Modulhandbuch Bioinformatik und Genomforschung (B.Sc.)

Master NWI (english)

Technische Fakultät

Fakultät für Biologie

Fakultät für Chemie

Fakultät für Mathematik

Fakultät für Physik



Algorithmic stochastics in (bio)informatics

Title

  • Algorithmic stochastics in (bio)informatics

Courses

  • Algorithmic stochastics in (bio)informatics (Lectures and Excercises)
  • Case studies in algorithmic stochastics in (bio)informatics, or Biostatistics (Seminar)

Responsible person

Contents

Many complex problems in bioinformatics and informatics in the sciences (like alignment, gene finding, inference from population sequence data) cannot be solved efficiently with deterministic algorithms; instead, one often resorts to stochastic methods. Starting from the basics of probability theory and statistics, this module lays the foundations of algorithmic stochastics (computing with very small probabilities; random number generation; sampling from various distributions; transformation method and rejection method) and then proceeds to Monte-Carlo integration, importance sampling, rare event simulation, and Markov chain Monte Carlo methods.

There is a selection of two seminars:

  1. Case studies in algorithmic stochastics: In this seminar, concrete applications from the current research literature will be discussed.
  2. Biostatistics: The output of stochastic simulations, as well as data sets in general, need statistic analysis in order to verify assumptions on parameters, or to obtain statements about the statistic significance of the results. Therefore, the essentials of biostatistics are worked out here (confidence intervals, statistical tests, multivariate data analysis, linear and nonlinear regressions).

Skills

The lecture course focusses on the various methods and techniques as `tools' for a wide spectrum of problems from bioinformatics and informatics in the sciences. The students learn to think in terms of probabilities and to deal with probability distributions and their numerical properties. In the assignments, they will be asked to apply the methods to new problems. The assignments also contain programming exercises, in which the methods presented in the lecture are to be implemented and applied. In the seminar, students deal with the interface to the current research literature, or with the statistical analysis of a wide variety of data sets, respectively.

Number of achievements

1 graded and 1 not graded examination or 2 not graded examinations

Forms of examination

  • Winter term: Portfolio of Exercises (Pass: 50% of the achievable points, individual demonstration of exercises) and written test (90-120 min) or oral examination(20-30 min). The exercises as part of this portfolio will usually be handed out weekly.
    Written test or oral exam are about the Lectures and Exercises.
  • Summer term: Talk and written report (Case studies seminar) or solving of exercises and written report (Biostatistics seminar)

Conditions for ECTS acquisition

  • Winter term: Participation in the Exercises and passing of the Portfolio: 7 ECTS
  • Summer term: Participation in the Seminar, Talk and Written report (Case studies) or Written report (Biostatistics): 3 ECTS

Workload and ECTS

Algorithmic stochastik: 210h
Case studies in algorithmic stochastics or Biostatistics: 90h

Total: 10 ECTS

Prerequisites

Mathematics for Computer Scientists I and II,
Mathematical methods of biociences I and II, Sequence Analysis
Helpful: Basic knowledge of numerical mathematics

Type and usability

Module for the Bachelor's course

  • Bioinformatics and Genome Research (WP Bioinformatics and Genome Research)

Module for the Master's courses

  • Bioinformatics and Genome Research (Advanced Mathematics/Physics/Chemistry)
  • Informatics in the Natural Sciences (Advanced Natural Sciences)

Duration

Winter term, every year



Applied Algorithmics

Title

  • Applied Algorithmics

Courses

  • Special Algorithms (Seminar)
  • Algorithmic Implementation (Exercises)

Responsible person

Contents

This module covers algorithmic techniques from various application areas. Depending on the actual lecture, these will be topics from one of the research areas of the Faculty of Technology like Bioinformatics or Cognitive Informatics, but other topics are also possible. Different algorithmic techniques will be discussed, for example optimization, combinatorial, stochastical, and geometric algorithms, graph theory, etc. The study of these algorithms will also include their computational analysis.

Skills

Students of this module will study algorithmic problems and train their skills how to solve them. In the seminar, original research literature will be read and presented both in oral and in written form. In the exercises, the algorithms will then be implemented.

Number of achievements

1 graded and 2 not graded examinations

Forms of examination

  • Written report in the Seminar (graded)
  • Talk in the Seminar (not graded)
  • Implementation task in the Exercise (not graded)

Conditions for ECTS acquisition

Talk in the Seminar: 2 ECTS
Written report in the Seminar: 2 ECTS
Successfull implementation task in the Exercise: 1 ECTS

Workload and ECTS

Special Algorithms Seminar: 120h
Algorithmic Implementation: 30h

Total: 5 ECTS

Prerequisites

Algorithms and Data Structures

Type and usability

Module for the Bachelor's courses

  • Informatics in the Natural Sciences (WP Advanced Computer Science), 6. Semester
  • Bioinformatics and Genome Reserach (WP Bioinformatics and Genome Research), 6. Semester
  • Bachelor Minor Computer Science (WP Advanced Computer Science), 6. Semester

Module for the Master's course

  • Informatics in the Natural Sciences (Additional Basics), 2. semester

Duration

Summer term: Special Algorithms, Algorithmic Implementation
every year



Computer Graphics

Title

  • Computer Graphics

Courses

  • Introduction to Computer Graphics (Lectures)

Responsible person

Contents

The lecture "Introduction to Computer Graphics" gives an introduction to the basic conecpts of Computer Graphics, focusing on efficient rendering and realistic visualization of three-dimensional scenes. The course is composed of a geometry part and a visualization part, where in the former different geometry representations and modeling operations for 3D objects will be discussed. Real-time rendering will be achieved by exploiting the hardware acceleration of modern graphics cards using OpenGL and custom shader programs. Computationally more expensive global illumination approaches allow for photo-realistic visualization. To facilitate a better understanding many of the discussed techniques will be implemented in the programming exercises.

The lecture can be combined with either the seminar "Hot Topics in Computer Graphics" or the project "Advanced Computer Graphics" to get the 10 credit points for the module "Computer Graphics".

In the seminar "Hot Topics in Computer Graphics" students will focus on advanced approaches and current research problems in Computer Graphics. Students will read, analyze, present, and discuss interesting state-of-the-art research papers.

In the programming project "Advanced Computer Graphics" teams of 2-4 students will design and implement advanced Computer Graphics projects, analyze their approach, and present the result at the end of the semester.

Skills

In the lecture students will learn the fundamental concepts of computer graphics. In the exercises they will gain practical experience by implementing the approaches discussed in the lecture. Students will get to know advanced topics in computer graphics by either discussing or implementing recent approaches in either the seminar or the project, respectively.

Number of achievements

1 graded or 1 not graded examination.

Forms of examination

  • Oral examination (20-30 min.) regarding the material of the lecture and the exercises.

Conditions for ECTS acquisition

Participation in the Exercises and passing of the Portfolio: 3 ECTS for exercises, 4 ECTS for oral examination
Partipation in the Seminar, Talk: 3 ECTS or Participation in the Project, Presentation: 3 ECTS

Workload and ECTS

Introduction to Computer Graphics: 210 h
Oral examination 90h

Total: 10 ECTS

Prerequisites

Basic knowledge in linear algebra is required. The practical exercises will be handled in C++.

Type and usability

Module for the Bachelor's courses

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Medieninformatik und Gestaltung (WP Medieninformatik)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Module for the Master's courses

  • Informatics in the Natural Sciences (Additional Basics)
  • Intelligent Systems (Additional Basics)
  • Interdisciplinary Media Sciences (Image processing technologies)

Duration

Winter term: Introduction to Computer Graphics
Summer term: Hot Topics in Computer Graphics or Advanced Computer Graphics
every year



Game Engineering and Simulation

Title

  • Game Engineering and Simulation

Courses

  • Game Engineering and Simulation (Project)

Responsible person

Contents

The course starts with up-to-date game development problems. Contents include specific and relevant knowledge domains such as informatics, software engineering, or game design. Using group work and learning-by-teaching methodology students do conceputual work and convert concepts to practical results. High practically and job oriented work is the primary goal of this course. Parts of the course might be setup as block course. Game Engineering targets at all relevant topics such as 3D Engines, artificial intelligence and multiplayer networks.

Skills

This course provides the consolidation of important models, procedures and methods of Game Engineering and simulation. The band width is defined from design to development to production. Students learn in independend groups to use their skills in practically oriented transfer of knowledge. Additionally they are forced to solve complex problems on their own and to use goal-oriented skills.

Number of achievements

1 not graded examination

Forms of examination

  • Project report and presentation

Conditions for ECTS acquisition

Passing of project: 10 ECTS

Workload and ECTS

Theoretical Engineering: 150h
Practical Engineering: 150h

Total: 10 ECTS

Prerequisites

Basic knowledge in Algorithms and Data Structures, Techniques of Software Development,
Software Engineering

Type and usability

Module for the Bachelor's courses

  • Informatics in the Natural Sciences (WP Advanced Computer Science)
  • Cognitive Informatics (WP Intelligent Systems)
  • Bioinformatics and Genome Research (WP Bioinformatics and Genome Research)
  • Media Informatics and Design (WP Media Informatics)
  • Minor Computer Science (WP Advanced Computer Science)

Module for the Master's courses

  • Intelligent Systems (Additional Basics)
  • Informatics in the Natural Sciences (Additional Basics)

Duration

Winter term, every year



Software Engineering

Title

  • Software Engineering

Courses

  • Software Engineering (Lecture and Exercises)

Responsible person

Contents

The course starts with an introduction into software engineering and motivates its appliances. Process-oriented development and development models are the core knowledge this course is based on. Processes such as requirements engineering, specification, analysis and design and testing are crucial knowledge domains of this course. Supporting processes such as cost estimation or software evolution are additional topics of this course. High practically and job oriented work is the primary goal of supporting exercises. Most important discussed process is project management which guides through this course.

Skills

This course provides the consolidation of important models, procedures and methods of Software Engineering. Students will learn about process-oriented software development and get trained during course exercises. Students will learn on how to solve complex problems on their own and how to apply learned models, procedures and methods using soft skills and direct kowledge transfer.

Number of achievements

1 graded or 1 not graded examination

Forms of examination

  • Written test or oral examination

Conditions for ECTS acquisition

Passing of the written test or oral examination: 5 ECTS

Workload and ECTS

Software Engineering: 150h

Total: 5 ECTS

Prerequisites

Basic knowledge in Algorithms and Data Structures

Type and usability

Module for the Bachelor's courses

  • Informatics in the Natural Sciences (WP Advanced Computer Science)
  • Cognitive Informatics (WP Intelligent Systems)
  • Bioinformatics and Genome Research (WP Bioinformatics and Genome Research)
  • Media Informatics and Design (WP Media Informatics)
  • Minor Computer Science (WP Advanced Computer Science)

Module for the Master's courses

  • Intelligent Systems (Additional Basics)
  • Informatics in the Natural Sciences (Additional Basics)

Duration

Winter term, every year



Algorithmen und Datenstrukturen

Modultitel

  • Algorithmen und Datenstrukturen

Modultitel (Englisch)

  • Algorithms and Data Structures

Lehrveranstaltungen des Moduls

  • Algorithmen & Datenstrukturen I (Vorlesung)
  • Programmieren in Haskell (Vorlesung)
  • Algorithmen & Datenstrukturen II (Vorlesung und Übungen)

Modulverantwortliche(r)

Lehrinhalte

Die Vorlesung Algorithmen und Datenstrukturen I führt in grundlegende Konzepte der Informatik ein. Sie behandelt Themen wie "Was ist Informatik?", Spezifikation und Algorithmus, Korrektheit und Effizienz von Programmen, Syntax und Semantik von Programmiersprachen, Programmiermethodik, etc. Zugleich erfolgt eine Einführung in das funktionale Programmieren in Haskell. Die Vorlesung Algorithmen und Datenstrukturen II behandelt objektorientierte Modellierung, die Sprache Java, und ausgewählte algorithmische Themen wie Textsuche und Hashing. Im Rahmen der Übungen ist im zweiten Teil des Semesters eine Programmieraufgabe selbständig in Java zu lösen.

Kompetenzen

Aufbau eines grundlegenden Verständnisses für Fragen der algorithmischen Modellierung und effizienten Implementierung, zusammen mit konkreter Kenntnis zweier Programmiersprachen, die unterschiedlichen Paradigmen angehören. Fähigkeit zur selbständigen Lösung einfacher Programmieraufgaben in Java.

Anzahl Einzelleistungen (benotet und unbenotet)

eine benotete Einzelleistung und eine unbenotete Einzelleistung

Prüfungsformen

  • benotete mündliche Prüfung (3 LP)
  • erfolgreiche Implementierung einer Programmieraufgabe (unbenotet) (6 LP)
  • aktive Teilnahme in Algorithmen und Datenstrukturen I und Programmieren in Haskell (jeweils 2,5 LP)

Voraussetzungen für die Vergabe von Leistungspunkten

Erfolgreiche Teilnahme in Algorithmen und Datenstrukturen I sowie Programmieren in Haskell ergibt jeweils 2,5 LP; erfolgreicher Abschluss des Programmierprojekts in Java (Algorithmen und Datenstrukturen II) ergibt 6 LP; Bestehen der mündlichen Prüfung über die drei Vorlesungen ergibt 3 LP.


Arbeitsaufwand und Leistungspunkte

Algorithmen und Datenstrukturen I:
Vorlesung
Nachbereitung der Vorlesung

3 SWS x 16 Wochen
3h/Woche x 16 Wochen

= 48h
= 48h

Programmieren in Haskell:
Vorlesung
Nachbereitung der Vorlesung

2 SWS x 16 Wochen
3h/Woche x 16 Wochen

= 32h
= 48h

Algorithmen und Datenstrukturen II:
Vorlesung
Nachbereitung der Vorlesung
Übungen
Vorbereitung der Übungen

3 SWS x 16 Wochen
2h/Woche x 16 Wochen
2 SWS x 16 Wochen
4h/Woche x 16 Wochen

= 48h
= 32h
= 32h
= 64h

Vorbereitung auf die Modulprüfung
gesamt: 432h = 14 LP

= 80h

Leistungspunkte für das Modul: 14 LP

Teilnahmevoraussetzungen und Vorkenntnisse

keine

Modultyp und Verwendbarkeit

Pflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik
  • Kognitive Informatik
  • Bioinformatik und Genomforschung

Dauer des Moduls / Angebotsturnus

Wintersemester: A & D I
Wintersemester: Programmieren in Haskell
Sommersemester: A & D II
jährlich



Algorithmische Stochastik in der Bioinformatik

Modultitel

  • Algorithmische Stochastik in der Bioinformatik

Modultitel (Englisch)

  • Algorithmic Stochastics in Bioinformatics

Lehrveranstaltungen des Moduls

  • Algorithmische Stochastik in der Bioinformatik (WS: 2V+2Ü)
  • Fallstudien zu Algorithmischer Stochastik in der Bioinformatik (SS: 2S) oder
    Biostatistik (SS: 2S)

Modulverantwortliche(r)

Lehrinhalte

Viele komplexe Probleme der Bio- und allgemeiner der naturwissenschaftlichen Informatik (z.B. Alignment, Gene finding, Inferenz fuer Populationssequenzdaten) lassen sich nicht gleichzeitig effizient und optimal mit deterministischen Verfahren lösen; in diesem Fall nimmt man oft stochastische Methoden zur Hilfe. Aufbauend auf stochastischen Grundlagen aus der Wahrscheinlichkeitstheorie und Statistik legt dieses Modul die nötigen Grundlagen (Darstellung von Verteilungen im Computer; Rechnen mit sehr kleinen Wahrscheinlichkeiten; Effiziente Generierung von Zufallszahlen aus vorgegebenen Verteilungen; Testen der Qualität von Zufallszahlengeneratoren). Als ein wichtiges Hilfsmittel werden Markov Chain Monte Carlo Methoden (Metropolis-Hastings; Gibbs sampler) anhand von Anwendungsbeispielen vorgestellt, sowie Methoden des
importance sampling und der Simulation seltener Ereignisse.Es werden alternativ zwei Seminare angeboten:

  1. Algorithmische Stochastik: Hier werden Simulationsanwendungen aus der aktuellen Forschungsliteratur erarbeitet.
  2. Biostatistik: Die Ausgaben stochastischer Simulationen, aber auch allgemein beliebige Datensätze, müssen statistisch untersucht werden um z.B. Parameterannahmen in den Modellen zu verifizieren oder weitergehende Aussagen über die Signifikanz der Ergebnisse machen zu können. Deswegen werden hier die notwendigen Grundlagen der Biostatistik gelegt (Konfidenzintervalle; statistische Test; multivariate Datenanalyse; lineare und nicht lineare Regression).

Kompetenzen

Der Schwerpunkt der Vorlesung liegt auf der Vermittlung von verschiedenen Methoden und Techniken als „Werkzeuge“ für ein breites Spektrum von Problemen aus der Bioinformatik. Die Studierenden lernen, in Wahrscheinlichkeiten zu denken und mit Wahrscheinlichkeitsverteilungen und ihren numerischen Eigenschaften umzugehen. Als Vorbereitung auf die Bachelor-Arbeit wird insbesondere in den Übungen verlangt, besprochene Methoden auf neue Probleme zu übertragen. Die Übungen beinhalten deswegen auch Programmier- und Projektaufgaben, in denen die Verfahren aus der Vorlesung implementiert und angewendet werden. Im Seminar lernen die Studierenden die Umsetzung in aktuelle Forschungssituationen, bzw. die statistische Analyse beliebiger Datensätze.


Literatur:
James E. Gentle. Random Number Generation and Monte Carlo Methods. Springer 1998. Christian P. Robert und George Casella. Monte Carlo Statistical Methods. Springer 2002. Donald E. Knuth. The Art of Computer Programming vol. 2. Addison-Wesley 1998.
Neil Madras, Lectures on Monte Carlo Methods, AMS 2002. James Bucklew, Introduction to Rare Event Simulation, Springer 2004.
Lutz Dümbgen. Biometrie. Vieweg+Teubner 2010.
Ludwig Fahrmeier. Regression. Springer 2009.

Anzahl Einzelleistungen (benotet und unbenotet)

eine benotete oder unbenotete Einzelleistung (Vorlesung), eine unbenotete Einzelleistung (Seminar)

Prüfungsformen

  • WS: Portfolio aus Übungsaufgaben, die veranstaltungsbezogen gestellt werden
    (Bestehensgrenze 50% der erzielbaren Punkte, individuelles Erläutern von Aufgaben) und Abschlussklausur (90-120 min) oder abschließende mündliche Prüfung (20-30 min). Die Übungsaufgaben im Rahmen des Portfolios werden in der Regel wöchentlich ausgegeben.
    Abschlussklausur oder abschließende mündliche Prüfung beziehen sich auf den Stoff der Vorlesung und der Übungen.
  • SS: Vortrag und schriftliche Ausarbeitung (Fallstudien-Seminar) oder lösen von Übungsaufgaben und schriftliche Ausarbeitung (Biostatistik-Seminar)

Voraussetzungen für die Vergabe von Leistungspunkten

WS: regelmäßige und aktive Teilnahme an den Übungen; Erbringen des o.g. Portfolios
SS: regelmäßige und aktive Teilnahme am Seminar; Seminarvortrag mit Ausarbeitung (Fallstudien- Seminar); schriftliche Ausarbeitung (Biostatistik-Seminar)

Arbeitsaufwand und Leistungspunkte

Algorithmische Stochastik in der Bioinformatik
gesamt: 210h = 7 LP		 = 210h
Fallstudien zu Algorithmischer Stochastik in
der Bioinformatik oder Biostatistik
gesamt: 90h = 3 LP		 = 90h

Leistungspunkte für das Modul: 10 LP

Teilnahmevoraussetzungen und Vorkenntnisse

Mathematik für Informatiker I und II,
Mathematische Methoden der Biowissenschaften I und II, Sequenzanalyse
Nützlich: Grundkenntnisse in numerischer Mathematik

Modultyp und Verwendbarkeit

Wahlpflichtmodul für den Bachelorstudiengang

  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)

Wahlpflichtmodul für die Masterstudiengänge

  • Bioinformatik und Genomforschung (Vertiefung Mathematik/Physik/Chemie)
  • Naturwissenschaftliche Informatik (Vertiefung Naturwissenschaften)

Dauer des Moduls / Angebotsturnus

Beginn: Wintersemester, jährlich



Angewandte Algorithmik

Modultitel

  • Angewandte Algorithmik

Modultitel (Englisch)

  • Applied Algorithmics

Lehrveranstaltungen des Moduls

  • Hauptseminar zu Algorithmen (Seminar)
  • Algorithmische Implementierung (Übung)

Modulverantwortliche(r)

Lehrinhalte

In diesem Modul werden vertiefende Kenntnisse zu Algorithmen aus verschiedenen Anwendungsbereichen vermittelt. Je nach konkreter Veranstaltung sind dies Beispiele aus einem an der Technischen Fakultät angesiedelten Forschungsgebiet wie der Bioinformatik oder der Kognitiven Informatik, aber auch andere Anwendungsgebiete sind denkbar. Dabei sollen verschiedene algorithmische Vorgehensweisen betrachtet werden, beispielsweise Optimierungsverfahren, kombinatorische, stochastische, geometrische Algorithmen, graphentheoretische Ansätze, etc. Neben der Betrachtung der Algorithmen soll auch deren Analyse thematisiert werden.

