stupo 2013 - tu-berlin.de€¦ · applied artificial intelligence project 9 portfolioprüfung ja...
TRANSCRIPT
Studiengangsbeschreibung: keine Angabe
Weitere Informationen finden Sie unter:http://www.eecs.tu-berlin.de/menue/studium_und_lehre/studiengaenge/wirtschaftsinformatik/master/
Studien-/Prüfungsordnungsbeschreibung: keine Angabe
Weitere Informationen zur Studienordnung finden Sie unter:keine Angabe
Weitere Informationen zur Prüfungsordnung finden Sie unter:keine Angabe
Die Gewichtungsangabe '1.0' bedeutet, die Note wird nach dem Umfang in LP gewichtet (§ 47 Abs. 6 AllgStuPO); '0.0' bedeutet, die Notewird nicht gewichtet; jede andere Zahl ist ein Multiplikationsfaktor für den Umfang in LP. Weitere Hinweise zur Bildung der Gesamtnote sindder geltenden Studien- und Prüfungsordnung zu entnehmen.
Studiengang
Master of Science Wirtschaftsinformatik / Information Systems Management (MSc-WiInf)
Abschluss:
Master of ScienceKürzel:
MSc-WiInfImmatrikulation zum:
Winter- und Sommersemester
Fakultät:
Fakultät IVVerantwortlich:
Tai, Stefan
Master of Science Wirtschaftsinformatik / Information Systems Management (MSc-WiInf)
StuPO 2013
Datum:
03.07.2013Punkte:
120
27.08.2018 12:58 Uhr Wirtschaftsinformatik / Information Systems Man... Seite 1 von 9
Pflichtmodul Um diesen Studiengangsbereich zu bestehen, müssen die folgenden Bedingungen erfüllt sein: Alle Module dieses Studiengangsbereiches müssen bestanden werden. Module in diesem Studiengangsbereich:
Fachstudium Wirtschaftsinformatik Um diesen Studiengangsbereich zu bestehen, müssen die folgenden Bedingungen erfüllt sein: Aus folgenden Studiengangsbereichen müssen mindestens 24 Leistungspunkte bestanden werden:- Wirtschaftswissenschaft für die IKT / Economics for ICT- Informationssysteme Aus folgenden Studiengangsbereichen dürfen höchstens 30 Leistungspunkte bestanden werden:- Wirtschaftswissenschaft für die IKT / Economics for ICT- Informationssysteme
Informationssysteme Unterbereich von Fachstudium Wirtschaftsinformatik Um diesen Studiengangsbereich zu bestehen, müssen die folgenden Bedingungen erfüllt sein: Für diesen Studiengangsbereich sind keine Wahlregeln angegeben. Module in diesem Studiengangsbereich:
Wirtschaftsinformatik / Information Systems Management (MSc) - StuPO 2013
Modulliste WS 2018/19
Titel LP Prüfungsform Benotet GewichtApplication System Project 12 Portfolioprüfung ja 0.0
27.08.2018 12:58 Uhr Wirtschaftsinformatik / Information Systems Man... Seite 2 von 9
Titel LP Prüfungsform Benotet GewichtAdvanced Computer Architecture 6 Portfolioprüfung ja 1.0Advanced Information Management 1 (AIM-1) - Heterogeneous and DistributedInformation Systems (HDIS)
6 Portfolioprüfung ja 1.0
Advanced Information Management 2 - Management of Data Streams 6 Mündliche Prüfung ja 1.0Advanced Information Management 3 (AIM-3) Scalable Data Science: Systems &Methods (SDSSM)
6 Portfolioprüfung ja 1.0
Advanced Topics in Data Integration 6 Portfolioprüfung ja 1.0Advanced Web Technologies 12 Portfolioprüfung ja 1.0Advances in Semantic Search 3 Portfolioprüfung ja 1.0Agententechnologie in der Forschung 6 Portfolioprüfung ja 1.0Algebraic Process Calculi 6 Portfolioprüfung ja 1.0Algorithmic Research in Teams 9 Portfolioprüfung ja 1.0BDAPRO - Big Data Analytics Project 9 Portfolioprüfung ja 1.0BDASEM - Big Data Analytics Seminar 3 Portfolioprüfung ja 1.0Communication acoustics 6 Schriftliche Prüfung ja 1.0Computational Biology 6 Portfolioprüfung ja 1.0Computational Biology: Current Topics 3 Portfolioprüfung ja 1.0Computational Social Choice 6 Schriftliche Prüfung ja 1.0DBT: Database Technology 6 Portfolioprüfung ja 1.0Das AMOS Projekt 9 Portfolioprüfung ja 1.0Digital Communities 6 Mündliche Prüfung ja 1.0Digital Image Processing 6 Schriftliche Prüfung ja 1.0Distributed Algorithms 6 Schriftliche Prüfung ja 1.0Enterprise Computing 6 Portfolioprüfung ja 1.0Foundations of Stochastic Processes 6 Mündliche Prüfung ja 1.0Grundlagen des Softwaretestens 6 Schriftliche Prüfung ja 1.0Hot Topics in Information Systems Engineering 3 Portfolioprüfung ja 1.0IDB-PRA: Implementation of a Database Engine (Database Technology Lab) 6 Portfolioprüfung ja 1.0IMPRO - Project Hot Topics in Information Management 6 Portfolioprüfung ja 1.0IMSEM - Seminar Hot Topics in Information Management 3 Portfolioprüfung ja 1.0Information Security Management 6 Schriftliche Prüfung ja 1.0Internet of Services Lab 9 Portfolioprüfung ja 1.0Introduction to Computational Genomics 3 Portfolioprüfung ja 1.0Introduction to Game Theory with Engineering Applications 6 Portfolioprüfung ja 1.0Introduction to Reinforcement Learning with Engineering Applications 6 Portfolioprüfung ja 1.0Logik, Spiele, Automaten 9 Mündliche Prüfung ja 1.0Machine Intelligence II 6 Schriftliche Prüfung ja 1.0Machine Learning 1 6 Schriftliche Prüfung ja 1.0Machine Learning 1-X 9 Schriftliche Prüfung ja 1.0Machine Learning 2 6 Schriftliche Prüfung ja 1.0Machine Learning 2-X 9 Schriftliche Prüfung ja 1.0Master Project: Distributed Systems 9 Portfolioprüfung ja 1.0Master Seminar: Operating Complex IT Systems 3 Portfolioprüfung ja 1.0Mobile Services 6 Mündliche Prüfung ja 1.0Modellgetriebene Software-Entwicklung 6 Schriftliche Prüfung ja 1.0Models and Theory of Distributed Algorithms 6 Portfolioprüfung ja 1.0Monte Carlo Methods in Machine Learning and Artificial Intelligence 6 Portfolioprüfung ja 1.0Multicore Systems 6 Portfolioprüfung ja 1.0Multimodal Interaction 6 Portfolioprüfung ja 1.0Performance Evaluation of Computer Communication Systems 6 Portfolioprüfung ja 1.0Photogrammetric Computer Vision 6 Schriftliche Prüfung ja 1.0Probabilistic and Bayesian Modelling in ML and AI 6 Schriftliche Prüfung ja 1.0Project Hot Topics in Computer Vision A 9 Portfolioprüfung ja 1.0Project Hot Topics in Computer Vision B 9 Portfolioprüfung ja 1.0Project: Brain-Computer Interfacing 9 Portfolioprüfung ja 1.0Projects in Machine Learning and Artificial Intelligence 9 Portfolioprüfung ja 1.0Projekt System Quality Engineering 9 Portfolioprüfung ja 1.0Randomized Algorithms 6 Mündliche Prüfung ja 1.0Semantic Search 6 Mündliche Prüfung ja 1.0Semantic Search Projekt 9 Portfolioprüfung ja 1.0Stereobildverarbeitung 3 Mündliche Prüfung ja 1.0Study Project Quality & Usability (6 CP) 6 Portfolioprüfung ja 1.0Study Project Quality & Usability (9 CP) 9 Portfolioprüfung ja 1.0The 800-pound Gorilla in the corner: Data Integration 6 Mündliche Prüfung ja 1.0
27.08.2018 12:58 Uhr Wirtschaftsinformatik / Information Systems Man... Seite 3 von 9
Wirtschaftswissenschaft für die IKT / Economics for ICT Unterbereich von Fachstudium Wirtschaftsinformatik Um diesen Studiengangsbereich zu bestehen, müssen die folgenden Bedingungen erfüllt sein: Für diesen Studiengangsbereich sind keine Wahlregeln angegeben. Module in diesem Studiengangsbereich:
Fachstudium Informatik Um diesen Studiengangsbereich zu bestehen, müssen die folgenden Bedingungen erfüllt sein: Es muss mindestens 1 Studiengangsbereich bestanden werden. Es darf höchstens 1 Studiengangsbereich bestanden werden.
