hält einen mündlichen Vortrag und schreibt einen Bericht über sein gewähltes Thema.

Qualifikationsziele

Die Studierenden können selbstständig unter Anleitung ein anspruchsvolles Thema durch systematische Recherche bearbeiten. Sie können Konzepte und Methoden im Kontext der Mikrobiomanalyse zusammenfassen, bewerten, einordnen und wissenschaftlich korrekt darstellen und präsentieren. Die Studierenden erhalten zum einen einen Überblick über den aktuellen Wissensstand auf dem Gebiet der Mikrobiomanalyse. Andererseits wissen die Studierenden, dass es in diesem Bereich noch viele offene Forschungsfragen gibt. Durch das Studium aktueller Artikel haben die Studierenden nicht nur ihre Lese- und Lernfähigkeit, sondern auch ihre Eigenverantwortung verbessert. Die im Seminar angewandte Lernform soll den Studierenden helfen, Selbstvertrauen (Präsentation) und Kritik- und Kommunikationsfähigkeit (anschließende Diskussion) zu entwickeln.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Huson
Literatur / Sonstiges

Scientific publications

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche BIO-BIO, BIO-SEM, INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS



Nummer

BIOINF4361 (entspricht BIO-4361)
Titel

Advanced Sequence Analysis
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

Inhalt bio4361

Qualifikationsziele

goals bio4361

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Huson
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche BIO-BIO, INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDZ-BIOMED, ML-CS



Nummer

BIOINF4362 (entspricht BIO-4362)
Titel

Algorithms in Bioinformatics
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Mündlicher Vortrag (ca. 30 Minuten) und schriftliche Ausarbeitung (ca. 10 Seiten), einmal Diskussionsleitung

Inhalt

In diesem Seminar befassen wir uns mit aktuellen Forschungsthemen in der Bioinformatik, z. B. mit schnellen Alignment-Methoden oder dem Zusammenfügen einzelner Sequenzen. Wir bieten eine Reihe von Themen und zugehörigen Veröffentlichungen zur Auswahl an, und jeder Teilnehmer hält einen mündlichen Vortrag und verfasst einen Bericht über sein gewähltes Thema.

Qualifikationsziele

Die Studierenden können unter Anleitung selbstständig ein anspruchsvolles Thema durch systematische Forschung bearbeiten. Die Studierenden sammeln Erfahrung im Halten eines Fachvortrags und im Verfassen eines Fachberichts in Bioinformatik. Sie fassen Konzepte und Methoden von Algorithmen in der Bioinformatik zusammen, bewerten, klassifizieren, stellen sie wissenschaftlich korrekt dar und präsentieren sie. Die Studierenden erhalten zum einen einen Überblick über den Stand der Technik von Algorithmen in der Bionformatik. Andererseits wissen sie, dass es in diesem Bereich noch viele offene Forschungsfragen gibt. Durch das Studium aktueller Artikel haben die Studierenden nicht nur ihre Lese- und Lernfähigkeit, sondern auch ihre Eigenverantwortung verbessert. Die im Seminar angewandte Lernform soll den Studierenden helfen, Selbstvertrauen (Präsentation) und Kritik- und Kommunikationsfähigkeit (anschließende Diskussion) zu entwickeln.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Huson
Literatur / Sonstiges

Scientific publications

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche BIO-BIO, BIO-SEM, INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS



Nummer

BIOINF4110 (entspricht BIO-4110)
Titel

Sequence Bioinformatics
Lehrform(en)

Vorlesung, Übung
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Englisch
Prüfungsform

Klausur oder mündliche Prüfung

Inhalt

Dieser Kurs behandelt sequenzbasierte Bioinformatik und Evolution. Die Hauptthemen sind paarweises Alignment, BLAST und verwandte Heuristiken, Suffixbäume und ihre Anwendungen, Sequenzassemblierung, multiples Alignment, Hidden-Markov-Modelle, Gensuche, Motivsuche, Methoden des maschinellen Lernens, Modelle der DNA-Evolution, Phylogenie, Phylogenie des gesamten Genoms, Berechnungsmethoden in der Genomik und Metagenomik.

Qualifikationsziele

Das erste Ziel dieses Kurses ist es, die Studierenden in fortgeschrittene Konzepte und Methoden der Bioinformatik einzuführen, wobei der Schwerpunkt auf algorithmischen, rechnerischen und mathematischen Aspekten liegt. Das zweite Ziel dieses Kurses ist es, die Studierenden in die Lage zu versetzen, fortgeschrittene Methoden auf Probleme in der Molekularbiologie und verwandten Gebieten anzuwenden. Nach dem Besuch dieses Kurses werden die Studierenden ein gutes Verständnis der wichtigsten Ansätze in der sequenzbasierten Bioinformatik haben und wissen, welche Probleme mit diesen Methoden angegangen werden können und wie sie diese Methoden anwenden können.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Huson
Literatur / Sonstiges

Lecture notes and scientific publications

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche BIO-SEQ, INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-BIOINFO, MEDZ-RES, ML-CS



Nummer

INFO-4380
Titel

Blickbasierte Mensch-Maschine Interaktion
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Schriftliche Prüfung (bei kleiner Anzahl der Teilnehmer*innen ggf. mündliche Prüfung)

Inhalt

Themenbereiche: Vertiefende Themen im Bereich der visueller Wahrnehmung (Fixationen, Sakkaden, Blickmuster), Mechanismen visueller Aufmerksamkeit, Messung von Blickbewegungen (Eye-Tracking), Analyse von Eye-Tracking Daten mit maschinellen Lernverfahren, Blickbasierte Ansteuerung von Computersystemen, Nutzung von Blickinformationen für interaktive Systeme (inkl. Anwendungen in der virtuellen (VR) und augmentierten Realität (AR)).

Qualifikationsziele

Die Studierenden beherrschen theoretische Methoden des blickbasierte Interaktion und können diese problemorientiert anwenden. Sie sind in der Lage, im Studium erworbene Fachkenntnisse und Forschungsmethoden in einem Projekt umzusetzen und auf die industrielle Praxis anzuwenden. Die Studierenden beherrschen zudem maschinelle Lernverfahren zur Analyse und Interpretation von Eye-Tracking Daten im Bereich der Mensch-Maschine-Interaktion und sind in der Lage, diese selbständig auf Problemfelder der Informatik zu übertragen und situationsangemessen anzuwenden.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Kübler
Literatur / Sonstiges

Vorlesungsfolien, zusätzliche Literatur wird bekanntgegeben

Zuletzt angeboten ---
Geplant für ---
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-TECH, MEDI-APPL, MEDI-HCI, MEDI-INFO, MEDI-MEDI, ML-CS



Nummer

INFO-4381
Titel

Fortgeschrittene Themen in Mensch-Maschine-Interaktion
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Mündlicher Vortrag von mind. 30 Minuten und schriftlicher Bericht (Aufsatz mind. 8 Seiten)

Inhalt

Dieses Seminar behandelt aktuelle und wechselnde Themen aus Forschung und Anwendung im Bereich der (multimodalen) Mensch-Maschine-Interaktion.

Qualifikationsziele

Die Studierenden lesen und reflektieren die aktuelle Forschung im Bereich der Mensch-Computer-Interaktion. Sie können aktuelle Forschungsergebnisse vor anderen Studierenden und Forschern präsentieren sowie Forschungsdiskussionen leiten. Sie können die Ergebnisse einer Arbeit in Form eines schriftlichen Forschungsberichts zusammenfassen und bewerten.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Castner, Häufle
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-HCI, MEDI-INFO, MEDI-MEDI, MEDZ-SEM, ML-CS



Nummer

INFO-4431
Titel

Methoden der Diskreten Mathematik in der Informatik
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

inhalt 4431

Qualifikationsziele

goals 4431

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Kaufmann
Literatur / Sonstiges

-

Zuletzt angeboten -
Geplant für -
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4411
Titel

Algorithm Engineering
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

inhalt 4411

Qualifikationsziele

goals 4411

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Kaufmann
Literatur / Sonstiges

-

Zuletzt angeboten -
Geplant für -
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4412
Titel

Algorithmen und Komplexität
Lehrform(en)

Vorlesung, Übung
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Themen sind u.a. Matching, MinCostFlow, Lineares Programmieren, Approximationsschemata, Netzwerkanalyse, Algorithmische Geometrie, Komplexitätsfragen wie z.B. Untere Schranken.

Qualifikationsziele

Die Studierenden vertiefen ihre Kenntnisse über algorithmische Techniken in verschiedenen Problemfeldern. Dazu gehören die Anwendung von komplexen Graphalgorithmen, die Beherrschung von Strategien zur Netzwerkanlayse sowie die Fähigkeit, Näherungsmethoden anzuwenden und selbst zu entwickeln. Im Bereich Komplexitätsfragen können die Studierenden Probleme nach ihrem Schwierigkeitsgrad beurteilen und diese Beurteilungen mittels der erlernten Techniken auch beweisen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Kaufmann
Literatur / Sonstiges

Raghavan, Magnati, Orlin: Network Algorithms
Mehlhorn, Näher: LEDA - A platform for combinatorial and geometric computation
Papadimitriou, Steiglitz: Combinatorial optimization : algorithms and complexity

Zuletzt angeboten ---
Geplant für ---
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4415
Titel

Randomisierte Algorithmen
Lehrform(en)

Vorlesung
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

inhalt 4415

Qualifikationsziele

goals 4415

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Kaufmann
Literatur / Sonstiges

-

Zuletzt angeboten -
Geplant für -
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4419
Titel

Spezielle Themen der Algorithmik
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Das Modul beinhaltet vertiefende Veranstaltungen aus den Bereichen Algorithmik, die die grundlegenden Module dieses Bereiches ergänzen. Es richtet sich vor allem an Studierende, die speziell Kenntnisse in diesem Bereich erwerben wollen.

Qualifikationsziele

Die Studierenden sind in der Lage spezielle Themen der Algorithmik einzuordnen und zugehörige Algorithmen zu analysieren und zu beurteilen. Sie sind in der Lage, die Konzepte auf neue Anwendungen zu übertragen und eigene Lösungsstrategien zu entwerfen. Sie entwickeln in diesen Themenbereichen ihre Abschlussarbeiten.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Kaufmann, Schlipf
Literatur / Sonstiges

Raghavan, Magnati, Orlin: Network Algorithms
Mehlhorn, Näher: LEDA - A platform for combinatorial and geometric computation
Papadimitriou, Steiglitz: Combinatorial optimization : algorithms and complexity

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4520
Titel

Netzwerkalgorithmen
Lehrform(en)

Praktikum
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Abnahme des Praktikumsprojekts im Verlauf des Semesters, dabei fließen sowohl die Präsentation als auch die Ausarbeitung in die Note ein.

Inhalt

Dieses Praktikum vertieft einzelne praktische Aspekte von Netzwerkalgorithmen, wie sie in entsprechenden Veranstaltungen, z. B. Methoden der Algorithmik, Algorithmen und Komplexität, oder Diskrete Optimierung, angesprochen werden.

Qualifikationsziele

Die Studierenden können mehrere der Methoden softwaretechnisch umsetzen. Diese Umsetzung erstreckt sich von Anforderungsanalyse, über Design und Implementierung bis hin zu Text und Dokumentation.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Kaufmann
Literatur / Sonstiges

Originalliteratur wird bekanntgegeben

Zuletzt angeboten nicht bekannt
Geplant für Wintersemester 2023
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-THEO, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, MEDI-WEB, ML-CS



Nummer

INFO-4653
Titel

Kombinatorische Algorithmen
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Die Endnote bestimmt sich aus Vortrag, Ausarbeitung und Beteiligung an den Diskussionen.

Inhalt

Das Seminar beinhaltet das Erarbeiten von schriftlichen Quellen zu Themen aus den Bereichen Effizienten Algorithmen unter Betreuung. Präsentation und das schriftliche Zusammenfassen schließen den Seminarbeitrag jeweils ab. Aktive Teilnahme an den einzelnen Sitzungen ist ein wichtiger Bestandteil des Seminars.

Qualifikationsziele

Die Studierenden können einen erweiterten und komplexen Sachverhalt aus dem Bereich Kombinatorische Algorithmen aus schriftlicher Quelle selbständig erarbeiten, verstehen und in Form eines Vortrages präsentieren und auch in einer Diskussion vor einem Plenum vertreten. Neben der mündlichen Präsentation können sie das erarbeitete Thema schriftlich darlegen und zusammenfassen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Kaufmann
Literatur / Sonstiges

wechselnd

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS



Nummer

INFO-4432
Titel

Diskrete Optimierung
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Klausur (bei kleiner Teilnehmerzahl mündliche Prüfung), Übungen können als Bonuspunkte in die Klausur einfließen.

Inhalt

Themen sind u.a. Grundlagen der linearen Optimierung, Verfahren der linearen Optimierung, insbesondere Simplex-Algorithmus, Grundlagen der ganzzahligen Optimierung, Branch-and-Bound, Cutting Planes und ausgewählte Beispiele der kombinatorischen Optimierung

Qualifikationsziele

Die Studierenden kennen einige wichtige Algorithmen der linearen, ganzzahligen und kombinatorischen Optimierung sowie die zugrunde liegenden theoretischen Methoden. Sie sind in der Lage, die Verfahren hinsichtlich ihrer Komplexität zu beurteilen. Durch das formal korrekte Aufschreiben der Lösungen und die Umsetzung der in der Vorlesung vorgestellten Methoden erwerben die Studierenden notwendige Kompetenzen für eigene wissenschaftliche Arbeiten.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Kaufmann
Literatur / Sonstiges

Nemhauser, Wolsey: Integer and Combinatorial Optimization, Wiley (1999)
Skript zur Vorlesung

Zuletzt angeboten ---
Geplant für ---
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

BIOINF4120 (enstpricht BIO-4120)
Titel

Struktur- und Systembioinformatik
Lehrform(en)

Vorlesung, Übung
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Mündliche Prüfung oder Klausur bei hoher Teilnehmerzahl, 50% der Punkte in den Übungen sind Zulassungsvoraussetzung zur Prüfung, Übungspunkte zählen in begrenztem Umfang als Bonuspunkte in der Prüfung

Inhalt

Schwerpunktmäßig werden in der Vorlesung die Themen RNA-Struktur un -Strukturvorhersage, Proteinstrukturen und deren Modellierung, Proteinstrukturvorhersage, Methoden und Konzepte der Systembiologie, Algorithmen für die Analyse von Expressionsdaten und Biologische Netzwerke (Konzepte, Inferenz, Simulation) behandelt. Die Vorlesung geht auf die Themen, die bereits im BSc-Modul ‚Grundlagen der Bioinformatik’ enthalten sind, vertieft ein und behandelt dabei insbesondere fortgeschrittene Techniken sowie forschungsbezogene Anwendungen. Projektarbeit zu forschungsbezogenen Themen ist in die Vorlesung eingebettet.

Qualifikationsziele

Die Studierenden können struktur- und systembiologische Probleme abstrahieren und formalisieren. Sie kennen kompetente Anwendungen gängiger Verfahren und Werkzeuge der Struktur- und Systembioinformatik und können diese auf biologische Daten anwenden. Sie haben ihre Sprachkompetenz (Englisch) in Hörverstehen, Schrift und Präsentation verstärkt.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Kohlbacher
Literatur / Sonstiges

Folien zur Vorlesung
Branden, Tooze: Introduction to Protein Structure, Garland Science, 1998
Andrew Leach: Molecular Modeling. Principles and Applications,
Prentice Hall, 2nd ed., 2001

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche BIO-STRUK, INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDZ-BIOINFO, MEDZ-RES, ML-CS



Nummer

BIOINF4220 (entspricht BIO-4220)
Titel

Integrative Bioinformatik
Lehrform(en)

Praktikum
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Nach der Lehrveranstaltung ist ein schriftlicher Bericht abzugeben. Auch studienbegleitende Leistungen fließen in die Abschlussnote ein.

Inhalt

In diesem Praktikum werden die Grundlagen der Modellierung biologischer Daten und der Integration heterogener Datensätze vermittelt und an konkreten Beispielen angewendet. Mit Hilfe der Skriptsprache Python werden die Daten geparst und in einer Datenbank konsolidiert. Auf diesen integrierten Daten werden biologisch relevante, anschauliche Analysen durchgeführt. Datenintegration, -exploration, -visualisierung, statistische Tests und maschinelles Lernen werden auf einen Datensatz aus genomischen, transkriptomischen, metabolomischen und phänomischen Daten von genetisch gleichen Proben angewandt.

Qualifikationsziele

(1) Die Studierenden lernen, wie man heterogene biologische Daten analysiert und in Datenbanken integriert. (2) Sie lernen, statistische Analysen an biologischen Daten durchzuführen und ihre Ergebnisse visuell zusammenzufassen und darzustellen. (3) Sie lernen, die Ergebnisse integrativer Analysen zu interpretieren und diese Ergebnisse in prägnanter Form zu berichten.

Teilnahmevoraussetzungen BIOINF4120 (enstpricht BIO-4120) Struktur- und Systembioinformatik
Dozent/in Kohlbacher
Literatur / Sonstiges

Will be supplied during the course.

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche BIO-PRAK



Nummer

BIOINF4230 (entspricht BIO-4230)
Titel

Angewandter strukturbasierter Wirkstoffentwurf
Lehrform(en)

Praktikum
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Schriftliche Ausarbeitung und darauf basierende Präsentation

Inhalt

Dieses Modul beschäftigt sich mit der praktischen Anwendung grundlegender Techniken und Werkzeuge des computergestützten Wirkstoffentwurfs. Dazu werden die Programmpakete BALLView, VMD, Glide, Prime und Modeller eingesetzt. Zunächst steht dabei die Aufbereitung und Visualisierung von 3D-Strukturen im Vordergrund. Außerdem werden spezifische intramolekulare Wechselwirkungen von Protein-Ligand-Komplexen genauer betrachtet und ausgewählte Liganden in ein pharmazeutisch interessantes Target gedockt. Im zweiten Teil des Praktikums stehen virtual high-throughput screening und rationaler strukturbasierter Wirkstoffentwurf im Mittelpunkt.

Qualifikationsziele

(1) Die Studierenden können grundlegend mit Standardwerkzeugen des strukturbasierten Wirkstoffentwurfs umgehen, (2) sind mit dem praktischen Umgang mit Protein- und Ligandenstrukturen vertraut und (3) sie können die Ergebnisse dieser Werkzeuge und Techniken interpretieren und kritisch bezüglich ihrer Relevanz beurteilen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Kohlbacher
Literatur / Sonstiges

Materialien werden zur Verfügung gestellt.

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche BIO-PRAK, MEDZ-BIOMED, MEDZ-RES



Nummer

BIOINF4352 (entspricht BIO-4352)
Titel

Computational Proteomics and Metabolomics
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Englisch
Prüfungsform

Mündliche Prüfung oder Klausur bei hoher Teilnehmerzahl, 50% der Punkte in den Übungen sind Zulassungsvoraussetzung zur Prüfung, Übungspunkte zählen in begrenztem Umfang als Bonuspunkte in der Prüfung

Inhalt

Vermittlung des aktuellen Stands der Forschung der Bioinformatikanwendungen in der Proteomik und Metabolomik mit einem Schwerpunkt auf der Analyse von massenspektrometrischen Daten. Themen sind u.a. Biologische Fragestellungen, Experimentelle Techniken, Datenbanksuche, De-novo-Sequenzierung, Proteininferenz, Quantifizierung von Peptiden und Metabolite, Identifizierung von Metaboliten.

Qualifikationsziele

Die Studierenden kennen die aktuellen Forschungsstandards im Bereich der Proteomik und Metabolomik und können bekannte Bioinformatik-Techniken auf Probleme in diesen Gebieten transferieren.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Kohlbacher
Literatur / Sonstiges

Originalarbeiten und zusätzliche Materialien werden ausgegeben.

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche BIO-BIO, INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDZ-BIOMED, MEDZ-RES, ML-CS



Nummer

BIONF4371 (bisher BIO-4371)
Titel

Structure-Based Drug Design
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Mündliche Prüfung oder Klausur bei hoher Teilnehmerzahl, 50% der Punkte in den Übungen sind Zulassungsvoraussetzung zur Prüfung, Übungspunkte zählen in begrenztem Umfang als Bonuspunkte in der Prüfung

Inhalt

Ausgehend von einer breiten Einführung in den pharmazeutischen Wirkstoffentwicklungsprozess vermittelt die Vorlesung Schlüsselkonzepte des strukturbasierten Computer-Aided Drug Design (CADD). Erforderliche Grundlagen zu pharmazeutischen Schlüsselkonzepten werden diskutiert, gefolgt von grundlegenden Konzepten zur Modellierung von 3D-Strukturen (Liganden und Proteine). Im zweiten Teil werden die wichtigsten physikalisch-chemischen Wechselwirkungen zwischen Proteinen und Liganden vorgestellt, die die Grundlage für die Diskussion von Strategien zur Vorhersage von Protein-Ligand-Bindungen bilden, wobei der Schwerpunkt auf Algorithmen für das Protein-Ligand-Docking liegt. Schließlich wird die anspruchsvolle Aufgabe der Abschätzung von Bindungsaffinitäten zwischen Proteinen und Liganden in silico vorgestellt, was zur Diskussion von Scoring-Funktionen führt, die zu diesem Zweck entwickelt und verwendet werden.

Qualifikationsziele

Die Studierenden haben Kenntnisse über den pharmazeutischen Entwicklungsprozess. Sie sind vertraut mit Protein- und Ligandenstrukturen, mit Standardmethoden zu deren experimenteller Auflösung, mit Methoden zur Modellierung von 3D-Strukturen und sind in der Lage, relevante physikochemische Wechselwirkungen zwischen ihnen zu identifizieren. Sie haben detaillierte Kenntnisse über algorithmische Techniken zur Vorhersage von Protein-Ligand-Bindungen (Docking und Scoring). Die Studierenden sind in der Lage, Methoden für die Arbeit mit Protein-Ligand-Strukturen zu implementieren und einfache CADD-Tools zu entwickeln. Die Projektarbeit stärkte ihre Fähigkeit, im Team zu arbeiten und wissenschaftliche Arbeiten niederzuschreiben und zu präsentieren.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Kohlbacher
Literatur / Sonstiges

Lecture slides and additional materials will be provided digitally.

Basic knowledge of protein structure, organic chemistry, and programming skills in Python are recommended.

Recommended textbooks:
1) Leach A. Molecular Modelling", Prentice Hall 2001
2) Schlick T. Molecular Modeling and Simulation", Springer 2010
3) Klebe G. "Wirkstoffdesign", Springer 2009

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche BIO-BIO, INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDZ-BIOMED, MEDZ-RES, ML-CS



Nummer

BIOINF4372 (entspricht BIO-4372)
Titel

Cheminformatics
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Mündliche Prüfung oder Klausur bei hoher Teilnehmerzahl, 50% der Punkte in den Übungen sind Zulassungsvoraussetzung zur Prüfung, Übungspunkte zählen in begrenztem Umfang als Bonuspunkte in der Prüfung

Inhalt

Die Vorlesung beginnt mit einem Überblick über das Hauptanwendungsgebiet, nämlich das Design von Arzneimitteln, und vermittelt, wie Informatikmethoden für die Arbeit mit chemischen Daten verwendet werden können, wobei der Schwerpunkt auf kleinen organischen Molekülen (Verbindungen) liegt. Auf die Darstellung von Verbindungen (Graphen, Liniendarstellungen, Dateiformate) folgen die wichtigsten Möglichkeiten des topologischen Vergleichs (Identität, Substruktur, Ähnlichkeit). Relevante Anwendungen der topologischen Ähnlichkeit werden vorgestellt (Suche, Clustering, Bibliotheksgenerierung). Quantitative Struktur-Aktivitäts-Beziehung (QSAR) wird als Zweig der Chemieinformatik zur Vorhersage chemischer Eigenschaften vorgestellt. Schließlich werden die Vorhersage von 3D-Strukturen aus der Topologie und Ähnlichkeitsmethoden für Verbindungen mit 3D-Koordinaten vorgestellt.

Qualifikationsziele

Die Studierenden wissen, wie verschiedene Arten von chemischen Daten mit Computern verarbeitet werden können, wie diese Daten mit Methoden der Informatik dargestellt und analysiert werden können, und sie haben einen Überblick über das Hauptanwendungsgebiet Wirkstoffdesign. Sie haben das grundlegende SSimilar Property Principle verstanden und sind in der Lage, experimentelle Screeningdaten zu verarbeiten und zu analysieren sowie ligandenbasierte Screeningmethoden zu implementieren und anzuwenden. Die Studierenden verfügen über solide Kenntnisse der Standardwerkzeuge und Softwarebibliotheken der Chemieinformatik. Die Projektarbeit stärkte ihre Fähigkeit, im Team zu arbeiten und wissenschaftliche Arbeiten zu verfassen und zu präsentieren.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Kohlbacher
Literatur / Sonstiges

Lecture slides and additional materials will be provided digitally. Basic knowledge of organic chemistry, graph theory, and programming skills in Python are recommended.

Recommended textbooks:
1) Leach A., Gillet V. An Introduction To Chemoinformatics", Springer 2007
2) Faulon J.-L., Bender A. (Eds.) "Handbook Of Chemoinformatics Algorithms", CRC Press 2010
3) Engel T., Gasteiger J. (Eds.) Chemoinformatics", Wiley-VCH 2018
4) Optional: Klebe G. "Wirkstoffdesign", Springer 2009

Zuletzt angeboten Wintersemester 2022
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche BIO-BIO, INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDZ-BIOMED, MEDZ-RES, ML-CS



Nummer

BIOINF4381 (entspricht BIO-4381)
Titel

Systemimmunologie
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Schriftliche Ausarbeitung und darauf basierende Präsentation

Inhalt

Systemimmunologie verknüpft die Methoden der modernen Systembiologie mit Anwendungen in der Immunologie. In diesem aktuellen Forschungsgebiet kommen neben Hochdurchsatzdaten aus der Immunologie auch Techniken der mathematischen Modellierung zum Einsatz, die neue Einsichten in die Dynamik des Immunsystems ermöglichen. Im Rahmen dieses Modules werden Arbeiten aus den methodischen Grundlagen (Systembiologie) und aktuelle Forschungsarbeiten zur Anwendung dieser Methoden in der Immunologie erarbeitet und damit ein Überblick über dieses sehr aktuelle Forschungsfeld vermittelt.

Qualifikationsziele

Die Studierenden besitzen einen Überblick über das Gebiet der Systemimmunbiologie. Sie können bekannte Bioinformatik Techniken auf Probleme der Immunologie anwenden. Sie haben ihre englische Sprach- und Präsentationskompetenz vertieft.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Kohlbacher
Literatur / Sonstiges

Originalarbeiten und zusätzliche Materialien werden im Seminar ausgegeben.

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche BIO-BIO, BIO-SEM, INFO-INFO, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-VIS, MEDZ-SEM, ML-CS



Nummer

BIOINF4364 (entspricht BIO-4364)
Titel

Visualization of Biological Data
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Mündliche Prüfung (bei großer Teilnehmerzahl Klausur)

Inhalt

Da biologische Datensätze immer größer und komplexer werden, bewegen wir uns mehr und mehr von einem hypothesengesteuerten Forschungsparadigma zu einem datengesteuerten. Infolgedessen ist die visuelle Erkundung dieser Daten noch wichtiger geworden als in der Vergangenheit. Ziel dieses Vortrags ist es, die Teilnehmer mit modernen Methoden der Informationsvisualisierung und Visual Analytics vertraut zu machen. Die Informationsvisualisierung befasst sich mit Methoden zur Visualisierung abstrakter Daten, die keine inhärente räumliche Struktur aufweisen (die Visualisierung räumlicher Daten wird in INF3145 - Scientific Visualization behandelt). In der Vorlesung wird die Anwendung dieser Methoden auf biologische Daten anhand praktischer Beispiele vermittelt und in den Tutorien praktisch geübt. Fragen wie "Was ist Datenvisualisierung?", "Was ist Visual Analytics?" und "Wie können wir (biologische) Daten visualisieren, um einen Einblick in sie zu gewinnen, so dass Hypothesen generiert oder erforscht und weitere gezielte Analysen definiert werden können?" werden diskutiert. Es werden keine Vorkenntnisse in Biologie vorausgesetzt, d.h. die Vorlesung ist auch für Studierende aus anderen Fachrichtungen wie Informatik oder Medien-/Medizininformatik geeignet.

Qualifikationsziele

Die Studierenden verstehen den Prozess der visuellen Analyse. Sie kennen grundlegende Methoden der Informationsvisualisierung und die "Do's" und "Don'ts" der Visualisierung. Sie kennen Methoden zur Visualisierung verschiedener biologischer Daten wie Genomik- oder Transkriptomikdaten. Sie sind in der Lage, je nach Art der Daten und der gegebenen Analyseaufgabe geeignete Visualisierungen auszuwählen. Die Studierenden sind in der Lage, in kleinen Teams komplexe, interaktive Visual-Analytics-Anwendungen zu entwerfen und zu entwickeln.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Krone
Literatur / Sonstiges

Lecture slides will be provided for download. Tamara Munzner ‘Visualization
Analysis and Design’, A K Peters, 2014. Nature Methods Supplement ‘Visualizing
biological data’, various Nature Methods ‘Points of View’ articles.

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche BIO-BIO, INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-VIS, MEDZ-BIOMED, ML-CS



Nummer

INFO-4222
Titel

Software-Qualität in Theorie und industrieller Praxis
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Deutsch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Die meisten industriellen Systeme sind ohne Software nicht mehr vorstellbar. Gerade auch in sicherheitsrelevanten Bereichen, wie z.B. dem Automobil oder Flugzeugbau, kommen zunehmend Softwaresysteme zum Einsatz. Klassische hardware-dominierte Systeme werden von software-dominierten Systemen Schritt für Schritt abgelöst. Der Entwurf dieser Software-Systeme stellt eine immer größer werdende Herausforderung für die Systementwickler dar. Wachsender Zeitdruck, höhere Anforderungen an die Korrektheit und steigende Systemkomplexität machen die Softwareentwicklung zu einer komplexen Aufgabe. Dadurch erhöht sich zwangsläufig auch das Fehlerpotential. Aus diesem Grund rückt das Testen von Software-Systemen immer weiter in den Vordergrund. In dieser Vorlesung werden die Grundlagen für das Testen, Debuggen und Verifizieren von Software-Systeme beschrieben. Themenschwerpunkte sind unter anderem: Qualitätsmanagement, funktionsorientiertes Testen, Abdeckungsanalyse-Verfahren (Coverage-Verfahren), Input Space Partitioning, spezielle Testtechniken, Software-Messung, Debugging, formale Techniken, Prüfstrategien und Prüfen von eingebetteter Software. Die Vorlesung umfasst nicht nur die theoretischen Grundlagen der aufgeführten Themen, sondern legt auch besonderen Wert auf den industriellen Praxisbezug. Alle behandelten Gebiete lassen sich direkt im industriellen Software-Umfeld anwenden. Weiterhin bringen die beiden aus der Industrie stammenden Dozenten Dr. Jürgen Ruf (Bosch Sensortec) und Prof. Dr. Thomas Kropf (Bosch) viel Praxiserfahrung mit und wollen diese auch in der Vorlesung an die Studierenden vermitteln. Die Vorlesung stützt sich unter anderem auf aktuelle Forschungsthemen der “Safety-Critical-Systems-Gruppe” der Technischen Informatik.

