Informatik

• Bildverarbeitung

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

    Kommentar

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

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

     

    Literaturhinweise

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

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

• Computergrafik

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

    Kommentar

    Inhalte der Veranstaltung

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

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

    Die notwendigen mathematischen Grundlagen werden bei Bedarf eingeführt.

    Zielgruppe

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

    Literaturhinweise

    Literatur zur Veranstaltung

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

    Ergänzende Literatur

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

     

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

    Kommentar

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

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

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

     

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

• Softwareprojekt Praktische Informatik A

  0089cA1.23
  • 19308412 Projektseminar
    Softwareprojekt: Datenverwaltung (Muhammed-Ugur Karagülle)
    Zeit: Mo 12:00-14:00, zusätzliche Termine siehe LV-Details (Erster Termin: 15.04.2024)
    Ort: 1.1.26 Seminarraum E1 (Arnimallee 14)
    

    Zusätzl. Angaben / Voraussetzungen

    Zielgruppe

    Studierende im Master- bzw. Bachelorstudiengang

    Voraussetzungen

    Gute Programmierkenntnisse, Einführung in Datenbanksysteme.

    Kommentar

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

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

    Literaturhinweise

    Wird bekannt gegeben. / To be announced.

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

    Zusätzl. Angaben / Voraussetzungen

    Weitere Informationen finden sich auf der Veranstaltungsseite.

    Kommentar

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

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

    Zusätzl. Angaben / Voraussetzungen

    Zielgruppe

    BA und MA Informatik

    Webseite

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

    Dozent & Ansprechpartner

    Barry Linnert führt die Veranstaltung durch.

    Kommentar

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

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

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

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

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

     

    Ablauf

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

     

    Links:

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

     

     

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

    Zusätzl. Angaben / Voraussetzungen

    Lernziele und Kompetenzen

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

    Zielgruppe

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

    Sprache

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

    Benotung

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

    Weiteres

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

    Kommentar

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

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

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

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

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

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

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

    Literaturhinweise

    http://goo.gl/5Wqnr7

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

    Zusätzl. Angaben / Voraussetzungen

    ,,

    Kommentar

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

    Literaturhinweise

    ,,

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

    Kommentar

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

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

    Kommentar

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

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

    Kommentar

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

    Update 22.04.: Wir haben noch Plätze frei!

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

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

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

    Kommentar

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

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

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

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

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

    Kommentar

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

• Softwareprojekt Praktische Informatik B

  0089cA1.24
  • 19308412 Projektseminar
    Softwareprojekt: Datenverwaltung (Muhammed-Ugur Karagülle)
    Zeit: Mo 12:00-14:00, zusätzliche Termine siehe LV-Details (Erster Termin: 15.04.2024)
    Ort: 1.1.26 Seminarraum E1 (Arnimallee 14)
    

    Zusätzl. Angaben / Voraussetzungen

    Zielgruppe

    Studierende im Master- bzw. Bachelorstudiengang

    Voraussetzungen

    Gute Programmierkenntnisse, Einführung in Datenbanksysteme.

    Kommentar

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

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

    Literaturhinweise

    Wird bekannt gegeben. / To be announced.

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

    Zusätzl. Angaben / Voraussetzungen

    Weitere Informationen finden sich auf der Veranstaltungsseite.

    Kommentar

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

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

    Zusätzl. Angaben / Voraussetzungen

    Zielgruppe

    BA und MA Informatik

    Webseite

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

    Dozent & Ansprechpartner

    Barry Linnert führt die Veranstaltung durch.

    Kommentar

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

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

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

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

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

     

    Ablauf

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

     

    Links:

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

     

     

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

    Zusätzl. Angaben / Voraussetzungen

    Lernziele und Kompetenzen

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

    Zielgruppe

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

    Sprache

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

    Benotung

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

    Weiteres

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

    Kommentar

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

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

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

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

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

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

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

    Literaturhinweise

    http://goo.gl/5Wqnr7

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

    Zusätzl. Angaben / Voraussetzungen

    ,,

    Kommentar

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

    Literaturhinweise

    ,,

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

    Kommentar

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

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

    Kommentar

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

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

    Kommentar

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

    Update 22.04.: Wir haben noch Plätze frei!

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

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

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

    Kommentar

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

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

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

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

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

    Kommentar

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

• Wissenschaftliches Arbeiten Praktische Informatik A

  0089cA1.25
  • 19303811 Seminar
    Projektseminar: Datenverwaltung (Muhammed-Ugur Karagülle)
    Zeit: Do 12:00-14:00 (Erster Termin: 18.04.2024)
    Ort: T9/051 Seminarraum (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Voraussetzungen

    • ALP I
    • ALP II
    • Datenbanksysteme

    Kommentar

    Inhalt

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

    Literaturhinweise

    Wird bekannt gegeben.

