Informatik

• Algorithmen, Datenstrukturen und Datenabstraktion

  0086cA1.4
  • 19300101 Vorlesung
    Algorithmen und Datenstrukturen (Wolfgang Mulzer)
    Zeit: Di 16:00-18:00, Fr 12:00-14:00, zusätzliche Termine siehe LV-Details (Erster Termin: 16.04.2024)
    Ort: , HFB/A Hörsaal, HFB/C Hörsaal, Hs 1a Hörsaal, Hs 1b Hörsaal, Hs 2 Hörsaal
    

    Kommentar

    Qualifikationsziele

    Die Studierenden analysieren⁴ Algorithmen und Datenstrukturen und ihre Implementierungen bezüglich Laufzeit, Speicherbedarf und Korrektheit und beschreiben² verschiedene Algorithmen und Datenstrukturen für typische Anwendungen und wenden³ diese auf konkrete Beispiele an. Sie können passende Algorithmen und Datenstrukturen für gegebene Aufgaben auswählen⁴ und passen⁵ diese entsprechend an. Sie erklären², identifizieren⁴ und verwenden⁵ verschiedene Entwurfsparadigmen für Algorithmen.

    Inhalte

    Studierende lernen das Maschinenmodell, sowie verschiedene algorithmische Probleme kennen. Sie erarbeiten und üben die Berechnung von Laufzeit, Korrektheit und Speicherbedarf dieser Algorithmen und lernen die asymptotische worst-case Analyse kennen. Darüber hinaus diskutieren sie die Rolle des Zufalls im Kontext des Entwurfs von Algorithmen. Des Weiteren erlernen und üben sie Entwurfsparadigmen für Algorithmen wie Teile und Herrsche, gierige Algorithmen, Dynamische Programmierung und Erschöpfende Suche. Sie lernen Prioritätswarteschlangen und effiziente Datenstrukturen für geordnete und ungeordnete Wörterbücher (z.B. ausgeglichene Suchbäume, Streuspeicher, Skiplisten) kennen und üben den Umgang mit ihnen. Zudem lernen sie Algorithmen für Zeichenketten (digitale Suchbäume und Suchen in Zeichenketten) und Graphenalgorithmen kennen, diskutieren deren Anwendung und üben den Umgang mit ihnen.

     

    Literaturhinweise

    • P. Morin: Open Data Structures, an open content textboox.
    • T. H. Cormen, C. Leiserson, R. Rivest, C. Stein: Introduction to Algorithms, MIT Press, 2022.
    • R. Sedgewick, K. Wayne: Algorithms, Addison-Wesley, 2011.
    • M. Dietzfelbinger, K. Mehlhorn, P. Sanders. Algorithmen und Datenstrukturen: Die Grundwerkzeuge, Springer, 2014.
    • J. Erickson. Algorithms, 2019
    • T. Roughgarden. Algorithms Illuminated. Cambridge University Press, 2022.

  • 19300102 Übung
    Übung zu Algorithmen und Datenstrukturen (Wolfgang Mulzer)
    Zeit: Mo 14:00-16:00, Mo 16:00-18:00, Mi 12:00-14:00, Mi 14:00-16:00, Mi 16:00-18:00, Do 16:00-18:00, Fr 14:00-16:00, Fr 16:00-18:00 (Erster Termin: 15.04.2024)
    Ort: T9/051 Seminarraum (Takustr. 9)
    

• Nichtsequentielle und verteilte Programmierung

  0086cA1.5
  • 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)
    

• Rechnerarchitektur, Betriebs- und Kommunikationssysteme

  0086cA2.1
  • 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

• Datenbanksysteme

  0086cA3.2
  • 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)
    

• Softwaretechnik

  0086cA3.3
  • 19301401 Vorlesung
    Softwaretechnik (Barry Linnert)
    Zeit: Mo 10:00-12:00, Do 12:00-14:00, zusätzliche Termine siehe LV-Details (Erster Termin: 15.04.2024)
    Ort: T9/Gr. Hörsaal (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Zielgruppe

    • Pflichtmodul im Bachelorstudiengang Informatik
    • Wahlpflichtmodul im Nebenfach Informatik
    • Studierende im lehramtsbezogenen Masterstudiengang (Großer Master mit Zweitfach Informatik) können dieses Modul zusammen mit dem "Praktikum SWT (19516c)" absolvieren und ersetzen damit die Module "Netzprogrammierung" und "Embedded Internet"

    Voraussetzungen

    ALP III oder Informatik B

    Sprache

    Kurssprache ist Deutsch inklusive Folien und Übungsblätter. Einige wenige Folien sind in Englisch.

    Die Klausur ist auf Deutsch, kann aber auch auf Englisch beantwortet werden.

    Homepage

    http://www.inf.fu-berlin.de/w/SE/VorlesungSoftwaretechnik

    Kommentar

    Inhalt

    Softwaretechnik (oder englisch Software Engineering) ist die Lehre von der Softwarekonstruktion im Großen, also das Grundlagenfach zur Methodik.

    Die Softwaretechnik ist bemüht, Antworten auf die folgenden Fragen zu geben:

    • Wie findet man heraus, was eine Software für Eigenschaften haben soll (Anforderungsermittlung)?
    • Wie beschreibt man dann diese Eigenschaften (Spezifikation)?
    • Wie strukturiert man die Software so, dass sie sich leicht bauen und flexibel verändern lässt (Entwurf)?
    • Wie verändert man Software, die keine solche Struktur hat oder deren Struktur man nicht (mehr) versteht (Wartung, Reengineering)?
    • Wie deckt man Mängel in Software auf (Qualitätssicherung, Test)?
    • Wie organisiert man die Arbeit einer Softwarefirma oder -abteilung, um regelmäßig kostengünstige und hochwertige Resultate zu erzielen (Prozessmanagement)?
    • Welche (großenteils gemeinsamen) Probleme liegen allen diesen Fragestellungen zu Grunde und welche (größtenteils gemeinsamen) allgemeinen Lösungsansätze liegen den verwendeten Methoden und Techniken zu Grunde?

    ...und viele ähnliche mehr.

    Diese Vorlesung gibt einen Überblick über die Methoden und stellt essentielles Grundwissen für jede/n ingenieurmäßig arbeitende/n Informatiker/in dar.

    Genauere Information siehe Homepage: http://www.inf.fu-berlin.de/w/SE/VorlesungSoftwaretechnik

    Literaturhinweise

    Bernd Brügge, Allen Dutoit: Objektorientierte Softwaretechnik mit UML, Entwurfsmustern und Java, Pearson 2004.

  • 19301402 Übung
    Übung zu Softwaretechnik (Barry Linnert, Linus Ververs)
    Zeit: Mo 16:00-18:00, Di 08:00-10:00, Di 10:00-12:00, Di 16:00-18:00, Mi 08:00-10:00, Mi 10:00-12:00, Mi 14:00-16:00, Do 10:00-12:00, Fr 10:00-12:00 (Erster Termin: 15.04.2024)
    Ort: T9/046 Seminarraum (Takustr. 9)
    

• Grundlagen der Theoretischen Informatik

  0086cA4.1
  • 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)
    

• Lineare Algebra für Informatik

  0086cA5.2
  • 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: 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, zusätzliche Termine siehe LV-Details (Erster Termin: 15.04.2024)
    Ort: T9/049 Seminarraum (Takustr. 9)
    

• Wissenschaftliches Arbeiten in der Informatik

  0086cA6.1
  • 19319701 Vorlesung
    Wissenschaftliches Arbeiten in der Informatik (Wolfgang Mulzer)
    Zeit: Di 10:00-12:00 (Erster Termin: 07.05.2024)
    Ort: T9/SR 005 Übungsraum (Takustr. 9)
    

    Kommentar

    Das Ziel der Vorlesung ist es, die Teilnehmenden auf die wissenschaftliche Arbeit in der Informatik vorzubereiten. Dabei geht es unter anderem um folgende Themen:

    • Wissenschaft und Wissenschaftsbetrieb
    • Die Informatik als Wissenschaft
    • Wissenschaftliches Schreiben in der Informatik
    • Präsentieren in der Informatik
    • Wissenschaftliche Integrität und Ethik
    • Gender und Diversity in der Informatik

    Achtung! Terminhinweis: Die Vorlesung beginnt im Mai. Der erste Vorlesungstermin ist am Dienstag, den 07.05.2024.

  • 19301710 Proseminar
    Proseminar: Theoretische Informatik (Günther Rothe)
    Zeit: Fr 10:00-12:00 (Erster Termin: 19.04.2024)
    Ort: T9/053 Seminarraum (Takustr. 9)
    

    Kommentar

    Inhalt

    Das Proseminar vertieft Inhalte aus den Grundvorlesungen der Arbeitsgruppe Theoretische Informatik. In diesem Semester werden weiterführende Themen aus der Berechenbarkeitstheorie behandelt, nämlich sogenannte "universelle" Systeme (zum Beispiel gewisse zelluläre Netze), die so allgemein sind, dass man jeden beliebigen Algorithmus damit ausführen kann.

    Literatur: Stephen Wolfram, A New Kind of Science, Wolfram Media, 2002.

    Literaturhinweise

    • Stephen Wolfram, A New Kind of Science, Wolfram Media, 2002
    • Alex Smith, Universality of Wolfram’s 2, 3 Turing Machine. Complex Systems, 29:1–44, 2020. doi:10.25088/ComplexSystems.29.1.1.
       

  • 19311917 Seminar/Proseminar
    Seminar/Proseminar: Künstliche Intelligenz - Autonome Fahrzeuge (Daniel Göhring)
    Zeit: Mo 12:00-14:00, zusätzliche Termine siehe LV-Details (Erster Termin: 15.04.2024)
    Ort: T9/049 Seminarraum (Takustr. 9)
    

    Kommentar

    Inhalt:

    Das Seminar behandelt Themen rund um den Forschungsbereich autonome Fahrzeuge. Schwerpunkt sind Aufgaben, die als Grundlage einer Bachelor- oder Masterarbeit dienen sollen, wie z.B:

    • Erkennung von Personen/Fahrzeugen mit Vision
    • Kartengenerierung aus Trajektorien
    • C2C-/C2X-Kommunikation
    • Objekttracking-/prediction
    • Sensor- / Datenfusion
    • Lokalisierung mit Map Matching
    • Befahrbarkeitskarte/Erkennung von Freiflächen mit Stereo-Vision
    • Pfadplanung (RRT, A*, Potential Fields)
    • Automatische Sensorkalibrierung
    • Kartenformate

    Eigene Themen können vorgeschlagen werden. Das Seminar wird als Blockveranstaltung durchgeführt.

  • 19313017 Seminar/Proseminar
    S/PS: Entscheidungen im Software Engineering (Lutz Prechelt, Linus Ververs)
    Zeit: Mo 12:00-14:00 (Erster Termin: 15.04.2024)
    Ort: T9/053 Seminarraum (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Webseite

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

    Zielgruppe:

    • Proseminar: Bachelorstudierende, die das Modul "Wissenschaftliches Arbeiten in der Informatik" besuchen / besucht haben und im Rahmen dieses Seminars das erste Mal das gelernte Wissen anwenden und wissenschaftlich arbeiten.
    • Seminar: Fortgeschrittene Bachelorstudierende, die das Modul im Rahmen ihres Vertiefungsbereichs besuchen oder Masterstudierende

     

    Voraussetzungen:

    Das Modul Softwaretechnik bereits besucht zu haben, wird dringend empfohlen (Falls nicht, bitte im Voraus Kontakt zum Dozenten aufnehmen)

    Kommentar

    Software Engineering (Deutsch: Softwaretechnik) wird durch die IEEE definiert als:

    “The application of a systematic, disciplined, quantifiable approach to the development, operation, and maintenance of software; that is, the application of engineering to software.” (“IEEE Standard Glossary of Software Engineering Terminology," in IEEE Std 610.12-1990 , vol., no., pp.1-84, 31 Dec. 1990, doi: 10.1109/IEEESTD.1990.101064.)

    Software Engineering beschreibt also den Prozess wie Software entwickelt wird. Dieser Prozess ist gekennzeichnet von einer Vielzahl an Entscheidungen, die entweder das zu entwickelnde Produkt (die zu entwickelnde Software) oder den Entwicklungsprozess selbst betreffen.

    Im Rahmen dieses Seminars nehmen wir unterschiedlichen Arten von Entscheidungen unter die Lupe und betrachten den aktuellen Forschungsstand. Dazu bereiten die Teilnehmer*innen einen Vortrag und eine wissenschaftliche Ausarbeitung zu einem der folgenden Themenkreise vor (auch andere zu dem Seminar passende Themenkreise sind denkbar):

    • Wie treffen einzelne Menschen Entscheidungen? Welche Erkenntnisse aus der Psychologie sind wichtig für den Softwareentwicklungsprozess?
    • Wie treffen Gruppen von Menschen Entscheidungen? Welche Erkenntnisse aus der Soziologie und den Wirtschaftswissenschaften lassen sich auf den Softwareentwicklungsprozess übertragen?
    • Welche Softwareentwicklungsprozessmodelle gibt es und wie entscheiden sich Organisationen zwischen ihnen?
    • Entscheidungen zur Priorisierung von Anforderungen im Software Engineering
    • Entscheidungen zum Design der Software: wie wird Software designt?
    • Was sind technische Schulden und warum und wann werden diese aufgenommen?
    • Refactorings: Warum, wann und in welchem Umfang entscheiden sich Organisationen für Refactorings?
    • Rekrutierung von Entwicklern: Wie wählen Organisationen für sie passende Entwickler aus?
    • Paar-Programmierung: Was ist das? Wie funktioniert der Wissenstransfer in der Paar-Programmierung? Treffen Entwickler zu zweit bessere Entscheidungen?

