Informatik

• Nichtsequentielle Programmierung

  0086bA1.4
  • 19322101 Vorlesung
    Nebenläufige, parallele und verteilte Programmierung (Claudia Müller-Birn, Barry Linnert)
    Zeit: Mo 14:00-16:00, Mi 16:00-18:00, zusätzliche Termine siehe LV-Details (Erster Termin: 15.04.2024)
    Ort: T9/Gr. Hörsaal (Takustr. 9)
    

    Kommentar

    Inhalte:

    Programmieren und Synchronisieren von gleichzeitig laufenden Prozessen, die auf gemeinsame Ressourcen zugreifen oder über Nachrichtenaustausch interagieren.

    • Nichtsequentielle Programme und Prozesse in ihren verschiedenen Ausprägungen, Nichtdeterminismus, Determinierung
    • Synchronisationsmechanismen: Sperren, Monitore, Wachen, Ereignisse, Semaphore
    • Nichtsequentielle Programmausführung und Objektorientierung
    • Ablaufsteuerung, Auswahlstrategien, Prioritäten, Umgang mit und Vermeidung von Verklemmung
    • Koroutinen, Implementierung, Mehrprozessorsysteme
    • Interaktion über Nachrichten
    • Programmieren und Synchronisieren von gleichzeitig laufenden Prozessen, die über Nachrichtenaustausch interagieren
    • Fernaufruftechniken
    • Client-Server, Peer-to-Peer
    • Parallelrechnen im Netz
    • Koordinierungssprachen
    • Verarbeitung auf dem Server und auf dem Client, Mobilität
    • Middleware, strukturierte Kommunikation, statische und dynamische Schnittstellen
    • Ereignisbasierte und strombasierte Verarbeitung
    • Sicherheit von Anwendungen im Netzwerk
    • Ausblick auf nichtfunktionale Eigenschaften (Zeit, Speicher, Dienstgüte) 

    Literaturhinweise

    Literatur:

    • Principles of Concurrent and Distributed Programming. M. Ben-Ari. Addison-Wesley. 
    • Distributed Systems. Concepts and Design. Fifth Edition. George Coulouris, Jean Dollimore, Tim Kindberg, Gordon Blair. Pearson.

  • 19322102 Übung
    Übung zu Nebenläufige, parallele und verteilte Programmierung (Barry Linnert)
    Zeit: Mo 10:00-12:00, Mo 12:00-14:00, Mi 14:00-16:00, Do 08:00-10:00, Do 14:00-16:00, Fr 10:00-12:00, Fr 14:00-16:00, Fr 16:00-18:00 (Erster Termin: 15.04.2024)
    Ort: T9/053 Seminarraum (Takustr. 9)
    

• Netzprogrammierung

  0086bA1.5
  • 19322101 Vorlesung
    Nebenläufige, parallele und verteilte Programmierung (Claudia Müller-Birn, Barry Linnert)
    Zeit: Mo 14:00-16:00, Mi 16:00-18:00, zusätzliche Termine siehe LV-Details (Erster Termin: 15.04.2024)
    Ort: T9/Gr. Hörsaal (Takustr. 9)
    

    Kommentar

    Inhalte:

    Programmieren und Synchronisieren von gleichzeitig laufenden Prozessen, die auf gemeinsame Ressourcen zugreifen oder über Nachrichtenaustausch interagieren.

    • Nichtsequentielle Programme und Prozesse in ihren verschiedenen Ausprägungen, Nichtdeterminismus, Determinierung
    • Synchronisationsmechanismen: Sperren, Monitore, Wachen, Ereignisse, Semaphore
    • Nichtsequentielle Programmausführung und Objektorientierung
    • Ablaufsteuerung, Auswahlstrategien, Prioritäten, Umgang mit und Vermeidung von Verklemmung
    • Koroutinen, Implementierung, Mehrprozessorsysteme
    • Interaktion über Nachrichten
    • Programmieren und Synchronisieren von gleichzeitig laufenden Prozessen, die über Nachrichtenaustausch interagieren
    • Fernaufruftechniken
    • Client-Server, Peer-to-Peer
    • Parallelrechnen im Netz
    • Koordinierungssprachen
    • Verarbeitung auf dem Server und auf dem Client, Mobilität
    • Middleware, strukturierte Kommunikation, statische und dynamische Schnittstellen
    • Ereignisbasierte und strombasierte Verarbeitung
    • Sicherheit von Anwendungen im Netzwerk
    • Ausblick auf nichtfunktionale Eigenschaften (Zeit, Speicher, Dienstgüte) 

    Literaturhinweise

    Literatur:

    • Principles of Concurrent and Distributed Programming. M. Ben-Ari. Addison-Wesley. 
    • Distributed Systems. Concepts and Design. Fifth Edition. George Coulouris, Jean Dollimore, Tim Kindberg, Gordon Blair. Pearson.

  • 19322102 Übung
    Übung zu Nebenläufige, parallele und verteilte Programmierung (Barry Linnert)
    Zeit: Mo 10:00-12:00, Mo 12:00-14:00, Mi 14:00-16:00, Do 08:00-10:00, Do 14:00-16:00, Fr 10:00-12:00, Fr 14:00-16:00, Fr 16:00-18:00 (Erster Termin: 15.04.2024)
    Ort: T9/053 Seminarraum (Takustr. 9)
    

• Betriebs- und Kommunikationssysteme

  0086bA2.3
  • 19300701 Vorlesung
    Betriebs- und Kommunikationssysteme (Larissa Groth)
    Zeit: Mo 12:00-14:00, zusätzliche Termine siehe LV-Details (Erster Termin: 15.04.2024)
    Ort: T9/Gr. Hörsaal (Takustr. 9)
    

    Kommentar

    Studierende erarbeiten sich im Betriebssystemteil den grundlegenden Aufbau aktueller Betriebssysteme und erlernen deren grundlegende Aufgaben. Sie lernen die Verwaltung von Ein-/Ausgabe-Systemen und Peripheriegeräten zur Vernetzung kennen und üben die Programmierung von DMA/PIO in C. Daneben erarbeiten sie sich die Konzepte von Prozessen/Threads, Unterbrechungen und virtuellen Speichers und Speicherverwaltung. Sie üben die Programmierung von Unterbrechungsbehandlung und Speicherverwaltung in C, sowie die Nutzung von Utilities, wie Shells u. ä. Zudem lernen sie Beispiele für Betriebssysteme (UNIX und Windows) kennen.

    Studierende erarbeiten sich im Kommunikationssystemeteil den grundlegenden Aufbau von Netzen, insbesondere des Internets. Sie erlernen den TCP/IP-Protokollstack und das ISO/OSI-Referenzmodell und diskutieren Unterschiede und Anwendungsmöglichkeiten. Sie lernen Medienzugriffsverfahren und Netzwerkgeräte kennen und ordnen diese den verschiedenen Schichten des Protokollstacks zu. Sie erarbeiten sich den Umgang mit Übertragungsfehlern und diskutieren Grenzen dieser Verfahren. Darüber hinaus lernen Sie Routingverfahren innerhalb und außerhalb Autonomer Systeme, sowie TCP und UDP kennen und üben deren Implementierung in C. 

    Literaturhinweise

    • Andrew S. Tanenbaum: Computerarchitektur, 5.Auflage, Pearson Studium, 2006
    • English: Andrew S. Tanenbaum (with contributions from James R. Goodman):
    • Structured Computer Organization, 4th Ed., Prentice Hall International, 2005.

  • 19300704 Seminar am PC
    Übung zu Betriebs- und Kommunikationssysteme (Larissa Groth)
    Zeit: Mo 08:00-10:00, Mo 14:00-16:00, Di 10:00-12:00, Di 12:00-14:00, Mi 12:00-14:00, Mi 14:00-16:00, Do 08:00-10:00, Do 10:00-12:00, Fr 14:00-16:00 (Erster Termin: 15.04.2024)
    Ort: T9/K 038 Rechnerpoolraum (Takustr. 9)
    

    Kommentar

    Begleitveranstaltung zur Vorlesung 19300701

• Aktuelle Forschungsthemen der Technischen Informatik

  0089cA3.10
  • 19325301 Vorlesung
    Cluster Computing (Barry Linnert)
    Zeit: Di 10:00-12:00 (Erster Termin: 16.04.2024)
    Ort: T9/051 Seminarraum (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Zielgruppe

    • MSc

    Anforderungen

    • Erfahrung mit Computern und Software sowie Programierkenntnisse

    Sprache

    • Die Kurssprache ist Deutsch (oder Englisch wenn benötigt).
    • The exam will be formulated in German, but answers may be given in English, too.

    Credits & Klausur

    • aktive Teilnahme an den Übungen: regelmäßige Vorbereitung von Übungsaufgaben & Präsentation der Ergebnisse in den Übungen
    • Bestehen der Klausur

    Webseite

    https://www.mi.fu-berlin.de/w/SE/VorlesungClusterComputing

    Kommentar

    Cluster-Computer bilden die zur Zeit vorherrschende Klasse paralleler Hochleistungsrechner. Sie bestehen aus konventionellen Prozessorknoten, die über ein Hochgeschwindig­keitsnetzwerk miteinander verbunden sind. Obwohl meistens räumlich integriert, handelt es sich um verteilte Systeme mit jeweils lokalen Betriebssystemen. Das enorme Leistungspotential dieser Rechnerklasse kann nur ausgeschöpft werden, wenn Programmcode und Daten optimal über die Knoten verteilt werden. Die einge­setzten Verfahren müssen insbesondere skalierbar sein, also auch bei Tausenden von Rechnerknoten noch effizient arbeiten. Gleichzeitig soll aber die Programmiererin bzw. der Programmierer von diesen Aufgaben entlastet werden. Die Vorlesung gibt einen Überblick über die auftretenden Probleme und stellt Algorithmen zu ihrer Lösung vor.

    Literaturhinweise

    • Heiss, H.-U.: Prozessorzuteilung in Parallelrechnern, BI-Verlag, Mannheim, 1996
    • Andrews, G. A.: Foundations of Multithreaded, Parallel and Distributed Programming, Addison-Wesley, 2000
    • Pfister, G.: In Search of Clusters 2nd ed., Prentice Hall, 1998
    • Zomaya, A.: Parallel and distributed computing handbook, McGraw Gill, 1995
    • Buyya, R.: High Performance Cluster Computing, Vol. 1+2, Prentice Hall, 1999

  • 19327401 Vorlesung
    Bild- und Videocodierung (Heiko Schwarz)
    Zeit: Mo 14:00-16:00 (Erster Termin: 15.04.2024)
    Ort: T9/051 Seminarraum (Takustr. 9)
    

    Kommentar

    Die Vorlesung behandelt die wichtigsten Konzepte und Algorithmen, die in modernen Bild- und Videocodierverfahren verwendet werden. Wir werden uns insbesondere auf Techniken konzentrieren, die in aktuellen internationalen Videocodierstandards Anwendung finden.

    In einem kurzen ersten Teil werden zunächst die sogenannten Rohdatenformate eingeführt, welche als Eingangs- und Ausgangsformate von Bild- und Videocodecs verwendet werden. Dieser Teil beinhaltet folgenden Themen:

    • Farbräume und deren Beziehung zur menschlichen Farbwahrnehmung
    • Transfer-Funktionen (Gamma-Codierung)
    • Warum verwenden wir das YCbCr-Format?

    Der zweite Teil der Vorlesung behandelt zunächst die Bildcodierung und umfasst folgende Themen:

    • Der Anfang: Wie funktioniert JPEG?
    • Warum verwenden wir die Diskrete Cosinus-Transformation?
    • Effiziente Codierung von Transformationskoeffizienten
    • Prädiktion von Bildblöcken
    • Adaptive Blockpartitionierung
    • Wie treffen wir Entscheidungen im Encoder?
    • Optimierungen der Quantisierung

    Im dritten und letzten Teil der Vorlesungen behandeln wir Konzept die letztendlich die Videocodierung deutlich effizienter machen als eine separate Codierung der Einzelbilder. Dieser Teil umfasst folgende Themen:

    • Bewegungskompensierte Prädiktion
    • Codierung von Bewegungsvektoren
    • Algorithmen zur Bewegungssuche
    • Subpixel-genaue Bewegungsvektoren und Interpolationsfilter
    • Verwendung mehrere Referenzbilder
    • Was sind B-Bilder und warum verwenden wir diese?
    • Deblocking- und Deringing-Filter
    • Effiziente zeitliche Codierstrukturen

    In den Übungen werden wir schrittweise einen eigenen Codec für Bilder implementieren. Bei entsprechenden Interesse kann dieser zu einem einfachen Videocodec erweitert werden.

     

    Literaturhinweise

    • Bull, D. R., “Communicating Pictures: A Course in Image and Video Coding,” Elsevier, 2014.
    • Ohm, J.-R., “Multimedia Signal Coding and Transmission,” Springer, 2015.
    • Wien, M., “High Efficiency Video Coding — Coding Tools and Specifications,” Springer 2014.
    • Sze, V., Budagavi, M., and Sullivan, G. J. (eds.), “High Efficiency Video Coding (HEVC): Algorithm and Architectures,” Springer, 2014.
    • Wiegand, T. and Schwarz, H., "Source Coding: Part I of Fundamentals of Source and Video Coding,” Foundations and Trends in Signal Processing, Now Publishers, vol. 4, no. 1–2, 2011.
    • Schwarz, H. and Wiegand, T., “Video Coding: Part II of Fundamentals of Source and Video Coding,” Foundations and Trends in Signal Processing, Now Publishers, vol. 10, no. 1–3, 2016.

  • 19335301 Vorlesung
    Cybersecurity and AI IV: Angriffe (Gerhard Wunder)
    Zeit: Di 12:00-13:30 (Erster Termin: 16.04.2024)
    Ort: T9/SR 005 Übungsraum (Takustr. 9)
    

    Kommentar

    Cybersecurity and AI ist ein viersemestriger Vorlesungszyklus, der alle wesentlichen Aspekte von Cybersecurity und KI abdeckt. Dieser Kurs vermittelt die Grundlagen für Angriffe auf- und mit KI. Grundsätzlich ist es möglich, den Vorlesungszyklus zu jedem Semester zu beginnen.

    Der Lehrplan ist:

    1. Einführung: KI & Cybersicherheit, Bedrohungsmodell, Bewertungsmetriken, Beispiele für Angriffe
    2. Robuste KI: Definition und Grenzen des Deep Learning, Stärkung von Robustheit, robuste Optimierungsmethoden
    3. Adversarial ML: Verteidigungsmechanismen, Adversarial-Training, Übertragbarkeit, Real-World Implikationen
    4. Generative KI: Generative Modelle, Deepfakes
    5. Federated ML: Sicherheitsherausforderungen, sichere Aggregationsprotokolle

  • 19325302 Übung
    Übung zu Cluster Computing (Barry Linnert)
    Zeit: Do 10:00-12:00 (Erster Termin: 18.04.2024)
    Ort: T9/K 048 Rechnerpoolraum (Takustr. 9)
    
  • 19327402 Übung
    Übung zu Bild- und Videocodierung (Heiko Schwarz)
    Zeit: Mo 12:00-14:00 (Erster Termin: 15.04.2024)
    Ort: T9/055 Seminarraum (Takustr. 9)
    
  • 19335302 Übung
    Übung zu Cybersecurity und AI IV (Gerhard Wunder)
    Zeit: Mo 14:00-16:00 (Erster Termin: 15.04.2024)
    Ort: T9/053 Seminarraum (Takustr. 9)
    

• Spezielle Aspekte der Technischen Informatik

  0089cA3.11
  • 19325301 Vorlesung
    Cluster Computing (Barry Linnert)
    Zeit: Di 10:00-12:00 (Erster Termin: 16.04.2024)
    Ort: T9/051 Seminarraum (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Zielgruppe

    • MSc

    Anforderungen

    • Erfahrung mit Computern und Software sowie Programierkenntnisse

    Sprache

    • Die Kurssprache ist Deutsch (oder Englisch wenn benötigt).
    • The exam will be formulated in German, but answers may be given in English, too.

    Credits & Klausur

    • aktive Teilnahme an den Übungen: regelmäßige Vorbereitung von Übungsaufgaben & Präsentation der Ergebnisse in den Übungen
    • Bestehen der Klausur

    Webseite

    https://www.mi.fu-berlin.de/w/SE/VorlesungClusterComputing

    Kommentar

    Cluster-Computer bilden die zur Zeit vorherrschende Klasse paralleler Hochleistungsrechner. Sie bestehen aus konventionellen Prozessorknoten, die über ein Hochgeschwindig­keitsnetzwerk miteinander verbunden sind. Obwohl meistens räumlich integriert, handelt es sich um verteilte Systeme mit jeweils lokalen Betriebssystemen. Das enorme Leistungspotential dieser Rechnerklasse kann nur ausgeschöpft werden, wenn Programmcode und Daten optimal über die Knoten verteilt werden. Die einge­setzten Verfahren müssen insbesondere skalierbar sein, also auch bei Tausenden von Rechnerknoten noch effizient arbeiten. Gleichzeitig soll aber die Programmiererin bzw. der Programmierer von diesen Aufgaben entlastet werden. Die Vorlesung gibt einen Überblick über die auftretenden Probleme und stellt Algorithmen zu ihrer Lösung vor.

    Literaturhinweise

    • Heiss, H.-U.: Prozessorzuteilung in Parallelrechnern, BI-Verlag, Mannheim, 1996
    • Andrews, G. A.: Foundations of Multithreaded, Parallel and Distributed Programming, Addison-Wesley, 2000
    • Pfister, G.: In Search of Clusters 2nd ed., Prentice Hall, 1998
    • Zomaya, A.: Parallel and distributed computing handbook, McGraw Gill, 1995
    • Buyya, R.: High Performance Cluster Computing, Vol. 1+2, Prentice Hall, 1999

  • 19327401 Vorlesung
    Bild- und Videocodierung (Heiko Schwarz)
    Zeit: Mo 14:00-16:00 (Erster Termin: 15.04.2024)
    Ort: T9/051 Seminarraum (Takustr. 9)
    

    Kommentar

    Die Vorlesung behandelt die wichtigsten Konzepte und Algorithmen, die in modernen Bild- und Videocodierverfahren verwendet werden. Wir werden uns insbesondere auf Techniken konzentrieren, die in aktuellen internationalen Videocodierstandards Anwendung finden.