Datenanalyse Unterbereich von Fachstudium Informatik Um diesen Studiengangsbereich zu bestehen, müssen die folgenden Bedingungen erfüllt sein: Es müssen mindestens 18 Leistungspunkte bestanden werden. Es dürfen höchstens 24 Leistungspunkte bestanden werden. Module in diesem Studiengangsbereich:
Titel LP Prüfungsform Benotet GewichtAutonomous Communications 9 Portfolioprüfung ja 1.0Cloud Computing 6 Portfolioprüfung ja 1.0Cloud Prototyping 12 Portfolioprüfung ja 1.0Enterprise Computing 6 Portfolioprüfung ja 1.0Fog Computing Project 12 Portfolioprüfung ja 1.0Innovation Management & Entrepreneurship Basics 6 Portfolioprüfung ja 1.0Integriertes Informationsmanagement 6 Portfolioprüfung ja 1.0Intellectual Property Management 6 Portfolioprüfung ja 1.0Internetwirtschaft 6 Portfolioprüfung ja 1.0Open Source and IP in the Digital Society 6 Portfolioprüfung ja 1.0Quality & Usability 3 Portfolioprüfung ja 1.0Quality Infrastructure Management 6 Portfolioprüfung ja 1.0Software Security 6 Portfolioprüfung ja 1.0Strategische Normung 6 Portfolioprüfung ja 1.0Sustainable Innovation 6 Portfolioprüfung ja 1.0
27.08.2018 12:58 Uhr Wirtschaftsinformatik / Information Systems Man... Seite 4 von 9
Sicherheit und Zuverlässigkeit Unterbereich von Fachstudium Informatik Um diesen Studiengangsbereich zu bestehen, müssen die folgenden Bedingungen erfüllt sein: Es müssen mindestens 18 Leistungspunkte bestanden werden. Es dürfen höchstens 24 Leistungspunkte bestanden werden. Module in diesem Studiengangsbereich:
Titel LP Prüfungsform Benotet GewichtAdvanced Algorithmics 9 Schriftliche Prüfung ja 1.0Advanced Computer Architecture 6 Portfolioprüfung ja 1.0Advanced Information Management 1 (AIM-1) - Heterogeneous and DistributedInformation Systems (HDIS)
6 Portfolioprüfung ja 1.0
Advanced Information Management 2 - Management of Data Streams 6 Mündliche Prüfung ja 1.0Advanced Information Management 3 (AIM-3) Scalable Data Science: Systems &Methods (SDSSM)
6 Portfolioprüfung ja 1.0
Advanced Topics in Data Integration 6 Portfolioprüfung ja 1.0Advances in Semantic Search 3 Portfolioprüfung ja 1.0Automatic Image Analysis 6 Schriftliche Prüfung ja 1.0BDAPRO - Big Data Analytics Project 9 Portfolioprüfung ja 1.0Computational Social Choice 6 Schriftliche Prüfung ja 1.0DBT: Database Technology 6 Portfolioprüfung ja 1.0Digital Image Processing 6 Schriftliche Prüfung ja 1.0Digitale Signalverarbeitung 12 Portfolioprüfung ja 1.0Distributed Algorithms 6 Schriftliche Prüfung ja 1.0Forschung in Künstlicher Intelligenz 9 Portfolioprüfung ja 1.0In-Memory Databases On Modern Hardware 6 Portfolioprüfung ja 1.0Introduction to Computational Genomics 3 Portfolioprüfung ja 1.0Logik, Spiele, Automaten 9 Mündliche Prüfung ja 1.0Machine Intelligence I 6 Schriftliche Prüfung ja 1.0Machine Intelligence II 6 Schriftliche Prüfung ja 1.0Machine Learning 1 6 Schriftliche Prüfung ja 1.0Machine Learning 1-X 9 Schriftliche Prüfung ja 1.0Machine Learning 2 6 Schriftliche Prüfung ja 1.0Machine Learning 2-X 9 Schriftliche Prüfung ja 1.0Machine Learning Lab Course 9 Mündliche Prüfung ja 1.0Microwave and Radar Remote Sensing 6 Schriftliche Prüfung ja 1.0Modelle zur Informationsverarbeitung im Gehirn 6 Mündliche Prüfung ja 1.0Models and Theory of Distributed Algorithms 6 Portfolioprüfung ja 1.0Monte Carlo Methods in Machine Learning and Artificial Intelligence 6 Portfolioprüfung ja 1.0Multicore Systems 6 Portfolioprüfung ja 1.0Neuronale Netze 3 Portfolioprüfung ja 1.0Optical Remote Sensing 6 Schriftliche Prüfung ja 1.0Photogrammetric Computer Vision 6 Schriftliche Prüfung ja 1.0Probabilistic and Bayesian Modelling in ML and AI 6 Schriftliche Prüfung ja 1.0Project Hot Topics in Computer Vision A 9 Portfolioprüfung ja 1.0Project Hot Topics in Computer Vision B 9 Portfolioprüfung ja 1.0Projects in Machine Learning and Artificial Intelligence 9 Portfolioprüfung ja 1.0Projekt Neuronale Informationsverarbeitung 9 Portfolioprüfung ja 1.0Randomized Algorithms 6 Mündliche Prüfung ja 1.0Semantic Search 6 Mündliche Prüfung ja 1.0Signalverarbeitung 6 Schriftliche Prüfung ja 1.0Simulation I 6 Portfolioprüfung ja 1.0Stereobildverarbeitung 3 Mündliche Prüfung ja 1.0Technische Diagnose I 6 Schriftliche Prüfung ja 1.0The 800-pound Gorilla in the corner: Data Integration 6 Mündliche Prüfung ja 1.0
27.08.2018 12:58 Uhr Wirtschaftsinformatik / Information Systems Man... Seite 5 von 9
Software Engineering Unterbereich von Fachstudium Informatik Um diesen Studiengangsbereich zu bestehen, müssen die folgenden Bedingungen erfüllt sein: Es müssen mindestens 18 Leistungspunkte bestanden werden. Es dürfen höchstens 24 Leistungspunkte bestanden werden. Module in diesem Studiengangsbereich:
Titel LP Prüfungsform Benotet GewichtAI and Cybersecurity 6 Portfolioprüfung ja 1.0Applied Artificial Intelligence Project 9 Portfolioprüfung ja 1.0Applied Security 9 Portfolioprüfung ja 1.0Applied Verification of C-Programs 3 Portfolioprüfung ja 1.0Automotive Software Engineering 6 Portfolioprüfung ja 1.0Computer Security - Master Project 9 Portfolioprüfung ja 1.0Computer Security - Specialization Large 9 Portfolioprüfung ja 1.0Das AMOS Projekt 9 Portfolioprüfung ja 1.0Distributed Algorithms 6 Schriftliche Prüfung ja 1.0Embedded Systems Security Lab 6 Portfolioprüfung ja 1.0Grundlagen des Softwaretestens 6 Schriftliche Prüfung ja 1.0Hardware Security Lab 6 Portfolioprüfung ja 1.0IT Security Lab: Vulnerability Assessment 6 Portfolioprüfung ja 1.0Intelligente Sicherheitsanwendungen 9 Portfolioprüfung ja 1.0Logik, Spiele, Automaten 9 Mündliche Prüfung ja 1.0Master Project Software Engineering of Embedded Systems 9 Portfolioprüfung ja 1.0Mikrosystemtechnik - Entwurf, Simulation und Zuverlässigkeit 12 Portfolioprüfung ja 1.0Modellgetriebene Software-Entwicklung 6 Schriftliche Prüfung ja 1.0Models and Theory of Distributed Algorithms 6 Portfolioprüfung ja 1.0Projekt System Quality Engineering 9 Portfolioprüfung ja 1.0Requirements Engineering 6 Portfolioprüfung ja 1.0Software Security 6 Portfolioprüfung ja 1.0Special Topics in Communications Networks and Autonomous Security 3 Portfolioprüfung ja 1.0Writing and Publishing a Scientific Paper in Concurrency Theory 9 Portfolioprüfung ja 1.0
27.08.2018 12:58 Uhr Wirtschaftsinformatik / Information Systems Man... Seite 6 von 9
Verteilte Systeme Unterbereich von Fachstudium Informatik Um diesen Studiengangsbereich zu bestehen, müssen die folgenden Bedingungen erfüllt sein: Es müssen mindestens 18 Leistungspunkte bestanden werden. Es dürfen höchstens 24 Leistungspunkte bestanden werden. Module in diesem Studiengangsbereich:
Titel LP Prüfungsform Benotet GewichtAdvanced Algorithmics 9 Schriftliche Prüfung ja 1.0Advanced Information Management 1 (AIM-1) - Heterogeneous and DistributedInformation Systems (HDIS)
6 Portfolioprüfung ja 1.0
Advanced Information Management 2 - Management of Data Streams 6 Mündliche Prüfung ja 1.0Advanced Information Management 3 (AIM-3) Scalable Data Science: Systems &Methods (SDSSM)
6 Portfolioprüfung ja 1.0
Advanced Topics in Data Integration 6 Portfolioprüfung ja 1.0Advanced Topics in Economics and Computation 3 Portfolioprüfung ja 1.0Algebraic Process Calculi 6 Portfolioprüfung ja 1.0Algorithm Engineering 9 Portfolioprüfung ja 1.0Algorithmic Research in Teams 9 Portfolioprüfung ja 1.0Analysis and Optimization of Embedded Systems 6 Mündliche Prüfung ja 1.0Applied Verification of C-Programs 3 Portfolioprüfung ja 1.0Automotive Software Engineering 6 Portfolioprüfung ja 1.0BDAPRO - Big Data Analytics Project 9 Portfolioprüfung ja 1.0Current Research in Algorithms and Complexity 3 Portfolioprüfung ja 1.0DBT: Database Technology 6 Portfolioprüfung ja 1.0DCAITI Projekt II 6 Portfolioprüfung ja 1.0Das AMOS Projekt 9 Portfolioprüfung ja 1.0Distributed Algorithms 6 Schriftliche Prüfung ja 1.0Embedded Operating Systems 6 Mündliche Prüfung ja 1.0Entwicklung verteilter eingebetteter Systeme 3 Portfolioprüfung ja 1.0Grundlagen des Softwaretestens 6 Schriftliche Prüfung ja 1.0IMPRO - Project Hot Topics in Information Management 6 Portfolioprüfung ja 1.0IT Security Lab: Vulnerability Assessment 6 Portfolioprüfung ja 1.0Informatik und Entwicklungsländer 6 Portfolioprüfung ja 1.0Introduction into Interactive Theorem Proving 3 Mündliche Prüfung ja 1.0Master Project Software Engineering of Embedded Systems 9 Portfolioprüfung ja 1.0Master Project and Seminar Software Engineering of Embedded Systems 9 Portfolioprüfung ja 1.0Master Project: Distributed Systems 9 Portfolioprüfung ja 1.0Modellgetriebene Software-Entwicklung 6 Schriftliche Prüfung ja 1.0Models and Theory of Distributed Algorithms 6 Portfolioprüfung ja 1.0Projekt System Quality Engineering 9 Portfolioprüfung ja 1.0Quality Assurance of Embedded Systems 6 Mündliche Prüfung ja 1.0Randomized Algorithms 6 Mündliche Prüfung ja 1.0Requirements Engineering 6 Portfolioprüfung ja 1.0Seminar Software and Embedded Systems Engineering 3 Portfolioprüfung ja 1.0Software Security 6 Portfolioprüfung ja 1.0Systementwicklung für ein Entwicklungsland 12 Portfolioprüfung ja 1.0The 800-pound Gorilla in the corner: Data Integration 6 Mündliche Prüfung ja 1.0Writing and Publishing a Scientific Paper in Concurrency Theory 9 Portfolioprüfung ja 1.0
27.08.2018 12:58 Uhr Wirtschaftsinformatik / Information Systems Man... Seite 7 von 9
Fachstudium Wirtschaft & Management Um diesen Studiengangsbereich zu bestehen, müssen die folgenden Bedingungen erfüllt sein: Im Studiengangsbereich Fachstudium Wirtschaft & Management müssen mindestens 18 Leistungspunkte bestanden werden. Im Studiengangsbereich Fachstudium Wirtschaft und Management dürfen höchstens 24 Leistungspunkte bestanden werden.