Kompetenzen

Den Studierenden werden verschiedene algorithmische Fragestellungen und Lösungsansätze vermittelt. Im Hauptseminar sollen der Umgang mit Originalliteratur, Präsentationstechniken und die Anfertigung einer schriftlichen Ausarbeitung geübt werden, in den Übungen sollen Implementierungen der untersuchten Algorithmen angefertigt werden.

Anzahl Einzelleistungen (benotet und unbenotet)

eine benotete und zwei unbenotete Einzelleistungen

Prüfungsformen

  • benotete Ausarbeitung im Hauptseminar
  • unbenoteter Vortrag im Hauptseminar
  • unbenotete Implementierungsaufgabe in der Übung

Voraussetzungen für die Vergabe von Leistungspunkten

Vortrag im Hauptseminar ergibt 2 LP, Ausarbeitung im Hauptseminar ergibt 2 LP, erfolgreiches Bearbeiten der Implementierungsaufgabe ergibt 1 LP.

Arbeitsaufwand und Leistungspunkte

Hauptseminar zu Algorithmen:
Seminar
Vorbereitung des Vortrags
Erstellen der Ausarbeitung
gesamt: 120h = 4 LP

2 SWS x 16 Wochen

 

 = 30h
= 45h
= 45h
Algorithmische Implementierung:
Implementierung
gesamt: 30h = 1 LP		 = 30h

Leistungspunkte für das Modul: 5 LP

Teilnahmevoraussetzungen und Vorkenntnisse

Algorithmen und Datenstrukturen

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik), 6. Semester
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung), 6. Semester
  • Nebenfach Informatik (WP Vertiefung Informatik), 6. Semester

Wahlpflichtmodul für den Masterstudiengang

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung), 2. Semester

Dauer des Moduls / Angebotsturnus

Sommersemester: Hauptseminar zu Algorithmen, Algorithmische Implementierung
jährlich



Anwendungen Kognitiver Systeme

Modultitel

  • Anwendungen Kognitiver Systeme

Modultitel (Englisch)

  • Applications of Cognitive Systems

Lehrveranstaltungen des Moduls

  • Maschinelles Lernen im Web (V+Ü) oder
  • Softcomputing für die Bioinformatik (V+Ü) oder
  • Modern Data Analysis (V+Pj)

Modulverantwortliche(r)

Lehrinhalte

In diesem Modul soll exemplarisch an einem Anwendungsgebiet wie etwa dem Web oder der Bioinformatik die praktische Bedeutung von Verfahren der Cognitive Sciences in Anwendungen demonstriert werden. Dazu sollen die jeweils relevanten Problemstellungen erörtert und die verwandten Verfahren mit den jeweiligen Problemspezifika erläutert werden. Spezielle Themen sind dabei etwa der Umgang mit komplexen Datenstrukturen, die Adaptation von Verfahren für sehr große Datenmengen, oder die Integration verschiedener Techniken zu einer adäquaten Verfahrenskette.

Kompetenzen

Die Studierenden sollen aktuelle Methoden der Cognitive Science kennenlernen und praktische Erfahrung sammeln, wie diese für komplexere Anwendungsgebiete eingesetzt werden. Dieses umfasst die mathematische Formalisierung der zugrundeliegenden Sachverhalte, die Kenntnis spezieller Algorithmen, als auch deren konkrete Umsetzung und Einbindung in Verfahrensketten. Die Veranstaltung wird von einem praktischen Teil begleitet, in dem die Studierenden die Verfahren konkret ausprobieren sollen.

Anzahl Einzelleistungen (benotet und unbenotet)

eine benotete (Portfolio mit mündlicher Prüfung) oder eine unbenotete (Portfolio mit Kolloquium) Einzelleistung

Prüfungsformen

  • Portfolio aus Übungsaufgaben bzw. Projektaufgaben, die veranstaltungsbezogen gestellt werden (Bestehensgrenze 50% der erzielbaren Punkte, individuelles Erläutern von Aufgaben) und abschließender mündlicher Prüfung/Kolloquium (15 min). Die abschließende mündliche Prüfung/Kolloquium bezieht sich auf den Stoff der Vorlesung und der Übungen bzw. Projekt.

Voraussetzungen für die Vergabe von Leistungspunkten

Regelmäßige und aktive Teilnahme an den Übungen, Erbringen des o.g. Portfolios ergeben 5 LP. (2 LP für Übungen, 3 LP für mündl. Prüfung/Kolloquium)

Arbeitsaufwand und Leistungspunkte

Vorlesung
Nachbereitung der Vorlesung
Übungen bzw. Projekt
Vorbereitung der Übungen/Projekt
Vorbereitung auf die mdl. Prüfung
gesamt: 150h = 5 LP		 2 SWS x 16 Wochen
2h x 16 Wochen
2h bzw. 2 SWS x 16 Wochen
1h x 16 Wochen


 = 30h
= 30h
= 30h
= 15h
= 45h

Teilnahmevoraussetzungen und Vorkenntnisse

Empfohlen: Grundkenntnisse in Algorithmen und Datenstrukturen oder Grundlagen der Programmierung, Mathematik

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Medieninformatik und Gestaltung (WP Medieninformatik)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Wahlpflichtmodul für die Masterstudiengänge

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)
  • Intelligente Systeme (Grundlagen Ergänzung)

Dauer des Moduls / Angebotsturnus

ein Semester, angeboten im SS
das Modul wird mindestens zweijährlich angeboten



Bildverarbeitung

Modultitel

  • Bildverarbeitung

Modultitel (Englisch)

  • Image Processing

Lehrveranstaltungen des Moduls

  • Bildverarbeitung (Vorlesung und Übungen)
  • Anwendungsorientierte Bildverarbeitung (Vorlesung und Übungen) oder
  • Seminar zu ausgewählten Themen aus dem Bereich Bildverarbeitung

Modulverantwortliche(r)

Lehrinhalte

Die Vorlesung "Bildverarbeitung" befasst sich mit Methoden zur automatischen Erfassung und Verarbeitung von Bildern mit Digitalrechnern. Ziel der Vorlesung ist es, grundlegende Methoden der Bildverarbeitung vorzustellen und deren praktische Einsatzfähigkeiten aufzuzeigen. Innerhalb der Vorverarbeitung werden Bilder so aufbereitet, dass bessere Ergebnisse bei der automatischen Verarbeitung erzielt werden können. Neben Verfahren, die im Ortsraum arbeiten, wie Normierung, Rangordnungs- und Morphologische Operationen, werden Techniken vorgestellt, die auf spektralen Bildrepräsentationen basieren. Ziel der nachfolgenden Bildsegmentierung ist es, ein (vorverarbeitetes) Bild in einfache, bedeutungstragende Teile zu zerlegen. Dabei unterscheidet man allgemeine, anwendungsunabhängige Methoden und Verfahren, die Wissen über den Bildinhalt für die Segmentierung ausnutzen. In dieser Vorlesung werden Methoden vorgestellt, die kein oder nur sehr wenig Wissen über die strukturellen Bildinhalte verwenden. Dies beinhaltet sowohl Verfahren zur Linien-, Regionen- und Texturfindung. Abschließend werden aktuelle Verfahren der Objektdetektion und -erkennung betrachtet.
Im Rahmen der Übungen zur Vorlesung werden die theoretischen Konzepte anhand praktischer Übungsbeispiele erläutert und vertieft. Die Vorlesung "Anwendungsorientierte Bildverarbeitung" stellt zunächst die in einer konkreten Entwicklungsumgebung für automatische Bildverarbeitungssysteme bereitgestellten Implementierungen der aus der Vorlesung "Bildverarbeitung" bekannten Verfahren vor. Im Rahmen der zugehörigen Übungen werden dann fortgeschrittene Techniken der digitalen Bildverarbeitung theoretisch erarbeitet und in Gruppenprojekten implementiert und evaluiert. Dabei realisiert jede Gruppe ein kleines, praxisnahes Anwendungsprojekt.
Alternativ zur Vorlesung "Anwendungsorientierte Bildverarbeitung" werden im Rahmen eines Seminars ausgewählte, spezialisierte Themen der digitalen Bildverarbeitung behandelt. Dabei wird ein Themenkomplex von jedem Teilnehmer aufbereitet und in einem Vortrag präsentiert. Zusätzlich wird eine Ausarbeitung zum jeweiligen Thema erstellt.

Kompetenzen

Die Studierenden erhalten einen Überblick über die Probleme und Lösungsmethoden, die zur automatischen Verarbeitung digitaler Bilder zum Einsatz kommen. Durch die Bearbeitung von praktischen Übungsaufgaben in der Vorlesung „Bildverarbeitung“ und der Durchführung eines Gruppenprojekts in den Übungen zur Vorlesung „Anwendungsorientierte Bildverarbeitung“ oder der eigenständigen Bearbeitung eines Seminarthemas wird das erworbene Wissen vertieft.

Anzahl Einzelleistungen (benotet und unbenotet)

eine benotete oder unbenotete mündliche Prüfung über die Inhalte der Vorlesung „Bildverarbeitung“
erfolgreiche Bearbeitung eines Gruppenprojekts (kurzer Vortrag, Demonstration und kurze Ausarbeitung) im Rahmen der Übungen zur Vorlesung Anwendungsorientierte Bildverarbeitung oder
erfolgreiche Teilnahme am Seminar (Vortrag und Ausarbeitung)

Prüfungsformen

  • mündliche Prüfung
  • Vortrag und Ausarbeitung (inkl. Programmdemonstration) zum Gruppenprojekt oder Seminarvortrag und Seminarausarbeitung (Hausarbeit)

Voraussetzungen für die Vergabe von Leistungspunkten

Bestehen der mündlichen Prüfung (ergibt 5,5 LP)
erfolgreiche Bearbeitung des Gruppenprojekts (ergibt 4,5 LP) oder
erfolgreiche Teilnahme am Seminar (ergibt 4,5 LP)

Arbeitsaufwand und Leistungspunkte

Bildverarbeitung:
Vorlesung
Nachbereitung der Vorlesung
Übungen
Vorbereitung der Übungen
Vorbereitung der Prüfung
gesamt: 165h = 5,5 LP

2 SWS x 16 Wochen
2h/Woche x 16 Wochen
2 SWS x 16 Wochen
1,5h/Woche x 16 Wochen

 = 32h
= 32h
= 32h
= 24h
= 45h
Anwendungsorientierte Bildverarbeitung:
Vorlesung
Nachbereitung der Vorlesung
Übungen
Vorbereitung der Übungen
Vorbereitung Vortrags
Erstellen der Ausarbeitung
gesamt: 135h = 4,5 LP

1 SWS x 16 Wochen
1h/Woche x 16 Wochen
3 SWS x 16 Wochen
2h/Woche x 16 Wochen

 = 16h
= 16h
= 48h
= 32h
= 7h
= 16h
Seminar Bildverarbeitung
Seminar
Nachbereitung des Seminars
Vorbereitung des Vortrags
Erstellen der Ausarbeitung
gesamt: 134h = 4,5 LP

2 SWS x 16 Wochen
2h/Woche x 16 Wochen

= 32h
= 32h
= 30h
= 40h

Leistungspunkte für das Modul: 10 LP

Teilnahmevoraussetzungen und Vorkenntnisse

Abschluss des Moduls "Mustererkennung" bzw. "Musterklassifikation" hilfreich

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Medieninformatik und Gestaltung (WP Medieninformatik)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Wahlpflichtmodul für die Masterstudiengänge

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)
  • Intelligente Systeme (Grundlagen Ergänzung)
  • Interdisziplinäre Medienwissenschaft

Dauer des Moduls / Angebotsturnus

Wintersemester: Bildverarbeitung
Sommersemester: Anwendungsorientierte Bildverarbeitung oder Seminar Bildverarbeitung
jährlich



Biomedizinische Bildverarbeitung

Modultitel

  • Biomedizinische Bildverarbeitung

Modultitel (Englisch)

Lehrveranstaltungen des Moduls

  • Biomedizinische Bildverarbeitung (Vorlesung, 4 SWS)

Modulverantwortliche(r)

Lehrinhalte

In dieser Vorlesung werden die wichtigsten bildgebenden Verfahren in der Biologie und Medizin und ihre primären Anwendungsfelder erklärt. Dabei werden sowohl 2D-(Sonographie, Mikroskopie, 2D Gele) als auch 3D-Datensätze (MRI, CT, PET) behandelt. Anschließend wird in die Methoden der (halb-)automatischen Auswertung dieser Datensätze eingeführt. Dabei werden ausgewählte Inhalte aus Mustererkennung, Bildverarbeitung, Datamining und Visualisierung im Bezug zu dieser Anwendungsdomäne einbezogen und vertieft.

  • T. Lehmann: Bildverarbeitung für die Medizin. Grundlagen, Modelle, Methoden, Anwendungen. Springer Verlag 1997
  • Webb: Introduction to Biomedical Imaging. Wiley-IEEE Press 2003.

Kompetenzen

Die Studierenden sollen aktuelle Methoden der Bildgebung in Medizin und Biologie kennen lernen und mit ihren individuellen Anwendungskontexten vertraut gemacht werden. Desweiteren soll den Studierenden die besonderen Anforderungen an Bildanalysesysteme in der Biologie und Medizin vermittelt werden.

Anzahl Einzelleistungen (benotet und unbenotet)

eine benotete Einzelleistung

Prüfungsformen

benotete mündliche Prüfung über Inhalte der Vorlesung

Voraussetzungen für die Vergabe von Leistungspunkten

Bestehen der mündlichen Prüfung ergibt 5 LP

Arbeitsaufwand und Leistungspunkte

Vorlesung
Nachbereitung der Vorlesung
Vorbereitung auf die Modulprüfung
gesamt: 150h = 5 LP		 4 SWS x 16 Wochen
2h/Woche x 16 Wochen
 = ca. 60h
= ca. 30h
= 60h

Teilnahmevoraussetzungen und Vorkenntnisse

keine

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Medieninformatik und Gestaltung (WP Medieninformatik)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Wahlpflichtmodul für den Masterstudiengang

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)

Dauer des Moduls / Angebotsturnus

Wintersemester
jährlich



Computer Vision

Modultitel

  • Computer Vision

Modultitel (Englisch)

  • Computer Vision

Lehrveranstaltungen des Moduls

  • Computer Vision (Vorlesung und Übung)

Modulverantwortliche(r)

Lehrinhalte

Die Vorlesung Computer Vision behandelt Methoden zur Interpretation von Einzelbildern und Bildfolgen. Über die letzten 40 Jahre hat sich das Computer-Sehen als eigene Fachdisziplin etabliert, die neben der KI parallele Wurzeln in der Mustererkennung und Signalverarbeitung hat. Heutzutage sind Computer-Vision-Techniken in der Lage Objekte in komplexen Umgebungen wieder zuerkennen, diese trotz Verdeckungen über die Zeit hinweg zu verfolgen, Bewegungen eines Menschen zu interpretieren, autonome Fahrzeuge zu lokalisieren und zu navigieren, Dokumente und Handschrift zu erkennen oder die Struktur und  Form eines Raumes/Objektes zu rekonstruieren.
In dem Modul werden Grundlagen aus verschiedenen Bereichen des Computer-Sehens vermittelt. Ein Schwerpunkt liegt dabei auf der Interpretation von Szenen und menschlichen Handlungen. Neben unterschiedlichen Ansätzen zur Objekterkennung und Szenekategorisierung wird dabei auf die Verfolgung von starren und artikulierten Objekten eingegangen, sowie auf die Modellierung von Kontextinformation.  Schließlich werden noch Aspekte des aktiven Roboter-Sehens behandelt.

Kompetenzen

Es wird der systematische Umgang mit Problemstellungen im Bereich Computer-Sehen vermittelt. Dabei liegt der Schwerpunkt auf der qualitativen Interpretation. Im Gegensatz zu genauen sensor-basierten Messverfahren, spielt dabei nicht die exakte Rekonstruktion eine Rolle, sondern die Abbildung von quantitativen Bilddaten auf bedeutungstragende Kategorien. Hierfür fließen Methoden der KI mit Methoden der Mustererkennung in einem spannenden Anwendungsfeld zusammen.

Anzahl Einzelleistungen (benotet und unbenotet)

eine benotete oder unbenotete Einzelleistung

Prüfungsformen

mündliche Prüfung (benotet) oder Kolloquium (unbenotet)

Voraussetzungen für die Vergabe von Leistungspunkten

Bestehen der mündlichen Prüfung (benotet) oder des Kolloquiums (unbenotet) über die Vorlesung und Übung ergibt 5 LP.

Arbeitsaufwand und Leistungspunkte

Computer Vision:
Vorlesung
Nachbereitung der Vorlesung
Übung
Vorbereitung der Übung
Vorbereitung auf die Modulprüfung:
gesamt: 150h = 5 LP
2 SWS x 16 Wochen
2h/Woche x 16 Wochen
2h/Woche x 16 Wochen
1h/Woche x 16 Wochen


 = 30h
= 30h
= 30h
= 15h
= 45h

Teilnahmevoraussetzungen und Vorkenntnisse

Vorkenntnisse in den Bereichen Bildverarbeitung und Musterklassifikation/Neuronale Netze werden empfohlen

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Wahlpflichtmodul für die Masterstudiengänge

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)
  • Intelligente Systeme (Grundlagen Ergänzung)

Dauer des Moduls / Angebotsturnus

Sommersemester: Vorlesung Computer Vision
jährlich



Datenbanken

Modultitel

  • Datenbanken

Modultitel (Englisch)

  • Database Systems

Lehrveranstaltungen des Moduls

  • Einführung in die Datenbanken und Modellierung (WS: 2V + 2Ü)

Modulverantwortliche(r)

Lehrinhalte

In diesem Modul befassen wir uns mit den Grundlagen von Datenbanksystemen. Nach einem allgemeinen Überblick beschäftigen wir uns insbesondere mit dem relationalen Modell sowie mit der Anfragesprache SQL. Ein weiterer Schwerpunkt liegt auf dem Design von Datenbanken, insbesondere von relationalen Datenbanken. Zusätzlich zum relationalen Modell werden wir auch weitere Datenmodelle kennenlernen, wie z.B. das XML Datenmodell oder Objektorientierte Datenbankmodelle. Praktische Übungen mit MySQL, JDBC und XML runden die Vorlesung ab.