    Die Studierenden sollen im Rahmen dieses Seminars selbstständig zu dem von Ihnen ausgewählten Themenkreis recherchieren. Ob die Veranstaltung als Seminar oder Proseminar gebucht wird, hat Einfluss auf die Anforderungen:

    • Seminar: Hier sollen mehrere gute Quelle (3-5) gefunden und eine Zusammenschau der Ergebnisse vorgestellt werden. Das Ziel ist in erster Linie Empfehlungen zum SE-Prozess herauszuarbeiten.
    • Proseminar: Hier soll eine gute Quelle gefunden und ausführlich vorgestellt werden. Auf weitere verwandte Arbeiten einzugehen ist die Kür.

    Bei den vorgestellten wissenschaftlichen Artikel sollen die vorgestellten Schlussfolgerungen kritisch im Hinblick auf Glaubwürdigkeit und Relevanz betrachtet werden.

    Literaturhinweise

    Die zur Auswahl stehenden Artikel finden Sie im Ressourcen-Ordner der KVV-Seite.

  • 19313310 Proseminar
    Proseminar: Interactive Intelligent Systems - A Human-Centered Perspective (Claudia Müller-Birn, Valeria Zitz)
    Zeit: Di 14:00-16:00 (Erster Termin: 16.04.2024)
    Ort: T9/053 Seminarraum (Takustr. 9)
    

    Kommentar

    In diesem Proseminar tauchen wir in das faszinierende Gebiet der Interaktiven Intelligenten Systeme (IIS) ein, die Technologien der künstlichen Intelligenz wie die Verarbeitung natürlicher Sprache nutzen. Wir konzentrieren uns auf den Entwurf, die Implementierung und die Bewertung dieser Systeme, wobei sowohl die eingesetzte KI-Technologie als auch die Interaktion des Users mit dem System berücksichtigt werden. Interaktive intelligente Systeme umfassen eine breite Palette von Ansätzen, einschließlich KI-Systeme, Empfehlungssysteme, Benutzerschnittstellen und intelligente agenten-zentrierte Ansätze.

    Während des gesamten Seminars nehmen wir eine menschenzentrierte Perspektive ein und betonen die Interaktion zwischen dem technischen System und dem menschlichen User. Indem wir die bestehenden Möglichkeiten und Grenzen im Bereich der Mensch-Computer-Interaktion untersuchen, wollen wir Erkenntnisse darüber gewinnen, wie die Benutzererfahrung verbessert werden kann.

    Zu Beginn eines jeden Semesters geben wir eine umfassende Einführung in das jeweilige Jahresthema. Darauf aufbauend haben die Studierenden die Möglichkeit, bestehende Ansätze, Methoden und Implementierungen zum Thema vorzustellen und zu diskutieren. Gemeinsam erstellen wir eine Mind Map, die das kollektive Verständnis des Themas visuell festhält.

    Von jedem Teilnehmer wird erwartet, dass er das von ihm gewählte Thema aus dem Bereich der interaktiven intelligenten Systeme selbständig vorbereitet, präsentiert und mit der Klasse diskutiert. Diese Präsentationen dienen als Plattform für die Weitergabe von Erkenntnissen, den Austausch von Ideen und die Förderung des kritischen Denkens unter Gleichaltrigen.

    Basierend auf den Ergebnissen der Diskussionen müssen die Studenten einen schriftlichen wissenschaftlichen Artikel verfassen, der das Wissen und die Erkenntnisse aus dem Seminar zusammenfasst. Dieser Bericht wird bewertet und bietet den Studierenden die Möglichkeit, ihr Verständnis und ihre analytischen Fähigkeiten unter Beweis zu stellen.

    Literaturhinweise

    Jameson, A., & Riedl, J. (2011). Introduction to the Transactions on Interactive Intelligent Systems. TiiS, 1(1), 1–6. http://doi.org/10.1145/2030365.2030366

    Terveen, L. G. (1995). Overview of human-computer collaboration. Knowledge-Based Systems, 8(2-3), 67–81. http://doi.org/10.1016/0950-7051(95)98369-H

    Farooq, U., & Grudin, J. (2016). Human-computer integration. Interactions, 23(6), 26–32. http://doi.org/10.1145/3001896

  • 19328217 Seminar/Proseminar
    Seminar/Proseminar: New Trends in Information Systems (Muhammed-Ugur Karagülle)
    Zeit: Mi 10:00-12:00 (Erster Termin: 17.04.2024)
    Ort: A7/SR 031 (Arnimallee 7)
    

    Kommentar

    Ziel dieses Seminars ist es, aktuelle Trends im Datenmanagement zu untersuchen. Wir werden uns unter anderem mit zwei aufstrebenden Themen beschäftigen: Location Based Services (LBS) und Event-Based Services (EBS).

    Event-Based Systems (EBS) sind Teil vieler aktueller Anwendungen wie Überwachung von Geschäftsaktivitäten, Börsenticker, Facility Management, Datenstreaming oder Sicherheit. In den vergangenen Jahren hat das Thema sowohl in der Industrie als auch in der Wissenschaft zunehmend an Bedeutung gewonnen. Aktuelle Forschungsschwerpunkte konzentrieren sich auf verschiedene Aspekte, die von Ereigniserfassung (eingehende Daten) bis zur Auslösung von Reaktionen reichen. Dieses Seminar zielt darauf ab, einige der aktuellen Trends in Event-basierten Systemen mit einem starken Fokus auf Modelle und Design zu studieren. Ortsbasierte Dienste sind heutzutage oft Teil des täglichen Lebens durch Anwendungen wie Navigationsassistenten im öffentlichen oder privaten Transportbereich. Die zugrundeliegende Technologie befasst sich mit vielen verschiedenen Aspekten, z. B. Standortbestimmung, Informationsabruf oder Datenschutz. In jüngerer Zeit wurden Aspekte wie der Benutzerkontext und Präferenzen berücksichtigt, um den Benutzern mehr personalisierte Informationen zu senden.

    Ein solider Hintergrund in Datenbanken ist erforderlich, typischerweise ein Datenbankkurs auf Bachelor-Niveau.

    Literaturhinweise

    Wird bekannt gegeben.

  • 19329617 Seminar/Proseminar
    Seminar/Proseminar: IoT im Smart Home (Larissa Groth)
    Zeit: Di 14:00-16:00 (Erster Termin: 16.04.2024)
    Ort: K 063 Hardwarepraktikum (Takustr. 9)
    

    Kommentar

    Dieses Seminar konzentriert sich auf verschiedene Aspekte der Technischen Informatik. Zu Beginn des Seminars werden Themenvorschläge ausgegeben, die sich vor allem mit Teilaspekten des Internets der Dinge und Sicherheitsaspekten in Smart Homes befassen. Auch eigene Themenvorschläge sind möglich und erwünscht, der Bezug zur Technischen Informatik muss aber gegeben sein. Die Bearbeitung der Themen kann alleine oder in Kleingruppen (2 Studierende) erfolgen. Dann muss aber deutlich werden, wer welchen Teil zur Seminararbeit beigetragen hat.
    
    Zum Ablauf: Dieses Seminar findet Semester-begleitend statt. Es gibt wenige Meetings, diese sind aber verpflichtend. Am ersten Termin (16.04.2024) wird die Themenliste ausgegeben und besprochen. Bitte bereiten Sie einen kurzen (2-3 Minuten) Abriss Ihres eigenen Themenvorschlages vor, wenn Sie diesen in das Seminar einbringen möchten. Zur nächsten Woche (23.04.2024, kein Präsenztermin!) erfolgt dann die Themenvergabe per Whiteboard Assignment. Danach gibt es insgesamt 3 Präsentationstermine: die Themenvorstellung (07.05.2024), eine kurze Zwischenpräsentation (04.06.2024 und 11.06.2024) und die Abschlusspräsentation (09.07.2024, 16.07.2024 und ggfs. 23.07.2024).

  • 19331617 Seminar/Proseminar
    Seminar/Proseminar: Informationstheoretische Grundlagen von ML (Gerhard Wunder)
    Zeit: Fr 12:00-14:00 (Erster Termin: 19.04.2024)
    Ort: T9/051 Seminarraum (Takustr. 9)
    

    Kommentar

    Dieses (Pro-)Seminar findet regelmäßig jedes Semester statt und richtet sich an Bachelor- und Masterstudierende.  Es behandelt grundlegende und fortgeschrittene (aktuelle) Themen der informationstheoretischen Grundlagen des Maschinellen Lernens.  Eine indikative, aber nicht vollständige Liste möglicher Themen ist:

    •  Wahrscheinlichkeitsverteilungen
    •  Elemente der Lerntheorie
    •  Entropie-Maßnahmen, Cross-Entropie
    •  Gegenseitige Information und Entfernungsmetriken über Wahrscheinlichkeitsverteilungen
    •  Lernen von Kompression und Repräsentation
    •  Autoencoder und variable Autoencoder
    •  ML zum Schutz der Privatsphäre
    •  Robustheit, Adversarial ML
    •  Mustererkennung und Anomalieerkennung
    •  Statistische Signalverarbeitung und maschinelles Lernen
    •  Moderne generative modelle (Diffusionsmodelle, Transformer, ...)
    •  NLP
    •  Kausalität und Informationsdekomposition
    •  ...

  • 19336717 Seminar/Proseminar
    Von Krankenakten zu Proteinen: Datenbanken für biomedizinische Daten und ihre Bedeutung für die Forschung (Katharina Baum)
    Zeit: Fr 10:00-12:00, zusätzliche Termine siehe LV-Details (Erster Termin: 12.04.2024)
    Ort: T9/SR 006 Seminarraum (Takustr. 9)
    

    Kommentar

    In diesem Hauptseminar lernen Sie verschiedenste Datenbanken, ihren Aufbau und ihre programmatische Nutzung kennen. Wichtiger Bestandteil wird zudem die Diskussion der Bedeutung der darin abgelegten Daten und ihre Nutzung anhand aktueller Forschungsarbeiten.

    Beispiele für mögliche behandelte Datenbanken sind

    • MIMIC (elektronische Krankenakten),
    • STRING (Protein-Protein Interaktion),
    • Drugbank (Medikamente),
    • PRIDE (Proteinmessungen),
    • GEO (für genomische Daten), etc.

    Jede Datenbank soll am Ende des Vortrags im Kurs von allen Teilnehmenden vor Ort für die Beantwortung einer Frage benutzt werden (das Setup bereitet jeweils die vortragende Person vor) - bringen Sie also Ihren Laptop mit!

    Bachelorstudierende können an diesem Seminar teilnehmen, aber Inhalte sind sehr fortgeschritten und stammen weitestgehend aus aktueller Forschung. Grundlegende Literatur ist auf Englisch, daher sind gute Englischkenntnise erforderlich.

    Wir werden uns am Fr, 12.4.2024 um 10:15 Uhr (in einem hybriden Setting, bitte für Raum & Zugang die Ankündigung im Whiteboard beachten) zur Vorbesprechung und Themenvergabe treffen. Bitte kontaktieren Sie uns vorab (katharina.baum@fu-berlin.de), sollten Sie am Seminar teilnehmen wollen und diesen Termin nicht wahrnehmen können.

• Wissenschaftliches Arbeiten Praktische Informatik

  0086cB1.4
  • 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.

  • 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.

  • 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.

  • 19311917 Seminar/Proseminar
    Seminar/Proseminar: Künstliche Intelligenz - Autonome Fahrzeuge (Daniel Göhring)
    Zeit: Mo 12:00-14:00, zusätzliche Termine siehe LV-Details (Erster Termin: 15.04.2024)
    Ort: T9/049 Seminarraum (Takustr. 9)
    

    Kommentar

    Inhalt:

    Das Seminar behandelt Themen rund um den Forschungsbereich autonome Fahrzeuge. Schwerpunkt sind Aufgaben, die als Grundlage einer Bachelor- oder Masterarbeit dienen sollen, wie z.B:

    • Erkennung von Personen/Fahrzeugen mit Vision
    • Kartengenerierung aus Trajektorien
    • C2C-/C2X-Kommunikation
    • Objekttracking-/prediction
    • Sensor- / Datenfusion
    • Lokalisierung mit Map Matching
    • Befahrbarkeitskarte/Erkennung von Freiflächen mit Stereo-Vision
    • Pfadplanung (RRT, A*, Potential Fields)
    • Automatische Sensorkalibrierung
    • Kartenformate

    Eigene Themen können vorgeschlagen werden. Das Seminar wird als Blockveranstaltung durchgeführt.

  • 19313017 Seminar/Proseminar
    S/PS: Entscheidungen im Software Engineering (Lutz Prechelt, Linus Ververs)
    Zeit: Mo 12:00-14:00 (Erster Termin: 15.04.2024)
    Ort: T9/053 Seminarraum (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Webseite

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

    Zielgruppe:

    • Proseminar: Bachelorstudierende, die das Modul "Wissenschaftliches Arbeiten in der Informatik" besuchen / besucht haben und im Rahmen dieses Seminars das erste Mal das gelernte Wissen anwenden und wissenschaftlich arbeiten.
    • Seminar: Fortgeschrittene Bachelorstudierende, die das Modul im Rahmen ihres Vertiefungsbereichs besuchen oder Masterstudierende

     

    Voraussetzungen:

    Das Modul Softwaretechnik bereits besucht zu haben, wird dringend empfohlen (Falls nicht, bitte im Voraus Kontakt zum Dozenten aufnehmen)

    Kommentar

    Software Engineering (Deutsch: Softwaretechnik) wird durch die IEEE definiert als:

    “The application of a systematic, disciplined, quantifiable approach to the development, operation, and maintenance of software; that is, the application of engineering to software.” (“IEEE Standard Glossary of Software Engineering Terminology," in IEEE Std 610.12-1990 , vol., no., pp.1-84, 31 Dec. 1990, doi: 10.1109/IEEESTD.1990.101064.)