Fachstudium Wirtschaft und Management Unterbereich von Fachstudium Wirtschaft & Management Um diesen Studiengangsbereich zu bestehen, müssen die folgenden Bedingungen erfüllt sein: Es müssen mindestens 18 Leistungspunkte bestanden werden. Es dürfen höchstens 24 Leistungspunkte bestanden werden. Module in diesem Studiengangsbereich:
Titel LP Prüfungsform Benotet GewichtAI and Cybersecurity 6 Portfolioprüfung ja 1.0Ad-hoc and Sensor Networks 6 Portfolioprüfung ja 1.0Advanced Topics in Data Integration 6 Portfolioprüfung ja 1.0Advanced Web Technologies 12 Portfolioprüfung ja 1.0Advances in Semantic Search 3 Portfolioprüfung ja 1.0Agententechnologie in der Forschung 6 Portfolioprüfung ja 1.0Algebraic Process Calculi 6 Portfolioprüfung ja 1.0Applications of Robotics and Autonomous Systems 9 Portfolioprüfung ja 1.0Applied Artificial Intelligence Project 9 Portfolioprüfung ja 1.0Betrieb komplexer IT-Systeme 6 Mündliche Prüfung ja 1.0Computational Social Choice 6 Schriftliche Prüfung ja 1.0Das AMOS Projekt 9 Portfolioprüfung ja 1.0Digital Communities 6 Mündliche Prüfung ja 1.0Distributed Algorithms 6 Schriftliche Prüfung ja 1.0Grundlagen Digitaler Vernetzung 6 Portfolioprüfung ja 1.0Grundlagen des Softwaretestens 6 Schriftliche Prüfung ja 1.0IT Security Lab: Vulnerability Assessment 6 Portfolioprüfung ja 1.0Intelligente Sicherheitsanwendungen 9 Portfolioprüfung ja 1.0Internet of Services Lab 9 Portfolioprüfung ja 1.0Introduction to Game Theory with Engineering Applications 6 Portfolioprüfung ja 1.0Introduction to Reinforcement Learning with Engineering Applications 6 Portfolioprüfung ja 1.0Master Project Software Engineering of Embedded Systems 9 Portfolioprüfung ja 1.0Master Project and Seminar Software Engineering of Embedded Systems 9 Portfolioprüfung ja 1.0Master Project: Distributed Systems 9 Portfolioprüfung ja 1.0Master Seminar: Operating Complex IT Systems 3 Portfolioprüfung ja 1.0Mobile Services 6 Mündliche Prüfung ja 1.0Modellgetriebene Software-Entwicklung 6 Schriftliche Prüfung ja 1.0Models and Theory of Distributed Algorithms 6 Portfolioprüfung ja 1.0Performance Evaluation of Computer Communication Systems 6 Portfolioprüfung ja 1.0Projekt Advanced Web Technologies 9 Portfolioprüfung ja 1.0Projekt System Quality Engineering 9 Portfolioprüfung ja 1.0Requirements Engineering 6 Portfolioprüfung ja 1.0Special Topics in Communications Networks and Autonomous Security 3 Portfolioprüfung ja 1.0The 800-pound Gorilla in the corner: Data Integration 6 Mündliche Prüfung ja 1.0Writing and Publishing a Scientific Paper in Concurrency Theory 9 Portfolioprüfung ja 1.0
27.08.2018 12:58 Uhr Wirtschaftsinformatik / Information Systems Man... Seite 8 von 9
Masterarbeit Um diesen Studiengangsbereich zu bestehen, müssen die folgenden Bedingungen erfüllt sein: Für diesen Studiengangsbereich sind keine Wahlregeln angegeben. Module in diesem Studiengangsbereich:
Wahlbereich Diese Module dienen dem Erwerb zusätzlicher überfachlicher und berufsqualifizierender Fähigkeiten. Es wird empfohlen, Module zuwählen, die gesellschaftliche, soziale, und/oder Gender- und Diversity-Aspekte berücksichtigen. Zu den wählbaren Modulen gehören auchModule zum Erlernen von neuen Fremdsprachen oder Englisch ab Niveau C1 gemäß GER.Die im Wahlbereich belegten Module werden bei der Berechnung der Gesamtnote mit 0 gewichtet. Um diesen Studiengangsbereich zu bestehen, müssen die folgenden Bedingungen erfüllt sein: Es müssen mindestens 12 Leistungspunkte bestanden werden. Es dürfen höchstens 18 Leistungspunkte bestanden werden.
Titel LP Prüfungsform Benotet GewichtAdvanced Health Economics 6 Portfolioprüfung ja 1.0Econometric Analysis of Longitudinal and Panel Data 6 Schriftliche Prüfung ja 1.0IT-Service-Management 6 Portfolioprüfung ja 1.0Innovation Economics 6 Portfolioprüfung ja 1.0Innovation Marketing 6 Portfolioprüfung ja 1.0Innovation Policy 6 Portfolioprüfung ja 1.0Innovationsrecht I 6 Schriftliche Prüfung ja 1.0Innovationswerkstatt 12 Portfolioprüfung ja 1.0Konsumentenverhalten und Entscheidungsprozesse 6 Portfolioprüfung ja 1.0Konzepte und Instrumente des Controllings 6 Portfolioprüfung ja 1.0Management im Gesundheitswesen (MiG) - Industrie 6 Portfolioprüfung ja 1.0Management im Gesundheitswesen (MiG) - Krankenversicherung undLeistungsanbieter
6 Portfolioprüfung ja 1.0
Marketing Forschungsseminar für Fortgeschrittene 6 Portfolioprüfung ja 1.0Marktforschung und Datenanalyse 6 Portfolioprüfung ja 1.0Microeconometrics 6 Portfolioprüfung ja 1.0Multivariate Analysis/Business Statistics 6 Schriftliche Prüfung ja 1.0Patentrecht und Patentmanagement I 6 Schriftliche Prüfung ja 1.0Quality Infrastructure Management 6 Portfolioprüfung ja 1.0Technikrecht I 6 Schriftliche Prüfung ja 1.0The Economics of Climate Change 6 Portfolioprüfung ja 1.0The Economics of Climate Change - Lecture only 3 Portfolioprüfung ja 1.0The Economics of Climate Policy 6 Portfolioprüfung ja 1.0The Economics of Climate Policy - Lecture only 3 Portfolioprüfung ja 1.0Time Series Analysis 6 Schriftliche Prüfung ja 1.0Treatment Effect Analysis 6 Schriftliche Prüfung ja 1.0Wirtschaftsprüfung 6 Schriftliche Prüfung ja 1.0
Titel LP Prüfungsform Benotet GewichtMasterarbeit Wirtschaftsinformatik / Information Systems Management 30 Abschlussarbeit ja 1.0
27.08.2018 12:58 Uhr Wirtschaftsinformatik / Information Systems Man... Seite 9 von 9
Learning Outcomes In this seminar you will learn the comprehensive preparation and presentation of a research topic in English. To achieve this you will have toread and categorize a scientific English text, conduct background research and present your findings.
Requirements for participation and examination Desirable prerequisites for participation in the courses: This course is aimed at master students with a focus on database systems and information management and should be chosen after the2nd master semester. To be able to participate you should have successfully completed 'Database Technology DBT' and one of the'Advanced Information Management AIM' (1,2,3) courses.This seminar can be taken very well by students who are directly in front of their master thesis or have already completed it and areinterested in a doctorate in information management.It is vital that you have a sound understanding of written and spoken English.
Mandatory requirements for the module test application: No information
Module completion
IMSEM - Seminar Hot Topics in Information Management
Module title:
IMSEM - Seminar Hot Topics in Information Management
Credits:
3
Responsible person:
Markl, Volker
Office:
EN 7
Contact person:
Rabl, Tilmann
Website:
http://www.dima.tu-berlin.de
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:The exam will be done as a 'portfolio examination', including two deliverable assessments, totaling for 100 portfolio points:- seminar presentation (50 portfolio points)- written seminar report (50 portfolio points)
The final grade according to § 47 (2) AllgStuPO will be calculated with the faculty grading table 2.(Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.)
Test elements Categorie Points Duration/Extent(Deliverable assessment) Written Seminar Report written 50 approx. 20 pages(Deliverable assessment) Seminar Presentation oral 50 60 min.
27.08.2018 12:58 Uhr Modulbeschreibung #40001/4 Seite 1 von 1
Learning Outcomes Students having successfully participate in this module are capable of independently- pursue investigations in the field of EEG analysis that are relevant for Brain-Computer Interface research,- plan and conduct the required experimental studies,- evaluate the acquired data using statistical methods, and- interpret the results and present them in a scientific way. This course conveys predominantlyprofessional (25%), methods (50%), social (20%), systemic (5%)skills.
Requirements for participation and examination Desirable prerequisites for participation in the courses: It is mandatory to have successfully participated in the Brain-Computer Interfacing lecture (3435 L 501) before taking part in this project.Programming skills (Matlab/Octave) and basic knowledge in signal processing and machine learning is required.
Mandatory requirements for the module test application: No information
Module completion
Project: Brain-Computer Interfacing
Module title:
Project: Brain-Computer Interfacing
Credits:
9
Responsible person:
Blankertz, Benjamin
Office:
MAR 4-3
Contact person:
Blankertz, Benjamin
Website:
http://wiki.ml.tu-berlin.de/wiki/NT/Courses
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 86.0 82.0 78.0 74.0 70.0 66.0 62.0 58.0 54.0 50.0
Test description:The grade is determined according to § 47 (2) AllgStuPO with the grading system 1 of faculty IV.
* Code for data analysis and stimulus presentation (20%): The code is evaluated according to programming style, effectiveness anddocumentation.* Practical laboratory work including protocols (40%): The practical work is assessed according to the quality of the acquired signals; theinteraction with the participants; the elaborateness in the usage of equipment; the protocols* Presentation of results as a talk (20%): The talk is assessed according to content, clarity in structure, clear design of slides, contact tolisteners, way of speaking, appropriate answering of questions.* Written report (20%): The report is evaluated according to the criteria for a scientific paper with the structure: Introduction to the fieldincluding a review of state-of-the-art; Description of experimental design and hypotheses; Description of Material and Methods;Presentation of results and discussion; Conclusion.
Test elements Categorie Points Duration/Extent(Deliverable assessment) Written report written 20 about 15 pages(Deliverable assessment) Code for data analysis andstimulus presentation
practical 20 semesterbegleitend
(Deliverable assessment) Presentation of results as a talk oral 20 30 min(Learning process review) Practical laboratory work includingprotocols
practical 40 semesterbegleitend
27.08.2018 12:58 Uhr Modulbeschreibung #40007/4 Seite 1 von 1
Lernergebnisse Graduates of this module have practical experience with methods and techniques to analyze and/or optimize complex embedded systems.In addition, they have experience with techniques with which the quality or performance of embedded systems can be systematicallyensured. They have learned to solve a complex tasks within a team.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Keine Angabe
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Master Project Software Engineering of Embedded Systems
Titel des Moduls:
Master Project Software Engineering of Embedded Systems
Leistungspunkte:
9
Verantwortliche Person:
Glesner, Sabine
Sekretariat:
TEL 12-4
Ansprechpartner:
Herber, Paula
Webseite:
http://www.sese.tu-berlin.de
Anzeigesprache:
Deutsch/Englisch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch/Englisch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Keine Angabe
Prüfungselemente Kategorie Punkte Dauer/UmfangOral Exam mündlich 25 10-20 minProject Milestone Presentation mündlich 25 10 -20 minProject Work/ Oral Consultation mündlich 50 10 - 20 min
27.08.2018 12:58 Uhr Modulbeschreibung #40009/3 Seite 1 von 1
Lernergebnisse Die Studierenden dieses Moduls verfügen über Kenntnisse aktueller Techniken und Ansätze zu Planung und Aufbau von IT Infrastrukturen,über Kenntnisse zur Dimensionierung, Virtualisierung, Hochverfügbarkeit und Storage-Anbindung, zu Aspekten der Systemsicherheit sowieüber Kenntnisse grundlegender Organisationsprozesse.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Inhaltlich werden Kenntnisse des Moduls „Verteilte Systeme“ vorausgesetzt. Für die Übung der integrierten Veranstaltung „Betriebkomplexer IT-Systeme“ sind Grundkenntnisse des Linux-Betriebssystems hilfreich.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Abschluss des Moduls
Betrieb komplexer IT-Systeme
Titel des Moduls:
Betrieb komplexer IT-Systeme
Leistungspunkte:
6
Verantwortliche Person:
Kao, Odej
Sekretariat:
EN 59
Ansprechpartner:
Keine Angabe
Webseite:
http://www.cit.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
1.) Bestehen der benoteten Programmier- und Hausaufgaben
Benotung: Prüfungsform: Sprache: Dauer/Umfang:benotet Mündliche Prüfung Deutsch 20 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40021/6 Seite 1 von 1
Learning Outcomes Students who have completed this module can design and analyze algorithms for computational problems arising in various applicationcontexts. When facing a concrete computational problem, they are able to choose, from a wide range of advanced techniques, a strategy toefficiently solve the problem.This includes strategies for solving problems that are computationally hard in the worst case. In particular, the students know about currentresearch topics in algorithmics.