Kompetenzen

Die Vorlesung gibt einen Einblick in das Gebiet der Datenbanken und vermittelt Grundlagen und Handhabung der gängigen Datenbankmodelle und Methoden. Im Rahmen von Übungen wird das vermittelte Wissen durch praktische Aufgaben vertieft und umgesetzt. Die Studierenden werden durch die Arbeit mit konkreten Werkzeugen wie z.B. MySQL, XML und JAVA dazu befähigt, eigene Datenbanken und Applikationen zu entwerfen und zu implementieren.

Literatur

  • A. Silberschatz, H. F. Korth, S. Sudarshan, „Database Sysem Concepts“, 5th edition, McGraw Hill

Anzahl Einzelleistungen (benotet und unbenotet)

eine benotete oder unbenotete Einzelleistung

Prüfungsformen

Die benotete oder unbenotete Einzelleistung beinhaltet folgendes Portfolio an Leistungen:

  • schriftlichen Klausur
  • erfolgreiche Bearbeitung der Übungsblätter (s. Vergabe von LP)

Voraussetzungen für die Vergabe von Leistungspunkten

Bestehen der schriftlichen Klausur (3 LP) und erfolgreiche Bearbeitung der Übungsaufgaben (2 LP). Die erfolgreiche Bearbeitung der Übungsaufgaben beinhaltet, dass mind. 60% der Aufgaben in den Übungsgruppen „votiert“ werden, d.h. die Bereitschaft zum Vorrechnen zu Beginn jeder Übungsgruppe explizit angegeben wird, sowie mindestens zweimaliges Vorrechnen der Lösung zu einer votierten Aufgabe nach Aufforderung durch den Tutor. Diese Leistungen ergeben insgesamt 5 LP.

Arbeitsaufwand und Leistungspunkte

Vorlesung Datenbanken
Nachbereitung der Vorlesung:
Übungen
Vorbereitung der Übungen:
Vorbereitung der Prüfung
gesamt: 150h = 5 LP		 2 SWS x 16 Wochen
2h/Woche x 16 Wochen
2 SWS x 16 Wochen
2h/Woche x 16 Wochen


 = ca. 30h
= ca. 30h
= ca. 30h
= ca. 30h
= ca. 30h

Teilnahmevoraussetzungen und Vorkenntnisse

Algorithmen und Datenstrukturen bzw. Einführung in die Informatik/Grundlagen der Programmierung
Empfohlene Kenntnisse: Grundkenntnisse Mathematik

Modultyp und Verwendbarkeit

Pflichtmodul für den Bachelorstudiengang

  • Bioinformatik und Genomforschung

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Molekulare Biotechnologie (WP Informatik)
  • Medieninformatik und Gestaltung (WP Medieninformatik)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Wahlpflichtmodul für die Masterstudiengänge

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)
  • Intelligente Systeme (Grundlagen Ergänzung)
  • Interdisziplinäre Medienwissenschaft

Dauer des Moduls / Angebotsturnus

Wintersemester: Vorlesung und Übung
jährlich



Datenbanken II

Modultitel

  • Datenbanken II

Modultitel (Englisch)

  • Database Systems II

Lehrveranstaltungen des Moduls

  • Datenbanken II (SS: 2V + 2Ü)

Modulverantwortliche(r)

Lehrinhalte

Das Modul erweitert und vertieft Datenstrukturen, Algorithmen und Architekturprinzipien von Datenbanksystemen. Dazu werden insbesondere die folgenden Themengebiete behandelt:

  • Physikalische Datenspeicherung (Filestruktur, Indices, Hashing etc.)
  • Anfragebearbeitung und –optimierung
  • Transaktionsmanagement
  • Recovery und Concurrency Control
  • Verteilte und Föderierte Datenbanken
  • Data Mining und Data Warehouses
  • Schema- und Datenintegration
  • Anwendungen  (Bioinformatik, Semantic Web, Multimedia, Geographische Datenbanken)

Kompetenzen

Die Vorlesung vermittelt ein tieferes Verständnis von Datenbanksystemen, ihrem Aufbau, Implementierung und Anwendungen.  Die Vorlesung vermittelt ebenfalls Grundlagen zu Techniken des Data Mining und der Datenintegration. Die Behandlung von konkreten Datenbankanwendungen in den Bereichen Semantic Web, Bioinformatik und Multimedia rundet die Vorlesung ab und liefert praxisrelevante Kenntnisse. Die erworbenen Kenntnisse sollen die Studierenden zur (Weiter-) Entwicklung von Datenbanksystemen sowie zur Realisierung nicht-trivialer Datenbankanwendungen befähigen.

Literatur

  • A. Silberschatz, H. F. Korth, S. Sudarshan, „Database System Concepts“, 5th edition, McGraw Hill, 2006
  • R. Elmasri und S.B. Navathe, „Fundamentals of Database Systems“, 5th edition, Pearson/Addison Wesley, 2007.

Anzahl Einzelleistungen (benotet und unbenotet)

eine benotete oder unbenotete Einzelleistung

Prüfungsformen

Die benotete oder unbenotete Einzelleistung beinhaltet folgendes Portfolio an Leistungen:

  • schriftlichen Klausur
  • erfolgreiche Bearbeitung der Übungsblätter (s. Vergabe von LP)

Voraussetzungen für die Vergabe von Leistungspunkten

Bestehen der mündlichen oder schriftlichen Prüfung (3 LP) sowie erfolgreiche Bearbeitung der Übungsblätter. Die erfolgreiche Bearbeitung der Übungsblätter beinhaltet die Lösung von mind. 60% der Aufgaben sowie das zweimalige Vorrechnen einer Aufgabe in den Übungsgruppen (2 LP). Diese Leistungen ergeben zusammen 5 LP.

Arbeitsaufwand und Leistungspunkte

Vorlesung Datenbanken II
Nachbereitung der Vorlesung:
Übungen
Vorbereitung der Übungen:
Vorbereitung der Prüfung
gesamt: 150h = 5 LP		 2 SWS x 16 Wochen
2h/Woche x 16 Wochen
2 SWS x 16 Wochen
2h/Woche x 16 Wochen


 = ca. 30h
= ca. 30h
= ca. 30h
= ca. 30h
= ca. 30h

Teilnahmevoraussetzungen und Vorkenntnisse

Kenntnisse aus Datenbanken I (oder vergleichbare Kenntnisse aus anderen Vorlesungen)

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Molekulare Biotechnologie (WP Informatik)
  • Medieninformatik und Gestaltung (WP Medieninformatik)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Wahlpflichtmodul für die Masterstudiengänge

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)
  • Intelligente Systeme (Grundlagen Ergänzung)
  • Interdisziplinäre Medienwissenschaft

Dauer des Moduls / Angebotsturnus

Sommersemester: Vorlesung und Übung (ab SS 2011)



Digitale Kommunikation und Internetdienste

Modultitel

  • Digitale Kommunikation und Internetdienste

Modultitel (Englisch)

  • Digital Communication and Internet Services

Lehrveranstaltungen des Moduls

  • Digitale Kommunikation und Internetdienste (2V+1Ü)
  • Seminar Digitale Kommunikation (2S), Labor Digitale Kommunikation (2L)
  • gelegentlich angebotene Sonderveranstaltungen in Absprache mit dem Modulverantwortlichen

Modulverantwortliche(r)

Lehrinhalte

Einführung in Protokoll-Dienste-Stack-Architektur; OSI Vergleichsmodell; TCP/IP-Stack-Architektur. Ethernet, IP, TCP, Anwendungsdienste (HTTP, SMTP, usw.). Eine Auswahl weiterer Themen wie WiFi (IEEE 802.11-Serie), Bluetooth. Lokale TCP/IP-Netze, WiFi-Ad-Hoc-Netze, Bluetooth-Piconetze, Quality-of-Service sowie auch nach der Interessenslage der Teilnehmer im Seminar. Praktischer Umgang mit Ethernet, Bridgeing, Routing und andere TCP/IP-Techniken, eine Einführung in Cisco IOS.
 
Literatur:

  • Folien zur Vorlesung, RVS-Internetskripte (Blume et al., Holtkamp, Holtmann, Stuphorn).
  • Tanenbaum, Computernetze.
  • Comer, Computernetze.
  • Kurose & Ross, Computernetze.
  • Peterson & Davie, Computernetze.
  • Panwar et al., TCP/IP Essentials: A Lab-Based Approach

Kompetenzen

Verständnis der Grundlagen der Digital-Kommunikationssysteme. Die praktische Fähigkeit, mehrere digitale Geräte miteinander zu vernetzen mit Ethernet und TCP/IP.

Anzahl Einzelleistungen (benotet und unbenotet)

vier unbenotete Einzelleistungen oder drei unbenotete und eine benotete Einzelleistung (Labor Digitale Kommunikation)

Prüfungsformen

Klausur und Übungsaufgaben (Vorlesung und Übungen), Vortrag (Seminar), Laborbericht

Voraussetzungen für die Vergabe von Leistungspunkten

Präsenzteilnahme in Digitale Kommunikation und Internetdienste (Vorlesung und Übungen), Labor Digitale Kommunikation und Seminar Digitale Kommunikation oder gelegentlich angebotene Sonderveranstaltungen genehmigt vom Modulverantwortlichen

Arbeitsaufwand und Leistungspunkte

Digitale Kommunikation und Internetdienste (WS: 2V) 3 LP
Übungen zu Digitale Kommunikation und
Internetdienste (WS: 1Ü) 2 LP
Labor Digitale Kommunikation (SS: 2L) 3 LP
Seminar Digitale Kommunikation (SS: 2S) 2 LP

 = 90h

= 60h
= 90h
= 60h

Leistungspunkte für das Modul: 10 LP

Teilnahmevoraussetzungen und Vorkenntnisse

Mathematik I, Grundlagen der Programmierung oder Algorithmen und Datenstrukturen

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Medieninformatik und Gestaltung (WP Medieninformatik)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Wahlpflichtmodul für die Masterstudiengänge

  • Intelligente Systeme (Grundlagen Ergänzung)
  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)

Dauer des Moduls / Angebotsturnus

Beginn: Wintersemester, Dauer: 1 Jahr, Turnus: jährlich



Game Engineering und Simulation

Modultitel

  • Game Engineering und Simulation

Modultitel (Englisch)

  • Game Engineering and Simulation

Lehrveranstaltungen des Moduls

  • Game Engineering und Simulation (Projektarbeit)

Modulverantwortliche(r)

Lehrinhalte

Ausgehend von ausgewählten aktuellen Themen und Problemstellungen der Spieleentwicklung wird in der Veranstaltung auf spezifische und relevante Wissensdomänen der Informatik, des Software Engineering oder des Spieledesigns eingegangen. In Gruppenarbeit werden Konzepte erarbeitet und praktisch umgesetzt. Die praxis- und berufsorientierte Anwendung steht bei diesem Modul im Vordergrund. Die Lehrveranstaltung kann Anteile der Veranstaltung als Blockveranstaltung ausgliedern. Game Engineering behandelt alle relevanten Bereiche - darunter 3D Engines, Künstliche Intelligenz und Multiplayer-Netzwerke.

Kompetenzen

Ziel ist die Vertiefung wesentlicher Modelle, Verfahren und Methoden des Game Engineering und der Simulation. Die Bandbreite erstreckt sich von der Entwicklung über das Design bis zur Produktion. Insbesondere sollen die Studierenden in möglichst eigenständiger Gruppenarbeit ihre Fähigkeiten der praktischen Umsetzung von Kenntnissen praxisorientiert verbessern. Zudem sollen sie in der Lage sein, selbständig komplexe Probleme zu lösen und ihre Fähigkeiten zielorientiert einzusetzen.

Anzahl Einzelleistungen (benotet und unbenotet)

eine unbenotete Einzelleistung

Prüfungsformen

Projektbericht und Abschlusspräsentation

Voraussetzungen für die Vergabe von Leistungspunkten

Abgabe des Projektberichts einschließlich der Abschlusspräsentation ergibt 10 LP.

Arbeitsaufwand und Leistungspunkte

Theoretisches Game Engineering:
Teilnahme
Vorbereitung
Nachbereitung
Abschlussdokumentation
4 SWS x 15 Wochen
2h/Woche x 15 Wochen
2h/Woche x 15 Wochen
= 60h
= 30h
= 30h
= 30h
Praktisches Game Engineering:
Teilnahme
Vorbereitung
Nachbereitung
Abschlussdokumentation
gesamt: 300h = 10 LP
4 SWS x 15 Wochen
2h/Woche x 15 Wochen
2h/Woche x 15 Wochen
= 60h
= 30h
= 30h
= 30h

Teilnahmevoraussetzungen und Vorkenntnisse

Voraussetzungen: Algorithmen und Datenstrukturen oder Grundlagen der Programmierung, Techniken der Projektentwicklung
Vorkenntnisse: Softwareengineering I.

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Medieninformatik und Gestaltung (WP Medieninformatik)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Wahlpflichtmodul für die Masterstudiengänge

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)
  • Intelligente Systeme (Grundlagen Ergänzung)

Dauer des Moduls / Angebotsturnus

einmalig im Sommersemester 2010, anschließend jedes Wintersemester



Grundlagen Datamining

Modultitel

  • Grundlagen Datamining

Modultitel (Englisch)

  • Foundations of Datamining

Lehrveranstaltungen des Moduls

  • Grundlagen Datamining (Vorlesung und Blockübung/Übungen, 2 + 2/1 SWS)

Modulverantwortliche(r)

Lehrinhalte

Das Modul bietet eine Einführung in grundlegende Methoden des Datamining, der explorativen Datenanalyse und dafür einschlägigen Verfahren maschinellen Lernens und der Visualisierung von Daten.

Kompetenzen

Ziel ist die Vermittlung grundlegender Fragestellungen, Methoden und Anwendungsfelder des Datamining: Datenvorverarbeitung, Dimensionsreduktionsverfahren, Visualisierungstechniken, maschinelles Lernen, Signifikanzbewertung. Dabei werden die Anwendungsfelder Text- und Bilddatenmining, Datamining in der Bioinformatik und Zeitreihenanalyse berührt.

Anzahl Einzelleistungen (benotet und unbenotet)

eine benotete und eine unbenotete Einzelleistung

Prüfungsformen

  • Portfolio aus Übungsaufgaben, die veranstaltungsbezogen gestellt werden (50% der erzielbaren Punkte). Die Übungsaufgaben im Rahmen des Portfolios werden in der Regel wöchentlich ausgegeben, bei Blockübungen täglich.
  • benotete mündliche Prüfung über die Inhalte der Vorlesung

Voraussetzungen für die Vergabe von Leistungspunkten

Erfolgreiches Bearbeiten der Übungsaufgaben ergibt 1,5 LP, Bestehen der mündlichen Prüfung ergibt 3,5 LP.

Arbeitsaufwand und Leistungspunkte

Datamining I
Vorlesung
Nachbereitung der Vorlesung
2 SWS x 16 Wochen
2h x 16 Wochen
= 30h
= 30h
Blockübungen
Nachbereitungen der Übungen
oder
Übungen
Bearbeiten der Übungsaufgaben		 6h x 1 Woche


1 SWS x 16 Wochen
2h x 16 Wochen		 = 30h
= 15h

= 15h
= 30h
Vorbereitung auf die Modulprüfung
gesamt: 150h = 5 LP		 = 45h

Teilnahmevoraussetzungen und Vorkenntnisse

Nützlich: Neuronale Netze und Lernen, Bildverarbeitung, Vertiefung Mathematik
Querbezüge zu: Information Visualization, Sequenzanalyse, Mustererkennung bzw. Musterklassifikation

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Medieninformatik und Gestaltung (WP Medieninformatik)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Wahlpflichtmodul für die Masterstudiengänge

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)
  • Intelligente Systeme (Grundlagen Ergänzung)

Dauer des Moduls / Angebotsturnus

Wintersemester, mindestens 2-jährlich



Grundlagen der Computergrafik

Modultitel

  • Grundlagen der Computergrafik

Modultitel (Englisch)

  • Computer Graphics

Lehrveranstaltungen des Moduls

  • Vorlesung "Einführung in die Computergrafik" (Vorlesung und Übung, 3+1 SWS)

Modulverantwortliche(r)

Lehrinhalte

Dieses Modul vermittelt die theoretischen und praktischen Grundlagen der Computergrafik, wobei die effiziente und/oder realistische Visualisierung dreidimensionaler Szenen im Mittelpunkt steht. Die Vorlesung teilt sich in vier Blöcke auf: Im Geometrie-Block werden verschiedene Repräsentationen für 3D-Modell und 3D-Szenen behandelt, z.B. Dreiecksnetze, Splineflächen, oder Volumendaten. Diese Modelle können dann entweder möglichst foto-realistisch (Block Globale Beleuchtung) oder möglichst effizient (Block Echtzeit-Rendering) visualisiert werden. Im Bildbearbeitungs-Block werden Post-Processing- oder Kompressionsverfahren für die resultierenden Bilder besprochen. Zum besseren Verständnis wird ein Großteil dieser Verfahren in den praktischen Übungen implementiert, welche in vier Mini-Projekte zu den entsprechenden Themenblöcken aufgeteilt sind.

Kompetenzen

In der Vorlesung lernen Studierende die Grundlagen der Computergrafik kennen und sammeln in den Übungen praktische Erfahrungen mit deren Implementation. Diese beinhalteten sowohl theoretische Grundlagen der Geometrierepräsentation und des Lichttransportes, als auch praktische Aspekte wie effiziente Datenstrukturen und Algorithmen für Echtzeitanwendungen.

Anzahl Einzelleistungen (benotet und unbenotet)

eine benoteteEinzelleistung

Prüfungsformen

Abschließende mündliche Prüfung (15-25 min.) über Vorlesung und Übungen.

Voraussetzungen für die Vergabe von Leistungspunkten

regelmäßige und aktive Teilnahme an Vorlesung und Übungen sowie Bestehen der abschließenden mündlichen Prüfung ergeben 10 LP (Vorlesung 3 LP, Übungen 4 LP, mündliche Prüfung 3 LP)

Arbeitsaufwand und Leistungspunkte

Vorlesung
Nachbereitung der Vorlesung
Übungen
Vorbereitung der Übungen

Vorbereitung auf die Modulprüfung
gesamt: 300h = 10 LP

4 SWS x 16 Wochen
4h x 16 Wochen
1 SWS x 16 Wochen
4,5h x 16 Wochen
3h x 16 Wochen

= 60h
= 60h
= 15h
= 75h

= 90h

Leistungspunkte für das Modul: 10 LP

Teilnahmevoraussetzungen und Vorkenntnisse

Kenntnisse in C++

Mathematik I und II

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Medieninformatik und Gestaltung (WP Medieninformatik)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Wahlpflichtmodul für die Masterstudiengänge

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)
  • Intelligente Systeme (Grundlagen Ergänzung)
  • Interdisziplinäre Medienwissenschaft (Bildverarbeitungtechnologien)

Dauer des Moduls / Angebotsturnus

Wintersemester: Vorlesung
Sommersemester: Seminar/Projekt
jährlich



Grundlagen Neuronaler Netze

Modultitel

  • Grundlagen Neuronaler Netze

Modultitel (Englisch)

  • Foundations of Artificial Neural Networks

Lehrveranstaltungen des Moduls

  • Neuronale Netze und Lernen I (Vorlesung und Übungen, 2+1 SWS)

Modulverantwortliche(r)

Lehrinhalte

Das Modul vermittelt ein Verständnis der grundlegenden Konzepte neuronaler Informationsverarbeitung. Ausgehend von Modellvorstellungen der Informationsverarbeitung in biologischen Neuronennetzen werden theoretische Grundlagen und Lernverfahren künstlicher neuronaler Netze dargestellt. In praktischen Übungen wird das Gelernte vertieft und mit Hilfe von Neurosimulatoren programmiertechnisch umgesetzt.

Kompetenzen

Nach Besuch der Veranstaltung sollen die Teilnehmer in der Lage sein, die Leistungsfähigkeit der besprochenen Verfahren einzuschätzen und sie auf Probleme in Anwendungsdomänen erfolgreich einzusetzen.