    In einem kurzen ersten Teil werden zunächst die sogenannten Rohdatenformate eingeführt, welche als Eingangs- und Ausgangsformate von Bild- und Videocodecs verwendet werden. Dieser Teil beinhaltet folgenden Themen:

    • Farbräume und deren Beziehung zur menschlichen Farbwahrnehmung
    • Transfer-Funktionen (Gamma-Codierung)
    • Warum verwenden wir das YCbCr-Format?

    Der zweite Teil der Vorlesung behandelt zunächst die Bildcodierung und umfasst folgende Themen:

    • Der Anfang: Wie funktioniert JPEG?
    • Warum verwenden wir die Diskrete Cosinus-Transformation?
    • Effiziente Codierung von Transformationskoeffizienten
    • Prädiktion von Bildblöcken
    • Adaptive Blockpartitionierung
    • Wie treffen wir Entscheidungen im Encoder?
    • Optimierungen der Quantisierung

    Im dritten und letzten Teil der Vorlesungen behandeln wir Konzept die letztendlich die Videocodierung deutlich effizienter machen als eine separate Codierung der Einzelbilder. Dieser Teil umfasst folgende Themen:

    • Bewegungskompensierte Prädiktion
    • Codierung von Bewegungsvektoren
    • Algorithmen zur Bewegungssuche
    • Subpixel-genaue Bewegungsvektoren und Interpolationsfilter
    • Verwendung mehrere Referenzbilder
    • Was sind B-Bilder und warum verwenden wir diese?
    • Deblocking- und Deringing-Filter
    • Effiziente zeitliche Codierstrukturen

    In den Übungen werden wir schrittweise einen eigenen Codec für Bilder implementieren. Bei entsprechenden Interesse kann dieser zu einem einfachen Videocodec erweitert werden.

     

    Literaturhinweise

    • Bull, D. R., “Communicating Pictures: A Course in Image and Video Coding,” Elsevier, 2014.
    • Ohm, J.-R., “Multimedia Signal Coding and Transmission,” Springer, 2015.
    • Wien, M., “High Efficiency Video Coding — Coding Tools and Specifications,” Springer 2014.
    • Sze, V., Budagavi, M., and Sullivan, G. J. (eds.), “High Efficiency Video Coding (HEVC): Algorithm and Architectures,” Springer, 2014.
    • Wiegand, T. and Schwarz, H., "Source Coding: Part I of Fundamentals of Source and Video Coding,” Foundations and Trends in Signal Processing, Now Publishers, vol. 4, no. 1–2, 2011.
    • Schwarz, H. and Wiegand, T., “Video Coding: Part II of Fundamentals of Source and Video Coding,” Foundations and Trends in Signal Processing, Now Publishers, vol. 10, no. 1–3, 2016.

  • 19335301 Vorlesung
    Cybersecurity and AI IV: Angriffe (Gerhard Wunder)
    Zeit: Di 12:00-13:30 (Erster Termin: 16.04.2024)
    Ort: T9/SR 005 Übungsraum (Takustr. 9)
    

    Kommentar

    Cybersecurity and AI ist ein viersemestriger Vorlesungszyklus, der alle wesentlichen Aspekte von Cybersecurity und KI abdeckt. Dieser Kurs vermittelt die Grundlagen für Angriffe auf- und mit KI. Grundsätzlich ist es möglich, den Vorlesungszyklus zu jedem Semester zu beginnen.

    Der Lehrplan ist:

    1. Einführung: KI & Cybersicherheit, Bedrohungsmodell, Bewertungsmetriken, Beispiele für Angriffe
    2. Robuste KI: Definition und Grenzen des Deep Learning, Stärkung von Robustheit, robuste Optimierungsmethoden
    3. Adversarial ML: Verteidigungsmechanismen, Adversarial-Training, Übertragbarkeit, Real-World Implikationen
    4. Generative KI: Generative Modelle, Deepfakes
    5. Federated ML: Sicherheitsherausforderungen, sichere Aggregationsprotokolle

  • 19325302 Übung
    Übung zu Cluster Computing (Barry Linnert)
    Zeit: Do 10:00-12:00 (Erster Termin: 18.04.2024)
    Ort: T9/K 048 Rechnerpoolraum (Takustr. 9)
    
  • 19327402 Übung
    Übung zu Bild- und Videocodierung (Heiko Schwarz)
    Zeit: Mo 12:00-14:00 (Erster Termin: 15.04.2024)
    Ort: T9/055 Seminarraum (Takustr. 9)
    
  • 19335302 Übung
    Übung zu Cybersecurity und AI IV (Gerhard Wunder)
    Zeit: Mo 14:00-16:00 (Erster Termin: 15.04.2024)
    Ort: T9/053 Seminarraum (Takustr. 9)
    

• Mobilkommunikation

  0089cA3.3
  • 19303901 Vorlesung
    Mobilkommunikation (Jochen Schiller)
    Zeit: Mi 10:00-12:00, zusätzliche Termine siehe LV-Details (Erster Termin: 17.04.2024)
    Ort: T9/SR 005 Übungsraum (Takustr. 9)
    

    Kommentar

    Inhalt:

    Das Modul Mobilkommunikation stellt exemplarisch alle Aspekte mobiler und drahtloser Kommunikation dar, welche derzeit den stärksten Wachstumsmarkt überhaupt darstellt und in immer mehr Bereiche der Gesellschaft vordringt.

    Während der gesamten Vorlesung wird ein starker Wert auf die Systemsicht gelegt und es werden zahlreiche Querverweise auf reale Systeme, internationale Standardisierungen und aktuellste Forschungsergebnisse gegeben.

    Die zu behandelnden Themen sind:

    • Technische Grundlagen der drahtlosen Übertragung: Frequenzen, Signale, Antennen, Signalausbreitung, Multiplex, Modulation, Spreizspektrum, zellenbasierte Systeme;
    • Medienzugriff: SDMA, FDMA, TDMA, CDMA;
    • Drahtlose Telekommunikationssysteme: GSM, TETRA, UMTS, IMT-2000, LTE;
    • Drahtlose lokale Netze: Infrastruktur/ad-hoc, IEEE 802.11/15, Bluetooth;
    • Mobile Netzwerkschicht: Mobile IP, DHCP, ad-hoc Netze;
    • Mobile Transportschicht: traditionelles TCP, angepasste TCP-Varianten, weitere Mechanismen;
    • Mobilitätsunterstützung;
    • Ausblick: 4. Generation Mobilnetze

    Literaturhinweise

    Jochen Schiller, Mobilkommunikation, Addison-Wesley, 2.Auflage 2003

    Alle Unterlagen verfügbar unter http://www.mi.fu-berlin.de/inf/groups/ag-tech/teaching/resources/Mobile_Communications/course_Material/index.html

• Grundlagen der Theoretischen Informatik

  0086bA3.1
  • 19301201 Vorlesung
    Grundlagen der theoretischen Informatik (Katharina Klost)
    Zeit: Mo 12:00-14:00, Mi 08:00-10:00, zusätzliche Termine siehe LV-Details (Erster Termin: 15.04.2024)
    Ort: T9/SR 005 Übungsraum (Takustr. 9)
    

    Kommentar

    Inhalt:

    • Theoretische Rechnermodelle
      • Automaten
      • formale Sprachen
      • Grammatiken und die Chomsky-Hierarchie
      • Turing-Maschinen
      • Berechenbarkeit
    • Einführung in die Komplexität von Problemen

    Literaturhinweise

    • Uwe Schöning, Theoretische Informatik kurzgefasst, 5. Auflage, Spektrum Akademischer Verlag, 2008
    • John E. Hopcroft, Rajeev Motwani, Jeffrey D. Ullman, Einführung in die Automatentheorie, Formale Sprachen und Komplexität, Pearson Studium, 3. Auflage, 2011
    • Ingo Wegener: Theoretische Informatik - Eine algorithmenorientierte Einführung, 2. Auflage, Teubner, 1999
    • Michael Sipser, Introduction to the Theory of Computation, 2nd ed., Thomson Course Technology, 2006
    • Wegener, Kompendium theoretische Informatik - Eine Ideensammlung, Teubner 1996

  • 19301202 Übung
    Übung zu Grundlagen der theoretischen Informatik (Katharina Klost)
    Zeit: Di 10:00-12:00, Di 16:00-18:00, Mi 12:00-14:00, Mi 14:00-16:00 (Erster Termin: 16.04.2024)
    Ort: T9/053 Seminarraum (Takustr. 9)
    

• Datenbanksysteme

  0086bA3.3
  • 19301501 Vorlesung
    Datenbanksysteme (Agnès Voisard)
    Zeit: Di 14:00-16:00, Do 14:00-16:00, zusätzliche Termine siehe LV-Details (Erster Termin: 16.04.2024)
    Ort: T9/Gr. Hörsaal (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Zielgruppe

    • Pflichtmodul im Bachelorstudiengang Informatik
    • Pflichtmodul im lehramtsbezogenen Bachelorstudiengang mit Kernfach Informatik und Ziel: Großer Master
    • Studierende im lehramtsbezogenen Masterstudiengang (Großer Master mit Zeitfach Informatik) können dieses Modul zusammen mit dem "Praktikum DBS" absolvieren
    • Wahlpflichtmodul im Nebenfach Informatik

    Voraussetzungen

    • ALP 1 - Funktionale Programmierung
    • ALP 2 - Objektorientierte Programmierung
    • ALP 3 - Datenstrukturen und Datenabstraktion
    • ODER Informatik B

    Kommentar

    Inhalt

    Datenbankentwurf mit ERM/ERDD. Theoretische Grundlagen relationaler Datenbanksysteme: Relationale Algebra, Funktionale Abhängigkeiten, Normalformen. Relationale Datenbankentwicklung: SQL Datendefinition, Fremdschlüssel und andere Integritätsbedingungen. SQL als applikative Sprache: wesentliche Sprachelemente, Einbettung in Programmiersprachen, Anwendungsprogrammierung; objekt-relationale Abbildung. Transaktionsbegriff, transaktionale Garantien, Synchronisation des Mehrbenutzerbetriebs, Fehlertoleranzeigenschaften. Anwendungen und neue Entwicklungen: Data Warehousing, Data Mining, OLAP.

    Projekt: im begleitenden Projekt werden die Themen praktisch vertieft.

    Literaturhinweise

    • Alfons Kemper, Andre Eickler: Datenbanksysteme - Eine Einführung, 5. Auflage, Oldenbourg 2004
    • R. Elmasri, S. Navathe: Grundlagen von Datenbanksystemen, Pearson Studium, 2005

  • 19301502 Übung
    Übung zu Datenbanksysteme (Muhammed-Ugur Karagülle)
    Zeit: Mo 14:00-16:00, Mo 16:00-18:00, Di 08:00-10:00, Di 10:00-12:00, Di 12:00-14:00, Mi 12:00-14:00, Mi 14:00-16:00, Do 08:00-10:00, Do 10:00-12:00, Do 12:00-14:00, Fr 14:00-16:00, Fr 16:00-18:00 (Erster Termin: 17.04.2024)
    Ort: T9/055 Seminarraum (Takustr. 9)
    

• Softwareprojekt

  0086bA3.4
  • 19308412 Projektseminar
    Softwareprojekt: Datenverwaltung (Muhammed-Ugur Karagülle)
    Zeit: Mo 12:00-14:00, zusätzliche Termine siehe LV-Details (Erster Termin: 15.04.2024)
    Ort: 1.1.26 Seminarraum E1 (Arnimallee 14)
    

    Zusätzl. Angaben / Voraussetzungen

    Zielgruppe

    Studierende im Master- bzw. Bachelorstudiengang

    Voraussetzungen

    Gute Programmierkenntnisse, Einführung in Datenbanksysteme.

    Kommentar

    Projekte können anwendungs- oder systemorientiert sein. Eine größere Aufgabe der Systementwicklung wird arbeitsteilig gelöst. Dazu gehören alle Phasen der Softwareentwicklung. Schwerpunkt sind Datenverwaltungssysteme.

    Die Veranstaltung wird in zwei Phasen durchgeführt. Die zweite Phase (Implementierung, Test, Auslieferung) kann als Blockveranstaltung in der vorlesungsfreien Zeit durchgeführt werden.

    Literaturhinweise

    Wird bekannt gegeben. / To be announced.

  • 19314012 Projektseminar
    Softwareprojekt: Semantische Technologien (Adrian Paschke)
    Zeit: Mi 14:00-16:00 (Erster Termin: 17.04.2024)
    Ort: T9/055 Seminarraum (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Weitere Informationen finden sich auf der Veranstaltungsseite.

    Kommentar

    Im Rahmen des Softwareprojekts werden gemischte Gruppen von Bachelor- und Master-Studenten gebildet, die entweder ein eigenständiges Projekt erstellen oder aber ein Teil eines größeren Projektes im Bereich semantischer Technologien übernehmen. Bei der Umsetzung der Aufgaben werden vertiefte Programmierkenntnisse in der Anwendung semantischer Technologien und künstlicher Intelligenz im Corporate Semantic Web erworben, Projektmanagement und Teamfähigkeit gefördert, sowie Praktiken der guten Software-Entwicklung großer verteilter Systeme und Semantic Web Anwendungen geübt. Das Softwareprojekt kann in Zusammenarbeit mit einem externen Partner aus der Industrie oder Standardisierung durchgeführt werden. Die Fortführung des Projektes als Bachelor- oder Masterarbeit ist möglich und ausdrücklich erwünscht.

  • 19322512 Projektseminar
    Softwareprojekt: GPU Offloading and Compiler Optimization (Barry Linnert)
    Zeit: Mi 12:00-14:00 (Erster Termin: 24.04.2024)
    Ort: T9/046 Seminarraum (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Zielgruppe

    BA und MA Informatik

    Webseite

    https://www.mi.fu-berlin.de/w/SE/SoftwareprojektCompilerOptimization2024

    Dozent & Ansprechpartner

    Barry Linnert führt die Veranstaltung durch.

    Kommentar

    Pony [1] ist eine Programmiersprache, die dafür designed wird, hoch
    performant zu sein.
    Sie basiert auf dem Akteur-Modell [2]: Akteure beinhalten
    sequentielle Code-Abschnitte, verschiedene Akteure werden
    nebenläufig und unabhängig voneinander ausgeführt.
    Die Nebenläufigkeit auf der Ebene von Akteuren [3] siedelt
    Beschleunigung direkt im Design der Sprache an.
    Es gibt jedoch auch andere Formen von Parallelismus auf anderen Ebenen,
    welche dazu genutzt werden könnten, Pony noch performanter zu machen.
    Auf Ebene der Daten gibt es sogenannten Datenparallelismus [4].
    Er kann beispielsweise in Schleifennestern gefunden werden,
    die viele Male ausgeführt werden und auf unabhängigen aber
    gleich strukturierten Daten arbeiten.

    Grafische Prozessoren (GPUs) spezialisieren sich darauf
    datenparallele Probleme zu berechnen. [5]
    In einem System, in dem sowohl eine GPU als auch eine CPU vorhanden
    sind, kann die GPU die Berechnungen der CPU unterstützen,
    indem datenparallele Probleme von ihr übernommen werden.
    Der Fachbegriff dazu heißt GPU Offloading.
    Die GPU berechnet aufgrund ihrer internen Struktur und Ressourcen
    datenparallele Probleme effizienter und schneller als die CPU und
    beschleunigt dadurch die Gesamtausführung eines Programms.

    In diesem Softwareprojekt wollen wir gemeinsam herausfinden,
    ob sich GPU Offloading in Pony integrieren lässt.
    Dazu experimentieren wir mit Ponys Compiler und schreiben Teile
    dieses Compilers um.

    Das SWP bietet die Möglichkeit, einmal genauer in den internen
    Aufbau eines Compilers zu blicken und sich anzusehen, wie genau
    GPUs dazu verwendet werden können, ein Programm zu beschleunigen.
    Darüber hinaus werden wir die Compiler Infrastruktur LLVM [6]
    kennenlernen, denn der Pony Compiler ist ein Compiler Frontend
    zu LLVM.
    Falls Ihnen der Name LLVM nichts sagt, ist es vielleicht interessant
    für Sie zu wissen, dass sowohl der Rust, als auch der Clang Compiler
    Frontends zu LLVM sind.

    Das Softwareprojekt zielt darauf ab im Bereich GPU Offloading zu forschen,
    möglicherweise mit der Option später die Ergebnisse der Experimente
    zu veröffentlichen und zu den beiden genannten Open-Source-Projekten
    Pony und LLVM beizutragen.

     

    Ablauf

    Während der Vorlesungszeit wird die Aufgabenstellung mit reduziertem Anwesenheits- und Arbeitsaufwand spezifiziert. Die eigentliche Bearbeitung der Aufgabenstellung erfolgt dann in der vorlesungsfreien Zeit.