Requirements for participation and examination Desirable prerequisites for participation in the courses: a) obligatory: basic knowledge on algorithm designb) desirable: basic understanding of P vs. NP classification
Mandatory requirements for the module test application: No information
Module completion
Advanced Algorithmics
Module title:
Advanced Algorithmics
Credits:
9
Responsible person:
Niedermeier, Rolf
Office:
TEL 5-1
Contact person:
Niedermeier, Rolf
Website:
http://www.akt.tu-berlin.de/menue/teaching/
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language: Duration/Extent:graded Written exam English 90 min
27.08.2018 12:58 Uhr Modulbeschreibung #40025/5 Seite 1 von 1
Learning Outcomes Successful participants of this module have knowledge about recent research results and trends in the domain of operating complex ITsystems. Through the work in this seminar the participant will gain methodological skills in preparing literature of current research topics, thescientific work and the presentation.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Basic knowledge of the modules "Distributed Systems" is assumed.
Mandatory requirements for the module test application: No information
Module completion
Master Seminar: Operating Complex IT Systems
Module title:
Master Seminar: Operating Complex IT Systems
Credits:
3
Responsible person:
Kao, Odej
Office:
EN 59
Contact person:
No information
Website:
http://www.cit.tu-berlin.de
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalGerman/English
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 86.0 82.0 78.0 74.0 70.0 66.0 62.0 58.0 54.0 50.0
Test description:No information
Test elements Categorie Points Duration/ExtentPaper written 45 5-6 pages IEEE StylePresentation oral 55 20 minutes + 5-10 minutes
discussion
27.08.2018 12:58 Uhr Modulbeschreibung #40036/7 Seite 1 von 1
Learning Outcomes The global data volume is increasing dramatically each year. Understanding how to store, process and manage these huge amounts of dataefficiently is a key requirement for software engineers and data analysts in the modern IT world. This lab (following the correspondinglecture topics of DBT-Database Technology) will teach students both the fundamentals of data processing in traditional single-nodedatabase systems and how to scale out these techniques to huge amounts of data in large-scale, distributed environments.During the implementation part of the lab, students will get hands-on experience with important data processing techniques by implementingseveral components of a relational database system and by using parallel programming platforms like Apache Hadoop or Nephele/PACT.
Requirements for participation and examination Desirable prerequisites for participation in the courses: This course is the base course for master students with focus on database systems and information management and should be attendedin the first semester of the master program. In contrast to the introduction of database systems (MPGI5/DBS), which looks databasesystems from an application programmers point of view, this class focuses on the internals of database systems.To participate, students are required to have successfully completed a Bachelor in computer science with a focus on database systems(participation in the Datenbankpraktikum, Datenbankprojekt). As a mandatory requirement, knowledge of data modeling, relational algebra, and SQL as well as a very good (!!) command of Javaprogramming and the GIT version control system are essential to participate in the course. These topics will not be repeated in the lecture.
Mandatory requirements for the module test application: No information
Module completion
IDB-PRA: Implementation of a Database Engine (Database Technology Lab)
Module title:
IDB-PRA: Implementation of a Database Engine (Database Technology Lab)
Credits:
6
Responsible person:
Markl, Volker
Office:
EN 7
Contact person:
Traub, Jonas
Website:
http://www.dima.tu-berlin.de
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:The final grade according to § 47 (2) AllgStuPO will be calculated with the faculty grading table 2.(Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.)
Test elements Categorie Points Duration/ExtentDeliverable assessment: Implementation of databasemodules for IO handling (3 tasks with 10 points each)
practical 30 36h (12h/task)
Deliverable assessment: Implementation of a databaseindex (1 tasks with 10 points)
practical 10 12h
Deliverable assessment: Implementation of databaseoperators (3 tasks with 25 points in total)
practical 25 36h (12h/task)
Deliverable assessment: Implementation of databaseoptimizer components (2 tasks with 25 points in total)
practical 25 24h (12h/task)
Deliverable assessment: Implementation of databasecomponents for massively parallel processing (1 task with 10points)
practical 10 12h
27.08.2018 12:58 Uhr Modulbeschreibung #40037/3 Seite 1 von 1
Learning Outcomes Project title: "Scientific Process in Computer Vision: From Ideas to Publications" Participants will gain significant insights into computer vision related problems and solutions. The goal is not to explore the whole field ofresearch completely, but rather to confront the participants with the full complexity of one specific problem and to challenge their owninitiative. Therefore we do not provide a pedagogically gentle introduction of the learners to the scientific area, but we allow insights andparticipation in research and development. The ability of the participants to work in a team shall be improved by this module.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Knowledge from the modules "Digital Image Processing" or "Automatic Image Analysis" or "Photogrammetric Computer Vision". Fluent inspoken and written English, programming and math skills
Mandatory requirements for the module test application: No information
Module completion
Project Hot Topics in Computer Vision A
Module title:
Project Hot Topics in Computer Vision A
Credits:
9
Responsible person:
Hellwich, Olaf
Office:
MAR 6-5
Contact person:
Ley, Andreas
Website:
http://www.cv.tu-berlin.de
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 86.0 82.0 78.0 74.0 70.0 66.0 62.0 58.0 54.0 50.0
Test description:No information
Test elements Categorie Points Duration/ExtentPresentation Part II oral 10 No informationPresentation Part III oral 10 No informationSoftware practical 40 No informationSummary Part I written 5 No informationWritten report Part II written 10 No informationWritten report Part IV written 25 No information
27.08.2018 12:58 Uhr Modulbeschreibung #40047/8 Seite 1 von 1
Lernergebnisse Die Teilnehmer gewinnen signifikante Einblicke in Computer Vision bezogene Probleme und Lösungen. Das Ziel besteht nicht darin dengesamten Bereich der Wissenschaft komplett zu erforschen, sondern die Teilnehmer mit der vollen Komplexität eines spezifischenProblems zu konfrontieren und ihre Eigeninitiative herauszufordern. Wir bieten Einblicke und Teilnahme an Forschung und Entwicklung. DieFähigkeit der Teilnehmer in einem Team zu arbeiten wird durch dieses Modul verbessert.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: keine
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Project Hot Topics in Computer Vision B
Titel des Moduls:
Project Hot Topics in Computer Vision B
Leistungspunkte:
9
Verantwortliche Person:
Hellwich, Olaf
Sekretariat:
MAR 6-5
Ansprechpartner:
Dennert, Marion
Webseite:
http://www.cv.tu-berlin.de
Anzeigesprache:
Deutsch/Englisch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch/Englisch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 86.0 82.0 78.0 74.0 70.0 66.0 62.0 58.0 54.0 50.0
Prüfungsbeschreibung:Keine Angabe
Prüfungselemente Kategorie Punkte Dauer/UmfangDokumentation (Ergebnisprüfung) schriftlich 35 Keine AngabePräsentation (Ergebnisprüfung) mündlich 20 2 x 15 MinutenSoftware (Ergebnisprüfung) praktisch 40 Keine AngabeZusammenfassung (Ergebnisprüfung) schriftlich 5 Keine Angabe
27.08.2018 12:58 Uhr Modulbeschreibung #40048/5 Seite 1 von 1
Learning Outcomes After successfully finishing this module, the participating students have- well-founded knowledge in an application domain- hands-on experiences in designing IT-based solutions to challenging problems of the future society- improved their capacity for teamwork and competence in project management- improved presentation and writing skills
Requirements for participation and examination Desirable prerequisites for participation in the courses: fundamental programming experience
Mandatory requirements for the module test application: No information
Module completion
Application System Project
Module title:
Application System Project
Credits:
12
Responsible person:
Albayrak, Sahin
Office:
TEL 14
Contact person:
Trollmann, Frank
Website:
http://www.aot.tu-berlin.de/index.php?id=2874
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:No information
Test elements Categorie Points Duration/ExtentRequirement Specification and Project Plan written 10 10 - 15 pagesProject Results practical 50 13 weeksstatus reports & discussions oral 10 0,5 per weekMilestone Presentation oral 10 1 hourFinal Presentation oral 20 1 hour
27.08.2018 12:58 Uhr Modulbeschreibung #40073/3 Seite 1 von 1
Learning Outcomes Students acquire a deep understanding of fundamental distributed systems concepts and their application in modern enterprise, web, andcloud architectures. They are able to put theoretical insights into practice, i.e., implement working prototypes and experimentally evaluatethem. After completing this course, students will be able to reason about complex technological choices in the field of enterprise computing.Furthermore, they learn to clearly communicate insights and findings and engage in discussion.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Advanced programming skills in Java and knowledge of fundamental distributed systems and middleware concepts are required tounderstand lecture contents. Knowledge of Web-technology fundamentals and service-oriented architectures (REST and SOAP/WSDL) ishighly recommended.
Mandatory requirements for the module test application: No information
Module completion
Enterprise Computing
Module title:
Enterprise Computing
Credits:
6
Responsible person:
Tai, Stefan
Office:
EN 14
Contact person:
Hummel, Anita
Website:
http://www.ise.tu-berlin.de
Display language:
Englisch
E-mail address:
No information
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:This exam uses its own grading scale (see test description)..
Test description:In total, 100 portfolio points can be achieved.
In accordance to §47 (2) AllgStuPO, the overall grade is based on following grading scale:
1.0 at [91,5;100]1.3 at [88;91,5)1.7 at [84,5;88)2.0 at [81;84,5)2.3 at [77,5;81)2.7 at [74;77,5)3.0 at [70,5;74)3.3 at [67;70,5)3.7 at [63,5;67)4.0 at [60;63,5)5.0 at [0;60)
Test elements Categorie Points Duration/Extent(Punktuelle Leistungsabfrage) Written Test written 70 70 Min.(Ergebnisprüfung) Assignment practical 30 ca. 40h
27.08.2018 12:58 Uhr Modulbeschreibung #40103/6 Seite 1 von 1
Learning Outcomes Participants have knowledge on current research developments in the field of information systems engineering. They deepen theirunderstanding of research and common scientic practices in general, e.g. in the contexts of Cloud Computing, IoT, Blockchains,Microservices, Privacy Engineering and other.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Knowledge on Java, Distributed Systems, and Middleware concepts is required. We expect our students to be willing to work with newtechnologies, systems, and concepts - this also includes LaTeX.
Mandatory requirements for the module test application: No information
Module completion
Hot Topics in Information Systems Engineering
Module title:
Hot Topics in Information Systems Engineering
Credits:
3
Responsible person:
Tai, Stefan
Office:
EN 14
Contact person:
Tai, Stefan
Website:
http://www.ise.tu-berlin.de
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:The final marks will comprise a seminar thesis and the presentation of its results. The seminar includes a peer-review phase wherestudents are asked to review theses of other students. The quality of said review is also considered.
Insgesamt können 100 Portfoliopunkte erreicht werden, die Gesamtnote gemäß §47 (2) AllgStuPO wird nach dem Notenschlüssel 2 derFakultät IV ermittelt.
Test elements Categorie Points Duration/Extent(Ergebnisprüfung) Kurzreview anderer Seminarabgaben written 10 2 h(Ergebnisprüfung) Schriftliche Ausarbeitung written 60 70 h(Ergebnisprüfung) Präsentation practical 30 1 h
27.08.2018 12:58 Uhr Modulbeschreibung #40109/4 Seite 1 von 1
Learning Outcomes No information
Requirements for participation and examination Desirable prerequisites for participation in the courses: Prerequisites:- Compulsory modules of the Bachelor degree.- Experience with C programmingRecommended additional skills:- Familiarity with HDL and logic design- Familiarity with electronics- Familiarity with test and measurement equipment For the practical course students will be provided access to workstations as well as test and measurement equipment used for the course.
