fachbezogene wahlpflichtmodule für die ... · von sap netweaver (grundkurs) (x) xtsa 25 8 ......

Modulhandbuch

Fachbezogene Wahlpflichtmodulefür die

BachelorstudiengängeInformatik

Sommersemester 2020erstellt am 15.04.2020

von Barbara Uhl

Fakultät Informatik und Mathematik

vorläufiger Stand, vorbehaltlich der Genehmigung der Studienpläne durch den FakultätsratVeranstaltungen IN IT IW IM 2. Stud.

Abschn.

3. Stud.

Abschn. Doz.

TN

Be-

schr.

VL

(*)

Sprache

ausschl.

engl.

Hörsaal Pool

Öffnung

and. Stud.-

gänge

1 DAPI: Ausgewählte Projekte der IT X X (X) (X) X Kuc 20

2DDOP: DevOps Principles and Practices, Gastdozent: Dr. Abhijit Sen (KPU, Vancouver,

Canada)

(X) (X) X X X Sena 2050%

VL3X

3DLAC: Languages and their Compilers, Gastdozentin Lenka Koskova (TU Liberec,

Tschechien)

X X (X) X Kole 2050%

VL3X

4DPL1: Spezielle Probleme in der

Produktionslogistik (*)X X X Her 10

5 DVGD: Al for Video Games Development, Gastdozent: Aaron Hunter (BCIT, Canada)

(X) (X) X X X Huna 2050%

VL3X

6 KDTH: Design Thinking X X (X) (X) X X Kasp 12 X K219 X

7KSAP1: ABAP-Entwicklungsumgebung

von SAP NetWeaver (Grundkurs)(X) (X) X X X X Tsa 25 X

8ZADA: Solving Business Cases Using

Applied Data Analytics, Gastdozent Jonathan

Whitaker (Uni Richmond, USA)

X (X) X X Whij 2050%

VL3X

9 ZAJP: Advanced Java Programming X (X) X X Jod 25 X 2 SWS 2 SWS

10 ZAPP: App-Programmierung X X (X) X Ecka 25

11 ZASE: Applied Software Engineering, Gastdozent: Richard Wong (KPU, Canada)

X X (X) X Wonr 2050%

VL3X

12ZCRE: Cyberethics: Recht und Ethik in

der künstlichen Intelligenz (X) X X X Sobo 25

13 ZEGI: Elektronikgrundlagen für Informatik X X X Buej 25

14 ZIIM: Introduction Innovation Management X (X) X X Gath Fokj 25 X

15 ZOCK: Projekt: Client-K.I.s für Brettspiele X X (X) X Kec 24 X

(*) Anmeldung direkt beim Dozenten

Importmodule

16DGBV: Grundlagen der Bildverarbeitung (Importmodul aus dem Bachelorstudiengang

Mathematik: D-Modul)

X X (X) X Frj 20

17DRKL: Regression und Klassifikation (Importmodul aus dem Bachelorstudiengang

Mathematik)

X (X) X X Kih 10

18ZSB: Importmodul aus ANK: Sensors in

Biotechnology Dozentin: Rezan Fahrioglu Yamaci

X X (X) X Fahrioglu 10

19ZKIB: Importmodul aus BW: Künstliche

Intelligenz im BusinessDozent: Dr. Ralph Kremer

X X X Kremer 10

Zuordnung

StudiengangZuordnung

Studienabschnitt

Angebot Wahlpflichtmodule

Bachelorstudiengänge Informatik für das SoSe 2020

Eva Neumaier, Fakultätsreferentin Fakultät IM 15.04.2020

ModullisteStudienabschnitt 1:

Studienabschnitt 2:Fachbezogenes Wahlpflichtmodul 1................................................................................................................. 4

Importmodul: ZKIB: Künstliche Intelligenz im Business...................................................................... 6Importmodul: ZSB: Sensors in Biotechnology.....................................................................................9KDTH: Design Thinking......................................................................................................................11KSAP1: ABAP-Entwicklung von SAP Netweaver (Grundkurs)......................................................... 13ZADA: Solving Business Cases using Applied Data Analytics.........................................................15ZAJP: Advanced Java Programming.................................................................................................17ZAPP: App-Programmierung.............................................................................................................. 19ZASE: Applied Software Engineering Project....................................................................................21ZCRE: Cyberethics: Recht und Ethik in der künstlichen Intelligenz................................................. 24ZEGI: Elektronikgrundlagen für Informatik.........................................................................................27ZIIM: Introduction Innovation Management....................................................................................... 29ZOCK: Projekt: Client-K.I.s für Brettspiele........................................................................................ 31

Studienabschnitt 3:Fachbezogenes Wahlpflichtmodul 2............................................................................................................... 33

DAPI: Ausgewählte Projekte der Informatik...................................................................................... 35DDOP: DevOps Principles and Practices..........................................................................................36DLAC: Languages and Their Compiler............................................................................................. 39DPL1: Spezielle Probleme in der Produktionslogistik....................................................................... 41DVGD: Artificial Intelligence for Video Game Development............................................................. 43KDTH: Design Thinking......................................................................................................................45KSAP1: ABAP-Entwicklung von SAP Netweaver (Grundkurs)......................................................... 47Mathematikimport DBIV: Grundlagen der Bildverarbeitung...............................................................49Mathematikimport DRKL: Regression und Klassifikation.................................................................. 50

Fachbezogenes Wahlpflichtmodul 3............................................................................................................... 51DAPI: Ausgewählte Projekte der Informatik...................................................................................... 53DDOP: DevOps Principles and Practices..........................................................................................54DLAC: Languages and Their Compiler............................................................................................. 57DPL1: Spezielle Probleme in der Produktionslogistik....................................................................... 59DVGD: Artificial Intelligence for Video Game Development............................................................. 61KDTH: Design Thinking......................................................................................................................63KSAP1: ABAP-Entwicklung von SAP Netweaver (Grundkurs)......................................................... 65Mathematikimport DBIV: Grundlagen der Bildverarbeitung...............................................................67Mathematikimport DRKL: Regression und Klassifikation.................................................................. 68

Name des Studiengangs:PO Fachbezogene Wahlpflichtmodule - aktuell Modulname:Fachbezogenes Wahlpflichtmodul 1

Modulbezeichnung (ggf. englische Bezeichnung) Modul-KzBez. oder Nr.Fachbezogenes Wahlpflichtmodul 1

Modulverantwortliche/r FakultätDekan Fakultät IM Informatik und Mathematik

Studiensemestergemäß Studienplan

Studienabschnitt Modultyp Arbeitsaufwand

[ECTS-Credits]3. / 4. 2. Wahlpflicht 5

Verpflichtende VoraussetzungenMindestens 30 Kreditpunkte aus dem 1. StudienabschnittEmpfohlene VorkenntnisseModule des 1. und zum Teil des 2. Studienabschnitts in Abhängigkeit der gewähltenLehrveranstaltung

Inhalteabhängig von der jeweiligen Lehrveranstaltung

Stand: 15.04.2020 Ostbayerische Technische Hochschule Regensburg Seite 4


Zugeordnete Teilmodule:Nr. Bezeichnung der Teilmodule Lehrumfang

[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. Importmodul: ZKIB: Künstliche