    Software Engineering beschreibt also den Prozess wie Software entwickelt wird. Dieser Prozess ist gekennzeichnet von einer Vielzahl an Entscheidungen, die entweder das zu entwickelnde Produkt (die zu entwickelnde Software) oder den Entwicklungsprozess selbst betreffen.

    Im Rahmen dieses Seminars nehmen wir unterschiedlichen Arten von Entscheidungen unter die Lupe und betrachten den aktuellen Forschungsstand. Dazu bereiten die Teilnehmer*innen einen Vortrag und eine wissenschaftliche Ausarbeitung zu einem der folgenden Themenkreise vor (auch andere zu dem Seminar passende Themenkreise sind denkbar):

    • Wie treffen einzelne Menschen Entscheidungen? Welche Erkenntnisse aus der Psychologie sind wichtig für den Softwareentwicklungsprozess?
    • Wie treffen Gruppen von Menschen Entscheidungen? Welche Erkenntnisse aus der Soziologie und den Wirtschaftswissenschaften lassen sich auf den Softwareentwicklungsprozess übertragen?
    • Welche Softwareentwicklungsprozessmodelle gibt es und wie entscheiden sich Organisationen zwischen ihnen?
    • Entscheidungen zur Priorisierung von Anforderungen im Software Engineering
    • Entscheidungen zum Design der Software: wie wird Software designt?
    • Was sind technische Schulden und warum und wann werden diese aufgenommen?
    • Refactorings: Warum, wann und in welchem Umfang entscheiden sich Organisationen für Refactorings?
    • Rekrutierung von Entwicklern: Wie wählen Organisationen für sie passende Entwickler aus?
    • Paar-Programmierung: Was ist das? Wie funktioniert der Wissenstransfer in der Paar-Programmierung? Treffen Entwickler zu zweit bessere Entscheidungen?

    Die Studierenden sollen im Rahmen dieses Seminars selbstständig zu dem von Ihnen ausgewählten Themenkreis recherchieren. Ob die Veranstaltung als Seminar oder Proseminar gebucht wird, hat Einfluss auf die Anforderungen:

    • Seminar: Hier sollen mehrere gute Quelle (3-5) gefunden und eine Zusammenschau der Ergebnisse vorgestellt werden. Das Ziel ist in erster Linie Empfehlungen zum SE-Prozess herauszuarbeiten.
    • Proseminar: Hier soll eine gute Quelle gefunden und ausführlich vorgestellt werden. Auf weitere verwandte Arbeiten einzugehen ist die Kür.

    Bei den vorgestellten wissenschaftlichen Artikel sollen die vorgestellten Schlussfolgerungen kritisch im Hinblick auf Glaubwürdigkeit und Relevanz betrachtet werden.

    Literaturhinweise

    Die zur Auswahl stehenden Artikel finden Sie im Ressourcen-Ordner der KVV-Seite.

  • 19323111 Seminar
    Seminar: Security Engineering (Jörn Eichler)
    Zeit: Fr 10:00-12:00, zusätzliche Termine siehe LV-Details (Erster Termin: 19.04.2024)
    Ort: T9/051 Seminarraum (Takustr. 9)
    

    Kommentar

    In diesem Seminar werden aktuelle Herausforderungen bei der Entwicklung sicherer IT-Systeme behandelt. Dabei werden Themen aus dem gesamten Entwicklungszyklus berücksichtigt – von der Risikobeurteilung im Rahmen der Anforderungsanalyse über die Modellierung und Bewertung von Schutzkonzepten bis zu Analysetechniken für Softwareartefakte.

    Teilnehmende erstellen semesterbegleitend in mehreren Schritten eine wissenschaftliche Ausarbeitung und stellen diese im Seminar vor. Zwischenergebnisse werden gemeinsam im Rahmen eines Peer Reviews diskutiert. Je nach Themenwahl kann auch eine praktische Aufgabe bearbeitet werden.

    Die Teilnahme an der Veranstaltung kann wahlweise auf Deutsch oder Englisch erfolgen.

    Die  Veranstaltung wird als Blockseminar n.V. stattfinden, Vorbesprechung am Freitag, den 19.4. um 12.00 h im SR 006.

  • 19328217 Seminar/Proseminar
    Seminar/Proseminar: New Trends in Information Systems (Muhammed-Ugur Karagülle)
    Zeit: Mi 10:00-12:00 (Erster Termin: 17.04.2024)
    Ort: A7/SR 031 (Arnimallee 7)
    

    Kommentar

    Ziel dieses Seminars ist es, aktuelle Trends im Datenmanagement zu untersuchen. Wir werden uns unter anderem mit zwei aufstrebenden Themen beschäftigen: Location Based Services (LBS) und Event-Based Services (EBS).

    Event-Based Systems (EBS) sind Teil vieler aktueller Anwendungen wie Überwachung von Geschäftsaktivitäten, Börsenticker, Facility Management, Datenstreaming oder Sicherheit. In den vergangenen Jahren hat das Thema sowohl in der Industrie als auch in der Wissenschaft zunehmend an Bedeutung gewonnen. Aktuelle Forschungsschwerpunkte konzentrieren sich auf verschiedene Aspekte, die von Ereigniserfassung (eingehende Daten) bis zur Auslösung von Reaktionen reichen. Dieses Seminar zielt darauf ab, einige der aktuellen Trends in Event-basierten Systemen mit einem starken Fokus auf Modelle und Design zu studieren. Ortsbasierte Dienste sind heutzutage oft Teil des täglichen Lebens durch Anwendungen wie Navigationsassistenten im öffentlichen oder privaten Transportbereich. Die zugrundeliegende Technologie befasst sich mit vielen verschiedenen Aspekten, z. B. Standortbestimmung, Informationsabruf oder Datenschutz. In jüngerer Zeit wurden Aspekte wie der Benutzerkontext und Präferenzen berücksichtigt, um den Benutzern mehr personalisierte Informationen zu senden.

    Ein solider Hintergrund in Datenbanken ist erforderlich, typischerweise ein Datenbankkurs auf Bachelor-Niveau.

    Literaturhinweise

    Wird bekannt gegeben.

  • 19334011 Seminar
    Seminar: Explainable AI for Decision Making (Grégoire Montavon)
    Zeit: Mi 14:00-16:00, zusätzliche Termine siehe LV-Details (Erster Termin: 17.04.2024)
    Ort: A7/SR 031 (Arnimallee 7)
    

    Kommentar

    Explainable AI is a recent and growing subfield of machine learning (ML) that aims to bring transparency into ML models without sacrificing their predictive accuracy. This seminar will explore current research on the use of Explainable AI for building models whose decisions are more trustworthy. Techniques to verify existing models and to correct flaws identified by the user from explanations will be covered. Students will select a few papers from a pool of thematically relevant research papers, which they will read and present over the course of the semester.

  • 19335011 Seminar
    Netzwerke, dynamische Modelle und ML für Datenintegration in den Lebenswissenschaften (Katharina Baum, Pascal Iversen)
    Zeit: Fr 12:00-13:30 (Erster Termin: 19.04.2024)
    Ort: T9/137 Konferenzraum (Takustr. 9)
    

    Kommentar

    Forschungsseminar der Arbeitsgruppe Katharina Baum, Data Integration in the Life Sciences. Auch offen für Seminarteilnahmen im Masterstudium, Online-Teilnahme möglich. Bitte entnehmen Sie Termine dem aktuellen Plan im Whiteboard!

  • 19336717 Seminar/Proseminar
    Von Krankenakten zu Proteinen: Datenbanken für biomedizinische Daten und ihre Bedeutung für die Forschung (Katharina Baum)
    Zeit: Fr 10:00-12:00, zusätzliche Termine siehe LV-Details (Erster Termin: 12.04.2024)
    Ort: T9/SR 006 Seminarraum (Takustr. 9)
    

    Kommentar

    In diesem Hauptseminar lernen Sie verschiedenste Datenbanken, ihren Aufbau und ihre programmatische Nutzung kennen. Wichtiger Bestandteil wird zudem die Diskussion der Bedeutung der darin abgelegten Daten und ihre Nutzung anhand aktueller Forschungsarbeiten.

    Beispiele für mögliche behandelte Datenbanken sind

    • MIMIC (elektronische Krankenakten),
    • STRING (Protein-Protein Interaktion),
    • Drugbank (Medikamente),
    • PRIDE (Proteinmessungen),
    • GEO (für genomische Daten), etc.

    Jede Datenbank soll am Ende des Vortrags im Kurs von allen Teilnehmenden vor Ort für die Beantwortung einer Frage benutzt werden (das Setup bereitet jeweils die vortragende Person vor) - bringen Sie also Ihren Laptop mit!

    Bachelorstudierende können an diesem Seminar teilnehmen, aber Inhalte sind sehr fortgeschritten und stammen weitestgehend aus aktueller Forschung. Grundlegende Literatur ist auf Englisch, daher sind gute Englischkenntnise erforderlich.

    Wir werden uns am Fr, 12.4.2024 um 10:15 Uhr (in einem hybriden Setting, bitte für Raum & Zugang die Ankündigung im Whiteboard beachten) zur Vorbesprechung und Themenvergabe treffen. Bitte kontaktieren Sie uns vorab (katharina.baum@fu-berlin.de), sollten Sie am Seminar teilnehmen wollen und diesen Termin nicht wahrnehmen können.

• Wissenschaftliches Arbeiten Theoretische Informatik

  0086cB1.5
  • 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.

  • 19306711 Seminar
    Seminar über Komplexitätstheorie (Michaela Krüger)
    Zeit: Do 14:00-16:00 (Erster Termin: 18.04.2024)
    Ort: T9/SR 006 Seminarraum (Takustr. 9)
    

    Kommentar

    Inhalt

    Die bekannten Komplexitätsklassen P und NP klassifizieren Entscheidungsprobleme. In vielen Fällen ist man aber daran interessiert, _was_ die Lösung ist, und nicht nur ob eine Lösung existiert. In diesem Seminar wollen wir uns anschauen, in welche Komplexitätsklassen man Suchprobleme klassifizieren kann und wann und wie sich die Komplexität von ihren Entscheidungsversionen unterscheiden.
    Insbesondere betrachten wir totale Suchprobleme, also Probleme die immer eine Lösung haben die dennoch schwer zu finden ist. Komplexitätsklassen mit denen wir uns beschäftigen werden sind zum Beispiel PLS, PPAD, PPP, CLS/EOPL/PLS geschnitten PPAD und UEOPL.
    Die Literatur ist in Englisch, die Vorträge können auf Deutsch oder Englisch sein, abhängig vom Publikum.

     

    Zielgruppe

    Master-Studierende der Informatik oder Mathematik

    Empfohlene Vorkenntnisse

    - Vorlesung "Höhere Algorithmik" oder vergleichbare Veranstaltung

    - P, NP und Reduktionen sind bekannt

     

    Literaturhinweise

    Spezialliteratur aus Zeitschriften

  • 19331617 Seminar/Proseminar
    Seminar/Proseminar: Informationstheoretische Grundlagen von ML (Gerhard Wunder)
    Zeit: Fr 12:00-14:00 (Erster Termin: 19.04.2024)
    Ort: T9/051 Seminarraum (Takustr. 9)
    

    Kommentar

    Dieses (Pro-)Seminar findet regelmäßig jedes Semester statt und richtet sich an Bachelor- und Masterstudierende.  Es behandelt grundlegende und fortgeschrittene (aktuelle) Themen der informationstheoretischen Grundlagen des Maschinellen Lernens.  Eine indikative, aber nicht vollständige Liste möglicher Themen ist:

    •  Wahrscheinlichkeitsverteilungen
    •  Elemente der Lerntheorie
    •  Entropie-Maßnahmen, Cross-Entropie
    •  Gegenseitige Information und Entfernungsmetriken über Wahrscheinlichkeitsverteilungen
    •  Lernen von Kompression und Repräsentation
    •  Autoencoder und variable Autoencoder
    •  ML zum Schutz der Privatsphäre
    •  Robustheit, Adversarial ML
    •  Mustererkennung und Anomalieerkennung
    •  Statistische Signalverarbeitung und maschinelles Lernen
    •  Moderne generative modelle (Diffusionsmodelle, Transformer, ...)
    •  NLP
    •  Kausalität und Informationsdekomposition
    •  ...

  • 19335011 Seminar
    Netzwerke, dynamische Modelle und ML für Datenintegration in den Lebenswissenschaften (Katharina Baum, Pascal Iversen)
    Zeit: Fr 12:00-13:30 (Erster Termin: 19.04.2024)
    Ort: T9/137 Konferenzraum (Takustr. 9)
    

    Kommentar

    Forschungsseminar der Arbeitsgruppe Katharina Baum, Data Integration in the Life Sciences. Auch offen für Seminarteilnahmen im Masterstudium, Online-Teilnahme möglich. Bitte entnehmen Sie Termine dem aktuellen Plan im Whiteboard!

• Wissenschaftliches Arbeiten Technische Informatik

  0086cB1.6
  • 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.