Anzahl Einzelleistungen (benotet und unbenotet)

eine benotete Einzelleistung

Prüfungsformen

Lösen von Übungsaufgaben, mündliche Prüfung über die Vorlesung

Voraussetzungen für die Vergabe von Leistungspunkten

erfolgreiches Bearbeiten (mind. 50%) der Übungsaufgaben, Bestehen der mündlichen Prüfung über die Vorlesung und Übungen

Arbeitsaufwand und Leistungspunkte

Neuronale Netze und Lernen I
Vorlesung
Nachbereitung der Vorlesung
Übungen
Bearbeiten der Übungsaufgaben
gesamt: 105h = 4 LP		 2 SWS x 16 Wochen
2h/Woche x 16 Wochen
1 SWS x 16 Wochen
2h/Woche x 16 Wochen		 = 30h
= 30h
= 15h
= 30h
Vorbereitung auf die Modulprüfung:
gesamt: 45h = 1 LP		 = 45h

Leistungspunkte für das Modul: 5 LP

Teilnahmevoraussetzungen und Vorkenntnisse

Algorithmen und Datenstrukturen bzw. Grundlagen der Programmierung bzw. Einführung in die Informatik für Biotechnologen, Vertiefung Mathematik

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Molekulare Biotechnologie (WP Informatik)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Dauer des Moduls / Angebotsturnus

Wintersemester



Grundlagen Technischer Informatik

Modultitel

  • Grundlagen Technischer Informatik

Modultitel (Englisch)

  • Introduction to Computer Engineering

Lehrveranstaltungen des Moduls

  • Grundlagen der Technischen Informatik (Vorlesung und Übungen, 2V + 2Ü)

Modulverantwortliche(r)

Lehrinhalte

Die Veranstaltung vermittelt Grundkenntnisse in den beiden Teilgebieten Rechnerarchitektur und Betriebssysteme. Im Teilgebiet Rechnerarchitektur werden ausgehend von der Schaltalgebra Grundschaltungen der digitalen Elektronik und der Computerarithmetik sowie Verfahren zur Kodierung von Zahlen eingeführt. Darauf aufbauend werden Kenntnisse zur Architektur von Digitalrechnern (CPU, Bussysteme, Speicher usw.) vermittelt. Das Teilgebiet Betriebssysteme stellt die Beziehung zwischen Rechnerhardware und Betriebssystemsoftware dar (Interrupts, Privilegstufen, Speicherverwaltungseinheit usw.). Behandelt werden ausgewählte Aspekte von Prozess- und Thread-Verwaltung, elementare Synchronisationsmechanismen (Mutex-Locks, Semaphoren), Verfahren der Speicherverwaltung (Paging, Segmentierung) sowie Datei- und Ein-Ausgabeverwaltung. Die Konzepte werden am Beispiel des Betriebssystems Unix/Linux erläutert. Die Übungen dienen der Vertiefung praktischer Fähigkeiten (z.B. schaltalgebraisches Rechnen, Konvertierung zwischen Zahlensystemen, Kodierung von Zahlen) und der Vertiefung theoretischer Kenntnisse (z.B. Befehlsabarbeitung, Scheduling, Synchronisationsmechanismen).

Kompetenzen

Die Studierenden erwerben Grundkenntnisse zur Architektur von Digitalrechnern und von Betriebssystemen.

Anzahl Einzelleistungen (benotet und unbenotet)

eine unbenotete Einzelleistung

Prüfungsformen

aktive und regelmäßige Teilnahme an den Übungen, Klausur über die Inhalte der Vorlesung

Voraussetzungen für die Vergabe von Leistungspunkten

Bestehen der Abschlussklausur (mindestens 50% der Maximalpunktzahl) ergibt 5 LP.

Arbeitsaufwand und Leistungspunkte

Vorlesung
Nachbereitung der Vorlesung
Übungen
Vorbereitung der Übungen
gesamt: 144h = 5 LP		 2 SWS x 16 Wochen
2h/Woche x 16 Wochen
2 SWS x 16 Wochen
3h/Woche x 16 Wochen

 = 32h
= 32h
= 32h
= 48h

Teilnahmevoraussetzungen und Vorkenntnisse

Wünschenswert sind Kenntnisse im Modul „Werkzeuge und Programmierung“ oder im Modul „Werkzeuge“

Modultyp und Verwendbarkeit

Pflichtmodul für die Bachelorstudiengänge

  • Medieninformatik und Gestaltung
  • Bioinformatik und Genomforschung
  • Nebenfach Informatik

Alternativ zum Modul Grundlagen der Technischen Informatik können die Module Rechnerarchitektur und Betriebssysteme belegt werden, um vertiefte Kenntnisse im Bereich Technische Informatik zu erwerben. Die Anrechnung der zusätzlichen 5 Leistungspunkte erfolgt im Wahlbereich.

Dauer des Moduls / Angebotsturnus

2. Semester des Bachelorprogramms
jährlich



Hardware-Engineering

Modultitel

  • Hardware-Engineering

Modultitel (Englisch)

  • Hardware Engineering

Lehrveranstaltungen des Moduls

  • Seminar aus dem Bereich „Hardware-Engineering”
  • Übungen/Praktikum Hardware-Engineering
  • Seminar aus dem Bereich „parallele Rechnerarchitekturen”

Modulverantwortliche(r)

Lehrinhalte

Das Seminar im Bereich „Hardware-Engineering” befasst sich mit der Entwicklung von komplexen digitalen Schaltungen. Hierzu gehören die verschiedenen Arten von programmierbaren ICs, die beim Entwurf eingesetzten Beschreibungssprachen und die Vorgehensweise bei einem solchen Hardware-Entwurf. Ebenfalls behandelt wird die Fehlersuche in programmierbaren digitalen Schaltungen.
Die Übungen enthalten neben theoretischen Aufgaben auch kleine Projekte (Praktikumsaufgaben) zum Erlernen einer Hardware-Beschreibungssprache und zum Erlernen des Hardware-Entwurfsverfahren. Die Studenten sollen die im Seminar kennen gelernten Techniken vertiefen und praktisch anwenden.
Das Seminar im Bereich „parallele Rechnerarchitekturen” bietet einen Einblick in unterschiedliche parallele Architekturen moderner Computer. Hierbei wird zunächst ein grober Überblick gegeben und eine Klassifizierung der verschiedenen Ansätze vorgenommen. Im Anschluss werden ausgewählte Architektur-Konzepte genauer betrachtet.

Kompetenzen

Die Studierenden sollen den Entwurf von und die Fehlersuche in komplexen digitalen Schaltungen verstehen. Hierzu gehört auch die Kenntnis der Zielsystem- und der Entwicklungs-Hardware (programmierbare digitale und analoge ICs, Programmier- und Fehlersuchgeräte). Im zweiten Teilgebiet besteht das Lernziel in der Kenntnis der verschiedenen parallelen Rechnerarchitekturen, ihrer jeweiligen Eigenschaften und der zugehörigen Programmiermodelle.

Anzahl Einzelleistungen (benotet und unbenotet)

unbenoteter Vortrag mit schriftlicher Ausarbeitung oder Hausarbeit in einem der Seminare
unbenotete Übungsaufgaben/Praktikumsberichte

Prüfungsformen

bewerteter Vortrag und Ausarbeitung oder umfangreichere, bewertete Hausarbeit
bewertete Übungsaufgaben/Praktikumsberichte

Voraussetzungen für die Vergabe von Leistungspunkten

Vortrag/Ausarbeitung und Hausarbeit in ausreichendem Umfang und ausreichender Qualität regelmäßige Teilnahme an beiden Seminaren
bewertete Übungsaufgaben/Praktikumsberichte: zu erreichen sind mindestens 50% der Maximalpunktzahl

Arbeitsaufwand und Leistungspunkte

1. Seminar (aktiv)
Seminar
Vortrag und Ausarbeitung bzw. Hausarbeit
gesamt: 64h = 2 LP
 2 SWS x 16 Wochen

 = 32h
= 32h
2. Seminar (passiv)
Seminar
gesamt: 32h = 1 LP		 2 SWS x 16 Wochen = 32h
Übung/Praktikum
Vorbereitung
gesamt: 64h = 2 LP		 2 SWS x 16 Wochen
2h/Woche x 16 Wochen
 = 32h
= 32h

Leistungspunkte für das Modul: 5 LP

Teilnahmevoraussetzungen und Vorkenntnisse

Abschluss des Moduls Rechnerarchitektur

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Wahlpflichtmodul für die Masterstudiengänge

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)
  • Intelligente Systeme (Grundlagen Ergänzung)

Dauer des Moduls / Angebotsturnus

1. Seminar und Praktikum im Wintersemester
2. Seminar im Sommersemester
jährlich oder zweijährlich je nach Teilnehmerinteresse



Information Retrieval

Modultitel

  • Information Retrieval

Modultitel (Englisch)

  • Information Retrieval

Lehrveranstaltungen des Moduls

  • Einführung in das Information Retrieval (WS: 2V+2Ü)
  • Praktikum Information Retrieval (SS: 4Pr)

Modulverantwortliche(r)

Lehrinhalte

Das Auffinden relevanter Informationen stellt eine zentrale Aktivität in unserer modernen Wissensgesellschaft dar. Relevante Informationen sind zum großen Teil in unstrukturierten Dokumenten (insbesondere Textdokumente) zu finden. Das Gebiet des Information Retrieval (IR) beschäftigt sich mit der Erforschung, Entwicklung und Anwendung von Methoden für den effizienten Zugriff und Suche auf großen Mengen von unstrukturierten Daten, insbesondere Texte, Bilder und Videos. In der Vorlesung werden folgende Themen behandelt:

  • Information Retrieval Modelle (insbesondere das Boolsche, das vektor-basierte und das probabilistische Modell)
  • Methoden zur Gewichtung von Termen
  • Techniken zur Indizierung
  • Sprachmodelle für das Information Retrieval
  • Relevance Feedback und Query Expansion für das Information Retrieval
  • Latent Semantic Indexing
  • Web Suche: Der Fall Google
  • Multimedia Retrieval

Ziel des Praktikums ist es, eine eigene Suchmaschine für einen größeren Datensatz (den Reuters Datensatz) zu entwickeln.

Kompetenzen

Nach Abschluss des Moduls sollten die Studierenden:

  • mit den wesentlichen Paradigmen sowie den gängigen Methoden und Modellen des Information Retrievals vertraut sein,
  • Techniken beherrschen, um große Mengen an unstrukturierten Daten  im Hinblick auf das effiziente Retrieval zu indizieren,
  • ein Verständnis für fortgeschrittene Techniken wie die Verwendung von Sprachmodellen für das IR, relevance feedback sowie latent semantic indexing entwickelt haben,
  • die Funktionsweise von Web-Suchmaschinen verstehen, sowie
  • in der Lage sein, ein IR System selbstständig zu implementieren.

Literatur:

  • "Introduction to Information Retrieval", Manning, Raghavan, Schütze, Cambridge University Press, 2008
  • "Search Engines: Information Retrieval in Practice", Bruce Croft, Donald Metzler, Trevor Strohman, Pearson/Addison-Wesley, 2009
  • "Modern Information Retrieval", Baeza-Yates and Ribeiro-Neto, Addison-Wesley, 1999

Anzahl Einzelleistungen (benotet und unbenotet)

eine benotete Einzelleistung (Klausur) und zwei unbenotete Einzelleistungen (Portfolio aus Übungsaufgaben und Praktikum)

Prüfungsformen

  • Klausur
  • Portfolio aus Übungsaufgaben, die veranstaltungsbegleitend gestellt werden (Bestehensgrenze 60% der erzielbaren Punkte, individuelles Erläutern der Lösungen). Die Übungsaufgaben im Rahmen des Portfolios werden in der Regel wöchentlich ausgegeben
  • erfolgreiches Absolvieren des Praktikums (Vorstellung der entwickelten Suchmaschine in Gruppen)

Voraussetzungen für die Vergabe von Leistungspunkten

Bestehen der Klausur (2 LP) und erfolgreiche Bearbeitung der Übungsaufgaben (3,5 LP) sowie erfolgreiches Absolvieren des Praktikums (4,5 LP) ergeben insgesamt 10 LP.

Arbeitsaufwand und Leistungspunkte

Vorlesung
Nachbereitung Vorlesung
Vorbereitung  der Übungen
Übungen
Vorbereitung der Klausur
Praktikum (Präsenz)
Vorbereitung Praktikum
gesamt: 300h = 10 LP		 2 SWS x 16 Wochen
2h/Woche x 16 Wochen
2h/Woche x 16 Wochen
2 SWS x 16 Wochen

2 SWS x 16 Wochen


 = 30h
= 30h
= 30h
= 30h
= 60h
= 30h
= 90h

Teilnahmevoraussetzungen und Vorkenntnisse

Kenntnisse in folgenden Gebieten werden empfohlen (stellen aber keine Voraussetzung dar): Algorithmen und Datenstrukturen, Grundkenntnisse Mathematik, Einführung in die Datenbanken und Modellierung

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Medieninformatik und Gestaltung (WP Medieninformatik)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Wahlpflichtmodul für die Masterstudiengänge

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)
  • Intelligente Systeme (Grundlagen Ergänzung)
  • Interdisziplinäre Medienwissenschaft

Dauer des Moduls / Angebotsturnus

Wintersemester: Vorlesungen und Übungen (einmalig auch im SS 2010)
Sommersemester: Praktikum
Dauer 2 Semester



Information Visualization

Modultitel

  • Information Visualization

Modultitel (Englisch)

  • Information Visualization

Lehrveranstaltungen des Moduls

  • Information Visualization (Vorlesung, 4 SWS)

Modulverantwortliche(r)

Lehrinhalte

In dieser Vorlesung werden die Grundlagen der Information Visualization, also der Repräsentation von Daten und Datenräumen mit Hilfe der Computergrafik behandelt. Neben einer grundlegenden Einführung in das Thema der Datenvisualisierung und in die kognitionspsychologischen Aspekte werden vor allem neue Techniken und Anwendungsgebiete der Visualisierung besprochen: Glyphen, Hyperbolic Trees, Netmap, Virtual Worlds etc.

Literatur:

  • C. Ware: Information Visualization. Morgan Kaufmann Publishers 2004.
  • R. Spence: Information Visualization. Addison Wesley 2000.
  • E. R. Tufte: The Visual Display of Quantitative Information. Graphics Press 2002.

Kompetenzen

Die Studierenden sollen sowohl theoretische Grundlagen als auch handwerkliche Kenntnisse über das Themengebiet erwerben. Die vermittelten Inhalte sollen den Studierenden eine Grundlage für die visuelle Analyse von Daten liefern. Als Anwendungsfelder sollen verstärkt Daten aus den Naturwissenschaften besprochen werden.

Anzahl Einzelleistungen (benotet und unbenotet)

eine benotete oder unbenotete Einzelleistung

Prüfungsformen

benotete oder unbenotete Klausur über die Inhalte der Vorlesung

Voraussetzungen für die Vergabe von Leistungspunkten

Bestehen der Klausur ergibt 5 LP

Arbeitsaufwand und Leistungspunkte

Vorlesung
Nachbereitung der Vorlesung
Vorbereitung auf die Modulprüfung
gesamt: ca. 150h = 5 LP		 4 SWS x 16 Wochen
2h/Woche x 16 Wochen


 = 60h
= 30h
= 60h

Teilnahmevoraussetzungen und Vorkenntnisse

gute Ergänzung zum Modul „Grundlagen Datamining“

Modultyp und Verwendbarkeit

Pflichtmodul im Bachelorstudiengang

  • Medieninformatik und Gestaltung

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Molekulare Biotechnologie (WP Informatik)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Wahlpflichtmodul für die Masterstudiengänge

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)
  • Intelligente Systeme (Grundlagen Ergänzung)

Dauer des Moduls / Angebotsturnus

Sommersemester, jährlich



Mensch-Maschine-Interaktion

Modultitel

  • Mensch-Maschine-Interaktion

Modultitel (Englisch)

  • Human-Computer Interaction

Lehrveranstaltungen des Moduls

  • Vorlesung “Mensch-Maschine-Interaktion” mit Übungen (2+2 SWS)
  • Seminar mit Ausarbeitung (2 SWS) bzw. Projekt oder Praktikum zu "Natürliche Benutzerschnittstellen" (4 SWS)

Modulverantwortliche(r)

Lehrinhalte

Das Modul vermittelt die Grundlagen sowie aktuelle Trends der Mensch-Maschine-Interaktion mit besonderem Fokus auf natürliche Interaktion und intelligente, soziale Maschinen (Roboter oder virtuelle Agenten).

Der erste Modulbereich "Mensch-Maschine Interaktion" (6 LP) bietet zunächst fundamentale Kenntnisse des Designs gebrauchstauglicher Mensch-Maschine-Schnittstellen. Dazu gehören Techniken des Entwurfs, der Umsetzung und der Evaluation interaktiver Systeme, ebenso wie zentrale Kenntnisse der kognitiven Fähigkeiten und Einschränkungen von Nutzern. Zudem werden Grundlagen gelegt aus den Gebieten natürlich-sprachliche Dialogsysteme und multimodale Schnittstellen.  Die vorlesungsbegleitenden Übungen dienen der praktischen Einübung der erlernten Methoden durch die Umsetzung und die Evaluation realer Schnittstellen.

Der zweite Modulbereich "Natürliche Benutzerschnittstellen" (4 LP) widmet sich den aktuellen Ansätzen und Techniken, Systeme mit intelligenten Fähigkeiten zur natürlichen Interaktion mit Nutzern auszustatten. Dazu gehören gesten-basierte Interfaces, konversationale Schnittstellen oder soziale Agenten und Roboter. Diese Inhalte können theoretisch in einem Seminar oder praktisch in Form eines Praktikums/Projekts erarbeitet werden.

Kompetenzen

Prinzipien und Methoden der Gestaltung tatsächlich gebrauchstauglicher Maschinen ("User-Centered Design"); Techniken von grafischen Oberflächen über natürlichen Sprachdialog bis hin zu multimodaler Interaktion und Interface-Agenten; Ansätze und Methoden der Modellierung konversationalen und sozialen Maschinenverhaltens und deren Einsatz in Mensch-Maschine/Mensch-Roboter-Interaktion.

Anzahl Einzelleistungen (benotet und unbenotet)

zwei benotete oder unbenotete Einzelleistungen

Prüfungsformen

Klausur oder mündliche Prüfung, Vortrag im Seminar mit schriftlicher Ausarbeitung,
praktische Ergebnisse und schriftliche Dokumentation im Projekt/Praktikum

Voraussetzungen für die Vergabe von Leistungspunkten

Regelmäßige aktive Teilnahme, Bearbeiten der Übungsaufgaben bzw. Projekte ergibt 3 LP, Bestehen der Klausur bzw. mündlichen Prüfung ergibt 3 LP (benotet oder unbenotet), Halten eines Vortrags und Anfertigung eines Essays im Seminar oder praktische Arbeit und schriftliche Ausarbeitung im Projekt bzw. Praktikum ergibt 4 LP (benotet oder unbenotet).