Intelligenz im Business4 SWS 5

2. Importmodul: ZSB: Sensors inBiotechnology

4 SWS 5

3. KDTH: Design Thinking 4 SWS 5 4. KSAP1: ABAP-Entwicklung von SAP

Netweaver (Grundkurs)4 SWS 5

5. ZADA: Solving Business Cases usingApplied Data Analytics

4 SWS 5

6. ZAJP: Advanced Java Programming 4 SWS 5 7. ZAPP: App-Programmierung 4 SWS 5 8. ZASE: Applied Software Engineering

Project4 SWS 5

9. ZCRE: Cyberethics: Recht und Ethikin der künstlichen Intelligenz

4 SWS 5

10. ZEGI: Elektronikgrundlagen fürInformatik

4 SWS 5

11. ZIIM: Introduction InnovationManagement

4 SWS 5

12. ZOCK: Projekt: Client-K.I.s fürBrettspiele

4 SWS 5

Hinweise zur Belegungspflicht oder zu Optionen• Das Angebot der Lehrveranstaltungen regelt der Studienplan (Angebot SoSe 2020).• Die Zuordnung der Lehrveranstaltungen zu den Studiengängen und Studienabschnitten

ist dringend zu beachten:

Z + Modulkürzel: Zweiter Studienabschnitt D + Modulkürzel: Dritter Studienabschnitt K + Modulkürzel: Zweiter und Dritter Studienabschnitt



Teilmodul TM-KurzbezeichnungImportmodul: ZKIB: Künstliche Intelligenz im Business ZKIB

Verantwortliche/r FakultätProf. Dr. Thomas Groll BetriebswirtschaftslehreLehrende/r / Dozierende/r AngebotsfrequenzN.N.LehrformSeminaristischer Unterricht. Einzel- und Gruppenarbeit zur Bearbeitung von Fallstudien undvollumfänglicher Ausarbeitung eines Geschäftsmodells. Rollenspiele für Präsentation der Ideen


Lehrumfang

[SWS oder UE]

Lehrsprache Arbeitsaufwand

[ECTS-Credits]3. / 4. 4 SWS deutsch 5

Zeitaufwand:Präsenzstudium Eigenstudium60h 90h

Studien- und PrüfungsleistungKl u./o. StA u./o. mdl LNPräsentation (ca. 30 min pro Teilnehmer + Handout) und Business Plan (ca. 10 Seiten proTeilnehmer)

InhalteThematischer Schwerpunkt: Künstliche Intelligenz – Potenziale und AnwendungenMethodischer Schwerpunkt: Ideengenerierung (Design Thinking), Business Plan Modellierung(Business Model Canvas), Kalkulation und Unternehmensbewertung (Business Case), Pitch

• Grundlagen, Funktionsweise und Anwendungsfälle künstlicher Intelligenz: u.a.Maschinelles Lernen, Deep Learning, Data Analytics (predictive, descriptive, advanced),Chat Bots, Bild-, Sprach- und Text (Erkennen, Verstehen, Ausgeben), Internet of Things,Augmented Reality, Virtual Reality, KI-Ethik

• Design Thinking Prozess als Kreativitätsmethode für Ideengenerierung: Vermittlung vonGrundlagen, Gruppenbildung, Anwendung von Kreativitätsmethoden, Ideenentwicklung,Bewertung und Auswahl

• Business Model Canvas Prozess: Ausarbeitung der ausgewählten Ideen anhand derBMC Methode. Offene Diskussion über Chancen u Risiken, Stärken und Schwächen(SWOT), Erstellung Business Plan inkl. Business Case Kalkulation, Langzeitplanung undUnternehmensbewertung für Pitch

• Erstellen der Argumentation (Verkauf der Idee), Präsentationsstrategie und -unterlage.Vorstellung der Geschäftsidee vor fiktivem Investoren / Entscheidergremium (Rollenspiel„Höhle der Löwen“)



Lernziele: Fachkompetenz

Nach der erfolgreichen Absolvierung des Teilmoduls sind die Studierenden in der Lage,QualifikationszieleDie nachfolgenden Qualifikationsziele werden in verschiedene Dimensionen unterteilt. JedeDimension entspricht dabei einer angestrebten Kompetenzstufe. Folgende Kompetenzstufenwerden unterteilt:

• Niveaustufe 1 (Kennen): oberflächliches Verstehen einfacher Strukturen bzw. Abfrageerworbenen Wissens

• Niveaustufe 2 (Können): oberflächliches Verstehen mehrerer Strukturen bis zu tieferemVerständnis von Beziehungen zwischen Strukturen bzw. Gelerntes übertragen, zerlegen,kombinieren und einsetzen

• Niveaustufe 3 (Verstehen und Anwenden): tieferes Verständnis von Beziehungen zwischenStrukturen bis zur Abstraktion und Erweiterung auf andere Strukturen bzw. Wissenhinterfragen und/oder bewerten, Zusammenhänge und Auswirkungen erläutern

Die jeweilige Dimensionszuordnung der Qualifikationsziele wird durch die Ergänzung derjeweiligen Ziffer (1,2 oder 3) in der Kompetenzbeschreibung dargestellt.Ziel der Veranstaltung ist ein breiter Überblick der verfügbaren Technologien der künstlichenIntelligenz sowie deren grundsätzliche Funktionalitäten, Anwendungsgebiete und Potenziale.Darüber hinaus sollen die Studierenden erlernen, was es bedeutet auf Basis dieser neuenTechnologien eigene Ideen zu entwickeln, Geschäftsmodelle auszuarbeiten, zu kalkulieren undzu präsentieren. Im Einzelnen haben die Studierenden nach Abschluss des Moduls auf Basis wissenschaftlicherMethoden die folgenden Lernziele erreicht:FachkompetenzDie Studierenden verfügen über ein gutes Verständnis der verschiedenen KI-Technologien, verstehen deren Funktionsweise (2), dahinterstehende Technologien (1) undAnwendungspotenziale (3) und können diese auf andere Bereiche transferieren (3).SozialkompetenzDie Studierenden sind befähigt, eine gemeinsame Idee koordiniert im Team zu einemGeschäftsmodell auszuarbeiten (Teamdynamik managen, Entscheidungen treffen, Aufgabenverteilen, Mediation), gemeinsam vorzustellen und zu vertreten (2).MethodenkompetenzDie Studierenden kennen diverse Methoden aus dem Bereich Design Thinking undGeschäftsmodellplanung und sind in der Lage, diese anzuwenden (2). Sie sind befähigt, dieentsprechenden Prozesse zu verstehen (3). Die Studierenden sind in der Lage, selbstständig zuagieren und befähigt, in der Zukunft neue Methoden schneller zu erfassen und zu verstehen (3).