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

    Zusätzl. Angaben / Voraussetzungen

    Students are expected to:

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

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

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

    Kommentar

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

    Literaturhinweise

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

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

    Kommentar

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

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

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

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

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

    Kommentar

    Inhalt:

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

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

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

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

    Zusätzl. Angaben / Voraussetzungen

    Webseite

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

    Zielgruppe:

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

     

    Voraussetzungen:

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

    Kommentar

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

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

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

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

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

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

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

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

    Literaturhinweise

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

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

    Kommentar

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

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

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

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

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

    Kommentar

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

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

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

    Literaturhinweise

    Wird bekannt gegeben.

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

    Kommentar

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

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

    Kommentar

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

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

    Kommentar

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

    Beispiele für mögliche behandelte Datenbanken sind

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

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

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

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

• Wissenschaftliches Arbeiten Praktische Informatik B

  0089cA1.26
  • 19303811 Seminar
    Projektseminar: Datenverwaltung (Muhammed-Ugur Karagülle)
    Zeit: Do 12:00-14:00 (Erster Termin: 18.04.2024)
    Ort: T9/051 Seminarraum (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Voraussetzungen

    • ALP I
    • ALP II
    • Datenbanksysteme

    Kommentar

    Inhalt

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

    Literaturhinweise

    Wird bekannt gegeben.

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

    Zusätzl. Angaben / Voraussetzungen

    Students are expected to:

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

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

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

    Kommentar

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

    Literaturhinweise

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

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

    Kommentar

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

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

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

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

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

    Kommentar

    Inhalt:

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

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

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

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

    Zusätzl. Angaben / Voraussetzungen

    Webseite

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

    Zielgruppe:

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

     

    Voraussetzungen:

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

    Kommentar

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

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

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

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

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

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

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

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

    Literaturhinweise

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

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

    Kommentar

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

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

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

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

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

    Kommentar

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

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

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

    Literaturhinweise

    Wird bekannt gegeben.

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

    Kommentar

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

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

    Kommentar

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

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

    Kommentar

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

    Beispiele für mögliche behandelte Datenbanken sind

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

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

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

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

• Aktuelle Forschungsthemen der Praktischen Informatik

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

    Zusätzl. Angaben / Voraussetzungen

    Die Vorlesung beginnt am Montag, den 15.04.

    Das Vorlesungsskript liegt unter

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

     

    Kommentar

    Inhalt

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

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

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

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

    Zusätzl. Angaben / Voraussetzungen

    Zielgruppe

    • MSc

    Anforderungen

    • Erfahrung mit Computern und Software sowie Programierkenntnisse

    Sprache

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

    Credits & Klausur

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

    Webseite

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

    Kommentar

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

    Literaturhinweise

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

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

    Kommentar

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

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

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

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

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

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

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

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

     

    Literaturhinweise

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

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

    Zusätzl. Angaben / Voraussetzungen

    Weitere Informationen:

    Kommentar

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

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

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

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

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

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

    Literaturhinweise

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

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

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

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

    Kommentar

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

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

    Am Ende dieser Veranstaltung werden die Studierenden in der Lage sein

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

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

    Literaturhinweise

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

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

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

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

    Kommentar

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

     

    Content:

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

     

    Knowledge:

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

     

    Skills:

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

     

    Competencies:

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

     

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

• Spezielle Aspekte der Praktischen Informatik

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

    Zusätzl. Angaben / Voraussetzungen

    Die Vorlesung beginnt am Montag, den 15.04.

    Das Vorlesungsskript liegt unter

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

     

    Kommentar

    Inhalt

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

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

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

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

    Zusätzl. Angaben / Voraussetzungen

    Zielgruppe

    • MSc

    Anforderungen

    • Erfahrung mit Computern und Software sowie Programierkenntnisse

    Sprache

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

    Credits & Klausur

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

    Webseite

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

    Kommentar

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

    Literaturhinweise

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

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

    Kommentar

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

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

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

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

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

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

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

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

     

    Literaturhinweise

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

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

    Zusätzl. Angaben / Voraussetzungen

    Weitere Informationen:

    Kommentar

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

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

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

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

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

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

    Literaturhinweise

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

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

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

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

    Kommentar

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

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

    Am Ende dieser Veranstaltung werden die Studierenden in der Lage sein

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

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

    Literaturhinweise

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

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

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

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

    Kommentar

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

     