Qualifikationsziele

Die Studierenden kennen grundlegende Prinzipien und Arbeitstechniken zur Sicherstellung von hoher Software-Qualität und können diese kritisch hinterfragen. Dazu zählen neben dem Testen und Verifizieren auch Vorgehensmodelle zur Softwareentwicklung. Sie sind in der Lage Analyse- und Testmethoden zur Erhöhung der Software-Qualität einzusetzen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Bringmann, Kropf
Literatur / Sonstiges

• Liggesmeyer, P.: Software-Qualität: Testen, Analysieren und Verifizieren
von Software
• Ammann, P; Offutt, J.: Introduction to Software Testing

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, ML-CS



Nummer

INFO-4353
Titel

Ausgewählte Themen zur Computersicherheit
Lehrform(en)

Vorlesung
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Die Vorlesung behandelt folgende Themen. Authentisierung und Autorisierung: Theorie, Hardware-Konzepte und UNIX-Konzepte, Kryptographie: Verschlüsselung, MACs, Signaturen und Schlüsselverwaltung, der PKCS #11 Standard und Hardware Security Modules (HSMs), Sicherheit in der Cloud, Confidential Computing, Quanten-Computing

Qualifikationsziele

Die Studierenden verfügen über fortgeschrittene Kenntnisse in der Computersicherheit mit Hinsicht auf Hardware und Software. Sie verfügen über praxisrelevantes Spezialwissen (Grundprinzipien, nach denen ein Computer-System gesichert werden kann, Sicherheitsstandards, kryptographisches API) und können dieses auch zur Problemlösung in neuen und unvertrauten Kontexten anwenden. Sie sind in der Lage sich selbständig neues Wissen und Können anzueignen und sich mit Fachvertretern über Informationen, Ideen, Probleme und Lösungen auf wissenschaftlichem Niveau auszutauschen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Bündgen, Menth
Literatur / Sonstiges

• C. Eckert: IT-Sicherheit, Oldenbourg Wissenschaftsverlag
• N. Ferguson, B. Schneier, T. Kohno: Cryptography Engineering, Wiley
2010

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4421
Titel

Berechenbarkeit
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

Hausarbeit

Inhalt

Die Veranstaltung gibt eine Einführung in die Berechenbarkeitstheorie, wobei verschiedene Berechenbarkeitsmodelle, wie partiell-rekursive Funktionen und Turing-Maschinen, das Halteproblem und der Satz von Rice behandelt werden.

Qualifikationsziele

Die Studierenden erwerben Kenntnisse über die formalen Grenzen der Berechenbarkeit

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4422
Titel

Circuit Complexity
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

inhalt 4422

Qualifikationsziele

goals 4422

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in
Literatur / Sonstiges

-

Zuletzt angeboten -
Geplant für -
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4441
Titel

Petrinetze
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

inhalt 4441

Qualifikationsziele

goals 4441

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4442
Titel

Model Checking
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

inhalt 4442

Qualifikationsziele

goals 4442

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in
Literatur / Sonstiges

-

Zuletzt angeboten -
Geplant für -
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4443
Titel

Formale Sprachen II
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

inhalt 4443

Qualifikationsziele

goals 4443

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4444
Titel

Komplexitätstheorie II
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

Mündliche Prüfung (bei großer Teilnehmerzahl Klausur)

Inhalt

Aufbauend auf der Vorlesung Komplexitätstheorie sind die vertieften Themen unter anderem (nicht) uniforme Schaltkreisklassen, Approximationstheorie und Randomisierung. Zusätzlich werden Barrieren in Form von Relativierung und Natural Proofs betrachtet.

Qualifikationsziele

Die Studierenden haben einen Überblick über verschiedene Komplexitätsklassen, Schaltkreisen und Randomisierung und sind in der Lage, eine Masterarbeit über dieses Gebiet zu schreiben.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4497
Titel

Spezielle Kapitel der theoretischen Informatik I
Lehrform(en)

Vorlesung
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

inhalt 4497

Qualifikationsziele

goals 4497

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4498
Titel

Spezielle Kapitel der theoretischen Informatik II
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

inhalt 4498

Qualifikationsziele

goals 4498

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4499
Titel

Spezielle Kapitel der theoretischen Informatik III
Lehrform(en)

Vorlesung
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

inhalt 4499

Qualifikationsziele

goals 4499

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4656
Titel

Theoretische Informatik (Seminar)
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

je nach Veranstaltung

Inhalt

Wechselnde vertiefende Themen im Bereich der Theoretischen Informatik. Konkretes Thema vom jeweiligen Seminar abhängig (siehe Seminarangebot in alma).

Hinweis zum Sommersemester 2024:
In diesem Semeste werden folgende Seminare in diesem Modul angeboten:
- "Algorithmische Geometrie: Aktuelle Themen" (Schlipf)
- "Ethical Hacking" (Huber)

Qualifikationsziele

Vertiefte Kenntnisse in Ansätzen und Methoden der theoretischen Informatik

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Schlipf, wechselnde Dozenten
Literatur / Sonstiges

je nach Seminarthema

Zuletzt angeboten Wintersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS



Nummer

INFO-4167
Titel

Computergrafik
Lehrform(en)

Praktikum
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Projekt, Präsentation und Ausarbeitung

Inhalt

Implementierung von fortgeschrittenen Anwendungen und Programmen im Umfeld der Computergrafik / Computer Vision

Qualifikationsziele

Die Studierenden wissen, wie aktuelle Ansätze in den Bereichen Rendering, GPU-basierte Programmierung, Displays oder Computational Photography mit entsprechender Hardware effizient implementiert werden können. Sie können selbständig in Gruppen Programmierprojekte planen und durchführen, bei denen für GPUs entwickelte Programmiersprachen, Ein- und Ausgabe- Hardware und geeignete Bibliotheken eingesetzt werden.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Lensch
Literatur / Sonstiges

Entwicklungsumgebung wird zur Verfügung gestellt

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-PRAX, MEDI-VIS, ML-CS



Nummer

INFO-4173
Titel

Massively Parallel Computing
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Mündliche Prüfung (bei großer Teilnehmerzahl Klausur), durch erfolgreiche Übungen kann ein Notenbonus erarbeitet werden.

Inhalt

Die Vorlesung führt die nötigen Konzepte der parallelen Verarbeitung ein, und gibt einen Überblick über die augenblicklich verfügbare Hardware. Weiterhin werden grundlegende parallele Algorithmen, z.B. Map, Reduce, Prefix-Sum, Branching, aber auch parallele Anwendungen wie FFT, Partikelsysteme und Simulationen etc. behandelt. Um für neue Probleme effiziente, parallele Lösungen zu entwickeln, werden entsprechende Herangehensweisen und Komplexitätsanalysen vermittelt.

Qualifikationsziele

Ein aktueller Trend aller Chip-Hersteller ist es, mehr und mehr Recheneinheiten auf einem Chip zu integrieren, z.B. mit mehreren hundert Prozessoren auf einer Grafikkarte. Um diese Architekturen effizient zu nutzen, müssen geeignete Algorithmen gewählt und die Probleme hinsichtlich der Speicherbandbreite optimiert werden. (1) Ziel der Vorlesung ist es, die Studenten in die Lage zu versetzen, ein gegebenes Problem hinsichtlich der möglichen Effizienzsteigerung durch Parallelisierung zu analysieren. (2) Sie können geignete Algorithmen entwickeln, um ein möglichst schnelle massiv-parallele Implementierung zu erarbeiten. (3) Sie sind in der Lage, durch Profiling ihre Programme hinsichtlich der Speicherbandbreite, der Auslastung der GPU und der Register zu optimieren.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Lensch
Literatur / Sonstiges

Hubert Nguyen: GPU Gems 3, Addison Wesley; T. Mattson, B. Sanders, B.
Massingill: Patterns for Parallel Programming, Addison Wesley ; gpgpu.org
- General-Purpose Computation Using Graphics Hardware; NVIDIA CUDA
page; NVIDIA CUDA Programming Guide ; Vorlesungsfolien werden bereitgestellt

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, MEDI-PRAX, MEDI-VIS, MEDZ-MEDTECH, ML-CS



Nummer

INFO-4174
Titel

Massively Parallel Computing
Lehrform(en)

Praktikum
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Vortrag und schriftlicher Projektbericht

Inhalt

Es werden die effiziente Implementierung und die Umsetzung von Algorithmen aus den unterschiedlichen Bereichen der Informatik oder angrenzender Fachbereiche auf massiv-parallelen Architekturen vermittelt. Weiterhin wird die Programmierung von massiv-parallelen Rechnersystemen GPU, und die damit verbundenen Herausforderungen wie Speicherverwaltung, Branching, Synchronisation behandelt. Neben der Programmierung von GPUs steht auch das Messen und Vergleichen der Performanz paralleler Anwendungen im Fokus.

Qualifikationsziele

Die Studierenden können selbständig (in kleinen Gruppen) die Umsetzung rechenintensiver Aufgaben auf massiv-parallelen Rechnern planen, implementieren und durchführen. Sie sind in der Lage, die Laufzeit von parallelen Anwendungen zu messen und zu analysieren.

Teilnahmevoraussetzungen INFO-4173 Massively Parallel Computing
Dozent/in Lensch
Literatur / Sonstiges

Entwicklungsumgebung wird zur Verfügung gestellt, NVIDIA CUDA page

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, MEDI-PRAX, MEDI-VIS, MEDZ-MEDTECH, ML-CS



Nummer

INFO-4175
Titel

Rendering
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Englisch
Prüfungsform

Mündliche Prüfung (bei großer Teilnehmerzahl Klausur), durch erfolgreiche Übungen kann ein Notenbonus erarbeitet werden.

Inhalt

Es werden vertiefende Lehrinhalte der Computergrafik mit dem Schwerpunkt Bildsynthese vermittelt und geübt. Das Modul behandelt grundlegende und fortgeschrittene Theorie und Algorithmen der Monte Carlo und Quasi-Monte Carlo-Simulation, behandelt globale Beleuchtungsansätze wie Path Tracing, Bidirectional Path Tracing, Metropolis Sampling, Photon Mapping, sowie Methoden zum Echtzeitrendering.

Qualifikationsziele

Die Studierenden erwerben vertiefende Kenntnisse in den Bereichen Monte Carlo-Approximation und globale Beleuchtungssimulation. Die Studierenden werden in die Lage versetzt, die behandelten Techniken zu analysieren und zu implementieren sowie eigenständig Problemstellungen zu bewerten, zu lösen und in eigenen Projekten anwenden zu können.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Lensch
Literatur / Sonstiges

Pharr, Humphreys: Physically Based Rendering, Morgan Kaufmann, 2004 Dutré et al.: Advanced G / Grundkenntnisse im Bereich Computergrafik

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-HCI, MEDI-INFO, MEDI-MEDI, MEDI-VIS, ML-CS



Nummer

INFO-4176
Titel

Computational Photography
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Mündliche Prüfung (bei großer Teilnehmerzahl Klausur), durch erfolgreiche Übungen kann ein Notenbonus erarbeitet werden.

Inhalt

Es werden vertiefende Lehrinhalte der digitalen Fotografie, der Hardware sowie der anschließenden Bildrekonstruktion und -verarbeitung vermittelt und geübt. Die Veranstaltung behandelt grundlegende und fortgeschrittene Theorie und Algorithmen der Bildrekonstruktion, des Denoising, der Dekonvolution, der 3D-Bilderfassung, der Computertomographie oder des Compressive Sensings. Gleichzeitig werden verschiedene Aufnahmesystem, Kamerasensoren, aktive Beleuchtung und multi-Kamerasysteme abgedeckt und die neuen Bildaufnahmemodalitäten behandelt, die damit ermöglicht werden.

Qualifikationsziele

Die Studierenden erwerben vertiefende Kenntnisse in den Bereichen digitale Fotografie, Computational Imaging, und bildbasierten Verfahren. Die Studierenden werden in die Lage versetzt, die behandelten Techniken zu analysieren und alternative Ansätze zu vergleichen. In Projekten können sie eigenständig die Problemstellung bewerten und Lösungsvorschläge erarbeiten. Sie sind in der Lage, Lösungen durch Implementierungen in Software mit der geeigneten
Hardware umzusetzen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Lensch
Literatur / Sonstiges

Vorlesungsfolien werden bereitgestellt / Grundkenntnisse im Bereich Computergrafik

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-VIS, MEDZ-MEDTECH, ML-CS



Nummer

INFO-4178
Titel

Displays
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Englisch
Prüfungsform

Mündliche Prüfung (bei großer Teilnehmerzahl Klausur), durch erfolgreiche Übungen kann ein Notenbonus erarbeitet werden.

Inhalt

Es werden vertiefende Lehrinhalte in dem Bereich Displays vermittelt und geübt. Das Modul behandelt den Aufbau und die Technologie von Monitoren, Projektoren, AR/VR-Brillen, Stereo-Displays, Lichtfelddisplays und anderen Darstellungsverfahren. Gleichzeitig steht die algorithmische Aufbereitung von Daten für alle Arten von Displays im Vordergrund.

Qualifikationsziele

Die Studierenden erwerben vertiefende Kenntnisse über aktuelle Display- Technologien. Die Studierenden sollen in die Lage versetzt werden, die behandelten Techniken zu analysieren und Alternativen bewerten zu können. Sie können eigenständig Problemstellungen bewerten, und in Projekten eigene Lösungen und Implementierungen entwickeln.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Lensch
Literatur / Sonstiges

Aktuelle Veröffentlichungen im Bereich Displays, Vorlesungsfolien werden bereitgestellt / Grundkenntnisse im Bereich Computergrafik

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-TECH, MEDI-APPL, MEDI-HCI, MEDI-INFO, MEDI-MEDI, MEDI-MMT, MEDI-VIS, ML-CS



Nummer

INFO-4341
Titel

Network Security I
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl), Übungspunkte können als Bonuspunkte in die Klausurwertung eingehen

Inhalt

Die Vorlesung behandelt folgende Inhalte. Principles of Network Security, Cryptographic Methods, Public Key Infrastructure, Authentication, Application Layer Security, Transport Layer Security, Virtual Private Networks, Layer-2 Security, Perimeter Security, Anonymization, Blockchain, Advanced Topics; die Vorlesung wird begleitet von einem umfangreichen Übungsbetrieb, der die erworbenen Kenntnisse an praktischen Beispielen illustriert und vertieft.

Qualifikationsziele

Die Studierenden haben ein umfangreiches und tiefgehendes Verständnis über Netzwerksicherheit. Sie sind im Stande ihre erworbenenen Fähigkeiten zur Problemlösung auch in neuen und unvertrauten Kontexten anzuwenden. Sie sind in der Lage sich selbständig neues Wissen und Können anzueignen und sich mit Fachvertretern über Informationen, Ideen, Probleme und Lösungen auf wissenschaftlichem Niveau auszutauschen.

Teilnahmevoraussetzungen INF3331 Grundlagen des Internets
Dozent/in Menth
Literatur / Sonstiges

-

Zuletzt angeboten Wintersemester 2021
Geplant für Sommersemester 2023
Zugeordnete Studienbereiche INFO-INFO, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-WEB, ML-CS



Nummer

INFO-4342
Titel

Network Security II
Lehrform(en)

Vorlesung, Übung
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl), Übungspunkte können als Bonuspunkte in die Klausurwertung eingehen

Inhalt

Die Vorlesung behandelt folgende Inhalte. Layer-2 Security, Perimeter Security, Anonymization, Blockchain, Advanced Topics; die Vorlesung wird begleitet von einem umfangreichen Übungsbetrieb, der die erworbenen Kenntnisse an praktischen Beispielen illustriert und vertieft.

Qualifikationsziele

Netzwerksicherheit II: Die Studierenden haben ein umfangreiches und tiefgehendes Verständnis über Netzwerksicherheit. Sie sind im Stande, ihre erworbenenen Fähigkeiten zur Problemlösung auch in neuen und unvertrauten Kontexten anzuwenden. Sie sind in der Lage sich selbständig neues Wissen und Können anzueignen und sich mit Fachvertretern über Informationen, Ideen, Probleme und Lösungen auf wissenschaftlichem Niveau auszutauschen.

Teilnahmevoraussetzungen INFO-4341 Network Security I
Dozent/in Menth
Literatur / Sonstiges

-

Zuletzt angeboten Wintersemester 2021
Geplant für Sommersemester 2023
Zugeordnete Studienbereiche INFO-INFO, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-WEB, ML-CS



Nummer

INFO-4343
Titel

Network Security III (Praktikum)
Lehrform(en)

Praktikum
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Benotete Praktikumsversuche bestehend aus Theorie und Praxis mit abschließender Klausur oder mündlicher Prüfung

Inhalt

Einführende Vorlesungseinheiten zu jedem Versuch, praktische Übungen zuhause zum Kennenlernen der Experimentierumgebung (Linux-Kommandozeile, Basisbefehle für Netzadministration, Mitschneiden von Verkehr) sowie benotete Präsenzübungen im Experimentallabor zu folgenden Themen: Netzwerksicherheit, Angriffe und Angriffssabwehr, VPN, fortgeschrittene Routingverfahren, WLAN, ausgewählte Anwendungsprotokolle.

Qualifikationsziele

Die Studierenden vertiefen ihre praktischen Kenntnisse zu Kommuniktionsnetzen wesentlich, insbesondere um praktische, Sicherheits-relevante Aspekte. Sie können sich selbständig neues Wissen und Können aneignen und ihre Fähigkeiten zur Problemlösung auch in neuen und unvertrauten Kontexten anwenden. Sie lernen ihr Wissen in klarer und eindeutiger Weise zu kommunizieren und auf wissenschaftlichem Niveau auszutauschen.

Teilnahmevoraussetzungen INF3331 Grundlagen des Internets,

INFO-4341 Network Security I,

INFO-4342 Network Security II
Dozent/in Menth
Literatur / Sonstiges

-

Zuletzt angeboten Wintersemester 2021
Geplant für Sommersemester 2023
Zugeordnete Studienbereiche INFO-INFO, INFO-TECH, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4344
Titel

Kommunikationsnetze (Praktikum)
Lehrform(en)

Praktikum
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Benotete Praktikumsversuche sowie eine mündliche oder schriftliche Abschlussprüfung

Inhalt

Einführende Vorlesungseinheiten zu jedem Versuch, praktische Übungen zuhause zum Kennenlernen der Experimentierumgebung (Linux-Kommandozeile, Basisbefehle für Netzadministration, Mitschneiden von Verkehr) sowie benotete Präsenzübungen im Experimentallabor zu fortgeschrittenen Themen. Wechselnde Themen zu aktuellen Kommunikationstechnologien.

Qualifikationsziele

Die Studierenden vertiefen ihre praktischen Kenntnisse zu Kommuniktionsnetzen wesentlich, insbesondere zu den vermittelten Themen. Sie können sehr anspruchsvolle Konfigurationen von Rechnernetzen selbständig durchführen und Eigenschaften von fortgeschrittenen Protokollen experimentell evaluieren. Sie können sich selbständig neues Wissen und Können aneignen und ihre Fähigkeiten zur Problemlösung auch in neuen und unvertrauten Kontexten anwenden. Sie lernen ihr Wissen in klarer und eindeutiger Weise zu kommunizieren und auf wissenschaftlichem Niveau auszutauschen.

Teilnahmevoraussetzungen INF3331 Grundlagen des Internets
Dozent/in Menth
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-TECH, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4345
Titel

Modellierung und Simulation I
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Klausur, Übungsleistungen können als Bonuspunkte in die Klausur einfließen

Inhalt

Statistische Grundlagen (Teil 1), Einführung in die Simulationstechnik, Verteilungsfunktionen (Teil 1), Aufbereitung von Stichproben, statistische Grundlagen (Teil 2), statistische Auswertung von Simulationen, stochastische Prozesse, zeitdiskrete Markovketten, zeitkontinuierliche Markovketten; die Vorlesungsinhalte werden im Rahmen der Übung in die Praxis umgesetzt, insbesondere wird in mehreren aufeinanderfolgenden Übungen ein einfacher Simulator gebaut. Schwerpunkt sind die Modellierung von Problemen aus unterschiedlichen Kontexten durch geeignete Verteilungsfunktionen sowie durch Markovketten sowie die dazugehörigen, mathematischen Grundlagen.

Qualifikationsziele

Die Studierenden können technische Systeme in ihrer Konzeptionsphase mit anspruchsvollen Methoden modellieren und untersuchen und somit Forschung und Entwicklung effizient mitgestalten. Sie haben tiefgehende, praktische Kenntnisse zu zeitdiskreter Simulation und können Experimente systematisch aufbauen und auswerten. Sie können zeitdiskrete und zeitkontinuierliche Markovketten für die Modellierung und Untersuchung von technischen Systemen einsetzen und deren Leistungsfähigkeit mit Hilfe von Warteschlangentheorie vorhersagen. Sie sind in der Lage die erworbenen Kenntnisse in neuen Kontexten zu übertragen und anzuwenden.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Menth
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4346
Titel

Modellierung und Simulation II
Lehrform(en)

Vorlesung
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Klausur, Übungsleistungen können als Bonuspunkte in die Klausur einfließen

Inhalt

Verteilungsfunktionen (Teil 2), Mehrdimensionale Zufallsstrukturen, Design von Experimenten, Signifikanztests von Hypothesen und ihre Anwendungen, Untersuchung von Messdaten, zeitabhängige Statistiken, Möglichkeit und Grenzen von Modellbildung und Simulation, Zufallszahlenerzeugung; die Vorlesung vermittelt die theoretischen Grundlagen und in der Übung werden die Vorlesungsinhalte durch Programmieraufgaben anhand von Praxisbeispielen umgesetzt.

Qualifikationsziele

Die Studierenden können technische Systeme in ihrer Konzeptionsphase mit anspruchsvollen Methoden modellieren und untersuchen und somit Forschung und Entwicklung effizient mitgestalten. Sie Sie sind in der Lage die erworbenen Kenntnisse in neuen Kontexten zu übertragen und anzuwenden. Sie können erlernte Methoden kritisch hinterfragen und somit eintscheiden, ob sie für gegebene Problemstellungen geeignet sind. Durch das erworbene, mathematische Verständnis können sie erlernte Werkzeuge für neue Problemstellungen in geeigneter Weise abändern.

Teilnahmevoraussetzungen INFO-4345 Modellierung und Simulation I
Dozent/in Menth
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4347
Titel

Network Softwarization
Lehrform(en)

Vorlesung, Übung
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl), Übungspunkte können als Bonuspunkte in die Klausurwertung eingehen

Inhalt

Die Vorlesung gibt einen Überblick über relevante Technologien im Bereich NetworksSoftwarization. Dazu gehören Software-Defined Networking mittels Open-sFlow, Data Plane Programming mittels P4 sowie Virtualisierungstechniken und Network Function Virtualization. Zusätzlich werden aktuelle Forschungsthemen besprochen. Die Veranstaltung wird durch praktische Übungsprojekte begleitet, in denen die Studierenden die erlernten Technologien anwenden und anspruchsvolle Programmieraufgaben lösen.

Qualifikationsziele

Die Studierenden haben Kenntnisse und Fertigkeiten auf dem neusten Stand des Wissens hinsichtlich Network Softwarization und Einblick in Forschungsthemen erworben, was sie zu Forschungsarbeiten im Bereich Kommunikationsnetze in besonderer Weise befähigt. Sie haben ein tiefgehende Verständnis davon wie mit Network Softwarization neue Technologien schneller entwickelt und Netze effizienter betrieben werden können. Sie können sich selbständig neues Wissen und Können aneignen und weitgehend selbstgesteuert anwendungsorientierte Projekte durchführen. Sie sind in der Lage sich mit Fachvertretern und mit Laien über Informationen, Ideen, Probleme und Lösungen auf wissenschaftlichem Niveau auszutauschen.

Teilnahmevoraussetzungen INF3331 Grundlagen des Internets,

INFO-4341 Network Security I,

INFO-4342 Network Security II
Dozent/in Menth
Literatur / Sonstiges

-

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-WEB, ML-CS



Nummer

INFO-4348
Titel

Kommunikationstechnologien 1
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl), Übungspunkte können als Bonuspunkte in die Klausurwertung eingehen

Inhalt

Die Vorlesung vermittelt Kenntnisse zu fortgeschrittenen Themen im Bereich Kommunikationsnetze, im Gegensatz zu INF3331 “Grundlagen des Internets” behandelt diese Vorlesung v.a. die Kommunikationsschichten unterhalb des IPLayers.

Themen sind: Daten und Signale, Umwandlung von Daten in digitale Signale, Modulation von mdigitalen und analogen Signalen, Multiplex-Techniken, Übertragungsmedien, Switching, Data Link Control, Multiple Access Protokolle, Ethernet, Backbone-Konzepte, VLANs, Software-Defined Networking, Quality of Service, Time-Sensitive Networking (TSN), Bussysteme im Fahrzeug

Qualifikationsziele

Kommunikationstechnologien 1: Die Studierenden haben ein umfangreiches und tiefes Verständnis über das Funktionsprinzip und die Organisation von Kommunikationsnetzen. Sie sind in der Lage sich mit Fachvertretern und mit Laien über Informationen, Ideen, Probleme und Lösungen auf wissenschaftlichem Niveau auszutauschen. Sie können sich selbständig neues Wissen und Können aneignen. Sie haben ein kritisches Verständnis auf dem neusten Stand des Wissens in mehreren Spezialbereichen erworben und können ihre Fähigkeiten zur Problemlösung auch in neuen und unvertrauten Situationen anwenden.

Teilnahmevoraussetzungen INF3331 Grundlagen des Internets
Dozent/in Menth
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-TECH, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4349
Titel

Kommunikationstechnologien 2
Lehrform(en)

Vorlesung, Übung
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl), Übungspunkte
können als Bonuspunkte in die Klausurwertung eingehen

Inhalt

Die Vorlesung vermittelt Kenntnisse zu fortgeschrittenen Themen im Bereich
Kommunikationsnetze, im Gegensatz zu INF3331 “Grundlagen des Internets”
behandelt diese Vorlesung v.a. die Kommunikationsschichten unterhalb des IPLayers.
Themen sind:
Optische Kommunikationsnetze, ATM, Frame Relay, MPLS, WLAN, Bluetooth,
LoRaWAN, Mobilfunk, Telefon, DSL, Kabel, Voice-over-IP

Qualifikationsziele

Die Studierenden haben ein umfangreiches und tiefes Verständnis über das
Funktionsprinzip und die Organisation von Kommunikationsnetzen. Sie sind
in der Lage sich mit Fachvertretern und mit Laien über Informationen, Ideen,
Probleme und Lösungen auf wissenschaftlichem Niveau auszutauschen. Sie
können sich selbständig neues Wissen und Können aneignen. Sie haben ein
kritisches Verständnis auf dem neusten Stand des Wissens in mehreren Spezialbereichen
erworben und können ihre Fähigkeiten zur Problemlösung auch in
neuen und unvertrauten Situationen anwenden.

Teilnahmevoraussetzungen INFO-4348 Kommunikationstechnologien 1
Dozent/in Menth
Literatur / Sonstiges

-

Zuletzt angeboten -
Geplant für -
Zugeordnete Studienbereiche INFO-INFO, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-WEB, ML-CS



Nummer

INFO-4350
Titel

Spezielle Kapitel zu Kommunikationsnetzen
Lehrform(en)

Vorlesung
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Wechselnde vertiefte Themen aus den Teilgebieten des Forschungsfeldes Kommunikationsnetze.

Qualifikationsziele

Die Studierenden besitzen vertiefte Kenntnisse im Bereich der Kommunikationsnetze.
Sie können ihre erworbenen Fähigkeiten zur Problemlösung auch in
neuen und unvertrauten Kontexten anwenden. Sie sind in der Lage sich im
Themenbereich selbständig neues Wissen und Können anzueignen und eigenständige
forschungs- oder anwendungsorientierte Projekte durchzuführen. Sie
sind in der Lage mit Fachvertretern und mit Laien über Informationen, Ideen,
Probleme und Lösungen auf wissenschaftlichem Niveau auszutauschen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Menth
Literatur / Sonstiges

-

Zuletzt angeboten -
Geplant für -
Zugeordnete Studienbereiche INFO-INFO, INFO-TECH, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4354
Titel

Public Cloud Computing
Lehrform(en)

Vorlesung, Übung
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl), Übungspunkte können als Bonuspunkte in die Klausurwertung eingehen

Inhalt

Die Vorlesung vermittelt fortgeschrittene Kenntnisse in Containertechnologie, Software-as-a-Service (SaaS) und Function-as-a-Service (FaaS). Es werden theoretische Asätze zu Cloud-Architekturen, Cloud Computing Patterns und Automatisierung besprochen. Klassische Anwendungsfälle wie Serverless Computing, Internet of Things (IoT), Edge Computing, Business Intelligence (BI) und Machine Learning (ML) werden aufgezeigt. Der Übungsbetrieb besteht aus umfangreichen, praktischen Aufgaben und adressiert insbesondere operativen
Betrieb, wirtschaftliche Effizienz und Sicherheit.

Qualifikationsziele

Die Studierenden besitzen fortgeschrittene, aktuelle Kenntnisse im Bereich Public Cloud Computing. Sie können sich selbständig neues Wissen und Können aneignen und weitgehend selbstgesteuert anwendungsorientierte Projekte durchführen. Sie sind in der Lage sich mit Fachvertretern und mit Laien über Informationen, Ideen, Probleme und Lösungen auf wissenschaftlichem Niveau auszutauschen und in einem Team herausgehobene Verantwortung zu übernehmen.

Teilnahmevoraussetzungen INF3331 Grundlagen des Internets,

INFO-4341 Network Security I
Dozent/in Menth
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für Wintersemester 2023
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-TECH, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4352
Titel

Pentesting
Lehrform(en)

Vorlesung
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Deutsch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Um Netzwerke oder Applikationen abzusichern, benötigt ein Administrator oder Entwickler Kenntnisse über vorhandene Schwachstellen. Durch simulierte Hacker-Angriffe, sogenannten Penetrationstests, lassen sich diese effizient aufdecken. Neben theoretischen Grundlagen über die Planung und Durchführung von Penetrationstests vermittelt diese Vorlesung tiefgehende praktische Kenntnisse moderner Angriffswerkzeuge, aktueller Schwachstellen und der Methodik diese auszunutzen. Das Spektrum reicht dabei vom Footprinting"über den eigentlichen Angriff bis zum Platzieren von Hintertüren in ein kompromittiertes System. Vorlesung und Übungen finden als eng miteinander verzahnte Blockveranstaltung statt.
Themen sind: Gestaltungsmöglichkeiten von Penetrationstests, Testmodule, Abschätzung des Testaufwands, Bewertung von Ergebnissen und Dokumentation, Nachverfolgung von Schwachstellen, ethische und rechtliche Aspekte, Penetration Testing Standards, Footprinting, Portscanning, Enumeration, Sniffing, Angriffe gegen Verschlüsselung, häufige konfigurative Schwachstellen,
methodische Sicherheitsanalyse von Web-Applikationen und typische Schwachstellen von Web-Applikationen, Umgang mit Metasploit, Angriffe gegen Windows-Netzwerke, Privilege Escalation, Backdoors, online- und offline-Angriffe gegen Passwörter, Schwachstellenanalyse, Ausnutzung von Buffer-
Overflow-Schwachstellen.