Lernziele: Persönliche Kompetenz

Nach der erfolgreichen Absolvierung des Teilmoduls sind die Studierenden in der Lage,QualifikationszieleDie nachfolgenden Qualifikationsziele werden in verschiedene Dimensionen unterteilt. JedeDimension entspricht dabei einer angestrebten Kompetenzstufe. Folgende Kompetenzstufenwerden unterteilt:

• Niveaustufe 1 (Kennen): oberflächliches Verstehen einfacher Strukturen bzw. Abfrageerworbenen Wissens

• Niveaustufe 2 (Können): oberflächliches Verstehen mehrerer Strukturen bis zu tieferemVerständnis von Beziehungen zwischen Strukturen bzw. Gelerntes übertragen, zerlegen,kombinieren und einsetzen



• Niveaustufe 3 (Verstehen und Anwenden): tieferes Verständnis von Beziehungen zwischenStrukturen bis zur Abstraktion und Erweiterung auf andere Strukturen bzw. Wissenhinterfragen und/oder bewerten, Zusammenhänge und Auswirkungen erläutern

Die jeweilige Dimensionszuordnung der Qualifikationsziele wird durch die Ergänzung derjeweiligen Ziffer (1,2 oder 3) in der Kompetenzbeschreibung dargestellt.Ziel der Veranstaltung ist ein breiter Überblick der verfügbaren Technologien der künstlichenIntelligenz sowie deren grundsätzliche Funktionalitäten, Anwendungsgebiete und Potenziale.Darüber hinaus sollen die Studierenden erlernen, was es bedeutet auf Basis dieser neuenTechnologien eigene Ideen zu entwickeln, Geschäftsmodelle auszuarbeiten, zu kalkulieren undzu präsentieren. Im Einzelnen haben die Studierenden nach Abschluss des Moduls auf Basis wissenschaftlicherMethoden die folgenden Lernziele erreicht:Persönliche KompetenzDie Studierenden sind in der Lage, aus bestehenden Technologien Ideen für marktfähigeGeschäftsmodelle zu entwickeln (2) und diese im Sinne der StartUp- und Gründer-Kultur soweit auszuarbeiten, dass diese verständlich, vollständig und attraktiv dargestellt werden können,um (fiktiven) Dritten schnell die Möglichkeit zu geben, die Erfolgschance einer solchen Ideeeinzuschätzen (3).

LiteraturPflichtliteratur

• Buxmann, P./ Schmidt, H.: Künstliche Intelligenz: Mit Algorithmen zum wirtschaftlichenErfolg, 2018.

Zusätzlich empfohlene Literatur

• Otte, R.: Künstliche Intelligenz für Dummies, 2019.• Osterwalder, A./ Pigneur, Y.: Business Model Generation: Ein Handbuch für Visionäre,

Spielveränderer und Herausforderer, 2011.• Lewrick, M./ Link, P./ Leifer, L.: Das Design Thinking Toolbook: Die besten Werkzeuge

& Methoden, 2019.

Weitere Informationen zur LehrveranstaltungLehrimport aus der Fakultät Betriebswirtschaft. Details zur Modulbeschreibung finden Sie imModulhandbuch Fachwissenschaftliche Wahlpflichtfächer SoSe 2020 der Fakultät BW.

Die Zahlen in Klammern geben die zu erreichenden Niveaustufen an: 1 - kennen, 2 - können, 3 - verstehen und anwenden



Teilmodul TM-KurzbezeichnungImportmodul: ZSB: Sensors in Biotechnology ZSB

Verantwortliche/r FakultätDr. Rezan Fahrioglu Yamaci (LB) Angewandte Natur- und KulturwissenschaftenLehrende/r / Dozierende/r AngebotsfrequenzDr. Rezan Fahrioglu Yamaci (LB)LehrformSeminaristischer Unterricht mit Übungen


Lehrumfang

[SWS oder UE]


[ECTS-Credits]3. / 4. 4 SWS englisch 5


Studien- und PrüfungsleistungKl u./o. StA u./o. mdl LN

InhalteContents

Introduction to biology involved sensors with live examplesSensors in industry and agricultureSensors in environmentSensors in clinic; current and near future applicationsBiosensors e.g.

• Cell based sensors• DNA sensors

NanosensorsDiscussing basic scientific publications in the field

BACKGROUND INFORMATION ON LIFE SCIENCES WILL BE PROVIDED WHENEVERNEEDED


Nach der erfolgreichen Absolvierung des Teilmoduls sind die Studierenden in der Lage,Objective

• Students will have an insight to the uses of sensors in different fields, mainly biotechnologyand clinical applications. These include diagnosis and treatment of disease conditions aswell as disease stage monitoring.



• They will experience the contribution of developing sensor technologies in improvinghuman health, life style and quality.

• Sensors currently used in biotechnology will be provided during the lectures to have areal insight to how they function

Skills

• They will learn to research and discuss their findings, also in the form of presentations.• They will learn reading and discussing relevant research articles and improve their

enthusiasm.

Competence

• Through preparing a group presentation they will do research on a given topic, learn toinvestigate deep and improve team building skills.

• They will improve their level of English in understanding, reading, writing andcommunicating.

• Presentation and conviction skills as well as confidence will be enhanced.

Literatur

Weitere Informationen zur LehrveranstaltungLehrimport aus der Fakultät Angewandte Natur- und Kulturwissenschaften. Details zurModulbeschreibung finden Sie im Modulhandbuch des Studiengangs Mikrosystemtechnik derFakultät ANK.




Teilmodul TM-KurzbezeichnungKDTH: Design Thinking KDTH

Verantwortliche/r FakultätProf. Dr. Markus Heckner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Markus HecknerLehrformSeminar with project work


Lehrumfang

[SWS oder UE]


[ECTS-Credits]3. / 4. / 6. / 7. 4 SWS englisch 5


Studien- und PrüfungsleistungKlausur u./o. StA u./o. mdl. LN

InhalteContent•Introduction to Design Thinking•Introduction to agile project management (Scrum)•Introduction to theories behind design thinking•Course project

• Design thinking workshop – Students will work on a challenge by an industry partner• Project phase• Final presentation


Nach der erfolgreichen Absolvierung des Teilmoduls sind die Studierenden in der Lage,ObjectivesDuring the course students will work in small groups on concrete challenges coming from anindustry partner (e.g. Continental, Krones, Bosch Siemens Hausgeräte, ...), using the DesignThinking process and agile project management.Upon completion of this course students will have gained the following:•Understanding of the Design Thinking process and its phases•Understand the current role of Design Thinking and the importance of innovation for companies•Recognize the importance of user feedback in innovation projects•Ability to transfer outputs of a Design Thinking project into an agile project managed withScrum•Ability to apply the Design Thinking innovation methodology in concrete innovation projects



•Understand theoretical foundations behind Design Thinking.

Literatur• Textbook/teaching material• Own lecture notes• Alvares de Souza Soares, P. (2016). Design Thinking -

eine neue Denkschule erobert Deutschlands Strategie-Abteilungen. Onlineverfügbar: http://www.manager-magazin.de/magazin/artikel/ design-thinking-eine-kreativitaetstechnik-erobert-konzernzentralen-a-1086472. Html

• Dark Horse Innovation. (2017). Digital Innovation Playbook. Hamburg: MurmannPublishers GmbH.

• Ubernickel, F., Brenner, W., Pukall, B., Naef, T. & Schindlholzer, B. (2015). Design Thinking- Das Handbuch. Frankfurt: Frankfurter Societäts-Medien GmbH.




Teilmodul TM-KurzbezeichnungKSAP1: ABAP-Entwicklung von SAP Netweaver (Grundkurs) KSAP1

Verantwortliche/r FakultätProf. Dr. Athanassios Tsakpinis Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Athanassios TsakpinisLehrformSeminaristischer Unterricht (2 SWS) mit Übungen (2 SWS)


Lehrumfang

[SWS oder UE]


[ECTS-Credits]3. / 4. / 6. / 7. 4 SWS deutsch 5



Inhalte• Architektur und Komponenten eines SAP-Systems; Werkzeuge in der Software-

Entwicklung• Struktur und Basiselemente der Programmiersprache ABAP/4• Prozedurale Programmierung• Typkonzept, interne Tabellen• Datenbankschnittstelle (SQL),• Textuelle GUI-Programmierung• Modularisierungskonzepte• Einführung in die Dialogprogrammierung• Für die Übungen steht ein SAP-System zur Verfügung.