  • 19329617 Seminar/Proseminar
    Seminar/Proseminar: IoT im Smart Home (Larissa Groth)
    Zeit: Di 14:00-16:00 (Erster Termin: 16.04.2024)
    Ort: K 063 Hardwarepraktikum (Takustr. 9)
    

    Kommentar

    Dieses Seminar konzentriert sich auf verschiedene Aspekte der Technischen Informatik. Zu Beginn des Seminars werden Themenvorschläge ausgegeben, die sich vor allem mit Teilaspekten des Internets der Dinge und Sicherheitsaspekten in Smart Homes befassen. Auch eigene Themenvorschläge sind möglich und erwünscht, der Bezug zur Technischen Informatik muss aber gegeben sein. Die Bearbeitung der Themen kann alleine oder in Kleingruppen (2 Studierende) erfolgen. Dann muss aber deutlich werden, wer welchen Teil zur Seminararbeit beigetragen hat.
    
    Zum Ablauf: Dieses Seminar findet Semester-begleitend statt. Es gibt wenige Meetings, diese sind aber verpflichtend. Am ersten Termin (16.04.2024) wird die Themenliste ausgegeben und besprochen. Bitte bereiten Sie einen kurzen (2-3 Minuten) Abriss Ihres eigenen Themenvorschlages vor, wenn Sie diesen in das Seminar einbringen möchten. Zur nächsten Woche (23.04.2024, kein Präsenztermin!) erfolgt dann die Themenvergabe per Whiteboard Assignment. Danach gibt es insgesamt 3 Präsentationstermine: die Themenvorstellung (07.05.2024), eine kurze Zwischenpräsentation (04.06.2024 und 11.06.2024) und die Abschlusspräsentation (09.07.2024, 16.07.2024 und ggfs. 23.07.2024).

• Bildverarbeitung

  0089cA1.1
  • 19303001 Vorlesung
    Bildverarbeitung (Daniel Göhring)
    Zeit: Di 12:00-14:00 (Erster Termin: 16.04.2024)
    Ort: T9/SR 006 Seminarraum (Takustr. 9)
    

    Kommentar

    In der Vorlesung werden grundlegende Methoden der Bildverarbeitung vorgestellt. Folgende Themen werden behandelt:

    • Bilder, Bildsensoren
    • Farbräume
    • Bildstatistiken
    • Histogramme
    • Filterverfahren
    • Faltung und Faltungssatz
    • Diskrete Fouriertransformation
    • Schnelle Fouriertransformation
    • Diskrete Cosinustransformation
    • JPEG
    • Haar-Wavelets
    • Bildpyramiden
    • Bildmischung

     

    Literaturhinweise

    Rafael Gonzalez, C., and Richard Woods. "Digital image processing" Pearson Education.

  • 19303002 Übung
    Übung zu Bildverarbeitung (Daniel Göhring)
    Zeit: Do 12:00-14:00 (Erster Termin: 18.04.2024)
    Ort: T9/SR 005 Übungsraum (Takustr. 9)
    

• 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

• Softwareprojekt Praktische Informatik A

  0089cA1.23
  • 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.

  • 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, zusätzliche Termine siehe LV-Details (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

    ,,

  • 19329912 Projektseminar
    Softwareprojekt: Threat Assessment and Hacking Challenge (Volker Roth)
    Zeit: Di 10:00-12:00 (Erster Termin: 16.04.2024)
    Ort: T9/055 Seminarraum (Takustr. 9)
    

    Kommentar

    Students will be tasked to devise and implement a basic consumer electronic device of
    their choice (e.g. RFID tagging system, radio controller, keyboard) using a development platform
    (Propeller 1, Raspberry PI, Arduino), focusing on threat modelling and assessment for possible
    attacks on their device. At the half of the semester they will present their result and asked to assess
    and break into other groups UI prototypes, presenting once more their results at the end of the
    semester.

  • 19333912 Projektseminar
    Softwareprojekt: Lab Machine Learning for Data Science (Grégoire Montavon)
    Zeit: Fr 14:00-16:00 (Erster Termin: 19.04.2024)
    Ort: T9/K 036 Rechnerpoolraum (Takustr. 9)
    

    Kommentar

    The course will consist of applying machine learning techniques for extracting domain insights from real-world or simulated datasets. It will take the form of multiple lab exercises in Python, where the students will extract data, apply visualization techniques, train machine learning models on this data, use model selection/validation techniques, and finally apply interpretability techniques to extract domain insights from the learned models.
    
    Recommended prior course: Machine Learning for Data Science
    
    Format: Oral exam at the end of the semester
    
     

  • 19334212 Projektseminar
    Softwareprojekt: Maschinelles Lernen in den Lebenswissenschaften (Katharina Baum)
    Zeit: Di 14:00-16:00, Di 16:00-18:00, zusätzliche Termine siehe LV-Details (Erster Termin: 16.04.2024)
    Ort: T9/049 Seminarraum (Takustr. 9)
    

    Kommentar

    Während des Projektes werden wir verschiedene Machine-Learning (ML)-Methoden trainieren und die Ergebnisse evaluieren. Hierfür werden verschiedene, zum Teil große Datensätze aus dem Bereich der Lebenswissenschaften für das maschinelle Lernen vorbereitet und hinsichtlich einer vorher definierten Fragestellung analysiert. Die Fragestellung kann von uns ausgegeben und dicht an unseren Forschungsinteressen liegen oder gemeinsam mit uns erarbeitet werden. Eine konkrete Anwendung kann die personalisierte Medizin sein, wie etwa eine Vorhersage der Wirkung von Krebsmedikamenten anhand von umfassenden Daten von Krebszellen, oder auch zeitliche Vorhersagen, zum Beispiel von Infektionszahlen in Epidemien. Die Programmiersprache ist Python, und wir planen die Verwendung von modernen Python-Modulen für ML wie scikit-learn, TensorFlow oder PyTorch. Gute Python-Kenntnisse sind Voraussetzung. Das Ziel ist die Erstellung eines Python-Pakets, das für den konkreten Anwendungsfall wiederverwendbaren Code zur Präprozessierung, Training auf ML-Modelle und Evaluation der Ergebnisse mit Dokumentation (z.B. mit sphinx) liefert. Das Softwareprojekt findet semesterbegleitend statt.

    Update 22.04.: Wir haben noch Plätze frei!

    Bei Interesse und für die Anmeldung im CM meldet euch bitte bei uns pascal.iversen@fu-berlin.de und pauline.hiort@fu-berlin.de. 

    Wir bieten vorrausichtlich eins von zwei möglichen Projekten an:
    (1)    Active learning for drug reponse prediction in cancer: Das Projekt zielt darauf ab, durch aktives Lernen die Vorhersage von der Effizienz von Medikamenten bei Krebs mit Deep Learning Modellen zu verbessern.
    (2)    Deep learning for drug combination response prediction: Hier werdet ihr eine deep learning base-line implementieren für Medikamentenkombinationenvorhersagen und mit einer publizierten Methode vergleichen. Ihr werdet dann die Methoden mit randomisiertem Input testen.
    Im Whiteboard finden Sie mehr Informationen dazu.

  • 19334412 Projektseminar
    SWP: Szenario-Management im Future Security Lab (Larissa Groth)
    Zeit: Di 12:00-14:00 (Erster Termin: 16.04.2024)
    Ort: T9/K 040 Multimediaraum (Takustr. 9)
    

    Kommentar

    Das Projekt BeLIFE, Teil der AG Technische Informatik, konzentriert sich auf die Verbesserung des Wissenstransfers und des kommunikativen Austausches in der zivilen Sicherheitsforschung. Zentraler Bestandteil des Projekts ist das Future Security Lab, das in den Räumlichkeiten des Einstein Center Digital Future in Mitte beheimatet ist. Hier werden Politiker:innen von Bundes- und Landesebenen, aber auch Vertreter:innen aus Behörden und Organisationen mit Sicherheitsaufgaben willkommen geheißen. 

    Im Rahmen des Softwareprojekts entwickeln die Studierenden Konzepte, um die bestehende technische Infrastruktur des Raumes zu optimieren und kreativ weiterzuentwickeln. Ziel ist es insbesondere die Usability des Raumes auf Seiten der Wissenschaftler:innen zu erhöhen, aber auch die User Experience der Besuchenden zu verbessern. Um das zu erreichen, besteht das Softwareprojekt aus mehreren Teilbereichen, die sich entweder aus einem konkreten Problem ergeben, das es zu lösen gilt, oder kreative Herangehensweisen und Ideenreichtum erfordern. Die zu bearbeitenden Aufgaben generieren sich aus den Bereichen Systemadministration, Interfaceentwicklung sowie Licht-/Ton-Installation und -Orchestrierung und umfassen Problemstellungen wie paralleler Startup aller Rechner in einem Netzwerk über WakeOn LAN aus einer Web-App heraus oder die Optimierung der vorhandenen WebApp zur Szenariopräsentation. 

    Die Bearbeitung der Aufgabenstellung erfolgt ausschließlich in Kleingruppen (3-5 Studierende). Die Zusammenarbeit und Sicherung des entwickelten Codes erfolgt über das Fachbereichs-eigene Gitlab oder ein öffentliches Github. Die Ergebnisse sind geeignet zu dokumentieren, z.B. über die Readme-Dateien des Gits und ein gut strukturiertes Wiki. Modularität und Erweiterbarkeit des entwickelten Codes und eine top Dokumentation sind entscheidend für den Erfolg dieses Softwareprojekts!

    Zum Ablauf: Dieses Softwareprojekt findet Semesterbegleitend statt. Es gibt wenige Meetings in großer Runde mit allen Teilnehmenden, diese sind aber verpflichtend. Darüber hinaus gibt es kurze wöchentliche Treffen, in denen mind. 1 Gruppenmitglied über den aktuellen Stand berichtet, wobei wir hier im Verlauf eines Monats mit allen Mitgliedern gesprochen haben wollen. Der erste Termin (16.04.2024) wird in Berlin Mitte im Future Security Lab, Wilhelmstr. 67, 10117 Berlin, stattfinden. Im Rahmen dieses Termins werden die bereits implementierten Lösungen präsentiert und die Problemstellungen besprochen. Danach gibt es insgesamt 3 Präsentationstermine: die Präsentation eines ersten Ansatzes zur Problemlösung (07.05.2024), eine kurze Zwischenpräsentation (04.06.2024) und die Abschlusspräsentation (16.07.2024). 
    Die Studierenden erhalten zusätzlich regelmäßig die Möglichkeit, in den Räumlichkeiten des Future Security Labs zu arbeiten und sich so mit der Ausstattung vertraut zu machen. 

  • 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.

• Aktuelle Forschungsthemen der Praktischen Informatik

  0089cA1.27
  • 19302801 Vorlesung
    Angewandte Biometrie (Volker Roth, Andreas Wolf)
    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 (Volker Roth, Andreas Wolf)
    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, zusätzliche Termine siehe LV-Details (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, zusätzliche Termine siehe LV-Details (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)
    

• Künstliche Intelligenz

  0089cA1.9
  • 19303701 Vorlesung
    Künstliche Intelligenz (Grégoire Montavon)
    Zeit: Di 16:00-18:00, zusätzliche Termine siehe LV-Details (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)
    

• Softwareprojekt - Theoretische Informatik A

  0089cA2.10
  • 19308312 Projektseminar
    Softwareprojekt: Anwendungen von Algorithmen (Mahmoud Elashmawi)
    Zeit: Di 14:00-16:00 (Erster Termin: 16.04.2024)
    Ort: T9/SR 006 Seminarraum (Takustr. 9)
    

    Kommentar

    Inhalt

    Ein typisches Anwendungsgebiet von Algorithmen wird ausgewählt und softwaretechnisch behandelt. In diesem Semester soll es um Algorithmen zum Graphenzeichnen gehen. Das Ziel ist es, Programme zur Herstellung guter Zeichnungen zu schreiben und damit an dem Zeichenwettbewerb teilzunehmen, der im September im Zusammenhang mit der internationalen Konferenz über Graph Drawing and Network Visualization stattfindet.

    Voraussetzungen

    Grundkenntnisse in Entwurf und Analyse von Algorithmen

    Literaturhinweise

    je nach Anwendungsgebiet

• 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)
    

• 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

• Softwareprojekt - Technische Informatik A

  0089cA3.6
  • 19315312 Projektseminar
    Softwareprojekt: Verteilte Systeme (Justus Purat)
    Zeit: Di 12:00-14:00 (Erster Termin: 16.04.2024)
    Ort: T9/046 Seminarraum (Takustr. 9)
    

    Kommentar

    Das Softwareprojekt: Verteilte Systeme behandelt Themen aus verschiedenen Projekten der AG Zuverlässige Systeme. Dabei ist eine Aufgabenstellung selbstständig durch Entwurf, Implementierung und Testen zu bearbeiten.

    Das Softwareprojekt 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:
    - (Weiter-)Entwicklung einer Anwendung in Kooperation mit der Charité Berlin
    - Intelligente Clustersteuerung
    - SmartContract - Entwicklung
    - Tangle - Technologien als Alternative zur Blockchain für IoT

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

  • 19322512 Projektseminar
    Softwareprojekt: GPU Offloading and Compiler Optimization (Barry Linnert)
    Zeit: Mi 12:00-14:00, zusätzliche Termine siehe LV-Details (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/)

     

     

  • 19334412 Projektseminar
    SWP: Szenario-Management im Future Security Lab (Larissa Groth)
    Zeit: Di 12:00-14:00 (Erster Termin: 16.04.2024)
    Ort: T9/K 040 Multimediaraum (Takustr. 9)
    

    Kommentar

    Das Projekt BeLIFE, Teil der AG Technische Informatik, konzentriert sich auf die Verbesserung des Wissenstransfers und des kommunikativen Austausches in der zivilen Sicherheitsforschung. Zentraler Bestandteil des Projekts ist das Future Security Lab, das in den Räumlichkeiten des Einstein Center Digital Future in Mitte beheimatet ist. Hier werden Politiker:innen von Bundes- und Landesebenen, aber auch Vertreter:innen aus Behörden und Organisationen mit Sicherheitsaufgaben willkommen geheißen. 