Qualifikationsziele

Die Studierenden vertiefen ihr Verständnis von IT-Systemen wesentlich und werden in die Lage versetzt Sicherheitsschwachstellen zu erkennen und zu beheben.
Sie haben die Fähigkeit die Kenntnisse auch in neuen, anvertrauten Kontexten anzuwenden und sich selbständig neues Wissen anzueignen. Zudem lernen sie ethische Aspekte adäquat einzubeziehen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Menth
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4351
Titel

Kommunikationsnetze (Seminar)
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Vortrag und schriftlicher Projektbericht

Inhalt

Dieses Seminar behandelt aktuelle und wechselnde Themen aus Forschung und Anwendung auf dem Gebiet der Kommunikationsnetze.

Qualifikationsziele

Die Studierenden sind in der Lage, aktuelle Forschungsarbeiten auf dem Gebiet der Kommunikationsnetze zu lesen, zu reflektieren und inhaltlich zu untersuchen. Sie können die Beiträge einer Arbeit kritisch beurteilen. Sie können aktuelle Forschungsergebnisse vor anderen Studierenden und Wissenschaftlern präsentieren und Forschungsdiskussionen leiten. Sie können die Ergebnisse von Forschungsarbeiten in Form einer mündlichen Präsentation und eines schriftlichen Berichts zusammenfassen und bewerten.

Teilnahmevoraussetzungen INFO-4348 Kommunikationstechnologien 1
Dozent/in Menth
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-WEB, MEDZ-SEM, ML-CS



Nummer

BIOINF4376 (entspricht BIO-4376)
Titel

Datenmanagement in der Biomedizinischen Forschung
Lehrform(en)

Vorlesung, Seminar
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Englisch
Prüfungsform

Mündliche Prüfung oder Klausur bei hoher Teilnehmerzahl, rrfolgreiche Teilnahme am Seminar ist Prüfungsvoraussetzung

Inhalt

Themen sind die verschiedenen Technologien der Quantitativen Biologie/Biomedizin (z.B. Omics-Technologien, Hochdurchsatz-Screening und Bildgebung), Methoden zur Prozessierung und Analyse von Hochdurchsatzdaten (Bioinformatik Workflows) und Standardisierung von Datenaustauschformaten. Des Weiteren beschäftigt sich das Modul mit Daten- und Metadatenmodellen, sowie Datenspeicherung (verschiedene Ansätze) und generellen Konzepten für das Datenmanagement (z.B. verschiedene Datenbanksysteme) und der (web-basierten) Visualisierung. Die Vorlesung bereitet dabei die technischen Grundlagen der Themen auf, und im Seminar werden aktuelle Arbeiten zur biomedizinischen Anwendung dieser Technologien von den Studenten präsentiert und diskutiert.

Qualifikationsziele

Die Studierenden beherrschen einfache und multivariate statistische Verfahren, sowie datengetriebene Ansätze für die Verwaltung und Analyse von biomedizinischen Hochdurchsatz und Bildgebungsdaten. Sie sind in der Lage, Forschungsinfrastrukturen zu konzipieren und Auswerteroutinen auf verschiedenen bereits existierenden Infrastrukturen methodenadäquat einzusetzen, sowie deren Einsatz in Publikationen kritisch zu hinterfragen. Die Studierenden sind darüber hinaus in der Lage, eine qualitative/quantitative Untersuchung (z.B. eine klinische Studie oder ein großangelegtes Forschungsprojekt) zu konzipieren, durchzuführen und adäquat auszuwerten (z.B. in forschungsorientierten Veranstaltungen des Studiengangs oder in der Masterarbeit). Darüber hinaus können sie die Gefahren und Chance von “Open Data” einordnen und interdisziplinär diskutieren. Die Studierenden können auch die Stärken und Schwächen qualitativer und quantitativer datengetriebener Forschung beurteilen und die methodische Qualität der Veröffentlichungen kritisch bewerten.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Nahnsen
Literatur / Sonstiges

-

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche BIO-BIO, INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS



Nummer

BIOINF4210 (entspricht BIO-4210)
Titel

Practical Transcriptomics
Lehrform(en)

Praktikum
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Die Gesamtnote ergibt sich aus der erbrachten Leistung, einem schriftlichen Bericht über jeden Tag des Praktikums und ein bis zwei mündlichen Kurzvorträgen.

Inhalt

Der Schwerpunkt liegt auf der praktischen Analyse von sogenannten Next Generation Sequencing-Daten. Die Studierenden lernen den Einsatz von Werkzeugen zur Auswertung dieser Daten. In diesem praktischen Kurs werden reale Daten verwendet; der Schwerpunkt liegt auf dem gesamten Prozess der Auswertung experimenteller Daten, von Qualitätsanalysen bis hin zu tiefgreifenden statistischen Analysen; verschiedene Methoden werden verglichen. Zu den Themen gehören De-novo-Assembly, Berechnung der Expressionszahlen, Normalisierung und Clustering, Methoden des maschinellen Lernens und ihre Anwendung auf Expressionsdaten, statistische Methoden zur Berechnung differentieller Expressionen, Visualisierungsmethoden und Anreicherungsmethoden.

Qualifikationsziele

Die Studierenden sammeln praktische Erfahrungen im Entwurf und in der Programmierung von Bioinformatik-Software zur Analyse von NGS-Daten. Sie sind in der Lage, Bibliotheken und Frameworks zu nutzen und erwerben oder erweitern ihre Kenntnisse in Java oder C++ und R. Durch die Zusammenarbeit in Gruppen erwerben die Studierenden Teamwork- und Kollaborationsfähigkeiten und lernen Projektorganisation und Präsentationstechniken kennen. Die Studierenden kennen die Stärken und Schwächen sowie die Grenzen verschiedener Methoden zur Auswertung von transkriptomischen Hochdurchsatzdaten und können diese Methoden beschreiben und bewerten.

Teilnahmevoraussetzungen BIOINF3330 Expressions-Bioinformatik,

BIOINF4110 (entspricht BIO-4110) Sequence Bioinformatics,

BIOINF4120 (enstpricht BIO-4120) Struktur- und Systembioinformatik
Dozent/in Nieselt
Literatur / Sonstiges

Will be provided at the beginning of the course, if necessary.

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche BIO-PRAK, MEDZ-BIOMED



Nummer

BIOINF4331 (entspricht BIO-4331)
Titel

Advances in Computational Transcriptomics
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Die funktionelle Genomik, d. h. die Interpretation eines Genoms zur Bestimmung der biologischen Funktion von Genen und Geninteraktionen, ist einer der wichtigsten Bereiche der modernen Biologie. Heute werden zunehmend Next-Generation-Sequencing-Technologien eingesetzt, um die Expression von Tausenden von Genen gleichzeitig zu messen. Daraus ergeben sich neue Herausforderungen für die Bioinformatik, sowohl in algorithmischer als auch in softwaretechnischer Hinsicht. In der Vorlesung werden u.a. folgende Themen besprochen: NGS-Technologien, insbesondere RNA-Seq- und ChIP-Seq-Technologien, schnelle bis ultraschnelle Alignment-Methoden von Short Reads, Mapping-basierte und de novo 'Assemblierung' von Genomen und Transkriptomen, Peak-Calling, Spleiß- und Genmodelle, Motivsuche, differentielle Expression, Visualisierung von NGS-Daten und weitere aktuelle Themen. In den Übungen wird insbesondere das wissenschaftliche Arbeiten und das wissenschaftliche Schreiben gefördert. Die Übungen werden auch durch Blended-Learning-Methoden ergänzt.

Qualifikationsziele

Die Studierenden sind mit den neuen Erkenntnissen der Bioinformatik zur Expressionsanalyse und den neueren Sequenzierungstechnologien vertraut. Sie können die Herausforderungen der neuen Technologien für die Bioinformatik formulieren. Sie kennen Algorithmen zur Quantifizierung von Expressionsdaten, statistische Methoden und maschinelle Lernverfahren zur Berechnung der differentiellen Expression und Klassifikation sowie Methoden zur Analyse von Expressionsdaten im Netzwerkkontext. Die Studierenden können reale Microarray- und RNA-Seq-Experimente analysieren und haben ihre R-Kenntnisse vertieft. Die Studierenden kennen die Möglichkeiten, aber auch die Grenzen der verschiedenen Methoden in diesem Teilgebiet der Bioinformatik. Sie sind in der Lage, Probleme auf wissenschaftlichem Niveau zu analysieren und schriftlich zusammenzufassen. Insbesondere wird ein hohes Maß an intrinsischer Motivation und Eigenverantwortung gefördert.

Teilnahmevoraussetzungen BIOINF3330 Expressions-Bioinformatik
Dozent/in Nieselt
Literatur / Sonstiges

Own lecture notes and selected articles

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche BIO-BIO, INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-BIOMED, ML-CS



Nummer

BIOINF4363 (entspricht BIO-4363)
Titel

RNA Bioinformatics
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Mündlicher Vortrag (ca. 30 Minuten) und schriftliche Ausarbeitung (ca. 10 Seiten), einmal Diskussionsleitung

Inhalt

In diesem Seminar werden aktuelle Themen aus dem Bereich der computergestützten RNA-Bioinformatik diskutiert. Dies können unter anderem die folgenden sein: Faltung: RNA-Struktur, Thermodynamik, grundlegende Faltung; RNA-Abstrakte Formen; Vergleichende Strukturvorhersage: Strukturvergleich, Alignment-Faltung, Konsensformen; Strukturvergleich: Strukturmetriken, Baum-Alignment, Mehrfachstruktur-Alignment; RNA-Genvorhersage: Vorhersage aus Modellen, Vorhersage aus Faltung, Vorhersage aus Vergleichen; miRNAs: miRNA-Vorhersage, miRNA-Zielvorhersage; Stochastische Modelle: HMMs, SCFGs, Modelltraining; 3D-Modellierung; Cofolding; RNA-Motive und weitere Themen, ergänzt durch aktuelle Forschung.

Qualifikationsziele

Die Studierenden können unter Anleitung selbstständig ein anspruchsvolles Thema durch systematische Forschung bearbeiten. Die Studierenden sammeln Erfahrung im Halten eines Fachvortrags und im Verfassen eines Fachberichts in Bioinformatik. Sie können Konzepte und Methoden der bioinformatischen RNA-Biologie zusammenfassen, bewerten, einordnen, wissenschaftlich korrekt darstellen und präsentieren. Die Studierenden erhalten zum einen einen Überblick über den aktuellen Wissensstand im Bereich der bioinformatischen RNA-Biologie und damit über die Bedeutung dieses Teilgebietes der Bioinformatik. Durch das Studium aktueller Artikel haben die Studierenden nicht nur ihre Lese- und Lernkompetenz, sondern auch ihre Eigenverantwortung gestärkt. Die im Seminar angewandte Lernform soll den Studierenden helfen, Selbstvertrauen (Präsentation) und Kritik- und Kommunikationsfähigkeit (anschließende Diskussion) zu entwickeln.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Nieselt
Literatur / Sonstiges

Articles / scientific publications for each individual topic

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche BIO-BIO, BIO-SEM, INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-BIOMED, MEDZ-SEM, ML-CS



Nummer

BIOINF4373 (entspricht BIO-4373)
Titel

Bioinformatik und Maschinelles Lernen
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Mündlicher Vortrag (ca. 30 Minuten) und schriftliche Ausarbeitung (ca. 10 Seiten), einmal Diskussionsleitung

Inhalt

In diesem Seminar werden Ansätze des maschinellen Lernens mit Anwendungen in der Bioinformatik diskutiert. Dies können u.a. sein: überwachte Klassifikation; Deep Learning in der Bioinformatik, Support Vector Machines für die Klassifikation; Dimensionsreduktionsverfahren; probabilistische graphische Modelle; Anwendungen in den Bereichen Genomik, Transkriptomik, Evolution, Systembiologie, Text Mining und weitere Themen, die durch aktuelle Forschung ergänzt werden, werden diskutiert.

Qualifikationsziele

Die Studierenden können selbstständig unter Anleitung ein anspruchsvolles Thema durch systematische Recherche bearbeiten. Sie fassen Konzepte und Methoden des maschinellen Lernens, die auf bioinformatische Fragestellungen angewendet werden, zusammen, bewerten, klassifizieren, stellen sie wissenschaftlich korrekt dar und präsentieren sie. Die Studierenden erhalten zum einen einen Überblick über moderne Erkenntnisse im Bereich des maschinellen Lernens und deren Bedeutung für verschiedene Fragestellungen in der Bioinformatik. Andererseits erfahren die Studierenden, dass es in diesem Bereich noch viele offene Forschungsfragen gibt. Durch das Studium aktueller Artikel haben die Studierenden nicht nur ihre Lese- und Lernfähigkeit, sondern auch ihre Eigenverantwortung verbessert. Die im Seminar angewandte Lernform soll den Studierenden helfen, Selbstvertrauen (Präsentation) und Kritik- und Kommunikationsfähigkeit (anschließende Diskussion) zu entwickeln.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Nieselt
Literatur / Sonstiges

Articles / scientific publications for each individual topic

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche BIO-BIO, BIO-SEM, INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-BIOMED, MEDZ-SEM, ML-CS



Nummer

BIOINF4365 (entspricht BIO-4365)
Titel

Einführung in Next-Generation Sequenzierung
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

inhalt 4365

Qualifikationsziele

goals 4365

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Ossowski
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche BIO-BIO, INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-BIOMED, ML-CS



Nummer

INFO-4241
Titel

Programmiersprachen II
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Schriftliche oder mündliche Prüfung. Die Teilnahme an Übungen ist Voraussetzung für die Prüfungsteilnahme.

Inhalt

In dieser Vorlesung geht es um die Semantik und die Typsysteme moderner Programmiersprachen. Wir diskutieren die Grundlagen von Programmiersprachen mit formaler Semantik (z.B. kleinschrittige operationale Semantik), formale Typsysteme und ihre Eigenschaften sowie verschiedene Varianten typisierter Lambda-Kalküle, die die Grundlage für moderne Typsysteme bilden.

Qualifikationsziele

Die Studierenden sind in der Lage, moderne Programmiersprachen im Hinblick auf die Eigenschaften ihrer theoretischen Grundlagen zu diskutieren und zu analysieren. Sie verstehen den Entwurfsraum und die Kompromisse von Typsystemen für diese Sprachen.

Teilnahmevoraussetzungen INF3181 Programmiersprachen I
Dozent/in Brachthäuser, Ostermann
Literatur / Sonstiges

Benjamin C. Pierce. Types and Programming Languages. MIT Press, 2003.

Zuletzt angeboten Wintersemester 2021
Geplant für Sommersemester 2023
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4242
Titel

Programmiersprachen III
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

info 4242

Qualifikationsziele

goals 4242

Teilnahmevoraussetzungen INF3181 Programmiersprachen I,

INFO-4241 Programmiersprachen II
Dozent/in Ostermann
Literatur / Sonstiges

-

Zuletzt angeboten -
Geplant für -
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4481
Titel

Theorie von Programmiersprachen
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Wird noch bekannt gegeben.

Inhalt

Das Seminar beinhaltet das Erarbeiten von schriftlichen Quellen zu Themen aus dem Bereich der Theorie der Programmiersprachen. Präsentation und das schriftliche Zusammenfassen schließen den Seminarbeitrag jeweils ab. Aktive Teilnahme an den einzelnen Sitzungen ist ein wichtiger Bestandteil des Seminars.

Der konkrete Seminartitel kann je nach Semester und konkretem Seminarthema variieren; bitte schauen Sie im Vorlesungsverzeichnis in alma nach, welches konkrete Seminar in einem bestimmten Semester angeboten wird.

Qualifikationsziele

Die Studierenden können einen erweiterten und komplexen Sachverhalt aus dem Bereich der Programmiersprachentheorie aus schriftlicher Quelle selbständig erarbeiten, verstehen und in Form eines Vortrages präsentieren und auch in einer Diskussion vor einem Plenum vertreten. Neben der mündlichen Präsentation können sie das erarbeitete Thema schriftlich darlegen und zusammenfassen.

Teilnahmevoraussetzungen INF3181 Programmiersprachen I,

INFO-4241 Programmiersprachen II
Dozent/in Ostermann
Literatur / Sonstiges

wird bekannt gegeben

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS



Nummer

INFO-4244
Titel

Programmiersprachen und Programmiertechniken
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Wird im konkreten Seminar bekanntgegeben.

Inhalt

Das Seminar beinhaltet das Erarbeiten von schriftlichen Quellen zu Themen aus dem Bereich der Programmierung und Programmiersprachen. Präsentation und das schriftliche Zusammenfassen schließen den Seminarbeitrag jeweils ab. Aktive Teilnahme an den einzelnen Sitzungen ist ein wichtiger Bestandteil des Seminars.

Das konkrete Seminarangebot in einem Semester ist dem Vorlesungsverzeichnis in alma zu entnehmen.

Qualifikationsziele

Die Studierenden können einen erweiterten und komplexen Sachverhalt aus dem Bereich der Programmiertechniken aus schriftlicher Quelle selbständig erarbeiten, verstehen und in Form eines Vortrages präsentieren und auch in einer Diskussion vor einem Plenum vertreten. Neben der mündlichen Präsentation können sie das erarbeitete Thema schriftlich darlegen und zusammenfassen.

Teilnahmevoraussetzungen INF3181 Programmiersprachen I,

INFO-4241 Programmiersprachen II,

INFO-4242 Programmiersprachen III
Dozent/in Ostermann, Plümicke
Literatur / Sonstiges

wird bekannt gegeben

Zuletzt angeboten Wintersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS



Nummer

INFO-4245
Titel

Softwareprojektleitung
Lehrform(en)

Praktikum
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Deutsch
Prüfungsform

Benotete Berichte und Präsentationen sowie der Erfolg bei der Teamleitung gehen in die Note ein.

Inhalt

In diesem Praktikum werden Sie im Rahmen des “Tübinger Softwareprojekts” eine Gruppe von Studierenden bei der Durchführung eines Softwareprojekts leiten. Dazu gehört sowohl das Management des Projekts wie auch die technische Leitung, die Aspekte wie Workflow Configuration, Social Coding, Quality Management, Continuous Integration und Testing umfasst. Durch spezielle Schulungen, auch von unseren Industriepartnern,in den oben angeführten Aspekten werden wir Sie auf diese Aufgabe vorbereiten. Dieses Praktikum erstreckt sich über ein volles Jahr.

Qualifikationsziele

Die Teilnehmer sind in der Lage, eine kleine Gruppe von Softwareentwicklern anzuleiten und die technische und organisatorische Leitung eines mittelgroßen Softwareprojekts zu übernehmen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Ostermann
Literatur / Sonstiges

Alle Materialien werden bereitgestellt. / Erfahrungen mit einem größeren Softwareprojekt sind sehr hilfreich.

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4247
Titel

Algorithmisches Handeln
Lehrform(en)

Vorlesung
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

inhalt 4247

Qualifikationsziele

goals 4247

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Ostermann
Literatur / Sonstiges

-

Zuletzt angeboten -
Geplant für -
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4248
Titel

Interaktives Beweisen von Theoremen
Lehrform(en)

Vorlesung
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Schriftliche oder mündliche Prüfung. Die Teilnahme an Übungen ist Voraussetzung für die Prüfungsteilnahme.

Inhalt

Dieser Kurs ist eine Einführung in die interaktive Theorem-Programmierung und fortgeschrittene funktionale Programmierung, hauptsächlich unter Verwendung des Coq-Beweisassistenten. Dieser Kurs richtet sich an Studenten, die interessiert sind an:
1. Die grundlegenden Theorien der Mathematik, vor allem Typentheorie und Logik
2. Praktisches interaktives Beweisen von Theoremen mit einem modernen Beweisassistenten
3. Fortgeschrittene funktionale Programmiersprachen und ihre Beziehung zur konstruktiven Mathematik über den "Curry-Howard-Isomorphismus"
4. Programmverifikation und "zertifizierte Programmierung"
5. Semantik von Programmiersprachen

Qualifikationsziele

Die Studierenden sind in der Lage, Programme zu schreiben und Theoreme mit dem Coq-Beweisassistenten zu beweisen. Die Studierenden verstehen die theoretischen Grundlagen von interaktiven Theorembeweisern und erhalten einen grundlegenden Einblick in die Semantik und die formalen Eigenschaften von Programmiersprachen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Ostermann
Literatur / Sonstiges

Volume 1 and 2 of the “Software Foundations” series available at https://
softwarefoundations.cis.upenn.edu/.
A. Chlipala, Certified Programming with Dependent Types, MIT Press / A background in functional programming is helpful. Experience with mathematical
proofs is helpful.

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4249
Titel

Spezielle Kapitel zu Programmiersprachen
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl), Übungspunkte können als Bonuspunkte in die Klausurwertung eingehen

Inhalt

Wechselnde vertiefte Themen aus den Teilgebieten des Forschungsfeldes Programmiersprachen.

Qualifikationsziele

Die Studierenden besitzen Kenntnisse über die Forschungsmethodik im Bereich der Programmiersprachen. Sie sind für die Erstellung wissenschaftlicher Arbeiten insbesondere in Teilgebieten dieses Forschungsfeldes vorbereitet. Die Studierenden können sich gezielt auf Master-Arbeiten und Promotionsprojekte vorbereiten.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Ostermann
Literatur / Sonstiges

wird bekannt gegeben

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4243
Titel

Anwendungen von Programmiersprachentechnologie
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

info 4243

Qualifikationsziele

goals 4243

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Ostermann
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS



Nummer

MEDZ-4110
Titel

Fortgeschrittene Medizininformatik
Lehrform(en)

Vorlesung, Übung
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Englisch
Prüfungsform

Klausur oder Mündliche Prüfung

Inhalt

Diese Vorlesung umfasst verschiedene Bereiche der Medizinischen Informatik. Der Schwerpunkt liegt auf Datenintegration, medizinischer Datenschutz, künstliche Intelligenz und Data Mining für Gesundheitsdaten und Systeme zur Unterstützung von Behandlungsentscheidungen. Spezifische Themen sind:
- Grundlagen des statistischen maschinellen Lernens
- Stand der Technik bei Entscheidungsunterstützungssystemen und darüber hinaus
- differentieller Datenschutz
- k-Anonymität
- Datensatzverknüpfung unter Wahrung der Privatsphäre
- Ansätze des föderierten Lernens und GO-FAIR
- Genomischer Datenschutz
- FHIR
- openEHR
- Data Warehouses und No-SQL-Datenbanken
- map reduce

Qualifikationsziele

Die Studierenden sind in der Lage, die wichtigsten Begriffe, Methoden und Theorien der klinischen Entscheidungsunterstützungssysteme, des medizinischen Datenschutzes sowie der Datenintegration und -analyse zu erklären. Sie sind in der Lage zu entscheiden, welche Art von Methoden für welche Art von Datensätzen geeignet sind. Die Studierenden können sich kritisch mit den Unzulänglichkeiten von State-of-the-Art-Methoden auseinandersetzen und eventuell Ideen zur Erweiterung oder Verbesserung der Methoden entwickeln.

Teilnahmevoraussetzungen MDZINFM1410 Grundlagen der Medizininformatik
Dozent/in Pfeifer
Literatur / Sonstiges

Eta S. Berner: Clinical Decision Support Systems - Theory and Practice, A.
Gkoulalas-Divanis and G. Loukides: Medical Data Privacy Handbook, P. Lake
and P. Crowther: Concise guide to databases / recommended: Grundlagen der Medizininformatik

Zuletzt angeboten Wintersemester 2022
Geplant für Wintersemester 2023
Zugeordnete Studienbereiche BIO-BIO, INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-BIOMED, ML-CS



Nummer

MEDZ-4991
Titel

Medical Data Science
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

Diese Vorlesung umfasst verschiedene Bereiche der medizinischen Datenwissenschaft. Data Science oder statistische Methoden des maschinellen Lernens haben das Potenzial, die persönliche Gesundheitsversorgung in den kommenden Jahren zu verändern. Fortschritte in den Technologien haben große biologische Datensätze erzeugt. Um Erkenntnisse zu gewinnen, die dann zur Verbesserung der Vorsorge oder Behandlung von Patienten genutzt werden können, müssen diese großen Daten so gespeichert werden, dass eine schnelle Abfrage relevanter Merkmale der Daten und folglich die Erstellung statistischer Modelle, die die Abhängigkeiten zwischen Variablen darstellen, möglich ist. Diese Modelle können dann genutzt werden, um neue biomedizinische Prinzipien abzuleiten, Beweise für oder gegen bestimmte Hypothesen zu erbringen und um medizinischen Fachleuten in ihrem Entscheidungsprozess zu unterstützen.

Spezifische Themen sind:
- Gewinnung neuer Erkenntnisse aus medizinischen Daten
- Modellierung von Unsicherheiten in medizinischen datenwissenschaftlichen Modellen
- Bereitstellung von medizinischen Erkenntnissen durch interpretierbare Entscheidungsunterstützungssysteme

Methodisch werden in der Vorlesung Methoden für GWAS-Analysen (z.B. LMMs), Methoden für Sequenzanalysen (z.B. Kernel-Methoden), Methoden für "small n problems" (z.B. Domain Adaptation, Transfer Learning und Multitask Learning), Methoden zur Datenintegration (Advanced Unsupervised Learning Methoden), Methoden zum Lernen probabilistischer Machine Learning Modelle (z.B. graphische Modelle) vorgestellt, Methoden für große Datensätze (z. B. Deep-Learning-Modelle).

Qualifikationsziele

Die Studierenden sind in der Lage, die wichtigsten Begriffe, Methoden und Theorien im Bereich der Datenwissenschaft mit Schwerpunkt auf der Analyse biomedizinischer Daten zu erklären. Sie sind in der Lage zu entscheiden, welche Art von Methoden für welche Art von Datensätzen geeignet sind. Die Studierenden können Unzulänglichkeiten von State-of-the-Art-Methoden kritisch reflektieren und eventuell Ideen zur Erweiterung oder Verbesserung der Methoden entwickeln.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Pfeifer
Literatur / Sonstiges

Trevor Hastie, Robert Tibshirani, Jerome Friedman: The Elements of Statistical
Learning, Springer Series in Statistics.
Further books will be announced in the first lecture. / recommended: Machine learning: theory and algorithms or Introduction to Statistical
Machine Learning for Bioinfos and Medicine Infos

Zuletzt angeboten Wintersemester 2022
Geplant für Wintersemester 2023
Zugeordnete Studienbereiche BIO-BIO, INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-BIOMED, MEDZ-MEDTECH, ML-CS, ML-DIV



Nummer

MEDZ-4520
Titel

Biomedizinische Informatikmethoden für die Infektionsforschung
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Vortrag und schriftlicher Projektbericht

Inhalt

Dieses Seminar behandelt verschiedene Aspekte der biomedizinischen Informatikmethoden für die Infektionsforschung. Dazu gehören Methoden der Informatik zur Unterstützung der Forschung in den folgenden Bereichen:
- Pathogen-Wirt-Interaktionen
- Diversität von Krankheitserregern und ihre Bedeutung für menschliche Infektionen
- Analyse von viralen Epitopen
- Unterstützung bei der Entwicklung von Impfstoffen
- Vorhersage von Arzneimittelresistenzen
- Bewertung der Wirksamkeit von Arzneimittelkombinationstherapien

Qualifikationsziele

Erfolgreiche Studierende kennen die wichtigsten Begriffe, Theorien und Methoden im Bereich der Infektionsbekämpfung mit Methoden der Informatik und können diese kritisch reflektieren.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Pfeifer
Literatur / Sonstiges

The papers will be announced at the first meeting. / recommended: Machine learning: theory and algorithms or Introduction to Statistical
Machine Learning for Bioinfos and Medicine Infos

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche BIO-BIO, BIO-SEM, INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS



Nummer

MEDZ-4521
Titel

Informatikmethoden zur Wahrung der Privatsphäre in biomedizinischen Studien
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Referat und Hausarbeit

Inhalt

Dieses Seminar beinhaltet verschiedene Aspekte von Methoden der Informatik zur Wahrung des Datenschutzes bei medizinischen Daten und personalisierter Medizin. Dies beinhaltet Informatikmethoden zur Unterstützung von Forschung in den folgenden Bereichen:
• Datenschutzbewahrendes maschinelles Lernen
• Sichere Berechnungen
• Unterstützung bei Entscheidungen

Qualifikationsziele

Die Studierenden kennen die wichtigsten Begriffe, Theorien und Methoden im Gebiet des Datenschutzes mittels Methoden der Informatik und sie können diese kritisch reflektieren.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Pfeifer
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für Wintersemester 2023
Zugeordnete Studienbereiche BIO-BIO, BIO-SEM, INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS



Nummer

MEDZ-4522
Titel

Machine Learning for Health
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Englisch
Prüfungsform

Vortrag und schriftlicher Projektbericht

Inhalt

Dieses Seminar behandelt verschiedene moderne Methoden des maschinellen Lernens auf biomedizinischen Daten zur Beantwortung interessanter medizinischer Fragen. Dazu können gehören:
- Lernen von grafischen Modellstrukturen und Kausalität in der Medizin
- Deep Learning-Ansätze in der Medizin
- Maschinelle Lernmethoden für kleine Stichprobengrößen

Qualifikationsziele

Maschinelles Lernen für die Gesundheit: Erfolgreiche Studierende kennen die wichtigsten Begriffe, Theorien und Methoden im Bereich der Infektionsbekämpfung mit Methoden der Informatik und können diese kritisch reflektieren.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Pfeifer
Literatur / Sonstiges

The papers will be announced at the first meeting. / recommended: Machine learning: theory and algorithms or Introduction to Statistical
Machine Learning for Bioinfos and Medicine Infos

Zuletzt angeboten Wintersemester 2022
Geplant für Wintersemester 2023
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS, ML-DIV



Nummer

MEDZ-4250
Titel

Machine Learning in Biomedicine
Lehrform(en)

Praktikum
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

inhalt medz 4250

Qualifikationsziele

goals medz 4250

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Pfeifer
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, ML-CS, ML-DIV



Nummer

ML-4530
Titel

Deep Learning for Vision and Graphics
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Mündliche Prüfung

Inhalt

Die Bereiche 3D-Computervision und -Grafik sind durch Deep Learning revolutioniert worden. Zum Beispiel ist es jetzt möglich, detaillierte 3D-Rekonstruktionen von Menschen und Objekten aus Einzelbildern zu erhalten, fotorealistische Renderings von 3D-Szenen mit neuronalen Netzen zu erzeugen oder Videos und Bilder zu manipulieren und zu bearbeiten. In diesem Seminar werden wir die neuesten Veröffentlichungen und Fortschritte in den Bereichen neuronales Rendering, 3D-Computersehen, 3D-Formrekonstruktion und Repräsentationslernen für 3D-Formen behandeln.

Qualifikationsziele

Die Studierenden sind in der Lage, aktuelle Forschungsarbeiten in diesem Forschungsbereich zu lesen und zu reflektieren. Sie können die Beiträge einer solchen Arbeit kritisch beurteilen. Sie können aktuelle Forschungsergebnisse vor anderen Studierenden und Forschern präsentieren und Forschungsdiskussionen leiten.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Pons-Moll
Literatur / Sonstiges

Will be announced in the first meeting / Programming skills, knowledge of linear algebra and calculus, numerical optimization, probability theory.
Prior participation in one of: Deep Learning, Probabilistic ML, Mathematics for ML, Statistical ML is required.