Nach der erfolgreichen Absolvierung des Teilmoduls sind die Studierenden in der Lage,• Kenntnis der Software-Entwicklungsumgebung des SAP-Systems.• Überblick über die SAP-Komponenten.• Grundkenntnisse in der Programmierung im SAP-Umfeld.• Sicherer Umgang mit der SAP-Entwicklungsumgebung.

LehrmedienFolienkopien, interaktiver Übungsbetrieb mit kurzen Vorführungen des Dozenten mitanschließenden Übungen



Literatur• Aktuelle Literatur insbesondere aus dem Umfeld der eingesetzten Systeme (insbesondere

SAP-Portal, WEB-Programmierung)• Keller H, Krüger S: ABAP Objects, Galilleo Press

Weitere Informationen zur LehrveranstaltungEmpfohlene Voraussetzungen: Programmieren




Teilmodul TM-KurzbezeichnungZADA: Solving Business Cases using Applied Data Analytics ZADA

Verantwortliche/r FakultätProf. Dr. Markus Westner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzJonathan Whitaker (LB)LehrformGuided tutorial sessions (virtual and in-person)FormatThis course will be structured into two modules. In Module 1, the course will meet remotely viaMoodle once per week (~90 minutes) from mid-March to late-May. In Module 2, the course willmeet four times per week (~90 minutes) during the first four weeks of June. Total classroomtime in Module 1 about 18 hours, total classroom time in Module 2 about 24 hours. Module1 will focus on basic SAS® programming skills, and Module 2 will focus on applying SAS®programming skills in a business case setting. Each virtual and in-person class meeting willinclude a review of the relevant SAS® programming concepts, and application of the SAS®programming concepts by following as the instructor performs examples.


Lehrumfang

[SWS oder UE]



Zeitaufwand:Präsenzstudium Eigenstudium


InhalteIntroductionThis course will use a case-based approach, in which students apply SAS® data analyticssoftware to solve business problems in multiple industries and corporate functions. SAS®software is used by leading European firms such as Allianz, HSBC, ING, Lufthansa, Nestle,Rabobank, Vodafone, and Volvo.Content•Module 1 will address fundamental SAS® functionality including loading data, formatting datafor analysis, performing analysis, and reporting results.•Module 2 will apply SAS® functionality in industry settings such as [insurance, manufacturing,retail] and corporate functions such as [forecasting, human resources, internal audit].




Nach der erfolgreichen Absolvierung des Teilmoduls sind die Studierenden in der Lage,Course OutcomesA student who completes this course will:Knowledge & Understanding:•Apply SAS® software knowledge in a comprehensive business case environment•Case studies include multiple industries and corporate functionsSkills & Abilities:•Achieve proficiency with SAS® software•Generate business insights and recommendations based on data analysis

Literatur•Learning SAS by Example: A Programmer's Guide. Ron Cody. ISBN-13: 978-1635266597•Applying Data Science: Business Case Studies Using SAS. Gerhard Svolba. ISBN-13:978-1607648895•Every student will be required to have a computer available for use during the course, and willbe required to load the free SAS® University Edition software on their computer. More detailson SAS® University Edition can be found at https://www.sas.com/en_us/software/university-edition.html

Weitere Informationen zur LehrveranstaltungAbout the instructorJonathan Whitaker is an Associate Professor at the University of Richmond, ranked by theWall Street Journal at #66 out of 800+ universities in the U.S. Prior to his academic career,Dr. Whitaker worked in consulting and professional services with A.T. Kearney and PriceWaterhouse (PwC), including projects in North America, Europe and Asia. His consulting clientsand academic partners have included Forbes Global 2000 firms such as (in alphabetical order)Alfa Laval, Bank of America, Capital One, CarMax, Charoen Pokphand (Thailand), Disney,DuPont, Electrolux, General Motors, Goodyear, HCA Healthcare, Rolls-Royce, Saudi Telecom,SKF, Volvo CE, and WestRock.AssessmentModule 1 and Module 2 will include homework assignments, in which students will write andsubmit SAS® code for evaluation. Each homework assignment will be designed to require about2-4 hours. After the completion of Module 2, students will be assigned a final project that will bedesigned to require 10-20 hours over a two-week period.Prerequisite(s): Intro to computer programming




Teilmodul TM-KurzbezeichnungZAJP: Advanced Java Programming ZAJP

Verantwortliche/r FakultätProf. Dr. Daniel Jobst Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Daniel JobstLehrformSeminaristischer Unterricht mit ÜbungenSeminar like lectures with problem sets


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKl u./o. StA u./o. mdl. LN

Inhalte- Principles of object-oriented development revisited- Tools and practices for developers, like

• IDE• Testing• CI/CD processes• Coding conventions

- Implementing graphical user interfaces- Working with object collections- Aspects of functional programming- Annotations and Reflexions- Managing and monitoring applications- A collection of further topics like

• Internationalization• Libraries extending the Java API


Nach der erfolgreichen Absolvierung des Teilmoduls sind die Studierenden in der Lage,• Students can apply appropriate Java API classes and programming techniques to various

real world problem sets• The concepts of Java are well understood and can be applied effectively as building blocks

of stable applications



• Students know how to design and code in a professional manner• Common pitfalls can be avoided

LehrmedienSlide presentations, slide copies, white board, e-learning platform

Literatur• Davis, Adam (2020): Modern Programming Made Easy: Using Java, Scala, Groovy, and

JavaScript, 2nd ed., Apress• Sciore, Edward (2019): Java Program Design: Principles, Polymorphism, and Patterns,

Apress• Chin, Stephen; Vos, Johan; Weaver, James (2019): The Definitive Guide to Modern Java

Clients with JavaFX, Apress• Evans, B., Flanagan, D. (2014): Java in a Nutshell, 6 th ed., O’Reilly• Darwin, I. (2014): Java Cookbook, 3 rd ed., O’Reilly• Goodliffe, P. (2007): Code Craft: The Practice of Writing Excellent Code, No Starch Press• Inden, M. (2015): Der Weg zum Java-Profi (GERMAN ONLY), 3rd ed., dpunkt

Weitere Informationen zur LehrveranstaltungFurther information on courseMandatory requirement: Programmieren 1 (procedural programming), Programmieren 2 (object-oriented programming)Recommended requirements: Software Engineering




Teilmodul TM-KurzbezeichnungZAPP: App-Programmierung ZAPP

Verantwortliche/r FakultätProf. Dr. Markus Kucera Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzAndreas Eckner (LB)LehrformSeminaristischer Unterricht mit Übungen


Lehrumfang

[SWS oder UE]





Inhalte Grundlagen von Smartphones:

• Geräte, Betriebssysteme, Programmiersysteme• Systemaufbau• Sicherheit• Gestaltung von Oberflächen• Verarbeitung von Nachrichten, Kommunikation• Dateisystem und Datenbanken• Standortbezogene Dienste.


Nach der erfolgreichen Absolvierung des Teilmoduls sind die Studierenden in der Lage,Die Studierenden können die spezifischen Möglichkeiten von Smartphones bei der Entwicklungvon Anwendungen für mobile Systeme (sog. Apps) einsetzen. Dies gilt insbesondere fürBesonderheiten bei der Mensch-Maschine-SchnittstelleGestensteuerung, Sprachein-/AusgabeOrtsbezogene AnwendungenInteraktion mit Anwendungen in der sog. Cloud

LehrmedienPräsentationsfolien, Folienkopien, Skript, Tafel



LiteraturBecker/Pant: Android2: Grundlagen und Programmierung, dPunkt Verlag, 2. Auflage 2010u.v.a.