Arbeitsaufwand und Leistungspunkte

Im Modulbereich "Mensch-Maschine Interaktion":
Teilnahme an Vorlesung mit Vor-/Nachbereitung:
Teilnahme an Übungen und Bearbeiten der Aufgaben:
Wiederholung und Klausur-/Prüfungsvorbereitung:
gesamt: 180h = 6 LP


= 60h
= 90h
= 30h

Im Modulbereich "Natürliche Benutzerschnittstellen":
Aktive Teilnahme an Seminar bzw. Praktikum/Projekt:
Vorbereitung eines Vortrags und Anfertigung eines
Essays im Seminar bzw. Lösen der praktischen Aufgaben
und Anfertigen einer schriftlichen Ausarbeitung im
Projekt/Praktikum:
gesamt: 120h = 4 LP

= 90h



= 30h

Leistungspunkte für das Modul: 10 LP

Teilnahmevoraussetzungen und Vorkenntnisse

Algorithmen und Datenstrukturen bzw. Grundlagen der Programmierung

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Medieninformatik und Gestaltung (WP Medieninformatik)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Wahlpflichtmodul für die Masterstudiengänge

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)
  • Intelligente Systeme (Grundlagen Ergänzung)
  • Interdisziplinäre Medienwissenschaft

Dauer des Moduls / Angebotsturnus

jährlich, Dauer 2 Semester



Musterklassifikation

Modultitel

  • Musterklassifikation (ab WS 2009/10)

Modultitel (Englisch)

  • Pattern Classification

Lehrveranstaltungen des Moduls

  • Musterklassifikation (Vorlesung und Übungen, 3V + 1Ü)
  • Seminar zu ausgewählten Themen aus dem Bereich Musterklassifikation (2S)

Modulverantwortliche(r)

Lehrinhalte

Mustererkennung gehört zu den Bemühungen der modernen Informationstechnik, Wahrnehmungsleistungen zu automatisieren wie wir sie sonst von natürlichen Vorbildern kennen. Klassifikation bedeutet dabei, dass ein Muster als Gesamtheit einem Begriff, d.h. einer Klasse zugewiesen wird. In der Vorlesung werden unterschiedliche Klassifikationsansätze wie z.B. der Bayes-Klassifikator bzw. der Mischverteilungsklassifikator, der Polynomklassifikator, Hidden-Markov-Modelle sowie das Multilayer-Perzeptron und die Support Vektor Maschinen behandelt.
Im Rahmen des Seminars werden ausgewählte, spezialisierte Themen der Musterklassifikation behandelt. Dabei wird ein Themenkomplex von jedem Teilnehmer aufbereitet und in einem Vortrag präsentiert. Zusätzlich wird eine Ausarbeitung zum jeweiligen Thema erstellt.

Kompetenzen

Vermittlung eines Einblicks in die wesentlichen Grundlagen und Konzepte von Verfahren der Musterklassifikation, so dass die Vor- und Nachteile der unterschiedlichen Verfahren eingeschätzt und für praktische Anwendungen genutzt werden können. Durch die eigenständige Bearbeitung eines Seminarthemas wird das erworbene Wissen vertieft.

Anzahl Einzelleistungen (benotet und unbenotet)

eine benotete Einzelleistung (mündliche Prüfung) und eine unbenotete Einzelleistung (Referat und Ausarbeitung) oder zwei unbenotete Einzelleistungen

Prüfungsformen

mündliche Prüfung, Vortrag und Ausarbeitung (Hausarbeit)

Voraussetzungen für die Vergabe von Leistungspunkten

Bestehen der mündlichen Prüfung ergibt 5,5 LP, erfolgreiche Teilnahme am Seminar ergibt 4,5 LP

Arbeitsaufwand und Leistungspunkte

Musterklassifikation:
Vorlesung
Nachbereitung der Vorlesung
Übungen
Vorbereitung der Übungen
Vorbereitung der Prüfung
gesamt: 165h = 5,5 LP		 3 SWS x 16 Wochen
2h/Woche x 16 Wochen
1 SWS x 16 Wochen
2h/Woche x 16 Wochen

 = 45h
= 30h
= 15h
= 30h
= 45h
Seminar Musterklassifikation:
Seminar
Nachbereitung des Seminars
Vorbereitung des Vortrags
Erstellung der Ausarbeitung
gesamt: 135h = 4,5 LP		 2 SWS x 15 Wochen
2h/Woche x 15 Wochen


 = 30h
= 30h
= 35h
= 40h

Leistungspunkte für das Modul: 10 LP

Teilnahmevoraussetzungen und Vorkenntnisse

keine

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Medieninformatik und Gestaltung (WP Medieninformatik)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Wahlpflichtmodul für die Masterstudiengänge

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)
  • Intelligente Systeme (Grundlagen Ergänzung)

Dauer des Moduls / Angebotsturnus

Wintersemester: Musterklassifikation
Sommersemester: Seminar Musterklassifkation
jährlich



Probabilistische Graphische Modelle

Modultitel

  • Probabilistische Graphische Modelle

Modultitel (Englisch)

  • Probabilistic Graphical Models

Lehrveranstaltungen des Moduls

  • Einführung in Probabilistische Graphische Modelle (Vorlesung und Übung)

Modulverantwortliche(r)

Lehrinhalte

Probabilistische Graphische Modelle oder engl. Probabilistic Graphical Models (PGMs) sind eine Mischung aus Wahrscheinlichkeitstheorie und Graphentheorie. In den letzten Jahren hat sich herauskristallisiert, dass diese einen sehr natürlichen Zugang zu Umgang mit Unsicherheit und Komplexität in vielen Problemfeldern bieten. Einsatzgebiete erstrecken sich von Mustererkennung (Sprache, Bilder, Bioinformatik, etc.), über medizinische Anwendungen (Diagnose) bis zu Hilfeassistenten in Betriebsystemen (Welches Ziel verfolgt der Benutzer?).
In dem Modul werden zunächst die Grundlagen erarbeitet, auf denen die verschiedenen Ausprägungen von PGMs (Hidden-Markov-Modelle, Bayes’sche Netzwerke, Markov-Random-Fields, etc.) basieren. Dabei liefert die Theorie der PGMs eine einheitliche Betrachtungsweise auf die Probleme der Inferenz (Schlussfolgern) und des Parameterlernens, die teilweise auch auf (teil-) kontinuierliche Modelle, wie z.B. PCA oder Kalman-Filter, ausgedehnt werden kann. Auf das Lernen der Struktur wird am Beispiel der Bayes’schen Netzwerke eingegangen.
Ein weiterer Schwerpunkt der Vorlesung liegt darin, die Art und Weise der Problemmodellierung mit PGMs zu verstehen. Dies wird anhand von verschiedenen Beispielen aus den Gebieten Computer-Sehen, Spracherkennung, Bioinformatik und Diagnose diskutiert. In der Blockübung am Ende der Vorlesung wird der praktische Umgang mit PGMs anhand einer ausgewählten Problemstellung vertieft.

Kompetenzen

Es wird der systematische Umgang mit Problemstellungen vermittelt, die durch unsicheres Wissen gekennzeichnet sind, d.h. es sind nicht alle Fakten bekannt, Messungen können nur ungenau durchgeführt werden oder nicht alle Zusammenhänge sind bekannt. Dies ist in sehr vielen praktischen Problemen und Forschungsfeldern der Fall, in denen Daten interpretiert werden müssen, wie z.B. in den Naturwissenschaften oder im Bereich kognitive Systeme.

Anzahl Einzelleistungen (benotet und unbenotet)

eine benotete oder unbenotete Einzelleistung

Prüfungsformen

mündliche Prüfung (benotet) oder Kolloquium (unbenotet)

Voraussetzungen für die Vergabe von Leistungspunkten

Bestehen der mündlichen Prüfung (benotet) oder des Kolloquiums (unbenotet) über die Vorlesung und Übung ergibt 5 LP.

Arbeitsaufwand und Leistungspunkte

Einführung in Probabilistische
Graphische Modelle:
Vorlesung
Nachbereitung der Vorlesung
Übung
Vorbereitung der Übung
Vorbereitung auf die Modulprüfung:
gesamt: 150h = 5 LP
2 SWS x 16 Wochen
2h/Woche x 16 Wochen
2h/Woche x 16 Wochen
1h/Woche x 16 Wochen


 = 30h
= 30h
= 30h
= 15h
= 45h

Teilnahmevoraussetzungen und Vorkenntnisse

keine

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Wahlpflichtmodul für die Masterstudiengänge

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)
  • Intelligente Systeme (Grundlagen Ergänzung)

Dauer des Moduls / Angebotsturnus

Wintersemester: Einführung in Probabilistische Graphische Modelle
jährlich



Sequenzanalyse

Modultitel

  • Sequenzanalyse

Modultitel (Englisch)

  • Sequence Analysis

Lehrveranstaltungen des Moduls

  • Sequenzanalyse I (Vorlesung und Übungen)
  • Sequenzanalyse II (Vorlesung)
  • Sequenzanalyse-Praktikum (Übung)

Modulverantwortliche(r)

Lehrinhalte

In diesem Modul werden die gängigen Techniken der Sequenzanalyse behandelt: Exakte und approximative Textsuche, paarweises und multiples Alignment, Datenstrukturen zur Indizierung von Texten, Werkzeuge zur schnellen Sequenzdatenbanksuche.

Kompetenzen

Den Studierenden werden die theoretischen Grundlagen der Sequenzanalyse vermittelt, sie lernen die gängigen Werkzeuge kennen und sammeln praktische Erfahrung mit diesen Werkzeugen.

Anzahl Einzelleistungen (benotet und unbenotet)

zwei benotete und eine unbenotete Einzelleistung

Prüfungsformen

  • Portfolio bestehend aus Übungsaufgaben und benoteter Klausur oder benoteter mündlicher Prüfung zu "Sequenzanalyse I". Erfolgreiches Lösen der Übungsaufgaben (Bestehensgrenze 50%) ist Voraussetzung für die Teilnahme an der Abschlussklausur oder der abschließenden mündlichen Prüfung. Die Übungsaufgaben werden in der Regel wöchentlich ausgegeben. Die benotete Abschlussklausur oder abschließende benotete mündliche Prüfung beziehen sich auf den Stoff der Vorlesung und der Übungen.
  • Benotete Klausur oder benotete mündliche Prüfung zu "Sequenzanalyse II".
  • Anfertigen eines Praktikumsberichts einschließlich eines Vortrags zu einem Thema des "Sequenzanalyse-Praktikums".

Voraussetzungen für die Vergabe von Leistungspunkten

Bestehen des Portofolios zu "Sequenzanalyse I" ergibt 5 LP. Bestehen der Klausur oder der mündlichen Prüfung zu "Sequenzanalyse II" ergibt 3 LP. Erstellen des Praktikumsberichts zum "Sequenzanalyse-Praktikum" ergibt 2 LP.

Arbeitsaufwand und Leistungspunkte

Sequenzanalyse I:
Vorlesung
Nachbereitung der Vorlesung
Übungen
Vorbereitung der Übungen
Vorbereitung auf die Klausur
gesamt: 150h = 5 LP		 2 SWS x 16 Wochen
1h/Woche x 16 Wochen
2 SWS x 16 Wochen
2h/Woche x 16 Wochen

 = 30h
= 15h
= 30h
= 30h
= 45h
Sequenzanalyse II:
Vorlesung
Nachbereitung der Vorlesung
Vorbereitung auf die Klausur
gesamt: 90h = 3 LP		 2 SWS x 16 Wochen
1h/Woche x 16 Wochen

 = 30h
= 15h
= 45h
Sequenzanalyse-Praktikum:
Praktikum
Nachbereitung des Praktikums
gesamt: 60h = 2 LP		 2 SWS x 16 Wochen
2h/Woche x 16 Wochen		 = 30h
= 30h

Leistungspunkte für das Modul: 10 LP

Teilnahmevoraussetzungen und Vorkenntnisse

Algorithmen und Datenstrukturen oder Grundlagen der Programmierung

Modultyp und Verwendbarkeit

Pflichtmodul für den Bachelorstudiengang

  • Bioinformatik und Genomforschung, 3. + 4. Semester

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik), 5. + 6. Semester
  • Nebenfach Informatik (WP Vertiefung Informatik), 5. + 6. Semester

Wahlpflichtmodul für den Masterstudiengang

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung), 1. + 2. Semester

Dauer des Moduls / Angebotsturnus

Wintersemester: Sequenzanalyse I
Sommersemester: Sequenzanalyse II
Sommersemester: Sequenzanalyse-Praktikum
jährlich



Software Engineering I

Modultitel

  •  Software Engineering I

Modultitel (Englisch)

  • Software Engineering I

Lehrveranstaltungen des Moduls

  • Software Engineering I (Vorlesung und Übungen)

Modulverantwortliche(r)

Lehrinhalte

Ausgehend von einer Einführung in das Software Engineering (z.B. Prozesse, Vorgehensmodelle) wird in Software Engineering I auf die einzelnen Entwicklungsprozesse der Softwareentwicklung eingegangen. Neben den klassischen Entwicklungsprozessen (z.B. Anforderungsmanagement, Spezifikation, Analyse und Design, Testen) werden auch unterstützende Entwicklungsprozesse (z.B. Aufwandschätzung) behandelt. Ergänzende Themen des Software Engineering (z.B. Software Reuse, Software Evolution) werden abschließend behandelt. Die Themen werden in Übungen vertieft.

Kompetenzen

Ziel ist die Vermittlung der wesentlichen Modelle, Verfahren und Methoden des Software Engineering. Die Studierenden sollen prozessorientierte Softwareentwicklung beherrschen und durch Vertiefung in den Übungen verbessern. Zudem sollen sie in der Lage sein, für komplexe Probleme selbstständig Lösungen anhand gelernter Modelle, Verfahren und Methoden zu erarbeiten und moderne (Soft-) Skills einzusetzen.

Anzahl Einzelleistungen (benotet und unbenotet)

eine unbenotete oder benotete Einzelleistung

Prüfungsformen

mündliche oder schriftliche Prüfung

Voraussetzungen für die Vergabe von Leistungspunkten

Bestehen der Prüfung ergibt 5 LP für „Software Engineering I“

Arbeitsaufwand und Leistungspunkte

Software Engineering I:
Vorlesung
Nachbereitung der Vorlesung
Übungen
Vorbereitung der Übungen
Vorbereitung auf die mündliche Prüfung
gesamt: 150h = 5 LP		 2 SWS x 16 Wochen
1h/Woche x 16 Wochen
2 SWS x 16 Wochen
2h/Woche x 16 Wochen

 = 30h
= 15h
= 30h
= 30h
= 45h

Teilnahmevoraussetzungen und Vorkenntnisse

Vorkenntnisse in Algorithmen und Datenstrukturen oder Grundlagen der Programmierung

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Medieninformatik und Gestaltung (WP Medieninformatik)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Wahlpflichtmodul für die Masterstudiengänge

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)
  • Intelligente Systeme (Grundlagen Ergänzung)

Dauer des Moduls / Angebotsturnus

Wintersemester: Software Engineering I
jährlich



Software Engineering II (bis SS 2011)

Modultitel

  • Software Engineering II (bis SS 2011)

Modultitel (Englisch)

  • Software Engineering II

Lehrveranstaltungen des Moduls

  • Software Engineering II (Vorlesung und Übungen)

Modulverantwortliche(r)

Lehrinhalte

In Software Engineering II wird auf spezifische Bereiche und Probleme des Software Engineering eingegangen. Neben der Betrachtung der Entwicklung sicherer Softwaresysteme (z.B. Secure Software Engineering, spezifische Vorgehensmodelle, Security Engineering, kritische Systeme) werden wesentliche relevante Managementthemen vorgestellt. Vertiefend wird dabei auf Projektmanagement und Qualitätsmanagement/Prozessmanagement eingegangen. Themen wie Mitarbeitermanagement, Soft Skills und Prozessverbesserung/Capability Maturity (z.B. Kennzahlensysteme, CMMI, SPICE) ergänzen die zuvor behandelten Managementthemen. Wesentliche Normen und Standards finden Berücksichtigung. Die Themen werden in Übungen vertieft.

Kompetenzen

Ziel ist die Vermittlung der wesentlichen Modelle, Verfahren und Methoden des Software Engineering. Insbesondere sollen die Studierenden die Projektmanagementsicht und die Management-orientierte Sicht der Softwareentwicklung beherrschen und durch Vertiefung in den Übungen verbessern. Zudem sollen sie in der Lage sein, für komplexe Probleme selbstständig Lösungen anhand gelernter Modelle, Verfahren und Methoden zu erarbeiten und moderne (Soft-) Skills einzusetzen.

Anzahl Einzelleistungen (benotet und unbenotet)

eine unbenotete oder benotete Einzelleistung

Prüfungsformen

mündliche oder schriftliche Prüfung

Voraussetzungen für die Vergabe von Leistungspunkten

Erfolgreiche Bearbeitung der Übungen und Bestehen der Prüfung ergibt 5 LP für „Software Engineering II“

Arbeitsaufwand und Leistungspunkte

Software Engineering II:
Vorlesung
Nachbereitung der Vorlesung
Übungen
Vorbereitung der Übungen
Vorbereitung auf die mündliche Prüfung
gesamt: 150h = 5 LP		 2 SWS x 16 Wochen
1h/Woche x 16 Wochen
2 SWS x 16 Wochen
2h/Woche x 16 Wochen

 = 30h
= 15h
= 30h
= 30h
= 45h

Teilnahmevoraussetzungen und Vorkenntnisse

Vorkenntnisse in Software Engineering I

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Medieninformatik und Gestaltung (WP Medieninformatik)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Wahlpflichtmodul für die Masterstudiengänge

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)
  • Intelligente Systeme (Grundlagen Ergänzung)

bis SoSe 2009 auch

  • Naturwissenschaftliche Informatik (Vertiefung Informatik)
  • Intelligente Systeme (Vertiefung Intelligente Systeme)

Dauer des Moduls / Angebotsturnus

Sommersemester: Software Engineering II
jährlich



Spezielle Algorithmen der Bioinformatik

Modultitel

  • Spezielle Algorithmen der Bioinformatik

Modultitel (Englisch)

  • Special Algorithms in Bioinformatics

Lehrveranstaltungen des Moduls

  • Hauptseminar Algorithmen in der Bioinformatik (Seminar)
  • Spezielle Algorithmen der Bioinformatik (Vorlesung und Übungen)

Modulverantwortliche(r)

Lehrinhalte

In diesem Modul werden grundlegende Algorithmen der Bioinformatik behandelt, die nicht in das Gebiet der Sequenzanalyse fallen. Hierzu gehören beispielsweise Verfahren zur Rekonstruktion phylogenetischer Bäume, kombinatorische Algorithmen in der Genomik und Proteomik, Methoden zur Proteinstrukturvorhersage und zur Modellierung zellulärer Interaktions- und Regulationskreisläufe.

Kompetenzen

Den Studierenden werden die verschiedenen bioinformatischen Fragestellungen und Lösungsansätze vermittelt. Im Hauptseminar sollen der Umgang mit Originalliteratur, Präsentationstechniken und die Anfertigung einer schriftlichen Ausarbeitung geübt werden.

Anzahl Einzelleistungen (benotet und unbenotet)

eine unbenotete und zwei benotete Einzelleistungen

Prüfungsformen

  • unbenoteter Vortrag im Hauptseminar,
  • benotete Ausarbeitung im Hauptseminar,
  • Portfolio bestehend aus Übungsaufgaben und benoteter Klausur oder benoteter mündlicher Prüfung zu "Spezielle Algorithmen der Bioinformatik". Erfolgreiches Lösen der Übungsaufgaben (Bestehensgrenze 50%) ist Voraussetzung für die Teilnahme an der  Abschlussklausur oder der abschließenden mündlichen Prüfung. Die Prüfungsaufgaben werden in der Regel wöchentlich ausgegeben. Abschlussklausur oder abschließende mündliche Prüfung beziehen sich auf den Stoff der Vorlesung und der Übungen.

Voraussetzungen für die Vergabe von Leistungspunkten

Vortrag im Hauptseminar ergibt 2 LP, Ausarbeitung im Hauptseminar ergibt 2 LP, Bestehen des Portofolios zu "Spezielle Algorithmen der Bioinformatik" ergibt 4 LP.