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS, ML-DIV



Nummer

INFO-4314
Titel

Programmieren mobiler Eingebetteter Systeme
Lehrform(en)

Praktikum
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Deutsch
Prüfungsform

Präsentation und Ausarbeitung des Projektes

Inhalt

Im Rahmen dieses Moduls werden praktische Erfahrungen beim Entwurf und Programmieren von mobilen eingebetteten Systemen (ES) vermittelt. Die Teilnehmenden sollen in Teams von bis zu drei Studierenden und in drei Gruppen eine Plattform für ein kleines Netzwerk entwickeln. Das Netzwerk besteht aus den folgenden festen und mobilen Knoten, die drahtlos mittels der Bluetooth-Technologie miteinander kommunizieren: Ein in der Programmiersprache C programmierbarer Sensor/Aktorknoten mit einem AVR-Prozessor. Ein programmierbares mobiles Telefon mit Bluetooth-Fähigkeit, programmierbar in Java2ME. Ein PC als fester Knoten mit Bluetooth-Hardware, zu programmieren in Java2SE. Die Studierenden erhalten ein Lastenheft des zu entwickelnden Systems und erstellen selbstständig unter Anleitung die gesamte Entwicklungsdokumentation. Die Studierenden lernen ein Client/Server-System zu entwerfen,
zu programmieren und zu debuggen. Während des Praktikums werden die Studierenden von erfahrenen Tutoren unterstützt. Das Praktikum ist stark strukturiert. Wöchentlich werden nach einem vorgegebenen Zeitplan Aufgaben verteilt, deren Lösungen termingerecht vorgeführt werden müssen.

Qualifikationsziele

Die Studierenden können systematisch Software für Eingebettete Systeme entwickeln. Sie kennen den gesamten Entwicklungsablauf von der Spezifikation, über die Entwicklung bis hin zu Debugging und Dokumentation. Die Studierenden können erprobte Entwicklungsumgebungen wie Eclipse, Netbeans, Subversion und das Team-Kommunikationssystem TRAC benutzen. Das Praktikum wird in kleinen Gruppen absolviert. Auf Teamarbeit, Kommunikation innerhalb und zwischen den einzelnen Gruppen, systematisches Problemlösen
und Einhalten von Terminen wird Wert gelegt. Dies fördert Selbstbewusstsein, Selbstvermarktungsfähigkeit und Konfliktfähigkeit der Studierenden.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Bringmann
Literatur / Sonstiges

• M. Sauter. Grundkurs Mobile Kommunikationssysteme
• Kumar et al. Java Programming with Bluetooth
• Internet-Hilfen für die Entwicklungssysteme Eclipse und Netbeans

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, ML-CS



Nummer

INFO-4321
Titel

Enterprise Computing - Grundlagen
Lehrform(en)

Vorlesung
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Deutsch
Prüfungsform

Klausur

Inhalt

Die Veranstaltung vermittelt den Studierenden einen Überblick über die IT Systeme und Einrichtungen, mit denen große Unternehmen und staatliche Organisationen ihren täglichen EDV Betrieb meistern. Der Inhalt des Moduls basiert im Wesentlichen auf dem Einsatz moderner Großrechner und der eingesetzten Mainframe Technologie. Im Detail behandelt die Veranstaltung die folgenden Themen: Überblick, Verarbeitungsgrundlagen, z-Systems Architektur und Hardware, Firmware und RAS, z/OS-Betriebssystem, Ein- /Ausgabeverarbeitung, Datenorganisation, Virtualisierung und System Management, Unix und Linux auf z-Systems, Clustering und Sysplex, ITInfrastruktur.

Qualifikationsziele

Die Studierenden beherrschen die erlernten Systemstrukturen und Rechnerarchitekturen, wie sie von großen Unternehmen eingesetzt werden und können diese problemorientiert anwenden. Damit sind die Studierenden in der Lage, die Vor- und Nachteile dieser IT-Methoden auch auf neue Szenarien in der industriellen Praxis situationsadäquat anzuwenden und kompetent zu erweitern.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Kreißig, Schmidt
Literatur / Sonstiges

• U. Kebschull, P. Herrmann, W.G. Spruth. Einführung in z/OS und
OS/390. 2. Auflage, Oldenbourg 2004, ISBN 3-486-27393-0.
• M. Teuffel, R. Vaupel. Das Betriebssystem z/OS und die zSeries. Oldenbourg
2004., ISBN 3-486-27528-3
• W. Greis. Die IBM-Mainframe-Architektur. Open Source Press, 2005,
ISBN 3-937514-05-8.
• W. Zack. Windows 2000 and Mainframe Integration. Macmillan Technical
Publishing, 1999., ISBN 978-1-57870-200-8
• M. Teuffel. TSO : Time Sharing Option im Betriebssystem z/OS MVS.
7. Aufl. München : Oldenbourg Wissenschaftsverlag, 2001. – ISBN 978-
3-48625560-7
• Lawson, Susan ; Luksetich, Daniel: DB2 10 for z/OS Database Administration
: Certification Study Guide. Ketchum : MC Press, 2012. – ISBN
978-1-58347-369-6
• S.G. Sloan, A.K. Hernandez. An Introduction to DB2 for OS/390. Prentice
Hall, 2001.
• IBM Redbooks (http://www.redbooks.ibm.com).

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, ML-CS



Nummer

INFO-4322
Titel

Enterprise Computing - Praktikum
Lehrform(en)

Praktikum
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Deutsch
Prüfungsform

Ausarbeitung und Präsentation der Praktikumsaufgaben

Inhalt

Dateiverwaltung unter TSO, Entwicklung eines COBOL-Batch- Programmes, VSAM-Dateiorganisation, DB2

Qualifikationsziele

Die Studierenden sind in der Lage, das im Modul Enterprise Computing erlernte Wissen anzuwenden und entsprechend zu vertiefen und selbstständig zu erweitern. Sie können entsprechend praktische Probleme durchschauen, analysieren und lösen. Damit sind die Studierenden am Ende ihres Studiums in der Lage, Aufgaben in der industriellen Praxis ergebnisorientiert und kompetent zu bearbeiten. Die im Rahmen dieses Moduls gestellten Aufgaben werden in kleinen Gruppen bearbeitet. Dies trainiert neben Kooperations-, Kommunikationsund Konfliktfähigkeiten auch Selbstdisziplin und Verantwortungsbewusstsein.

Teilnahmevoraussetzungen INFO-4321 Enterprise Computing - Grundlagen
Dozent/in Kreißig
Literatur / Sonstiges

• Herrmann, Paul ; Spruth, Wilhelm G.: Einführung in z/OS und OS/390 : Web-Services und Internet-Anwendungen für Mainframes. 3. Aufl. München : Oldenbourg Wissenschaftsverlag, 2012. – ISBN 978-3-48670428-0
• Teuffel, Michael ; Vaupel, Robert: Das Betriebssystem z/OS und die zSeries : Die Darstellung eines modernen Großrechnersystems. München : Oldenbourg Wissenschaftsverlag, 2004. – ISBN 978-3-48627528-5
• W. Greis. Die IBM-Mainframe-Architektur. Open Source Press, 2005, ISBN 3-937514-05-8.
• Zack, William H.: Windows 2000 and Mainframe Integration. New York : Macmillan Technical Publishing, 1999. – ISBN 978-1- 57870-200-8
• Ben-Natan, Ron ; Sasson, Ori: IBM WebSphere Starter Kit. New York : McGraw-Hill Professional, 2000. – ISBN 978-0-07-212407- 1
• Lawson, Susan ; Luksetich, Daniel: DB2 10 for z/OS Database Administration : Certification Study Guide. Ketchum : MC Press, 2012. – ISBN 978-1-58347-369-6
• IBM Redbooks (http://www.redbooks.ibm.com)

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, ML-CS



Nummer

INFO-4323
Titel

Enterprise Computing - Anwendungen
Lehrform(en)

Vorlesung
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Deutsch
Prüfungsform

Klausur

Inhalt

Die Veranstaltung vermittelt den Studierenden einen Überblick über das Anwendungsspektrum und die dafür notwendigen Middleware Services, mit denen große Unternehmen und staatliche Organisationen ihre vielfältigen Kundenanforderungen erfüllen. Der Schwerpunkt dieser Veranstaltungen ist die Beschreibung der verschiedenen Softwarekomponenten und ihr Zusammenspiel. Im Detail behandelt die Veranstaltung die folgenden Themen: Industrielle Großrechneranwendung und Transaktionsverarbeitung, CICS, Mainframe Datenbankmanagementsystem, Systemkommunikation, Analytics und BigData, Secure Container und Blockchain, Workload Management, Java auf Mainframes, Web Application Server, Software Entwicklung in großen Unternehmen.

Qualifikationsziele

Die Studierenden erlernen die Voraussetzungen für den Betrieb komplexer Softwareumgebungen und Anwendungen, mit denen großen Unternehmen und staatliche Institutionen ihren täglichen Betrieb bewerkstelligen. Damit sind sie in der Lage, diese Softwareumgebungen zu analysieren und mögliche Erweiterungen und Ergänzungen zu definieren. Darüber hinaus können die Studierenden diese Konzepte gegenüber Entscheidungsträgern darstellen und bewerten. Insgesamt sind die Studierenden in der Lage, die Vor- und Nachteile dieser IT-Methoden auch auf neue Szenarien in der industriellen Praxis situationsadäquat anzuwenden und kompetent zu erweitern.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Kreißig, Schmidt
Literatur / Sonstiges

• Herrmann, Paul ; Spruth, Wilhelm G.: Einführung in z/OS und OS/390 : Web-Services und Internet-Anwendungen für Mainframes. 3. Aufl. München : Oldenbourg Wissenschaftsverlag, 2012. – ISBN 978-3-48670428-0
• Teuffel, Michael ; Vaupel, Robert: Das Betriebssystem z/OS und die zSeries : Die Darstellung eines modernen Großrechnersystems. München : Oldenbourg Wissenschaftsverlag, 2004. – ISBN 978-3-48627528-5
• Zack, William H.: Windows 2000 and Mainframe Integration. New York : Macmillan Technical Publishing, 1999. – ISBN 978-1- 57870-200-8
• Teuffel, Michael: TSO : Time Sharing Option im Betriebssystem z/OS MVS. 7. Aufl. München : Oldenbourg Wissenschaftsverlag, 2001. – ISBN 978-3-48625560-7
• Horswill, John: Designing and Programming CICS Applications. Sebastopol : O’Reilly & Associates, 2000. – ISBN 978-1-56592- 676-9
• Ben-Natan, Ron ; Sasson, Ori: IBM WebSphere Starter Kit. New York : McGraw-Hill Professional, 2000. – ISBN 978-0-07-212407- 1
• IBM Redbooks: http://www.redbooks.ibm.com/

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, ML-CS



Nummer

INFO-4324
Titel

Enterprise Computing - Anwendungen Praktikum
Lehrform(en)

Praktikum
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Deutsch
Prüfungsform

Ausarbeitung und Präsentation der Praktikumsaufgaben

Inhalt

COBOL unter CICS, CICS Transaction Gateway, IBM Rational Developer for z Systems, Java Remote Method Invocation

Qualifikationsziele

Die Studierenden sind in der Lage, das im Modul Enterprise Computing erlernte Wissen anzuwenden, entsprechend zu vertiefen und selbstständig zu erweitern. Sie können praktische Probleme durchschauen, analysieren und lösen. Damit sind die Studierenden am Ende ihres Studiums in der Lage, Aufgaben in der industriellen Praxis ergebnisorientiert und kompetent zu bearbeiten. Die im Rahmen dieses Moduls gestellten Aufgaben werden in kleinen Gruppen bearbeitet. Dies trainiert neben Kooperations-, Kommunikations- und Konfliktfähigkeiten auch Selbstdisziplin und Verantwortungsbewusstsein.

Teilnahmevoraussetzungen INFO-4323 Enterprise Computing - Anwendungen
Dozent/in Kreißig
Literatur / Sonstiges

• Herrmann, Paul ; Spruth, Wilhelm G.: Einführung in z/OS und OS/390 : Web-Services und Internet-Anwendungen für Mainframes. 3. Aufl. München
: Oldenbourg Wissenschaftsverlag, 2012. – ISBN 978-3-48670428-0
• Teuffel, Michael ; Vaupel, Robert: Das Betriebssystem z/OS und die zSeries : Die Darstellung eines modernen Großrechnersystems. München : Oldenbourg Wissenschaftsverlag, 2004. – ISBN 978-3-48627528-5
• Zack, William H.: Windows 2000 and Mainframe Integration. New York : Macmillan Technical Publishing, 1999. – ISBN 978-1- 57870-200-8
• Teuffel, Michael: TSO : Time Sharing Option im Betriebssystem z/OS MVS. 7. Aufl. München : Oldenbourg Wissenschaftsverlag, 2001. – ISBN 978-3-48625560-7
• Horswill, John: Designing and Programming CICS Applications. Sebastopol : O’Reilly /& Associates, 2000. – ISBN 978-1-56592- 676-9
• Ben-Natan, Ron ; Sasson, Ori: IBM WebSphere Starter Kit. New York : McGraw-Hill Professional, 2000. – ISBN 978-0-07-212407- 1
• IBM Redbooks: http://www.redbooks.ibm.com/

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, ML-CS



Nummer

INFO-4374
Titel

Software Quality
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Deutsch
Prüfungsform

Präsentation

Inhalt

Die Zuverlässigkeit, Sicherheit, Korrektheit und Robustheit von eingebetteten Systemen wird immer wichtiger. Immer wieder treten Fehler auf, darunter auch kritische, die auf gedanklich-logische Irrtümer in Spezifikation und Implementierung des Systems zurückzuführen sind. Dabei spielen Hardware und Software eine ebenso wichtige Rolle wie die verwendeten Hardware-Beschreibungssprachen und Programmiersprachen. Zur Vermeidung von Fehlern werden oft Einschränkungen an die verwendeten Sprachen festgelegt, um dynamische Fehlfunktionen zu verhindern, aber auch, um die Analyse und Verifikation zu vereinfachen. Die Techniken reichen dabei von der statischen Analyse von Systemen, Programmen und Spezifikationen hinsichtlich der verschiedensten Fragestellungen bis hin zu mehr und mehr Kombinationen aus maschinellen Beweissystemen und Model-Checkern. Neben Fehlervermeidung ist auch Fehlertoleranz (z.B. durch Redundanz, Mehrfachauslegung) für Software ein interessanter Ansatz. Techniken, wie Laufzeitprüfung, Beobachterprozesse, Monitoring, Konsistenzprüfung werden eingesetzt. Mehr und mehr stehen Qualitätsprüfung und die Garantie von Eigenschaften der Systeme im Vordergrund. Ein Beispiel wäre z.B. die Zertifizierung sicherheitsrelevanter Systeme. In diesem Zusammenhang sind auch Bibliotheken, Werkzeuge, Compiler, Systemkomponenten, Fremdsoftware von Bedeutung, für die die Hersteller ebenfalls verantwortlich sind. Die Beherrschung dieser komplexen Zusammenhänge ist nicht nur für Systeme relevant, von denen Gefahr für Leib und Leben von Menschen ausgeht, sondern auch bei wirtschaftlichem Gefahrenpotential, z.B. im Bereich der Security. Ziel dieses Seminars ist es einen Einblick in die Theorie der eingebetteten System-Verifikation und die aktuellen, in der Forschung entwickelten, Tools zu geben, ohne den Fokus auf die heute eingesetzten industriellen Methoden zu verlieren.

Qualifikationsziele

Die Studierenden können wissenschaftliche Literatur recherchieren und haben Lese- und Lernkompetenz erworben. Sie können ein Thema strukturiert aufbereiten sowie schriftlich und in Form eines Vortrags präsentieren.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Kropf
Literatur / Sonstiges

aktuelle Veröffentlichungen aus Industrie und Forschung

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, MEDZ-SEM, ML-CS



Nummer

INFO-4661
Titel

Technische Informatik (Seminar)
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

Präsentation

Inhalt

Wechselnde Themen zu Technologien und Methoden aus dem forschungsorientierten, wissenschaftlichen Umfeld der Technischen Informatik. Bitte Ankündigungen und Aushänge beachten.

Qualifikationsziele

Die Studierenden können einen komplexen, wissenschaftlichen Sachverhalt aus schriftlichen Quellen verstehen, aufarbeiten und selbständig in Form eines Vortrags mit Diskussion präsentieren und in einer selbst erstellten wohl strukturierten Ausarbeitung zusammenfassen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in
Literatur / Sonstiges

wird in der Vorbesprechung bekannt gegeben

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, MEDZ-SEM, ML-CS



Nummer

INFO-4399
Titel

Spezielle Kapitel der Technischen Informatik
Lehrform(en)

Seminar
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Präsentation

Inhalt

Dieses Modul befasst sich mit aktuellen Themen aus dem Bereich der technischen Informatik. Diese werden anhand aktueller Literatur aus Forschung und Industrie an die Studierenden heran gebracht. Das Modul richtet sich vor allem an Studierende, die erweiterte Kenntnisse in diesem Bereich erwerben wollen.

Qualifikationsziele

Die Studierenden sind in der Lage aktuelle Themengebiete der technischen Informatik zu erkennen, zu beschreiben und zu bewerten. Durch eigenverantwortliche Bearbeitung der Themen haben sie Selbstdisziplin sowie Lese- und Lernkompetenz der Studierenden trainiert. Moderationskompetenz, Rhetorik und Kritikfähigkeit der Studierenden werden in besonderem Maße durch die Präsentation des Themas vor fachkundigem Publikum verbessert.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Bringmann
Literatur / Sonstiges

Aktuelle Literatur, die in der Vorbesprechung bekannt gegeben wird.

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, MEDZ-MEDTECH, MEDZ-SEM, ML-CS



Nummer

INFO-4191
Titel

Neuronal Computing
Lehrform(en)

Vorlesung
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Deutsch
Prüfungsform

Mündliche Prüfung (bei großer Teilnehmerzahl Klausur)

Inhalt

Im Rahmen des Moduls Neuronal Computing soll eines der am besten organisierten und effizientesten Systeme zum Rechner vorgestellt werden: das biologische neuronale Netz. In einem ersten Schritt sollen Verfahren zur Kommunikation mit diesem Rechnersystem aufgezeigt werden. Ausgehend von der Informationstheorie werden Verfahren zur Aufnahme von Nervensignalen und deren Signalverarbeitung behandelt. Zunächst werden verschieden Methoden zur Aufnahme von Nervensignalen und der damit entstehenden Probleme aus Sicht der Signalverarbeitung behandelt. Danach werden Verfahren zur Signalverarbeitung von Nervensignalen (Spike sorter etc.) vorgestellt. Insbesondere wird dabei auf die derzeit gängigen Verfahren wie z.B. das JPSH (Joint Peri-Stimulus Histogram) oder ISC (Inca-SOM-Clusot) eingegangen. Die Veranstaltung gliedert sich in Informationstheorie, Neurone als Rechner, Vernetzte Neurone, Aufnahmetechniken, Signalverarbeitung von Nervensignalen, Modular/Population Coding, Unitary Events Analysis und Anwendungen.

Qualifikationsziele

Die Studierenden besitzen basierend auf aktuellen Veröffentlichungen einen tiefen wissenschaftlichen Einblick in Neuronal Computing. Sie können die Erkenntnisse aus biologischen Systemen und der Medizin direkt in den Bereich der Informatik transferieren. Diese Transferleistung bedingt einen hohen Grad an Lese- und Lernkompetenz und ein hohes Engagement zur selbstständigen wissenschaftlichen Informationsbeschaffung.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Nagel
Literatur / Sonstiges

aktuelle Veröffentlichungen

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4192
Titel

Maschinelles Lernen und künstliche neuronale Netze in der biomedizinischen Anwendung
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Präsentation

Inhalt

Im Seminar "Maschinelles Lernen und Künstliche Neuronale Netze in der biomedizinischen Anwendung"werden aktuelle Themen aus der Signalverarbeitung im Bereich der Verarbeitung von Nervensignalen (z.B.: Neuroprothetik oder Brain-Computer-Interfaces), medizinischer Signalen (z.B.: fMRT oder MEG) oder verwandten Bereichen sowie in diesen Bereichen verwendeten Algorithmen der Signalverarbeitung bearbeitet.

Qualifikationsziele

Die Studierenden können mittels Literaturrecherche, Lese- und Lernkompetenz die strukturierte Aufbereitung eines Themas im Bereich des maschinellen Lernens und der künstlichen Neuronalen Netze durchführen. Sie besitzen rhetorische Fähigkeiten, Kritikfähigkeit und können eine wissenschaftliche Ausarbeitung erstellen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Nagel
Literatur / Sonstiges

aktuelle Veröffentlichungen

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-VIS, MEDZ-MEDTECH, MEDZ-SEM, ML-CS



Nummer

INFO-4161
Titel

Bildverarbeitung II (3D-Computer-Vision)
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Deutsch
Prüfungsform

Klausur (bei geringer Teilnehmerzahl mündliche Prüfung), Note kann durch Übungspunkte verbessert werden (Bonus). Mindestpunktzahl in den Übungen erforderlich für Zulassung zur Prüfung.

Inhalt

Themen sind u.a.: Extraktion von Feature-Punkten, Korrelation und Matching, Epipolar Constraint, Fundamental Matrix, Berechnung der Kamerapositionen, Image Warping, Optical flow und Dense Correspondence Matching

Qualifikationsziele

Die Studierenden kennen die grundlegenden Verfahren zur Rekonstruktion von 3D Szenen aus Bildern und Video-Aufnahmen und können diese implementieren.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Schilling
Literatur / Sonstiges

Vorlesungsfolien werden zum Download bereitgestellt

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-VIS, MEDZ-MEDTECH, ML-CS



Nummer

INFO-4162
Titel

Bildverarbeitung II (3D-Computer-Vision)
Lehrform(en)

Praktikum
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Deutsch
Prüfungsform

Projekt, Präsentation und Ausarbeitung

Inhalt

Implementierung von Programmen aus dem Bereich der Computer-Vision

Qualifikationsziele

Die Studierenden können selbständig (in kleinen Gruppen) Programme zur Lösung einfacher Probleme der 3D-Rekonstruktion aus Bildern planen und erstellen und dabei ihre theoretischen Kenntnisse anwenden.

Teilnahmevoraussetzungen INFO-4161 Bildverarbeitung II (3D-Computer-Vision)
Dozent/in Schilling
Literatur / Sonstiges

Entwicklungsumgebung wird zur Verfügung gestellt

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-VIS, MEDZ-MEDTECH, ML-CS



Nummer

INFO-4163
Titel

Medizinische Bildverarbeitung
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Verarbeitung von Bild- und Volumendaten in der Medizin: Bildgebende Verfahren, Röntgen, CT, MR, PET, Radontransformation, Filterung von 2D und 3D-Daten, Segmentierung in 2D und 3D, Visualisierung von voxelbasierten Volumendaten, Atlanten und statistische Modelle.

Qualifikationsziele

Die Studierenden kennen die wichtigen bildgebenden Verfahren in der Medizin und verstehen die zugrundeliegenden technischen und physikalischen Vorgänge. Sie kennen Basisalgorithmen zur Weiterverarbeitung und Darstellung der gewonnenen Daten.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Schilling
Literatur / Sonstiges

Vorlesungsfolien werden zum Download bereitgestellt

Zuletzt angeboten -
Geplant für -
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-VIS, MEDZ-MEDTECH, ML-CS



Nummer

INFO-4164
Titel

Medizinische Bildverarbeitung
Lehrform(en)

Praktikum
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

Projekt, Präsentation und Ausarbeitung

Inhalt

Implementierung von Programmen aus dem Bereich der Bildverarbeitung, z.B. Segmentierung von Röntgendaten, Visualisierung von Voxeldaten

Qualifikationsziele

Die Studierenden können selbständig (in kleinen Gruppen) Programme zur Lösung einfacher Probleme der medizinischen Biildverarbeitung planen und implementieren und dabei ihre theoretischen Kenntnisse anwenden.

Teilnahmevoraussetzungen INFO-4163 Medizinische Bildverarbeitung
Dozent/in Schilling
Literatur / Sonstiges

Entwicklungsumgebung wird zur Verfügung gestellt

Zuletzt angeboten -
Geplant für -
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-VIS, MEDZ-MEDTECH, ML-CS



Nummer

INFO-4170
Titel

Geometrische Modellierung und Simulation
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

Klausur (bei geringer Teilnehmerzahl mündliche Prüfung), Note kann durch Übungspunkte verbessert werden (Bonus). Mindestpunktzahl in den Übungen erforderlich für Zulassung zur Prüfung.

Inhalt

Generierung von Polygonnetzen, Punktdatenverarbeitung (Laserscanning, Registrierung,... ) Punktbasierte Repräsentationen, effiziente Netzdatenstrukturen, Netzkompression, remeshing, hierarchische Strukturen, Netzvereinfachung

Qualifikationsziele

Die Studierenden kennen die grundlegenden Methoden und Algorithmen zur Optimierung, Verarbeitung und Speicherung geometrischer Daten. Sie sind in der Lage, aktuelle Algorithmen zur Geometrieverarbeitung zu implementieren.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Schilling
Literatur / Sonstiges

Eigene Materialien und Vorlesungsfolien werden zum Download bereitgestellt

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-VIS, MEDZ-MEDTECH, ML-CS



Nummer

INFO-4172
Titel

Virtual Reality
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

Klausur (bei geringer Teilnehmerzahl mündliche Prüfung), Note kann durch Übungspunkte verbessert werden (Bonus). Mindestpunktzahl in den Übungen erforderlich für Zulassung zur Prüfung.

Inhalt

Szenengraphen, Stereo (HW, SW), Tracking (HW, SW), Beschleunigungstechniken (LOD; Culling), Kollisionsdetektion, Haptik, Sound, GPU Programmierung

Qualifikationsziele

Die Studierenden kennen Hard- und Softwarekomponenten aktueller VR-Systeme und haben ein breites Wissen über Algorithmen aus den Bereichen Erfassung, Simulation und Rendering die für VR-Systeme relevant sind. Sie sind fähig, Komponenten eines VR-Systems zu implementieren.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Schilling
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-VIS, MEDZ-MEDTECH, ML-CS



Nummer

INFO-4179
Titel

Spezielle Kapitel der Graphischen Datenverarbeitung
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

Klausur (bei geringer Teilnehmerzahl mündliche Prüfung), Note kann durch Übungspunkte verbessert werden (Bonus). Mindestpunktzahl in den Übungen erforderlich für Zulassung zur Prüfung.

Inhalt

Spezielle Themen aus dem Bereich der Graphischen Datenverarbeitung.

Qualifikationsziele

Die Studierenden erwerben vertiefende Kenntnisse in speziellen Gebieten der Graphischen Datenverarbeitung, die z.B. für Promotionsprojekte im Arbeitsbereich wichtig sind. Sie können neu Ansätze einordnen und bewerten. Sie sind in der Lage, in dem speziellen Gebiet eigenständig neue Algorithmen zu entwickeln und zu implementieren.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Schilling
Literatur / Sonstiges

Vorlesungsfolien werden zum Download bereitgestellt

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-VIS, MEDZ-MEDTECH, ML-CS



Nummer

INFO-4187
Titel

Bildverarbeitung, Maschinelles Lernen und Computer Vision
Lehrform(en)

Praktikum
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Projekt, Präsentation und Ausarbeitung

Inhalt

Implementierung von Problemlösungen mit Algorithmen aus den Bereichen Bildverarbeitung, Maschinelles Lernen und Computer Vision

Qualifikationsziele

Die Studierenden können selbständig (in kleinen Gruppen) geeignete Algorithmen und Verfahren aus den Bereichen Bildverarbeitung, Maschinelles Lernen und Computer Vision zur Lösung konkreter Problemstellungen einsetzen und Verfahren aus den verschiedenen Bereichen kombinieren.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Schilling
Literatur / Sonstiges

Entwicklungsumgebung wird zur Verfügung gestellt

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-VIS, MEDZ-MEDTECH, ML-CS



Nummer

INFO-4168
Titel

Fortgeschrittene Themen aus Computergrafik, Computer Vision und Maschinellem Lernen
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Vortrag und schriftlicher Projektbericht

Inhalt

Fortgeschrittene Themen aus dem Bereich der Graphischen Datenverarbeitung und Computer Vision, Renderingalgorithmen, Renderinghardware, Computer Vision und Patternerkennung, Klassifizierung, Modellierung, Lernverfahren in der Computergrafik und Computer Vision.

Qualifikationsziele

Die Studierenden können ein fortgeschrittenes Thema aus dem Bereich der graphischen Datenverarbeitung anhand aktueller Konferenzbeiträge und Zeitschriftenartikel erarbeiten, vor der Gruppe präsentieren und diskutieren und in einer schriftlichen Ausarbeitung das Wesentliche verständlich und korrekt darstellen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Lensch, Schilling
Literatur / Sonstiges

Hängen von den aktuellen Themen ab und werden zur Verfügung gestellt

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-VIS, MEDZ-SEM, ML-CS, ML-DIV



Nummer

MEDI-4510
Titel

Audiovisuelle Medien I (Kameratechnik und Digitaler Videoschnitt)
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Deutsch
Prüfungsform

Werkstück mit Dokumentation

Inhalt

Im Modul erlernen die Studierenden zunächst praxisnah den Umgang mit professionellen Videokameras und beschäftigen sich dabei mit zentralen Fragestellungen der Bild- und Lichtgestaltung. Im Anschluss erlernen sie Techniken des digitalen Videoschnitts mit Adobe Premiere. Inhalte sind dabei: Einbinden von statischen und bewegten Bilder, Titelgeneration, Überblendeffekte, Verwendung von Keyframes, Codierung und Dateiformate, Dateiexport

Qualifikationsziele

Die Studierenden besitzen Kenntnisse in den grundlegenden Techniken des digitalen Videoschnitts sowie über die Grundlagen des Umgangs mit Videokamera und Lichttechnik.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Schilling
Literatur / Sonstiges

Katz: Die richtige Einstellung. Das Lehrbuch über Bildsprache und Filmgestaltung,
Schneeberger / Feix: Adobe Premiere Pro CS5, Vineyard: Crashkurs
Filmauflösung

Zuletzt angeboten nicht bekannt
Geplant für Wintersemester 2023
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDI-PRAX, MEDZ-SEM, ML-CS



Nummer

MEDI-4511
Titel

Audiovisuelle Medien II (3D-Animation)
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Deutsch
Prüfungsform

Werkstück mit Dokumentation

Inhalt

Im Modul erlernen die Studierenden grundlegende Techniken der 3DAnimation. Im Mittelpunkt stehen dabei 3D-Modellierung und Key-Frame- Animation. Verwendet wird dabei gängige 3D-Animation-Software. Sehr praxisnah erlernen die Studierenden anhand von eigenen Werkstücken in 3D die Grundlagen des Animationsfilms und technischer Animationen. Der Leistungsnachweis besteht aus einem kurzem 3D-Animationsfilm, den die Studierenden in Kleingruppen erstellen.