Weitere Informationen zur LehrveranstaltungVorlesung (2 SWS), Übungen/Praktikum (2 SWS)




Teilmodul TM-KurzbezeichnungZASE: Applied Software Engineering Project ZASE

Verantwortliche/r FakultätProf. Dr. Markus Westner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzRichard Wong (LB)LehrformGuided tutorial sessions (virtual and in-person)


Lehrumfang

[SWS oder UE]







InhalteOverviewThis course intends to deepen students’ understanding of the software development processthrough a project. It will give students the opportunity to integrate various topics they havelearned in Year 1 and see how they all come together though a real project.Students willdesign and develop an application in response to a real-world problem or need. The projectrequires students to demonstrate an integration of technical skill and knowledge, professionalcompetencies and development/execution strategies drawn from work in other courses in thefirst year.Course scheduleThis is a tentative schedule of topics and is subject to change. Students will be notified ofchanges either during class lectures, by posting(s) on course website or via email. Week Week of Topic1 Mar-23 Building information

systems; Project initiation,Feasibility analysis; Systemsdevelopment methodologies- Structured & Agile; Projectmanagement methodologies

2 Mar-30 Analyzing business needs;Gathering requirements;Process modeling with usecases; Process modeling withdata flow diagrams (DFDs)

3 Apr-6 Data modeling with entity-relationship diagrams(ERDs);Advanced datamodeling with ERDs

Apr-9 to 14 Easter Holidays –no classes4 Apr-13 Design and Acquisition

Strategies; IT Architectures;Interface Design

5 Apr-20 Construction; ImplementationUntil semester end n/a Students work on their

projects. Supervision ondemand from abroad byinstructor.

End June Submission of final project


Nach der erfolgreichen Absolvierung des Teilmoduls sind die Studierenden in der Lage,Learning objectives•Develop system requests and conduct feasibility assessments•Prepare project plans using standardized scheduling and planning approaches•Analyse business processes to determine system requirements through various techniques



•Represent features of information systems graphically by generating and interpreting Data Flowdiagrams, Entity-Relationship diagrams and other modelling techniques•Demonstrate an understanding of user interface design principles•Design and implement a system•Offer and accept constructive feedback on technical/professional documents and presentations•Convey technical information and knowledge to a variety of audiences both verbally and inwriting•Write and speak in a professional manner employing principles of conciseness, readability,clarity, accuracy and organization•Assess and recommend the best deployment strategy•Collaborate effectively with other members of a project team

Literatur

Weitere Informationen zur LehrveranstaltungAssignment and gradingIn teams, students will apply the course material to a real-world business problem oropportunity. Student will create a systems analysis report for their project, build a prototypeinterface, and develop/present a working model. Project teams will be required to submit aweekly progress report to highlight their progress, issues/risks, and challenges.Prerequisite(s)Basic knowledge of software engineering, project manage-ment, databases, programming




Teilmodul TM-KurzbezeichnungZCRE: Cyberethics: Recht und Ethik in der künstlichen Intelligenz ZCRE

Verantwortliche/r FakultätProf. Dr. Markus Westner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzSabine Sobola (LB)LehrformSeminaristischer Unterricht mit Übungen


Lehrumfang

[SWS oder UE]







Inhalte1. Klärung grundsätzlicher Fragen:Was verstehen wir unter „Recht“? Was ist „Ethik“, wie unterscheidet sich diese sich von unsererMoral? Diskussion um die Frage, ob es moralische Verpflichtungen gibt, die losgelöst vonKultur, Weltanschauung und Individuum definiert werden können.2. Warum leben wir in Staaten zusammen und nicht mehr in Familienclans? GeschichtlicherRückblick und u.a. Überblick über die Vertragstheorien von Hobbes und Locke. Formen desgesellschaftlichen Zusammenlebens.3. Was zeichnet moderne Demokratien aus?Überblick über die Kennzeichen demokratischer Gesellschaften: Meinungs- und Pressefreiheit,freie Wahlen, Schutz des Individuums und Privatheit. Freiheit und Sicherheit: die zweigegensätzlichen Bedürfnisse in der Demokratie. Niederschlag im Recht.4. Woher kommen unsere Grundrechte?Geschichtlicher Abriss zum Grundgesetz. Das sich wandelnde Menschenbild in derRechtsprechung des Bundesverfassungsgerichts. Die europäische Grundrechtscharta undinternationale Abkommen. Die Entwicklung des „Feindstrafrechts“.5. Entwicklung eines „Roboterrechts“Zivil- und strafrechtliche Grundlagen, vor allem Produkthaftungsrecht und Vertragsrecht. AktuelleFälle und gerichtliche Urteile im status quo.6. Was zeichnet den Menschen aus?Theorien zur Definition des Menschen. Was ist Intelligenz? Abgrenzung des Menschen vomTier. Was ist Bewusstsein aus biologischer und aus philosophischer Sicht?7. Ethische TheorienKlassiker aus der Tugendethik (Aristoteles), der Deontologie (Kant) und der Teleologie (Mill).Welcher Ethik folgt unser Staat? Ethische Kodizes im status quo, z.B.in der Medizin.8. Ideen künstlicher IntelligenzFilme, Bücher und echte Forschung: wie weit liegen sie auseinander? Wo liegt die Nützlichkeitund wo Gefahren? Welches Menschenbild wird in verschiedenen Einzelfällen transportiert?9. FallbesprechungenRechtliche und philosophische Dimensionen von Filmmaterial: Ex Machina, Blade Runner I,Matrix I.


Nach der erfolgreichen Absolvierung des Teilmoduls sind die Studierenden in der Lage,Die Studierenden können ethische und rechtliche Argumente im Zusammenhang mit Fragen derkünstlichen Intelligenz vortragen und nachhaltig begründen. Sie sind in der Lage, die geltendengesetzlichen Normen im Zusammenhang mit Innovation und Technik wiederzugeben. Siekennen die wesentlichen ethischen Fragestellungen, die sich im Zusammenhang mit künstlicherIntelligenz stellen.

LehrmedienVortrag, Bücher, kopierte Unterlagen, Power Point, Filmausschnitte.



LiteraturZur Ethik:• Aristoteles: Nikomachische Ethik;• Kant, Immanuel: Grundlegung zur Metaphysik der Sitten;• Mill, John Stuart: Der Utilitarismus;Zur Politik:• Hobbes, Thomas: Vom Menschen; Locke, John: über die RegierungZum Recht:• Rüthers, Bernd: Rechtstheorie, 8. AuflageEs werden zudem Texte als Reader ausgeteilt.

Weitere Informationen zur LehrveranstaltungVoraussetzungen lt. Prüfungsordnung: Mindestens 30 Kreditpunkte aus dem 1. StudienabschnittEmpfohlene Voraussetzungen: Grundsätzliches Verständnis von gesellschaftlichen undrechtlichen Zusammenhängen. Sehr gute Allgemeinbildung.