     

    Links:

    [1]: [Pony](https://www.ponylang.io/discover/#what-is-pony)
    [2]: [Actor Model](https://en.wikipedia.org/wiki/Actor_model)
    [3]: [Task-level parallelism](https://en.wikipedia.org/wiki/Task_parallelism)
    [4]: David A. Patterson and John L. Hennessy. Computer Organization and Design: The Hardware Software Interface [RISC-V Edition]. 2nd. The Morgan Kaufmann Series in Computer Architecture and Design. Morgan Kaufmann, 2021. ISBN: 9780128203316. Page 528.
    [5]: David A. Patterson and John L. Hennessy. Computer Organization and Design: The Hardware Software Interface [RISC-V Edition]. 2nd. The Morgan Kaufmann Series in Computer Architecture and Design. Morgan Kaufmann, 2021. ISBN: 9780128203316. Appendix B.
    [6]: [LLVM](https://llvm.org/)

     

     

  • 19323612 Projektseminar
    Softwareprojekt: AMOS-Projekt (Lutz Prechelt, Dirk Riehle)
    Zeit: Mi 10:00-14:00 (Erster Termin: 17.04.2024)
    Ort: Online - zeitABhängig
    

    Zusätzl. Angaben / Voraussetzungen

    Lernziele und Kompetenzen

    • Studierende lernen zu Softwareprodukten und Softwareentwicklung in der Industrie
    • Studierende lernen zu agilen Methoden, insbesondere Scrum und Extreme Programming
    • Studierende lernen zu Open-Source-Softwareentwicklung und ihren Prinzipien
    • Studierende erwerben praktische Erfahrung mit Scrum und Extrem Programming

    Zielgruppe

    Studierende der Informatik (und verwandte Disziplinen). Für die Softwareentwickler:innen Rolle sollten Sie praktische Programmiererfahrung mitbringen. Dieser Kurs ist nicht geeignet, um Programmieren zu lernen.

    Sprache

    Englisch (Vorlesungen auf Englisch, Team-Meeting auf Deutsch oder Englisch nach Wahl der Studierenden)

    Benotung

    • Softwareentwickler:in (zu 100%)
      • 10% der Note: 5 Kurzquizzes zu jeweils 5 Fragen mit 2 Punkten
      • 90% der Note: Wöchentliche Projektarbeit

    Weiteres

    • SWS: 4 SWS (2 SWS VL, 2 SWS Team-Meeting)
    • Semester: Jedes Semester
    • Modalität: Online, universitätsübergreifend
    • Tags: Scrum

    Kommentar

    Dieser Kurs lehrt agile Methoden (Scrum und XP) und Open-Source-Werkzeuge anhand eines semesterlangen Projekts. Der Kurs findet online und universitätsübergreifend statt. Lehr- und Lerninhalte umfassen:

    • Agile Methoden und verwandte Entwicklungsprozesse
    • Scrum Rollen und Prozesspraktiken, inkl. Produktmanagement und Entwicklungsleitung
    • Technische Praktiken wie Refactoring, Continuous Integration, und test-getriebene Entwicklung
    • Prinzipien und Praktiken der Open-Source-Softwareentwicklung

    Das Projekt ist ein Softwareentwicklungsprojekt, bei dem jedes Studierendenteam mit einem Industriepartner zusammenarbeitet, der die Projektidee bereitstellt. Studierende arbeiten praktisch und angewandt.

    Studierende nehmen die Rolle einer Softwareentwicklerin oder eines Softwareentwicklers ein. In dieser Rolle schätzen sie den Aufwand von Anforderungen und setzen sie im Projekt um. Teilnehmende Studierende müssen über vorherige Softwareentwicklungserfahrung verfügen.

    Studierende werden in Teams von 7-9 Personen organisiert. Ein Team besteht aus einem Scrum Master, zwei Product Ownern, und sechs Softwareentwickler:innen. Ein Industriepartner stellt die allgemeinen Anforderungen bereit, welche von den Product Ownern ausgearbeitet und von den Softwareentwickler:innen umgesetzt werden. Das Projektangebot wird kurz vor Semesterbeginn vorgestellt werden.

    Der Kurs besteht aus einer 90 min. Vorlesung, gefolgt von einem 90 min. Team-Meeting (Teilnahme verpflichtend). Bitte registrieren Sie sich nicht für diesen Kurs, falls Sie nicht regelmäßig am Team-Meeting teilnehmen können.

    Registrierung und weitere Kursinformation finden Sie auf eine Google Spreadsheet über https://amos.uni1.de – bitte registrieren Sie Ihr Teilnahmeinteresse durch Ausfüllen des dort verlinkten Formulars zur Interessenbekundung, sobald sich dieses öffnet.

    Literaturhinweise

    http://goo.gl/5Wqnr7

  • 19329012 Projektseminar
    Softwareprojekt: Continual Learning (Manuel Heurich)
    Zeit: Di 14:00-16:00 (Erster Termin: 16.04.2024)
    Ort: T9/051 Seminarraum (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    ,,

    Kommentar

    In diesem Kurs werden die Konzepte und Techniken des Continual Learning, eines wichtigen Bereichs im maschinellen Lernen, untersucht. Continual Learning, auch als lebenslanges Lernen bekannt, bezieht sich auf die Fähigkeit von KI-Systemen, kontinuierlich zu lernen und sich an neue Informationen anzupassen, ohne dabei früher erworbenes Wissen zu verlieren. Diese Fähigkeit ist entscheidend für die Entwicklung flexiblerer und anpassungsfähigerer KI-Systeme, insbesondere in sich schnell verändernden und datenreichen Umgebungen.
    
    Der Kurs richtet sich an Studierende der (Bio-)Informatik und Data Science, die ein tieferes Verständnis für fortgeschrittene Konzepte im maschinellen Lernen entwickeln und praktische Erfahrungen im Bereich Continual Learning sammeln möchten.

    Literaturhinweise

    ,,

  • 19337112 Projektseminar
    Softwareprojekt: Open Hardware (Tim Landgraf)
    Zeit: Mi 10:00-12:00 (Erster Termin: 17.04.2024)
    Ort: T9/049 Seminarraum (Takustr. 9)
    

    Kommentar

    In der wissenschaftlichen Gemeinschaft hat sich die Praxis von offenem Quellcode und offenen Daten als Standard für Reproduzierbarkeit und Transparenz etabliert. Im Gegensatz dazu befindet sich "Open Hardware" noch in einem frühen Entwicklungsstadium. Oft werden in der Forschung eigene Hardware-Lösungen entwickelt – sei es aus finanziellen Gründen oder weil kommerzielle Produkte die spezifischen Anforderungen nicht erfüllen. Diese Eigenentwicklungen werden jedoch selten als vollwertige Forschungsergebnisse anerkannt und finden in wissenschaftlichen Publikationen meist nur als methodische Komponenten Erwähnung. In diesem Projekt untersuchen wir, wie ein offenes Publikationssystem gestaltet werden kann, um Forschenden zu ermöglichen, ihre Entwicklungen im Bereich Open Hardware effektiver zu publizieren. Unser Ziel ist es, ein System zu entwickeln, das die einfache Veröffentlichung, Begutachtung und Verifizierung von Open Hardware in der wissenschaftlichen Forschung unterstützt.

• Computergrafik

  0089cA1.2
  • 19303201 Vorlesung
    Computergrafik (Marco Block-Berlitz)
    Zeit: Fr 10:00-14:00 (Erster Termin: 19.04.2024)
    Ort: T9/SR 005 Übungsraum (Takustr. 9)
    

    Kommentar

    Inhalte der Veranstaltung

    • Allgemeiner Überblick zur Computergrafik
    • Grundlagen der Computergrafik
      • Punkte, Linien, Polygone, Kreise, Ellipsen
      • Flächen füllen, Clipping und Kurven
    • OpenGL und GLSL
      • Einführung in OpenGL mit LWJGL
      • Shaderprogrammierung in GLSL
      • Einfache Spieleumgebungen entwickeln
    • Grundlagen des Beleuchtungsdesigns
      • Wahrnehmung von Licht, Farbblindheit, Barrierefreie UIs
      • Ziele des Beleuchtungsdesigns
      • Three- und Four-Point-Lighting, Komposition einer Szene
    • Lokale Beleuchtungsmodelle
      • Materialeigenschaften, Lichtquellenmodelle
      • Elementare Beleuchtungsmodelle
      • Beleuchtungsmodelle von Phong- und OpenGL
    • Schattierungsmodelle und visuelle Wahrnehmung
      • Flat- und Gouraud-Shading
      • Neuronale Netze und Machbandeffekt, Phong-Shading
    • Texture-Mapping
      • Allgemein und Prozedural
      • Perlin-Noise
    • Normal-Mapping
    • Geometrische Transformationen
      • 2D und 3D, Homogene Koordinaten
      • Euler-Winkel und Quaternione
    • Koordinatensysteme
      • World-, View-, Clip-Space, MVP-Matrix
      • Tangentialraum, Orthogonalisierung
    • Mikrostrukturen mit BRDF
      • Radiometrie, Kartesische und Polarkoordinaten
      • Raumwinkel, Rendergleichung
      • Herleitung und Untersuchung von BRDFs
    • Displacement-Mapping
      • Per-Vertex- und Per-Pixel-Displacement-Mapping
    • Echtzeitschatten
      • Hard-, Soft- und Filtered-Hard-Shadows
      • Shadow-Volumes, Shadow-Mapping
      • Screen-Space-Ambient-Occlusion

    Die Themen werden teilweise mit Programmbeispielen in Java, LWJGL, OpenGL und GLSL vorgestellt.
    Diese Werkzeuge sind für die Bearbeitung der Übungsaufgaben ebenfalls vorgesehen. Die Vorlesung
    orientiert sich dabei hauptsächlich an folgendem Lehrbuch [1].

    Die notwendigen mathematischen Grundlagen werden bei Bedarf eingeführt.

    Zielgruppe

    B.Sc.-Studierende ab 5. Semester, M.Sc.-Studierende in Informatik, Mathematik, Physik o.ä.,

    Literaturhinweise

    Literatur zur Veranstaltung

    [1] Block-Berlitz M.: "Warum sich der Dino furchtbar erschreckte - Lehrbuch zu Beleuchtung und Rendering mit Java,
         LWJGL, OpenGL, OpenCV und GLSL", vividus Wissenschaftsverlag, 3. Auflage, 2021

    Ergänzende Literatur

    [2] Birn J.: "Digital Lighting & Rendering", 3. Auflage, New Riders Verlag, 2015
    [3] Foley J.D., et al.: "Computer Graphics: Principles and Practise", Addison-Wesley Verlag, 2. Auflage, 1997
    [4] Shirley P., et al.: "Fundamentals of Computer Graphics", CRC Press, AK Peters, 3. Auflage, 2009
    [5] Akenine-Möller T., et al.: "Real-Time Rendering", 3. Auflage, AK Peters, 2008
    [6] Eisemann E., et al.: "Real-Time Shadows", CRC Press, AK Peters, 2012
    [7] Gortler S. J.: "Founddations of 3D Computer Graphics", MIT Press, 2012
    [8] Han JH: "3D Graphics for Game Programming", CRC Press, 2011
    [9] Ammeraal L, et al.: "Computer Graphics for Java Programmers", Springer Verlag, 3. Auflage, 2017
    [10] Olano M. et al.: "Real-Time Shading", AK Peters, 2002
    [11] Shreiner M., et al.: "OpenGL Programming Guide: The Official Guide to Learning OpenGL", Addison-Wesley Verlag, 2007
    [12] Angel E.: "Interactive Computer Graphics", Addison-Wesley Verlag, 4. Auflage, 2006

     

  • 19303202 Übung
    Übung zu Computergrafik (Marco Block-Berlitz)
    Zeit: Fr 14:00-16:00 (Erster Termin: 19.04.2024)
    Ort: T9/SR 005 Übungsraum (Takustr. 9)
    

    Kommentar

    In der Vorlesung "Computergrafik" werden die vorgestellten Themen teilweise mit Programmbeispielen in
    Java, LWJGL, OpenGL und GLSL vorgestellt [1]. Diese Beispiele liegen als Programmpaket für die Bearbeitung
    und Ausführung in Eclipse bereit:

    http://www.vividus-verlag.de/beleuchtung_und_rendering

    Diese Werkzeuge sind für die Bearbeitung der Übungsaufgaben ebenfalls vorgesehen. In vorheriger Absprache
    können allerdings auch andere Werkzeuge, als die zuvor genannten, zum Einsatz kommen.

     

    [1] Block-Berlitz M.: "Warum sich der Dino furchtbar erschreckte - Lehrbuch zu Beleuchtung und Rendering
    mit Java, LWJGL, OpenGL, OpenCV und GLSL", vividus Wissenschaftsverlag, 3. Auflage, 2021

• Aktuelle Forschungsthemen der Praktischen Informatik

  0089cA1.27
  • 19302801 Vorlesung
    Angewandte Biometrie (Gerhard Wunder)
    Zeit: Mo 08:00-10:00 (Erster Termin: 15.04.2024)
    Ort: T9/051 Seminarraum (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Die Vorlesung beginnt am Montag, den 15.04.

    Das Vorlesungsskript liegt unter

    hhttps://drive.google.com/drive/folders/0B7NhYbv9QewkRkk2WVRuM2Rqd00?resourcekey=0-Yshu3zWsEGEP1i2z0UZjXw&usp=sharing

     

    Kommentar

    Inhalt

    Die Vorlesung hält Dr. Andreas Wolf (Bundesdruckerei.) Er wird einen breiten Einblick in Biometriethemen und biometrische Verfahren und in deren Anwendung geben. Er wird auch auf die aktuellen Themen aus ePassport und neuem elektronischem Personalausweis eingehen. Vorgesehene Gebiete in der Lehrveranstaltung sind unter anderem:

    • Allgemeine Struktur biometrischer Systeme
    • Eigenschaften biometrischer Modalitäten
    • IT-Sicherheit und Risikoabschätzung
    • Fehlergrößen biometrischer Verfahren
    • Fingerabdruckverfahren
    • Gesichts- und Iriserkennung
    • Sprechererkennung und weitere Modalitäten
    • Standards
    • Elektronischer Pass

    Neben der Vermittlung der theoretischen Grundlagen der behandelten biometrischen Modalitäten wird besonderer Wert auf die Entwicklung der Fähigkeit zur Beurteilung der Eignung des Biometrie-Einsatzes in konkreten Anwendungsszenarien gelegt.

  • 19325301 Vorlesung
    Cluster Computing (Barry Linnert)
    Zeit: Di 10:00-12:00 (Erster Termin: 16.04.2024)
    Ort: T9/051 Seminarraum (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Zielgruppe

    • MSc

    Anforderungen

    • Erfahrung mit Computern und Software sowie Programierkenntnisse

    Sprache

    • Die Kurssprache ist Deutsch (oder Englisch wenn benötigt).
    • The exam will be formulated in German, but answers may be given in English, too.

    Credits & Klausur

    • aktive Teilnahme an den Übungen: regelmäßige Vorbereitung von Übungsaufgaben & Präsentation der Ergebnisse in den Übungen
    • Bestehen der Klausur

    Webseite

    https://www.mi.fu-berlin.de/w/SE/VorlesungClusterComputing

    Kommentar

    Cluster-Computer bilden die zur Zeit vorherrschende Klasse paralleler Hochleistungsrechner. Sie bestehen aus konventionellen Prozessorknoten, die über ein Hochgeschwindig­keitsnetzwerk miteinander verbunden sind. Obwohl meistens räumlich integriert, handelt es sich um verteilte Systeme mit jeweils lokalen Betriebssystemen. Das enorme Leistungspotential dieser Rechnerklasse kann nur ausgeschöpft werden, wenn Programmcode und Daten optimal über die Knoten verteilt werden. Die einge­setzten Verfahren müssen insbesondere skalierbar sein, also auch bei Tausenden von Rechnerknoten noch effizient arbeiten. Gleichzeitig soll aber die Programmiererin bzw. der Programmierer von diesen Aufgaben entlastet werden. Die Vorlesung gibt einen Überblick über die auftretenden Probleme und stellt Algorithmen zu ihrer Lösung vor.

    Literaturhinweise

    • Heiss, H.-U.: Prozessorzuteilung in Parallelrechnern, BI-Verlag, Mannheim, 1996
    • Andrews, G. A.: Foundations of Multithreaded, Parallel and Distributed Programming, Addison-Wesley, 2000
    • Pfister, G.: In Search of Clusters 2nd ed., Prentice Hall, 1998
    • Zomaya, A.: Parallel and distributed computing handbook, McGraw Gill, 1995
    • Buyya, R.: High Performance Cluster Computing, Vol. 1+2, Prentice Hall, 1999

  • 19327401 Vorlesung
    Bild- und Videocodierung (Heiko Schwarz)
    Zeit: Mo 14:00-16:00 (Erster Termin: 15.04.2024)
    Ort: T9/051 Seminarraum (Takustr. 9)
    

    Kommentar

    Die Vorlesung behandelt die wichtigsten Konzepte und Algorithmen, die in modernen Bild- und Videocodierverfahren verwendet werden. Wir werden uns insbesondere auf Techniken konzentrieren, die in aktuellen internationalen Videocodierstandards Anwendung finden.

    In einem kurzen ersten Teil werden zunächst die sogenannten Rohdatenformate eingeführt, welche als Eingangs- und Ausgangsformate von Bild- und Videocodecs verwendet werden. Dieser Teil beinhaltet folgenden Themen:

    • Farbräume und deren Beziehung zur menschlichen Farbwahrnehmung
    • Transfer-Funktionen (Gamma-Codierung)
    • Warum verwenden wir das YCbCr-Format?

    Der zweite Teil der Vorlesung behandelt zunächst die Bildcodierung und umfasst folgende Themen:

    • Der Anfang: Wie funktioniert JPEG?
    • Warum verwenden wir die Diskrete Cosinus-Transformation?
    • Effiziente Codierung von Transformationskoeffizienten
    • Prädiktion von Bildblöcken
    • Adaptive Blockpartitionierung
    • Wie treffen wir Entscheidungen im Encoder?
    • Optimierungen der Quantisierung

    Im dritten und letzten Teil der Vorlesungen behandeln wir Konzept die letztendlich die Videocodierung deutlich effizienter machen als eine separate Codierung der Einzelbilder. Dieser Teil umfasst folgende Themen:

    • Bewegungskompensierte Prädiktion
    • Codierung von Bewegungsvektoren
    • Algorithmen zur Bewegungssuche
    • Subpixel-genaue Bewegungsvektoren und Interpolationsfilter
    • Verwendung mehrere Referenzbilder
    • Was sind B-Bilder und warum verwenden wir diese?
    • Deblocking- und Deringing-Filter
    • Effiziente zeitliche Codierstrukturen

    In den Übungen werden wir schrittweise einen eigenen Codec für Bilder implementieren. Bei entsprechenden Interesse kann dieser zu einem einfachen Videocodec erweitert werden.