Qualifikationsziele

Die Studierenden besitzen Kenntnisse in den grundlegenden 3DAnimationstechniken, insbesondere 3D-Modellierung und Keyframe-Animation. Sie können diese Kenntnisse aktiv mit gängiger 3D-Animations-Software umsetzen. Diese Kenntnisse erwerben sich die Studierenden praxisnah anhand eigener Werkstücke.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Schilling
Literatur / Sonstiges

Flavell: Beginning Blender: Open Source 3D Modeling, Animation, and Game Design,
Withrow: Secrets of Digital Animation: A Master Class in Innovative Tools and Techniques

Zuletzt angeboten nicht bekannt
Geplant für Wintersemester 2023
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDI-PRAX, MEDZ-SEM, ML-CS



Nummer

MEDI-4512
Titel

Audiovisuelle Medien III (Special Effects)
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

Werkstück mit Dokumentation

Inhalt

In Seminarform erarbeiten und diskutieren die Studierenden anhand aktueller Beispiele zentrale Spezialeffekte und Tricktechniken der Filmproduktionen. Zugleich erlernen Sie grundlegende Spezialeffekte, die sie in Kleingruppen mittels eines Kurzfilms umsetzen sollen. Beispiele der Effekte sind: Blues-/Greenscreen, Overlay, Digital Matte, Miniatureffekte, Stop Motion.

Qualifikationsziele

Die Studierenden besitzen Kenntnisse und vertieftes Verständnis über die grundlegenden Spezialeffekte der Filmproduktion und kennen aktuelle Effekttechniken anhand einschlägiger, aktueller Beispiele.

Teilnahmevoraussetzungen MEDI-4510 Audiovisuelle Medien I (Kameratechnik und Digitaler Videoschnitt)
Dozent/in Schilling
Literatur / Sonstiges

Fontaine: Adobe After Effects CS5: Das Praxisbuch zum Lernen und Nachschlagen,
Giesen / Mulack: Special Visual Effects: Planung und Produktion,
Rickitt / Harryhausen: Special Effects: The History and Technique

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDI-PRAX, MEDZ-SEM, ML-CS



Nummer

MEDI-4599
Titel

Spezielle Kapitel Medienproduktion
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Deutsch
Prüfungsform

Schriftliche Ausarbeitung und darauf basierende Präsentation

Inhalt

Wechselnde Themen aus dem Bereich der Medienproduktion werden von externen Dozenten aus Medien und Firmen vorgestellt und durch praktische Projekte eingeführt. Beispielhaft seien die Themen Typographie und Layout oder Soundengineering genannt.

Qualifikationsziele

Die Studierenden besitzen in einem speziellen Gebiet der Medienproduktion vertiefte Kenntnisse und Fähigkeiten.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Schilling
Literatur / Sonstiges

Aktuelle Literatur, die in der Veranstaltung bekannt gegeben wird.

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDI-PRAX, MEDZ-SEM, ML-CS



Nummer

INFO-4465
Titel

Lambda-Kalkül und kombinatorische Logik
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

inhalt 4465

Qualifikationsziele

goals 4465

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Piecha
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4492
Titel

Special Topics in Learning Theory
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

In diesem Modul diskutieren wir fortgeschrittene Ergebnisse und Ansätze der Lerntheorie und aktuelle Forschungsergebnisse auf dem Gebiet des maschinellen Lernens im Allgemeinen.

Qualifikationsziele

Die Studerenden lernen fortgeschrittene Ergebnisse der Lerntheorie kennen. Sie können beurteilen, ob ein Algorithmus gut konzipiert ist, sowohl aus algorithmischer als auch aus statistischer Sicht. Sie verstehen die grundlegenden Grenzen des maschinellen Lernens. Sie können aktuelle Forschungsfragen reflektieren. Nach diesem Modul sind sie gut vorbereitet, um eine Masterarbeit im Bereich der Lerntheorie zu schreiben.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in von Luxburg
Literatur / Sonstiges

will be announced in the lecture

Zuletzt angeboten -
Geplant für -
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV



Nummer

INFO-4493
Titel

Learning Theory
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Vortrag und schriftlicher Projektbericht

Inhalt

In diesem Seminar diskutieren wir aktuelle Forschungsarbeiten im Bereich der Theorie des maschinellen Lernens in Form von studentischen Präsentationen und geführten Diskussionen.

Qualifikationsziele

Die Studierenden sind in der Lage, aktuelle Forschungsarbeiten auf dem Gebiet der Lerntheorie zu lesen und zu reflektieren. Sie können die Beiträge einer solchen Arbeit kritisch beurteilen. Sie können aktuelle Forschungsergebnisse vor anderen Studierenden und Forschern präsentieren und Forschungsdiskussionen leiten. Sie können die Ergebnisse einer Arbeit in Form eines schriftlichen Forschungsberichts zusammenfassen und bewerten.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in von Luxburg
Literatur / Sonstiges

will be announced in the lecture / Basic knowledge in machine learning.

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS, ML-DIV



Nummer

MEDI-4310
Titel

Fortgeschrittene Web-Entwicklung
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Inhalt dieses Moduls sind Methoden und Techniken zur Entwicklung komplexer Web-Applikationen. Hierzu werden zum einen Java-basiert die Möglichkeiten von JEE behandelt, zunächst die grundlegenden Ansätze der Servlets und JSP, weiterführend dann EJB, JSF und Hypernate. Ergänzend hierzu werden die Möglichkeiten des dotnet-Frameworks basierend auf C# behandelt. Neben der reinen Entwicklung fortgeschrittener Web-Applikationen werden auch deren Betrieb in den entsprechenden Server-Strukturen sowie die Beurteilung der Ansätze bezüglich Stabilität, Performance und Entwicklungsaufwand behandelt.

Qualifikationsziele

Die Studierenden besitzen Kenntnisse in den Techniken zur Entwicklung fortgeschrittener Web-Anwendungen insbesondere in JEE-Framework und dotnet. Sie sind in der Lage, eigenständig fortgeschrittene Web-Applikationen zu konzipieren und zu implementieren und dabei verschiedene Design-Patterns zu
beurteilen und aktiv umzusetzen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Walter
Literatur / Sonstiges

T. Walter: Kompendium der Web-Programmierung, Springer, 2008

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-WEB, ML-CS



Nummer

MEDI-4320
Titel

Fortgeschrittene Medienanwendungen im Netz
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur (bei kleiner Teilnehmerzahl mündliche Prüfung) 80 %, Übungen 20 %

Inhalt

Verfahren der digitalen Audio- und Video-Erzeugung, Detektoren, physikalische Grundlagen, Sampling, Kodierungsverfahren, Hardware beschleunigte Kodierung, Multimedia Übertragungsprotokolle, IP-basierte MultimediaÜbertragungsprotokolle, Sicherheit bei der Übertragung von Mediendaten, Grundlagen der Media-Player, Integration von Audio und Video in Web- Applikationen - WebRTC, Web-Sockets, html5. Medien-Containerformate - mp3, mp4. Praxiskomponenten: Videokonferenzen im täglichen Einsatz, der Hörsaal als Videostudio, das realtime und on demand Medienserversystem der Universität Tübingen TIMMS.

Qualifikationsziele

Die Studierenden sollen grundlegende und fortgeschrittene Konzepte und Verfahren der Erzeugung, der Kodierung, der Übertragung und der rechnergestützten Darstellung von Audio- und Video-Information verstehen und erlernen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Walter
Literatur / Sonstiges

Grundkenntnisse der Protokolle des Internet-Protokol-Stacks und der Netzwerkprogrammierung, Grundkenntnisse einer objektorientierten Programmiersprache

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-WEB, ML-CS



Nummer

MEDI-4330
Titel

Digitale Fotografie für das Web
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

Klausur (bei kleiner Teilnehmerzahl mündliche Prüfung) 80 %, Übungen 20 %

Inhalt

Inhalt dieses Moduls zunächst die Prinzipien der analogen und der digitalen Fotografie. Dazu zählen insbesondere die physikalischen und chemischen Grundlagen. Hierauf aufbauend wird die Digitalisierung des Bildes und dazu die verschiedenen möglichen Formate für das Web sowie die grundlegende Bildbearbeitung behandelt. Die Auflösung des Bayer-Mosaics für die Farbgebung wird diskutiert. Digitale Wasserzeichen (robuste und zerbrechliche) und Präsentationsformen im Web sind Themen des Moduls, ebenso rechtliche Aspekte.

Qualifikationsziele

Die Studierenden verstehen die physikalischen Prinzipien der analogen und besonders der digitalen Fotografie und können die gängigen Techniken umsetzen. Die Bildbearbeitung allgemein und speziell für die Zielplattform Web ist ihnen aktiv vertraut, ebenso die algorithmische Auflösung des Bayer-Mosaics. Grundsätzliche rechtliche Fragen (Urheberrecht, Bildnisrecht) können von ihnen beantwortet werden.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Walter
Literatur / Sonstiges

T. Walter: MediaFotografie, Springer, 2005

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-PRAX, MEDI-WEB, ML-CS



Nummer

MEDI-4399
Titel

Spezielle Kapitel Web und Internet
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Wechselnde Themen aus dem Bereich der Web-Entwicklung und Multimedia. (Präsenz)Übungen werden in kleinen Gruppen abgehalten,

Qualifikationsziele

Kompetenzen: Die Studierenden besitzen in einem speziellen Gebiet der Web- Entwicklung und Multimedia aus der aktuellen Forschung und Entwicklung vertiefte Kenntnisse und Fähigkeiten. Sie können diese Fähigkeiten konzeptionell und in der Implementierung aktiv umsetzen. Sie können ihre Lösungen aktiv präsentieren

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Walter
Literatur / Sonstiges

Aktuelle Literatur, die in der Veranstaltung bekannt gegeben wird.

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-WEB, ML-CS



Nummer

INFO-4151
Titel

Angewandte Statistik II
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Deutsch
Prüfungsform

Klausur

Inhalt

Aufbauend auf Angewandte Statistik I werden komplexere statistische Methoden behandelt: Generalisierte Lineare Modelle (GLM), Hauptkomponentenanalyse (PCA), Unabhängigkeitsanalyse (ICA) und Bayes-Statistik. Der Schwerpunkt liegt auf der praktischen Anwendung aller Methoden und deren Implementation in der Programmiersprache Python (mit den Modulen statsmodels, scipy.stats, sklearn und pymc) und der Darstellung der Ergebnisse in Notebooks.

Qualifikationsziele

Die Studierenden kennen weiterführende statistische Methoden, können diese anwenden und in Software implementieren. Sie können die Unterschiede zwischen frequentistischer und Bayes-Statistik einordnen. Die Studierenden sind in der Lage, Versuche selbst planen und auswerten zu können und dabei typische Fehler zu vermeiden. Sie können in der Literatur eingesetzte statistische Verfahren und dargestellte Ergebnisse kritisch hinterfragen.

Teilnahmevoraussetzungen INF3223 Angewandte Statistik I,

INFM1010 Mathematik für Informatik 1: Analysis,

INFM1020 Mathematik für Informatik 2: Lineare Algebra
Dozent/in Wannek
Literatur / Sonstiges

Wird in der Vorlesung bekannt gegeben

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4166
Titel

Psychophysical Methods
Lehrform(en)

Vorlesung
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

In der Vorlesung werden folgende Themenbereiche behandelt:
Theorie linearer Systeme, psychophysiche Methoden und Experimentaldesign, Signalentdeckungstheorie, Diffusionsmodelle für Reaktionszeitdaten, Schätzung psychometrischer Funktionen.

Qualifikationsziele

Die Studierenden kennen die wichtigsten Limitationen, Konzepte und psychophysischen Methoden in der Wahrnehmungspsychologie.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Wichmann
Literatur / Sonstiges

Literatur / Literature:
Wird zu Beginn der Vorlesung angekündigt. / Will be announced at the beginning of the lecture.

Teilnahmevoraussetzungen / Prerequisites:
Grundlagenwissen in Mathematik und Statistik; empfohlen wird zudem Grundlagenwissen über die Prinzipien visueller Wahrnehmung. / Basic knowledge in mathematics and statistics is required; basic knowledge of the fundamentals of visual perception is strongly recommended.

Zuletzt angeboten Wintersemester 2022
Geplant für Wintersemester 2023
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-VIS, ML-CS



Nummer

INFO-4169 (MKOGW1)
Titel

Sensory Psychology
Lehrform(en)

Vorlesung, Seminar
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 2 Semester
Häufigkeit des Angebots Jedes Semester
Unterrichtssprache Englisch
Prüfungsform

Klausur (Vorlesung), Referat (Seminar)

Inhalt

Das Modul besteht aus 2 Komponenten:
1) der Vorlesung "Psychophysical Methods" (jedes Wintersemester)
2) einem von drei auf die Vorlesung aufbauenden Seminaren ("Spatial Vision", "Colour Vision & Material Perception" und "Theories of Vision"), wobei jedes Seminar alle 3 Jahre im Sommersemester angeboten wird.

Um das Modul abzuschließen, müssen die Studierenden zunächst die Pflichtvorlesng "Psychophysical Methods" (im Wintersemester) absolvieren, gefolgt von einem der drei Seminare (im Sommersemester).

Die Modulinhalte sind wie folgt:
1) Vorlesung "Psychophysical Methods":
Theorie linearer Systeme, psychophysiche Methoden und Experimentaldesign, Signalentdeckungstheorie, Diffusionsmodelle für Reaktionszeitdaten, Schätzung psychometrischer Funktionen.

2a) Seminar "Spatial Vision":
Optik des Auges, absolute Schwerren, Adaptation, Kontrastsensitivitätsfunktionen, Räumliche Optics of the eye, absolute thresholds, adaptation, contrast sensitivity function, Selektivität für räumliche Frequenzen, Kontrastverstärkungsmechanismen, frühe visuelle Repräsentation sensorischer Informationen.

2b) Seminar "Colour Vision & Material Perception":
Spektrale Zusammensetzung des Lichts, Enkodierung von Wellenlängen, Farbmatching, Trichromie, Farbeindruck, Farbkonstanz, stoffliche Eigenschaften und deren Wahrnuhmung.

2c) Seminar "Theories of Vision":
Inverse Optik, Gibson’s dynamische Theorie der Wahrnehmung ("Direct Perception"), visuelle Wahrnehmung als (unbewusster) Inferenzprozess, die "Interface"-Theorie visueller Wahrnhemung, visuelle Wahrnehmung als "Predictive Coding", die "Efficient Coding"-Hypothese.

Qualifikationsziele

Die Studierenden können die zentralen Limitationen, Konzepte und psychophysischen Ansätze in der Wahrnehmungspsychologie einordnen und kritisch reflektieren. Sie ein vertieftes Verständnis von aktuellen Modellen und deren theoretischer Fundierung in einer spezifischen Subdomäne der Wahrnehmungspsychologie (räumliche Wahrnehmung, Wahrnehmung von Farbe und stofflichen Eigenschaften, Theoreien der visuellen Wahrnehmung). Sie haben ihre Fähigkeit, aktuelle Forschungsarbeiten in diesen Gebieten zu diskutieren, kritisch zu reflektieren und zielgruppengerecht zu präsentieren.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Wichmann
Literatur / Sonstiges

Literatur / Literature: Wird zu Beginn jeder Veranstaltung angekündigt. / Will be announced at the beginning of each course.

Teilnahmevoraussetzungen / Prerequisites: Grundlagenwissen in Mathematik und Statistik; dringend empfohlen wird zudem Grundlagenwissen über die Prinzipien visueller Wahrnehmung. / Basic knowledge in mathematics and statistics is required; basic knowledge of the fundamentals of visual perception is strongly recommended.

Zuletzt angeboten Wintersemester 2022
Geplant für Sommersemester 2023
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-VIS, MEDZ-SEM, ML-CS



Nummer

ML-4710
Titel

Beyond Fairness: a Socio-Technical view of Machine Learning
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

inhalt ml 4710

Qualifikationsziele

goals ml 4710

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Williamson
Literatur / Sonstiges

-

Zuletzt angeboten -
Geplant für -
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV



Nummer

INFO-4181
Titel

Mustererkennung und Maschinelles Lernen
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Wird noch bekannt gegeben.

Inhalt

Das Modul behandelt die ersten Kapitel des u.g. Lehrbuchs von Ch. Bishop: Einführung in maschinelles Lernen, Wahrscheinlichkeitsverteilungen, Lineare Modelle für Regression, Lineare Modelle für Klassifikation, Neuronale Netzwerke (kurz), Kernel-Methoden, Mixture-Models und EM-Algorithmen.

Qualifikationsziele

Die Studierenden erwerben Wissen über maschinelles Lernen auf moderner statistischer Basis. Sie kennen math.-statistische Herangehensweisen für die Lösung von Mustererkennungsproblemen und können diese in Übungsaufgaben anwenden.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Zell
Literatur / Sonstiges

Ch. Bishop: Pattern Recognition and Machine Learning, Springer-Verlag;
Skript in englischer Sprache

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-VIS, ML-CS



Nummer

INFO-4183
Titel

Evolutionäre Algorithmen
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Wird noch bekannt gegeben.

Inhalt

Gliederung und Systematik heuristischer Optimierungsverfahren, Genetische Algorithmen, Classifier Systeme, Genetisches Programmieren, Evolutionsstrategien, Multikriterielle Optimierung, Schwarm-Algorithmen. In den begleitenden Übungen vertiefen Teilnehmer die Theorie bzw. lösen einfache Optimierungsprobleme mit dem Optimierungssystem EvA2 und eigenen Programmen.

Qualifikationsziele

Die Studierenden kennen die Theorie und Anwendung moderner evolutionärer Algorithmen (Genetische Algorithmen, Evolutionsstrategien, Genetisches Programmieren, Schwarm-Algorithmen etc.). Sie können die für das jeweilige Problem optimalen Algorithmen auswählen und damit Optimierungsprobleme lösen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Zell
Literatur / Sonstiges

Skriptum zur Vorlesung

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4184
Titel

Evolutionäre Algorithmen
Lehrform(en)

Praktikum
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Wird noch bekannt gegeben.

Inhalt

Die Studierenden machen sich in Teams von ca. drei Studierenden mit dem evolutionären Optimierungssystem EvA2 und seinen Optimierungsverfahren vertraut und lösen anschließend ein reales komplexes Optimierungsproblem im Team

Qualifikationsziele

Die Studierenden besitzen Grundlagenwissen über evolutionäre Algorithmen aus der Vorlesung und können diese an einem größeren realen Problem anwenden. Sie beherrschen Problemanalyse, Teamarbeit, Zeiteinteilung, Dokumentation und Vortragstechnik.

Teilnahmevoraussetzungen INFO-4183 Evolutionäre Algorithmen
Dozent/in Zell
Literatur / Sonstiges

Wird in der Vorbesprechung ausgeteilt.

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4361
Titel

Mobile Roboter
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Wird noch bekannt gegeben.

Inhalt

Das Modul Mobile Roboter konzentriert sich insbesondere auf radgetriebene Roboter und Flugroboter: Einführung, mathematische Grundlagen, Kinematische Modellierung radgetriebener mobiler Roboter, Sensoren für mobile Roboter, Mapping, Lokalisierung, Navigation mobiler Roboter, Modellierung von Flugrobotern

Qualifikationsziele

Die Studierenden haben Wissen über mobile Roboter erworben. Sie können die Kinematik mobiler Roboter zu beschreiben. Sie kennen Algorithmen zur Selbstlokalisation, Navigation, Suche und Pfadplanung. Weiterhin kennen sie Sensoren für mobile Roboter und ihre Eigenschaften und kennen deren Vorund Nachteile für verschiedene Aufgaben.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Zell
Literatur / Sonstiges

Skriptum Mobile Roboter (Zell), weitere Lit. wird zu Beginn der Vorlesung bekanntgegeben

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, ML-CS, ML-DIV



Nummer

INFO-4362
Titel

Mobile Roboter
Lehrform(en)

Praktikum
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Wird noch bekannt gegeben.

Inhalt

Unter Verwendung von Outdoor-Robotern auf Basis von 1/10 Modell-Monstertrucks mit Kamera, Sonarsensoren und Laserscanner werden Aufgaben wie Wandverfolgung, Regelung, Folgeverhalten, Selbstlokalisation, Kartenaufbau oder Suchalgorithmen auf mobilen Robotern implementiert. Die letzte Aufgabe hat meist Wettbewerbscharakter zwischen den Teams.

Qualifikationsziele

Die Studierenden können in kleinen Gruppen Probleme der Sensorik, Regelung, Selbstlokalisation und Navigation von mobilen Robotern selbstständig erarbeiten. Sie haben Kompetenzen in den Bereichen Problemlösungsverhalten, Teamfähigkeit, Zeiteinteilung, Programmierfähigkeiten und Präsentationsfähigkeit erworben.

Teilnahmevoraussetzungen INFO-4361 Mobile Roboter
Dozent/in Zell
Literatur / Sonstiges

Literatur wird zu Beginn des Praktikums bekanntgegeben bzw. im Praktikum ausgeteilt

Zuletzt angeboten Wintersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, ML-CS, ML-DIV



Nummer

INFO-4363
Titel

Advanced Topics in Mobile Robots
Lehrform(en)

Seminar
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Wird noch bekannt gegeben.

Inhalt

Das Seminar umfasst jährlich wechselnde fortgeschrittene Themen der mobilen Robotik, z.B. Roboterkinematik, Moderne probabilistische Verfahren der Navigation und Selbstlokalisation, Kartierung (Mapping), Pfadplanung bei beweglichen Hindernissen, Roboterformationen, Simultane Lokalisierung und Kartierung (SLAM), Visuelle Selbstlokalisation, Sensorfusion mit versch. Sensoren. Im Unterschied zum ähnlichen genannten Proseminar sind die Themenstellungen, Algorithmen und math./physikal. Beschreibungen anspruchsvoller und die Behandlung tiefergehender.

Qualifikationsziele

Die Studierenden können ein Thema aus dem Bereich Mobile Roboter wissenschaftlich analysieren, vortragen und in einer Abhandlung ausarbeiten.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Zell
Literatur / Sonstiges

Literatur wird in der Vorbesprechung angegeben.

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, MEDZ-SEM, ML-CS, ML-DIV



Nummer

INFO-4364
Titel

Flugroboter
Lehrform(en)

Praktikum
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Wird noch bekannt gegeben.

Inhalt

Unter Verwendung von 6+2 neu aufgebauten Flugrobotern (Quadrocoptern) mit RGBD-Kamera, Onboard-PC Odroid XU4 und Autopilot-Hardware Pixhawk sowie einem stationären IR-Tracking-System werden Aufgaben wie einfache Flugregelung, autonomes Hoovern, Starten und Landen, visuelle Odometrie, etc. implementiert. Die meisten Aufgaben werden zuerst in einem Simulationssystem, dann mit realen Quadrokoptern in einem durch Fangnetze abgetrennten Bereich des großen Roboterlabors realisiert.

Qualifikationsziele

Die Studierenden entwickeln und implementieren in kleinen Gruppen selbstständig Algorithmen zur Sensordatenauswertung, Flugregelung, Selbstlokalisation und visuellen Odometrie von Flugrobotern. Sie erwerben Kompetenzen in den Bereichen Problemlösungsverhalten, Teamfähigkeit, Zeiteinteilung, Programmierfähigkeit und Präsentationsfähigkeit.

Teilnahmevoraussetzungen INFO-4361 Mobile Roboter
Dozent/in Zell
Literatur / Sonstiges

Literatur wird zu Beginn des Praktikums bekanntgegeben bzw. im Praktikum ausgeteilt

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, ML-CS, ML-DIV



Nummer

INFO-4365
Titel

Deep Convolutional Neural Networks
Lehrform(en)

Praktikum
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Wird noch bekannt gegeben.

Inhalt

Unter Verwendung moderner CUDA-basierter Systeme (PCs mit Nvidia-Graphikprozessoren sowie CUDA-workstations mit 4 GeForce Titan X Graphikkarten) und moderner Software zum Training tiefer neuronaler Netze, wie Caffe, CNTK oder Torch werden Probleme des maschinellen Lernens tiefer neuronaler Netze zur Klassifikation von Bildern, Objekterkennung in Bildern und Segmentation von Objekten untersucht. Hierbei werden allgemein verfügbare Benchmark-Datensätze wie NIST, Imageview etc. verwendet, aber auch Datenbanken von RGB-D Bildern (Bildern mit Tiefeninformationen, wie von der MS Kinect).

Qualifikationsziele

Die Studierenden können in kleinen Gruppen Probleme der Programmierung, der Datenvorverarbeitung, Strukturauswahl der neuronalen Netze, Training, Validierung und des Tests von tiefen neuronalen Netzen selbstständig erarbeiten. Sie haben Kompetenzen in den Bereichen Problemlösungsverhalten, Teamfähigkeit, Zeiteinteilung, Programmierfähigkeiten und Präsentationsfähigkeit erworben.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Zell
Literatur / Sonstiges

Literatur wird zu Beginn des Praktikums bekanntgegeben bzw. im Praktikum ausgeteilt

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4366
Titel

Advanced Topics in Neural Networks
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch und Englisch
Prüfungsform

Wird noch bekannt gegeben.

Inhalt

Das Seminar befasst sich mit jährlich wechselnden Themen aus dem Bereich der künstlichen neuronalen Netze, z.B. tiefe neuronale Faltungsnetze, rekurrente neuronale Netze, neuronale Netze zur Bildklassifikation oder Bildsegmentierung, neuronale Netze zur Steuerung, hybride klassisch - neuronale Systeme, etc.

Qualifikationsziele

Advanced Topics in Neural Networks: Die Studierenden können ein Thema aus dem Bereich Mobile Roboter wissenschaftlich
analysieren, vortragen und in einer Abhandlung ausarbeiten.

Teilnahmevoraussetzungen INF3154 Einführung in Neuronale Netze
Dozent/in Zell
Literatur / Sonstiges

Literatur wird in der Vorbesprechung angegeben.

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS, ML-DIV



Nummer

ML-4320
Titel

Time Series
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Eine Zeitreihe ist eine sehr weit verbreitete Art empirischer Daten: eine (potenziell multivariate) Menge von Beobachtungen, die sich über einen univariaten und somit geordneten Index in der Zeit entwickelt. Beispiele hierfür sind Aktienkurse, Lagerbestände, Sportstatistiken, Sensormesswerte in wissenschaftlichen Geräten, Autos und Maschinen und vieles mehr. Zeitreihen erfordern häufig eine Echtzeitverarbeitung und können potenziell unendlich lang sein. Ihr univariater Bereich ermöglicht jedoch auch eine entscheidende Eigenschaft des Modells: Markovianität, d. h. die Fähigkeit, alle für die Inferenz erforderlichen Aspekte des Modells lokal in einem zeitlokalen Speicher von fester und endlicher Größe zu speichern. In diesem Kurs wird eine Reihe von Modellen und Algorithmen für effiziente und flexible Inferenz in Zeitreihen vorgestellt. Ausgehend von bekannten Konzepten aus den Bereichen Signalverarbeitung und Steuerung werden wir uns mit neueren und aktuellen Modellen für strukturierte, hochdimensionale, nichtlineare und unregelmäßige Zeitreihen beschäftigen. Neben den Daten und Modellen stehen effiziente Algorithmen zur approximativen Inferenz im Mittelpunkt. Neben den mathematischen Herleitungen legen die Übungen einen Schwerpunkt auf die praktische Programmierung. Sie enthalten insbesondere Implementierungen einiger Inhalte aus den Vorlesungen.

Qualifikationsziele

Die Studierenden entwickeln ein Verständnis für die wichtigsten algorithmischen und modelltechnischen Herausforderungen bei der Analyse von und praktischen Schlussfolgerungen aus zeitlich geordneten Prozessen und Daten. Sie sind in der Lage, grundlegende und fortgeschrittene Modelle für solche Daten zu implementieren und zu debuggen, auch für groß angelegte Anwendungen auf Produktionsebene und für Bereiche, die qualitativ hochwertige Vorhersagen erfordern, wie z. B. die wissenschaftliche Analyse. Neben den mathematischen Herleitungen legen die Übungen einen Schwerpunkt auf die praktische Programmierung. Sie enthalten insbesondere Implementierungen einiger Inhalte aus den Vorlesungen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Hennig
Literatur / Sonstiges

Literature will be listed at the beginning of the semester.

Zuletzt angeboten Sommersemester 2020
Geplant für ---
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV



Nummer

ML-4101
Titel

Mathematics of Machine Learning
Lehrform(en)

Vorlesung, Übung
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

In der Vorlesung werden grundlegende Begriffe der Mathematik, die beim maschinellen Lernen verwendet werden, wiederholt und eingeführt
- Kalkül: Multivariate Kalkulation (Gradient und Hessian), Taylor-Erweiterung usw.
- Lineare Algebra: Eigenvektoren, Eigenwerte (einschließlich Variationscharakterisierung), Singulärwertzerlegung und beste Approximation mit niedrigem Rang, Inverse und Pseudo-Inverse, Normen, grundlegende Algorithmen und ihre Komplexität (Lösen linearer Gleichungen, Matrixinversion, Eigenvektoren (Potenzmethode)) usw.
- Wahrscheinlichkeit: diskrete und kontinuierliche Wahrscheinlichkeitsmaße (und gemischte), Grundbegriffe, Erzeugung von Zufallsvariablen, bedingte Erwartung und Unabhängigkeit, Gesetz der großen Zahlen und Konzentrationsungleichungen für Konvergenzraten, zentraler Grenzwertsatz usw.
- Statistik: parametrische und nichtparametrische Tests
- Optimierung: Lagrangesches und duales Optimierungsproblem, gängige Optimierungstechniken und ihre Eigenschaften
- Optional: Grundlegende Funktionsanalyse und Approximationstheorie, Fluch der Dimensionalität

Qualifikationsziele

Die Studierenden lernen die mathematischen Grundlagen für die späteren Kurse zum maschinellen Lernen.
- sie kennen die multivariate Infinitesimalrechnung und die lineare Algebra, die in den Vorlesungen zum maschinellen Lernen benötigt werden
- sie können Wahrscheinlichkeitsrechnung und Statistik anwenden und sind in der Lage, grundlegende Eigenschaften zu beweisen
- sie haben einen Überblick über bestehende Optimierungstechniken und können äquivalente eingeschränkte Optimierungsprobleme umformulieren

Teilnahmevoraussetzungen INFM1010 Mathematik für Informatik 1: Analysis,

INFM1020 Mathematik für Informatik 2: Lineare Algebra,

INFM2010 Mathematik für Informatik 3: Fortgeschrittene Themen
Dozent/in Hein, Pons-Moll, von Luxburg
Literatur / Sonstiges

The literature for this lecture will be provided at the beginning of the semester.