Teilmodul TM-KurzbezeichnungZEGI: Elektronikgrundlagen für Informatik ZEGI

Verantwortliche/r FakultätProf. Dr. Alexander Metzner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzJohannes Büttner (LB)LehrformSeminaristischer Unterricht mit Übungen


Lehrumfang

[SWS oder UE]





InhaltePassive Bauelemente: Widerstand, Induktivität, Kapazität, einfache Grundschaltungen, FilterDioden: Funktion, Kennlinien, BeschaltungLeuchtdioden: Funktion, Kennlinien, BeschaltungLED-Displays: AnsteuerungBipolartransistor: Aufbau, Funktion, Verwendung als SchalterMOS-Transistor: Aufbau, Funktion, Verwendung als SchalterGatetreiber Highside, LowsideSpannungsreglerOperationsverstärker: Grundlagen, Grundschaltungen, Anwendung zur SignalkonditionierungSchaltungssimulation mit LTSPICELaborübungen


Nach der erfolgreichen Absolvierung des Teilmoduls sind die Studierenden in der Lage,KenntnisseDie Teilnehmer kennen die Bauelemente, die für Displays, als Schalter und zurSignalkonditionierung benutzt werden sowie die üblichen LabormessgeräteFertigkeitenEinfache Testschaltungen können simuliert, aufgebaut und getestet werden. Die üblichenLabormessgeräte können bedient werden.Kompetenzen



Verständnis der einschlägigen Datenblätter, Dimensionierung und Partitionierung von gemischtanalog/digitalen Systemen, Entwurf von Schnittstellen zu Microcontrollerbausteinen

LehrmedienLückenskript, Bearbeitung live über PDF-Editor mit Notebook und Beamer, Animationen zuausgewählten Themen

Literatur• Vorlesungsskript: „Analog- und Digitaltechnik“, D. Kohlert, 2016• Grey, Meyer: „Analysis and Design of Analog Integrated Circuits“, New York: Mc Graw Hill• Tietze, Schenck: „Halbleiterschaltungstechnik“, Springer• Stiny: „Handbuch passiver elektronischer Bauelemente“, 2009 Franzis Verlag Poing• Stiny: „Handbuch aktiver elektronischer Bauelemente“, 2009 Franzis Verlag Poing• Einschlägige Datenblätter




Teilmodul TM-KurzbezeichnungZIIM: Introduction Innovation Management ZIIM

Verantwortliche/r FakultätProf. Dr. Markus Westner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzJoris Fokkelmann (LB)Thomas Gallner (LB)LehrformSeminaristischer Unterricht mit Übungen


Lehrumfang

[SWS oder UE]





InhalteIntroduction to Innovation Management

• Strategy: Innovation Strategy, Intellectual Property, Innovation Portfolio, Risk Management• Structure: Innovation Life Cycle Management, Tools & Infrastructure, Process Control (KPI)• Culture: Innovation Culture, Communication, Competencies, Leadership, Motivation


Nach der erfolgreichen Absolvierung des Teilmoduls sind die Studierenden in der Lage,The course is intended to give the participants a systematic overview to

Differentiate between “classical” R&D and innovationDeploy innovation structures and methodsUnderstand innovation in the bigger context (business strategy, market environment)Establish structures and processes to transparently picture the maturity of innovationUnderstand the importance for a long-term innovation culture, including

• Close involvement of stakeholder and management• Motivation and inspiration of employees• Communication and establishment of values

LehrmedienTafel, Notebook, Beamer



Literatur• Elon Musk: Tesla, SpaceX, and the Quest for a Fantastic Future (Ashlee Vance)• Zero to One: Notes on Start Ups, or How to Build the Future (Peter Thiel)• Good To Great (Jim Collins)• The Innovator's Dilemma (Clayton M. Christensen)• Das Comeback der Konzerne: Wie große Unternehmen mit effizienten Innovationen den

Kampf gegen disruptive Start-ups gewinnen (Lucas Sauberschwarz und Lysander Weiß)• Innovation and Entrepreneurship (Peter F. Drucker)

Weitere Informationen zur LehrveranstaltungKlausur (60-90 min) und Studienarbeit, mündlich vorgetragen (=Zulassungsvoraussetzung)




Teilmodul TM-KurzbezeichnungZOCK: Projekt: Client-K.I.s für Brettspiele ZOCK

Verantwortliche/r FakultätProf. Dr. Carsten Kern Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Carsten KernLehrformSeminaristischer Unterricht mit integrierten Übungen und Praktika (gesamt 4 SWS)


Lehrumfang

[SWS oder UE]





InhalteZiel der Lehrveranstaltung ist das Verständnis unterschiedlicher Verfahren der künstlichenIntelligenz zur Entwicklung und Implementierung eines spielstarken Computerspielers für eineerweiterte Versions des Spiels Reversi in Teams. Dabei werden während des Semestersfortlaufend neue Konzepte und Techniken vorgestellt, um „intelligentere“ Computerspielerzu erstellen. Die vorgestellten Verfahren werden von den Studierenden aufgearbeitet undim Praktikum umgesetzt. Während des Semesters werden außerdem die jeweiligen Clientsgegeneinander antreten, um den aktuellen Fortschritt zu messen. Abschließend wird im Rahmeneines Wettbewerbs ein Sieger der Veranstaltung gekürt.


Nach der erfolgreichen Absolvierung des Teilmoduls sind die Studierenden in der Lage,• Studierende können in der Theorie erlernte Verfahren der künstlichen Intelligenz wiedergeben.• Studierende können verschiedene Verfahren der künstlichen Intelligenz von einanderabgrenzen und den jeweiligen Nutzen für den Einsatz im Projekt benennen.• Studierende erlernen die Fähigkeit der Umsetzung von vorgegebenenSpezifikationsdokumenten (z.B. Spiel- und Netzwerkspezifikationen).• Studierende sind in der Lage mit unterschiedlichen Heuristiken zu experimentieren und einefür Ihre Projekt geeignete zu konfigrieren.• Studierende können erlernte Algorithmen an Praxisbeispielen anwenden.• Studierende sind in der Lage einen spiel- und konkurrenzfähigen Computerclients konzipierenund implementieren.• Studierende arbeiten im Team und können die Aufgabenteilung selbständig planen undkoordinieren.



• Sie erweitern ihre Kompetenz zum technischen Beschreiben und Dokumentieren der eigenenUmsetzung.• Sie erweitern ihre Kompetenz zum Präsentieren der eigenen Ergebnisse vor der Gruppe.

LehrmedienPowerPoint-Folien, Laptop, Beamer

LiteraturS. Russell, P. Norvig: Künstliche Intelligenz, Pearson Studium, 3. Auflage, 2012









Verpflichtende VoraussetzungenErfolgreiches Bestehen aller Prüfungen des 1. Studienabschnitts,Mindestens 110 Kreditpunkte (IM,IN, IT, IW) aus dem 1.+ 2. StudienabschnittMindestens 100 Kreditpunkte (IM SPO v. 28.08.2012, Änderungssatzung v. 28.08.2017) ausdem 1. und 2. StudienabschnittEmpfohlene VorkenntnisseModule des 1. und 2. Studienabschnitts in Abhängigkeit der gewählten Lehrveranstaltung



[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. DAPI: Ausgewählte Projekte der

Informatik4 SWS 5

2. DDOP: DevOps Principles andPractices

4 SWS 5

3. DLAC: Languages and TheirCompiler

4 SWS 5

4. DPL1: Spezielle Probleme in derProduktionslogistik

4 SWS 5

5. DVGD: Artificial Intelligence for VideoGame Development

4 SWS 5



8. Mathematikimport DBIV: Grundlagender Bildverarbeitung

4 SWS 5

9. Mathematikimport DRKL: Regressionund Klassifikation

4 SWS 5

Hinweise zur Belegungspflicht oder zu Optionen



• Das Angebot der Lehrveranstaltungen regelt der Studienplan (Angebot SoSe 2020).• Die Zuordnung der Lehrveranstaltungen zu den Studiengängen und Studienabschnitten





Teilmodul TM-KurzbezeichnungDAPI: Ausgewählte Projekte der Informatik DAPI

Verantwortliche/r FakultätProf. Dr. Markus Kucera Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Markus KuceraLehrformSeminar, Projektarbeit z.T. im Labor


Lehrumfang

[SWS oder UE]


[ECTS-Credits]6. / 7. 4 SWS deutsch/englisch 5



InhalteFachspezifische Themen


Nach der erfolgreichen Absolvierung des Teilmoduls sind die Studierenden in der Lage,Fähigkeit zur Bearbeitung fachspezifischer Projekte und Präsentation der Ergebnisse inklusivefachlicher Diskussion.