Mandatory requirements for the module test application: No information
Module completion
Hardware Security Lab
Module title:
Hardware Security Lab
Credits:
6
Responsible person:
Seifert, Jean-Pierre
Office:
TEL 17
Contact person:
Tajik, Shahin
Website:
No information
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points per elementEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:• (Lecture) consultation ("Rücksprache")• (Practical Course) consultation ("Rücksprache")• (Practical Course) 5 practical demos• (Practical Course) final written report
Test elements Categorie Weight Duration/Extent(examination) short oral exam on the lab course oral 25 10-15 minutes(examination) short oral exam on the lecture oral 100 20 minutes(deliverable assessment) final written lab report written 25 15-20 pages(learning process review) 5 practical demos practical 50 10 minutes every day
27.08.2018 12:58 Uhr Modulbeschreibung #40113/3 Seite 1 von 1
Lernergebnisse Stereobildverarbeitung in der Videokommunikation: Die Studierenden erwerben schrittweise Kompetenz über die geometrischenZusammenhänge des Abbildungsprozesses einer 3D-Szene in zwei Kameraansichten. Das Modul verdeutlicht, dass die bildbasierteTiefenanalyse in vielfältigen Anwendungsgebieten, insbesondere in der Videokommunikation, eingesetzt werden kann.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: keine
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Abschluss des Moduls
Stereobildverarbeitung
Titel des Moduls:
Stereobildverarbeitung
Leistungspunkte:
3
Verantwortliche Person:
Hellwich, Olaf
Sekretariat:
MAR 6-5
Ansprechpartner:
Dennert, Marion
Webseite:
http://www.cv.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
1.) Modul Lineare Algebra für Ingenieurwissenschaften (#20363) bestanden
Benotung: Prüfungsform: Sprache: Dauer/Umfang:benotet Mündliche Prüfung Deutsch 30 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40116/4 Seite 1 von 1
Lernergebnisse Die Studierenden besitzen Überblickswissen im Bereich Automotive Software Engineering, spezifisches Wissen in den BereichenAnforderungsmanagement, Testmanagement, funktionale Sicherheit, Produktlinienmanagement, modellbasierte Entwicklung und autonomeFahrzeuge, sowie Kenntnisse zur Erstellung und Verwaltung von Anforderungen und Testfällen im Bereich des Automotive SoftwareEngineering.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Keine Angabe
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Automotive Software Engineering
Titel des Moduls:
Automotive Software Engineering
Automobile Softwareentwicklung
Leistungspunkte:
6
Verantwortliche Person:
Vogelsang, Andreas
Sekretariat:
TEL DCAITI
Ansprechpartner:
Vogelsang, Andreas
Webseite:
http://www.aset.tu-berlin.de/menue/lehre
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Insgesamt können 100 Portfoliopunkte erreicht werden.-Vorlesung (50 Portfoliopunkte)-Seminar (50 Portfoliopunkte)
Im Rahmen des Seminars und des Projektes sind jeweils verschiedene Studienleistungen zu erbringen. Ihre Art und Gewichtung inPortfoliopunkten sind in der oben stehenden Tabelle aufgeführt.
Prüfungselemente Kategorie Punkte Dauer/Umfang(Ergebnisprüfung) SE: Dokumentation schriftlich 30 8-10 Seiten(Ergebnisprüfung) SE: Vortrag mündlich 20 20 Minuten(Ergebnisprüfung) VL: schriftlicher Test schriftlich 50 60 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40142/4 Seite 1 von 1
Lernergebnisse Absolventen dieses Moduls sind in der Lage sich in praxisnahe Themen einzuarbeiten und diese für die Präsentation vor ihrenKommilitonen aufzubereiten. Weiterhin haben Sie Kenntnisse in einer Reihe praxisrelevanter Problemstellungen und Herangehensweisenerlangt.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Die Inhalte der Bachelorstudiengänge Informatik oder Technische Informatik müssen bekannt sein.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Entwicklung verteilter eingebetteter Systeme
Titel des Moduls:
Entwicklung verteilter eingebetteter Systeme
Leistungspunkte:
3
Verantwortliche Person:
Glesner, Sabine
Sekretariat:
TEL 12-4
Ansprechpartner:
Fellmuth, Joachim
Webseite:
http://www.sese.tu-berlin.de/menue/studium_und_lehre/
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Die Teilnehmer präsentieren ihre Ergebnisse in einem Vortrag und einer schriftlichen Ausarbeitung (6-10 Seiten).
Die Benotung wird nach Notenschlüssel 2 der Fakultät 4 entsprechend § 47 (2) AllgStuPO durchgeführt.
Prüfungselemente Kategorie Punkte Dauer/UmfangPräsentation mündlich 50 45 minSchriftliche Ausarbeitung schriftlich 50 6 -10 p
27.08.2018 12:58 Uhr Modulbeschreibung #40176/3 Seite 1 von 1
Lernergebnisse Absolvent/inn/en des Moduls sind befähigt eigenständig Forschung zu betreiben. Sie kennen den Stand der Technik auf einem Teilgebietder Künstlichen Intelligenz. Außerdem können sie eine wissenschaftliche Fragestellung / These in diesem Feld formulieren undsystematisch Ergebnisse zur Validierung der These produzieren und veröffentlichen. Ferner sind sie befähigt, fremde wissenschaftlicheTexte zu kritisieren.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Kenntnisse in Künstlicher Intelligenz
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Forschung in Künstlicher Intelligenz
Titel des Moduls:
Forschung in Künstlicher Intelligenz
Leistungspunkte:
9
Verantwortliche Person:
Albayrak, Sahin
Sekretariat:
Keine Angabe
Ansprechpartner:
Fricke, Stefan
Webseite:
http://www.aot.tu-berlin.de/index.php?id=2875
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultat IV ermittelt.Die Einzelnoten werden in einer Gruppenrücksprache ermittels (Poolnote).Projekt: Proposal: Präzise Herausarbeitung der Forschungsfrage unter Berücksichtigung des Stands der Technik.Projekt: Ergebnisse wissenschaftlicher Arbeit: Schwierigkeit, Umfang und Qualität der Implementierung und Evaluierung.Seminar: Paper: Qualität der wissenschaftlichen Veröffentlichung in der eingereichten Version und nach Einarbeitung der Reviewer-Kommentare.Seminar: Reviews: Schlüssigkeit, Qualität und Vollständigkeit der kritischen Kommentare und Verbesserungsvorschläge im Review-Prozess.Seminar: Präsentation: Qualität eines mediengestützten Vortrags und Verhalten in der Diskussion
Prüfungselemente Kategorie Punkte Dauer/Umfang(Ergebnisprüfung): Ergebnisse wissenschaftlicher Arbeit praktisch 50 15 Wochen(Ergebnisprüfung): Paper schriftlich 25 < 10 Seiten(Ergebnisprüfung): Projektpräsentation flexibel 10 40 Minuten(Ergebnisprüfung): Qualität der Reviews schriftlich 15 ca. 4 Seiten
27.08.2018 12:58 Uhr Modulbeschreibung #40235/2 Seite 1 von 1
Lernergebnisse Absolventen dieses Moduls verfügen über grundlegende Kompetenzen in Anwendung und Weiterentwicklung von Web Technolgien sowiederen Anwendung inbesondere auf dem Gebieten Online-Medien (z.B. Web-TV, Streaming, Content Protection, Social Media),Telekommunikation (z.B. Web-RTC) und Internet of Things.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: keine
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Advanced Web Technologies
Titel des Moduls:
Advanced Web Technologies
Leistungspunkte:
12
Verantwortliche Person:
Hauswirth, Manfred
Sekretariat:
HFT 3
Ansprechpartner:
Fischer, Heike
Webseite:
http://www.ods.tu-berlin.de/
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.
The final grade of the module is based on the grading system 2 of Faculty IV (§ 47 (2) AllgStuPO).
Prüfungselemente Kategorie Punkte Dauer/Umfang(Ergebnisprüfung/ Deliverable assessment) PJ:Dokumentation
schriftlich 15 5 Seiten Paperformat (2-spaltig)
(Ergebnisprüfung/ Deliverable assessment) PJ:Implementierung
praktisch 20 projektabhängig
(Ergebnisprüfung/ Deliverable assessment) PJ: Vorträge mündlich 15 3x á 5 min(Punktuelle Leistungsabfrage/ Examination) VL: schriftlicherTest
schriftlich 50 60 min
27.08.2018 12:58 Uhr Modulbeschreibung #40240/5 Seite 1 von 1
Lernergebnisse Die Studierenden lernen die Umsetzung (Implementierung) und praktische Anwendung von neuen (sich in Entwicklung befinden) WebTechnologien insbesondere auf den Gebieten Online- Medien (z.B. Web-TV, Streaming, Content Protection, Social Media),Telekommunikation (z.B. Web-RTC), sowie Internet of Things.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: keine
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Projekt Advanced Web Technologies
Titel des Moduls:
Projekt Advanced Web Technologies
Leistungspunkte:
9
Verantwortliche Person:
Hauswirth, Manfred
Sekretariat:
HFT 3
Ansprechpartner:
Fischer, Heike
Webseite:
http://www.ods.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch/Englisch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Insgesamt können 100 Portfoliopunkte erreicht werden.
- drei Vorträge (je 10 Portfoliopunkte)- eine Dokumentation (30 Portfoliopunkte)- eine Implementierung (40 Portfoliopunkte)
Die Gesamtnote gemäß § 47 (2) AllStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.
Prüfungselemente Kategorie Punkte Dauer/Umfang(Ergebnisprüfung/ Deliverable assessment) Dokumentation schriftlich 30 5 Seiten Paperformat (2-
spaltig)(Ergebnisprüfung/ Deliverable assessment) Implementierung praktisch 40 projektabhängig(Ergebnisprüfung/ Deliverable assessment) Vorträge mündlich 30 3x á 5 min
27.08.2018 12:58 Uhr Modulbeschreibung #40253/4 Seite 1 von 1
Learning Outcomes Students acquire the fundamental background on Probability, Stochastic Processes and Statistics, which is at the basis of modern ElectricalEngineering in the ``systems’’ areas such as Automatic Controls, Communications, Computer Networks and Signal Processing.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Prerequisite for participation to courses are a mathematical background at the level of beginning MS students in Electrical Engineering(multivariate calculus, Fourier and Laplace Transforms, signals and systems, linear algebra and notions of matrix theory). The course isopen to students enrolled in the Elektrotechnik MSc.