Zuletzt angeboten Wintersemester 2022
Geplant für Wintersemester 2023
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV



Nummer

ML-4201
Titel

Statistical Machine Learning
Lehrform(en)

Vorlesung, Übung
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Der Schwerpunkt dieser Vorlesung liegt auf den algorithmischen und theoretischen Aspekten des statistischen maschinellen Lernens. Wir werden viele der Standardalgorithmen behandeln, die allgemeinen Prinzipien für die Entwicklung guter Algorithmen für maschinelles Lernen kennenlernen und ihre theoretischen und statistischen Eigenschaften analysieren. Die folgenden Themen werden behandelt: Überwachtes maschinelles Lernen, z. B. lineare Methoden; Regularisierung; SVMs; Kernelmethoden. Bayessche Entscheidungstheorie, Verlustfunktionen, Probleme des unüberwachten Lernens, z.B. Dimensionsreduktion, Kernel-PCA, multidimensionale Skalierung, vielfältige Methoden; spektrales Clustering und spektrale Graphentheorie. Einführung in die statistische Lerntheorie: No free lunch theorem; Verallgemeinerungsgrenzen; VC-Dimension; universelle Konsistenz; Bewertung und Vergleich von maschinellen Lernalgorithmen. Fortgeschrittene Themen des statistischen Lernens, z. B. Vervollständigung von Matrizen mit niedrigem Rang, komprimiertes Erfassen, Ranking, Online-Lernen.

Qualifikationsziele

ML- 4201 Die Studierenden lernen die wichtigsten Klassen statistischer Algorithmen des maschinellen Lernens kennen. Sie verstehen, warum bestimmte Algorithmen gut funktionieren und andere nicht. Sie können die Ergebnisse verschiedener Lernalgorithmen bewerten und vergleichen. Sie können Anwendungen des maschinellen Lernens modellieren und bekommen ein Gefühl für häufige Fallstricke. Sie können maschinelle Lernalgorithmen aus theoretischer Sicht beurteilen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Hein, von Luxburg
Literatur / Sonstiges

The literature for this lecture will be provided at the beginning of the semester. / Students need to know the contents of the basic math classes, in particular
linear algebra and probability theory.

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV, ML-FOUND



Nummer

ML-4303
Titel

Convex and Nonconvex Optimization
Lehrform(en)

Vorlesung, Übung
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Konvexe Optimierungsprobleme treten ganz natürlich in vielen Anwendungsbereichen wie Signalverarbeitung, maschinelles Lernen, Bildverarbeitung, Kommunikation und Netzwerke sowie Finanzen usw. auf. Der Kurs gibt eine Einführung in die konvexe Analyse, die Theorie der konvexen Optimierung wie die Dualitätstheorie, Algorithmen zur Lösung konvexer Optimierungsprobleme wie Interne-Punkt-Methoden, aber auch die grundlegenden Methoden der allgemeinen nichtlinearen ungebundenen Minimierung und die neuesten Methoden erster Ordnung in der nicht-glatten konvexen Optimierung. Wir werden auch verwandte nicht-konvexe Probleme wie d.c. (difference of convex) Programmierung, bikonvexe Optimierungsprobleme und harte kombinatorische Probleme und ihre Relaxationen in konvexe Probleme behandeln. Während der Schwerpunkt auf den mathematischen und algorithmischen Grundlagen liegt, werden mehrere Anwendungsbeispiele zusammen mit ihrer Modellierung als Optimierungsprobleme diskutiert. Der Kurs setzt gute Kenntnisse in linearer Algebra und multivariater Kalkulation voraus, aber es sind keine Vorkenntnisse in Optimierung erforderlich.

Qualifikationsziele

Die Studierenden lernen die Grundlagen der konvexen Analyse und wie man Optimierungsprobleme formuliert und transformiert. Nach der Vorlesung kennen sie eine Vielzahl von Methoden zur Lösung konvexer und nicht-konvexer Optimierungsprobleme und haben Richtlinien, welche Methode für welches Problem zu wählen ist.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Hein
Literatur / Sonstiges

The lecture does not follow a specific book. The literature for this lecture will
be provided at the beginning of the semester.

Zuletzt angeboten Sommersemester 2022
Geplant für ---
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV



Nummer

ML-4302
Titel

Statistical Learning Theory
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Teil 1: Grundlegende Ergebnisse der statistischen Lerntheorie:
- Statistischer Aufbau, Schätz- und Approximationsfehler, Stetigkeit
- Negative Ergebnisse: No free lunch theorem, langsame Konvergenzraten
- Stetigkeit von k-Nächster-Nachbar-Algorithmen und Partitionierungsalgorithmen
- Ungleichungen der Konzentration
- Einfache Verallgemeinerungsschranken, z. B. mit Zersetzungskoeffizienten und VC-Dimension
- Fortgeschrittene Verallgemeinerungsschranken, z. B. mit Rademacher-Komplexitäten, algorithmischer Stabilität, Stichprobenkompression.
- Regularisierung und ihre Beständigkeit
Teil 2: Fortgeschrittene Ergebnisse der statistischen Lerntheorie. Dieser Teil der Vorlesung ändert sich je nach Interesse der Zuhörer und dem aktuellen Stand der Stand der Technik auf diesem Gebiet und deckt einige der neuesten Ergebnisse der Lerntheorie ab. Er kann Themen wie Online-Lernen, Theorie des unüberwachten Lernens, Theorie Deep Learning, etc.

Qualifikationsziele

Die Studierenden lernen die Standardinstrumente und -ansätze der statistischen Lerntheorie kennen. Sie verstehen positive und negative Ergebnisse in der Lerntheorie, insbesondere was die grundlegenden Grenzen des maschinellen Lernens sind und welche Eigenschaften wichtig sind, damit ein maschineller Lernalgorithmus funktioniert.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in von Luxburg
Literatur / Sonstiges

The literature for this lecture will be provided at the beginning of the semester. / Students need to know the contents of the basic math classes, in particular
linear algebra and probability theory.

Zuletzt angeboten -
Geplant für -
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV



Nummer

ML-4202
Titel

Probabilistic Machine Learning (Probabilistic Inference and Learning)
Lehrform(en)

Vorlesung, Übung
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Die probabilistische Inferenz ist eine Grundlage des wissenschaftlichen Denkens, der Statistik und des maschinellen Lernens. Die Vorlesung beginnt mit einer allgemeinen Einführung in die Grundprinzipien (Regeln der Wahrscheinlichkeitstheorie, grafische Modelle) und behandelt dann die probabilistische Sichtweise auf viele Standardeinstellungen, wie überwachte Regression und Klassifikation sowie unüberwachte Dimensionalitätsreduktion und Clustering. Parallel zur Vorlesung werden wir auch eine Reihe beliebter Algorithmen für die Inferenz in probabilistischen Modellen kennenlernen, darunter die exakte Inferenz in Gauß-Modellen, Sampling und Freie-Energie-Methoden. An bestimmten Stellen werden Verbindungen und Unterschiede zu nicht-probabilistischen Rahmenwerken hergestellt. Neben den mathematischen Herleitungen legen die Übungen einen Schwerpunkt auf die praktische Programmierung. Insbesondere enthalten sie Implementierungen einiger Inhalte der Vorlesungen.

Qualifikationsziele

Die Studierenden erwerben ein intuitives sowie ein mathematisches und algorithmisches Verständnis des probabilistischen Denkens. Sie erwerben einen mentalen Werkzeugkasten probabilistischer Modelle für verschiedene Problemklassen sowie die für deren konkrete Umsetzung erforderlichen Algorithmen. Im Laufe der Vorlesung werden sie auch mit dem grundlegenden Konzept der Unsicherheit und den damit verbundenen philosophischen Herausforderungen und Fallstricken vertraut gemacht. Sie werden befähigt, eigene probabilistische Modelle für konkrete Anwendungsfälle zu erstellen, zu analysieren und zu verwenden.

Teilnahmevoraussetzungen ML-4101 Mathematics of Machine Learning
Dozent/in Hennig, Macke
Literatur / Sonstiges

Literature will be listed at the beginning of the semester. / Standard undergraduate knowledge of mathematics is required, to the extent
that is provided, for example, by the course on Mathematics for Machine Learning
(ML 4101).

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV, ML-FOUND



Nummer

ML-4301
Titel

Numerics of Machine Learning (Numerical Algorithms of Machine Learning)
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Die Rechenkosten des maschinellen Lernens werden fast ausschließlich durch numerische Berechnungen verursacht: Optimierung für das Training und die Anpassung von Punktschätzungen; Integration für die Marginalisierung und Konditionierung in probabilistischen Modellen; Simulation, d.h. die Lösung von Differentialgleichungen für Vorhersagen der Zukunft, und lineare Algebra als Basisfall aller oben genannten Aufgaben. Diese Aufgaben werden oft mit "Black-Box"-Werkzeugen gelöst, aber wer hochleistungsfähige, skalierbare und professionelle Lösungen entwickeln will, muss wissen, wie diese Werkzeuge funktionieren und sie an die jeweilige Aufgabe anpassen. Dieser Kurs stellt grundlegende und fortgeschrittene Werkzeuge für die oben genannten Aufgaben vor. Er entwickelt eine ganzheitliche Sicht der Berechnung im Kontext und innerhalb des konzeptionellen Rahmens des maschinellen Lernens und bewegt sich dabei von klassischen Konzepten bis hin zu aktuellen Entwicklungen. Neben den mathematischen Herleitungen legen die Übungen einen Schwerpunkt auf die praktische Programmierung. Sie enthalten insbesondere Implementierungen einiger Inhalte aus den Vorlesungen.

Qualifikationsziele

Die Studierenden entwickeln sowohl ein intuitives als auch ein mathematisches Verständnis für numerische Methoden zur Optimierung, Integration, linearen Algebra und zur Lösung von Differentialgleichungen. Sie wissen, wie man die Werkzeuge an die Herausforderungen der jeweiligen Aufgabe anpasst, wie z. B. hohe Dimensionalität, Stochastizität in der Berechnung, numerische Stabilität, Nicht-Konvexität, effiziente Abstimmung der algorithmischen Parameter und Unschärfekalibrierung für ungenaue Berechnungen. Erfahrung im Entwurf und in der Anwendung numerischer Werkzeuge ist eine in der Industrie sehr gefragte Fähigkeit, die den erfahrenen Ingenieur vom Amateur unterscheidet.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Hennig
Literatur / Sonstiges

Literature will be listed at the beginning of the semester. / Linear algebra is a core theme. Knowledge of probabilistic machine learning
is valuable for this course. Prior experience with numerical analysis is helpful
but not required. The practical parts use python and various recent python
libraries.

Zuletzt angeboten Wintersemester 2022
Geplant für ---
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV



Nummer

ML-4310
Titel

Data Mining and Probabilistic Reasoning
Lehrform(en)

Vorlesung, Übung
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Die Vorlesung gibt eine Einführung in die Grundlagen der Wahrscheinlichkeitstheorie, Statistik, Informationstheorie, Daten(vor)verarbeitung und Indexierungstechniken, Graphendarstellungen und Linkanalyse, Klassifikation, Clustering und Themenmodelle, probabilistische Inferenz in grafischen Modellen.

Qualifikationsziele

(1) Die Studierenden erwerben umfangreiche Kenntnisse in Theorie und Anwendung von Methoden aus dem Bereich der Datenwissenschaft.
(2) Die Studierenden erlernen verschiedene datenwissenschaftliche Techniken zum konzeptionellen Denken, zur Problemformalisierung und zur Problemlösung.
(3) Die Studierenden werden an anspruchsvolle Forschungsfragen aus dem Bereich der Datenwissenschaften herangeführt.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Kasneci G
Literatur / Sonstiges

Will be supplied (book chapters and papers in English)

Zuletzt angeboten Wintersemester 2022
Geplant für ---
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV



Nummer

ML-4102
Titel

Data Literacy
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

Dieser Kurs vermittelt den Teilnehmern Konzepte und Methoden, die jedem vertraut sein sollten, der mit (großen) Daten arbeitet. Anhand von praktischen Experimenten und Beispielen werden häufig auftretende Fallstricke und Probleme sowie bewährte Verfahren erörtert. Wir begegnen grundlegenden statistischen Begriffen und Problemen der Verzerrung, des Testens und der Versuchsplanung. Grundlegende Methoden des maschinellen Lernens und der statistischen Datenanalyse werden eingesetzt, um diese Ideen in der Praxis anzuwenden. Wir werden auch bewährte Verfahren für die Präsentation und Dokumentation wissenschaftlicher Daten erörtern - wie man aussagekräftige Abbildungen und Tabellen erstellt und reproduzierbare Experimente durchführt - und ethische und technische Überlegungen im Zusammenhang mit Fairness und Transparenz untersuchen. Neben den mathematischen Herleitungen legen die Übungen einen Schwerpunkt auf die praktische Programmierung. Sie enthalten insbesondere Implementierungen einiger Inhalte aus den Vorlesungen.

Qualifikationsziele

Die Studierenden entwickeln eine Sensibilität für häufige Probleme und Missverständnisse bei der empirischen Arbeit mit Daten. Sie verstehen die mathematischen, erkenntnistheoretischen, ethischen, technischen und sozialen Herausforderungen, die mit der Nutzung von Daten verbunden sind, und kennen die besten Methoden, um sie zu bewältigen. Sie sammeln auch einen konkreten Kasten von Softwarewerkzeugen, um strukturierte, große, kleine, beschädigte und teure Daten zu sammeln, zu dokumentieren, zu erforschen, zu visualisieren und Schlussfolgerungen daraus zu ziehen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Hennig
Literatur / Sonstiges

Literatur / Literature: Wird zu Beginn des Semesters mitgeteilt. / Will be listed at the beginning of the semester.

Teilnahmevoraussetzungen / Course prerequisties: Grundlegende Kenntnisse in Mathematik und Programmierkenntnisse, wie bspw. durch einen B.Sc. in Informatik erworben. / Only basic math and coding skills as provided by the BSc Computer Science.

Zuletzt angeboten Wintersemester 2022
Geplant für Wintersemester 2023
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV



Nummer

ML-4103
Titel

Deep Learning (ehemals: Tiefe Neuronale Netze; INFO-4182)
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

In den letzten zehn Jahren haben sich tiefe neuronale Netze zu einem unverzichtbaren Werkzeug in vielen Bereichen der künstlichen Intelligenz entwickelt, darunter Computer Vision, Computergrafik, natürliche Sprachverarbeitung, Spracherkennung und Robotik. Dieser Kurs führt in die (praktischen und theoretischen) Grundlagen von tiefen neuronalen Netzen ein und gibt einen Überblick über die gängigsten Trainings- und Regularisierungstechniken. In der Vorlesung werden außerdem die wichtigsten Netzwerkvarianten besprochen, darunter Faltungsneuronale Netze, Generative Neuronale Netze, Rekurrente Neuronale Netze und Deep Reinforcement Learning. Darüber hinaus gibt der Kurs einen Überblick über die wichtigsten Architekturen (Sanduhrnetze, Skip-Verbindungen, dichte Verbindungen, dilatierte Faltungen, permutationsinvariante Netze, siamesische Netze, usw.). Darüber hinaus werden im Laufe des Kurses Anwendungen aus verschiedenen Bereichen vorgestellt. Die Tutorien vertiefen das Verständnis für tiefe neuronale Netze durch deren Implementierung, Training und Anwendung mit modernen Deep Learning Frameworks.

Kurs Webseite: https://uni-tuebingen.de/de/175884

Qualifikationsziele

Die Studierenden erhalten ein Verständnis der theoretischen und praktischen Konzepte tiefer neuronaler Netze, einschließlich Optimierung, Inferenz, Architekturen und Anwendungen. Nach diesem Kurs sollten die Studierenden in der Lage sein, tiefe neuronale Netze zu entwickeln und zu trainieren, Forschungsergebnisse zu reproduzieren und eigene Forschung in diesem Bereich zu betreiben.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Geiger, Zell
Literatur / Sonstiges

Related literature will be listed throughout the lecture.

Zuletzt angeboten Wintersemester 2022
Geplant für Wintersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV, ML-FOUND



Nummer

ML-4340
Titel

Self-Driving Cars
Lehrform(en)

Vorlesung, Übung
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

In den letzten Jahren haben sich fahrerlose Autos zu einem der wichtigsten Arbeitspferde im Bereich der künstlichen Intelligenz entwickelt. Angesichts der hohen Zahl von Verkehrstoten, der eingeschränkten Mobilität älterer und behinderter Menschen sowie der zunehmenden Probleme durch Staus und Verkehrsüberlastung versprechen selbstfahrende Autos eine Lösung für eines der wichtigsten Probleme unserer Gesellschaft: die Zukunft der Mobilität. Damit ein Auto jedoch in einer weitgehend uneingeschränkten Umgebung selbstständig fahren kann, bedarf es einer Reihe von algorithmischen Fähigkeiten, die mit der menschlichen Kognition konkurrieren, was die Aufgabe sehr schwierig macht. In diesem Kurs werden die wichtigsten Paradigmen für selbstfahrende Autos behandelt: modulare Pipeline-basierte Ansätze sowie Deep-Learning-basierte End-to-End-Fahrtechniken. Die Themen umfassen kamera-, lidar- und radarbasierte Wahrnehmung, Lokalisierung, Navigation, Pfadplanung, Fahrzeugmodellierung/-steuerung, Imitationslernen und Reinfocement-Lernen. In den Tutorien wird das erworbene Wissen durch die Implementierung verschiedener Deep-Learning-basierter Ansätze zur Wahrnehmung und sensomotorischen Steuerung im Kontext des autonomen Fahrens vertieft. Um dieses Ziel zu erreichen, werden wir auf bestehenden Simulationsumgebungen und etablierten Deep-Learning-Frameworks aufbauen.

Kurs Webseite: https://uni-tuebingen.de/de/123611

Qualifikationsziele

Die Studierenden entwickeln ein Verständnis für die Möglichkeiten und Grenzen moderner Lösungen für autonomes Fahren. Sie erlangen ein grundlegendes Verständnis für das Gesamtsystem aus Wahrnehmung, Lernen und Fahrzeugsteuerung. Darüber hinaus sind sie in der Lage, einfache Modelle zur sensorischen Motorsteuerung zu implementieren und zu trainieren.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Geiger
Literatur / Sonstiges

Related literature will be listed throughout the lecture.

Zuletzt angeboten Wintersemester 2022
Geplant für Wintersemester 2025
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-TECH, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV



Nummer

ML-4380
Titel

Advanced Topics in Machine Learning
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur (bei kleiner Teilnehmerzahl mündliche Prüfung), erfolgreiche Übungsteilnahme wird als Klausurvoraussetzung angesehen, eine Bonierung entscheidet der Dozent.

Inhalt

Das Modul vermittelt eine Übersicht über fortgeschrittene Konzepte und Anwendungen des maschinellen Lernens. Spezifische Themen umfassen die s.g. Kernmethoden für Extraktion und Analyse von nichtlinearen Merkmalen aus komplexen Daten, Optimierungsverfahren für extrem große Datenmengen, Lernmethoden für sequentielle und strukturierte Daten sowie Sicherheits- und Vertraulichkeitsaspekte der Datenanalyse.

Qualifikationsziele

Die Studierenden besitzen Grundlagenwissen über maschinelles Lernen auf moderner statistischer Basis. Sie kennen math. statistische Herangehensweisen für die Lösung von Mustererkennungsproblemen und können diese in Übungsaufgaben anwenden. Eine weitere Voraussetzung sind fundierte mathematische Kenntnisse, insbesondere in Linearer Algebra, Statistik und Analyse.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Alle Dozenten
Literatur / Sonstiges

J. Shawe-Taylor and N. Cristianini: Kernel Methods for Pattern Analysis. Cambridge University Press, 2004. Skript in englischer Sprache

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV



Nummer

ML-4350
Titel

Reinforcement Learning
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Vortrag und schriftlicher Projektbericht (oder Klausur, wird noch festgelegt)

Inhalt

Die Vorlesung deckt das gesamte Themenspektrum des Reinforcement Learning ab, vom grundlegenden Formalismus und der Theorie bis hin zu modernen Algorithmen.
Die Vorlesung wird von Übungen begleitet, die helfen, das mathematische Verständnis zu vertiefen und praktische Erfahrungen bei der Implementierung von Algorithmen zu sammeln.

- Einführung in überwachtes Lernen und Optimierung
- Grundlagen des Reinforcement Learning (RL) und von Markov-Entscheidungsprozessen
- Dynamische Programmierung, Vorhersage und Kontrolle
- Approximation von Wertfunktionen
- Policy-Gradient
- Deep RL, Steuerung in kontinuierlichen Zustands-Aktions-Domänen
- Optimale Steuerung und modellbasiertes RL
- Fortgeschrittene Themen in RL

Qualifikationsziele

(1) Die Studierenden können ein Problem im Formalismus des Reinforcement Learning ausdrücken und einen geeigneten Algorithmus zu dessen Lösung auswählen.
(2) Die Studierenden sind in der Lage, eine Reihe von Deep Reinforcement Learning Algorithmen zu implementieren und deren Verhalten zu analysieren.
(3) Die Studierenden können die Herausforderungen beim Reinforcement Learning erklären und neue Reinforcement Learning Methoden bewerten und charakterisieren.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Martius
Literatur / Sonstiges

Reinforcement learning by Sutton and Barto http://incompleteideas.net/
book/bookdraft2017nov5.pdf
Pattern Recognition and Machine Learning by C.M. Bishop, Chap. 3 and 5
Deep Learning by Goodfellow, Bengio and Courville https://www.
deeplearningbook.org / Recommended to attend basic Machine learning class before.

Zuletzt angeboten Wintersemester 2021
Geplant für Sommersemester 2023
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV



Nummer

ML-4410
Titel

Neuronale Datenanalyse
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Schriftlicher Bericht und kumulative mündliche Prüfung

Inhalt

In den letzten Jahren wurden die experimentellen Methoden zur Aufzeichnung der Gehirnaktivität revolutioniert. Da die Komplexität der in den Neurowissenschaften gewonnenen Daten zunimmt, wird die neuronale Datenanalyse immer wichtiger: Die komplexen mehrdimensionalen Signale, die z.B. mit Multielektroden-Arrays oder Zwei-Photonen-Bildgebung aufgezeichnet werden, können nicht mehr mit dem Auge interpretiert werden, sondern es werden rigorose Datenanalysetechniken benötigt. In diesem Kurs werden wir eine Auswahl von Themen im Zusammenhang mit der Analyse verschiedener Arten von neuronalen Daten auf der Grundlage von Konzepten des maschinellen Lernens behandeln: Zeitreihenanalyse, Spike-Sortierung, spike-getriggerter Durchschnitt/Kovarianz, Dimensionalitätsreduktionstechniken und Informationstheorie. Der Schwerpunkt liegt auf der Anwendung modernster Konzepte in der praktischen Datenanalyse von realen Datensätzen.

Qualifikationsziele

(1) In diesem Kurs erwerben die Studierenden Kenntnisse über grundlegende und fortgeschrittene Techniken, die für die Analyse von diskreten (Spike Trains) und kontinuierlichen (zelluläre Spannungs-/Kalziumsignale, LFP, EEG) neuronalen Signalen erforderlich sind.
(2) Die Studierenden implementieren wichtige Techniken (Filterung, MoG, STA, etc.) und evaluieren sie an künstlichen und realen Daten.
(3) Die Studierenden lernen, wie sie mit realen neuronalen Daten arbeiten und die damit verbundenen Herausforderungen bewältigen können.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Berens
Literatur / Sonstiges

Emery N Brown, Robert E Kass, und Partha P Mitra, „Multiple neural spike
train data analysis: state-of-the-art and future challenges“, Nat Neurosci 7, Nr.
5 (Mai 2004): 456-461.
Robert E. Kass, Valérie Ventura, und Emery N. Brown, „Statistical Issues in
the Analysis of Neuronal Data“, Journal of Neurophysiology 94, Nr. 1 (Juli 1,
2005): 8 -25.
Dayan and Abbott: Theoretical Neuroscience. MIT Press.
Rieke, Warland, Ruyter van Stevenik and Bialek: Spikes – Exploring the neural
code. MIT Press.

Zuletzt angeboten ---
Geplant für ---
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV



Nummer

ML-4420
Titel

Efficient Machine Learning in Hardware
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Mündliche Prüfung

Inhalt

Die jüngsten Durchbrüche bei der Verwendung von tiefen neuronalen Netzen für eine Vielzahl von Anwendungen des maschinellen Lernens wurden stark von der Verfügbarkeit von Hochleistungs-Rechenplattformen beeinflusst. Im Gegensatz zu ihrem biologischen Ursprung ist die hohe Leistung künstlicher neuronaler Netze jedoch von einem wesentlich höheren Energiebedarf abhängig. Während der durchschnittliche Energieverbrauch des gesamten menschlichen Gehirns mit dem eines Laptops vergleichbar ist (d. h. 20 W), greift die künstliche Intelligenz häufig auf große HPCs mit einem um mehrere Größenordnungen höheren Energiebedarf zurück. Dieser Vortrag wird dieses Problem diskutieren und Lösungen aufzeigen, wie energie- und ressourceneffiziente Architekturen für maschinelles Lernen in Hardware aufgebaut werden können. In diesem Zusammenhang werden die folgenden Themen behandelt:
- Hardware-Architekturen für maschinelles Lernen: GPU, FPGA, SIMD-Architekturen, domänenspezifische Architekturen, kundenspezifische Beschleuniger, In/Near Memory Computing, Training vs. Inferenzarchitekturen
- Energieeffizientes maschinelles Lernen
- Optimierte Abbildung von tiefen neuronalen Netzen auf Hardware und Pipelining Techniken
- Optimierung der Wortlänge (binär, ternär, Ganzzahl, Gleitkomma)
- Skalierbare anwendungsspezifische Architekturen
- Neue Schaltvorrichtungen zur Implementierung neuronaler Netze (Memristoren, PCM)
- Neuromorphes Rechnen

Qualifikationsziele

Die Studierenden erwerben vertiefte Kenntnisse über die Herausforderungen energieeffizienter Hardware für maschinelles Lernen und die entsprechenden modernen Lösungen. Sie können verschiedene Hardware-Architekturen hinsichtlich des Kompromisses zwischen Energieverbrauch, Komplexität, Rechengeschwindigkeit und der Spezifität ihrer Anwendbarkeit vergleichen. Die Studierenden lernen, welche Arten von Hardware-Architekturen für maschinelles Lernen verwendet werden, verstehen die Gründe, warum eine bestimmte Architektur für eine bestimmte Anwendung geeignet ist, und können maschinelle Lernalgorithmen effizient in Hardware implementieren.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Bringmann
Literatur / Sonstiges

Will be announced in the first lecture / Knowledge about foundations in machine learning

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, ML-CS, ML-DIV



Nummer

ML-4501
Titel

Machine Learning Seminar
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Vortrag und schriftlicher Projektbericht

Inhalt

In diesem Modul werden fortgeschrittene Ergebnisse und Ansätze in der Theorie und Anwendung des maschinellen Lernens sowie aktuelle Forschungsergebnisse auf dem Gebiet des maschinellen Lernens im Allgemeinen diskutiert.

Das konkrete Kursangebot im jeweiligen Semester entnehmen Sie bitte dem Vorlesungsverzeichnis in alma.

Qualifikationsziele

Die Studierenden lernen fortgeschrittene Ergebnisse der Theorie des maschinellen Lernens und ihrer Anwendungen kennen. Sie können zum Beispiel beurteilen, ob ein Algorithmus sowohl aus algorithmischer als auch aus statistischer Sicht gut konzipiert ist. Sie verstehen die grundlegenden Grenzen des maschinellen Lernens. Sie können aktuelle Forschungsfragen reflektieren. Die Studierenden sind in der Lage, sich durch umfassende Literaturrecherche Wissen über aktuelle Erkenntnisse anzueignen. Sie kennen die Bedeutung aktueller Themen im Bereich des maschinellen Lernens und sind sich bewusst, dass es noch viele offene Fragen gibt. Die Studierenden haben nicht nur ihre Studien- und Lesefähigkeiten verbessert, sondern auch ihre Fähigkeit zum selbständigen Arbeiten erweitert. Die Lehrmethode in diesem Seminar zielt darauf ab, das Selbstvertrauen der Studierenden zu stärken (mündliche Präsentation), ihre Kommunikationsfähigkeit zu verbessern und sie zu befähigen, Kritik anzunehmen (Diskussionsrunde im Anschluss an die Präsentation). Nach diesem Modul sind sie gut vorbereitet, um eine Masterarbeit im Bereich des maschinellen Lernens zu schreiben.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Alle Dozenten
Literatur / Sonstiges

Will be handed out in the course

Zuletzt angeboten Wintersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS, ML-DIV



Nummer

ML-4520
Titel

Ethics and Philosophy of Machine Learning
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Vortrag und schriftlicher Projektbericht

Inhalt

Die Tatsache, dass Algorithmen des maschinellen Lernens eine zentrale Rolle im Prozess der wissenschaftlichen Entdeckung spielen werden, stellt unser traditionelles Verständnis des wissenschaftlichen Prozesses in Frage und wirft grundlegende Fragen zu Konzepten der wissenschaftlichen Entdeckung und der Rolle der Wissenschaftler auf. Andererseits hat das maschinelle Lernen Auswirkungen auf verschiedene Aspekte unserer Gesellschaft, was ethische Bedenken aufwirft. In diesem Kurs werden wir die Auswirkungen, Veränderungen und Herausforderungen des maschinellen Lernens auf die wissenschaftliche Methodik und die Gesellschaft im Allgemeinen aus der Perspektive der Philosophie und der Ethik diskutieren.

Qualifikationsziele

Die Studierenden können aktuelle Forschungsfragen im Bereich der Philosophie und Ethik des maschinellen Lernens reflektieren. Die Studierenden sind in der Lage, sich durch umfassende Literaturrecherche Wissen über aktuelle Erkenntnisse anzueignen. Sie kennen die Bedeutung aktueller Themen in den studienrelevanten Bereichen und sind sich bewusst, dass es noch viele offene Fragen gibt. Die Studierenden haben nicht nur ihre Studien- und Lesekompetenz verbessert, sondern auch ihre Fähigkeit zum selbständigen Arbeiten gesteigert. Die Lehrmethode in diesem Seminar zielt darauf ab, das Selbstvertrauen der Studierenden zu stärken (mündliche Präsentation), ihre Kommunikationsfähigkeit zu verbessern und sie zu befähigen, Kritik anzunehmen (Diskussionsrunde im Anschluss an ihre Präsentation).

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Ethics Lab
Literatur / Sonstiges

Will be handed out in the course

Zuletzt angeboten Sommersemester 2022
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS, ML-DIV



Nummer

ML-4510
Titel

Practical Machine Learning
Lehrform(en)

Praktikum
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Mündliche Präsentation, schriftlicher Bericht, Laborjournal

Inhalt

Das Praktikum besteht darin, in kleinen Teams selbstständig oder unter Aufsicht gestellte Aufgaben zu bearbeiten. Die Studien- und Prüfungsleistungen werden in der Regel durch aktive Mitarbeit, Präsentation der Ergebnisse und schriftliche Berichte bewertet.

Qualifikationsziele

Die Studierenden sammeln praktische Erfahrungen im Entwurf und in der Programmierung von Methoden/Software/Werkzeugen für ML. Sie sind in der Lage, Bibliotheken und Frameworks zu nutzen und erwerben Kenntnisse oder erweitern ihre Kenntnisse in verschiedenen Programmiersprachen. Durch die Zusammenarbeit in Gruppen erwerben die Studierenden Teamfähigkeit und Kooperationsfähigkeit und lernen Projektorganisation und Präsentationstechniken kennen. Die Studierenden kennen die Stärken und Schwächen sowie die Grenzen verschiedener Methoden zur Auswertung komplexer und hochdimensionaler Daten und können diese Methoden beschreiben und bewerten.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Alle Dozenten
Literatur / Sonstiges

-

Zuletzt angeboten -
Geplant für -
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV



Nummer

ML-4998
Titel

Forschungsprojekt Machine Learning
Lehrform(en)

Forschungsprojekt
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Hausarbeit

Inhalt

Das Forschungsprojekt dient der Vertiefung der theoretischen und praktischen Kenntnisse in einem bestimmten Bereich des maschinellen Lernens. Die Studierenden arbeiten an einem Forschungsprojekt mit dem Schwerpunkt der Forschungsgruppe.