Arbeitsaufwand und Leistungspunkte

Hauptseminar Algorithmen
in der Bioinformatik:
Seminar
Vorbereitung des Vortrags
Erstellen der Ausarbeitung
gesamt: 120h = 4 LP		 2 SWS x 16 Wochen
= 30h
= 45h
= 45h
Spezielle Algorithmen in
der Bioinformatik:
Vorlesung
Nachbereitung der Vorlesung
Übungen
Vorbereitung der Übungen
Vorbereitung auf die Klausur
gesamt: 120h = 4 LP
2 SWS x 16 Wochen
1h/Woche x 16 Wochen
2 SWS x 16 Wochen
1h/Woche x 16 Wochen
= 30h
= 15h
= 30h
= 15h
= 30h

Leistungspunkte für das Modul: 8 LP

Teilnahmevoraussetzungen und Vorkenntnisse

Voraussetzung: Algorithmen und Datenstrukturen
Empfohlen: Sequenzanalyse

Modultyp und Verwendbarkeit

Pflichtmodul für den Bachelorstudiengang

  • Bioinformatik und Genomforschung, 4. + 5. Semester

Dauer des Moduls / Angebotsturnus

Sommersemester: Hauptseminar Algorithmen in der Bioinformatik
Wintersemester: Spezielle Algorithmen der Bioinformatik
jährlich



System-Safety und -Security I: Why-Because Analysis

Modultitel

  • System-Safety und -Security I: Why-Because Analysis

Modultitel (Englisch)

  • System Safety and Security I: Why-Because Analysis

Lehrveranstaltungen des Moduls

  • Vorlesung System Safety und Security I: Why-Because Analysis
  • Begleitlabor zu SysSafe I

Modulverantwortliche(r)

Lehrinhalte

Grundlegende Begrifflichkeit und Ontologie zur Beschriebung der Safety-Eigenschaften komplexer heterogener Systeme; Kausalität und ihre formale Semantik. Why-Because-Analyse (WBA) zu Fehlern,
Versagen und System-Angriffen. Die Anwendung von WBA zu den Beispielen im Workbook durch die praktische Anwendung der Tools zur Analyse (z.B., VWBT, YBT2, IQualizeIT, CE4WBA).

Literatur:

  • Ladkin, Causal Analysis of Systems;
  • Ladkin et al., The WBA Workbook

Kompetenzen

Verständnis der Grundlagen der Kritischen-Fehler-Analyse komplexer heterogener Systeme und die Fähigkeit mit Hilfe der Tools solche Analysen erfolgreich durchzuführen.

Anzahl Einzelleistungen (benotet und unbenotet)

zwei unbenotete Einzelleistungen oder eine unbenotete und eine benotete (Labor WBA) Einzelleistung

Prüfungsformen

Laborberichte (Vorlesung I und Labor)

Voraussetzungen für die Vergabe von Leistungspunkten

Präsenzteilnahme in System Safety und Security I: Why-Because Analysis und Begleitlabor zu SysSafe I

Arbeitsaufwand und Leistungspunkte

Vorlesung System Safety und Security I (WS: 2V) 2 LP
Begleitlabor zu SysSafe I (WS: 2L) 3 LP
gesamt: 150h = 5 LP		 = 60h
= 90h

Teilnahmevoraussetzungen und Vorkenntnisse

Mathematik I, Algorithmen und Datenstrukturen oder Grundlagen der Programmierung
Nützlich: Grundlagen theoretischer Informatik

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Medieninformatik und Gestaltung (WP Medieninformatik)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Wahlpflichtmodul für die Masterstudiengänge

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)
  • Intelligente Systeme (Grundlagen Ergänzung)

Dauer des Moduls / Angebotsturnus

Beginn: Wintersemester
Dauer: 1 Semester
Turnus: jährlich



System-Safety und -Security II: Sicherheit und Risiko

Modultitel

  • System-Safety und -Security II: Sicherheit und Risiko

Modultitel (Englisch)

  • System Safety and Security II: Safety and Risk

Lehrveranstaltungen des Moduls

  • Vorlesung System Safety und Security II: Sicherheit und Risiko
  • Begleitseminar zu SysSafe II oder Begleitlabor zu SysSafe II oder gelegentlich angebotene Sonderveranstaltungen in Absprache mit dem Modulverantwortlichen

Modulverantwortliche(r)

Lehrinhalte

Grundlegende Begrifflichkeit zu Risiko und Safety komplexer heterogener Systeme; Hazard-Analyse (z.B. FMEA, HAZOP, Ontological Hazard Analysis); Risiko-Einschätzung; die Functional-Safety Norm IEC 61508, Fault-Tree-Analyse, Event-Tree-Analyse

Literatur:

  • Ladkin, Causal Analysis of Systems;
  • Leveson, Safeware;
  • Neumann, Computer-Related Risks;
  • U.S. NRC, Fault Tree Handbook;
  • Kamen, Hassenzahl, Should We Risk It?; Bedford, Cooke, Probabilistic Risk Analysis;
  • Braband, Risikoanalysen in der Eisenbahn-Automatisierung;
  • Kumamoto, Henley, Probabilistic Risk Analysis and Management for Engineers and Scientists;
  • eine Auswahl von wissenschaftlichen und ingenieurwissenschaftlichen Veröffentlichungen

Kompetenzen

Verständnis der Grundlagen der Risiko-Einschätzung und Kritischen-Fehler-Analyse komplexer heterogener Systeme und Kenntnisse von State-of-the-Art Methoden zur Analyse

Anzahl Einzelleistungen (benotet und unbenotet)

eine (Laborbericht) oder zwei unbenotete Einzelleistungen (mündliche Prüfung und Vortrag)

Prüfungsformen

Laborbericht (Vorlesung und Labor) oder mündliche Prüfung (Vorlesung) und Vortrag (Seminar)

Voraussetzungen für die Vergabe von Leistungspunkten

Präsenzteilnahme in System Safety und Security II: Sicherheit und Risiko
Begleitseminar oder Begleitlabor zu SysSafe II oder gelegentlich angebotene Sonderveranstaltungen genehmigt vom Modulverantwortlichen

Arbeitsaufwand und Leistungspunkte

Vorlesung System Safety und Security II (WS: 2V) 3 LP
Begleitlabor oder -seminar zu SysSafe II (WS: 2L/2S) 2 LP
gesamt: 150h = 5 LP		 = 90h
= 60h

Teilnahmevoraussetzungen und Vorkenntnisse

Mathematik I, Algorithmen und Datenstrukturen oder Grundlagen der Programmierung
Nützlich: Grundlagen theoretischer Informatik

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Medieninformatik und Gestaltung (WP Medieninformatik)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Wahlpflichtmodul für die Masterstudiengänge

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)
  • Intelligente Systeme (Grundlagen Ergänzung)

Dauer des Moduls / Angebotsturnus

Beginn: Wintersemester
Dauer: 1 Semester
Turnus: jährlich



System-Safety- und System-Securitymethoden

Modultitel

  • System-Safety- und System-Securitymethoden

Modultitel (Englisch)

  • Methods for System Safety and Security

Lehrveranstaltungen des Moduls

  • Vorlesung System Safety und Security I: Why-Because Analysis
  • Begleitlaborseminar zu SysSafe I
  • Vorlesung System Safety und Security II: Sicherheit und Risiko
  • Begleitseminar SysSafe II oder Begleitlabor zu SysSafe II oder gelegentlich angebotene Sonderveranstaltungen in Absprache mit dem Modulverantwortlichen

Modulverantwortliche(r)

Lehrinhalte

Grundliegende Begrifflichkeit zur Beschreibung der Safety-Eigenschaften komplexer heterogener Systeme; Why-Because-Analyse zu Fehlern, Versagen und System-Angriffen; die Verwendung von WBA zu den Beispielen im Workbook durch die praktische Anwendung der Tools zur Analyse (VWBT, YBT2, IQualiseIT, CE4WBA); Hazard-Analyse (z.B. FMEA, HAZOP, Ontological Hazard Analysis); Risiko-Einschätzung; die Functional-Safety Norm IEC 61508, Fault-Tree-Analyse, Event-Tree-Analyse

Literatur:

  • Ladkin, Causal Analysis of Systems;
  • Leveson, Safeware;
  • Neumann, Computer-Related Risks;
  • U.S. NRC, Fault Tree Handbook;
  • Kamen, Hassenzahl, Should We Risk It?;
  • Bedford, Cooke, Probabilistic Risk Analysis;
  • Braband, Risikoanalysen in der Eisenbahn-Automatisierung;
  • Kumamoto, Henley, Probabilistic Risk Analysis and Management for Engineers and Scientists;
  • eine Auswahl von wissenschaftlichen und ingenieurwissenschaftlichen Veröffentlichungen

Kompetenzen

Verständnis der Grundlagen der Kritischen-Fehler-Analyse komplexer heterogenen Systeme und die Fähigkeit, mit Hilfe der Tools, solche Analyse erfolgreich durchzuführen. Verständnis der Grundlagen der Risiko-Einschätzung und Kritischen-Fehler-Analyse komplexer heterogener Systeme und Kenntnisse von State-of-the-Art Methoden zur Analyse

Anzahl Einzelleistungen (benotet und unbenotet)

vier unbenotete Einzelleistungen oder drei unbenotete und eine benotete (Labor WBA) Einzelleistung

Prüfungsformen

mündliche Prüfung oder Klausur (Vorlesung II), Laborberichte (Vorlesung I und Labor, Vorlesung II und Labor), Vortrag (Seminar)

Voraussetzungen für die Vergabe von Leistungspunkten

Präsenzteilnahme in System Safety und Security I: Why-Because Analysis, Begleitlabor zu SysSafe I
System Safety und Security II: Sicherheit und Risiko und Begleitseminar SysSafe II oder Begleitlabor zu SysSafe II oder gelegentlich angebotene Sonderveranstaltungen genehmigt vom Modulverantwortlichen

Arbeitsaufwand und Leistungspunkte

Vorlesung System Safety und Security I (WS: 2V) 2 LP
Begleitlabor zu SysSafe I (WS: 2S) 3 LP
Vorlesung System Safety und Security II (SS: 2V) 3 LP
Begleitlabor oder -seminar zu SysSafe II (SS: 2L/2S) 2 LP
gesamt: 300h = 10 LP		 = 60h
= 90h
= 90h
= 60h

Teilnahmevoraussetzungen und Vorkenntnisse

Mathematik I, Algorithmen und Datenstrukturen oder Grundlagen der Programmierung
Nützlich: Grundlagen theoretischer Informatik

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Medieninformatik und Gestaltung (WP Medieninformatik)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Wahlpflichtmodul für die Masterstudiengänge

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)
  • Intelligente Systeme (Grundlagen Ergänzung)

Dauer des Moduls / Angebotsturnus

Beginn: Wintersemester
Dauer: 1 Jahr
Turnus: jährlich



Techniken der Projektentwicklung

Modultitel

  • Techniken der Projektentwicklung

Modultitel (Englisch)

Lehrveranstaltungen des Moduls

  • Grundlagen der Projektentwicklung (1V)
  • Softwaremodellierung mit UML, Projektanalyse und -präsentation (3V/S/Ü)
  • Softwaregruppenprojekt und Abschlusspräsentation

Modulverantwortliche(r)

Lehrinhalte

Im Rahmen dieses Moduls werden die grundlegenden Techniken des Projektengineerings ausgehend von der Leistungserhebung über die Angebotserstellung bis zur konkreten Durchführung eines realen Projekts vermittelt. Zur objektorientierten Modellierung Softwareengineeringprozesses wird UML (Unified Modeling Language) eingesetzt. In Gruppen von ca. 12 Studierenden ist ein praktisch relevantes Softwareprojekt durchzuführen, wobei neben dem Entwurf und der Implementierung des Projekts auch Aspekte wie Analyse der Kundenwünsche, Interviewtechniken, Fragebogenentwurf und –auswertung, Risikoanalyse, Projektdokumentation, Projektpräsentation (mündlich, schriftlich) und Selbstorganisation in der Gruppe behandelt werden.

Kompetenzen

Die Studierenden sollen in der Lage sein, die grundlegenden Techniken des Softwareengineering in realen Softwareprojekten anwenden zu können. Die erlernten Techniken sollen es den Studierenden ermöglichen, in Teamarbeit eine anwendungsfallzentrierte Problemanalyse durchzuführen. Davon ausgehend sollen sie mittels UML ein objektorientiertes Modell für die zu erstellende Software entwerfen können, welches schrittweise bis hin zur Implementierung in Java verfeinert wird. Die Studierenden sollen ferner allgemeine Techniken des Projektmanagements beherrschen, die eine sinnvolle Teambildung sowie eine realistische Zeit- und Resourcenplanung ermöglichen. Zusätzlich erworbene Kenntnisse über Vortrags- und Präsentationstechniken sollen den Teilnehmern die Fähigkeit geben, alle Themen der Projektdurchführung effektiv zu kommunizieren.

Anzahl Einzelleistungen (benotet und unbenotet)

drei unbenotete Einzelleistungen und zwei unbenotete Gruppenleistungen

Prüfungsformen

Kolloquium, Diskussionsmoderation, Übungsaufgaben
Projektpräsentation, Softwareerstellung (Gruppenleistung)

Voraussetzungen für die Vergabe von Leistungspunkten

Bestehen des Kolloquiums für die Vorlesung ergibt 2 LP. Erfolgreiche Durchführung einer Diskussionsmoderation und erfolgreiche Bearbeitung der Übungsaufgaben für die Veranstaltung Softwaremodellierung mit UML, Projektanalyse und -präsentation ergibt 5 LP. Der Erwerb dieser 7 LP ist die Voraussetzung für die Teilnahme am Gruppenprojekt. Erfolgreiche Softwareentwicklung und -präsentation ergibt 7 LP.

Arbeitsaufwand und Leistungspunkte

Grundlagen der Projektentwicklung:
Vorlesung
Nachbereitung der Vorlesung
Vorbereitung Kolloquium
gesamt: 60h = 2 LP		 2 SWS x 8 Wochen
2h/Woche x 8 Wochen		 = 15h
= 15h
= 30h
Softwaremodellierung mit UML, Projektanalyse
und -präsentation:
Vorlesung, Seminar, Übung
Moderationsvorbereitung und Übungsaufgaben
gesamt: 150h = 5 LP		 3 SWS x 16 Wochen = 45h
=105h
Softwaregruppenprojekt
Projektpräsentation
gesamt: 210h = 7 LP		 40h x 5 Wochen =200h
= 10h

Leistungspunkte für das Modul: 14 LP

Teilnahmevoraussetzungen und Vorkenntnisse

Algorithmen und Datenstrukturen oder Grundlagen der Programmierung

Modultyp und Verwendbarkeit

Pflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik
  • Kognitive Informatik
  • Bioinformatik und Genomforschung
  • Medieninformatik und Gestaltung

Dauer des Moduls / Angebotsturnus

Wintersemester: Vorlesungen, Seminar
Sommersemester: Softwaregruppenprojekt
jährlich



Theoretische Informatik für BIG

Modultitel

  • Theoretische Informatik für BIG

Modultitel (Englisch)

Lehrveranstaltungen des Moduls

  • Theoretische Informatik (WS: 4V + 2Ü)

Modulverantwortliche(r)

Lehrinhalte

Zentrale Gegenstände des Moduls sind Formalisierung von Algorithmen und deren sprachliche Realisierungen als Programme sowie Problemlösungen durch Berechnungsverfahren. Neben formalen Sprachen und ihrer Typisierung nach Leistungsfähigkeit werden Grammatiken und Automaten behandelt. Es folgen Einführungen in die Berechenbarkeitstheorie, die sich mit grundsätzlichen Möglichkeiten und Grenzen der Algorithmisierbarkeit befasst, und in die Komplexitätstheorie, die untersucht, mit welchem Aufwand an Berechnungsressourcen (Rechenzeit, Speicherplatz) algorithmische Aufgaben gelöst werden können. Abschließend werden Grundzüge der Logik im Hinblick auf ihre Rolle in informatischen Aufgabenstellungen vermittelt.

Kompetenzen

Grundsätzliches Verständnis von theoretischen Prinzipien der Informatik und Aneignung formaler Methoden.

Literatur:

  • Hopcroft, J.E., Motwani, R., Ullman, J.D.: Einführung in die Automatentheorie, Formale Sprachen und Komplexitätstheorie. Addison-Wesley, 2002 (zur Vertiefung)
  • Lewis, H.R., Papadimitriou, C.H.: Elements of the theory of computation. Prentice Hall, 1981 (z. Vertief.)
  • Schöning, U.: Theoretische Informatik kurz gefasst. Spektrum Akademischer Verlag, 1995.
  • Schöning, U.: Logik für Informatiker. Spektrum Akademischer Verlag, 1995.

Anzahl Einzelleistungen (benotet und unbenotet)

eine unbenotete Einzelleistung

Prüfungsformen

erfolgreiche Bearbeitung der Übungsaufgaben

Voraussetzungen für die Vergabe von Leistungspunkten

regelmäßige Teilnahme an Vorlesung und Übung, erfolgreiche Übungsteilnahme (mind. 60% der erreichbaren Punkte der Übungsaufgaben)

Arbeitsaufwand und Leistungspunkte

Für das Modul gibt es 5 Leistungspunkte. Der Arbeitsaufwand setzt sich zusammen aus

Teilnahme an der Vorlesung
Teilnahme an den Übungen
Bearbeiten der Übungszettel:
gesamt: 150h = 5 LP		 4 SWS x 16 Wochen
2 SWS x 16 Wochen
 = 60h
= 30h
= 60h

Teilnahmevoraussetzungen und Vorkenntnisse

keine

Weitere Bezüge: Auf diesem Modul können Vorlesungen zur Logik und Rekursionstheorie, Logik-Programmierung, zum Übersetzerbau und zur Künstlichen Intelligenz aufbauen.

Modultyp und Verwendbarkeit

Pflichtmodul für den Bachelorstudiengang

  • Bioinformatik und Genomforschung

Dauer des Moduls / Angebotsturnus

Wintersemester
jährlich



Visuelle Aufmerksamkeit und Blickbewegungen

Modultitel

  • Visuelle Aufmerksamkeit und Blickbewegungen

Modultitel (Englisch)

  • Visual Attention and Eye Movements

Lehrveranstaltungen des Moduls

  • Visuelle Aufmerksamkeit und Blickbewegungen (Vorlesung und Übung, 2+1 SWS)

Modulverantwortliche(r)

Lehrinhalte

In der Vorlesung werden zunächst die Grundlagen visueller Wahrnehmung und Aufmerksamkeit behandelt. Nach Einführung der Methodik der Blickbewegungsmessung, des sogenannten Eye Tracking, wird erarbeitet, wie mit Hilfe von Blickbewegungsdaten Rückschlüsse auf kognitive Verarbeitungsprozesse, z.B. Problemlösestrategien, gezogen und durch geeignete Algorithmen in Computermodellen nachgebildet werden können. Ausgewählte Blickbewegungsstudien verdeutlichen die Relevanz der Methodik in Grundlagenforschung und praktischen Anwendungsbereichen und führen unterschiedliche Modellansätze ein.

Literatur:

  • Duchowski, A. T. (2002). A Breadth-First Survey of Eye Tracking Applications, Behavior Research Methods, Instruments, & Computers, 34, pp. 455-470.
  • Hubel, D.H. (1989). Eye, Brain and Vision. New York: Scientific American Library.
  • Matlin M.W. & Foley,  H.J. (1997). Sensation and Perception, 4th edition. Boston, MA: Allyn & Bacon.
  • Radach, R., Hyona, J. & Deubel, H. (2003) The mind's eye: cognitive and applied aspects of eye movement research. Boston: North-Holland/Elsevier.

Kompetenzen

Die Studierenden erwerben grundlegende Kompetenzen in den Bereichen visuelle Informationsverarbeitung, Aufmerksamkeit, Blickbewegungssteuerung, Eye-Tracking-Systeme und kognitive Modellierung. Zudem werden sie vertraut gemacht mit dem Konzept des empirisch-simulativen Arbeitens und sammeln erste Erfahrungen bei der praktischen Arbeit mit einem Eye Tracker.

Anzahl Einzelleistungen (benotet und unbenotet)

eine benotete und eine unbenotete Einzelleistung

Prüfungsformen

  • Portfolio aus Übungsaufgaben, die veranstaltungsbezogen gestellt werden (50% der erzielbaren Punkte). Die Übungsaufgaben im Rahmen des Portfolios werden in der Regel wöchentlich ausgegeben, bei Blockübungen täglich.
  • benotete mündliche Prüfung über die Inhalte der Vorlesung

Voraussetzungen für die Vergabe von Leistungspunkten

Erfolgreiches Bearbeiten der Übungsaufgaben ergibt 1,5 LP, Bestehen der mündlichen Prüfung ergibt 3,5 LP.