Mandatory requirements for the module test application:
Module completion
Foundations of Stochastic Processes
Module title:
Foundations of Stochastic Processes
Credits:
6
Responsible person:
Caire, Giuseppe
Office:
HFT 6
Contact person:
Caire, Giuseppe
Website:
http://www.commit.tu-berlin.de/menue/lehre/parameter/en/
Display language:
Englisch
E-mail address:
1.) [CommIT] Passed written tests in the middle and at the end of the course
Grading: Type of exam: Language: Duration/Extent:graded Oral exam English 30 minutes
27.08.2018 12:58 Uhr Modulbeschreibung #40256/3 Seite 1 von 1
Lernergebnisse In diesem Modul werden den Teilnehmerinnen und Teilnehmern Wissen über die formale Verifikation von Programmen und Fähigkeitenund Erfahrungen im praktischen Umgang mit Werkzeugen für die automatische Softwareanalyse vermittelt.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Kenntnisse in der Programmiersprache C, Prädikatenlogik erster Stufe und Hoare-Kalkül sind hilfreich.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Applied Verification of C-Programs
Titel des Moduls:
Applied Verification of C-Programs
Verifikation von C-Programmen in der Praxis
Leistungspunkte:
3
Verantwortliche Person:
Glesner, Sabine
Sekretariat:
TEL 12-4
Ansprechpartner:
Berg, Nils Erik
Webseite:
http://www.sese.tu-berlin.de/
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Keine Angabe
Prüfungselemente Kategorie Punkte Dauer/Umfang(Ergebnisprüfung) 2 Verifikationsaufgaben mit je 40 Punkten praktisch 80 2*10h=20h(Punktuelle Leistungsabfrage) Multiple Choice Aufgabe schriftlich 20 30-60min
27.08.2018 12:58 Uhr Modulbeschreibung #40278/2 Seite 1 von 1
Learning Outcomes On successful completion, students will be able to:- understand fundamental tradeoffs,- model preferences and aggregation methods,- develop (efficient) algorithms, and- analyze axiomatic and computational propertiesin the context of collective decision making.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Basic knowledge of discrete mathematics, algorithms, and computational complexity. Familiarity with formal proof methods.
Mandatory requirements for the module test application: No information
Module completion
Computational Social Choice
Module title:
Computational Social Choice
Credits:
6
Responsible person:
Brill, Markus
Office:
TEL 5-1
Contact person:
Thielcke, Christlinde
Website:
http://www.algo.tu-berlin.de/menue/teaching/
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language: Duration/Extent:graded Written exam English 120 min
27.08.2018 12:58 Uhr Modulbeschreibung #40286/5 Seite 1 von 1
Lernergebnisse Siehe Studien- und Prüfungsordnung.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Siehe Studien- und Prüfungsordnung.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Masterarbeit Wirtschaftsinformatik / Information Systems Management
Titel des Moduls:
Masterarbeit Wirtschaftsinformatik / Information Systems Management
Leistungspunkte:
30
Verantwortliche Person:
Glesner, Sabine
Sekretariat:
TEL 12-4
Ansprechpartner:
Glesner, Sabine
Webseite:
Keine Angabe
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache: Dauer/Umfang:benotet Abschlussarbeit Deutsch Keine Angabe
Prüfungsbeschreibung:Keine Angabe
27.08.2018 12:58 Uhr Modulbeschreibung #40300/1 Seite 1 von 1
Learning Outcomes Students completing the module will gain the understanding of basic principles and technologies behind self-organizing wireless sensornetworks, through a balanced combination of lectures and practical work with modern sensor node hardware.
Requirements for participation and examination Desirable prerequisites for participation in the courses: BSc module „Kommunikationsnetze” or similar knowledge is required. Knowledge of architecture and programming of embedded systems isof benefit.
Mandatory requirements for the module test application: No information
Module completion
Ad-hoc and Sensor Networks
Module title:
Ad-hoc and Sensor Networks
Credits:
6
Responsible person:
Zubow, Anatolij
Office:
FT 5
Contact person:
Handziski, Vlado
Website:
http://www.tkn.tu-berlin.de/?108248#adhsn
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:In total 100 Portfolio points can be obtained. The final module grade will be given according to the §47 (2) AllgStuPO, using grade scheme(Notenschlüssel) 2 of Faculty IV. The individual grades will be obtained as specified in the table below.
Further details:
VL: Final lecture written test: The students take part in a < 90 min final test that checks the overall level of acquired knowledge from the AdHoc and Sensor Networks lecture.
PR: Lab assignments: Organized in small groups (3-4 persons), the students are asked to jointly absolve a set of lab assignments thatinvolve in-class programming assignments using state of the art sensor network hardware and software, and homework tasks (some ofthem individually, some of them as a group). Evaluated is the correctness of the provided answers, the correctness and the quality of thecode for the programming assignments. Each lab is assessed with a three-level scale: not-satisfactory, satisfactory and excellent.
PR: Final lab project: After the completion of the individual lab assignments, the lab groups are asked to design, develop and demonstratea relatively simple but complete sensor networks application that involves data acquisition, processing and communication. Evaluated isthe final "project presentation" (quality of the content and coverage, presentation organization and style, capability to answer follow-upquestions), and the "project demo" (general functionality, achievement of design goals, effective use of HW and SW, team work, codequality, documentation, effective use of version control tools).
PR: Final lab review: The students take part in a final review that checks the overall level of acquired knowledge from the Sensor NetworksLab. Evaluated is the familiarity with the Lab HW and SW and the familiarity with the the solutions of the individual Lab assignments.
Students are asked to self-evaluate the relative contribution of each team member as part of the team, which is considered in the formationof the final individual marks.
Test elements Categorie Points Duration/ExtentPR Sensor Networks Lab - Project presentation (Deliverableassessment)
oral 4 30 min
VL Ad-hoc and Sensor Networks - Final lecture written test(Examination)
written 50 90 min
PR Sensor Networks Lab - 7 Lab assignments, 3 pointseach (Deliverable assessment)
practical 21 7x (90 + 90) min
PR Sensor Networks Lab - Project demo (Deliverableassessment)
oral 5 30 min
PR Sensor Networks Lab - Final lab review (Learningprocess review)
written 20 45 min
27.08.2018 12:58 Uhr Modulbeschreibung #40304/8 Seite 1 von 1
Learning Outcomes The students will have an in-depth knowledge and hands-on experience on emerging fields of Robotics and Autonomous Systems (RAS)towards a smooth transition from theoretical knowledge to their applications in dynamic real-time environments. They will experience a fullR&D project cycle covering researching, setting-up, developing and finalizing (testing on real systems or on simulation). These will have adeeper insight into the scientific and technological aspects of existing solutions in artificial intelligence and multi-agent systems. Thestudents will experience various computer vision, learning and planning problems in RAS, will have improved programming skills (e.g.python / C++) in real applications and get familiar with Robotic Operating System (ROS).
Requirements for participation and examination Desirable prerequisites for participation in the courses: There are no specific prerequisites for this module. A general knowledge of programming (e.g. python, C/C++) and an overall interest inrobotics are sufficient.
Mandatory requirements for the module test application: No information
Module completion
Applications of Robotics and Autonomous Systems
Module title:
Applications of Robotics and Autonomous Systems
Credits:
9
Responsible person:
Albayrak, Sahin
Office:
TEL 14
Contact person:
Görür, Orhan Can
Website:
http://www.aot.tu-berlin.de/index.php?id=2887
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittel.
Test elements Categorie Points Duration/ExtentErgebnisprüfung: Abschlusspräsentation und Review oral 20 90 MinutenErgebnisprüfung: Implementierung und Test practical 30 ca 3 WochenErgebnisprüfung: Evaluation und Dokumentation written 25 ca 2 WochenErgebnisprüfung: Design written 25 ca 2 Wochen
27.08.2018 12:58 Uhr Modulbeschreibung #40305/5 Seite 1 von 1
Lernergebnisse -
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: * An introductory course on computer architecture (e.g. "Rechnerorganisation") is recommended* Affinity to low-level programming
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Advanced Computer Architecture
Titel des Moduls:
Advanced Computer Architecture
Rechnerorganisation Vertiefung
Leistungspunkte:
6
Verantwortliche Person:
Juurlink, Bernardus
Sekretariat:
EN 12
Ansprechpartner:
Juurlink, Bernardus
Webseite:
http://www.aes.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Keine Angabe
Prüfungselemente Kategorie Punkte Dauer/Umfang(Deliverable assessment) Practical Assignments(2x 15points, 2x 10 points)
praktisch 50 jeweils 3-4 Wochen
(Examination) Final Test schriftlich 50 90 min
27.08.2018 12:58 Uhr Modulbeschreibung #40307/5 Seite 1 von 1
Learning Outcomes The participants of this module will achieve deep conceptual, methodical, technical and practical knowledge in requirements analysis,design, architecture and development of heterogeneous and distributed information systems. This includes firstly classical knowledge aboutfederated databases and mediator-based information systems (tight or loose coupling wrt. the dimensions of distribution, heterogeneity andautonomy). Secondly, different paradigms of heterogeneous information infrastructures and their management (e.g. P2P) andinteroperability architectures (‘middleware’) will be investigated. Finally, modern model-based concepts for the development, integration andevolution of arbitrary information infrastructures, and –under this conceptual frame– model, metamodel, and metadata management as wellas semantic concepts will be discussed and brought into practical experience by some larger project-like group work.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Prerequisites: The basic modules in the Bachelor Curriculum in “Informatik”, or "Technische Informatik" or "Wirtschaftsinformatik" or"Wirtschaftsingenieurwesen"; particularly knowledge in Database Systems/ Information Modeling and Software Engineering / Programmingis required. The AIM-1 / HDIS course will be given in English language, thus fluency in English is required!
Mandatory requirements for the module test application: No information
Module completion
Advanced Information Management 1 (AIM-1) - Heterogeneous and Distributed Information
Systems (HDIS)
Module title:
Advanced Information Management 1 (AIM-1) - Heterogeneous and DistributedInformation Systems (HDIS)
Credits:
6
Responsible person:
Kutsche, Ralf-Detlef
Office:
EN 7
Contact person:
Kutsche, Ralf-Detlef
Website:
http://www.dima.tu-berlin.de
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:The grade will be given by fulfilling all required tasks during the course (portfolio exam): seminar work including the oral presentation andthe final report; home/lab exercises including presentation and the semester project including the final report/presentation.
The final grade according to § 47 (2) AllgStuPO will be calculated with the faculty grading table 2.(Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.)
Test elements Categorie Points Duration/Extent(Deliverable assessment) Written Seminar Report written 40 25 Seiten(Deliverable assessment) Homework Presentation oral 10 30 min(Deliverable assessment) Seminar Talk oral 25 60 min.(Deliverable assessment) Project Work: Software,Documentation, Presentation
practical 25 30 min. + 15 Seiten
27.08.2018 12:58 Uhr Modulbeschreibung #40309/4 Seite 1 von 1
Lernergebnisse Durch die technologischen Entwicklungen der letzten Jahre entstehen immer mehr Anwendungen, indenen kontinuierlich Daten produziert werden, die auch nur für eine gewisse Zeit aktuell bzw. gültig sind. Derartige Anwendungen sinddadurch gekennzeichnet, dass sie Ströme von Daten verarbeiten müssen.Die Teilnehmer dieses Moduls bekommen vertiefte konzeptionelle, methodische und praktischeKenntnisse für die Verarbeitung von Datenströmen an Beispielen aus den verschiedenenAnwendungsbereichen.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Diese Lehrveranstaltung wendet sich an Master-Studenten mit Schwerpunkt im BereichDatenbanksysteme und Informationsmanagement ab dem 1. (Master-)Semester. Die Voraussetzungensind das abgeschlossene Bachelorstudium und Kenntnisse der modernen Modellierungssprachen unddes klassischen Datenbankmanagements. Die Literatur für diese Veranstaltung ist in vielen Fällen inenglischer Sprache abgefasst, daher sind gute Englischkenntnisse erforderlich.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Advanced Information Management 2 - Management of Data Streams
Titel des Moduls:
Advanced Information Management 2 - Management of Data Streams
Leistungspunkte:
6
Verantwortliche Person:
Markl, Volker
Sekretariat:
EN 7
Ansprechpartner:
Borusan, Alexander
Webseite:
http://www.dima.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache: Dauer/Umfang:benotet Mündliche Prüfung Deutsch ca. 40 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40310/4 Seite 1 von 1
Learning Outcomes Recent advances in technology have led to rapid growth of big data. This led to the need for cost efficient and scalable analysis algorithms.In this course concepts for scalable analysis of big data sets will be presented and applied using open source technologies. Participants ofthis module will gain an in-depth understanding of concepts and methods as well as practical experience in the area of scalable datascience. The course is principally designed to impart: technical skills (50%), method skills (30%), system skills (10%), and social skills(10%).