     

    Literaturhinweise

    • Bull, D. R., “Communicating Pictures: A Course in Image and Video Coding,” Elsevier, 2014.
    • Ohm, J.-R., “Multimedia Signal Coding and Transmission,” Springer, 2015.
    • Wien, M., “High Efficiency Video Coding — Coding Tools and Specifications,” Springer 2014.
    • Sze, V., Budagavi, M., and Sullivan, G. J. (eds.), “High Efficiency Video Coding (HEVC): Algorithm and Architectures,” Springer, 2014.
    • Wiegand, T. and Schwarz, H., "Source Coding: Part I of Fundamentals of Source and Video Coding,” Foundations and Trends in Signal Processing, Now Publishers, vol. 4, no. 1–2, 2011.
    • Schwarz, H. and Wiegand, T., “Video Coding: Part II of Fundamentals of Source and Video Coding,” Foundations and Trends in Signal Processing, Now Publishers, vol. 10, no. 1–3, 2016.

  • 19330601 Vorlesung
    Mensch-Computer Interaktion (Claudia Müller-Birn, Valeria Zitz)
    Zeit: Do 12:00-14:00 (Erster Termin: 18.04.2024)
    Ort: A7/SR 031 (Arnimallee 7)
    

    Zusätzl. Angaben / Voraussetzungen

    Weitere Informationen:

    Kommentar

    Im digitalen Zeitalter geht es nicht mehr um die Entscheidung, ob eine Software genutzt werden soll, sondern um die Entscheidung, welche Software genutzt werden soll. Die Benutzerfreundlichkeit, die oft eher eine implizite als eine explizite Anforderung ist, beeinflusst diese Entscheidung erheblich. Um eine hohe Benutzerfreundlichkeit und ein positives Benutzererlebnis zu erreichen, ist ein tiefes Verständnis der Benutzerziele, der verborgenen Bedürfnisse und der kognitiven Möglichkeiten erforderlich.

    An dieser Stelle kommt das Fachgebiet der Mensch-Computer-Interaktion (HCI) ins Spiel. HCI ist ein Teilgebiet der Informatik, das sich auf die Entwicklung von Technologien konzentriert, die den Menschen in den Mittelpunkt stellen. Es ist jedoch wichtig zu verstehen, dass die Benutzerfreundlichkeit nicht von Natur aus in der Software enthalten ist und auch nicht separat als Softwarefunktion zu einem bestimmten Zeitpunkt entwickelt werden kann. Benutzerfreundlichkeit ist immer kontextabhängig, und das Verständnis dieses Kontexts ist entscheidend.

    Die Verbesserung der Benutzerfreundlichkeit bedeutet auch eine Änderung des gesamten Softwareentwicklungsprozesses. Ziel ist es, eine Software zu entwickeln, die trotz ihrer Komplexität und Informationsfülle von der vorgesehenen Zielgruppe genutzt werden kann. Um dieses Ziel zu erreichen, können wir je nach Entwicklungsphase und Projektsituation unterschiedliche Prinzipien und Methoden auswählen und anwenden.

    In diesem Kurs zur Mensch-Maschine-Interaktion werden wir diese Prinzipien und Methoden erkunden. Sie werden lernen, wie man

    • Methoden des menschenzentrierten Designs auf Ihre Entwicklungspraxis anzuwenden: Sie lernen Methoden kennen, mit denen Sie die Bedürfnisse und Vorlieben der Menschen verstehen und in den Entwurfsprozess einbeziehen können.
    • Daten über menschliche Aktivitäten zu sammeln: Sie lernen, wie Sie qualitative und quantitative Daten über das Verhalten und die Präferenzen der Anwender:innen sammeln und interpretieren.
    • Daten in konzeptionellen Modellen synthetisieren, die Ihnen bei der Ableitung von Anforderungen helfen: Wir zeigen Ihnen, wie Sie Ihre Erkenntnisse in umsetzbare Designziele und Anforderungen übersetzen.
    • grafischen Benutzeroberflächen auf der Grundlage von Anforderungen prototypisieren: Sie erhalten praktische Erfahrung bei der Erstellung von Benutzeroberflächen, die diese Anforderungen erfüllen.
    • Prototypen (low-fidelity und high-fidelity) in Studien evaluieren: Schließlich lernen Sie, wie Sie Benutzertests durchführen und Ihre Entwürfe auf der Grundlage des Benutzerfeedbacks überarbeiten können.

    Am Ende dieses Kurses verfügen Sie über ein solides Fundament an HCI-Prinzipien und -Methoden. Sie werden mit den notwendigen Fähigkeiten ausgestattet sein, um benutzerfreundliche Schnittstellen zu entwerfen und zu entwickeln, die ein positives Benutzererlebnis schaffen. Dieser Kurs wird Ihnen helfen, Software zu entwickeln, die nicht nur funktionale Anforderungen erfüllt, sondern auch ein zufriedenstellendes Benutzererlebnis bietet.

    Literaturhinweise

    Shneiderman, B., Plaisant, C., Cohen, M., Jacobs, S., Elmqvist, N., & Diakopoulos, N. (2016). Designing the user interface: Strategies for effective human-computer interaction. Pearson.

    Dix, A., Finlay, J., Abowd, G. D., & Beale, R. (2004). Human-computer interaction. Pearson Education.

    Sharp, H., Rogers, Y., & Preece, J. (2019). Interaction design: Beyond human-computer interaction (5th ed.). Wiley.

  • 19331101 Vorlesung
    Human Centered Data Science (Claudia Müller-Birn)
    Zeit: Do 10:00-12:00, zusätzliche Termine siehe LV-Details (Erster Termin: 17.04.2024)
    Ort: T9/049 Seminarraum (Takustr. 9)
    

    Kommentar

    Die Datenwissenschaft hat in den letzten Jahren ein rasantes Wachstum erlebt, das vor allem durch Fortschritte im maschinellen Lernen vorangetrieben wurde. Diese Entwicklung hat neue Möglichkeiten in einer Vielzahl von sozialen, wissenschaftlichen und technologischen Bereichen eröffnet. Es wird jedoch immer deutlicher, dass bei einer ausschließlichen Konzentration auf die statistischen und numerischen Aspekte der Datenwissenschaft soziale Nuancen und ethische Überlegungen häufig übersehen werden. Das Feld der Human-Centered Data Science (HCDS) entsteht, um diese Lücke zu schließen, und kombiniert Elemente der Mensch-Computer-Interaktion, der Sozialwissenschaften, der Statistik und der Numerik.

    HCDS legt den Schwerpunkt auf die Grundprinzipien der Datenwissenschaft und ihre menschlichen Auswirkungen. Dazu gehören Forschungsethik, Datenschutz, rechtliche Rahmenbedingungen, algorithmische Voreingenommenheit, Transparenz, Fairness, Rechenschaftspflicht, Datenherkunft, Reproduzierbarkeit, User Experience Design, Human Computing und die gesellschaftlichen Auswirkungen der Datenwissenschaft.

    Am Ende dieser Veranstaltung werden die Studierenden in der Lage sein

    • Anwendung von Methoden des menschenzentrierten Designs in der datenwissenschaftlichen Praxis unter Berücksichtigung von ethischen Belangen und Datenschutzanforderungen
    • einen reproduzierbaren datenwissenschaftlichen Arbeitsablauf zu konstruieren.
    • Schlüsselbegriffe wie Bias, Fairness, Accountability, Transparenz und Interpretierbarkeit zu verstehen und zu differenzieren.
    • Maßnahmen, Techniken und Frameworks anwenden, um ihre datenwissenschaftlichen Ergebnisse im Kontext der menschenzentrierten Erklärbaren KI (HC-XAI) interpretierbar zu machen.
    • Datenwissenschaftliche Arbeitsabläufe mit qualitativen Forschungsansätzen zu verbessern.
    • Sie sind sich der vorhandenen Maßnahmen, Techniken und Ansätze bewusst, die helfen, die datenwissenschaftlichen Praktiken zu reflektieren.

    
    Die Studenten werden nicht nur die Kernkonzepte, Theorien und Praktiken der HCDS verstehen, sondern auch die verschiedenen Perspektiven, aus denen Daten gesammelt und verarbeitet werden können. Darüber hinaus erhalten die Studierenden einen Einblick in die potenziellen gesellschaftlichen Auswirkungen der aktuellen technologischen Fortschritte. Ziel dieses Kurses ist es, die Studierenden in die Lage zu versetzen, datenwissenschaftliche Techniken bewusst und gewissenhaft anzuwenden und dabei menschliche und gesellschaftliche Zusammenhänge zu berücksichtigen, was zu ethischeren, inklusiveren und sinnvolleren datengesteuerten Lösungen führt.

    Literaturhinweise

    Aragon, Cecilia, et al. "Developing a research agenda for human-centered data science." Proceedings of the 19th ACM Conference on Computer Supported Cooperative Work and Social Computing Companion. 2016.

    Baumer, Eric PS. “Toward Human-Centered Algorithm Design.” Big Data & Society, 4(2), Dec. 2017. 

    Kogan, Marina, et al. "Mapping Out Human-Centered Data Science: Methods, Approaches, and Best Practices." Companion of the 2020 ACM International Conference on Supporting Group Work. 2020. pp. 151-156.

  • 19333701 Vorlesung
    Ethics and Epistemology of AI (Christoph Benzmüller)
    Zeit: Mi 12:00-14:00 (Erster Termin: 17.04.2024)
    Ort: Virtueller Raum 19
    

    Kommentar

    The course is held in cooperation with Prof. Sabine Ammon (TU Berlin).

     

    Content:

    Students will learn to critically assess the relationship between technology and society and to analyze the interactions between technology and society from an ethical perspective. Furthermore, students will deal with the deconstruction of the concept of neutrality of technology and learn to critically assess it. At the same time, the environment will be taken as a stakeholder in its own right in order to consider the impact of technological applications from a sustainability perspective. The course will provide students with the necessary theoretical foundations stemming from both Computer Science (in particular AI and digital technologies) and Ethics. This knowledge will be put into practice and deepened through case-based projects carried out in interdisciplinary groups.

     

    Knowledge:

    • Acquiring an understanding of foundational concepts of Philosophy and Ethics of Artificial Intelligence (AI) and their application in research and practice in the field;
    • acquiring an overview of the current ethical challenges in AI;
    • transdisciplinary perspectives on these said challenges (including sociological, ecological, political, economic, cultural, historical issues, etc.).

     

    Skills:

    • Critical discussion and evaluation of various current perspectives among ethical debates in Philosophy and Ethics of AI;
    • development of own argumentative positions based on the fundamental concepts of Philosophy and Ethics of AI (articulation of logical reasoning supported by examples);
    • drafting of current and practical case studies in relation to contemporary societal challenges and assessment of these case studies through interdisciplinary perspectives.

     

    Competencies:

    • Ability to apply methods of interdisciplinary cooperation, specifically at the intersection of humanities/social sciences and natural/technical sciences;
    • ability to discuss and integrate critical feminist, queer and anti-racist perspectives on science, i.e., how sociotechnical problems surrounding race, gender, sexuality, status, class, ability etc. relate to institutional structures of power and domination;
    • effective self-management in a collaborative group setting.

     

  • 19302802 Übung
    Übung zu Angewandte Biometrie (Andreas Wolf)
    Zeit: Mo 10:00-12:00 (Erster Termin: 15.04.2024)
    Ort: T9/051 Seminarraum (Takustr. 9)
    
  • 19325302 Übung
    Übung zu Cluster Computing (Barry Linnert)
    Zeit: Do 10:00-12:00 (Erster Termin: 18.04.2024)
    Ort: T9/K 048 Rechnerpoolraum (Takustr. 9)
    
  • 19327402 Übung
    Übung zu Bild- und Videocodierung (Heiko Schwarz)
    Zeit: Mo 12:00-14:00 (Erster Termin: 15.04.2024)
    Ort: T9/055 Seminarraum (Takustr. 9)
    
  • 19330602 Übung
    Übung zu Human Computer Interaction I (Claudia Müller-Birn)
    Zeit: Di 10:00-12:00 (Erster Termin: 16.04.2024)
    Ort: T9/049 Seminarraum (Takustr. 9)
    
  • 19331102 Übung
    Übung zu Human Centered Data Science (Claudia Müller-Birn)
    Zeit: Do 12:00-14:00 (Erster Termin: 18.04.2024)
    Ort: A3/Hs 001 Hörsaal (Arnimallee 3-5)
    
  • 19333702 Übung
    Übung zu Ethics and Epistemology of AI (Christoph Benzmüller)
    Zeit: Mi 14:00-16:00 (Erster Termin: 17.04.2024)
    Ort: Virtueller Raum 17
    

• Spezielle Aspekte der Praktischen Informatik

  0089cA1.28
  • 19302801 Vorlesung
    Angewandte Biometrie (Gerhard Wunder)
    Zeit: Mo 08:00-10:00 (Erster Termin: 15.04.2024)
    Ort: T9/051 Seminarraum (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Die Vorlesung beginnt am Montag, den 15.04.

    Das Vorlesungsskript liegt unter

    hhttps://drive.google.com/drive/folders/0B7NhYbv9QewkRkk2WVRuM2Rqd00?resourcekey=0-Yshu3zWsEGEP1i2z0UZjXw&usp=sharing

     

    Kommentar

    Inhalt

    Die Vorlesung hält Dr. Andreas Wolf (Bundesdruckerei.) Er wird einen breiten Einblick in Biometriethemen und biometrische Verfahren und in deren Anwendung geben. Er wird auch auf die aktuellen Themen aus ePassport und neuem elektronischem Personalausweis eingehen. Vorgesehene Gebiete in der Lehrveranstaltung sind unter anderem:

    • Allgemeine Struktur biometrischer Systeme
    • Eigenschaften biometrischer Modalitäten
    • IT-Sicherheit und Risikoabschätzung
    • Fehlergrößen biometrischer Verfahren
    • Fingerabdruckverfahren
    • Gesichts- und Iriserkennung
    • Sprechererkennung und weitere Modalitäten
    • Standards
    • Elektronischer Pass

    Neben der Vermittlung der theoretischen Grundlagen der behandelten biometrischen Modalitäten wird besonderer Wert auf die Entwicklung der Fähigkeit zur Beurteilung der Eignung des Biometrie-Einsatzes in konkreten Anwendungsszenarien gelegt.

  • 19325301 Vorlesung
    Cluster Computing (Barry Linnert)
    Zeit: Di 10:00-12:00 (Erster Termin: 16.04.2024)
    Ort: T9/051 Seminarraum (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Zielgruppe

    • MSc

    Anforderungen

    • Erfahrung mit Computern und Software sowie Programierkenntnisse

    Sprache

    • Die Kurssprache ist Deutsch (oder Englisch wenn benötigt).
    • The exam will be formulated in German, but answers may be given in English, too.

    Credits & Klausur

    • aktive Teilnahme an den Übungen: regelmäßige Vorbereitung von Übungsaufgaben & Präsentation der Ergebnisse in den Übungen
    • Bestehen der Klausur

    Webseite

    https://www.mi.fu-berlin.de/w/SE/VorlesungClusterComputing

    Kommentar

    Cluster-Computer bilden die zur Zeit vorherrschende Klasse paralleler Hochleistungsrechner. Sie bestehen aus konventionellen Prozessorknoten, die über ein Hochgeschwindig­keitsnetzwerk miteinander verbunden sind. Obwohl meistens räumlich integriert, handelt es sich um verteilte Systeme mit jeweils lokalen Betriebssystemen. Das enorme Leistungspotential dieser Rechnerklasse kann nur ausgeschöpft werden, wenn Programmcode und Daten optimal über die Knoten verteilt werden. Die einge­setzten Verfahren müssen insbesondere skalierbar sein, also auch bei Tausenden von Rechnerknoten noch effizient arbeiten. Gleichzeitig soll aber die Programmiererin bzw. der Programmierer von diesen Aufgaben entlastet werden. Die Vorlesung gibt einen Überblick über die auftretenden Probleme und stellt Algorithmen zu ihrer Lösung vor.

    Literaturhinweise

    • Heiss, H.-U.: Prozessorzuteilung in Parallelrechnern, BI-Verlag, Mannheim, 1996
    • Andrews, G. A.: Foundations of Multithreaded, Parallel and Distributed Programming, Addison-Wesley, 2000
    • Pfister, G.: In Search of Clusters 2nd ed., Prentice Hall, 1998
    • Zomaya, A.: Parallel and distributed computing handbook, McGraw Gill, 1995
    • Buyya, R.: High Performance Cluster Computing, Vol. 1+2, Prentice Hall, 1999

  • 19327401 Vorlesung
    Bild- und Videocodierung (Heiko Schwarz)
    Zeit: Mo 14:00-16:00 (Erster Termin: 15.04.2024)
    Ort: T9/051 Seminarraum (Takustr. 9)
    

    Kommentar

    Die Vorlesung behandelt die wichtigsten Konzepte und Algorithmen, die in modernen Bild- und Videocodierverfahren verwendet werden. Wir werden uns insbesondere auf Techniken konzentrieren, die in aktuellen internationalen Videocodierstandards Anwendung finden.

    In einem kurzen ersten Teil werden zunächst die sogenannten Rohdatenformate eingeführt, welche als Eingangs- und Ausgangsformate von Bild- und Videocodecs verwendet werden. Dieser Teil beinhaltet folgenden Themen:

    • Farbräume und deren Beziehung zur menschlichen Farbwahrnehmung
    • Transfer-Funktionen (Gamma-Codierung)
    • Warum verwenden wir das YCbCr-Format?