LehrmedienTafel, Notebook, Beamer, Folien u.a.

Literatur

Weitere Informationen zur LehrveranstaltungDer genaue organisatorische Ablauf wird im Rahmen einer Informationsveranstaltung zuSemesterbeginn erläutert.




Teilmodul TM-KurzbezeichnungDDOP: DevOps Principles and Practices DDOP

Verantwortliche/r FakultätProf. Dr. Markus Westner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzDr. Abhijit Sen (LB)LehrformLectures + Tutorial Sessions


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKL u./o. StA u./o. mdl LN



InhalteContent1. Introduction to DevOps1.1.DevOps principles, culture, challenges1.2.Essential DevOps concepts1.3.DevOps Ecosystems1.4.DevOps Lifecycle phases1.5.DevOps Trends2. DevOps Tools Chain2.1.Introduction to DevOps Tools Chain2.2.How to build DevOps Tools Chain?2.3.Required Tools for Tools Chain for DevOps stages2.4.Sample Tools Chain for DevOps Stages3. Automatic Source Code Management3.1.Introduction to Version Control Systems3.2.Benefits of Automatic Source Code Management3.3.Technical Features of Version Control Systems3.4.Advanced Features of Version Control Systems3.5.Comparisons of different Version Control Tools4. Test Automation4.1.Why Automate tests?4.2.How Continuous Testing Facilitates Continuous Delivery?4.3.Various Test points in DevOps Lifecycle4.4.Sample tool sets for different DevOps stages4.5.Comparison of Different DevOps Testing Tools4.6.What to Automate?5. Continuous Integration /Monitoring5.1.What is Continuous Integration?5.2.Role of Monitoring in Continuous Integration5.3.Continuous Integration and Monitoring Tools6. Continuous Deployment6.1.What is Continuous Deployment?6.2.Continuous Deployment Release pipeline6.3.Typical Continuous Deployment Environment6.4.Continuous Delivery Vs Continuous Deployment6.5.Continuous Deployment Tools6.6.Periodic Table of Tools7. Containerization, Microservices7.1.Introduction to Containers7.2.Container Life Cycle7.3.Container types: Process Container, Machine Container, Mixed Container7.4.Difference between Virtual Machine and Containers7.5.Containerization with Docker, Kubernetes7.6.Managing, Running Containers7.7.What is the future of container deployment?7.8.Characteristics of Microservices7.9.Microservices & DevOps8. Orchestration tools8.1.Introduction to Orchestration8.2.Difference between Automation and Orchestration



8.3.Orchestration Tools


Nach der erfolgreichen Absolvierung des Teilmoduls sind die Studierenden in der Lage,ObjectivesThis course will cover fundamental concepts, theory, methodologies, and techniques of DevOps.Students will learn principles of DevOps Software Development Lifecycle, and use variousDevOps tools and frameworks designed to support real life deployment.Course Outcomes. By the end of the course, students will be able to:Knowledge & Understanding: a) Demonstrate an understanding of the principles and practicesof DevOps; b) Apply the key concepts of the DevOps to practical situations; c) Discuss DevOpscapabilities and suggest adoption paths; d) Use various DevOps tools to support real lifedeployment; e) Implement steps for building a DevOps environment; f) Implement security forDevOpsSkills & Abilities: a) Setup a tool chains for DevOps using open source technologies; b) Applythese tool chains to project environment; c) Evaluate various DevOps models.Classes for the course will consist of series of lectures, tutorials, in class examples,assignments, projects, and seminar presentation. The lectures will serve to introduce topics.However, there will be a strong focus on reading, appraisal and assimilation of appropriatematerials to provide further detail and context. Students are advised to read relevant papers, asthey will help in the assignment, and provide additional information.This course includes a required technical term project. The purpose of this project is to selectindustry standard open source tool chains that can be used in a mini software developmentproject covering all stages of DevOps Life cycle. The students will learn and demonstrate use ofthese tools in their selectedproject. The assignments, seminar and project will be evaluated andgraded.

LehrmedienCourse notes

Literatur

Weitere Informationen zur LehrveranstaltungPrerequisite(s): Knowledge of any programming languageHinweis für Studierende der Medizinschen Informatik mit Studienbeginn ab Wintersemester2017/2018(Basis: SPO v. 01.08.2012; Änderungssatzung v. 28.08.2017)Abweichende Prüfungsform: StA, AusarbeitungDie abweichende Prüfungsform wurde von der Prüfungskommission Studiengang MedizinischeInformatik, auf der Grundlage der vom Prüfer / Dozenten angegebenen Begründung,genehmigt.




Teilmodul TM-KurzbezeichnungDLAC: Languages and Their Compiler DLAC

Verantwortliche/r FakultätProf. Dr. Markus Westner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzLenka Kosková (LB)LehrformLectures and Guided Lab Sessions


Lehrumfang

[SWS oder UE]







InhalteDescriptionThe course discusses internal mechanisms of compilers and interpreters of programminglanguages. Basic principles of compilation are explained as well as the structure of a compilerand steps of compilation, including Lexical analysis, parsing techniques, syntactical andsemantic analysis.The course covers deterministic languages, LL a LR languages. It focuses also to compilation ofprogram constructs, code generation and optimization. Toolchains and build automation softwareare demonstrated in labs.ContentLectures:1.Languages and compilers, internal compiler structure.2.Build automation tools and toolchains.3.How the grammar theory meets real language specifications (Java, Python)4.The lexical analysis5.The syntactic analysis6.The semantic analysis7.Intermediate code8.The optimization9.Code generation10.JIT compilers and interpreters

Labs:1. - 2. The compilation process, compiler directives, macros, and pre-processors (GCC)3. - 4. The build automation tools (make, Maven, Ant)5 . - 6. Lexical analyzer construction (Flex, ANTLR, JavaCC)7 . - 8. Syntactic analyzer construction (Yacc, ANTLR, JavaCC)9 . -10. Optimization levels and final produc

LiteraturWirth N., Compiler Construction, updated book from Addison-Wesley in 1996, Zurich 2006,ISBN0-201-40353-6, online: http://www.ethoberon.ethz.ch/WirthPubl/CBEAll.pd

Weitere Informationen zur LehrveranstaltungPrerequisite(s): Intermediate Programming AbilityHinweis für Studierende der Medizinschen Informatik mit Studienbeginn ab Wintersemester2017/2018(Basis: SPO v. 01.08.2012; Änderungssatzung v. 28.08.2017)Abweichende Prüfungsform: AusarbeitungDie abweichende Prüfungsform wurde von der Prüfungskommission Studiengang MedizinischeInformatik, auf der Grundlage der vom Prüfer / Dozenten angegebenen Begründung,genehmigt.