Qualifikationsziele

Forschungsprojekt Maschinelles Lernen: Die Studierenden
- erhalten Einblick in das wissenschaftliche Arbeiten,
- lernen, selbstständig eine Forschungsfrage zu verfolgen,
- lernen, selbstständig wissenschaftliche Literatur für die zu bearbeitende Fragestellung zu identifizieren und zusammenzustellen,
- sind in der Lage, im Team in einem wissenschaftlichen internationalen Umfeld zu arbeiten,
- vertiefen ihre Problemlösungskompetenz.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Dozenten/Arbeitsgruppenleiter
Literatur / Sonstiges

Scientific literature/publications relevant to the research topic to be addressed / Excellent academic grades in Master Machine Learning. There are only a few
research projects that are offered semester by semester. A written application,
including letter of motivation, CV and Transcript of Records should be sent to
the research group leader of the offered research project.

Zuletzt angeboten -
Geplant für -
Zugeordnete Studienbereiche ML-CS, ML-DIV



Nummer

MEDZ-4610
Titel

Medizintechnik
Lehrform(en)

Vorlesung
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

Belegt werden folgenden Veranstaltungen:
- Bioimaging (3 ECTS): Image Correction, Functional MRI, Hyperpolarized MRI, Principles of Combined PET/MR Imaging, Basics of Image Reconstruction, Imaging and Metabolomics (MRI, NMR), Advanced Tracer development and production, MR Angiography, Research in Radiochemistry, Pharmacological Modelling
- Nanoanalytics/Interfaces I (3 ECTS): Introduction to statistical physics, soft matter and polymer physics, mechanics of cells and tissues, physics of the cytoskeleton, cellular forces, motor proteins, methods in nanobiophysics, high resolution microscopy techniques, micro- and nanofluidics, lab-on-a-chip technology.
- Implantology (3 ECTS): Vital implants: Tissue engineering, cell biology, biomaterials, reactor technology. Avital implants: Interface between tissue and man-made materials, signal acquisition and processing, biostability, biocompatibility, operational procedures, design and use in clinical trials.
Das Modulhandbuch M.Sc. Biomedical Technologies für das jeweils aktuelle Semester ist unter \url{http://www.medizin.uni-tuebingen.de/Studierende/Medizintechnik/Masterstudiengang+_Biomedical+Technologies_-port-10011-p-66480.html} zu finden.

Qualifikationsziele

Die genauen Qualifikationsziele sind dem Modulhandbuch M.Sc. Biomedical Technologies zu entnehmen. Diese ist für das jeweilig aktuelle Semester unter \url{http://www.medizin.uni-tuebingen.de/Studierende/Medizintechnik/Masterstudiengang+_Biomedical+Technologies_-port-10011-p-66480.html} zu finden.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Dozenten der Medizintechnik
Literatur / Sonstiges

-

Zuletzt angeboten -
Geplant für -
Zugeordnete Studienbereiche INFO-INFO, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDZ-MEDTECH, ML-CS



Nummer

MEDZ-4620
Titel

Biorobotik
Lehrform(en)

Vorlesung, Seminar
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

inhalt mz 4620

Qualifikationsziele

goals mz 4620

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Häufle
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, MEDZ-MEDTECH, MEDZ-SEM, ML-CS



Nummer

ML-4210
Titel

Advanced Probabilistic Machine Learning Modeling and Applications
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

inhalt ml 4210

Qualifikationsziele

goals ml 4210

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in De Bacco
Literatur / Sonstiges

-

Zuletzt angeboten -
Geplant für -
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV



Nummer

ML-4601
Titel

Introduction to Game Theory with Application to Multi-Agent Systems
Lehrform(en)

Vorlesung, Übung
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

Dieses Modul befasst sich mit der Spieltheorie und dem Entwurf von Mechanismen, wobei der Schwerpunkt auf Anwendungen in verschiedenen Bereichen liegt. Die Studierenden studieren die grundlegenden Konzepte der Spieltheorie wie Gleichgewicht, Glaube, Best-Response-Dynamik und ähnliches. Außerdem lernen sie etwas über strategische und extensive Spiele, das Erreichen eines Gleichgewichts in wiederholten Spielen, Spiele mit unvollständiger und unvollkommener Information. Sie erwerben auch Kenntnisse über andere Themen wie die Nash-Verhandlungslösung, Auktionen und Computermodelle für menschliche Entscheidungsfindung. Kurz gesagt, die Studierenden erhalten ein breites Wissen über verschiedene Zweige der Spieltheorie wie kompetitive, kooperative und verhaltensorientierte Spieltheorie, zusätzlich zum Studium detaillierter mathematischer Ergebnisse, z.B. über die Existenz und Eindeutigkeit von Gleichgewichten in bekannten Szenarien. Neben den theoretischen Grundlagen lernen die Studierenden den Zusammenhang zwischen Spieltheorie und verteilter Steuerung kennen und sammeln Erfahrungen in der Modellierung und Lösung verschiedener angewandter Probleme mit Hilfe der Spieltheorie.

Qualifikationsziele

Nach den Vorlesungen verfügen die Studierenden über ein breites und tiefes Wissen über die wesentlichen Konzepte der Spieltheorie. Daher können sie die Probleme in den angewandten Bereichen identifizieren, die auf der Grundlage der Spieltheorie modelliert werden können. Die Studierenden sind in der Lage, solche Probleme mit Hilfe der mathematischen Werkzeuge, die sie in diesem Modul gelernt haben, zu lösen. Außerdem verfügen sie über ein hohes Maß an Kompetenz bei der Auswahl, dem Lesen, der Analyse und der Kritik wissenschaftlicher Ergebnisse, der Vorbereitung technischer Präsentationen, dem Halten von Vorträgen und der Teilnahme an Diskussionen. Schließlich sind die Studierenden in der Lage, selbstständig zu lernen und ihr Wissen über verschiedene Themen der Spieltheorie auf ein fortgeschrittenes Niveau zu erweitern.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Maghsudi
Literatur / Sonstiges

• Mas-Colell and M.D. Whinston, and J.R. Green, Microeconomic Theory,
Oxford University Press, 1995
• Ozduglar, Game Theory with Engineering Application, MIT OpenCourseWare,
2009
• Fudenberg and D. Levine, The Theory of Learning in Games, MIT Press,
1998
• Fudenberg and J. Tirole, Game Theory, MIT Press, 1991
• Vijay, Auction Theory, Harvard University Press, 2008

Zuletzt angeboten Wintersemester 2022
Geplant für Wintersemester 2023
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV



Nummer

ML-4502
Titel

Machine learning methods for scientific discovery
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Mündlicher Vortrag, schriftlicher Bericht

Inhalt

In diesem Seminar werden wir aktuelle und klassische Forschungsarbeiten diskutieren, die Methoden des maschinellen Lernens für Anwendungen in den Naturwissenschaften beschreiben. Aus methodischer Sicht wird ein besonderer Schwerpunkt auf "simulationsbasierten Inferenzansätzen" liegen, da diese eine Brücke zwischen datengetriebenen maschinellen Lernmethoden und theoriegetriebener wissenschaftlicher Modellierung bilden, sowie auf latent-variablen Modellen zur Ableitung dynamischer Systeme aus Daten.

Qualifikationsziele

Die Studierenden sind in der Lage, aktuelle Forschungsarbeiten in diesem Forschungsbereich zu lesen und zu reflektieren. Sie können die Beiträge einer solchen Arbeit kritisch beurteilen. Sie können aktuelle Forschungsergebnisse vor anderen Studierenden und Forschern präsentieren und Forschungsdiskussionen leiten. Sie können die Ergebnisse einer Arbeit in Form eines schriftlichen Forschungsberichts zusammenfassen und bewerten.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Macke
Literatur / Sonstiges

Will be announced in the first meeting / Basic knowledge probabilistic machine learning

Zuletzt angeboten Wintersemester 2021
Geplant für Sommersemester 2023
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS, ML-DIV



Nummer

ML-4360
Titel

Computer Vision
Lehrform(en)

Vorlesung, Übung
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

Das Ziel der Computer Vision ist es, geometrische und semantische Eigenschaften der dreidimensionalen Welt aus digitalen Bildern zu berechnen. Zu den Problemen in diesem Bereich gehören die Rekonstruktion der 3D-Form eines Objekts, die Bestimmung der Bewegung von Dingen und die Erkennung von Objekten oder Szenen. Dieser Kurs bietet eine Einführung in die Computer Vision, mit Themen wie Bildaufbau, Kameramodelle, Kamerakalibrierung, Merkmalserkennung und -abgleich, Bewegungsschätzung, Geometrie-Rekonstruktion, Objekterkennung und -verfolgung sowie Szenenverständnis. Zu den Anwendungen gehören die Erstellung von 3D-Karten, die Erstellung virtueller Avatare, die Bildsuche, die Organisation von Fotosammlungen, die Interaktion zwischen Mensch und Computer, die Videoüberwachung, selbstfahrende Autos, Robotik, virtuelle und erweiterte Realität, Simulationen, medizinische Bildgebung und mobile Computer Vision. Modernes Computersehen stützt sich stark auf maschinelles Lernen, insbesondere auf Deep Learning und grafische Modelle. Dieser Kurs setzt daher Vorkenntnisse über Deep Learning voraus (z. B. Deep Learning-Vorlesung) und führt bei Bedarf in die grundlegenden Konzepte grafischer Modelle und strukturierter Vorhersagen ein.

Kurs Webseite: https://uni-tuebingen.de/de/203146

Qualifikationsziele

Die Studierenden erwerben ein Verständnis der theoretischen und praktischen Konzepte des Computersehens, einschließlich Bildaufbau, Kameramodelle, Merkmalserkennung, Geometrie mit mehreren Ansichten, 3D-Rekonstruktion, Bewegungsschätzung, Objekterkennung, Szenenverständnis und strukturierte Vorhersage unter Verwendung tiefer neuronaler Netze und grafischer Modelle. Nach diesem Kurs sollten die Studierenden in der Lage sein, die grundlegenden Konzepte des Computersehens zu verstehen und in der Praxis anzuwenden, Modelle für das Computersehen zu entwickeln und zu trainieren, Forschungsergebnisse zu reproduzieren und eigene Forschung in diesem Bereich zu betreiben.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Geiger
Literatur / Sonstiges

Related literature will be listed throughout the lecture.

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2025
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV



Nummer

ML-4701
Titel

An Introduction to Formal Epistemology and Ranking Theory in Particular
Lehrform(en)

Vorlesung
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

inhalt ml 4701

Qualifikationsziele

goals ml 4701

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Spohn
Literatur / Sonstiges

-

Zuletzt angeboten -
Geplant für -
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV



Nummer

ML-4504
Titel

Advanced Topics in Data Science and Analytics
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

inhalt ml 4504

Qualifikationsziele

goals ml 4504

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Kasneci G
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS, ML-DIV



Nummer

ML-4430
Titel

Machine Learning Approaches in Climate Science
Lehrform(en)

Vorlesung
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

inahlt ml 4430

Qualifikationsziele

goals ml 4430

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Goswami
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV



Nummer

ML-4309
Titel

Data Compression with and without Deep Probabilistic Models
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

schriftliche Prüfung

Inhalt

Dieser Kurs umfasst verlustfreie und verlustbehaftete Datenkompression von der Informationstheorie bis zur Praxis und von etablierten Kompressionsalgorithmen bis zu neuartigen Methoden, die auf maschinellem Lernen basieren. Die Forschung zu Datenkompression hat in den letzten Jahren sprunghaften Fortschritt gemacht. Neuartige machine-learning basierte Kompressionsmethoden fangen gerade an, selbst die besten konventionellen Kompressionsmethoden zu übertreffen, insbesondere für Bild- und Videokompression.

Wir werden die informationstheoretischen Grundlagen für Datenkompression besprechen und beweisen (z.B. theoretische Limits für die Bitrate, rate/distortion-Theorie, und das source/channel separation Theorem). Aufbauend auf diesen Grundlagen werden wir dann zunächst in der Praxis etablierte Kompressionsalgorithmen besprechen (z.B. Huffman Coding, Arithmetic Coding, Asymmetric Numeral Systems, und Bits-Back Coding). Schließlich werden wir das neuartige Forschungsfeld von machine-learning basierter Datenkompression besprechen, mit wichtigen Methoden wie variationeller Inferenz und tiefen probabilistischen Modellen (z.B. variationellen Autoencodern).

Detaillierter Kursverlauf: https://robamler.github.io/teaching/compress23/
Anmeldung (Link korrigiert am 7.4.2023): https://ovidius.uni-tuebingen.de/ilias3/goto.php?target=crs_4116461

Qualifikationsziele

Auf der Theorie-Seite lernen Sie informationstheoretische Grenzen für verlustfreie und verlustbehaftete Kompression, verschiedene Algorithmen für sogenanntes "entropy coding" mit deren jeweilige Vor- und Nachteilen, sowie Grundlagen des probablistischen maschinellem Lernens, insbesondere skalierbare approximative bayesianische Inferenz.

Auf der praktischen Seite lernen Sie in den Übungen, entropy coding Algorithmen zu implementieren und verschiedene tiefe probabilistische machine-learning Modelle zu trainieren, in neuartige Datenkompressionsalgorithmen zu integrieren, und zu evaluieren.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Bamler
Literatur / Sonstiges

I will recommend some relevant literature in the first lecture. However, since this course covers an emerging field of research, there isn't any canonical reference yet that covers all discussed topics. Special-made and recently revised videos for all covered topics as well as lecture notes and solutions to the problem sets will be provided on the course website.

Students should already have a sound understanding of multivariate calculus and should be able to write simple programs in Python. Parallel attendance of the course "Probabilistic Machine Learning" will likely be helpful, but is not formally required.

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2023
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV



Nummer

BIOINF4382 (entspricht BIO-4382)
Titel

Machine Learning for Single Cell Biology
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Englisch
Prüfungsform

Mündliche Prüfung

Inhalt

Einzelzelltechnologien in Verbindung mit Ansätzen des maschinellen Lernens verändern die Biowissenschaften und das Verständnis von komplexen Krankheiten wie Krebs. Diese Vorlesung bietet eine Einführung in (1) die biologischen und medizinischen Fragen, die durch solche Einzelzellansätze auf einzigartige Weise beantwortet werden können, (2) modernste Einzelzelltechnologien wie hochdimensionale Massen-/Durchflusszytometrie, multi-omische und/oder räumliche Einzelzellsequenzierung/Bildgebung und (3) (un-)überwachte maschinelle Lern- und dynamische Modellierungsansätze zur Beantwortung vorheriger Fragen auf der Grundlage hochdimensionaler Einzelzelldaten.

Qualifikationsziele

- Überblick über modernste Einzelzelltechnologien
- Übersetzung biologischer/medizinischer Forschungsfragen in Probleme des maschinellen Lernens
- Unüberwachte/überwachte/schwach überwachte maschinelle Lernmodelle für die Charakterisierung der zellulären Zusammensetzung von Geweben und deren Zusammenhang mit Gesundheits-/Krankheitszuständen
- Dynamische Modelle für zelluläre Systeme

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Claassen
Literatur / Sonstiges

Programmierkenntnisse Python

Zuletzt angeboten Wintersemester 2022
Geplant für Wintersemester 2023
Zugeordnete Studienbereiche BIO-BIO, INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-BIOMED, ML-CS, ML-DIV



Nummer

BIOINF4103 (entspricht BIO-4103)
Titel

Gruppenprojekt Bioinformatik
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Schriftliche Ausarbeitung

Inhalt

Das Gruppenprojekt dient der Vertiefung der Kenntnisse in einem bestimmten Bereich der Bioinformatik, die in einer der beiden Vorlesungen "Sequenz-Bioinformatik" (BIO-4110) oder "Struktur- und System-Bioinformatik" (BIO- 4120) eingeführt wurden. Die Studierenden arbeiten in kleinen Gruppen (4 Studierende) an einem Projekt, das den thematischen Schwerpunkt einer der beiden Vorlesungen hat. Die Projektthemen umfassen algorithmische Probleme, Literaturrecherchen oder die Anwendung von Werkzeugen auf biologische Daten. Die Idee ist, das erworbene Wissen auf reale biologische Daten/Aufgaben anzuwenden. Die Studierenden haben die Möglichkeit, ein Thema vorzuschlagen.

Qualifikationsziele

Gruppenprojekt Bioinformatik: Die Studierenden
- erhalten Einblick in das wissenschaftliche Arbeiten,
- lernen, selbstständig eine Forschungsfrage zu verfolgen,
- lernen, selbstständig wissenschaftliche Literatur für die zu bearbeitende Fragestellung zu identifizieren und zusammenzustellen,
- sind in der Lage, im Team in einem wissenschaftlichen internationalen Umfeld zu arbeiten,
- vertiefen ihre Problemlösungskompetenz.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Dozenten/Arbeitsgruppenleiter
Literatur / Sonstiges

Wissenschaftliche Literatur/Veröffentlichungen relevant für das zu bearbeitende Thema

Zuletzt angeboten Wintersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche BIO-BIO, MEDZ-BIOMED, MEDZ-SEM



Nummer

BIOINF4104 (entspricht BIO-4104)
Titel

Ausgewählte Themen in der Bioinformatik
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Vortrag und schriftlicher Projektbericht

Inhalt

In diesem Modul diskutieren wir fortgeschrittene Themen im Bereich der Bioinformatik.

Hinweis: Im Sommersemester 2024 wird in diesem Modul die Veranstaltung "Machine Learning in Phylogenetics and Population Genetics" (Dozent: Baumdicker) angeboten.

Qualifikationsziele

Die Studierenden lernen fortgeschrittene Themen der Bioinformatik in Theorie und Anwendung kennen. Sie können zum Beispiel beurteilen, ob ein Algorithmus sowohl aus algorithmischer als auch aus statistischer Sicht gut konzipiert ist. Sie verstehen die grundlegenden Grenzen des vorgestellten Ansatzes. Sie können aktuelle Forschungsfragen reflektieren. Die Studierenden sind in der Lage, sich durch umfassende Literaturrecherche Kenntnisse über aktuelle Erkenntnisse zu verschaffen. Sie kennen die Bedeutung aktueller Themen im Bereich der Bioinformatik und sind sich bewusst, dass es noch viele offene Fragen gibt. Die Studierenden haben nicht nur ihre Studien- und Lesekompetenz verbessert, sondern auch ihre Fähigkeit zum selbständigen Arbeiten gesteigert. Die Lehrmethode in diesem Seminar zielt darauf ab, das Selbstvertrauen der Studierenden zu stärken (mündliche Präsentation), ihre Kommunikationsfähigkeit zu verbessern und sie zu befähigen, Kritik anzunehmen (Diskussionsrunde im Anschluss an die Präsentation).

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Dozenten der Bioinformatik
Literatur / Sonstiges

Will be handed out in the course

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche BIO-BIO, BIO-SEM, INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS



Nummer

ML-4506
Titel

Machine Learning for Medical Image Analysis
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Englisch
Prüfungsform

Mündliche Präsentation und benotete Teilnahme an Diskussionen

Inhalt

Das Seminar beginnt mit einer Einführungsvorlesung, die einen kompakten Überblick über das Forschungsgebiet (maschinelles Lernen für die medizinische Bildanalyse) gibt, sowie mit einem Tutorium zur kritischen Analyse und Präsentation von Forschungsarbeiten. Im weiteren Verlauf des Kurses stellt jeder Student eine Arbeit aus einer Sammlung bahnbrechender Arbeiten auf diesem Gebiet vor. Um einen engagierten wissenschaftlichen Austausch zu fördern, gibt es für jede präsentierte Arbeit ausgewiesene Kritiker, die ebenfalls die Aufgabe haben, die Arbeit zu studieren und Fragen für ihre Diskussion vorzubereiten.

Qualifikationsziele

Die Lernziele dieses Seminars bestehen aus drei Teilen:
(1) Die Studierenden erhalten ein solides Verständnis der wichtigsten Beiträge auf dem Gebiet des maschinellen Lernens für die medizinische Bildanalyse,
(2) die Studierenden lernen, Original-Forschungsarbeiten kritisch zu lesen, zu analysieren und ihre Auswirkungen zu beurteilen, und
(3) die Studierenden verbessern ihre wissenschaftlichen Kommunikationsfähigkeiten durch eine mündliche Präsentation und die Teilnahme an Diskussionsrunden.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Baumgartner, Koch
Literatur / Sonstiges

Will be provided in the course

Zuletzt angeboten Wintersemester 2022
Geplant für Wintersemester 2023
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS, ML-DIV



Nummer

ML-4507
Titel

Autonomous Vision
Lehrform(en)

Seminar, Proseminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Report, Review, Presentation, Participation

Inhalt

Unter der Modulnummer ML-4507 bietet die Gruppe für Autonomes Maschinelles Sehen regelmäßig Proseminare und Seminare an. Derzeit werden folgende Proseminare und Seminare angeboten:

Wintersemester:
Proseminar/Seminar: 3D Vision
https://uni-tuebingen.de/de/215287

Sommersemester:
Proseminar/Seminar: Autonomous Vision
https://uni-tuebingen.de/de/222456

Qualifikationsziele

Die Studierenden erwerben ein tiefes Verständnis für ein wissenschaftliches Thema. Sie lernen, relevante Literatur effizient zu suchen, zu navigieren und zu lesen und ein Thema in eigenen Worten in einem schriftlichen Bericht klar zusammenzufassen. Darüber hinaus präsentieren die Studierenden ihr Thema vor einem Publikum aus Studierenden und Forschern und geben anderen ein Feedback in Form von Rezensionen und Diskussionen. Während des Seminars lernen die Studierenden, wissenschaftliche Forschung in einen Kontext zu stellen, kritisches Denken zu üben und Vorteile und Probleme einer untersuchten wissenschaftlichen Methode zu erkennen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Geiger
Literatur / Sonstiges

-

Zuletzt angeboten Wintersemester 2022
Geplant für Wintersemester 2024
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS, ML-DIV



Nummer

INFO-4390
Titel

Visual Perception and Learning for Robotics
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur (mündliche Prüfung bei geringer Teilnehmeranzahl)

Inhalt

- Einführung in Robotertypen und Sensoren
- Bildaufbau
- Zwei-Ansichten-Geometrie
- Deep-Learning-Grundlagen
- Bildbewegung und optischer Fluss
- Schlüsselpunkte und Deskriptoren
- Schätzung der Kamerabewegung
- Probabilistische Zustandsschätzung
- Visuelle simultane Lokalisierung und Kartierung
- Visuelle Trägheits-Odometrie
- Ereignisbasierte Vision
- 3D-Objekterkennung und -verfolgung
- Lernbasierte Planung und Steuerung aus Bildern

Qualifikationsziele

(1) Die Studierenden können ein robotergestütztes visuelles Wahrnehmungsproblem als algebraisches, probabilistisches Zustandsschätzungs- oder maschinelles Lernproblem formulieren und einen geeigneten Algorithmus zu seiner Lösung auswählen.

(2) Die Studierenden sind in der Lage, eine Reihe von robotergestützten visuellen Wahrnehmungs- und Lernalgorithmen zu implementieren und ihr Verhalten zu analysieren.

(3) Die Studierenden können die Herausforderungen bei der visuellen Wahrnehmung und dem Lernen von Robotern erläutern und neue Methoden bewerten und charakterisieren.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Stückler
Literatur / Sonstiges

Recommended to attend deep learning course before. Basic programming skills in python required.

Lecture slides will be provided. Further literature will be announced in the lecture. Recommended textbooks:

- An Invitation to 3-D Vision by Yi Ma, Stefano Soatto, Jana Košecká, S. Shankar Sastry

- R. Szeliski's book on Computer Vision: Algorithms and Applications

- K. Murphy's book on Machine Learning: A Probabilistic Perspective

- Deep Learning by Goodfellow, Bengio and Courville
https://www.deeplearningbook.org

Zuletzt angeboten Wintersemester 2022
Geplant für ---
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, ML-CS, ML-DIV



Nummer

ML-4508
Titel

Virtual Humans
Lehrform(en)

Vorlesung, Übung
ECTS 9
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
270 h
Kontaktzeit:
90 h / 6 SWS
Selbststudium:
180 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Wintersemester
Unterrichtssprache Englisch
Prüfungsform

Mündlich oder schriftliche Prüfung (abhängig von der Anzahl der Studierenden)

Inhalt

Ein virtueller Mensch ist ein digitales Abbild eines echten Menschen. Virtuelle Menschen (VH) sollen wie echte Menschen aussehen, sich bewegen und schließlich auch denken. Die Entwicklung solcher VH ist eines der langjährigen Ziele der Künstlichen Intelligenz.
Um sie zu lernen, sind Techniken und Algorithmen an der Schnittstelle von maschinellem Lernen, Computer Vision und Computergrafik erforderlich. In diesem Kurs werden wir die wichtigsten mathematischen Grundlagen und computergestützten Werkzeuge zum Erlernen von VH aus 3D-Scans, Bildern und Videos von echten Menschen behandeln. Der Kurs behandelt sowohl klassische Darstellungen von Menschen, die auf 3D-Netzen und Texturen basieren, als auch moderne Darstellungen, bei denen das Aussehen und das Verhalten von virtuellen Menschen in neuronalen Netzen kodiert werden.

Qualifikationsziele

Verstehen der mathematischen Werkzeuge und Algorithmen zur Erstellung von VH aus Daten. Am Ende des Kurses sind die Studierenden mit dem aktuellen Stand der Technik in der Modellierung menschlicher Bewegungen und Formen, der Schätzung von Pose, Form und Menschen in Kleidung aus Bildern und Videos sowie dem Erlernen generativer Modelle menschlicher Bewegungen in Abhängigkeit von der 3D-Szenengeometrie vertraut. Die Studierenden sollen in der Lage sein, die Konzepte in der Praxis anzuwenden, Modelle zu entwickeln und zu trainieren, Forschungsergebnisse zu reproduzieren und eigene Forschungsarbeiten in diesem Bereich durchzuführen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Pons-Moll
Literatur / Sonstiges

Related literature will be posted on the course website (https://virtualhumans.mpi-inf.mpg.de/DH22/). Knowledge of linear algebra, optimization and probability (e.g, mathematics for machine learning) and coding skills (Python).
Experience with deep learning (e.g, Deep Learning course).

Zuletzt angeboten Wintersemester 2022
Geplant für Wintersemester 2023
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-HCI, MEDI-INFO, MEDI-MEDI, ML-CS, ML-DIV



Nummer

BIOINF4377 (entspricht BIO-4377)
Titel

From Open Data to Open Science
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Schriftliche Ausarbeitung und darauf basierende Präsentation.

Inhalt

Im Seminar werden öffentlich zugängliche biomedizinische Datenbestände diskutiert; diese beihalten Repositorien für molekulare Daten, aber auch Bildgebung und zusammengefasste Daten (wie www.ourworldindata.org). Es werden Methoden für die Zugang zu diesen Daten; als auch Methoden für das Speisen von ofenen Datenbestände. Wir diskutieren die Rolle von Metadaten, sowie Aspekte der Datensicherheit und technische Methoden für das Datenteilen. Letztlich geht es im Seminar um Open Science. Wir beschäftigen uns mit Fragen wie und ob man mit mehr Transparenz und Beteiligung im Forschungsprozess diesen zieführender gestalten kann.

Qualifikationsziele

Dieses Modul vermittelt die fachliche Grundlage zum Verständnis von Open Data und Open Science. Es werden Methoden zur Implementierung, Veröffentlichung und Wiedernutzen von Daten, sowie deren statistischen Auswertung diskutiert. Durch eine intensive Aufarbeitung der aktuellen Literatur lernen die Studierende die aktuelle Datenlandschaft in der biomedizinischen Forschung kennen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Nahnsen
Literatur / Sonstiges

Originalarbeiten und zusätzliche Literatur wird am Anfang der Vorlesung bekannt gegeben.

Zuletzt angeboten Wintersemester 2022
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche BIO-SEM, INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS



Nummer

BIOINF4250 (entspricht BIO-4250)
Titel

Computational Single Cell Biology
Lehrform(en)

Praktikum
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

A written report is to be submitted after the course. Performance during the course will also be integrated into the final grade.

Inhalt

The basics of processing and automatically interpreting single-cell datasets are conveyed and applied on concrete examples in this practical course. The course tasks will be implemented in the scripting language Python and R. Specifically this course covers preprocessing, quality control of single-cell transcriptomic data and reconstruction of dynamic processes via RNA velocity analyses, trajectory inference and different dynamic models.

Qualifikationsziele

(1)The students learn how to perform quality control and normalization of single-cell RNA sequencing data.
(2) They learn how to visualize high dimensional single-cell data.
(3) They learn how to perform RNA velocity analyses.
(4) They learn how to establish dynamic models from RNA velocity fields.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Claassen
Literatur / Sonstiges

Will be supplied during the course.

Zuletzt angeboten Wintersemester 2022
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche BIO-PRAK



Nummer

INFO-4501
Titel

Digitalisierung & Innovation
Lehrform(en)

Vorlesung
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

In dieser Vorlesung erhalten Studierenden einen breiten Überblick über aktuelle Theorien (z.B. disruptive Innovation), Werkzeuge (z.B. Data Analytics, Blockchain), Methoden (z.B. Produktmanagement, agiles Projektmanagement) und Technologien (z.B. 3D-Druckverfahren, Robotik) im Kontext der Digitalisierung sowie der digitalen Transformation der gesamten Wertschöpfungskette in der Industrie. Von der strategischen Planung bis hin zur Implementierung bietet die Vorlesung ein breites Themenspektrum sowie zahlreiche praktische Beispiele (wie z.B. Einzelfallstudien).
Ziel der Vorlesung ist es, ein Verständnis für die Zusammenhänge sowie die Bedeutung von Digitalisierung zu schaffen und Studierende zu motivieren, den Digitalisierungsprozesse zu untersuchen und konkrete eigene Beiträge zu leisten. Für Studierende, die andere praktische oder theoretische Veranstaltungen zur Digitalisierung belegen, wird die Vorlesung zusätzlich einen Blick auf Digitalisierung mit praktischen Beispielen aus der Industrie.
Hierzu wird die Vorlesung drei zentrale Themen thematisieren: Innovation, Initiierung und Implementierung. Im Themenbereich "Innovation" werden die historische Entwicklung und die treibenden Kräfte von Innovation sowie mögliche Dilemmata bei der Schaffung von Innovation thematisiert. Im Themenbereich "Initiierung" werden Produkt- und Projektmanagement als treibende Kräfte in der Digitalisierung behandelt. Im Themenbereich "Implementierung" werden die Vielzahl an Werkzeugen der Digitalisierung behandelt und wie diese in der Industrie praktisch eingesetzt werden. Dies umfasst sowohl Softwareentwicklungen und technologische Neuerungen als auch additive Fertigung, Operationale Netzwerke, Robotik sowie den Aufbau nachhaltiger, sicherer und verantwortungsbewusster Unternehmen.