Arbeitsaufwand und Leistungspunkte

Vorlesung
Nachbereitung Vorlesung
Übung
Vorbereitung Übung
Vorbereitung Prüfung
gesamt: 150h = 5 LP		 2 SWS x 16 Wochen
2h/Woche x 16 Wochen
1 SWS x 16 Wochen
2h/Woche x 16 Wochen


 = 30h
= 30h
= 15h
= 30h
= 45h

Teilnahmevoraussetzungen und Vorkenntnisse

keine

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Medieninformatik und Gestaltung (WP Medieninformatik)

Wahlpflichtmodul für die Masterstudiengänge

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)
  • Intelligente Systeme (Grundlagen Ergänzung)

Dauer des Moduls / Angebotsturnus

Wintersemester, jährlich



Virtuelle Realität

Modultitel

Virtuelle Realität

Modultitel (Englisch)

Virtual Realit

Lehrveranstaltungen des Moduls

  • Vorlesung „Virtuelle Realität“ mit Übungen (2+2 SWS)
  • Projekt zum Thema „Virtuelle Realität“ (4 SWS)

Modulverantwortliche(r)

Thies Pfeiffer

Lehrinhalte

Vermittelt werden Prinzipien und Methoden im Kontext intelligenter, computergraphisch erzeugter Umgebungen, die unter dem Titel „Virtuelle Realität“ zusammengefasst werden. Dies beinhaltet zum einen Wissen um Gestaltungsprinzipien und Konzepte wie Immersion und Präsenz, zum anderen Methoden zur Generierung virtueller Welten, sowohl bezogen auf die dazu entwickelten Geräte, als auch bezogen auf Software-Architekturen und Frameworks. Weiterhin spielt in der Virtuellen Realität auch die Mensch-Maschine-Interaktion in einer besonderen Form eine Rolle, da hier die Grundfesten der Interaktion in der realen Welt erst einmal in Frage gestellt werden können und müssen. Einfache Prinzipien des Alltags, wie z.B. die realistische Fortbewegung, werden in der Virtuellen Realität zum Problem. Dagegen sind komplexere Aktionen, wie Fliegen oder Beamen, einfach zu realisieren, stellen den Designer jedoch vor andere Herausforderungen. Damit sind diese Fragestellungen vom Modul „Mensch-Maschine-Interaktion“ abzugrenzen und können als Ergänzung verstanden werden. Das Modul ist in einen Bereich „Theorie Virtuelle Realität“ und einen Bereich „Praxis Virtuelle Realität“ untergliedert.

Kompetenzen

  • Prinzipien und Methoden der Gestaltung immersiver Anwendungen
  • Grundlagen der Hardware für Projektion und Interaktion
  • Techniken zur Implementierung von Virtuellen Welten
  • Grundlagen der Mensch-Maschine-Interaktion mit Schwerpunkt Virtueller Realität

Anzahl Einzelleistungen (benotet und unbenotet)

Eine benotete und eine unbenotete Einzelleistung

Prüfungsformen

Klausur oder mündliche Prüfung bei der Vorlesung, praktische Ergebnisse und schriftliche Dokumentation im Projekt

Voraussetzungen für die Vergabe von Leistungspunkten

Regelmäßige und aktive Teilnahme an allen Veranstaltungen, Bearbeiten der Übungsaufgaben, bestehen der Hausaufgabe und der Projektarbeit.

Arbeitsaufwand und Leistungspunkte

Lehrveranstaltung
Art Turnus Workload (Kontaktzeit+Selbststudium) LP
Virtuelle Realität (Vorlesung) Vorlesung WS 30+30 2
Virtuelle Realität (Übung) Übung WS 30+30 2
Virtuelle Realität (Projekt) Projekt SS 30+90 4

 

Einzelleistungen Zuordnung
Art Gewicht Workload LP
Virtuelle Realität (V+Ü) Klausur o. mdl. Prüfung

 benotet 30 1
Portfolio aus Übungsaufgaben, die veranstaltungsbezogen gestellt werden (Bestehensgrenze 60% der erzielbaren Punkte) und Abschlussklausur (90 min) oder abschließende mündliche Prüfung (12 - 15 min). Abschlussklausur oder abschließende mündliche Prüfung beziehen sich auf den Stoff der Vorlesung und der Übungen.
Virtuelle Realität (Projekt) Ausarbeitung unbenotet 30 1
praktische Arbeit und schriftliche Ausarbeitung im Projekt (10 – 15 Seiten, unbenotet)

Teilnahmevoraussetzungen und Vorkenntnisse

notwendige Voraussetzungen:
Algorithmen und Datenstrukturen bzw. Entwicklung und Gestaltung Internet-basierter Anwendungen

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge (alte Studienstruktur)
  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Medieninformatik und Gestaltung (WP Medieninformatik)
  • Nebenfach Informatik (WP Vertiefung Informatik)
Wahlpflichtmodul für die Bachelorstudiengänge (neue Studienstruktur)
  • Naturwissenschaftliche Informatik (Strukturierte Ergänzung
  • Kognitive Informatik (WP Intelligente Systeme)
  • Bioinformatik und Genomforschung (WP Bioinformatik)
  • Medieninformatik und Gestaltung (WP Medieninformatik)
  • Nebenfach Informatik (WP Vertiefung Informatik)
Wahlpflichtmodul für die Masterstudiengänge
  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)
  • Intelligente Systeme (Grundlagen Ergänzung)
  • Interdisziplinäre Medienwissenschaft

Dauer des Moduls / Angebotsturnus

Wintersemester, Dauer 2 Semester

Werkzeuge und Programmierung

Modultitel

  • Werkzeuge und Programmierung

Modultitel (Englisch)

Lehrveranstaltungen des Moduls

  • Unix-Praktikum (2Pr, 9 Wochen)
  • Programmierübungen in Haskell (2Ü)

Modulverantwortliche(r)

Lehrinhalte

Im Unix-Praktikum werden praktische Fähigkeiten zum Umgang mit dem Betriebssystem Unix vermittelt. In den Programmierübungen werden elementare Programmierkonzepte der Informatik wie Datentypen, Rekursionsschemata und Programmiermethodik anhand von praktischen Übungsaufgaben vertieft.

Kompetenzen

Die Studierenden erwerben Kenntnisse und praktische Fähigkeiten im Umgang mit dem Betriebssystem Unix und erste Fähigkeiten in der selbständigen Bearbeitung von Programmieraufgaben.

Anzahl Einzelleistungen (benotet und unbenotet)

zwei unbenotete Einzelleistungen

Prüfungsformen

Vortrag und unbenotete Klausur über das Unix-Praktikum; Lösen von Übungsaufgaben in Haskell

Voraussetzungen für die Vergabe von Leistungspunkten

aktive Teilnahme, Vortrag im Unix-Praktikum (ergibt 1 LP), Bestehen der Klausur zum Unix-Praktikum (ergibt 1 LP)
50% der Aufgabenpunkte und Vorträge in der Programmierübung (ergibt 3 LP)

Arbeitsaufwand und Leistungspunkte

Unix-Praktikum:
Praktikumsteilnahme
Nachbereitung des Praktikums
Klausurvorbereitung
gesamt: 61h = 2 LP		 2 SWS x 9 Wochen
2h x 9 Wochen

 = 18h
= 18h
= 25h
Programmierübungen in Haskell:
Übungen
Lösen der Übungsaufgaben
gesamt: 88h = 3 LP		 2 SWS x 16 Wochen
3,5h x 16 Wochen
 = 32h
= 56h

Leistungspunkte für das Modul: 5 LP

Teilnahmevoraussetzungen und Vorkenntnisse

keine

Modultyp und Verwendbarkeit

Pflichtmodul für die Bachelorstudiengänge:

  • Naturwissenschaftliche Informatik
  • Kognitive Informatik
  • Bioinformatik und Genomforschung

Dauer des Moduls / Angebotsturnus

Wintersemester; jährlich



Wissenschaftliches Rechnen

Modultitel

  • Wissenschaftliches Rechnen

Modultitel (Englisch)

  • Scientific Computing

Lehrveranstaltungen des Moduls

  • Wissenschaftliches Rechnen (Vorlesung und Übung, 2+1 SWS)

Modulverantwortliche(r)

Lehrinhalte

Viele Fragestellungen in den Natur- und Ingenieurwissenschaften laufen am Ende auf die numerische Lösung mathematischer Probleme hinaus, wie z.B. das Lösen von Gleichungssystemen oder Minimieren von Fehlerfunktionalen. In dieser Vorlesung wird das häufig benötigte numerische Handwerkszeug kompakt und anhand von anschaulichen und interessanten Problemstellungen aus Computergrafik, Geometrieverarbeitung und physikalischer Simulation eingeführt. Der Schwerpunkt liegt dabei weniger auf der theoretischen Herleitung dieser Methoden, als vielmehr auf deren praktischen Umsetzung und effizienten Implementierung. Für Letzteres wird auch auf die Parallelisierung für Shared Memory Architekturen, wie z.B. Multi-Core CPUs und moderne Grafikkarten, eingegangen.

Die Themengebiete enthalten das Lösen dicht und dünn besetzter linearer Gleichungssysteme, Least Squares Approximationen und partielle Differentialgleichungen.

Literatur:

  • Vorlesungsskript
  • Trefethen, Bau, Numerical Linear Algebra, SIAM, 1997
  • Demmel, Applied Numerical Linear Algebra, SIAM, 1997
  • Press, Teukolsky, Vettering, Flannery, Numerical Recipes in C++: The Art of Scientific Computing, Cambridge University Press, 2002
  • Meyers, Effective C++, Addison-Wesley Professional, 2005.
  • Chapman, Jost, van der Pas, Using OpenMP: Portable Shared Memory Parallel Programming, MIT Press, 2007.

Kompetenzen

Die Studierenden lernen häufig gebrauchte numerische Verfahren kennen und wissen diese für gegebene Problemstellung einzusetzen und in die Praxis umzusetzen.

Anzahl Einzelleistungen (benotet und unbenotet)

eine benotete oder unbenotete Einzelleistung

Prüfungsformen

Portfolio aus Übungsaufgaben, die veranstaltungsbezogen gestellt werden (Bestehensgrenze 50% der erzielbaren Punkte, individuelles Erläutern von Aufgaben) und abschließender mündliche Prüfung (15 min). Die Übungsaufgaben werden in der Regel zweiwöchentlich ausgegeben. Die abschließende mündliche Prüfung bezieht sich auf den Stoff der Vorlesung und der Übungen.

Voraussetzungen für die Vergabe von Leistungspunkten

Regelmäßige und aktive Teilnahme an den Übungen, Erbringen des o.g. Portofolios ergeben 5 LP (2 LP für Übungsaufgaben, 3 LP für mündl. Prüfung).

Arbeitsaufwand und Leistungspunkte

Vorlesung
Nachbereitung Vorlesung
Übung
Bearbeitung der Übungsaufgaben
Vorbereitung auf Prüfung
gesamt: 150h = 5 LP		 2 SWS x 16 Wochen
2h/Woche x 16 Wochen
1 SWS x 16 Wochen
2,5h/Woche x 16 Wochen


 = 32h
= 32h
= 16h
= 40h
= 30h

Teilnahmevoraussetzungen und Vorkenntnisse

Grundkenntnisse in linearer Algebra und Analysis werden vorausgesetzt.
Das Bearbeiten der praktischen Übungsaufgaben erfolgt in C++.

Modultyp und Verwendbarkeit

Wahlpflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik (WP Vertiefung Informatik)
  • Bioinformatik und Genomforschung (WP Bioinformatik und Genomforschung)
  • Kognitive Informatik (WP Intelligente Systeme)
  • Medieninformatik und Gestaltung (WP Medieninformatik)
  • Molekulare Biotechnologie (WP Informatik)
  • Nebenfach Informatik (WP Vertiefung Informatik)

Wahlpflichtmodul für die Masterstudiengänge

  • Naturwissenschaftliche Informatik (Grundlagen Ergänzung)
  • Intelligente Systeme (Grundlagen Ergänzung)

Dauer des Moduls / Angebotsturnus

Sommersemester, jährlich



Genomforschung I

Modultitel

  • Genomforschung I

Modultitel (Englisch)

Lehrveranstaltungen des Moduls

  • Grundlagen der strukturellen Genomforschung (SS: 2V), 3 LP = 90h Arbeitsaufwand
  • Grundlagen der Genomforschung 1 (SS: 3Pr), 2 LP = 60h Arbeitsaufwand

Modulverantwortliche(r)

Lehrinhalte

In diesem Modul werden die theoretischen und praktischen Grundlagen der strukturellen Genomforschung vermittelt. Die für das Verständnis bedeutenden genetischen und molekulargenetischen Kenntnisse werden in den Vorlesungen behandelt. Die zugrunde liegenden Prinzipien der Genomkartierung, sowie der Genomsequenzierung und Annotation sind Gegenstand von Vorlesung und Praktikum. Die Anwendung verfügbarer Programme und Werkzeuge zur Datenauswertung bilden einen weiteren Schwerpunkt des Moduls.

Kompetenzen

Die Studierenden sollen ein Verständnis für die in der Genomforschung angewandten Strategien und dessen Grundlagen erlangen. Neben theoretischen Kenntnissen sollen vor allem auch praktische Kenntnisse vermittelt werden. Praktische Kenntnisse sollen sowohl im Labor bei der Erzeugung von Daten als auch bei der computergestützten Auswertung erlernt werden.

Literatur:
Discovering Genomics, Proteomics & Bioinformatics, A.M.Campbell and L.J. Heyer, Benjamin Cummings, ISBN 0-8053-4722-4, (Chapters 1 – 3)
Genome Mapping and Sequencing, Ian Dunham (ed.), Horizon Scientific Press, ISBN 1898486506
Genes VI I I, B. Lewin, Pearson Education, ISBN 0-13-123924-4

Anzahl Einzelleistungen (benotet und unbenotet)

eine benotete und eine unbenotete Leistung

Prüfungsformen

benotetete schriftliche Prüfung über Inhalte der Vorlesung und des Praktikums, unbenotete Praktikumsberichte

Voraussetzungen für die Vergabe von Leistungspunkten

Bestehen der Klausur und Abgabe der Praktikumsberichte ergibt 5 LP

Arbeitsaufwand und Leistungspunkte

Grundlagen der strukturellen Genomforschung (SS: 2V), 3 LP = 90h Arbeitsaufwand
Grundlagen der Genomforschung 1 (SS: 3Pr), 2 LP = 60h Arbeitsaufwand

Teilnahmevoraussetzungen und Vorkenntnisse

keine
Weitere Bezüge: Algorithmen in der Genomforschung

Modultyp und Verwendbarkeit

Pflichtmodul für den Bachelorstudiengang

  • Bioinformatik und Genomforschung

Dauer des Moduls / Angebotsturnus

Beginn: Sommersemester
jährlich



Genomforschung II

Modultitel

  • Genomforschung II

Modultitel (Englisch)

Lehrveranstaltungen des Moduls

  • Praktikum Grundlagen der Genomforschung 2 (SS: 5 Ü), 5 LP = 150h Arbeitsaufwand

Modulverantwortliche(r)

Lehrinhalte

In diesem Modul werden praktische Grundlagen der funktionellen Genomforschung vermittelt. Die zugrundeliegenden Prinzipien, z.B. die Grundlagen der molekularen Biotechnologie und der Genomannotation, werden in der Vorbesprechung zum Praktikum kurz wiederholt. Im Praktikum werden exemplarisch Versuche zur Identifizierung von Genfunktionen bei Pflanzen durchgeführt. Die Anwendung verfügbarer Programme und Werkzeuge zur Datenauswertung bilden einen weiteren Schwerpunkt des Moduls.

Kompetenzen

Die Studierenden sollen ein Verständnis für die in der Genomforschung angewandten Strategien und deren Grundlagen erlangen. Es werden insbesondere praktische Kenntnisse im Labor vermittelt. Die Zusammenhänge und gegenseitigen Abhängigkeiten von Datenerzeugung und computergestützter Datenauswertung sollen verstanden werden.

Literatur:
Dale, Jeremy und von Schantz, Malcolm, From Genes to Genomes, 2002, John Wiley & Sons

Anzahl Einzelleistungen (benotet und unbenotet)

zwei (eine benotete und eine unbenotete Leistung)

Prüfungsformen

benotete Klausur oder mündliche Prüfung über Inhalte der Übung und des Praktikums,
erfolgreiches Erstellen eines schriftlichen Praktikumsberichtes (Protokoll)

Voraussetzungen für die Vergabe von Leistungspunkten

Bestehen der Klausur oder der mündlichen Prüfung und Abgabe des Praktikumsberichtes ergibt 5 LP.

Arbeitsaufwand und Leistungspunkte

Praktikum Grundlagen der Genomforschung 2 (SS: 5 Ü), 5 LP = 150h Arbeitsaufwand

Teilnahmevoraussetzungen und Vorkenntnisse

Genomforschung I
Weitere Bezüge zu: Algorithmen in der Genomforschung, Vertiefung Genetik

Modultyp und Verwendbarkeit

Pflichtmodul für den Bachelorstudiengang

  • Bioinformatik und Genomforschung

Dauer des Moduls / Angebotsturnus

Beginn: Sommersemester
jährlich



Grundlagen der molekularen Biologie

Modultitel

  • Grundlagen der molekularen Biologie

Modultitel (Englisch)

Lehrveranstaltungen des Moduls

  • Grundlagen der Molekularen Biologie (WS: 4V)
  • Bakterien- und Phagengenetik (SS: 1V + 1Ü) oder
  • Molekulare Genetik (SS: 1 V + 1Ü)

Modulverantwortliche(r)

Lehrinhalte

Dieses Modul vermittelt den Studierenden eine Einführung in die Prinzipien der Biologie. Als Leitmotiv soll das Motto ‚vom Molekül zur Zelle zum Organismus’ dienen. Dabei soll ersichtlich werden, dass die einzelnen Disziplinen der Biologie (Biochemie, Physiologie, Genetik, Zellbiologie, Mikrobiologie und Botanik) unterschiedliche Ansätze sind, die erst in ihrer übergreifenden Kombination ein fundamentales Verständnis der Biologie ermöglichen. Inhaltliche Themen des Moduls sind: allgemeine Prinzipien des Aufbaus lebender Materie, Bau und Funktion biologisch wichtiger Moleküle, Architektur und Funktion von Zellen und Zellorganellen, Mechanismen der Stoffaufnahme, des Stofftransports, des Stoffumsatzes und der Ausscheidung, Struktur und Funktion der Bakterienzelle und grundlegende Aspekte der Genetik. Die Bakterien- und Phagengenetik bzw. die Molekulare Genetik wird vertiefend behandelt, da diese Lehrgebiete in besondere Weise die Voraussetzungen für das Verständnis weiterführender Veranstaltungen der Genetik und Genomforschung vermitteln.

Literatur: Neil. A. Campbell & Jane B. Reece, Biologie, Aufl. April 2003, Spektrum Akademischer Verlag.

Kompetenzen

Dieses Modul soll ein grundlegendes Verständnis der relevanten Aspekte der Allgemeinen Biologie vermitteln und damit die Voraussetzungen zum Verständnis der speziellen Genetik, der Genomforschung und spezieller Gebiete der Biologie schaffen. Grundlegendes Wissen der Biochemie, Zellbiologie, Stoffwechselphysiologie, Mikrobiologie und Genetik soll erlernt werden. Des weiteren sollen die Studenten auch verstehen, wie Erkenntnisse in den genannten Gebieten mit Hilfe von klassischen und modernen physiologischen, biochemischen und molekularbiologischen Verfahren gewonnen werden.