Teilmodul TM-KurzbezeichnungDPL1: Spezielle Probleme in der Produktionslogistik DPL1

Verantwortliche/r FakultätProf. Dr. Frank Herrmann Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Frank HerrmannLehrformProjekte (4 SWS)


Lehrumfang

[SWS oder UE]





InhalteDie Probleme stammen u.a. aus• der operativen Produktionsplanung und -steuerung• dem Lagebetrieb• dem Transport• der Architektur und der Funktionalität von PPS- bzw. ERP-Systemen, LeitSysteme, etc


Nach der erfolgreichen Absolvierung des Teilmoduls sind die Studierenden in der Lage,Eigenständige Bearbeitung von speziellen Problemen in der Produktionslogistik.

LehrmedienSoftware: SAP R/3, insbesondere APO, und ILOG (System zur Lösung linearerOptimierungsprobleme); evtl. die Simulationssoftware eM-Plant sowie im Labor fürInformationstechnik und Produktionslogistik entwickelte Programme zur operativenProduktionsplanung und –steuerung.



Literatur• Herrmann, Frank: Logik der Produktionslogistik. Oldenbourg, Regensburg, 2009.• Herrmann, Frank: Operative Planung in IT -Systemen für die Produktionsplanung und -steuerung – Wirkung, Auswahl und Einstellhinweise von Verfahren und Parametern. Vieweg +Teubner Verlag, Regensburg, Mai 2011.• Zeitschriften wie PPS-Management, ERP-Management, Industrie Management undWirtschaftsinformatik.• Zeitschriften wie Journal of Intelligent Manufacturing, International Journal of FlexibleManufacturing Systems, Annals of Operations Research




Teilmodul TM-KurzbezeichnungDVGD: Artificial Intelligence for Video Game Development DVGD

Verantwortliche/r FakultätProf. Dr. Markus Westner Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzAaron Hunter (LB)LehrformLectures + Guided Lab Sessions


Lehrumfang

[SWS oder UE]





InhalteObjectivesIn the broadest sense most games incorporate some form of artificial intelligence (AI). Thiscourse provides students with an opportunity to explore theoretical and practical aspectsof Artificial Intelligence for computer games. Topics include chasing and evading, patternmovement, flocking, path finding, A* path finding, finite state machines, fuzzy logic, rule-basedAI, neural networks and genetic algorithms.Content•Academic AI versus Game AI•Movement algorithms and steering behavior•Pathfinding algorithms•Decision Making: Decision Trees, Finite State Machines, Behaviour Trees, Fuzzy Logic, Goal-Oriented behavior, Rule-based Systems•Learning: Naïve Bayes Classifiers, Decision Tree Learning, Reinforcement Learning, NeuralNetworks•Board game AI: Minimax•Strategic A


Nach der erfolgreichen Absolvierung des Teilmoduls sind die Studierenden in der Lage,On successful completion of this module, students will be able to demonstrate knowledge andunderstanding of: •The distinction between video game AI and academic AI.•Basic algorithms and approaches to creating character AI in a game setting.



Learning Outcomes1.Describe the various AI algorithms and methods that are currently used in gamesdevelopment.2.Describe AI algorithms for movement and pathfinding in video games.3.Describe AI algorithms for decision making in video games.4.Differentiate between deterministic and non-deterministic AI.5.Implement AI programs to create believable simulations of an opponent.6.Apply machine learning algorithms to basic problems, such as classification.7.Implement adversarial search algorithms for games

LiteraturArtificial Intelligence for Games, 2nd Edition, Ian Millington and John Funge, 2009, MorganKaufmann.

Weitere Informationen zur LehrveranstaltungPrerequisite(s): Intermediate Programming AbilityHinweis für Studierende der Medizinschen Informatik mit Studienbeginn ab Wintersemester2017/2018(Basis: SPO v. 01.08.2012; Änderungssatzung v. 28.08.2017)Abweichende Prüfungsform: StA, AusarbeitungDie abweichende Prüfungsform wurde von der Prüfungskommission Studiengang MedizinischeInformatik, auf der Grundlage der vom Prüfer / Dozenten angegebenen Begründung,genehmigt.







Lehrumfang

[SWS oder UE]
















Weitere Informationen zur LehrveranstaltungHinweis für Studierende der Medizinschen Informatik mit Studienbeginn ab Wintersemester2017/2018(Basis: SPO v. 01.08.2012; Änderungssatzung v. 28.08.2017)Abweichende Prüfungsform: StADie abweichende Prüfungsform wurde von der Prüfungskommission Studiengang MedizinischeInformatik, auf der Grundlage der vom Prüfer / Dozenten angegebenen Begründung,genehmigt.







Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungKlausur und/oder Studienarbeit und/oder mündlicher Leistungsnachweis,








Teilmodul TM-KurzbezeichnungMathematikimport DBIV: Grundlagen der Bildverarbeitung DBIV

Verantwortliche/r FakultätProf. Dr. Jürgen Frikel Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Jürgen FrikelLehrformSeminaristischer Unterricht mit Übungen


Lehrumfang

[SWS oder UE]




Studien- und PrüfungsleistungSiehe Modulbeschreibung Modulhandbuch Bachelor Studiengang Mathematik

InhalteSiehe Modulbeschreibung Modulhandbuch Bachelor Studiengang Mathematik


Nach der erfolgreichen Absolvierung des Teilmoduls sind die Studierenden in der Lage,Siehe Modulbeschreibung Modulhandbuch Bachelor Studiengang Mathematik

LehrmedienSiehe Modulbeschreibung Modulhandbuch Bachelor Studiengang Mathematik

LiteraturSiehe Modulbeschreibung Modulhandbuch Bachelor Studiengang Mathematik

Weitere Informationen zur LehrveranstaltungLehrimport aus dem Bachelorstudiengang Mathematik. Details zur Modulbeschreibung findenSie im Modulhandbuch des Bachelorstudiengangs Mathematik.




Teilmodul TM-KurzbezeichnungMathematikimport DRKL: Regression und Klassifikation DRKL

Verantwortliche/r FakultätProf. Dr. Hans Kiesl Informatik und MathematikLehrende/r / Dozierende/r AngebotsfrequenzProf. Dr. Hans KieslLehrformSeminaristischer Unterricht mit Übungen


Lehrumfang

[SWS oder UE]


[ECTS-Credits]6. / 7. 4 SWS 5

















Verpflichtende VoraussetzungenErfolgreiches Bestehen aller Prüfungen des 1. Studienabschnitts,Mindestens 110 Kreditpunkte ( IM,IN, IT, IW) aus dem 1.+ 2. StudienabschnittMindestens 100 Kreditpunkte (IM SPO v. 28.08.2012, Änderungssatzung v. 28.08.2017) ausdem 1. und 2. StudienabschnittEmpfohlene VorkenntnisseModule des 1. und 2. Studienabschnitts in Abhängigkeit der gewählten Lehrveranstaltung



[SWS o. UE]

Arbeitsaufwand

[ECTS-Credits]1. DAPI: Ausgewählte Projekte der

Informatik4 SWS 5

2. DDOP: DevOps Principles andPractices

4 SWS 5

3. DLAC: Languages and TheirCompiler

4 SWS 5

4. DPL1: Spezielle Probleme in derProduktionslogistik

4 SWS 5

5. DVGD: Artificial Intelligence for VideoGame Development

4 SWS 5



8. Mathematikimport DBIV: Grundlagender Bildverarbeitung

4 SWS 5

9. Mathematikimport DRKL: Regressionund Klassifikation

4 SWS 5

Hinweise zur Belegungspflicht oder zu OptionenStand: 15.04.2020 Ostbayerische Technische Hochschule Regensburg Seite 51