    Im Rahmen des Softwareprojekts entwickeln die Studierenden Konzepte, um die bestehende technische Infrastruktur des Raumes zu optimieren und kreativ weiterzuentwickeln. Ziel ist es insbesondere die Usability des Raumes auf Seiten der Wissenschaftler:innen zu erhöhen, aber auch die User Experience der Besuchenden zu verbessern. Um das zu erreichen, besteht das Softwareprojekt aus mehreren Teilbereichen, die sich entweder aus einem konkreten Problem ergeben, das es zu lösen gilt, oder kreative Herangehensweisen und Ideenreichtum erfordern. Die zu bearbeitenden Aufgaben generieren sich aus den Bereichen Systemadministration, Interfaceentwicklung sowie Licht-/Ton-Installation und -Orchestrierung und umfassen Problemstellungen wie paralleler Startup aller Rechner in einem Netzwerk über WakeOn LAN aus einer Web-App heraus oder die Optimierung der vorhandenen WebApp zur Szenariopräsentation. 

    Die Bearbeitung der Aufgabenstellung erfolgt ausschließlich in Kleingruppen (3-5 Studierende). Die Zusammenarbeit und Sicherung des entwickelten Codes erfolgt über das Fachbereichs-eigene Gitlab oder ein öffentliches Github. Die Ergebnisse sind geeignet zu dokumentieren, z.B. über die Readme-Dateien des Gits und ein gut strukturiertes Wiki. Modularität und Erweiterbarkeit des entwickelten Codes und eine top Dokumentation sind entscheidend für den Erfolg dieses Softwareprojekts!

    Zum Ablauf: Dieses Softwareprojekt findet Semesterbegleitend statt. Es gibt wenige Meetings in großer Runde mit allen Teilnehmenden, diese sind aber verpflichtend. Darüber hinaus gibt es kurze wöchentliche Treffen, in denen mind. 1 Gruppenmitglied über den aktuellen Stand berichtet, wobei wir hier im Verlauf eines Monats mit allen Mitgliedern gesprochen haben wollen. Der erste Termin (16.04.2024) wird in Berlin Mitte im Future Security Lab, Wilhelmstr. 67, 10117 Berlin, stattfinden. Im Rahmen dieses Termins werden die bereits implementierten Lösungen präsentiert und die Problemstellungen besprochen. Danach gibt es insgesamt 3 Präsentationstermine: die Präsentation eines ersten Ansatzes zur Problemlösung (07.05.2024), eine kurze Zwischenpräsentation (04.06.2024) und die Abschlusspräsentation (16.07.2024). 
    Die Studierenden erhalten zusätzlich regelmäßig die Möglichkeit, in den Räumlichkeiten des Future Security Labs zu arbeiten und sich so mit der Ausstattung vertraut zu machen. 

• Analysis II

  0084dA1.2
  • 19211601 Vorlesung
    Analysis II Sommer (Holger Reich)
    Zeit: Di 10:00-12:00, Do 10:00-12:00, zusätzliche Termine siehe LV-Details (Erster Termin: 16.04.2024)
    Ort: A3/Hs 001 Hörsaal (Arnimallee 3-5)
    

    Kommentar

    Inhalt

    0. Ergänzungen zur Analysis I.
    1. Grundbegriffe der Topologie.
    2. Normierte und metrische Räume. Konvergenz. 
    3. Stetigkeit. Kompaktheit.
    4. Differentialrechnung mehrerer Veränderlicher. Partielle, totale und stetige Differenzierbarkeit. 
    5. Kurven und Kurvenintegrale
    6. Satz über die Umkehrfunktion. Satz über implizite Funktionen.

    Auf der Homepage finden Sie nähere Informationen zur Vorlesung.

    Literaturhinweise

    • Bröcker, Theodor, Analysis I, Analysis II und Analysis III, Spektrum der Wissenschaft-Verlag.
    • Forster, Otto, Analysis 2, Vieweg-Verlag.
    • Alle genannten Bücher sind auch über die Fachbibliothek der FU Berlin elektronisch verfügbar.

  • 19211602 Übung
    Übung zu Analysis II (Holger Reich)
    Zeit: Mo 10:00-12:00, Mi 10:00-12:00, Do 12:00-14:00, Do 16:00-18:00, zusätzliche Termine siehe LV-Details (Erster Termin: 15.04.2024)
    Ort: A3/SR 115 (Arnimallee 3-5)
    

• Lineare Algebra II

  0084dA1.5
  • 19211701 Vorlesung
    Lineare Algebra II Sommer (Alexandru Constantinescu)
    Zeit: Mo 12:00-14:00, Mi 12:00-14:00, zusätzliche Termine siehe LV-Details (Erster Termin: 15.04.2024)
    Ort: A3/Hs 001 Hörsaal (Arnimallee 3-5)
    

    Zusätzl. Angaben / Voraussetzungen

    Siehe http://page.mi.fu-berlin.de/werner99/.

    Kommentar

    Inhalt:

    • Determinanten
    • Eigenwerte und Eigenvektoren: Diagonalisierbarkeit, Trigonalisierbarkeit, Satz von Cayley-Hamilton, Jordansche Normalform
    • Bilinearformen
    • Vektorräume mit Skalarprodukt: Euklidische, unitäre Vektorräume, orthogonale Projektion, Isometrien, selbstadjungierte Abbildungen, Gram-Schmidt-Orthonormalisierungsverfahren, Hauptachsentransformation

    Voraussetzungen:
    
    Lineare Algebra I
    Literatur:
    Wird in der Vorlesung genannt.

  • 19211702 Übung
    Übung zu Lineare Algebra II (Alexandru Constantinescu)
    Zeit: Do 08:00-10:00, Do 10:00-12:00, Do 16:00-18:00, Fr 08:00-10:00, Fr 10:00-12:00 (Erster Termin: 18.04.2024)
    Ort: A3/019 Seminarraum (Arnimallee 3-5)
    

• Computerorientierte Mathematik II

  0084dA1.7
  • 19211901 Vorlesung
    Computerorientierte Mathematik II (5 LP) (Claudia Schillings)
    Zeit: Fr 12:00-14:00, zusätzliche Termine siehe LV-Details (Erster Termin: 19.04.2024)
    Ort: T9/Gr. Hörsaal (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Studierende der Mathematik (Monobachelor und Lehramt) und Bioinformatik, sowie Numerikinteressierte aus Physik, Informatik und anderen Natur- und Geisteswissenschaften.

    Kommentar

    Inhalt:

    Die Auswahl der behandelten numerischen Verfahren enthält Polynominterpolation, Newton-Cotes-Formeln zur numerische Integration und Euler-Verfahren für lineare Differentialgleichungen.

    Homepage: Alle aktuellen Informationen zu Vorlesung und Übungen

  • 19211902 Übung
    Übung zu Computerorientierte Mathematik II (Claudia Schillings)
    Zeit: Di 08:00-10:00, Di 16:00-18:00, Mi 16:00-18:00, Do 08:00-10:00, Fr 14:00-16:00 (Erster Termin: 16.04.2024)
    Ort: A3/ 024 Seminarraum (Arnimallee 3-5)
    

• Numerik I

  0084dA1.9
  • 19212001 Vorlesung
    Numerik I (Volker John)
    Zeit: Mo 10:00-12:00, Mi 10:00-12:00 (Erster Termin: 15.04.2024)
    Ort: KöLu24-26/SR 006 Neuro/Mathe (Königin-Luise-Str. 24 / 26)
    

    Kommentar

    Inhalt

    Die Numerik entwickelt und analysiert Methoden zur konstruktiven, letztlich zahlenmäßigen Lösung mathematischer Probleme. Angesichts der wachsenden Rechenleistung moderner Computer wächst die praktische Bedeutung numerischer Methoden bei der Simulation praktisch relevanter Phänomene.

    Aufbauend auf den Grundvorlesungen in Analysis und Linearer Algebra sowie auf CoMa I und II geht es in der Numerik I um folgende grundlegenden Fragestellungen: Bestapproximation, lineare Ausgleichsprobleme, weiterführende Verfahren für Interpolation und numerische Quadratur, Eigenwertprobleme, Anfangswertprobleme mit gewöhnlichen Differentialgleichungen

     

     

    Literaturhinweise

    * Stoer, Josef und Roland Bulirsch: Numerische Mathematik - eine Einführung, Band 1. Springer, Berlin, 2005, Aus dem FU-Netz auch online verfügbar. Link

    * Hanke-Bourgeois, M. (2006) Grundlagen der numerischen Mathematik und des wissenschaftlichen Rechnens. Mathematische Leitfäden. [Mathematical Text-books], second edn. Wiesbaden: B. G. Teubner, p. 840.

    * Schwarz, H.-R. & Köckler, N. (2011) Numerische Mathematik., 8th ed. edn. Studium. Wiesbaden: Vieweg+Teubner, p. 591.

    There will be lecture notes (only in German).

     

  • 19212002 Übung
    Übung zu Numerik I (Volker John)
    Zeit: Di 08:00-10:00, Di 12:00-14:00 (Erster Termin: 16.04.2024)
    Ort: T9/049 Seminarraum (Takustr. 9)
    

• Wissenschaftliches Arbeiten in der Mathematik

  0084dB1.1
  • 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

  • 19226511 Seminar
    Seminar Mehrskalenmethoden in molekularen Simulationen (Luigi Delle Site)
    Zeit: Fr 12:00-14:00 (Erster Termin: 19.04.2024)
    Ort: keine Angabe
    

    Zusätzl. Angaben / Voraussetzungen

    Audience: At least 6th semester with a background in statistical and quantum mechanics, Master students and PhD students (even postdocs) are welcome.

    Kommentar

    Content: The seminar will concern the discussion of state-of-art techniques in molecular simulation which allow for a simulation of several space (especially) and time scale within one computational approach.

    The discussion will concerns both, specific computational coding and conceptual developments.

    Literaturhinweise

    Related Basic Literature:

    (1) M.Praprotnik, L.Delle Site and K.Kremer, Ann.Rev.Phys.Chem.59, 545-571 (2008)

    (2) C.Peter, L.Delle Site and K.Kremer, Soft Matter 4, 859-869 (2008).

    (3) M.Praprotnik and L.Delle Site, in "Biomolecular Simulations: Methods and Protocols" L.Monticelli and E.Salonen Eds. Vol.924, 567-583 (2012) Methods Mol. Biol. Springer-Science

  • 19229917 Seminar/Proseminar
    Proseminar/Seminar Das Buch der Beweise (Pavle Blagojevic)
    Zeit: -
    Ort: keine Angabe
    

    Kommentar

    Das Ziel dieses Seminars ist es, Studierende mit schönen und bedeutsamen Beweisen aus allen Gebieten der Mathematik, für welche keine tiefe mathematische Kenntnisse nötig sind, vertraut zu machen. In diesem Seminar werden wir verschiedene Kapitel des berühmten Buches "Das BUCH der Beweise" von Martin Aigner und Günter Ziegler lesen und präsentieren. Es ist zu unserem Vorteil, dass das Buch in vielen verschiedenen Sprachen verfügbar ist, und dass es auf eine sehrzugängliche Art und Weise verfasst wurde. Es ist ein wöchentliches Treffen geplant, jede Woche wird es eine Präsentation von einem Studierenden geben. Weitere Details werden am ersten Termin besprochen. 

    Literaturhinweise

    Aigner & Ziegler: Das Buch der Beweise.

    Deutsche Version:
    https://link.springer.com/book/10.1007/978-3-642-02259-3

    English Version:
    https://link.springer.com/book/10.1007/978-3-662-57265-8

  • 19239911 Seminar
    Nonlinear Dynamics (Bernold Fiedler, Isabelle Schneider)
    Zeit: Do 14:00-16:00, zusätzliche Termine siehe LV-Details (Erster Termin: 18.04.2024)
    Ort: A7/SR 140 Seminarraum (Hinterhaus) (Arnimallee 7)
    

    Kommentar

    Studierende präsentieren aktuelle Paper über Themen aus dem Gebiet der Dynamischen Systeme.

     

  • 19247111 Seminar
    Gewöhnliche Differentialgleichungen (Marita Thomas, Robert Lasarzik)
    Zeit: Termine siehe LV-Details (Erster Termin: 16.04.2024)
    Ort: keine Angabe
    

    Kommentar

    Gewöhnliche Differentialgleichungen treten in vielen Anwendungen aus der Physik, Chemie, Biologie oder den Wirtschaftwissenschaften auf. Dieses Seminar erweitert die aus der Analysis III Vorlesung bekannten Inhalte. Behandelt werden u.A. Eigenwertprobleme und Stabilitätstheorie. 

  • 19247411 Seminar
    Seminar: Stochastik in Action (Nicolas Perkowski, Ana Djurdjevac)
    Zeit: Di 14:00-18:00, zusätzliche Termine siehe LV-Details (Erster Termin: 16.04.2024)
    Ort: T9/055 Seminarraum (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Zielgruppe: Das Seminar richtet sich an Masterstudierende (Anpassung des Niveaus durch Wahl geeigneter Projekte).
    Voraussetzungen: Stochastik I. Der parallele Besuch von Stochastik II wird empfohlen.

    Kommentar

    Inhalt: Ziel der Veranstaltung ist die praktische Umsetzung und Implementierung stochastischer Modelle und Methoden. Wir werden Algorithmen und statistische Methoden mit Anwendungen in der „echten Welt“ kennenlernen und die Studierenden werden diese implementieren und ggf. an Datensätzen ausprobieren. Konkrete Inhalte werden vorher auf der Webseite des Seminars genannt.