Anzahl Einzelleistungen (benotet und unbenotet)

zwei benotete Einzelleistungen (BIG), zwei unbenotete Einzelleistungen (NWI)

Prüfungsformen

benotete oder unbenotete Klausuren über die Inhalte der Vorlesungen, Lösen von Übungsaufgaben

Voraussetzungen für die Vergabe von Leistungspunkten

Bestehen der Klausur Grundlagen der Molekularen Biologie ergibt 6 LP,
Bestehen der Klausur zu Bakterien- und Phagengenetik oder Molekulare Genetik ergibt 4 LP.

Arbeitsaufwand und Leistungspunkte

Lehrveranstaltungen:
Grundlagen der Molekularen Biologie (WS: 4V), 6 LP = 180h Arbeitsaufwand
Bakterien- und Phagengenetik (SS: 1V + 1Ü), 4 LP = 120h Arbeitsaufwand oder
Molekulare Genetik (SS: 1 V + 1Ü), 4 LP = 120h Arbeitsaufwand

Leistungspunkte für das Modul: 10 LP

Teilnahmevoraussetzungen und Vorkenntnisse

keine

Modultyp und Verwendbarkeit

Pflichtmodul für die Bachelorstudiengänge

  • Bioinformatik und Genomforschung
  • Naturwissenschaftliche Informatik (Vertiefung Biotechnologie)

Dauer des Moduls / Angebotsturnus

Wintersemester: Grundlagen der Molekularen Biologie (Vorlesung)
Sommersemester: Bakterien- und Phagengenetik (V+Ü) oder Molekulare Genetik (V + Ü)
Angebotsturnus: jährlich 



Vertiefung Genetik

Modultitel

  • Vertiefung Genetik

Modultitel (Englisch)

Lehrveranstaltungen des Moduls

  • Eukaryotengenetik (WS: 2V + 2S), 5 LP = 150h Arbeitsaufwand
  • Funktionelle Genomforschung (SS: 2V + 2S), 5 LP = 150h Arbeitsaufwand

Modulverantwortliche(r)

Lehrinhalte

Aufbauend auf die im Grundlagenmodul Biologie gegebene Einführung in die allgemeine und molekulare Genetik wird in der Vorlesung Eukaryotengenetik die Genetik der höheren Eukaryoten umfassend und detailliert dargestellt. Damit werden die Voraussetzungen zum Verständnis der Genomforschung geschaffen. In der Vorlesung Funktionelle Genomforschung werden die Untersuchung der Expression von Genen (Transkriptomik), die Analyse der Gesamtheit aller in der Zelle vorliegenden Proteine (Proteomik) und aller Stoffwechselprodukte (Metabolomik) sowie die Einordnung dieser Vorgänge in unser Bild einer lebenden Zelle behandelt. Entsprechend gliedert sich die Vorlesung in vier Teile, die aktuelle Methoden und exemplarische Resultate der einzelnen Bereiche vorstellen.

Kompetenzen

Mit diesem Modul wird das im Grundlagenmodul Biologie gewonnene Wissen vertieft. In den zu den Vorlesungen angebotenen Seminaren soll die eigenständige Auseinandersetzung mit englischsprachiger Primärliteratur erlernt werden. Anhand von Originalarbeiten aus der Genetik und Genomforschung werden unterschiedliche Darstellungsformen wissenschaftlicher Arbeiten in Fachzeitschriften vorgestellt. Textverständnis, kritische Auseinandersetzung mit den Daten, und Methoden der Aufarbeitung und Präsentation werden vermittelt und bei der Erstellung eines eigenen Vortrags angewandt.

Literatur:
B. Lewin, Genes VI I I, Prentice Hall, 2004

Anzahl Einzelleistungen (benotet und unbenotet)

zwei benotete und eine unbenotete Leistung

Prüfungsformen

benotete Klausuren über Inhalte der Vorlesungen, erfolgreiche Ausarbeitung und Präsentation eines Vortrags

Voraussetzungen für die Vergabe von Leistungspunkten

Bestehen der beiden Klausuren ergibt jeweils 5 LP

Arbeitsaufwand und Leistungspunkte

Eukaryotengenetik (WS: 2V + 2S), 5 LP = 150h Arbeitsaufwand
Funktionelle Genomforschung (SS: 2V + 2S), 5 LP = 150h Arbeitsaufwand

Teilnahmevoraussetzungen und Vorkenntnisse

Modul Grundlagen der molekularen Biologie

Modultyp und Verwendbarkeit

Pflichtmodul für den Bachelorstudiengang

  • Bioinformatik und Genomforschung

Dauer des Moduls / Angebotsturnus

Beginn: Wintersemester
jährlich



Chemie für Nebenfach

Modultitel

  • Chemie für Nebenfach

Modultitel (Englisch)

Lehrveranstaltungen des Moduls

  • Grundlagen der Chemie (3V + 1Ü)

Modulverantwortliche(r)

Lehrinhalte

Im Rahmen dieses Moduls wird chemisches Basiswissen vermittelt. Schwerpunkte liegen auf Redox- und Säure-Base-Theorien, Atom- und Molekülbau, der Organischen Chemie der funktionellen Gruppen, Energetik, Gleichgewichtslehre und der Kinetik inkl. Katalyse.

Kompetenzen

Die Studierenden sollen in die Lage versetzt werden, an einfachen Gesetzmäßigkeiten Wesen und Bedeutung der Chemie im Rahmen der Naturwissenschaften zu erlernen und deren Anwendungen zu verstehen.

Anzahl Einzelleistungen (benotet und unbenotet)

eine unbenotete Einzelleistung

Prüfungsformen

Klausur

Voraussetzungen für die Vergabe von Leistungspunkten

Bestehen der Klausur über die Vorlesung ergibt 5 LP

Arbeitsaufwand und Leistungspunkte

Vorlesung
Nachbereitung der Vorlesung
Übungen
Vorbereitung der Übungen
gesamt: 105h = 3,5 LP		 3 SWS x 16 Wochen
1h/Woche x 16 Wochen
1 SWS x 16 Wochen
2h/Woche x 16 Wochen		 = ca. 45h
= ca. 15h
= ca. 15h
= ca. 30h

Vorbereitung auf die Modulprüfung: 45h = 1,5 LP
Leistungspunkte für das Modul: 5 LP

Teilnahmevoraussetzungen und Vorkenntnisse

keine

Modultyp und Verwendbarkeit

Pflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik
  • Bioinformatik und Genomforschung

Dauer des Moduls / Angebotsturnus

Wintersemester: Vorlesung mit Übung
jährlich



Mathematik I

Modultitel

  • Mathematik I

Modultitel (Englisch)

Lehrveranstaltungen des Moduls

  • Vorlesung Lineare Algebra I (2 SWS) mit Übungen (1 SWS)
  • Vorlesung Analysis I (2 SWS) mit Übungen (1 SWS)

Modulverantwortliche(r)

Lehrinhalte

In diesem Modul werden Gebiete der höheren Mathematik behandelt, die Grundlagen sind für die meisten im Verlauf des Studiums benötigten, mathematischen Kenntnisse und Verfahren.

Lineare Algebra I:
Gruppen, Körper, Vektorräume, lineare Unabhängigkeit, Basis, lineare Abbildungen, Matrizen (elementare Zeilentransformationen, Rang, Invertierbarkeit, Inverse, ...), lineare Gleichungsysteme, Determinante

Analysis I:
ganze Zahlen, vollständige Induktion, reelle Zahlen, Folgen, Grenzwert, Reihen, Stetigkeit, Differentialrechnung, Taylorreihe, Integralrechnung, elementare Differentialgleichungen

Kompetenzen

Die Studierenden sollen grundlegende mathematische Methoden kennen lernen und üben und die Fähigkeit erwerben sich einfache mathematische Sachverhalte selbstständig zu erarbeiten.

Anzahl Einzelleistungen (benotet und unbenotet)

Es ist eine benotete  Einzelleistung in Form des u.g. Portfolios zu erbringen.

Prüfungsformen

Portfolio aus Übungsaufgaben, die veranstaltungsbezogen gestellt werden (Bestehensgrenze 50% der erzielbaren Punkte, individuelles Erläutern von Aufgaben) und Abschlussklausur (90-120 min) oder mündliche Abschlussprüfung (20-30 min). Die Übungsaufgaben im Rahmen des Portfolios werden in der Regel wöchentlich ausgegeben.
Abschlussklausur oder abschließende mündliche Prüfung beziehen sich auf den Stoff der Vorlesung und der Übungen.

Voraussetzungen für die Vergabe von Leistungspunkten

Regelmaessige und aktive Teilnahme an den Uebungen, Erbringen des o.g. Portfolios.

Arbeitsaufwand und Leistungspunkte

Präsenzzeit: 6 SWS etwa 80 Stunden
Selbststudium und Lösen von Übungsaufgaben in kleinen Arbeitsgruppen: etwa 160 Stunden
Prüfungsleistung: 90 Minuten bei einer Klausur und 20 bis 30 bei einer mündlichen Prüfung
Leistungspunkte: 8 LP

Teilnahmevoraussetzungen und Vorkenntnisse

keine

Modultyp und Verwendbarkeit

Pflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik
  • Bioinformatik und Genomforschung
  • Medieninformatik und Gestaltung
  • Kognitive Informatik

Dauer des Moduls / Angebotsturnus

Das Modul ist einsemestrig und wird jährlich im Wintersemester angeboten.



Mathematik II

Modultitel

  • Mathematik II

Modultitel (Englisch)

Lehrveranstaltungen des Moduls

  • Vorlesung Lineare Algebra II (2 SWS) mit Übungen (1 SWS)
  • Vorlesung Analysis II (2 SWS) mit Übungen (1 SWS)

Modulverantwortliche(r)

Lehrinhalte

In diesem Modul werden Gebiete der höheren Mathematik behandelt, die
Grundlagen sind für die meisten im Verlauf des Studiums benötigten
mathematischen Kenntnisse und Verfahren.

Lineare Algebra II:
normierte, euklidische und unitaere Vektorraeume
Eigenwerte und Diagonalisierbarkeit
Funktionen von Matrizen (Exponentialfunktion)

Analysis II:
Differentiation und Integration im Rn, gewöhnliche Differentgleichungen,
Verbindungen zur Linearen Algebra.

Kompetenzen

Die Studierenden sollen grundlegende mathematische Methoden kennen lernen und üben und die Fähigkeit erwerben sich einfache mathematische Sachverhalte selbstständig zu erarbeiten.

Anzahl Einzelleistungen (benotet und unbenotet)

Es ist eine unbenotete Einzelleistung in Form des u.g. Portfolios zu erbringen.

Prüfungsformen

Portfolio aus Übungsaufgaben, die veranstaltungsbezogen gestellt werden (Bestehensgrenze 50% der erzielbaren Punkte, individuelles Erläutern von Aufgaben) und Abschlussklausur (90-120 min) oder mündliche Abschlussprüfung (20-30 min.). Die
Übungsaufgaben im Rahmen des Portfolios werden in der Regel wöchentlich ausgegeben.
Abschlussklausur oder abschließende mündliche Prüfung beziehen sich auf den Stoff der Vorlesung und der Übungen.

Voraussetzungen für die Vergabe von Leistungspunkten

Regelmäßige und aktive Teilnahme an den Übungen, Erbringen des o.g. Portfolios.

Arbeitsaufwand und Leistungspunkte

Präsenzzeit: 6 SWS etwa 80 Stunden
Selbststudium und Lösen von Übungsaufgaben in kleinen Arbeitsgruppen: etwa 160 Stunden
Leistungspunkte: 8 LP

Teilnahmevoraussetzungen und Vorkenntnisse

Modul Mathematik I

Modultyp und Verwendbarkeit

Pflichtmodul für die Bachelorstudiengänge

  • Naturwissenschaftliche Informatik
  • Bioinformatik und Genomforschung
  • Medieninformatik und Gestaltung
  • Kognitive Informatik

Dauer des Moduls / Angebotsturnus

Das Modul ist einsemestrig und wird jährlich im Sommersemester angeboten.



Mathematische Methoden der Biowissenschaften

Modultitel

  • Mathematische Methoden der Biowissenschaften

Modultitel (Englisch)

Lehrveranstaltungen des Moduls

  • Mathematische Methoden der Biowissenschaften I: Diskrete Mathematik (2V+2Ü)
  • Mathematische Methoden der Biowissenschaften II: Wahrscheinlichkeitstheorie und Statistik (2V+2Ü)

Modulverantwortliche(r)

Lehrinhalte

In diesem Modul wird in die diskrete Mathematik und in die Stochastik eingeführt, unter Verwendung der Lehrinhalte aus den Modulen Mathematik I und II.

Im Teilmodul I werden vorwiegend Grundlagen der diskreten Mathematik erarbeitet, insbesondere diskrete dynamische Systeme, Kombinatorik, Grundzüge der Graphentheorie und der Komplexitätstheorie sowie elementare Methoden der Algebra. Dabei liegt ein Schwerpunkt auf der Anwendung analytischer Methoden (wie erzeugender Funktionen) und dem Vergleich zu kontinuierlichen dynamischen Systemen (in Form von gewöhnlichen Differentialgleichungen). Ein anderer Schwerpunkt betrifft Theorie und Praxis der Abzählprobleme, mit konkreten Anwendungen. Im Teilmodul II werden die Grundlagen der Wahrscheinlichkeitstheorie und Statistik behandelt.
Hierunter fallen Grundbegriffe für die mathematische Beschreibung des Zufalls (Wahrscheinlichkeitsräume, Zufallsvariablen, Verteilungen, bedingte Wahrscheinlichkeiten und Momente, erzeugende Funktionen), stochastische Standardmodelle, Gesetz der gross en Zahl und zentraler Grenzwertsatz, sowie Markov-Ketten. Darauf aufbauend werden die Grundbegriffe der Statistik entwickelt: Eigenschaften von Schätzungen, Konstruktion von Konfidenzintervallen, Testen von Hypothesen, Regressions- und Varianzanalyse.

Kompetenzen

Das erste Teilmodul soll den eigenständigen Umgang mit wichtigen Methoden der diskreten Mathematik bewirken, die von zentraler Bedeutung in Bioinformatik und Genomforschung sind. Zugleich soll eine Verbindung zwischen verschiedenen mathematischen Disziplinen das Verständnis für und den Umgang mit Mathematik erleichtern.
Im zweiten Teilmodul liegt neben der Entwicklung des „stochastischen Denkens“ besonderes Augenmerk auf der Umsetzung konkreter Fragen aus Biologie und Bioinformatik in der Sprache der Stochastik und Statistik und dem damit verbundenen Modellierungsaspekt.

Weitere Bezüge zu:
Theoretische Informatik, Sequenzanalyse, Genomforschung, Modellbildung, Mathematisch-Naturwissenschaftliche Vertiefung

Literatur:
M. Wolff, P. Hauck, W. Küchlin, Mathematik fuer Informatiker und Bioinformatiker, Springer, Berlin, 2004.
N. Biggs, Discrete Mathematics, 2. Aufl., Clarendon Press, Oxford, 2003.
U. Krengel, Einführung in Wahrscheinlichkeitstheorie und Statistik, 6. Aufl., Vieweg, Braunschweig, 2002.
G. Hübner, Stochastik, 4. Aufl., Vieweg, Braunschweig, 2003.
W. J. Ewens und G. R. Grant, Statistical Methods of Bioinformatics, 2. Aufl., Springer, New York, 2004.

Anzahl Einzelleistungen (benotet und unbenotet)

zwei unbenotete Einzelleistungen

Prüfungsformen

jeweils ein Portfolio aus Übungsaufgaben, die veranstaltungsbezogen gestellt werden (Bestehensgrenze 50% der erzielbaren Punkte, individuelles Erläutern von Aufgaben) und Abschlussklausur (90-120 min) oder abschließende mündliche Prüfung (20-30 min). Die Übungsaufgaben im Rahmen des Portfolios werden in der Regel wöchentlich ausgegeben.
Abschlussklausur oder abschließende mündliche Prüfung beziehen sich auf den Stoff der Vorlesung und der Übungen.

Voraussetzungen für die Vergabe von Leistungspunkten

Bestehen der Portfolio ergibt jeweils 4 LP

Arbeitsaufwand und Leistungspunkte

Diskrete Mathematik (WS: 2V +2Ü), 4 LP = 120h Arbeitsaufwand
Wahrscheinlichkeitstheorie und Statistik (SS: 2V + 2Ü), 4 LP = 120h Arbeitsaufwand

Teilnahmevoraussetzungen und Vorkenntnisse

Mathematik I, Mathematik II

Modultyp und Verwendbarkeit

Pflichtmodul für den Bachelorstudiengang

  • Bioinformatik und Genomforschung

Dauer des Moduls / Angebotsturnus

Wintersemester: Diskrete Mathematik
Sommersemester: Wahrscheinlichkeitstheorie und Statistik
jährlich



Physik für das Nebenfach

Modultitel

  • Physik für das Nebenfach

Modultitel (Englisch)

Lehrveranstaltungen des Moduls

  • Einführung in die Physik I (Nebenfach): Vorlesung + Übung (3 SWS+1 SWS)
  • Einführung in die Physik II (Nebenfach): Vorlesung + Übung (3 SWS+1 SWS)

Modulverantwortliche(r)

Lehrinhalte

Die Veranstaltungen führen an Hand von Demonstrationsexperimenten in die Physik unter experimentell-phänomenologischen Gesichtspunkten ein.
Kernpunkte der Vorlesung Einführung in die Physik I sind: Mechanik (Messen, und Maße, lineare Bewegungen, Drehbewegungen, Energie, Planetenbewegung, Bezugssysteme, Mechanik von Flüssigkeiten), Schwingungen und Wellen (Harmonischer Oszillator, gekoppelte Schwingungen, Wellenfortpflanzung, Schwebungen, Dopplereffekt, Energie und Energiedichte einer Welle), Wärmelehre (Temperatur, Wärmeenergie, Zustandgleichung von Gasen, Hauptsätze der Wärmelehre, Brownsche Molekularbewegung, Boltzmann-Verteilung, Wärmeleitung und Diffusion), Elektrizität und Magnetismus (Stromstärke, und elektrische Ladung, Elektrisches Feld und Coulombsches Gesetz, Arbeit im elektrischen Feld und elektrisches Potential, Materie im elektrischen Feld, Elektrischer Strom und Widerstand, Faradysches Induktionsgesetz, Wechselstrom, Magnetfeld), Optik (gemetrische Optik, Abbildungen, Wellenoptik, Brechung und Polarisation von Licht, Optische Instrumente).

Kernpunkte der Vorlesung Einführung in die Physik II sind: Vertiefung und Anwendung der klassischen Physik (Wärme, Schwingungen, Wellen, Elektrizität), Moderne Physik (Quantenphysik, Kernphysik, spezielle Relativitätstheorie, Atomphysik, Molekülphysik), Angewandte Physik (Spektroskopie, Energie und Energieumwandlung, Wärmehaushalt der Erde, globale Erwärmung).

Kompetenzen

Die Studierenden lernen die grundlegenden Begriffe, Phänomene und Konzepte der Physik kennen und sind in der Lage, Aufgaben aus diesem Bereich selbstständig zu lösen.

Anzahl Einzelleistungen (benotet und unbenotet)

zwei unbenotete Leistungsnachweise

Prüfungsformen

Klausur

Voraussetzungen für die Vergabe von Leistungspunkten

Bestehen der Klausur ergibt jeweils 5 LP

Arbeitsaufwand und Leistungspunkte

120 Stunden für das Präsenzstudium, 110 Stunden für Selbststudium, 70 Stunden für Vorbereitung auf die Einzelleistungen

Leistungspunkte für das Modul: 10 LP

Teilnahmevoraussetzungen und Vorkenntnisse

keine

Modultyp und Verwendbarkeit

Pflichtmodul für die Bachelorstudiengänge

  • Kognitive Informatik
  • Naturwissenschaftliche Informatik
  • Bioinformatik und Genomforschung (nur Physik I)

Dauer des Moduls / Angebotsturnus

jährlich; Dauer 2 Semester; Beginn jeweils im Wintersemester