    Der zweite Teil der Vorlesung behandelt zunächst die Bildcodierung und umfasst folgende Themen:

    • Der Anfang: Wie funktioniert JPEG?
    • Warum verwenden wir die Diskrete Cosinus-Transformation?
    • Effiziente Codierung von Transformationskoeffizienten
    • Prädiktion von Bildblöcken
    • Adaptive Blockpartitionierung
    • Wie treffen wir Entscheidungen im Encoder?
    • Optimierungen der Quantisierung

    Im dritten und letzten Teil der Vorlesungen behandeln wir Konzept die letztendlich die Videocodierung deutlich effizienter machen als eine separate Codierung der Einzelbilder. Dieser Teil umfasst folgende Themen:

    • Bewegungskompensierte Prädiktion
    • Codierung von Bewegungsvektoren
    • Algorithmen zur Bewegungssuche
    • Subpixel-genaue Bewegungsvektoren und Interpolationsfilter
    • Verwendung mehrere Referenzbilder
    • Was sind B-Bilder und warum verwenden wir diese?
    • Deblocking- und Deringing-Filter
    • Effiziente zeitliche Codierstrukturen

    In den Übungen werden wir schrittweise einen eigenen Codec für Bilder implementieren. Bei entsprechenden Interesse kann dieser zu einem einfachen Videocodec erweitert werden.

     

    Literaturhinweise

    • Bull, D. R., “Communicating Pictures: A Course in Image and Video Coding,” Elsevier, 2014.
    • Ohm, J.-R., “Multimedia Signal Coding and Transmission,” Springer, 2015.
    • Wien, M., “High Efficiency Video Coding — Coding Tools and Specifications,” Springer 2014.
    • Sze, V., Budagavi, M., and Sullivan, G. J. (eds.), “High Efficiency Video Coding (HEVC): Algorithm and Architectures,” Springer, 2014.
    • Wiegand, T. and Schwarz, H., "Source Coding: Part I of Fundamentals of Source and Video Coding,” Foundations and Trends in Signal Processing, Now Publishers, vol. 4, no. 1–2, 2011.
    • Schwarz, H. and Wiegand, T., “Video Coding: Part II of Fundamentals of Source and Video Coding,” Foundations and Trends in Signal Processing, Now Publishers, vol. 10, no. 1–3, 2016.

  • 19330601 Vorlesung
    Mensch-Computer Interaktion (Claudia Müller-Birn, Valeria Zitz)
    Zeit: Do 12:00-14:00 (Erster Termin: 18.04.2024)
    Ort: A7/SR 031 (Arnimallee 7)
    

    Zusätzl. Angaben / Voraussetzungen

    Weitere Informationen:

    Kommentar

    Im digitalen Zeitalter geht es nicht mehr um die Entscheidung, ob eine Software genutzt werden soll, sondern um die Entscheidung, welche Software genutzt werden soll. Die Benutzerfreundlichkeit, die oft eher eine implizite als eine explizite Anforderung ist, beeinflusst diese Entscheidung erheblich. Um eine hohe Benutzerfreundlichkeit und ein positives Benutzererlebnis zu erreichen, ist ein tiefes Verständnis der Benutzerziele, der verborgenen Bedürfnisse und der kognitiven Möglichkeiten erforderlich.

    An dieser Stelle kommt das Fachgebiet der Mensch-Computer-Interaktion (HCI) ins Spiel. HCI ist ein Teilgebiet der Informatik, das sich auf die Entwicklung von Technologien konzentriert, die den Menschen in den Mittelpunkt stellen. Es ist jedoch wichtig zu verstehen, dass die Benutzerfreundlichkeit nicht von Natur aus in der Software enthalten ist und auch nicht separat als Softwarefunktion zu einem bestimmten Zeitpunkt entwickelt werden kann. Benutzerfreundlichkeit ist immer kontextabhängig, und das Verständnis dieses Kontexts ist entscheidend.

    Die Verbesserung der Benutzerfreundlichkeit bedeutet auch eine Änderung des gesamten Softwareentwicklungsprozesses. Ziel ist es, eine Software zu entwickeln, die trotz ihrer Komplexität und Informationsfülle von der vorgesehenen Zielgruppe genutzt werden kann. Um dieses Ziel zu erreichen, können wir je nach Entwicklungsphase und Projektsituation unterschiedliche Prinzipien und Methoden auswählen und anwenden.

    In diesem Kurs zur Mensch-Maschine-Interaktion werden wir diese Prinzipien und Methoden erkunden. Sie werden lernen, wie man

    • Methoden des menschenzentrierten Designs auf Ihre Entwicklungspraxis anzuwenden: Sie lernen Methoden kennen, mit denen Sie die Bedürfnisse und Vorlieben der Menschen verstehen und in den Entwurfsprozess einbeziehen können.
    • Daten über menschliche Aktivitäten zu sammeln: Sie lernen, wie Sie qualitative und quantitative Daten über das Verhalten und die Präferenzen der Anwender:innen sammeln und interpretieren.
    • Daten in konzeptionellen Modellen synthetisieren, die Ihnen bei der Ableitung von Anforderungen helfen: Wir zeigen Ihnen, wie Sie Ihre Erkenntnisse in umsetzbare Designziele und Anforderungen übersetzen.
    • grafischen Benutzeroberflächen auf der Grundlage von Anforderungen prototypisieren: Sie erhalten praktische Erfahrung bei der Erstellung von Benutzeroberflächen, die diese Anforderungen erfüllen.
    • Prototypen (low-fidelity und high-fidelity) in Studien evaluieren: Schließlich lernen Sie, wie Sie Benutzertests durchführen und Ihre Entwürfe auf der Grundlage des Benutzerfeedbacks überarbeiten können.

    Am Ende dieses Kurses verfügen Sie über ein solides Fundament an HCI-Prinzipien und -Methoden. Sie werden mit den notwendigen Fähigkeiten ausgestattet sein, um benutzerfreundliche Schnittstellen zu entwerfen und zu entwickeln, die ein positives Benutzererlebnis schaffen. Dieser Kurs wird Ihnen helfen, Software zu entwickeln, die nicht nur funktionale Anforderungen erfüllt, sondern auch ein zufriedenstellendes Benutzererlebnis bietet.

    Literaturhinweise

    Shneiderman, B., Plaisant, C., Cohen, M., Jacobs, S., Elmqvist, N., & Diakopoulos, N. (2016). Designing the user interface: Strategies for effective human-computer interaction. Pearson.

    Dix, A., Finlay, J., Abowd, G. D., & Beale, R. (2004). Human-computer interaction. Pearson Education.

    Sharp, H., Rogers, Y., & Preece, J. (2019). Interaction design: Beyond human-computer interaction (5th ed.). Wiley.

  • 19331101 Vorlesung
    Human Centered Data Science (Claudia Müller-Birn)
    Zeit: Do 10:00-12:00, zusätzliche Termine siehe LV-Details (Erster Termin: 17.04.2024)
    Ort: T9/049 Seminarraum (Takustr. 9)
    

    Kommentar

    Die Datenwissenschaft hat in den letzten Jahren ein rasantes Wachstum erlebt, das vor allem durch Fortschritte im maschinellen Lernen vorangetrieben wurde. Diese Entwicklung hat neue Möglichkeiten in einer Vielzahl von sozialen, wissenschaftlichen und technologischen Bereichen eröffnet. Es wird jedoch immer deutlicher, dass bei einer ausschließlichen Konzentration auf die statistischen und numerischen Aspekte der Datenwissenschaft soziale Nuancen und ethische Überlegungen häufig übersehen werden. Das Feld der Human-Centered Data Science (HCDS) entsteht, um diese Lücke zu schließen, und kombiniert Elemente der Mensch-Computer-Interaktion, der Sozialwissenschaften, der Statistik und der Numerik.

    HCDS legt den Schwerpunkt auf die Grundprinzipien der Datenwissenschaft und ihre menschlichen Auswirkungen. Dazu gehören Forschungsethik, Datenschutz, rechtliche Rahmenbedingungen, algorithmische Voreingenommenheit, Transparenz, Fairness, Rechenschaftspflicht, Datenherkunft, Reproduzierbarkeit, User Experience Design, Human Computing und die gesellschaftlichen Auswirkungen der Datenwissenschaft.

    Am Ende dieser Veranstaltung werden die Studierenden in der Lage sein

    • Anwendung von Methoden des menschenzentrierten Designs in der datenwissenschaftlichen Praxis unter Berücksichtigung von ethischen Belangen und Datenschutzanforderungen
    • einen reproduzierbaren datenwissenschaftlichen Arbeitsablauf zu konstruieren.
    • Schlüsselbegriffe wie Bias, Fairness, Accountability, Transparenz und Interpretierbarkeit zu verstehen und zu differenzieren.
    • Maßnahmen, Techniken und Frameworks anwenden, um ihre datenwissenschaftlichen Ergebnisse im Kontext der menschenzentrierten Erklärbaren KI (HC-XAI) interpretierbar zu machen.
    • Datenwissenschaftliche Arbeitsabläufe mit qualitativen Forschungsansätzen zu verbessern.
    • Sie sind sich der vorhandenen Maßnahmen, Techniken und Ansätze bewusst, die helfen, die datenwissenschaftlichen Praktiken zu reflektieren.

    
    Die Studenten werden nicht nur die Kernkonzepte, Theorien und Praktiken der HCDS verstehen, sondern auch die verschiedenen Perspektiven, aus denen Daten gesammelt und verarbeitet werden können. Darüber hinaus erhalten die Studierenden einen Einblick in die potenziellen gesellschaftlichen Auswirkungen der aktuellen technologischen Fortschritte. Ziel dieses Kurses ist es, die Studierenden in die Lage zu versetzen, datenwissenschaftliche Techniken bewusst und gewissenhaft anzuwenden und dabei menschliche und gesellschaftliche Zusammenhänge zu berücksichtigen, was zu ethischeren, inklusiveren und sinnvolleren datengesteuerten Lösungen führt.

    Literaturhinweise

    Aragon, Cecilia, et al. "Developing a research agenda for human-centered data science." Proceedings of the 19th ACM Conference on Computer Supported Cooperative Work and Social Computing Companion. 2016.

    Baumer, Eric PS. “Toward Human-Centered Algorithm Design.” Big Data & Society, 4(2), Dec. 2017. 

    Kogan, Marina, et al. "Mapping Out Human-Centered Data Science: Methods, Approaches, and Best Practices." Companion of the 2020 ACM International Conference on Supporting Group Work. 2020. pp. 151-156.

  • 19333701 Vorlesung
    Ethics and Epistemology of AI (Christoph Benzmüller)
    Zeit: Mi 12:00-14:00 (Erster Termin: 17.04.2024)
    Ort: Virtueller Raum 19
    

    Kommentar

    The course is held in cooperation with Prof. Sabine Ammon (TU Berlin).

     

    Content:

    Students will learn to critically assess the relationship between technology and society and to analyze the interactions between technology and society from an ethical perspective. Furthermore, students will deal with the deconstruction of the concept of neutrality of technology and learn to critically assess it. At the same time, the environment will be taken as a stakeholder in its own right in order to consider the impact of technological applications from a sustainability perspective. The course will provide students with the necessary theoretical foundations stemming from both Computer Science (in particular AI and digital technologies) and Ethics. This knowledge will be put into practice and deepened through case-based projects carried out in interdisciplinary groups.

     

    Knowledge:

    • Acquiring an understanding of foundational concepts of Philosophy and Ethics of Artificial Intelligence (AI) and their application in research and practice in the field;
    • acquiring an overview of the current ethical challenges in AI;
    • transdisciplinary perspectives on these said challenges (including sociological, ecological, political, economic, cultural, historical issues, etc.).

     

    Skills:

    • Critical discussion and evaluation of various current perspectives among ethical debates in Philosophy and Ethics of AI;
    • development of own argumentative positions based on the fundamental concepts of Philosophy and Ethics of AI (articulation of logical reasoning supported by examples);
    • drafting of current and practical case studies in relation to contemporary societal challenges and assessment of these case studies through interdisciplinary perspectives.

     

    Competencies:

    • Ability to apply methods of interdisciplinary cooperation, specifically at the intersection of humanities/social sciences and natural/technical sciences;
    • ability to discuss and integrate critical feminist, queer and anti-racist perspectives on science, i.e., how sociotechnical problems surrounding race, gender, sexuality, status, class, ability etc. relate to institutional structures of power and domination;
    • effective self-management in a collaborative group setting.

     

  • 19336901 Vorlesung
    Advanced Data Visualization for Artificial Intelligence (Georges Hattab)
    Zeit: Mi 10:00-12:00 (Erster Termin: 17.04.2024)
    Ort: T9/SR 006 Seminarraum (Takustr. 9)
    

    Kommentar

    Die Vorlesung über fortgeschrittene Datenvisualisierung für künstliche Intelligenz ist eine umfassende Erkundung der modernsten Techniken und Tools zur Erstellung und Validierung komplexer Visualisierungen für die Vermittlung von Dateneinblicken und Geschichten, mit einem besonderen Schwerpunkt auf Anwendungen in der Verarbeitung natürlicher Sprache (NLP) und erklärbarer KI. Der Vortrag führt die Teilnehmer in das verschachtelte Modell der Visualisierung ein, das vier Ebenen umfasst: Charakterisierung der Aufgabe und der Daten, Abstrahierung in Operationen und Datentypen, Entwurf visueller Kodierungs- und Interaktionstechniken und Erstellung von Algorithmen zur effizienten Ausführung von Techniken. Dieses Modell dient als Rahmen für den Entwurf und die Validierung von Datenvisualisierungen.
    
    Darüber hinaus wird in der Vorlesung die Anwendung der Datenvisualisierung im Bereich NLP behandelt, wobei der Schwerpunkt auf der Visualisierung von Worteinbettungen und Sprachmodellen liegt, um die Erforschung semantischer Beziehungen zwischen Wörtern und die Interpretation des Verhaltens von Sprachmodellen zu unterstützen. Im Kontext von Explainable AI liegt der Schwerpunkt auf der Verwendung von Visualisierungen zur Erklärung von Modellvorhersagen und der Bedeutung von Merkmalen, wodurch die Interpretierbarkeit von KI-Modellen verbessert wird. Durch die Nutzung des verschachtelten Modells der Visualisierung und die Fokussierung auf NLP und erklärbare KI zielt der Vortrag darauf ab, die Teilnehmer mit den wesentlichen Fähigkeiten auszustatten, um fortschrittliche Datenvisualisierungen zu entwerfen und zu validieren, die auf diese spezifischen Anwendungen zugeschnitten sind. So können sie letztendlich komplexe Datenmuster effektiv kommunizieren und tiefere Einsichten aus ihren Daten gewinnen.

  • 19302802 Übung
    Übung zu Angewandte Biometrie (Andreas Wolf)
    Zeit: Mo 10:00-12:00 (Erster Termin: 15.04.2024)
    Ort: T9/051 Seminarraum (Takustr. 9)
    
  • 19325302 Übung
    Übung zu Cluster Computing (Barry Linnert)
    Zeit: Do 10:00-12:00 (Erster Termin: 18.04.2024)
    Ort: T9/K 048 Rechnerpoolraum (Takustr. 9)
    
  • 19327402 Übung
    Übung zu Bild- und Videocodierung (Heiko Schwarz)
    Zeit: Mo 12:00-14:00 (Erster Termin: 15.04.2024)
    Ort: T9/055 Seminarraum (Takustr. 9)
    
  • 19330602 Übung
    Übung zu Human Computer Interaction I (Claudia Müller-Birn)
    Zeit: Di 10:00-12:00 (Erster Termin: 16.04.2024)
    Ort: T9/049 Seminarraum (Takustr. 9)
    
  • 19331102 Übung
    Übung zu Human Centered Data Science (Claudia Müller-Birn)
    Zeit: Do 12:00-14:00 (Erster Termin: 18.04.2024)
    Ort: A3/Hs 001 Hörsaal (Arnimallee 3-5)
    
  • 19333702 Übung
    Übung zu Ethics and Epistemology of AI (Christoph Benzmüller)
    Zeit: Mi 14:00-16:00 (Erster Termin: 17.04.2024)
    Ort: Virtueller Raum 17
    
  • 19336902 Übung
    Ü: Advanced Data Visualization for Artificial Intelligence (Georges Hattab)
    Zeit: Mi 14:00-16:00 (Erster Termin: 17.04.2024)
    Ort: T9/049 Seminarraum (Takustr. 9)
    

• Spezielle Aspekte der Softwareentwicklung

  0089cA1.30
  • 19335301 Vorlesung
    Cybersecurity and AI IV: Angriffe (Gerhard Wunder)
    Zeit: Di 12:00-13:30 (Erster Termin: 16.04.2024)
    Ort: T9/SR 005 Übungsraum (Takustr. 9)
    

    Kommentar

    Cybersecurity and AI ist ein viersemestriger Vorlesungszyklus, der alle wesentlichen Aspekte von Cybersecurity und KI abdeckt. Dieser Kurs vermittelt die Grundlagen für Angriffe auf- und mit KI. Grundsätzlich ist es möglich, den Vorlesungszyklus zu jedem Semester zu beginnen.

    Der Lehrplan ist:

    1. Einführung: KI & Cybersicherheit, Bedrohungsmodell, Bewertungsmetriken, Beispiele für Angriffe
    2. Robuste KI: Definition und Grenzen des Deep Learning, Stärkung von Robustheit, robuste Optimierungsmethoden
    3. Adversarial ML: Verteidigungsmechanismen, Adversarial-Training, Übertragbarkeit, Real-World Implikationen
    4. Generative KI: Generative Modelle, Deepfakes
    5. Federated ML: Sicherheitsherausforderungen, sichere Aggregationsprotokolle

  • 19336901 Vorlesung
    Advanced Data Visualization for Artificial Intelligence (Georges Hattab)
    Zeit: Mi 10:00-12:00 (Erster Termin: 17.04.2024)
    Ort: T9/SR 006 Seminarraum (Takustr. 9)
    

    Kommentar

    Die Vorlesung über fortgeschrittene Datenvisualisierung für künstliche Intelligenz ist eine umfassende Erkundung der modernsten Techniken und Tools zur Erstellung und Validierung komplexer Visualisierungen für die Vermittlung von Dateneinblicken und Geschichten, mit einem besonderen Schwerpunkt auf Anwendungen in der Verarbeitung natürlicher Sprache (NLP) und erklärbarer KI. Der Vortrag führt die Teilnehmer in das verschachtelte Modell der Visualisierung ein, das vier Ebenen umfasst: Charakterisierung der Aufgabe und der Daten, Abstrahierung in Operationen und Datentypen, Entwurf visueller Kodierungs- und Interaktionstechniken und Erstellung von Algorithmen zur effizienten Ausführung von Techniken. Dieses Modell dient als Rahmen für den Entwurf und die Validierung von Datenvisualisierungen.
    