    Das Seminar wird als Blockveranstaltung stattfinden. In den ersten drei Wochen wird es drei Vorlesungen geben, in denen Grundlagen der Implementation von stochastischen Methoden erklärt werden (Zufallszahlen, Monte Carlo Simulation, deskriptive Statistik, Simulation von stochastischen Prozessen). Die Studierenden erhalten zu Beginn des Semesters verschiedene Projekte, die sie bis Semesterende ausarbeiten und implementieren. In den letzten Semesterwochen wird es mehrere Termine mit kurzen Studierendenvorträgen geben, in denen die Projektergebnisse vorgestellt werden.

    Nähere Informationen finden Sie auf der Homepage des Seminars.

    Literaturhinweise

    Literatur wir in der Vorbesprechung bekanntgegeben.

    Literature will be announced in the preliminary discussion

• Spezialthemen der Mathematik

  0084dB2.11
  • 19248102 Übung
    Mathematik und Nachhaltigkeit (Sofia Garzón Mora)
    Zeit: Mo 12:00-14:00 (Erster Termin: 15.04.2024)
    Ort: A3/019 Seminarraum (Arnimallee 3-5)
    
  • 19248103 Vorlesung/Übung
    Mathematik und Nachhaltigkeit (Georg Loho, Jan-Hendrik de Wiljes, Sofia Garzón Mora, Benedikt Weygandt)
    Zeit: Mo 10:00-12:00, Do 10:00-12:00 (Erster Termin: 15.04.2024)
    Ort: A3/019 Seminarraum (Arnimallee 3-5)
    

    Kommentar

    Leitidee

    Ziel der Veranstaltung ist es, einen Überblick über die Bedeutung und Anwendbarkeit diverser mathematischer Gebiete im Kontext von Nachhaltigkeit zu bekommen. Ferner soll dies anhand kleinerer Probleme selbst angewendet werden können. Mathematik ist bekanntermaßen überall und besitzt eine hohe gesellschaftliche Relevanz. Insbesondere im Kontext Nachhaltigkeit sollten wir als mathematische Community Verantwortung übernehmen, einen lebenswerten Planeten zu erhalten und unsere Erkenntnisse, Methoden, Verfahren etc. gemeinwohlorientiert einzusetzen. Dies involviert auch die Aufbereitung und Kommunikation der behandelten mathematischen Themenbereiche.

     

    Inhaltliche Schwerpunkte

    Wir werden eine Einführung in die vier mathematischen Bereiche Optimierung, Spieltheorie, Statistik, Dynamische Systeme geben.  Mittels mathematischer Modellierung werden wir identifizieren, wie diese Bereiche zum Verständnis und mit Lösungsansätzen zu Klimakrise, Verlust von Biodiversität, Ressourcenverknappung und sozialer Ungleichheit beitragen.

     

    Methodische Konzeption

    Diese Veranstaltung wird durch ein zeitgemäßes didaktisches Konzept begleitet. Dazu gehört unter anderem student agency und co-agency. Dies bedeutet, dass Lernende Verantwortung für ihren Lernerfolg und Kompetenzzuwachs übernehmen, dabei aber natürlich nicht auf sich alleine gestellt sind, sondern auf diverse inhaltliche bzw. methodische Ressourcen zurückgreifen können.

    Grundsätzlich gliedert sich die Veranstaltung in zwei wöchentliche Blöcke:

    • Donnerstag 10–12 Uhr
      Die Vorlesungstermine dienen der kompakten Aufbereitung mathematischer Gebiete und bilden damit die fundamentale Grundlage für die Projektarbeit. Wir geben damit einen Einblick in diverse mathematische Gebiete und ihrem Anwendungsbezug.
    • Montag 10 – 14 Uhr
      Die Projektarbeitsphase dient dem agilen Arbeiten in Kleingruppen, welche über das Semester verteilt mehrere Anwendungen von Mathematik in SDG-Kontext erarbeiten und aufbereiten. Dabei wird sich an der Methode eduSCRUM orientiert, um über das Semester verteilt in mehreren agilen Sprints über jeweils 2-3 Wochen fokussiert zu arbeiten. Erfahrungen im agilen Arbeiten werden nicht vorausgesetzt, hierzu gibt es eine methodische Prozessbegleitung. Die erarbeiteten Anwendungsszenarien sollen dabei jeweils passend zu den vier inhaltlichen Themenblöcken der Veranstaltung gestaltet werden, wobei die Kleingruppen durch den Einbau partizipativer Elemente an diversen Stellen Gestaltungsspielraum haben.

     

    Lernziele

    Die übergeordneten Lernziele dieser Veranstaltung verteilen sich auf fünf Bereiche: Mathematische Grundlagen verstehen und anwenden, Mathematische Modelle anwenden, Modelle beurteilen, Kommunikation von Mathematik im SDG-Kontext & Reflexion des eigenen Lernprozesses.

    Nach erfolgreicher Teilnahme an der Veranstaltung haben Teilnehmer*innen die folgenden Kompetenzen erlangt:

    • Sie verstehen die Bedeutung grundlegender mathematischer Konzepte und Verfahren (aus Optimierung, Spieltheorie, Statistik, Dynamische Systeme). Insbesondere können sie die Terminologie und mathematischen Aussagen präzise erklären und Anwendungsgebiete anhand ausgewählter inner- und außermathematischer Problemstellungen erläutern.
    • Sie können mathematische Modelle nutzen, um reale Fragestellungen zu beschreiben und zu analysieren.  Dabei können sie verschiedene mathematische Werkzeuge und Techniken verwenden, um qualitative und quantitative Aussagen über die Auswirkungen von Entscheidungen und Maßnahmen zu treffen.
    • Sie können die Gültigkeit, Angemessenheit und Grenzen mathematischer Modelle beurteilen, indem sie etwa Modellannahmen, verwendete Daten oder Sensitivität der Ergebnisse analysieren, um fundierte Entscheidungen über die Nutzung dieser Modelle im Bereich nachhaltiger Entwicklung zu treffen.
    • Die Ergebnisse mathematischer Analysen und Modelle können klar und prägnant an verschiedene Zielgruppen unter Nutzung verschiedener Medien und Formate kommuniziert werden. Dies geschieht mit dem Ziel, das gesellschaftliche Bewusstsein für die Bedeutung von Mathematik für BNE sowie transformative Prozesse zu fördern.
    • Sie können die eigenen Lernerfahrungen reflektieren, indem sie individuelle Stärken, Lernstrategien, Einstellungen zur Mathematik und ihr mathematisches Selbstkonzept analysieren, um ihre mathematischen Kompetenzen weiterzuentwickeln und so später ihre Rolle als mündige und verantwortungsvolle Bürger*innen in der Gesellschaft auszufüllen.

     

    Formalia & Organisatorisches

    a) Für die regelmäßige Teilnahme ist regelmäßig und in Präsenz an den Terminen montags 10-14 Uhr teilzunehmen.

    b) Die aktive Teilnahme an der Projektarbeit besteht aus mehreren Aspekten, die über das Semester verteilt in Kleingruppen bearbeitet werden:

    • Im Rahmen der eduSCRUM-Sprints sollen in den Gruppen vier Anwendungsszenarien erarbeitet werden, wobei mindestens drei der vier Themenblöcke abgedeckt werden sollen.
    • Um die Qualität der erarbeiteten Anwendungsszenarien zu sichern, führen die Gruppen untereinander ein Peer-Review-Verfahren durch.
    • Dazu werden kleinere reale Probleme als Aufhänger und Ausgangspunkt für die Gruppenarbeit ausgewählt.
    • Wöchentlich wird eine kleine mathematische Aufgabe als Challenge veröffentlicht. Jede Gruppe wird dabei eines der Probleme aus dem jeweiligen Themenblock lösen.

    c) Modulabschlussprüfung: Die Veranstaltung kann entweder als „Mathematisches Projekt“ oder alternativ als mathematisch Spezial- bzw. Vertiefungsvorlesung belegt werden. (Dies geschieht, um Ihnen bei Interesse am Thema „Mathematik und Nachhaltigkeit“ größtmögliche Flexibilität und Anrechenbarkeit zu ermöglichen.) Beide Module entsprechen vom Workload-Umfang 10 LP, unterscheiden sich jedoch minimal in der Abschlussprüfung.

    • Mathematisches Projekt: Aufbauend auf Ihrer in Kleingruppen erfolgten Projektarbeiten findet am Ende ein ca. halbstündiger Vortrag zu einem mathematischen Thema statt. Die Themen werden einige Tage vor der Prüfung zugeteilt, sodass Sie sich als Gruppe vorbereiten können. Zusätzlich zum Vortrag schreiben Sie eine Ausarbeitung im Umfang von ca. 2.500 Wörtern, in der u.a. Ihr persönlicher Beitrag zur Projektarbeit vorgestellt und reflektiert wird. Details zum Aufbau der schriftlichen Ausarbeitung werden in der Lehrveranstaltung bekanntgegeben.
    • Vertiefungsvorlesung: Je nachdem, wie viele Studierende welchen Schein absolvieren möchten, werden wir für dieses Modulabschlussprüfungen eine Klausur oder mündliche Einzelprüfungen durchführen. Die Details werden bekanntgegeben, sobald bekannt ist, wie viele Studierende sich für welches Modul eingeschrieben haben.

     

    Weitere Hinweise

    Hinweis für Lehramts-Masterstudierende: Ergänzend zu dieser Veranstaltung findet ein fachdidaktisches Vertiefungsseminar (LV 19230015) statt. Dort werden digitale offene Bildungsmaterialien (OER) erstellt, mit denen die Bedeutung der Mathematik zur Erreichung der 17 Sustainable Development Goals vermittelt werden kann.

• Funktionentheorie

  0084dB2.3
  • 19212801 Vorlesung
    Funktionentheorie (Alexander Schmitt)
    Zeit: Mo 08:00-10:00, Mi 08:00-10:00 (Erster Termin: 15.04.2024)
    Ort: A3/Hs 001 Hörsaal (Arnimallee 3-5)
    

    Kommentar

    Funktionentheorie ist ein klassisches Gebiet der Mathematik, das sich mit den Eigenschaften komplex-differenzierbarer Funktionen auf der komplexen Zahlenebene beschäftigt und Verbindungen zur Algebra, Analysis, Zahlentheorie und Geometrie hat.

    Der Begriff der komplexen Differenzierbarkeit beschränkt reell-differenzierbare Funktionen von R2 auf R2 auf winkelerhaltende Abbildungen ein. Wir werden entdecken, dass komplex-differenzierbare Funktionen recht starre Objekte sind und dadurch aber mit vielen erstaunlichen analytischen, geometrischen und visuellen Eigenschaften ausgestattet sind.

    Ein Hauptergebnis, das in dieser Vorlesung behandelt wird, ist Cauchys Integralsatz welcher besagt, dass das Integral jeder komplex differenzierbaren Funktion entlang eines geschlossenen Weges in der komplexen Ebene Null ist. Wir werden viele schöne Konsequenzen dieses Ergebnisses sehen, z.B. die Cauchy‘sche Integralformel, den Residuensatz und einen Beweis des Fundamentalsatzes der Algebra, sowie auch moderne graphische Darstellungsmethoden kennenlernen.

    Literaturhinweise

    Literatur:

    E. Freitag and R. Busam 'Complex analysis', (Springer) 2nd Edition 2009 (the original German version is called 'Funktionentheorie')

  • 19212802 Übung
    Übung zu Funktionentheorie (Jan Sevenster)
    Zeit: Fr 08:00-10:00 (Erster Termin: 19.04.2024)
    Ort: A3/Hs 001 Hörsaal (Arnimallee 3-5)
    

• Stochastik II

  0084dB2.4
  • 19212901 Vorlesung
    Stochastik II (Nicolas Perkowski)
    Zeit: Di 10:00-12:00, Do 08:00-10:00, zusätzliche Termine siehe LV-Details (Erster Termin: 16.04.2024)
    Ort: A6/SR 031 Seminarraum (Arnimallee 6)
    

    Zusätzl. Angaben / Voraussetzungen

    Voraussetzung: Stochastik I  und  Analysis I — III.

    Kommentar

    Inhalt:

    • Konstruktion stochastischer Prozesse;
    • bedingte Erwartungen;
    • Martingale in diskreter Zeit: Konvergenz, Stoppsätze, Ungleichungen;
    • Konvergenzarten der Stochastik;
    • gleichgradige Integrierbarkeit;
    • Markovketten in diskreter und stetiger Zeit: Rekurrenz und Transienz, invariante Maße;
    • Konvergenz in Verteilung für stochastische Prozesse;
    • Brownsche Bewegung und Invarianzprinzip

    Nähere Informationen finden Sie auf der Homepage der Vorlesung 19212901 Basismodul: Stochastics II.

    Literaturhinweise

    • Klenke: Wahrscheinlichkeitstheorie
    • Durrett: Probability. Theory and Examples.

    Weitere Literatur wird im Lauf der Vorlesung bekannt gegeben.
    Further literature will be given during the lecture.

  • 19212902 Übung
    Übung zu Stochastik II (Nicolas Perkowski, Immanuel Zachhuber)
    Zeit: Do 16:00-18:00 (Erster Termin: 18.04.2024)
    Ort: T9/SR 005 Übungsraum (Takustr. 9)
    

    Kommentar

    Inhalt

     

     

    • This course is the sequel of the course of Stochastics I. The main objective is to go beyond the first principles in probability theory by introducing the general language of measure theory, and the application of this framework in a wide variety of probabilistic scenarios.
      More precisely, the course will cover the following aspects of probability theory:
    • Measure theory and the Lebesgue integral
    • Convergence of random variables and 0-1 laws
    • Generating functions: branching processes and characteristic functions
    • Markov chains
    • Introduction to martingales

     

     

• Geometrie

  0084dB2.7
  • 19213101 Vorlesung
    Geometrie (Georg Loho)
    Zeit: Di 12:00-14:00, Mi 12:00-14:00 (Erster Termin: 16.04.2024)
    Ort: A6/SR 032 Seminarraum (Arnimallee 6)
    

    Kommentar

    Inhalt

    Diese Vorlesung für das Bachelorstudium soll als natürliche Fortsetzung von Lineare Algebra I und II Fundamente legen für Vorlesungen/Zyklen wie Diskrete Geometrie, Algebraische Geometrie und Differenzialgeometrie.