    Content:

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

     

    Knowledge:

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

     

    Skills:

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

     

    Competencies:

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

     

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

    Kommentar

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

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

• Spezielle Aspekte der Softwareentwicklung

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

    Kommentar

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

    Der Lehrplan ist:

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

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

    Kommentar

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

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

• Künstliche Intelligenz

  0089cA1.9
  • 19303701 Vorlesung
    Künstliche Intelligenz (Grégoire Montavon)
    Zeit: Di 16:00-18:00 (Erster Termin: 16.04.2024)
    Ort: T9/Gr. Hörsaal (Takustr. 9)
    

    Zusätzl. Angaben / Voraussetzungen

    Voraussetzungen:

    Grundkenntnisse in Mathematik und Algorithmen & Datenstrukturen.

    Kommentar

    Siehe den englischen Beschreibungstext.

    Literaturhinweise

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

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

• Grundlagen des Managements von IT-Projekten

  0159cA2.6
  • 19335406 Seminaristischer Unterricht
    Projektmanagement in agilen Umgebungen Teil 2 (SoSe) (Lutz Prechelt, Matthias Horn)
    Zeit: Mo 08:00-10:00, Fr 16:00-18:00 (Erster Termin: 15.04.2024)
    Ort: T9/SR 006 Seminarraum (Takustr. 9)
    

    Kommentar

    Qualifikationsziele: Die Studierenden verstehen verschiedene Modelle skaliert agiler Software-Produktion mehrerer kooperierender agiler Teams. Sie verstehen grundlegende und fortgeschrittene Techniken des hybriden, prädiktiven sowie adaptiven Projektmanagements in solchen agilen Umgebungen und können sie anwenden. Sie können einen Projektplan erstellen und mit einem geeigneten Vorgehen abgleichen. Sie können in der Leitung eines hybriden Projektes mitarbeiten und Verantwortung für wesentliche Bereiche des Projektmanagements übernehmen, einschließlich der Führung von Personal. Sie können ein einfaches Projekt eigenverantwortlich leiten.

    Inhalte: Studierende erlernen Prinzipien, Methoden und Verfahrensweisen skaliert agiler Softwareproduktion anhand etablierter Modelle (z. B. Scaled Agile Framework) und des Projektmanagements anhand einer anerkannten Methodik (z. B. „Projekt Management Body of Knowledge“ (PMBoK)) und üben deren praktische Anwendung. Sie erarbeiten sich agile Prinzipien und Werte sowie Scrum und üben beides ein. Darüber hinaus diskutieren und üben sie die Planung des Produktumfangs und Koordination mehrerer daran gemeinsam arbeitender Teams, nötige Prozesse und involvierte Rollen. Weiterhin lernen sie alle Bereiche des Projektmanagements kennen, diskutieren deren Anwendung und üben teilweise deren Umsetzung: Projektentstehung, -definition und Planung des Projektumfangs, Projektplanung, Projektablaufsteuerung, -statusermittlung und -reporting, Projektorganisation und Einbettung eines Projekts in die ausführende Organisation, Führen ohne formale Macht, Projektkommunikation, Führung eines Projektteams und Qualitätsmanagement

     

• Module ohne Lehrangebot in diesem Semester

  20 Module
  • Medizinische Bildverarbeitung 0089cA1.10
  • Modellgetriebene Softwareentwicklung 0089cA1.11
  • Mustererkennung 0089cA1.12
  • Netzbasierte Informationssysteme 0089cA1.13
  • Projektmanagement 0089cA1.14
  • Projektmanagement-Vertiefung 0089cA1.15
  • Rechnersicherheit 0089cA1.16
  • Semantisches Geschäftsprozessmanagement 0089cA1.17
  • Softwareprozesse 0089cA1.18
  • Übersetzerbau 0089cA1.19
  • Verteilte Systeme 0089cA1.20
  • XML-Technologien 0089cA1.21
  • Praktiken professioneller Softwareentwicklung 0089cA1.22
  • Spezielle Aspekte der Datenverwaltung 0089cA1.29
  • Computer-Vision 0089cA1.3
  • Ausgewählte Themen der Praktischen Informatik 0089cA1.31
  • Datenbanktechnologie 0089cA1.4
  • Empirische Bewertung in der Informatik 0089cA1.5
  • Grundlagen des Softwaretestens 0089cA1.7
  • Existenzgründung in der IT-Industrie 0159cA2.2