    Darüber hinaus wird in der Vorlesung die Anwendung der Datenvisualisierung im Bereich NLP behandelt, wobei der Schwerpunkt auf der Visualisierung von Worteinbettungen und Sprachmodellen liegt, um die Erforschung semantischer Beziehungen zwischen Wörtern und die Interpretation des Verhaltens von Sprachmodellen zu unterstützen. Im Kontext von Explainable AI liegt der Schwerpunkt auf der Verwendung von Visualisierungen zur Erklärung von Modellvorhersagen und der Bedeutung von Merkmalen, wodurch die Interpretierbarkeit von KI-Modellen verbessert wird. Durch die Nutzung des verschachtelten Modells der Visualisierung und die Fokussierung auf NLP und erklärbare KI zielt der Vortrag darauf ab, die Teilnehmer mit den wesentlichen Fähigkeiten auszustatten, um fortschrittliche Datenvisualisierungen zu entwerfen und zu validieren, die auf diese spezifischen Anwendungen zugeschnitten sind. So können sie letztendlich komplexe Datenmuster effektiv kommunizieren und tiefere Einsichten aus ihren Daten gewinnen.

  • 19335302 Übung
    Übung zu Cybersecurity und AI IV (Gerhard Wunder)
    Zeit: Mo 14:00-16:00 (Erster Termin: 15.04.2024)
    Ort: T9/053 Seminarraum (Takustr. 9)
    
  • 19336902 Übung
    Ü: Advanced Data Visualization for Artificial Intelligence (Georges Hattab)
    Zeit: Mi 14:00-16:00 (Erster Termin: 17.04.2024)
    Ort: T9/049 Seminarraum (Takustr. 9)
    

• Aktuelle Forschungsthemen der Theoretischen Informatik

  0089cA2.3
  • 19238501 Vorlesung
    Kernel Methods and Applications (Feliks Nüske)
    Zeit: Do 10:00-12:00 (Erster Termin: 18.04.2024)
    Ort: A6/SR 032 Seminarraum (Arnimallee 6)
    

    Zusätzl. Angaben / Voraussetzungen

    Zielgruppe: Studierende der Masterprogramme Mathematik, Informatik und Computational Sciences.

    
      

    Kommentar

    Siehe englische Sprachversion

  • 19322701 Vorlesung
    Kryptoanalyse asymmetrischer Verfahren (Marian Margraf)
    Zeit: Di 10:00-12:00 (Erster Termin: 16.04.2024)
    Ort: A6/SR 032 Seminarraum (Arnimallee 6)
    

    Kommentar

    Die Vorlesung beschäftigt sich mit unterschiedlichsten asymmetrischen Kryptoverfahren, insbesondere mit den diesen Verfahren zugrunde liegenden vermuteten schweren Problemen. Inhalte sind u.a.

    • RSA und das Faktorisierungsproblem
    • DSA und das diskrete Logarithmusproblem
    • Merkel-Hellman und das Rucksack- und Gitterproblem
    • McEliece und das Decodierungsprobleme
    • Matsumoto-Imai und multivariate Polynomsystem

    Vorkenntnisse in den Bereichen IT-Sicherheit und Kryptologie werden vorausgesetzt.

  • 19238502 Übung
    Übung zu Kernel Methods and Applications (Feliks Nüske)
    Zeit: Do 12:00-14:00 (Erster Termin: 18.04.2024)
    Ort: 1.4.03 Seminarraum T2 (Arnimallee 14)
    
  • 19322702 Übung
    Übung zu Kryptoanalyse asymmetrischer Verfahren (Marian Margraf)
    Zeit: Do 10:00-12:00 (Erster Termin: 18.04.2024)
    Ort: T9/SR 005 Übungsraum (Takustr. 9)
    

• Ausgewählte Themen der Theoretischen Informatik

  0089cA2.5
  • 19315401 Vorlesung
    Randomized Algorithms (László Kozma)
    Zeit: Di 10:00-12:00, Do 10:00-12:00 (Erster Termin: 16.04.2024)
    Ort: T9/053 Seminarraum (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Zielgruppe

    Informatiker und interessierte Mathematiker im Masterstudium.

    Empfohlene Vorkennntnisse

    "Höhere Algorithmik" oder eine andere Vorlesung ähnlichen Inhalts.

    Kommentar

    Der Schwerpunkt dieser Vorlesung ist die Verwendung von Zufall bei der Lösung algorithmischer Problemstellungen. Dabei werden verschiedene algorithmische Techniken behandelt und analysiert.

    (The course is offered in English. Further details about the course contents can be found in the English description.

    Die Vorlesung wird in der englischen Sprache gehalten. Zusätzliche Details zu den Kursinhalten finden Sie in der englischen Beschreibung.)

    Literaturhinweise

    Wird noch bekannt gegeben.

  • 19315402 Übung
    Übung zu Fortgeschrittene Themen der Algorithmik (László Kozma)
    Zeit: Mi 10:00-12:00 (Erster Termin: 17.04.2024)
    Ort: T9/053 Seminarraum (Takustr. 9)
    

• Fortgeschrittene Themen der Theoretischen Informatik

  0089cA2.6
  • 19315401 Vorlesung
    Randomized Algorithms (László Kozma)
    Zeit: Di 10:00-12:00, Do 10:00-12:00 (Erster Termin: 16.04.2024)
    Ort: T9/053 Seminarraum (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Zielgruppe

    Informatiker und interessierte Mathematiker im Masterstudium.

    Empfohlene Vorkennntnisse

    "Höhere Algorithmik" oder eine andere Vorlesung ähnlichen Inhalts.

    Kommentar

    Der Schwerpunkt dieser Vorlesung ist die Verwendung von Zufall bei der Lösung algorithmischer Problemstellungen. Dabei werden verschiedene algorithmische Techniken behandelt und analysiert.

    (The course is offered in English. Further details about the course contents can be found in the English description.

    Die Vorlesung wird in der englischen Sprache gehalten. Zusätzliche Details zu den Kursinhalten finden Sie in der englischen Beschreibung.)

    Literaturhinweise

    Wird noch bekannt gegeben.

  • 19315402 Übung
    Übung zu Fortgeschrittene Themen der Algorithmik (László Kozma)
    Zeit: Mi 10:00-12:00 (Erster Termin: 17.04.2024)
    Ort: T9/053 Seminarraum (Takustr. 9)
    

• Spezielle Aspekte der Theoretischen Informatik

  0089cA2.7
  • 19238501 Vorlesung
    Kernel Methods and Applications (Feliks Nüske)
    Zeit: Do 10:00-12:00 (Erster Termin: 18.04.2024)
    Ort: A6/SR 032 Seminarraum (Arnimallee 6)
    

    Zusätzl. Angaben / Voraussetzungen

    Zielgruppe: Studierende der Masterprogramme Mathematik, Informatik und Computational Sciences.

    
      

    Kommentar

    Siehe englische Sprachversion

  • 19322701 Vorlesung
    Kryptoanalyse asymmetrischer Verfahren (Marian Margraf)
    Zeit: Di 10:00-12:00 (Erster Termin: 16.04.2024)
    Ort: A6/SR 032 Seminarraum (Arnimallee 6)
    

    Kommentar

    Die Vorlesung beschäftigt sich mit unterschiedlichsten asymmetrischen Kryptoverfahren, insbesondere mit den diesen Verfahren zugrunde liegenden vermuteten schweren Problemen. Inhalte sind u.a.

    • RSA und das Faktorisierungsproblem
    • DSA und das diskrete Logarithmusproblem
    • Merkel-Hellman und das Rucksack- und Gitterproblem
    • McEliece und das Decodierungsprobleme
    • Matsumoto-Imai und multivariate Polynomsystem

    Vorkenntnisse in den Bereichen IT-Sicherheit und Kryptologie werden vorausgesetzt.

  • 19335301 Vorlesung
    Cybersecurity and AI IV: Angriffe (Gerhard Wunder)
    Zeit: Di 12:00-13:30 (Erster Termin: 16.04.2024)
    Ort: T9/SR 005 Übungsraum (Takustr. 9)
    

    Kommentar

    Cybersecurity and AI ist ein viersemestriger Vorlesungszyklus, der alle wesentlichen Aspekte von Cybersecurity und KI abdeckt. Dieser Kurs vermittelt die Grundlagen für Angriffe auf- und mit KI. Grundsätzlich ist es möglich, den Vorlesungszyklus zu jedem Semester zu beginnen.

    Der Lehrplan ist:

    1. Einführung: KI & Cybersicherheit, Bedrohungsmodell, Bewertungsmetriken, Beispiele für Angriffe
    2. Robuste KI: Definition und Grenzen des Deep Learning, Stärkung von Robustheit, robuste Optimierungsmethoden
    3. Adversarial ML: Verteidigungsmechanismen, Adversarial-Training, Übertragbarkeit, Real-World Implikationen
    4. Generative KI: Generative Modelle, Deepfakes
    5. Federated ML: Sicherheitsherausforderungen, sichere Aggregationsprotokolle

  • 19238502 Übung
    Übung zu Kernel Methods and Applications (Feliks Nüske)
    Zeit: Do 12:00-14:00 (Erster Termin: 18.04.2024)
    Ort: 1.4.03 Seminarraum T2 (Arnimallee 14)
    
  • 19322702 Übung
    Übung zu Kryptoanalyse asymmetrischer Verfahren (Marian Margraf)
    Zeit: Do 10:00-12:00 (Erster Termin: 18.04.2024)
    Ort: T9/SR 005 Übungsraum (Takustr. 9)
    
  • 19335302 Übung
    Übung zu Cybersecurity und AI IV (Gerhard Wunder)
    Zeit: Mo 14:00-16:00 (Erster Termin: 15.04.2024)
    Ort: T9/053 Seminarraum (Takustr. 9)
    

• Analysis I

  0084dA1.1
  • 19202801 Vorlesung
    Analysis I (Isabelle Schneider)
    Zeit: Di 10:00-12:00, Do 10:00-12:00 (Erster Termin: 16.04.2024)
    Ort: T9/Gr. Hörsaal (Takustr. 9)
    

    Kommentar

    Willkommen an der Universität und im spannenden Feld der Mathematik! Sie haben sich für ein herausforderndes Studium entschieden, das Ihnen unendliche Möglichkeiten bietet. Mathematik ist die Sprache des Universums, und sie zu studieren bedeutet, die Geheimnisse hinter allem, von den Bewegungen der Sterne bis zur Software in Ihren Smartphones, zu entschlüsseln.

    In „Analysis I“ werden Sie die Grundlagen der Mathematik von den natürlichen Zahlen bis hin zu komplexeren Themen wie Differentiation und Integration kennenlernen. Von der Optimierung von Verkehrsflüssen über das Verstehen von Finanzmärkten bis hin zur Entwicklung neuer Technologien – die Fähigkeiten, die Sie hier erwerben, haben echte, greifbare Anwendungen, die weit über den Hörsaal hinausgehen.

    Die Bedeutung von Tutorien und der Zentralübung kann dabei nicht genug betont werden. In den Tutorien werden Sie nicht nur die Übungsaufgaben besprechen, sondern auch lernen, wie man mathematische Konzepte anderen erklärt – eine essenzielle Fähigkeit in der Mathematik und darüber hinaus. In der Zentralübung werden wir interaktiv und informell ihre Fragen besprechen, was für ein umfassendes Verständnis unerlässlich ist.

    Ich wünsche Ihnen viel Erfolg!

    Literaturhinweise

    Literature:

    • Bröcker, Theodor: Analysis 1, Spektrum der Wissenschaft-Verlag.
    • Forster, Otto: Analysis 1, Vieweg-Verlag.
    • Spivak, Michael: Calculus, 4th Edition.

    Viele Analysis Bücher sind auch über die Fachbibliothek der FU Berlin elektronisch verfügbar.

    Bei Schwierigkeiten mit den Grundbegriffen Menge, Abbildung etc. ist die folgende Ausarbeitung empfehlenswert:

    • Scheerer, Hans: Brückenkurs, Skript FU Berlin 2006.

  • 19202802 Übung
    Übung zu Analysis I (Isabelle Schneider)
    Zeit: Di 14:00-16:00, Mi 10:00-12:00, Mi 14:00-16:00, Do 08:00-10:00 (Erster Termin: 16.04.2024)
    Ort: A6/SR 025/026 Seminarraum (Arnimallee 6)
    

• Lineare Algebra I

  0084dA1.4
  • 19201401 Vorlesung
    Lineare Algebra I (Klaus Altmann)
    Zeit: Di 12:00-14:00, Fr 10:00-12:00 (Erster Termin: 16.04.2024)
    Ort: A3/Hs 001 Hörsaal (Arnimallee 3-5)
    

    Kommentar

    Inhalt

    • Grundbegriffe: Mengen, Abbildungen, Äquivalenzrelationen, Gruppen, Ringe, Körper
    • Lineare Gleichungssysteme: Lösbarkeitskriterien, Gauß-Algorithmus
    • Vektorräume: Lineare Unabhängigkeit, Erzeugendensysteme und Basen, Dimension, Unterräume, Faktorräume, Vektorprodukt im R3
    • Lineare Abbildungen: Bild und Rang, Zusammenhang mit Matrizen, Verhalten bei Basiswechsel
    • Dualer Vektorraum: Multilinearformen, alternierende und symmetrische Bilinearformen, Zusammenhang mit Matrizen, Basiswechsel
    • Determinanten: Cramersche Regel, Eigenwerte und -vektoren

    Voraussetzungen

    • Der Brückenkurs Mathematik ist zum Einstieg sehr zu empfehlen!

    Literaturhinweise

    • Siegfried Bosch, Lineare Algebra, 4. Auflage, Springer-Verlag, 2008;
    • Gerd Fischer, Lernbuch Lineare Algebra und Analytische Geometrie, Springer-Verlag, 2017;
    • Bartel Leendert van der Waerden, Algebra Volume I, 9th Edition, Springer 1993;

    Zu den Grundlagen

    • Kevin Houston, Wie man mathematisch denkt: Eine Einführung in die mathematische Arbeitstechnik für Studienanfänger, Spektrum Akademischer Verlag, 2012

  • 19201402 Übung
    Übung zu Lineare Algebra I (Klaus Altmann)
    Zeit: Di 14:00-16:00, Mi 12:00-14:00, Do 12:00-14:00 (Erster Termin: 16.04.2024)
    Ort: A3/SR 119 (Arnimallee 3-5)
    

• Lineare Algebra

  0086bA4.4
  • 19301001 Vorlesung
    Lineare Algebra für (Bio-)Informatik (Max Willert)
    Zeit: Mi 10:00-12:00, Fr 10:00-12:00, zusätzliche Termine siehe LV-Details (Erster Termin: 17.04.2024)
    Ort: Mi Hs 2 Hörsaal (Habelschwerdter Allee 45), Fr Hs 2 Hörsaal (Habelschwerdter Allee 45)
    

    Kommentar

    • Vektorraum, Basis und Dimension;
    • lineare Abbildung, Matrix und Rang;
    • Gauss-Elimination und lineare Gleichungssysteme;
    • Determinanten, Eigenwerte und Eigenvektoren;
    • Euklidische Vektorräume und Orthonormalisierung;
    • Hauptachsentransformation
    • Grundlagen der Algebra und Zahlentheorie

    Literaturhinweise

    • Albrecht Beutelspacher. Mathe-Basics zum Studienbeginn: Survival-Kit Mathematik. Springer Vieweg, 2. Auflage, Wiesbaden 2016.
    • Peter Hartmann. Mathematik für Informatiker. Springer Vieweg, 6. Auflage, Wiesbaden 2015.
    • Gerald Teschl und Susanne Teschl. Mathematik für Informatiker - Band 1: Diskrete Mathematik und Lineare Algebra, Springer Vieweg, 4. Auflage, Berlin Heidelberg 2013.
    • Thomas Westermann. Mathematik für Ingenieure. Springer Vieweg, 7. Auflage, Berlin Heidelberg 2015.
    • Kurt-Ulrich Witt. Lineare Algebra für die Informatik. Springer Vieweg, 1. Auflage, Wiesbaden 2013.

  • 19301002 Übung
    Übung zu Lineare Algebra für (Bio-)Informatik (Max Willert)
    Zeit: Mo 10:00-12:00, Mo 14:00-16:00, Mo 16:00-18:00, Di 08:00-10:00, Di 10:00-12:00, Di 12:00-14:00, Di 14:00-16:00 (Erster Termin: 15.04.2024)
    Ort: T9/049 Seminarraum (Takustr. 9)
    

• Vertiefungsmodul (Seminar) I

  0086bA5.12
  • 19307111 Seminar
    Seminar: Zuverlässige Systeme (Justus Purat)
    Zeit: Di 14:00-16:00 (Erster Termin: 16.04.2024)
    Ort: T9/049 Seminarraum (Takustr. 9)
    

    Kommentar

    Das "Seminar: Verteilte Systeme" behandelt sowohl theoretische als auch praktische Themen aus verschiedenen Projekten der Arbeitsgruppe "Zuverlässige verteilte Systeme". Dabei ist eine Aufgabenstellung selbstständig alleine oder in einer Gruppe von maximal 2-3 Studierenden durch Literaturrecherche, Evaluation und Schreiben eines wissenschaftlichen Reports zu bearbeiten.

    Das Seminar ist verschiedenen Modulen zugeordnet. Bitte informieren Sie sich vorher, ob sie die Veranstaltung in einem Modul aus ihrem Studiengang belegen können.