Requirements for participation and examination Desirable prerequisites for participation in the courses: Computer science topics addressed in TU Berlin modules in the Bachelor’s curriculum, particularly, the database course (“InformationSystems and Data Analysis”) or the equivalent, as well as excellent JAVA AND SQL programming skills are strictly required. Basicknowledge in linear algebra, numerical analysis, probability, and statistics are strongly recommended. Furthermore, it is highly advisable ifstudents have already completed (or are currently enrolled in) a machine-learning course. Since the course will be offered in English,fluency in English is also required.
Mandatory requirements for the module test application: No information
Module completion
Advanced Information Management 3 (AIM-3) Scalable Data Science: Systems & Methods
(SDSSM)
Module title:
Advanced Information Management 3 (AIM-3) Scalable Data Science: Systems& Methods (SDSSM)
Credits:
6
Responsible person:
Markl, Volker
Office:
EN 7
Contact person:
Soto, Juan
Website:
http://www.dima.tu-berlin.de/
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:The portfolio exam (worth 100 points) is comprised of three parts, namely: (i) written homework (30 points), (ii) in-class presentations (20portfolio points), and (iii) a written exam (50 portfolio points).
The final grade according to § 47 (2) AllgStuPO will be calculated with the faculty grading table 2.(Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.)
Test elements Categorie Points Duration/Extent(Examination) Written test written 50 75 min.(Deliverable assessment) In-class presentations oral 20 40 min. / about 35 slides(Deliverable assessment) Homework written 30 30 hours / 20 pages
27.08.2018 12:58 Uhr Modulbeschreibung #40311/6 Seite 1 von 1
Lernergebnisse - Fähigkeit zur kritischen Bewertung von Verfahren der semantischen Suche und Empfehlungsstrategien (insbesondere in Hinsicht auf dieAlgorithmen und Praxisrelevanz)- Industriell relevante Anwendungsfelder für semantische Suche identifizieren können- Identifikation und Bewertung aktueller Forschungsthemen auf dem Gebiet der semantischen Suche- Ergebnisse zielgerichtet aufbereiten (wissenschaftliche Ausarbeitung) und zielgruppenspezifisch präsentieren können (Vortrag)
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Englische Sprache lesen können.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Advances in Semantic Search
Titel des Moduls:
Advances in Semantic Search
Leistungspunkte:
3
Verantwortliche Person:
Albayrak, Sahin
Sekretariat:
TEL 14
Ansprechpartner:
Lommatzsch, Andreas
Webseite:
http://www.aot.tu-berlin.de/index.php?id=2592
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.
Prüfungselemente Kategorie Punkte Dauer/Umfang(Ergebnisprüfung) Vortrag mündlich 40 40 Minuten(Ergebnisprüfung) schriftliche Ausarbeitung schriftlich 60 10 Seiten
27.08.2018 12:58 Uhr Modulbeschreibung #40312/5 Seite 1 von 1
Lernergebnisse Absolventinnen und Absolventen diese Moduls verfügen über Kenntnisse und Fähigkeiten zur formalen Modellierung und formalen Analysevon kommunizierenden und mobilen Prozesssystemen mit Hilfe algebraischer (auch domänenspezifischer) Prozesskalküle auf der Basisvon strukturellen operationellen Semantiken. Sie können dabei einerseits existierende Kalküle auf Basis von Syntax und Semantik schnellzu verstehen und sich die passenden Intuitionen extrahieren; andererseits sind sie in der Lage neue Prozesskalküle zu entwerfen. Dazunutzen Sie die im Modul erlernten Kenntnisse und Methoden, um sich die entsprechende Syntax und Semantik selbständig zu erarbeiten,zu überprüfen und ihre Arbeitsergebnisse mündlich zu präsentieren.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Inhaltlich werden diverse (wenngleich nicht alle) Kenntnisse aus den Modulen - Formale Sprachen und Automaten- Diskrete Strukturen- Berechenbarkeit und Komplexität- Logik- Reaktive Systeme des Bachelor Informatik der TU Berlin vorausgesetzt.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Algebraic Process Calculi
Titel des Moduls:
Algebraic Process Calculi
Algebraische Prozesskalküle
Leistungspunkte:
6
Verantwortliche Person:
Nestmann, Uwe
Sekretariat:
TEL 7-2
Ansprechpartner:
Nestmann, Uwe
Webseite:
http://www.mtv.tu-berlin.de/menue/lehre/module/algprocalc/
Anzeigesprache:
Deutsch/Englisch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch/Englisch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 86.0 82.0 78.0 74.0 70.0 66.0 62.0 58.0 54.0 50.0
Prüfungsbeschreibung:Keine Angabe
Prüfungselemente Kategorie Punkte Dauer/Umfang(Ergebnisprüfung) Hausaufgaben schriftlich 20 5-6 Abgaben(Ergebnisprüfung) Präsentation mündlich 40 60-90 Minuten(Lernprozessevaluation) Mündliche Rücksprache mündlich 40 30-40 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40319/3 Seite 1 von 1
Lernergebnisse Die erfolgreiche Teilnahme befähigt die Studierenden- zur Entwicklung und Implementierung effizienter Algorithmen,- zur Abschätzung von Laufzeit und Speicherplatzbedarf von Algorithmen,- moderne Algorithmenbibliotheken und adäquate Datenstrukturen zur schrittweisen Verbesserung ihrer Implementierung zu benutzen,- Projektarbeit in Gruppen zu organisieren und- ihre Arbeit in einem Kurzvortrag zu beschreiben.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Keine Angabe
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Algorithm Engineering
Titel des Moduls:
Algorithm Engineering
Leistungspunkte:
9
Verantwortliche Person:
Niedermeier, Rolf
Sekretariat:
TEL 5-1
Ansprechpartner:
Thielcke, Christlinde
Webseite:
http://www.isis.tu-berlin.de/course/
Anzeigesprache:
Deutsch/Englisch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung Deutsch/Englisch
Notenschlüssel:Dieses Prüfung verwendet einen eigenen Notenschlüssel (siehe Prüfungsformbeschreibung)..
Prüfungsbeschreibung:Vier Milestone-Präsentationen: Geprüft wird die Qualität der Präsentation der angefertigten Implementierung für den jeweiligenThemenkomplex. Hierzu erläutern die Studierenden die wesentlichen Designentscheidungen in ihren Algorithmen. Die Studierendenbelegen und verteidigen ihre Entscheidungen durch experimentelle Testreihen auf vorgegebenen Datensätzen.Die Gesamtnote gemäß §47 (2) AllgStuPO wird nach dem Notenschlüssel 1 der Fakultät IV ermittelt; wir behalten uns jedoch vor, ihnzugunsten der Studierenden anzupassen.
Four milestone presentations: The quality of the presentation of the implementation made for the respective range of topics. Herein, thestudents explain the significant implementation decisions of their algorithms. The students justify their decisions with experimentalevaluations on given test sets.According to §47 (2) AllgStuPO the grade will be calculated applying grading key 1 of Fakultät IV, it may however be altered in favour ofthe students.
Prüfungselemente Kategorie Dauer/Umfang(Lernprozessevaluation) 1. Milestone-Präsentation praktisch 25 60 min(Lernprozessevaluation) 2. Milestone-Präsentation praktisch 25 60 min(Lernprozessevaluation) 3. Milestone-Präsentation praktisch 25 60 min(Lernprozessevaluation) 4. Milestone-Präsentation praktisch 25 60 min
27.08.2018 12:58 Uhr Modulbeschreibung #40320/7 Seite 1 von 1
Learning Outcomes On successful completion, students will be able to:- approach concrete problems in algorithmic research- present in written and oral form their research findings in a concise and understandable manner- judge and classify current research results as well as their own findings
Requirements for participation and examination Desirable prerequisites for participation in the courses: Basic knowledge of algorithms
Mandatory requirements for the module test application: No information
Module completion
Algorithmic Research in Teams
Module title:
Algorithmic Research in Teams
No information
Credits:
9
Responsible person:
Niedermeier, Rolf
Office:
TEL 5-1
Contact person:
Thielcke, Christlinde
Website:
http://www.akt.tu-berlin.de/menue/teaching
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination English
Grading scale:This exam uses its own grading scale (see test description)..
Test description:According to §47 (2) AllgStuPO the grade will be calculated applying grading key 1 of Fakultät IV, it may however be altered in favour ofthe students.
Test elements Categorie Duration/Extent(Ergebnisprüfung) manuscript written 50 15 pp(Ergebnisprüfung) oral presentation in the course oral 50 60 min
27.08.2018 12:58 Uhr Modulbeschreibung #40322/4 Seite 1 von 1
Learning Outcomes Graduates of this module have experience with methods and techniques for the analysis of embedded systems and how these systems canbe optimized for special architectures. They have a general conceptual and formally well founded understanding of program analysis andare able to specify and implement different concrete program analyses. They are also able to apply their knowledge on new problems ondifferent levels of abstraction (e.g. code vs. system architecture). Furthermore, they are able to analyze the range of optimizationpossibilities towards a given optimization goal and to construct suitable analyses and optimizations.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Knowledge in the basics of software engineering for embedded Systems (as teached in the Software Engineering Eingebetteter Systemebachelor course) are benefical.
Mandatory requirements for the module test application:
Module completion
Analysis and Optimization of Embedded Systems
Module title:
Analysis and Optimization of Embedded Systems
Credits:
6
Responsible person:
Glesner, Sabine
Office:
TEL 12-4
Contact person:
Klös, Verena
Website:
No information
Display language:
Englisch
E-mail address:
1.) Homework in training course Analysis and Optimization of Embedded Systems
Grading: Type of exam: Language: Duration/Extent:graded Oral exam English 30 min
27.08.2018 12:58 Uhr Modulbeschreibung #40326/4 Seite 1 von 1
Lernergebnisse This module's qualification aims are: 1. Thorough theoretical understanding of the major classes of security relevant software bugs, implied threats, mitigation techniques2. Understanding of security relevant hard- and software interfaces of (embedded) computer systems3. Practical experience in identifying, exploiting, and fixing of vulnerabilities in hard- and software4. A profound evaluation of system security
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Keine Angabe
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Applied Security
Titel des Moduls:
Applied Security
Leistungspunkte:
9
Verantwortliche Person:
Seifert, Jean-Pierre
Sekretariat:
TEL 17
Ansprechpartner:
Nordholz, Jan Christoph
Webseite:
Keine Angabe
Anzeigesprache:
Deutsch/Englisch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte pro ElementDeutsch/Englisch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:• (Practical Course) 6 practical assignments• (Lecture) short oral examination ("Rücksprache")
(This means that the practical course is worth twice as many points as the lecture, just as the ECTS credit points suggest.)
Prüfungselemente Kategorie Gewicht Dauer/Umfang(deliverable assessment) 1 assignment (group work) praktisch 1 2 weeks(deliverable assessment) 5 assignments (individual work) praktisch 5 2 weeks each(examination) short oral exam mündlich 3 20 minutes
27.08.2018 12:58 Uhr Modulbeschreibung #40336/5 Seite 1 von 1
Learning Outcomes The students acquire stepwise competence for the development of image understanding methods. According to computer vision paradigmknowledge-based image analysis methods are developed based on feature extraction. The module clarifies that the learned skills can beused within multifaceted application areas of automatic image understanding.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Knowledge according module „Digital Image Processing" or equivalent is preferable.