    Sie behandelt grundlegende Modelle der Geometrie, insbesondere

    euklidische, affine, sphärische, projektive und hyperbolische Geometrie,Möbiusgeometrie, Polarität und Dualität Strukturgruppen, Messen (Längen, Winkel, Volumina), explizite Berechnungen und Anwendungen, Beispiele sowie Illustrationsthemen;

    Dabei werden weitere Bezüge hergestellt, zum Beispiel zur Funktionentheorie und zur Numerik.

    Literaturhinweise

    Literatur

    1. Marcel Berger. Geometry I
    2. David A. Brannan, Matthew F. Esplen, and Jeremy J. Gray. Geometry
    3. Gerd Fischer. Analytische Geometrie
    4. V.V. Prasolov und V.M. Tikhomirov. Geometry

  • 19213102 Übung
    Übung zur Geometrie (Sophie Rehberg)
    Zeit: Mo 10:00-12:00, Mo 16:00-18:00, zusätzliche Termine siehe LV-Details (Erster Termin: 15.04.2024)
    Ort: A3/SR 119 (Arnimallee 3-5)
    

• Datenstrukturen und Datenabstraktion mit Anwendung

  0084dB2.8
  • 19300101 Vorlesung
    Algorithmen und Datenstrukturen (Wolfgang Mulzer)
    Zeit: Di 16:00-18:00, Fr 12:00-14:00, zusätzliche Termine siehe LV-Details (Erster Termin: 16.04.2024)
    Ort: , HFB/A Hörsaal, HFB/C Hörsaal, Hs 1a Hörsaal, Hs 1b Hörsaal, Hs 2 Hörsaal
    

    Kommentar

    Qualifikationsziele

    Die Studierenden analysieren⁴ Algorithmen und Datenstrukturen und ihre Implementierungen bezüglich Laufzeit, Speicherbedarf und Korrektheit und beschreiben² verschiedene Algorithmen und Datenstrukturen für typische Anwendungen und wenden³ diese auf konkrete Beispiele an. Sie können passende Algorithmen und Datenstrukturen für gegebene Aufgaben auswählen⁴ und passen⁵ diese entsprechend an. Sie erklären², identifizieren⁴ und verwenden⁵ verschiedene Entwurfsparadigmen für Algorithmen.

    Inhalte

    Studierende lernen das Maschinenmodell, sowie verschiedene algorithmische Probleme kennen. Sie erarbeiten und üben die Berechnung von Laufzeit, Korrektheit und Speicherbedarf dieser Algorithmen und lernen die asymptotische worst-case Analyse kennen. Darüber hinaus diskutieren sie die Rolle des Zufalls im Kontext des Entwurfs von Algorithmen. Des Weiteren erlernen und üben sie Entwurfsparadigmen für Algorithmen wie Teile und Herrsche, gierige Algorithmen, Dynamische Programmierung und Erschöpfende Suche. Sie lernen Prioritätswarteschlangen und effiziente Datenstrukturen für geordnete und ungeordnete Wörterbücher (z.B. ausgeglichene Suchbäume, Streuspeicher, Skiplisten) kennen und üben den Umgang mit ihnen. Zudem lernen sie Algorithmen für Zeichenketten (digitale Suchbäume und Suchen in Zeichenketten) und Graphenalgorithmen kennen, diskutieren deren Anwendung und üben den Umgang mit ihnen.

     

    Literaturhinweise

    • P. Morin: Open Data Structures, an open content textboox.
    • T. H. Cormen, C. Leiserson, R. Rivest, C. Stein: Introduction to Algorithms, MIT Press, 2022.
    • R. Sedgewick, K. Wayne: Algorithms, Addison-Wesley, 2011.
    • M. Dietzfelbinger, K. Mehlhorn, P. Sanders. Algorithmen und Datenstrukturen: Die Grundwerkzeuge, Springer, 2014.
    • J. Erickson. Algorithms, 2019
    • T. Roughgarden. Algorithms Illuminated. Cambridge University Press, 2022.

  • 19300102 Übung
    Übung zu Algorithmen und Datenstrukturen (Wolfgang Mulzer)
    Zeit: Mo 14:00-16:00, Mo 16:00-18:00, Mi 12:00-14:00, Mi 14:00-16:00, Mi 16:00-18:00, Do 16:00-18:00, Fr 14:00-16:00, Fr 16:00-18:00 (Erster Termin: 15.04.2024)
    Ort: T9/051 Seminarraum (Takustr. 9)
    

• Mathematisches Projekt

  0084dB2.9
  • 19248103 Vorlesung/Übung
    Mathematik und Nachhaltigkeit (Georg Loho, Jan-Hendrik de Wiljes, Sofia Garzón Mora, Benedikt Weygandt)
    Zeit: Mo 10:00-12:00, Do 10:00-12:00 (Erster Termin: 15.04.2024)
    Ort: A3/019 Seminarraum (Arnimallee 3-5)
    

    Kommentar

    Leitidee

    Ziel der Veranstaltung ist es, einen Überblick über die Bedeutung und Anwendbarkeit diverser mathematischer Gebiete im Kontext von Nachhaltigkeit zu bekommen. Ferner soll dies anhand kleinerer Probleme selbst angewendet werden können. Mathematik ist bekanntermaßen überall und besitzt eine hohe gesellschaftliche Relevanz. Insbesondere im Kontext Nachhaltigkeit sollten wir als mathematische Community Verantwortung übernehmen, einen lebenswerten Planeten zu erhalten und unsere Erkenntnisse, Methoden, Verfahren etc. gemeinwohlorientiert einzusetzen. Dies involviert auch die Aufbereitung und Kommunikation der behandelten mathematischen Themenbereiche.

     

    Inhaltliche Schwerpunkte

    Wir werden eine Einführung in die vier mathematischen Bereiche Optimierung, Spieltheorie, Statistik, Dynamische Systeme geben.  Mittels mathematischer Modellierung werden wir identifizieren, wie diese Bereiche zum Verständnis und mit Lösungsansätzen zu Klimakrise, Verlust von Biodiversität, Ressourcenverknappung und sozialer Ungleichheit beitragen.

     

    Methodische Konzeption

    Diese Veranstaltung wird durch ein zeitgemäßes didaktisches Konzept begleitet. Dazu gehört unter anderem student agency und co-agency. Dies bedeutet, dass Lernende Verantwortung für ihren Lernerfolg und Kompetenzzuwachs übernehmen, dabei aber natürlich nicht auf sich alleine gestellt sind, sondern auf diverse inhaltliche bzw. methodische Ressourcen zurückgreifen können.

    Grundsätzlich gliedert sich die Veranstaltung in zwei wöchentliche Blöcke:

    • Donnerstag 10–12 Uhr
      Die Vorlesungstermine dienen der kompakten Aufbereitung mathematischer Gebiete und bilden damit die fundamentale Grundlage für die Projektarbeit. Wir geben damit einen Einblick in diverse mathematische Gebiete und ihrem Anwendungsbezug.
    • Montag 10 – 14 Uhr
      Die Projektarbeitsphase dient dem agilen Arbeiten in Kleingruppen, welche über das Semester verteilt mehrere Anwendungen von Mathematik in SDG-Kontext erarbeiten und aufbereiten. Dabei wird sich an der Methode eduSCRUM orientiert, um über das Semester verteilt in mehreren agilen Sprints über jeweils 2-3 Wochen fokussiert zu arbeiten. Erfahrungen im agilen Arbeiten werden nicht vorausgesetzt, hierzu gibt es eine methodische Prozessbegleitung. Die erarbeiteten Anwendungsszenarien sollen dabei jeweils passend zu den vier inhaltlichen Themenblöcken der Veranstaltung gestaltet werden, wobei die Kleingruppen durch den Einbau partizipativer Elemente an diversen Stellen Gestaltungsspielraum haben.

     

    Lernziele

    Die übergeordneten Lernziele dieser Veranstaltung verteilen sich auf fünf Bereiche: Mathematische Grundlagen verstehen und anwenden, Mathematische Modelle anwenden, Modelle beurteilen, Kommunikation von Mathematik im SDG-Kontext & Reflexion des eigenen Lernprozesses.

    Nach erfolgreicher Teilnahme an der Veranstaltung haben Teilnehmer*innen die folgenden Kompetenzen erlangt:

    • Sie verstehen die Bedeutung grundlegender mathematischer Konzepte und Verfahren (aus Optimierung, Spieltheorie, Statistik, Dynamische Systeme). Insbesondere können sie die Terminologie und mathematischen Aussagen präzise erklären und Anwendungsgebiete anhand ausgewählter inner- und außermathematischer Problemstellungen erläutern.
    • Sie können mathematische Modelle nutzen, um reale Fragestellungen zu beschreiben und zu analysieren.  Dabei können sie verschiedene mathematische Werkzeuge und Techniken verwenden, um qualitative und quantitative Aussagen über die Auswirkungen von Entscheidungen und Maßnahmen zu treffen.
    • Sie können die Gültigkeit, Angemessenheit und Grenzen mathematischer Modelle beurteilen, indem sie etwa Modellannahmen, verwendete Daten oder Sensitivität der Ergebnisse analysieren, um fundierte Entscheidungen über die Nutzung dieser Modelle im Bereich nachhaltiger Entwicklung zu treffen.
    • Die Ergebnisse mathematischer Analysen und Modelle können klar und prägnant an verschiedene Zielgruppen unter Nutzung verschiedener Medien und Formate kommuniziert werden. Dies geschieht mit dem Ziel, das gesellschaftliche Bewusstsein für die Bedeutung von Mathematik für BNE sowie transformative Prozesse zu fördern.
    • Sie können die eigenen Lernerfahrungen reflektieren, indem sie individuelle Stärken, Lernstrategien, Einstellungen zur Mathematik und ihr mathematisches Selbstkonzept analysieren, um ihre mathematischen Kompetenzen weiterzuentwickeln und so später ihre Rolle als mündige und verantwortungsvolle Bürger*innen in der Gesellschaft auszufüllen.

     

    Formalia & Organisatorisches

    a) Für die regelmäßige Teilnahme ist regelmäßig und in Präsenz an den Terminen montags 10-14 Uhr teilzunehmen.

    b) Die aktive Teilnahme an der Projektarbeit besteht aus mehreren Aspekten, die über das Semester verteilt in Kleingruppen bearbeitet werden:

    • Im Rahmen der eduSCRUM-Sprints sollen in den Gruppen vier Anwendungsszenarien erarbeitet werden, wobei mindestens drei der vier Themenblöcke abgedeckt werden sollen.
    • Um die Qualität der erarbeiteten Anwendungsszenarien zu sichern, führen die Gruppen untereinander ein Peer-Review-Verfahren durch.
    • Dazu werden kleinere reale Probleme als Aufhänger und Ausgangspunkt für die Gruppenarbeit ausgewählt.
    • Wöchentlich wird eine kleine mathematische Aufgabe als Challenge veröffentlicht. Jede Gruppe wird dabei eines der Probleme aus dem jeweiligen Themenblock lösen.

    c) Modulabschlussprüfung: Die Veranstaltung kann entweder als „Mathematisches Projekt“ oder alternativ als mathematisch Spezial- bzw. Vertiefungsvorlesung belegt werden. (Dies geschieht, um Ihnen bei Interesse am Thema „Mathematik und Nachhaltigkeit“ größtmögliche Flexibilität und Anrechenbarkeit zu ermöglichen.) Beide Module entsprechen vom Workload-Umfang 10 LP, unterscheiden sich jedoch minimal in der Abschlussprüfung.

    • Mathematisches Projekt: Aufbauend auf Ihrer in Kleingruppen erfolgten Projektarbeiten findet am Ende ein ca. halbstündiger Vortrag zu einem mathematischen Thema statt. Die Themen werden einige Tage vor der Prüfung zugeteilt, sodass Sie sich als Gruppe vorbereiten können. Zusätzlich zum Vortrag schreiben Sie eine Ausarbeitung im Umfang von ca. 2.500 Wörtern, in der u.a. Ihr persönlicher Beitrag zur Projektarbeit vorgestellt und reflektiert wird. Details zum Aufbau der schriftlichen Ausarbeitung werden in der Lehrveranstaltung bekanntgegeben.
    • Vertiefungsvorlesung: Je nachdem, wie viele Studierende welchen Schein absolvieren möchten, werden wir für dieses Modulabschlussprüfungen eine Klausur oder mündliche Einzelprüfungen durchführen. Die Details werden bekanntgegeben, sobald bekannt ist, wie viele Studierende sich für welches Modul eingeschrieben haben.

     

    Weitere Hinweise

    Hinweis für Lehramts-Masterstudierende: Ergänzend zu dieser Veranstaltung findet ein fachdidaktisches Vertiefungsseminar (LV 19230015) statt. Dort werden digitale offene Bildungsmaterialien (OER) erstellt, mit denen die Bedeutung der Mathematik zur Erreichung der 17 Sustainable Development Goals vermittelt werden kann.