    Themen in diesem Semester sind:
    - Blockchain - Technologien im Alltag (PoW, PoS, Offlinenutzung)
    - Tangle - Technologien als Alternative zur Blockchain für IoT
    - Could - Computing
    - Consensus algorithms

    Details werden in der ersten Sitzung besprochen.
    Das Seminar: Verteilte Systeme wird je nach Bedarf der Studierenden in deutscher oder englischer Sprache durchgeführt.

• Vertiefungsmodul (Projekt 4 SWS)

  0086bA5.13
  • 19308412 Projektseminar
    Softwareprojekt: Datenverwaltung (Muhammed-Ugur Karagülle)
    Zeit: Mo 12:00-14:00, zusätzliche Termine siehe LV-Details (Erster Termin: 15.04.2024)
    Ort: 1.1.26 Seminarraum E1 (Arnimallee 14)
    

    Zusätzl. Angaben / Voraussetzungen

    Zielgruppe

    Studierende im Master- bzw. Bachelorstudiengang

    Voraussetzungen

    Gute Programmierkenntnisse, Einführung in Datenbanksysteme.

    Kommentar

    Projekte können anwendungs- oder systemorientiert sein. Eine größere Aufgabe der Systementwicklung wird arbeitsteilig gelöst. Dazu gehören alle Phasen der Softwareentwicklung. Schwerpunkt sind Datenverwaltungssysteme.

    Die Veranstaltung wird in zwei Phasen durchgeführt. Die zweite Phase (Implementierung, Test, Auslieferung) kann als Blockveranstaltung in der vorlesungsfreien Zeit durchgeführt werden.

    Literaturhinweise

    Wird bekannt gegeben. / To be announced.

• Vertiefungsmodul (Projekt 4 SWS) I

  0086bA5.23
  • 19308412 Projektseminar
    Softwareprojekt: Datenverwaltung (Muhammed-Ugur Karagülle)
    Zeit: Mo 12:00-14:00, zusätzliche Termine siehe LV-Details (Erster Termin: 15.04.2024)
    Ort: 1.1.26 Seminarraum E1 (Arnimallee 14)
    

    Zusätzl. Angaben / Voraussetzungen

    Zielgruppe

    Studierende im Master- bzw. Bachelorstudiengang

    Voraussetzungen

    Gute Programmierkenntnisse, Einführung in Datenbanksysteme.

    Kommentar

    Projekte können anwendungs- oder systemorientiert sein. Eine größere Aufgabe der Systementwicklung wird arbeitsteilig gelöst. Dazu gehören alle Phasen der Softwareentwicklung. Schwerpunkt sind Datenverwaltungssysteme.

    Die Veranstaltung wird in zwei Phasen durchgeführt. Die zweite Phase (Implementierung, Test, Auslieferung) kann als Blockveranstaltung in der vorlesungsfreien Zeit durchgeführt werden.

    Literaturhinweise

    Wird bekannt gegeben. / To be announced.

• Vertiefungsmodul (Seminar)

  0086bA5.4
  • 19307111 Seminar
    Seminar: Zuverlässige Systeme (Justus Purat)
    Zeit: Di 14:00-16:00 (Erster Termin: 16.04.2024)
    Ort: T9/049 Seminarraum (Takustr. 9)
    

    Kommentar

    Das "Seminar: Verteilte Systeme" behandelt sowohl theoretische als auch praktische Themen aus verschiedenen Projekten der Arbeitsgruppe "Zuverlässige verteilte Systeme". Dabei ist eine Aufgabenstellung selbstständig alleine oder in einer Gruppe von maximal 2-3 Studierenden durch Literaturrecherche, Evaluation und Schreiben eines wissenschaftlichen Reports zu bearbeiten.

    Das Seminar ist verschiedenen Modulen zugeordnet. Bitte informieren Sie sich vorher, ob sie die Veranstaltung in einem Modul aus ihrem Studiengang belegen können.

    Themen in diesem Semester sind:
    - Blockchain - Technologien im Alltag (PoW, PoS, Offlinenutzung)
    - Tangle - Technologien als Alternative zur Blockchain für IoT
    - Could - Computing
    - Consensus algorithms

    Details werden in der ersten Sitzung besprochen.
    Das Seminar: Verteilte Systeme wird je nach Bedarf der Studierenden in deutscher oder englischer Sprache durchgeführt.

• Projektseminar Datenverwaltungssysteme

  0089bA1.13
  • 19303811 Seminar
    Projektseminar: Datenverwaltung (Muhammed-Ugur Karagülle)
    Zeit: Do 12:00-14:00 (Erster Termin: 18.04.2024)
    Ort: T9/051 Seminarraum (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Voraussetzungen

    • ALP I
    • ALP II
    • Datenbanksysteme

    Kommentar

    Inhalt

    Ein Projektseminar dient als Vorbereitung für eine Bachelor- oder Masterarbeit in der AGDB. Im Rahmen des Projektseminars beschäftigen wir uns mit der Analyse und Visualisierung medizinischer Daten. Studierende lernen in einem iterativen Verfahren das Verfassen von wissenschaftlichen Dokumenten. Zusätzlich werden wir ein kleines praktisches Projekt realisieren.

    Literaturhinweise

    Wird bekannt gegeben.

• Softwareprojekt Datenverwaltung

  0089bA1.21
  • 19308412 Projektseminar
    Softwareprojekt: Datenverwaltung (Muhammed-Ugur Karagülle)
    Zeit: Mo 12:00-14:00, zusätzliche Termine siehe LV-Details (Erster Termin: 15.04.2024)
    Ort: 1.1.26 Seminarraum E1 (Arnimallee 14)
    

    Zusätzl. Angaben / Voraussetzungen

    Zielgruppe

    Studierende im Master- bzw. Bachelorstudiengang

    Voraussetzungen

    Gute Programmierkenntnisse, Einführung in Datenbanksysteme.

    Kommentar

    Projekte können anwendungs- oder systemorientiert sein. Eine größere Aufgabe der Systementwicklung wird arbeitsteilig gelöst. Dazu gehören alle Phasen der Softwareentwicklung. Schwerpunkt sind Datenverwaltungssysteme.

    Die Veranstaltung wird in zwei Phasen durchgeführt. Die zweite Phase (Implementierung, Test, Auslieferung) kann als Blockveranstaltung in der vorlesungsfreien Zeit durchgeführt werden.

    Literaturhinweise

    Wird bekannt gegeben. / To be announced.

• Softwareprojekt Web-Technologien

  0089bA1.24
  • 19314012 Projektseminar
    Softwareprojekt: Semantische Technologien (Adrian Paschke)
    Zeit: Mi 14:00-16:00 (Erster Termin: 17.04.2024)
    Ort: T9/055 Seminarraum (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Weitere Informationen finden sich auf der Veranstaltungsseite.

    Kommentar

    Im Rahmen des Softwareprojekts werden gemischte Gruppen von Bachelor- und Master-Studenten gebildet, die entweder ein eigenständiges Projekt erstellen oder aber ein Teil eines größeren Projektes im Bereich semantischer Technologien übernehmen. Bei der Umsetzung der Aufgaben werden vertiefte Programmierkenntnisse in der Anwendung semantischer Technologien und künstlicher Intelligenz im Corporate Semantic Web erworben, Projektmanagement und Teamfähigkeit gefördert, sowie Praktiken der guten Software-Entwicklung großer verteilter Systeme und Semantic Web Anwendungen geübt. Das Softwareprojekt kann in Zusammenarbeit mit einem externen Partner aus der Industrie oder Standardisierung durchgeführt werden. Die Fortführung des Projektes als Bachelor- oder Masterarbeit ist möglich und ausdrücklich erwünscht.

• Softwaretechnik-Projekt

  0089bA1.35
  • 19322512 Projektseminar
    Softwareprojekt: GPU Offloading and Compiler Optimization (Barry Linnert)
    Zeit: Mi 12:00-14:00 (Erster Termin: 24.04.2024)
    Ort: T9/046 Seminarraum (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Zielgruppe

    BA und MA Informatik

    Webseite

    https://www.mi.fu-berlin.de/w/SE/SoftwareprojektCompilerOptimization2024

    Dozent & Ansprechpartner

    Barry Linnert führt die Veranstaltung durch.

    Kommentar

    Pony [1] ist eine Programmiersprache, die dafür designed wird, hoch
    performant zu sein.
    Sie basiert auf dem Akteur-Modell [2]: Akteure beinhalten
    sequentielle Code-Abschnitte, verschiedene Akteure werden
    nebenläufig und unabhängig voneinander ausgeführt.
    Die Nebenläufigkeit auf der Ebene von Akteuren [3] siedelt
    Beschleunigung direkt im Design der Sprache an.
    Es gibt jedoch auch andere Formen von Parallelismus auf anderen Ebenen,
    welche dazu genutzt werden könnten, Pony noch performanter zu machen.
    Auf Ebene der Daten gibt es sogenannten Datenparallelismus [4].
    Er kann beispielsweise in Schleifennestern gefunden werden,
    die viele Male ausgeführt werden und auf unabhängigen aber
    gleich strukturierten Daten arbeiten.

    Grafische Prozessoren (GPUs) spezialisieren sich darauf
    datenparallele Probleme zu berechnen. [5]
    In einem System, in dem sowohl eine GPU als auch eine CPU vorhanden
    sind, kann die GPU die Berechnungen der CPU unterstützen,
    indem datenparallele Probleme von ihr übernommen werden.
    Der Fachbegriff dazu heißt GPU Offloading.
    Die GPU berechnet aufgrund ihrer internen Struktur und Ressourcen
    datenparallele Probleme effizienter und schneller als die CPU und
    beschleunigt dadurch die Gesamtausführung eines Programms.

    In diesem Softwareprojekt wollen wir gemeinsam herausfinden,
    ob sich GPU Offloading in Pony integrieren lässt.
    Dazu experimentieren wir mit Ponys Compiler und schreiben Teile
    dieses Compilers um.

    Das SWP bietet die Möglichkeit, einmal genauer in den internen
    Aufbau eines Compilers zu blicken und sich anzusehen, wie genau
    GPUs dazu verwendet werden können, ein Programm zu beschleunigen.
    Darüber hinaus werden wir die Compiler Infrastruktur LLVM [6]
    kennenlernen, denn der Pony Compiler ist ein Compiler Frontend
    zu LLVM.
    Falls Ihnen der Name LLVM nichts sagt, ist es vielleicht interessant
    für Sie zu wissen, dass sowohl der Rust, als auch der Clang Compiler
    Frontends zu LLVM sind.

    Das Softwareprojekt zielt darauf ab im Bereich GPU Offloading zu forschen,
    möglicherweise mit der Option später die Ergebnisse der Experimente
    zu veröffentlichen und zu den beiden genannten Open-Source-Projekten
    Pony und LLVM beizutragen.

     

    Ablauf

    Während der Vorlesungszeit wird die Aufgabenstellung mit reduziertem Anwesenheits- und Arbeitsaufwand spezifiziert. Die eigentliche Bearbeitung der Aufgabenstellung erfolgt dann in der vorlesungsfreien Zeit.

     

    Links:

    [1]: [Pony](https://www.ponylang.io/discover/#what-is-pony)
    [2]: [Actor Model](https://en.wikipedia.org/wiki/Actor_model)
    [3]: [Task-level parallelism](https://en.wikipedia.org/wiki/Task_parallelism)
    [4]: David A. Patterson and John L. Hennessy. Computer Organization and Design: The Hardware Software Interface [RISC-V Edition]. 2nd. The Morgan Kaufmann Series in Computer Architecture and Design. Morgan Kaufmann, 2021. ISBN: 9780128203316. Page 528.
    [5]: David A. Patterson and John L. Hennessy. Computer Organization and Design: The Hardware Software Interface [RISC-V Edition]. 2nd. The Morgan Kaufmann Series in Computer Architecture and Design. Morgan Kaufmann, 2021. ISBN: 9780128203316. Appendix B.
    [6]: [LLVM](https://llvm.org/)

     

     

  • 19323612 Projektseminar
    Softwareprojekt: AMOS-Projekt (Lutz Prechelt, Dirk Riehle)
    Zeit: Mi 10:00-14:00 (Erster Termin: 17.04.2024)
    Ort: Online - zeitABhängig
    

    Zusätzl. Angaben / Voraussetzungen

    Lernziele und Kompetenzen

    • Studierende lernen zu Softwareprodukten und Softwareentwicklung in der Industrie
    • Studierende lernen zu agilen Methoden, insbesondere Scrum und Extreme Programming
    • Studierende lernen zu Open-Source-Softwareentwicklung und ihren Prinzipien
    • Studierende erwerben praktische Erfahrung mit Scrum und Extrem Programming

    Zielgruppe

    Studierende der Informatik (und verwandte Disziplinen). Für die Softwareentwickler:innen Rolle sollten Sie praktische Programmiererfahrung mitbringen. Dieser Kurs ist nicht geeignet, um Programmieren zu lernen.

    Sprache

    Englisch (Vorlesungen auf Englisch, Team-Meeting auf Deutsch oder Englisch nach Wahl der Studierenden)

    Benotung

    • Softwareentwickler:in (zu 100%)
      • 10% der Note: 5 Kurzquizzes zu jeweils 5 Fragen mit 2 Punkten
      • 90% der Note: Wöchentliche Projektarbeit

    Weiteres

    • SWS: 4 SWS (2 SWS VL, 2 SWS Team-Meeting)
    • Semester: Jedes Semester
    • Modalität: Online, universitätsübergreifend
    • Tags: Scrum

    Kommentar

    Dieser Kurs lehrt agile Methoden (Scrum und XP) und Open-Source-Werkzeuge anhand eines semesterlangen Projekts. Der Kurs findet online und universitätsübergreifend statt. Lehr- und Lerninhalte umfassen:

    • Agile Methoden und verwandte Entwicklungsprozesse
    • Scrum Rollen und Prozesspraktiken, inkl. Produktmanagement und Entwicklungsleitung
    • Technische Praktiken wie Refactoring, Continuous Integration, und test-getriebene Entwicklung
    • Prinzipien und Praktiken der Open-Source-Softwareentwicklung

    Das Projekt ist ein Softwareentwicklungsprojekt, bei dem jedes Studierendenteam mit einem Industriepartner zusammenarbeitet, der die Projektidee bereitstellt. Studierende arbeiten praktisch und angewandt.

    Studierende nehmen die Rolle einer Softwareentwicklerin oder eines Softwareentwicklers ein. In dieser Rolle schätzen sie den Aufwand von Anforderungen und setzen sie im Projekt um. Teilnehmende Studierende müssen über vorherige Softwareentwicklungserfahrung verfügen.

    Studierende werden in Teams von 7-9 Personen organisiert. Ein Team besteht aus einem Scrum Master, zwei Product Ownern, und sechs Softwareentwickler:innen. Ein Industriepartner stellt die allgemeinen Anforderungen bereit, welche von den Product Ownern ausgearbeitet und von den Softwareentwickler:innen umgesetzt werden. Das Projektangebot wird kurz vor Semesterbeginn vorgestellt werden.

    Der Kurs besteht aus einer 90 min. Vorlesung, gefolgt von einem 90 min. Team-Meeting (Teilnahme verpflichtend). Bitte registrieren Sie sich nicht für diesen Kurs, falls Sie nicht regelmäßig am Team-Meeting teilnehmen können.

    Registrierung und weitere Kursinformation finden Sie auf eine Google Spreadsheet über https://amos.uni1.de – bitte registrieren Sie Ihr Teilnahmeinteresse durch Ausfüllen des dort verlinkten Formulars zur Interessenbekundung, sobald sich dieses öffnet.

    Literaturhinweise

    http://goo.gl/5Wqnr7

• Softwareprojekt Künstliche Intelligenz

  0089bA1.36
  • 19314012 Projektseminar
    Softwareprojekt: Semantische Technologien (Adrian Paschke)
    Zeit: Mi 14:00-16:00 (Erster Termin: 17.04.2024)
    Ort: T9/055 Seminarraum (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Weitere Informationen finden sich auf der Veranstaltungsseite.

    Kommentar

    Im Rahmen des Softwareprojekts werden gemischte Gruppen von Bachelor- und Master-Studenten gebildet, die entweder ein eigenständiges Projekt erstellen oder aber ein Teil eines größeren Projektes im Bereich semantischer Technologien übernehmen. Bei der Umsetzung der Aufgaben werden vertiefte Programmierkenntnisse in der Anwendung semantischer Technologien und künstlicher Intelligenz im Corporate Semantic Web erworben, Projektmanagement und Teamfähigkeit gefördert, sowie Praktiken der guten Software-Entwicklung großer verteilter Systeme und Semantic Web Anwendungen geübt. Das Softwareprojekt kann in Zusammenarbeit mit einem externen Partner aus der Industrie oder Standardisierung durchgeführt werden. Die Fortführung des Projektes als Bachelor- oder Masterarbeit ist möglich und ausdrücklich erwünscht.

  • 19329012 Projektseminar
    Softwareprojekt: Continual Learning (Manuel Heurich)
    Zeit: Di 14:00-16:00 (Erster Termin: 16.04.2024)
    Ort: T9/051 Seminarraum (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    ,,

    Kommentar

    In diesem Kurs werden die Konzepte und Techniken des Continual Learning, eines wichtigen Bereichs im maschinellen Lernen, untersucht. Continual Learning, auch als lebenslanges Lernen bekannt, bezieht sich auf die Fähigkeit von KI-Systemen, kontinuierlich zu lernen und sich an neue Informationen anzupassen, ohne dabei früher erworbenes Wissen zu verlieren. Diese Fähigkeit ist entscheidend für die Entwicklung flexiblerer und anpassungsfähigerer KI-Systeme, insbesondere in sich schnell verändernden und datenreichen Umgebungen.
    
    Der Kurs richtet sich an Studierende der (Bio-)Informatik und Data Science, die ein tieferes Verständnis für fortgeschrittene Konzepte im maschinellen Lernen entwickeln und praktische Erfahrungen im Bereich Continual Learning sammeln möchten.