Qualifikationsziele

Die Studierenden sind sind in der Lage, die vorgestellten Inhalte zu erläutern und die Eignung von Digitalisierungstechnologien in der Industrie zu analysieren und zu bewerten. Sie können die Anwendbarkeit von Methoden wie disruptive Innovation und agiles Projektmanagement beurteilen. Sie wissen die praktischen Herausforderungen der Digitalisierung in der Industrie einzuordnen und zu bewerten.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Wahl
Literatur / Sonstiges

-

Zuletzt angeboten ---
Geplant für Sommersemester 2023
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

ML-4440
Titel

Trustworthy Machine Learning
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Klausur (bei geringer Teilnehmerzahl evtl. mündliche Prüfung)

Inhalt

Durch den Einsatz von maschinellen Lernverfahren in der Praxis haben sich eine Reihe neuer Herausforderungen ergeben: Manche Modelle generalisieren nicht gut bei kleinsten Veränderungen in der Datengrundlage; manche Modelle nutzen Merkmale, die zu einer Diskriminierung bestimmter Personengruppen führen; manche Modelle sind zu liberale bei der Klassifikatio neuer Datentypen; die Entscheidungen mancher Modelle sind für die Endnutzer wie etwa Mediziner nicht nachvollziehbar. Insgesamt führt dies zu einem Glaubwürdigkeitsproblem der derzeitigen maschinellen Lernverfahren. Aus diesem Grund fokussiert sich Forschung zunehmend auf Fragen der Glaubwürdigkeit im Maschinellen Lernen ("Trustworthy Machine Learning"; TML). In dieser Vorlesung werden die theoretischen und technischen Hintergründe von Kernthemen im Bereich TML. Dabei werden zum einen wichtige, klassische und aktuelle Forschungsartikel kritisch reflektiert, zum anderen TML-Techniken anhand von Übungen praktisch erprobt.

Qualifikationsziele

Die Studierenden sind in der Lage, Forschungsarbeiten im Bereich TML kritisch zu lesen, einzuschätzen und zu diskutieren. Sie verfügen über technisches Hintergrundwissen, um grundlegende TML-Techniken in einem Deep Learning-Kontext zu implementieren. Sie sind in die Lage versetzt, ein eigenes Forschungsprojekt im Bereich TML durchzuführen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Oh
Literatur / Sonstiges

Prerequisites: Students should be familiar with Python and PyTorch coding. They should have basic knowledge of machine learning concepts: supervised learning, function fitting, generalisation gap, overfitting, and regularisation. Furthermore they should have basic knowledge of deep learning (CNNs and Transformers, their components, and empirical techniques for training and evaluating them), for instance by having passed ML-4103 (or equivalent). Basic maths skills (multivariate calculus, linear algebra, probability, statistics, and optimisation) are also required.

Zuletzt angeboten Wintersemester 2022
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, ML-CS, ML-DIV



Nummer

MEDZ-4710
Titel

Data Privacy
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Mündliche Präsentation und schriftliche Ausarbeitung

Inhalt

Das Seminar behandelt aktuelle Forschungsthemen und -trends im Bereich Datenschutz. Die Themenbereiche umfassen u.a. (aber nicht nur) Datenschutz im Bereich der Sozialen Netzwerke, des Maschinellen Lernens und biomedizinischer Daten.

Qualifikationsziele

Die Studierenden lernen aktuelle Forschungsliteratur im Bereich Datenschutz kennen und lernen, diese zusammenzufassen und zu präsentieren. Sie sind in der Lage, den Beitrag eines Forschungsartijels kritisch zu bewerten. Sie können aktuelle Forschungsergebnisse anderen Studierenden und Forschenden präsentieren und Forschungsdiskussionen dazu leiten. Sie können die Ergebnisse von Forschungsartikeln mündlich sowie schriftlich zusammenfassen und bewerten.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Akgün
Literatur / Sonstiges

Wird in der Vorbesprechung bekannt gegeben / Will be announced in a preparatory meeting at the start of the semester

Zuletzt angeboten Wintersemester 2022
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche BIO-SEM, INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS



Nummer

BIOINF4384 (entspricht BIO-4384)
Titel

Machine Learning of Single-Cell Dynamics
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Übungen müssen (unbenotet) bestanden werden. Schriftliche/mündliche Abschlussprüfung (benotet).

Inhalt

Einzelzell-Technologien werden verwendet, um die Dynamik biologischer Prozesse wie Signalübertragung, Differenzierung und Entwicklung zu rekonstruieren. In dieser Vorlesung werden verschiedene Arten von Technologien, die zu diesem Zweck entwickelt und verwendet wurden behandelt. Im Kern werden verschiedene mathematische Modelle für die Zelldynamik sowie klassische und auf maschinellem Lernen basierende Ansätze der Systemidentifikation und Modellselektion zum Erlernen dieser Modelle aus Einzelzell-Daten vorgestellt und diskutiert.

Qualifikationsziele

(1) Überblick über Einzelzell-Technologien
(2) Dynamische Modelle für zelluläre Systeme
(3) Systemidentifikation und Modellselektion für dynamische Modelle
(4) Maschinelles Lernen für Systemidentifikation und Modellselektion

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Claassen
Literatur / Sonstiges

Requirements: Programming skills in Python.

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche BIO-BIO, ML-DIV



Nummer

BIOINF4383 (entspricht BIO-4383)
Titel

Advanced Topics in Machine Learning for Single Cell Biology
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Mündliche Präsentation (ca. 30 min), Schriftliche Ausarbeitung (ca. 10 Seiten), Diskussionsleitung

Inhalt

Dieses Seminar baut auf der Vorlesung 'Machine Learning for Single Cell Biology' (BIO-4382) auf. In dem Seminar diskutieren wir aktuelle wissenschaftliche Publikationen zur Entwicklung von Methoden des Maschinellen Lernens sowie zu deren Anwendung in der Grundlagenforschung und in Studien zu translationaler Einzelzell-Biologie.

Im Sommersemester 2024 wird das Seminar "Machine Learning in Translational Single-Cell Biology" angeboten.

Qualifikationsziele

(1) Lesen und Verstehen von aktuellen wissenschaftlichen Publikationen zu Maschinellem Lernen im Bereich Einzelzell-Biologie
(2) Präsentation von wissenschaftlichen Publikationen
(3) Diskussion der Studienergebnisse
(4) Vertiefung von unüberwachten/überwachten/schwach überwachten und dynamischen maschinellen Lernmodellen in der Einzelzellbiologie

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Claassen
Literatur / Sonstiges

Teilnahmevoraussetzungen: BIO-4382 oder vergleichbare Veranstaltung /
Course prerequisites: BIO-4382 or equivalent course

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche BIO-BIO, BIO-SEM, INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS, ML-DIV



Nummer

BIOINF4366 (entspricht BIO-4366)
Titel

Data Visualization in Biology and Medicine
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Wird zu Beginn des Semesters bekanntgegeben.

Inhalt

Visualisierungen spielen eine wichtige Rolle bei der Analyse von Daten und Kommunikation von Befunden in der Biologie und Medizin. Da die Daten in diesen Disziplinen komplex und unterschiedlichen Typs sind - von abstrakten Daten wie Genexpression, biologischen Netzwerken oder elektronischen Gesundheitsdaten bis hin zu räumlichen Daten wie molekulare Strukturen oder medizinische Bildgebungsdaten - wurden verschiedenste Visualisierungsmethoden entwickelt. Die Fortschritte, die dabei in den letzten zehn Jahren gemacht wurden, fokussieren dabei nicht nur auf der Erzeugung verstehbarer Repräsentationen von Daten, sondern auch auf der Entwicklung neuer visueller Analysetechniken, welche Visualisierungsmethoden mit Methoden der Datenanalyse kombinieren (wie z.B. die Anwendung von maschinellen Lernverfahren zur Merkmalsextraktion). Dieser computergestützte "human-in-the-loop"-Ansatz bietet die Chance, dass Informationen leichter verständlich werden und dass Nutzer ihre Daten interaktiv explorieren können.

In diesem Seminar werden wir zukunftsträchtige Methoden und neuere Entwicklungen auf dem Gebiet der Datenvisualisierung für Biologie und Medizin diskutieren. Dabei werden wir einen besonderen Schwerpunkt auf interaktive Visualisierungsmethoden und visuelle Analysemethoden legen sowie auf die Frage wie Methoden aus einem Bereich im jeweils anderen Bereich angewandt werden können.

Qualifikationsziele

Die Studierenden kennen aktuelle Methoden zur Visualisierung biologischer und medizinischer Daten. Sie verstehen wie moderne visuelle Analysemethoden funktionieren und können bestehende Visualisierungsmethoden kritisch reflektieren. Sie sind in der Lage, ihr Wissen auf die Generierung geeigneter Visualisierungsmethoden für neue Herausforderungen und Daten anzuwenden.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Krone
Literatur / Sonstiges

Course prerequisites: No formal requirements, but background knowledge in scientific/information visualization, computer graphics, or data science is helpful.

Literature: Will be announced at the beginning of the semester.

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2023
Zugeordnete Studienbereiche BIO-BIO, BIO-SEM, INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS



Nummer

INFO-4504-V
Titel

Understanding Vision - Vorlesung
Lehrform(en)

Vorlesung
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Klausur

Inhalt

-

Qualifikationsziele

-

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Li
Literatur / Sonstiges

Literatur / Literature: Lehrbuch / Textbook "Understanding vision";

Voraussetzungen / Prerequisites:
Vorwissen in visueller Wahrnehmung und deren Erforschung sowie mathematische Kenntnisse in Linearer Algebra und Statistik werden empfohlen. / Background knowledge in vision science and mathematical skills in linear algebra and statistics are recommended.

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4504-S
Titel

Understanding Vision - Seminar
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Referat, Hausarbeit

Inhalt

-

Qualifikationsziele

-

Teilnahmevoraussetzungen INFO-4504-V Understanding Vision - Vorlesung
Dozent/in Li
Literatur / Sonstiges

Literatur / Literature:
- Lehrbuch / Textbook "Understanding vision";

Voraussetzungen / Prerequisites:
Vorheriges / Gleichzeitiges Absolvieren der Vorlesung "Understanding Vision" (INFO-4504-V). / Previous or parallel completion of the lecture “Understanding Vision" (INFO-4504-V).

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS



Nummer

INFO-4165
Titel

Grundlagen Signale und lineare Systeme
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

Klausur (bei geringer Teilnehmerzahl mündliche Prüfung); dieNote kann durch Übungspunkte verbessert werden (Bonus). Mindestpunktzahl in den Übungen erforderlich für Zulassung zur Prüfung.

Inhalt

Themen sind u.a.: Fourier-Transformation, Laplace-Transformation, z-Transformation, lineare Systeme und DGLen, Impulsantwort, Sprungantwort, Übertragungsfunktion.

Qualifikationsziele

Die Studierenden können die Eigenschaften von zeitkontinuierlichen und zeitdiskreten Signalen und von linearen zeitinvarianten Systemen in Zeit- und Frequenzbereich beschreiben und können die Konzepte der Fourier-, Laplace- und z-Transformation anwenden um Probleme aus den Bereichen Signalverarbeitung und Regelung zu analysieren und zu lösen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Schilling
Literatur / Sonstiges

Eigene Materialien und Vorlesungsfolien werden zum Download bereitgestellt. / Own materials and lecture slides will be available for download.

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-TECH, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, MEDI-VIS, ML-CS



Nummer

INFO-4451
Titel

Introduction to Cryptography
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Jedes Semester
Unterrichtssprache Englisch
Prüfungsform

wird noch ergänzt

Inhalt

Kryptographie ist heute ein wesentlicher Bestandteil der Sicherheit aller modernen Kommunikationsmittel, der sicheren Datenspeicherung und der vertraulichen Datenverarbeitung. Diese Vorlesung bietet eine Einführung in alle grundlegenden Prinzipien, Methoden und Begrifflichkeiten im Bereich der Kryptographie sowie einen Überblick über einige der wichtigsten Anwendungen. Themen sind:

• klassische kryptographische Systeme,
• Pseudo-Zufallsfunktionen (PRF)/Permutationen (PRP),
• Blockchiffren, DES, AES,
• symmetrische Verschlüsselung,
• Nachrichten-Authentifizierungs-Codes (MACs),
• authentifizierte Verschlüsselung,
• Hash-Funktionen,
• Gruppentheorie,
• Diffie-Hellman-Schlüsselaustausch,
• asymmetrische Verschlüsselung,
• digitale Signaturen,
• sichere Mehrparteienberechnungen

Qualifikationsziele

wird noch ergänzt

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Akgün
Literatur / Sonstiges

--

Zuletzt angeboten Sommersemester 2022
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-WEB, ML-CS



Nummer

BIOINF-4510 (bisher: BIO-4510)
Titel

Applied Statistics for Biomedical Data Analysis
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Mündlicher Vortrag (ca. 30 min.), schriftliche Ausarbeitung (ca. 10 Seiten), 1 x Diskussionsleitung

Inhalt

In diesem Seminar werden aktuelle Themen der angewandten Statistik für die bioinformatische Datenanalyse diskutiert. Darüber hinaus werden wir auch klassische Konzepte der Stochastik/Statistik und der diskreten Mathematik diskutieren. Dazu gehören u.a.: Einführung in die Zufälligkeit, elementare und fortgeschrittene Kombinatorik, Zufallsvariablen, diskrete Wahrscheinlichkeitsverteilungen und woher sie kommen, bedingte Wahrscheinlichkeiten, Bayes? Theorem, kontinuierliche Wahrscheinlichkeitsverteilungen, posteriore Verteilungen, deskriptive Statistik, Momente von Zufallsvariablen (Erwartung, Varianz, ?), parametrische Modelle, statistische Tests (frequentistische Sichtweise), statistische Tests (Bayes'sche Sichtweise), Parameterschätzung: Maximum Likelihood, Parameterschätzung in Mischmodellen: EM-Algorithmus, Regression (einfache lineare, logistische, robuste, multiple), robuste Regression, multiple Regression, logistische Regression. Alle Konzepte werden in engem Zusammenhang mit der aktuellen Forschung in der Biomedizin diskutiert.

Qualifikationsziele

Die Studierenden sammeln Erfahrungen im Halten eines Fachvortrags und im Verfassen einer Facharbeit in der Bioinformatik und in der Lehre. Sie können Konzepte und Methoden der angewandten Statistik in der Bioinformatik zusammenfassen, bewerten, klassifizieren, sie wissenschaftlich korrekt darstellen und präsentieren. Die Studierenden erhalten zum einen einen Überblick über den aktuellen Wissensstand im Bereich der angewandten Statistik in Biologie und Medizin. Andererseits wissen sie, dass es in diesem Bereich noch viele offene Forschungsfragen gibt. Durch das Studium aktueller Artikel und klassischer Konzepte haben die Studierenden nicht nur ihre Lese- und Lernfähigkeiten verbessert, sondern auch ihre Fähigkeit zu translationalem Denken.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Nahnsen
Literatur / Sonstiges

Bücher und Forschungsartikel / Books and research articles

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2023
Zugeordnete Studienbereiche BIO-BIO, BIO-SEM, INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS



Nummer

MEDZ-4523
Titel

Machine Learning to Fight Infections
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Vortrag und schriftliche Ausarbeitung

Inhalt

Maschinelles Lernen wird in vielen Bereichen der Medizin verwendet, um bestimmte Prozesse zu automatisieren, intelligente Darstellungen komplexer Daten zu finden und Vorhersage ueber interessante Phänotypen oder andere Labels zu treffen. Auch in der Infektionsforschung wurden schon seit laengerer Zeit Verfahren des maschinellen Lernens angewendet und entwickelt. Wir werden in diesem Seminar verschiedene Bereiche abdecken, die von Machine Learning assisted Computational Epidemiology, ueber Resistance Prediction of Infectious Agents, bis hin zu Predicting Viral Evolution reichen.

Qualifikationsziele

Erfolgreiche Studierende kennen die wichtigsten Begriffe, Theorien und Methoden im Bereich der Infektionsbekämpfung mit Methoden des maschinellen Lernens und können diese kritisch reflektieren.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Pfeifer
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche BIO-BIO, BIO-SEM, INFO-INFO, MEDI-APPL, MEDI-INFO, MEDZ-SEM, ML-CS



Nummer

INFO-4193
Titel

Natural Language Processing
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Mündliche Prüfung (im Falle einer großen Teilnehmerzahl schriftliche Prüfung); Übungspunkte können als Bonus in die Benotung einfließen.

Inhalt

Natürliche Sprachverarbeitung (Natural Language Processing; NLP) ist ein Teilgebiet der künstlichen Intelligenz, das auf das Verständnis und die automatische Generierung von Texten für verschiedene Anwendungen abzielt, wie z. B. die Klassifikation von Dokumenten, die Analyse von Stimmungen, die Zusammenfassung von Texten, die Spracherkennung, usw. In dieser Vorlesung werden NLP-Themen behandelt wie n-gram Modelle, Word Embeddings, Bag-of-Words Darstellungen für die Dokumentenklassifizierung, Klassifikatoren, Tokenisierung, Part-of-Speech Tagging, Matrixfaktorisierung und Themenmodellierung, Deep Learning für die Sprachverarbeitung, Transformer Modelle, Sprachmodelle und Texterzeugung und schließlich Anwendungen wie Dokumentenzusammenfassung, maschinelle Übersetzung oder Fragenbeantwortung.

Qualifikationsziele

Die Studierenden kennen das Spektrum von Themen in NLP, von grundlegenden bis hin zu fortgeschrittenen Themen. Sie sind in der Lage, Datensätze aus Textdokumenten zu analysieren und darunterliegende Muster zu identifizieren sowie Klassifikationsmodelle, Textgenererierungsmodelle und moderne NLP Anwendungen zu erzeugen. Durch praktische Übungen sind die Studierenden in der Lage, praktische Probleme bei der Anwendung von NLP eigenständig zu lösen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Eickhoff
Literatur / Sonstiges

Verwendete Programmiersprache: Python

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-HCI, MEDI-INFO, MEDI-MEDI, MEDI-MMT, ML-CS, ML-DIV



Nummer

INFO-4271
Titel

Modern Search Engines
Lehrform(en)

Vorlesung, Übung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Präsentation des finalen Projekts und Abschlussbericht

Inhalt

Suchmaschinen sind die wichtigste Schnittstelle zwischen Menschen und den riesigen, weltweit verteilten Wissensbeständen der Menschheit. In dieser praxisorientierten Vorlesung werden wir zunächst die Grundlagen des Information Retrievals, wie etwa das Web Crawling, die Indexierung, die Indexkomprimierung, die Verarbeitung von Suchanfragen und das Ranken von Ergebnissen besprechen, bevor wir dann zu fortgeschrittenen Techniken der Personalisierung, des (Dense) Neural Retrieval und des stochastischen Rankings übergehen. Den Abschluss der Vorlesung bildet ein praktisches Projekt, in welchem die Studierenden ihre eigenen Suchmaschinen entwerfen und implementieren, die dann in einem Retrieval-Wettbewerb evaluiert werden.

Qualifikationsziele

In dieser projektorientierten praktischen Vorlesung lernen Studierende, wie man moderne Suchmaschinen entwirft und implementiert.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Eickhoff
Literatur / Sonstiges

Verwendete Programmiersprache: Python.

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-WEB, ML-CS



Nummer

ML-4511
Titel

Machine Learning in Gaphics, Vision, and Language
Lehrform(en)

Praktikum
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Englisch
Prüfungsform

Projekt, Präsentation und Ausarbeitung

Inhalt

Implementierung von fortgeschrittenen Anwendungen und Programmen in dem Schnittbereich von Maschinellem Lernen in Computergrafik / Computer Vision / Natural Language Processing

Qualifikationsziele

Die Studierenden wissen, wie aktuelle Ansätze des Maschinellen Lernens in den Bereichen Segmentierung, 3D-Rekonstruktion, Szenenanalyse, Rendering, Interaktion oder Sprachverarbeitung effizient implementiert werden können. Sie können selbständig in Gruppen Programmierprojekte planen und durchführen, bei denen Neuronale Netze, Transformer oder andere ML-Ansätze zur Datenakquisition, Rekonstruktion und Repräsentation sowie zur natürlichsprachlichen Interaktion oder Erklärung eingesetzt werden.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Lensch
Literatur / Sonstiges

Teilnahmevoraussetzungen: Deep Learning, von Vorteil sind Graphische Datenverarbeitung oder Computer Vision
Literatur: Entwicklungsumgebung wird zur Verfügung gestellt.

----

Course prerequisites: Completion of Deep Learning; previous completion of Computer Graphics or Computer Vision is advantageous
Literature / Other information: The development environment will be made available to the students.

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-PRAX, MEDI-VIS, ML-CS, ML-DIV



Nummer

BIOINF4260 (entspricht BIO-4260)
Titel

Bioinformatikmethoden und visuelle Analyse biologischer Daten
Lehrform(en)

Praktikum
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

The final grade is based on collaboration and performance,a lab journal of week 1, a written report on the project of week 2 of the practical course, and one or two short oral presentations.

Inhalt

The focus of this practical course is placed on the design and practical implementation of effective visualizations of biological data. Students will learn guidelines and use of methods for visualizing data. This hands-on course uses real-world data; the focus is on the entire process of designing and implementing effective visualization and visual analysis of biological data, from data and task analysis to selecting appropriate visualization methods and designing interactive visual analytics applications; different methods are compared in terms of their effectiveness for analysis and communication. Topics of the first weekinclude color and perception, bioinformatics methods for data preprocessing, visualization techniques for biological data, for example multidimensional and temporal data, networks and structures, and the basics of visual analytics and visual storytelling. During the second week students work on a self-chosen small research project that combines bioinformatics with visualisation methods.

Qualifikationsziele

Students gain practical experience in designing and programming interactive visualizations for the analysis of biological data. They are able to use libraries and frameworks and acquire or expand their knowledge of JavaScript (mainly D3) and Python. By working in groups, students acquire teamwork and collaboration skills and learn project organization and presentation techniques. Students know the strengths and weaknesses as well as the limitations of different visualization methods and can describe and evaluate these methods.

Teilnahmevoraussetzungen BIOINF4110 (entspricht BIO-4110) Sequence Bioinformatics,

BIOINF4120 (enstpricht BIO-4120) Struktur- und Systembioinformatik,

BIOINF4364 (entspricht BIO-4364) Visualization of Biological Data
Dozent/in Krone, Nieselt
Literatur / Sonstiges

Will be provided at the beginning of the course, if necessary.

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2023
Zugeordnete Studienbereiche BIO-PRAK, MEDZ-BIOMED



Nummer

INFO-4368
Titel

Current Topics in Robotics
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Vortrag und Ausarbeitung

Inhalt

Das Seminar umfasst wechselnde aktuelle, fortgeschrittene Themen der Robotik mit einem Fokus auf mobiler Robotik. Themen sind z.B. Roboterkinematik, moderne probabilistische Verfahren der Navigation und Selbstlokalisation, Kartierung (Mapping), Pfadplanung bei beweglichen Hindernissen, Roboterformationen, Simultane Lokalisierung und Kartierung (SLAM), visuelle Selbstlokalisation und Sensorfusion mit versch. Sensoren. Im Unterschied zum ähnlichen bezeichneten Proseminar sind die Themenstellungen, Algorithmen und math./physikal. Beschreibungen anspruchsvoller und die Behandlung tiefergehender.

Qualifikationsziele

Die Studierenden können ein Thema aus dem Bereich Robotik (mit Fokus auf mobiler Robotik) wissenschaftlich analysieren, mündlich vortragen und schriftlich ausarbeiten.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Zell
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für Wintersemester 2023
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, MEDZ-SEM, ML-CS, ML-DIV



Nummer

MEDI-4513
Titel

Audiovisuelle Medien II (Advanced 3D-Animation)
Lehrform(en)

Praktikum
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Im Sommersemester
Unterrichtssprache Deutsch
Prüfungsform

Werkstück mit Dokumentation

Inhalt

Im Rahmen dieser Veranstaltung erweitern die Studierenden ihre Kenntnisse in der 3D-Animation, basierend auf dem Kurs "Audiovisuelle Medien II (3D-Animation)". In diesem Zusammenhang erlernen sie die Techniken des organischen Modelings und erstellen einen einfachen Charakter, den sie anschließend texturieren und ins rechte Licht setzen. Ein kurzer Animationsfilm bildet den Abschluss des Kurses.
Die Veranstaltung vermittelt nicht nur ein Lichtkonzept, sondern fördert auch das filmische Denken, um den Studierenden eine solide Grundlage für professionelles Arbeiten als Computeranimator zu bieten.

Qualifikationsziele

Die Studierenden besitzen vertiefte Kenntnisse über fortgeschrittene Techniken der 3D-Animation und haben ein Verständnis für die Gestaltung von Filmen erworben. Anhand eines kurzen Projekts haben sie praxisnah Kenntnisse erworben, die sie als Computeranimator anwenden können.

Teilnahmevoraussetzungen MEDI-4511 Audiovisuelle Medien II (3D-Animation)
Dozent/in Schilling
Literatur / Sonstiges

Literatur: Richard Williams "Animator's Survival Kit"

Teilnahmevoraussetzung: Erfolgreiche Teilnahme an MEDI-4511 / MEINF-4511 "Audiovisuelle Medien II (3D-Animation)"

Zuletzt angeboten nicht bekannt
Geplant für Wintersemester 2023
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDI-PRAX, ML-CS



Nummer

INFO-4445
Titel

Algebraische Struktur und Komplexität formaler Sprachen
Lehrform(en)

Vorlesung
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

mündliche Prüfung

Inhalt

Viele Konstruktionen und Verfahren regulärer Sprachen werden erst durch die Endlichkeit der zugrundeliegenden algebraischen Strukturen ermöglicht. Die Konstruktionsprinzipien gelten aber auch im Unendlichen und sind fuer ausgewaehlte nichtreguläre Fallbeispiele im unteren Komplexitätsbereich durchführbar. Die gründliche Bearbeitung der Beispiele unter Beteiligung der Studierenden gibt der Vorlesung stellenweise Übungscharakter.

Qualifikationsziele

Verständnis für die grundlegenden algebraischen Konstruktionen formaler Sprachen sowie ein Überblick über die Beziehungen zwischen formalen Sprachen und Komplexität

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Lange
Literatur / Sonstiges

Literatur / Literature:
- Howard Straubing: Finite Automata, Formal Logic, and Circuit Complexity, Birkhaeuser 1994.
- O. Matz, A. MIller, A. Potthoff, W. Thomas, E. Valkema: Report on the Program AMoRe, Universitaet Kiel 1995

--

Voraussetzungen / Prerequisites: Grundlagen der regulaeren und kontextfreien
Sprachen / Basics of regular and context-free languages.

Zuletzt angeboten nicht bekannt
Geplant für Wintersemester 2023
Zugeordnete Studienbereiche INFO-INFO, INFO-THEO, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

INFO-4148
Titel

Machine Learning in Datenbanksystemen und Datenmanagement
Lehrform(en)

Vorlesung
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Deutsch
Prüfungsform

Klausur

Inhalt

-

Qualifikationsziele

-

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für Wintersemester 2023
Zugeordnete Studienbereiche INFO-INFO, INFO-PRAK, MEDI-APPL, MEDI-INFO, ML-CS



Nummer

BIOINF-4399 (bisher: BIO-4399)
Titel

Advanced Topics in Bioinformatics
Lehrform(en)

Vorlesung
ECTS 6
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
180 h
Kontaktzeit:
60 h / 4 SWS
Selbststudium:
120 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Schriftliche oder mündliche Prüfung

Inhalt

In diesem Modul werden neue und wegweisende Entwicklungen in der Bioinformatik behandelt, welche durch neuartige Technologien, neue biologische Fragestellung mit komputationalem Bezug oder neue Methoden entstehen. Typischerweise werden im 1. Drittel des Moduls die Hintergründe und einführende Materialien behandelt. Im 2. Drittel des Kurses werden neue Entwicklungen tiefergehend behandelt und analysiert. Im 3. Drittel des Kurses werden noch offene Problemstellungen und mögliche Lösungen diskutiert.

Qualifikationsziele

Das Ziel dieses Moduls ist es, dass Studierende aktuelle Forschungsthemen in der Bioinformatik vertiefen.

Teilnahmevoraussetzungen BIOINF4110 (entspricht BIO-4110) Sequence Bioinformatics
Dozent/in Dozenten der Bioinformatik
Literatur / Sonstiges

Literatur: Skripte und Originalartikel

Literature: Detailed script, original articles

Zuletzt angeboten nicht bekannt
Geplant für derzeit nicht geplant
Zugeordnete Studienbereiche BIO-BIO, MEDZ-BIOMED, MEDZ-RES



Nummer

INFO-4367
Titel

Topics in Robot Vision
Lehrform(en)

Seminar
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Mündlicher Vortrag (Referat)

Inhalt

In diesem Seminar setzen wir uns mit wissenschaftlicher Literatur zu klassischen und modernen Ansätzen im Themenbereich "Robot Vision" mit einem Fokus auf Event-Kameras.

Qualifikationsziele

Die Studierenden können ein Thema aus dem Bereich Robot Vision wissenschaftlich analysieren, mündlich vortragen und schriftlich ausarbeiten.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Zell
Literatur / Sonstiges

-

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche INFO-INFO, MEDI-APPL, MEDI-INFO, MEDI-MEDI, MEDI-MMT, MEDZ-SEM, ML-CS, ML-DIV



Nummer

BIOINF4270
Titel

Computational Workflows for Biomedical Data
Lehrform(en)

Praktikum
ECTS 3
Arbeitsaufwand
- Kontaktzeit
- Selbststudium
Arbeitsaufwand:
90 h
Kontaktzeit:
30 h / 2 SWS
Selbststudium:
60 h
Veranstaltungsdauer 1 Semester
Häufigkeit des Angebots Unregelmäßig
Unterrichtssprache Englisch
Prüfungsform

Vorstellung und Verteidigung der Forschungsergebnisse schriftlich und mündlich.

Inhalt

In diesem Praktikum lernen Studierende komplexe biomedizinische Datenanalyse-Probleme in Workflows zu modellieren. Unter Zuhilfenahme abstrakter Workflow-Beschreibungen implementiere die Studierenden neue komputationale Workflows mittels der Workflow-Sprache "nextflow" implementiert. Zudem nutzen sie existierende Workflows und erarbeiten wissenschaftliche Lösungsansätze für konkrete Problemstellungen bei der Analyse biomedizinischer Daten.

Qualifikationsziele

Die Studierenden können nach dem Praktikum Problemstellungen der biomedizinischen Forschung abstrahieren und als Workflow modelieren. Sie werden befähigt einfache Workflows mit "nextflow" zu implementieren und eine Vielfalt von existierenden “best-practice” Workflows zu nutzen.

Teilnahmevoraussetzungen Es gibt keine besonderen Voraussetzungen.
Dozent/in Nahnsen
Literatur / Sonstiges

Ewels et al., Nature Biotechnology, 2020;
di Tommasso et al., Nature Biotechnology, 2017;

Weitere Literatur wird im Praktikum bekannt gegeben / Further literature will be announced in the course.

Zuletzt angeboten nicht bekannt
Geplant für Sommersemester 2024
Zugeordnete Studienbereiche BIO-PRAK