• Diskrete Mathematik I

  0084dB3.2
  • 19214701 Vorlesung
    Diskrete Mathematik I (Tibor Szabo)
    Zeit: Di 14:00-16:00, Mi 14:00-16:00, zusätzliche Termine siehe LV-Details (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)

• Statistik für Biowissenschaften II

  0260cA2.6
  • 60100101 Vorlesung
    Statistik für Biowissenschaften II (Konrad Neumann, Regina Stegherr)
    Zeit: Di 16:00-18:00, Do 16:00-18:00, zusätzliche Termine siehe LV-Details (Erster Termin: 16.04.2024)
    Ort: A3/Hs 001 Hörsaal (Arnimallee 3-5)
    

    Kommentar

    In der Vorlesung werden die grundlegenden Methoden aus der Vorlesung „Statistik für Biowissenschaften I“ erweitert und vertieft. Weiterhin wird er starker Fokus auf die Anwendung der besprochenen statistischen Verfahren und Methoden gelegt. Nach einer kurzen orientierenden Einführung, die die Grundlagen aus "Statistik für Biowissenschaften I" und somit die beschreibende und schließende Statistik wiederholt, werden folgende Themenbereiche ausführlicher behandelt:

    1. PCA/Cluster/Klassifizierung
    2. Faktoranalyse
    3. Missing Values
    4. Einführung: Nichtparametrik, Ausreißer
    5. Multiples Testen /Posthoc-Tests
    6. Regression - Diagnostische Studien mit der Vertiefung logistische Regression & ROC
    7. Regression - Überlebenszeitanalyse
    8. Regression - Variablenselektion
    9. Regression - Varianzanalyse (mit Messwiederholung)
    10. Regression - Gemischte Modelle

    Zu allen Themen werden wöchentlich Übungsaufgaben, viele mit Bezug zu den Lebenswissenschaften, gestellt. Die Aufgaben werden gemischt handschriftlich und mit der Statistiksoftware R bearbeitet (Bezug über http://www.r-project.org/). Ein grundlegendes Verständnis von R Programmierung wird vorausgesetzt.

  • 60100102 Übung
    Übung zu Statistik für Biowissenschaften II (Konrad Neumann, Regina Stegherr)
    Zeit: Mi 16:00-18:00 (Erster Termin: 17.04.2024)
    Ort: A7/SR 031 (Arnimallee 7)
    

• Molekularbiologie und Biochemie I

  0260cA3.3
  • 21601a Vorlesung
    Biochemie I - Grundlagen der Biochemie (Helge Ewers, Florian Heyd, Markus Wahl)
    Zeit: Mi 12:00 - 14:00 Uhr; Vorbesprechung Di, 16.04.23, 12:00 - 14:00 Uhr (HS Anorganik Fabeckstraße 34/36)) (Erster Termin: 16.04.2024)
    Ort: Hs Anorganik (Fabeckstr. 34 / 36)
    

    Hinweise für Studierende

    Entspricht Molekularbiologie und Biochemie I für Bioinformatiker.

    Kommentar

    Qualifikationsziele:
    Die Studentinnen und Studenten kennen die Entstehung und molekulare Struktur der wichtigsten zellulären Makromoleküle und Stoffklassen sowie ihren biologischen Kontext. Der Schwerpunkt liegt auf einem chemischen Grundverständnis des molekularen Aufbaus von Biomolekülen.
    
    Inhalte:
    Chemische und zellbiologische Grundlagen, Struktur von DNA und RNA, Replikation und Transkription, Proteinbiosynthese, Regulation der Genexpression, gentechnologische Methoden, Aminosäuren und Peptide, Proteinstruktur und Proteinfaltung, Proteom, posttranslationale Modifikationen, Methoden der Proteinforschung, Enzyme, Kohlenhydrate, Lipide und Biomembranen, Einführung in den Stoffwechsel und die Stoffwechselregulation.
    
    Prof. Dr. H. Ewers: helge.ewers@fu-berlin.de
    Prof. Dr. F. Heyd: florian.heyd@fu-berlin.de
    Prof. Dr. M. Wahl: mwahl@zedat.fu-berlin.de
    

  • 21601b Übung
    Übungen zur Biochemie I - Grundlagen der Biochemie (Helge Ewers, Florian Heyd, Markus Wahl)
    Zeit: Di/Mi 23.4.24-17.7.24 (s. Lektionen, LV-Details) (Erster Termin: 23.04.2024)
    Ort: Ort nach Ansage je nach Übungsgruppe
    

    Hinweise für Studierende

    Zusätzl. Angaben / Voraussetzungen

    Die Übungen finden n.V. in kleineren Gruppen i.d.R. dienstags von 12:00 - 14:00 Uhr bzw. mittwochs von 10:00 - 12:00 Uhr Uhr statt. Die Verteilung findet im Rahmen der Vorbesprechung (s. 21601a) statt.

    Kommentar

    Qualifikationsziele: Die Studentinnen und Studenten kennen die Entstehung und molekulare Struktur der wichtigsten zellulären Makromoleküle und Stoffklassen sowie ihren biologischen Kontext. Der Schwerpunkt liegt auf einem chemischen Grundverständnis des molekularen Aufbaus von Biomolekülen. Inhalte: Chemische und zellbiologische Grundlagen, Struktur von DNA und RNA, Replikation und Transkription, Proteinbiosynthese, Regulation der Genexpression, gentechnologische Methoden, Aminosäuren und Peptide, Proteinstruktur und Proteinfaltung, Proteom, posttranslationale Modifikationen, Methoden der Proteinforschung, Enzyme, Kohlenhydrate, Lipide und Biomembranen, Einführung in den Stoffwechsel und die Stoffwechselregulation. Prof. Dr. H. Ewers: helge.ewers@fu-berlin.de Prof. Dr. F. Heyd: florian.heyd@fu-berlin.de Prof. Dr. M. Wahl: mwahl@zedat.fu-berlin.de

• Molekularbiologie und Biochemie III

  0260cA3.5
  • 21699a Vorlesung
    Molekularbiologie und Biochemie III (Sutapa Chakrabarti, Sigmar Stricker, Holger Sieg)
    Zeit: erster Termin: Fr. 19.04.2024, 10:15 - 11:45 (Erster Termin: 19.04.2024)
    Ort: Hörsaal Thielallee 67
    

    Hinweise für Studierende

    Vorlesung für Studierende der Bioinformatik
    

    UN Sustainable Development Goals (SDGs): 3, 14, 15

    Zusätzl. Angaben / Voraussetzungen

    Qualifikationsziele:
    Das in Molekularbiologie und Biochemie II erlangte Grundlagenverständnis wird in den Zusammenhang komplexer biologischer Systeme gestellt. Diese sind:
    Verständnis der Rezeptorvermittelten Signaltransduktion und der Regulation von Zellzyklus und Zelltod.
    Verständnis der molekularbiologischen und zellbiologischen Eigenschaften von metastasierenden Tumorzellen
    Verständnis der Wechselwirkungen von Pathogenen, Wirtszellen und Immunsystem
    Verständnis der Prinzipien der DNA-Medizin
    
    Inhalte:
    Wachstumsfaktoren, Rezeptoren und Signaltransduktion zur Regulation von Zellzyklus und Zelltod
    Grundlagen der Immunologie: angeborene, erworbene Immunabwehr
    Antigen-präsentierende Zellen, Effektorzellen
    PAMP- und DAMP-Konzepte der Antigen-Prozessierung bei Infektion und Tumor-Bekämpfung
    DNA-Medizin und Gentherapie

  • 21699b Übung
    Übungen zu Molekularbiologie und Biochemie III (Sutapa Chakrabarti, Sigmar Stricker, Holger Sieg)
    Zeit: erster Termin: Mi. 24.04.2024, 12:15-13:45 h (Erster Termin: 24.04.2024)
    Ort: Hörsaal Thielallee 67
    

    Hinweise für Studierende

    Übungen zu 21699a für Studierende der Bioinformatik
    

    UN Sustainable Development Goals (SDGs): 3, 14, 15

    Zusätzl. Angaben / Voraussetzungen

    Qualifikationsziele:
    Das in Molekularbiologie und Biochemie II erlangte Grundlagenverständnis wird in den Zusammenhang komplexer biologischer Systeme gestellt. Diese sind:
    Verständnis der Rezeptorvermittelten Signaltransduktion und der Regulation von Zellzyklus und Zelltod.
    Verständnis der molekularbiologischen und zellbiologischen Eigenschaften von metastasierenden Tumorzellen
    Verständnis der Wechselwirkungen von Pathogenen, Wirtszellen und Immunsystem
    Verständnis der Prinzipien der DNA-Medizin
    
    Inhalte:
    Wachstumsfaktoren, Rezeptoren und Signaltransduktion zur Regulation von Zellzyklus und Zelltod
    Grundlagen der Immunologie: angeborene, erworbene Immunabwehr
    Antigen-präsentierende Zellen, Effektorzellen
    PAMP- und DAMP-Konzepte der Antigen-Prozessierung bei Infektion und Tumor-Bekämpfung
    DNA-Medizin und Gentherapie

• Medizinische Physiologie

  0260cA3.7
  • 60100201 Vorlesung
    Medizinische Physiologie (Mathias Steinach)
    Zeit: -
    Ort: keine Angabe
    

    Kommentar

    Inhalte:

    Zelluläre Grundlagen, Muskel, Herz, Kreislauf, Atmung, Wärmehaushalt, Nierenfunktion, Energie/Leistung

    Weitere Informationen und Veranstaltungszeiten:

    https://physiologie-ccm.charite.de/studium_lehre_am_institut/bioinformatik/

     

  • 60100211 Seminar
    Seminar zu Medizinische Physiologie (Mathias Steinach)
    Zeit: -
    Ort: keine Angabe
    

    Kommentar

    https://physiologie-ccm.charite.de/studium_lehre_am_institut/bioinformatik/

  • 60100230 Praktikum
    Praktikum zu Medizinische Physiologie (Mathias Steinach)
    Zeit: -
    Ort: keine Angabe
    

    Kommentar

    https://physiologie-ccm.charite.de/studium_lehre_am_institut/bioinformatik/

• Module ohne Lehrangebot in diesem Semester

  63 Module
  • Funktionale Programmierung 0086cA1.1
  • Objektorientierte Programmierung für Stud. mit Programmierkenntnissen 0086cA1.2
  • Objektorientierte Programmierung für Stud. ohne Programmierkenntnisse 0086cA1.3
  • Auswirkungen der Informatik 0086cA3.1
  • Logik und Diskrete Mathematik 0086cA5.1
  • Analysis für Informatik 0086cA5.3
  • Grundlagen der Technischen Informatik 0086cB1.1
  • Forschungspraktikum 0086cB1.2
  • Basisdidaktik Informatik 0086cB1.3
  • Medizinische Bildverarbeitung 0089cA1.10
  • Modellgetriebene Softwareentwicklung 0089cA1.11
  • Mustererkennung 0089cA1.12
  • Netzbasierte Informationssysteme 0089cA1.13
  • Rechnersicherheit 0089cA1.16
  • Semantisches Geschäftsprozessmanagement 0089cA1.17
  • Softwareprozesse 0089cA1.18
  • Übersetzerbau 0089cA1.19
  • Verteilte Systeme 0089cA1.20
  • XML-Technologien 0089cA1.21
  • Praktiken professioneller Softwareentwicklung 0089cA1.22
  • Spezielle Aspekte der Datenverwaltung 0089cA1.29
  • Computer-Vision 0089cA1.3
  • Ausgewählte Themen der Praktischen Informatik 0089cA1.31
  • Datenbanktechnologie 0089cA1.4
  • Empirische Bewertung in der Informatik 0089cA1.5
  • Grundlagen des Softwaretestens 0089cA1.7
  • Höhere Algorithmik 0089cA2.1
  • Modelchecking 0089cA2.2
  • Algorithmische Geometrie 0089cA2.4
  • Kryptographie und Sicherheit in Verteilten Systemen 0089cA2.8
  • Semantik von Programmiersprachen 0089cA2.9
  • Betriebssysteme 0089cA3.1
  • Ausgewählte Themen der Technischen Informatik 0089cA3.12
  • Mikroprozessor-Praktikum 0089cA3.2
  • Robotik 0089cA3.4
  • Telematik 0089cA3.5
  • Analysis III 0084dA1.3
  • Computerorientierte Mathematik I 0084dA1.6
  • Stochastik I 0084dA1.8
  • Höhere Analysis 0084dB2.1
  • Aktuelle Themen der Mathematik 0084dB2.10
  • Spezialthemen der reinen Mathematik 0084dB2.12
  • Spezialthemen der angewandten Mathematik 0084dB2.13
  • Funktionalanalysis 0084dB2.2
  • Algebra und Zahlentheorie 0084dB2.5
  • Elementargeometrie 0084dB2.6
  • Differentialgleichungen I 0084dB3.1
  • Algebra I 0084dB3.3
  • Numerik II 0084dB3.4
  • Differentialgeometrie I 0084dB3.5
  • Topologie I 0084dB3.6
  • Höhere Algorithmik mit Anwendung 0084dB3.7
  • Visualisierung 0084dB3.8
  • Algorithmische Bioinformatik 0260cA1.5
  • Statistik für Biowissenschaften I 0260cA2.5
  • Allgemeine Chemie 0260cA3.1
  • Allgemeine Biologie 0260cA3.2
  • Molekularbiologie und Biochemie II 0260cA3.4
  • Genetik und Genomforschung 0260cA3.6
  • Neurobiologie 0260cA3.8
  • Anwendungsbereich alle weiteren Studienfächer 0086cC3.1
  • Anwendungsbereich alle weiteren Studienfächer 0086cC3.2
  • Anwendungsbereich alle weiteren Studienfächer 0086cC3.3