    Literaturhinweise

    ,,

  • 19337112 Projektseminar
    Softwareprojekt: Open Hardware (Tim Landgraf)
    Zeit: Mi 10:00-12:00 (Erster Termin: 17.04.2024)
    Ort: T9/049 Seminarraum (Takustr. 9)
    

    Kommentar

    In der wissenschaftlichen Gemeinschaft hat sich die Praxis von offenem Quellcode und offenen Daten als Standard für Reproduzierbarkeit und Transparenz etabliert. Im Gegensatz dazu befindet sich "Open Hardware" noch in einem frühen Entwicklungsstadium. Oft werden in der Forschung eigene Hardware-Lösungen entwickelt – sei es aus finanziellen Gründen oder weil kommerzielle Produkte die spezifischen Anforderungen nicht erfüllen. Diese Eigenentwicklungen werden jedoch selten als vollwertige Forschungsergebnisse anerkannt und finden in wissenschaftlichen Publikationen meist nur als methodische Komponenten Erwähnung. In diesem Projekt untersuchen wir, wie ein offenes Publikationssystem gestaltet werden kann, um Forschenden zu ermöglichen, ihre Entwicklungen im Bereich Open Hardware effektiver zu publizieren. Unser Ziel ist es, ein System zu entwickeln, das die einfache Veröffentlichung, Begutachtung und Verifizierung von Open Hardware in der wissenschaftlichen Forschung unterstützt.

• Seminar IT-Sicherheit

  0089bA1.49
  • 19306411 Seminar
    Seminar: IT-Sicherheit (Volker Roth)
    Zeit: Do 14:00-16:00 (Erster Termin: 18.04.2024)
    Ort: T9/053 Seminarraum (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Students are expected to:

    Give a technical presentation of their assigned topics; Demonstrate research software prototypes whenever applicable; Turn in a short technical report on their assigned topics (10 pages).

    Students will be graded on their preparedness for discussion, their presentations and their seminar report. The report must be typeset in LaTeX. Both the LaTeX source and the PDF generated from it must be submitted as a TAR or ZIP archive. A LaTeX template is here.

    The seminar report must contain references to all the articles that were used. Each literature entry must include a brief and concise summary of the article's contribution and the contribution's benefits. Please use the BibTex "note" field for this purpose and inline the bibliography by including the bbl file into the LaTeX source.

    Kommentar

    Dieses Seminar behandelt grundlegende und aktuelle Themen der IT-Sicherheit.

    Literaturhinweise

    1. Anderson, Ross. "Why cryptosystems fail." In Proc. ACM Conference on Computer and Communications Security (CCS), pp. 215-227. ACM, 1993.
    2. Whitten, Alma, and J. Doug Tygar. "Why Johnny Can't Encrypt: A Usability Evaluation of PGP 5.0." In Usenix Security, vol. 1999. 1999.
    3. Artikel aus den Tagungsbänder der Konferenzen CHI, SOUPS, ACSAC.

• Künstliche Intelligenz

  0089bA1.9
  • 19303701 Vorlesung
    Künstliche Intelligenz (Grégoire Montavon)
    Zeit: Di 16:00-18:00 (Erster Termin: 16.04.2024)
    Ort: T9/Gr. Hörsaal (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Voraussetzungen:

    Grundkenntnisse in Mathematik und Algorithmen & Datenstrukturen.

    Kommentar

    Siehe den englischen Beschreibungstext.

    Literaturhinweise

    • Stuart Russell and Peter Norvig, Artificial Intelligence: A Modern Approach (http://aima.cs.berkeley.edu/)
    • Richard Sutton and Andrew Barto, Reinforcement Learning: An Introduction (https://mitpress.mit.edu/books/reinforcement-learning-second-edition)

  • 19303702 Übung
    Übung zu Künstliche Intelligenz (Grégoire Montavon)
    Zeit: Di 12:00-14:00 (Erster Termin: 16.04.2024)
    Ort: T9/Gr. Hörsaal (Takustr. 9)
    

• Aktuelle Forschungsthemen der Algorithmik

  0089bA2.1
  • 19322701 Vorlesung
    Kryptoanalyse asymmetrischer Verfahren (Marian Margraf)
    Zeit: Di 10:00-12:00 (Erster Termin: 16.04.2024)
    Ort: A6/SR 032 Seminarraum (Arnimallee 6)
    

    Kommentar

    Die Vorlesung beschäftigt sich mit unterschiedlichsten asymmetrischen Kryptoverfahren, insbesondere mit den diesen Verfahren zugrunde liegenden vermuteten schweren Problemen. Inhalte sind u.a.

    • RSA und das Faktorisierungsproblem
    • DSA und das diskrete Logarithmusproblem
    • Merkel-Hellman und das Rucksack- und Gitterproblem
    • McEliece und das Decodierungsprobleme
    • Matsumoto-Imai und multivariate Polynomsystem

    Vorkenntnisse in den Bereichen IT-Sicherheit und Kryptologie werden vorausgesetzt.

  • 19322702 Übung
    Übung zu Kryptoanalyse asymmetrischer Verfahren (Marian Margraf)
    Zeit: Do 10:00-12:00 (Erster Termin: 18.04.2024)
    Ort: T9/SR 005 Übungsraum (Takustr. 9)
    

• Seminar Technische Informatik

  0089bA3.6
  • 19307111 Seminar
    Seminar: Zuverlässige Systeme (Justus Purat)
    Zeit: Di 14:00-16:00 (Erster Termin: 16.04.2024)
    Ort: T9/049 Seminarraum (Takustr. 9)
    

    Kommentar

    Das "Seminar: Verteilte Systeme" behandelt sowohl theoretische als auch praktische Themen aus verschiedenen Projekten der Arbeitsgruppe "Zuverlässige verteilte Systeme". Dabei ist eine Aufgabenstellung selbstständig alleine oder in einer Gruppe von maximal 2-3 Studierenden durch Literaturrecherche, Evaluation und Schreiben eines wissenschaftlichen Reports zu bearbeiten.

    Das Seminar ist verschiedenen Modulen zugeordnet. Bitte informieren Sie sich vorher, ob sie die Veranstaltung in einem Modul aus ihrem Studiengang belegen können.

    Themen in diesem Semester sind:
    - Blockchain - Technologien im Alltag (PoW, PoS, Offlinenutzung)
    - Tangle - Technologien als Alternative zur Blockchain für IoT
    - Could - Computing
    - Consensus algorithms

    Details werden in der ersten Sitzung besprochen.
    Das Seminar: Verteilte Systeme wird je nach Bedarf der Studierenden in deutscher oder englischer Sprache durchgeführt.

• Seminar zur Mathematik

  0084cB1.1
  • 19203311 Seminar Abgesagt
    Proseminar/Seminar Gruppentheorie (Kivanc Ersoy)
    Zeit: Di 14:00-16:00 (Erster Termin: 16.04.2024)
    Ort: A6/SR 009 Seminarraum (Arnimallee 6)
    

    Kommentar

    Fundamental concepts of infinite group theory, series of subgroups, radicals and residuals, finiteness conditions: finitely generated and finitely presented groups, groups with finite rank, periodic and locally finite groups, maximal and minimal conditions. Solvable and nilpotent groups, properties of upper and lower central series, residually finite groups, generalized nilpotent groups, Engel groups, local theorems and generalized solvable groups.

    Textbook: Finiteness conditions and Generalized Solvable groups, Derek Robinson

    The course is in English

• Diskrete Mathematik I

  0084cB3.2
  • 19214701 Vorlesung
    Diskrete Mathematik I (Tibor Szabo)
    Zeit: Di 14:00-16:00, Mi 14:00-16:00 (Erster Termin: 16.04.2024)
    Ort: T9/SR 005 Übungsraum (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Target group:

    BMS students, Master and Bachelor students

    Whiteboard:

    You need access to the whiteboard in order to receive information and participate in the exercises.

    Kommentar

    Content:

    Selection from the following topics:

    • Enumeration (twelvefold way, inclusion-exclusion, double counting, recursions, generating functions, inversion, Ramsey's Theorem, asymptotic counting)
    • Discrete Structures (graphs, set systems, designs, posets, matroids)
    • Graph Theory (trees, matchings, connectivity, planarity, colorings)

    Literaturhinweise

    • J. Matousek, J. Nesetril (2002/2007): An Invitation to Discrete Mathematics, Oxford University Press, Oxford/Diskrete Mathematik, Springer Verlag, Berlin, Heidelberg.
    • L. Lovasz, J. Pelikan, K. Vesztergombi (2003): Discrete Mathemtics - Elementary and Beyond/Diskrete Mathematik, Springer Verlag, New York.
    • N. Biggs (2004): Discrete Mathematics. Oxford University Press, Oxford.
    • M. Aigner (2004/2007): Diskrete Mathematik, Vieweg Verlag, Wiesbaden/Discrete Mathemattics, American Mathematical Society, USA.
    • D. West (2011): Introduction to Graph Theory. Pearson Education, New York.

  • 19214702 Übung
    Übung zu Diskrete Mathematik I (Silas Rathke)
    Zeit: Di 16:00-18:00, Mi 10:00-12:00 (Erster Termin: 16.04.2024)
    Ort: A3/SR 119 (Arnimallee 3-5)
    

    Kommentar

    Content:

    Selection from the following topics:

    • Counting (basics, double counting, Pigeonhole Principle, recursions, generating functions, Inclusion-Exclusion, inversion, Polya theory)
    • Discrete Structures (graphs, set systems, designs, posets, matroids)
    • Graph Theory (trees, matchings, connectivity, planarity, colorings)
    • Algorithms (asymptotic running time, BFS, DFS, Dijkstra, Greedy, Kruskal, Hungarian, Ford-Fulkerson)

• Module ohne Lehrangebot in diesem Semester

  118 Module
  • Funktionale Programmierung 0086bA1.1
  • Objektorientierte Programmierung 0086bA1.2
  • Datenstrukturen und Datenabstraktion 0086bA1.3
  • Grundlagen der Technischen Informatik 0086bA2.1
  • Rechnerarchitektur 0086bA2.2
  • Praktikum Technische Informatik 0086bA2.4
  • Betriebssysteme 0089cA3.1
  • Ausgewählte Themen der Technischen Informatik 0089cA3.12
  • Mikroprozessor-Praktikum 0089cA3.2
  • Telematik 0089cA3.5
  • Proseminar Informatik 0086bA3.2
  • Modellgetriebene Softwareentwicklung 0089cA1.11
  • Rechnersicherheit 0089cA1.16
  • Übersetzerbau 0089cA1.19
  • Praktiken professioneller Softwareentwicklung 0089cA1.22
  • Ausgewählte Themen der Praktischen Informatik 0089cA1.31
  • Grundlagen des Softwaretestens 0089cA1.7
  • Höhere Algorithmik 0089cA2.1
  • Modelchecking 0089cA2.2
  • Algorithmische Geometrie 0089cA2.4
  • Kryptographie und Sicherheit in Verteilten Systemen 0089cA2.8
  • Analysis I 0084aA1.1
  • Lineare Algebra I 0084aA2.1
  • Logik und Diskrete Mathematik 0086bA4.1
  • Analysis 0086bA4.2
  • Vertiefungsmodul (Vorlesung 4+2 SWS) 0086bA5.1
  • Vertiefungsmodul (Vorlesung 2+2 SWS) II 0086bA5.10
  • Vertiefungsmodul (Vorlesung 2 SWS) I 0086bA5.11
  • Vertiefungsmodul (Vorlesung 4+2 SWS) II 0086bA5.14
  • Vertiefungsmodul (Vorlesung 4+2 SWS) III 0086bA5.15
  • Vertiefungsmodul (Vorlesung 2+2 SWS) III 0086bA5.16
  • Vertiefungsmodul (Vorlesung 2+2 SWS, Miniprojekt) 0086bA5.17
  • Vertiefungsmodul (Vorlesung 2+2 SWS, Miniprojekt) I 0086bA5.18
  • Vertiefungsmodul (Begleitprojekt 2 SWS, 3 LP) 0086bA5.19
  • Vertiefungsmodul (Vorlesung 2+2 SWS) 0086bA5.2
  • Vertiefungsmodul (Begleitprojekt 2 SWS, 3 LP) I 0086bA5.20
  • Vertiefungsmodul (Begleitprojekt, 3 LP) 0086bA5.21
  • Vertiefungsmodul (Begleitprojekt, 3 LP) I 0086bA5.22
  • Vertiefungsmodul (V 2 SWS, 3 LP) II 0086bA5.24
  • Vertiefungsmodul (Vorl. 2+1 SWS, 4 LP) 0086bA5.25
  • Vertiefungsmodul (Vorl. 2+2 SWS, 6 LP) 0086bA5.26
  • Vertiefungsmodul (Vorl. 3+1 SWS, 7 LP) 0086bA5.27
  • Vertiefungsmodul (Vorl. 3+2 SWS, 9 LP) 0086bA5.28
  • Vertiefungsmodul (Vorl. 2+1 SWS, 4 LP) I 0086bA5.29
  • Vertiefungsmodul (Vorlesung 2 SWS) 0086bA5.3
  • Vertiefungsmodul (Vorl. 2+2 SWS, 6 LP) I 0086bA5.30
  • Vertiefungsmodul (Vorl. 3+1 SWS, 7 LP) I 0086bA5.31
  • Vertiefungsmodul (Vorl. 3+2 SWS, 9 LP) I 0086bA5.32
  • Vertiefungsmodul (Praktikum/Projekt 2 SWS) 0086bA5.5
  • Vertiefungsmodul (Praktikum/Projekt 3 SWS) 0086bA5.6
  • Vertiefungsmodul (Praktikum/Projekt 4 SWS) 0086bA5.7
  • Vertiefungsmodul (Vorlesung 4+2 SWS) I 0086bA5.8
  • Vertiefungsmodul (Vorlesung 2+2 SWS) IV 0086bA5.85
  • Vertiefungsmodul (4+2 SWS, 10 LP) 0086bA5.86
  • Vertiefungsmodul (4+2 SWS, 10 LP) I 0086bA5.87
  • Vertiefungsmodul (Seminar, 5 LP) 0086bA5.88
  • Vertiefungsmodul (Seminar, 5 LP) I 0086bA5.89
  • Vertiefungsmodul (Vorlesung 2+2 SWS) I 0086bA5.9
  • Vertiefungsmodul (Prakt. 2 SWS, 4 LP) 0086bA5.90
  • Vertiefungsmodul (Prakt. 2 SWS, 4 LP) I 0086bA5.91
  • Vertiefungsmodul (V2 + P2 SWS, 5 LP) 0086bA5.92
  • Vertiefungsmodul (V2 + P2 SWS, 5 LP) I 0086bA5.93
  • Betriebssysteme 0089bA1.1
  • Mobilkommunikation 0089bA1.10
  • Mustererkennung 0089bA1.11
  • Netzbasierte Informationssysteme 0089bA1.12
  • Robotik 0089bA1.14
  • Semantisches Geschäftsprozessmanagement 0089bA1.15
  • Semantik von Programmiersprachen 0089bA1.16
  • Seminar Ausgewählte Beiträge zum Software Engineering 0089bA1.17
  • Seminar Datenverwaltung 0089bA1.18
  • Seminar Künstliche Intelligenz 0089bA1.19
  • Bildverarbeitung 0089bA1.2
  • Seminar über Programmiersprachen 0089bA1.20
  • Softwareprojekt Mobilkommunikation 0089bA1.22
  • Softwareprojekt Übersetzerbau 0089bA1.23
  • Softwareprozesse 0089bA1.25
  • Spezielle Aspekte der Datenverwaltung 0089bA1.26
  • Telematik 0089bA1.27
  • Transaktionale Systeme 0089bA1.28
  • Übersetzerbau 0089bA1.29
  • Computergrafik 0089bA1.3
  • Verteilte Systeme 0089bA1.30
  • XML-Technologien 0089bA1.31
  • Telematik-Projekt 0089bA1.32
  • Seminar Datenbanksysteme 0089bA1.33
  • Seminar Moderne Web Technologien 0089bA1.34
  • Computer Vision 0089bA1.4
  • Datenbanktechnologie 0089bA1.5
  • Empirische Bewertung in der Informatik 0089bA1.6
  • Fortgeschrittene Aspekte der Funktionalen Programmierung 0089bA1.7
  • Rechnersicherheit 0089bA1.8
  • Softwareprojekt Anwendungen von Algorithmen 0089bA2.11
  • Algorithmische Geometrie 0089bA2.2
  • Ausgewählte Themen der Algorithmik 0089bA2.3
  • Höhere Algorithmik 0089bA2.4
  • Kryptographie und Sicherheit in Verteilten Systemen 0089bA2.6
  • Modelchecking 0089bA2.7
  • Seminar über Algorithmen 0089bA2.8
  • Mikroprozessor-Praktikum 0089bA3.2
  • Projektmanagement 0089bA4.25
  • Existenzgründungen in der IT-Industrie 0089bA4.27
  • Digitales Video 0089bA4.5
  • E-Learning Plattformen 0089bA4.6
  • Medizinische Bildverarbeitung 0089bA4.9
  • Elementargeometrie 0082aB1.3
  • Analysis II 0084aA1.2
  • Lineare Algebra II 0084aA2.2
  • Computerorientierte Mathematik I 0084aA3.1
  • Computerorientierte Mathematik II 0084aA3.2
  • Einführung in die Numerische Mathematik (Numerik I) 0084aA4.1
  • Einführung in die Elementare Stochastik (Stochastik I) 0084aA4.2
  • Einführung in die Elementare Stochastik 0084bA4.2
  • Algorithmische Bioinformatik 0260aA1.4
  • Statistik für Biowissenschaften I 0260aA2.5
  • Physik für Biologie, Geowissenschaften, Informatik und Mathematik 0086bK3.1
  • Physikalisches Praktikum für Geowissenschaften, Informatik und Mathematik 0086bK3.2
  • Zusätzliche Lehrveranstaltungen Informatik 0086bL1.1