Mandatory requirements for the module test application: No information
Module completion
Automatic Image Analysis
Module title:
Automatic Image Analysis
Credits:
6
Responsible person:
Hellwich, Olaf
Office:
MAR 6-5
Contact person:
Hänsch, Ronny
Website:
http://www.cv.tu-berlin.de/
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language: Duration/Extent:graded Written exam English 90 minutes
27.08.2018 12:58 Uhr Modulbeschreibung #40345/5 Seite 1 von 1
Learning Outcomes •To have a deeper understanding of self-configuring networked computer systems•Being able to summarize and criticize academic publications•Programming experience on embedded/mobile devices•Deeper understanding of the new software-defined networking paradigm
Requirements for participation and examination Desirable prerequisites for participation in the courses: Programming experience on a high-level programming language is required, such as C++ or Java.
Mandatory requirements for the module test application: No information
Module completion
Autonomous Communications
Module title:
Autonomous Communications
Credits:
9
Responsible person:
Albayrak, Sahin
Office:
TEL 14
Contact person:
Khan, Manzoor Ahmed
Website:
http://www.aot.tu-berlin.de/index.php?id=2594
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.
Test elements Categorie Points Duration/ExtentErgebnisprüfung: project documentation written 12 10 - 30 pagesfinal presentation of literature survey and project results oral 15 2 hoursLernprozessprüfung: aural consultation oral 6 1 hourErgebnisprüfung: project’s results practical 42 10 weekswritten literature survey / technical report written 25 10 - 30 pages
27.08.2018 12:58 Uhr Modulbeschreibung #40346/5 Seite 1 von 1
Learning Outcomes Participants of this seminar will acquire knowledge about recent research results and trendsin the analysis of web-scale data. Through the work in this seminar, students will learn thecomprehensive preparation and presentation of a research topic in this field. In order toachieve this, students will get to read and categorise a scientific paper, conductbackground literature research and present as well as discuss their findings.After the course, students will be able to critically read and evaluate scientific publications,and to conduct background research. They will be capable of preparing for and giving oralpresentations on research topics for an expert audience, of analyzing the state of the art of aresearch topic, and of summarizing it in a scientific paper. They should also understandtechniques used in the scientific community like peer reviews, conference presentations, anddefenses of the findings after their presentation, as well as they should understand methodsfor large-scale data analytics. The course is principally designed to impart:Technical skills: 50x Methodological skills: 20x System skills: 10x Social skills: 20x
Requirements for participation and examination Desirable prerequisites for participation in the courses: This course is aimed at master students with a focus on database systems and information management and should be chosen after the2nd master semester. To be able to participate you should have successfully completed 'Database Technology DBT' and one of the'Advanced Information Management AIM' (1,2,3) courses.In the ideal case this seminar should be taken by students who are directly in front of their master thesis, or have already completed it andare interested in a doctorate in information management.It is vital that you have a sound understanding of written and spoken English.
Mandatory requirements for the module test application: No information
Module completion
BDASEM - Big Data Analytics Seminar
Module title:
BDASEM - Big Data Analytics Seminar
Credits:
3
Responsible person:
Markl, Volker
Office:
EN 7
Contact person:
Rabl, Tilmann
Website:
http://www.dima.tu-berlin.de/
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:The exam will be done as a 'portfolio examination', including two deliverable assessments, totaling for 100 portfolio points:- 2 seminar presentations (50 portfolio points)- 2 written seminar reports (50 portfolio points)Cf. the details in the resp. fields, and follow the instructions in the beginning of the class.
The final grade according to § 47 (2) AllgStuPO will be calculated with the faculty grading table 2.(Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.)
Test elements Categorie Points Duration/Extent(Deliverable assessment) long written seminar report written 40 10-15 pages(Deliverable assessment) presentation 1 oral 20 20 min(Deliverable assessment) presentation 2 oral 30 30 min.(Deliverable assessment) short written seminar report/s written 10 4-6 pages in total
27.08.2018 12:58 Uhr Modulbeschreibung #40353/5 Seite 1 von 1
Learning Outcomes Students possess knowledge of the principles and characteristics of cloud computing at the practical, as well as, the theoretical level.Furthermore they understand critical questions and current solutions in this area.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Knowledge of the principles of distributed systems are required. Good programming skills are beneficial.
Mandatory requirements for the module test application: No information
Module completion
Cloud Computing
Module title:
Cloud Computing
Credits:
6
Responsible person:
Kao, Odej
Office:
EN 59
Contact person:
No information
Website:
http://www.cit.tu-berlin.de
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 86.0 82.0 78.0 74.0 70.0 66.0 62.0 58.0 54.0 50.0
Test description:The final exam is based on the results in the group assignments and the written test.
Test elements Categorie Points Duration/Extent(Deliverable assessment) Assignments practical 40 Five weeks(Examination) Test written 60 60 minutes
27.08.2018 12:58 Uhr Modulbeschreibung #40368/9 Seite 1 von 1
Learning Outcomes The module conveys the necessary background knowledge in molecular and cell biology for students to conduct research in the area ofcomputational structural biology. Special emphasis is given to topics in the intersection of computer science and molecular biology. Thecourse introduces relevant algorithms and concepts from computational biology, computer science, robotics, optimization, etc.
Requirements for participation and examination Desirable prerequisites for participation in the courses: No prior knowledge of biology is needed.Python or C++ knowledge is required! Bachelor degree in relevant field of study; Bachelor students in 7th semester of "Technische Informatik" can register after consultation withthe professor.
Mandatory requirements for the module test application: No information
Module completion
Computational Biology
Module title:
Computational Biology
Credits:
6
Responsible person:
Brock, Oliver
Office:
MAR 5-1
Contact person:
Mabrouk, Mahmoud
Website:
http://www.robotics.tu-berlin.de/menue/teaching/
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:No information
Test elements Categorie Points Duration/Extent(Examination) Written Exam written 50 75(Deliverable assessment) 5 Assignments practical 50 1-5 pages of text and code
per assignment
27.08.2018 12:58 Uhr Modulbeschreibung #40377/6 Seite 1 von 1
Learning Outcomes Acquisition of deeper knowledge in current research topics of computational biology . Students will be able to search relevant actualliterature to a given topic, write a paper in journal style and present their results in a talk.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Computational Biology module or comparable prior knowledge.
Mandatory requirements for the module test application: No information
Module completion
Computational Biology: Current Topics
Module title:
Computational Biology: Current Topics
Credits:
3
Responsible person:
Brock, Oliver
Office:
MAR 5-1
Contact person:
Mabrouk, Mahmoud
Website:
http://www.robotics.tu-berlin.de/menue/teaching/
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:No information
Test elements Categorie Points Duration/Extent(Deliverable assessment) Written Report written 50 4-8 Pages(Deliverable assessment) Presentation oral 50 30mn
27.08.2018 12:58 Uhr Modulbeschreibung #40378/5 Seite 1 von 1
Learning Outcomes No information
Requirements for participation and examination Desirable prerequisites for participation in the courses: no special requirements
Mandatory requirements for the module test application: No information
Module completion
Computer Security - Master Project
Module title:
Computer Security - Master Project
Credits:
9
Responsible person:
Seifert, Jean-Pierre
Office:
TEL 17
Contact person:
Nordholz, Jan Christoph
Website:
No information
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:• final written report: up to 75 points• final presentation (talk): up to 25 points
Test elements Categorie Points Duration/Extent(deliverable assessment) presentation oral 25 30 minutes(deliverable assessment) written report written 75 10-25 pages
27.08.2018 12:58 Uhr Modulbeschreibung #40387/3 Seite 1 von 1
Lernergebnisse The module’s qualification aims are to get to know theoretical basics and technical details of each lecture’s subject (Hardware Security,Cryptography for Security, and Quantum Computing). Furthermore, showing examples matching the themes will motivate students to makepractical use of what they just have learned. Those lectures are the foundation upon which project papers and theses can be based on.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Keine Angabe
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Computer Security - Specialization Large
Titel des Moduls:
Computer Security - Specialization Large
Computer Security - Vertiefung groß
Leistungspunkte:
9
Verantwortliche Person:
Seifert, Jean-Pierre
Sekretariat:
TEL 17
Ansprechpartner:
Nordholz, Jan Christoph
Webseite:
Keine Angabe
Anzeigesprache:
Deutsch/Englisch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte pro ElementDeutsch/Englisch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:• (per lecture) short oral examination ("Rücksprache")• (seminar) written report• (seminar) presentation
Prüfungselemente Kategorie Gewicht Dauer/Umfang(deliverable assessment) seminar presentation (talk) mündlich 10 45 minutes(deliverable assessment) seminar written report schriftlich 30 10 pages(examination) short oral exam on first chosen lecture mündlich 40 20 minutes(examination) short oral exam on second chosen lecture mündlich 40 20 minutes
27.08.2018 12:58 Uhr Modulbeschreibung #40389/5 Seite 1 von 1
Lernergebnisse Kenntnis der wichtigsten Theorien und Verfahren für die Koordination nutzenbasierter Agenten.Fähigkeit zur Beurteilung und Kritik der Theorien und Verfahren hinsichtlich ihrer Praxistauglichkeit und Grenzen. Fähigkeit zum Transfer der Verfahren auf neue Problemstellungen.Forschungsbereiche für die Agententechnologie kennen und identifizieren können.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Logik, Künstliche Intelligenz und Grundlagenkenntnisse in Agententechnologien sind wünschenswert aber nicht notwendig.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Agententechnologie in der Forschung
Titel des Moduls:
Agententechnologie in der Forschung
Leistungspunkte:
6
Verantwortliche Person:
Albayrak, Sahin
Sekretariat:
TEL 14
Ansprechpartner:
Fricke, Stefan
Webseite:
http://www.aot.tu-berlin.de/index.php?id=2661
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Mündliche Rücksprache ist Einzelrücksprache am Semesterende zum Vorlesungsstoff, die auch das Lösen von Aufgaben ähnlich denender Übung umfasst. (Einzelleistung)
Präsentation: Vorstellung und Diskussion der Ergebnisse der Forschungsaufgabe (Gruppenleistung).
Reviews: 1-2 seitige schriftliche Kritik zu jeweils 2 Papers anderer Gruppen (Gruppenleistung)
Wissenschaftliches Paper: ca 7 Seiten Text. Die Möglichkeit zum Einarbeiten der in den Reviews geäußerten Kritik wird gegeben (imAnschluss an den Vorlesungszeitraum). (Gruppenleistung)
Ergebnisse wissenschaftlicher Arbeit: Bewertet werden Sorgfalt und Qualität (ggfs. auch Kreativität und Menge) bei der Bearbeitung derForschungsaufgabe (Gruppenleistung).
Prüfungselemente Kategorie Punkte Dauer/Umfang(Ergebnisprufung) Präsentation mündlich 10 60 Minuten(Ergebnisprufung) Ergebnisse wissenschaftlicher Arbeit praktisch 20 10 Wochen(Ergebnisprüfung) Reviews schriftlich 10 1 Woche(Ergebnisprüfung) wissenschaftliches Paper schriftlich 20 2 Wochen(Lernprozessprüfung) Mündliche Rücksprache mündlich 40 50 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40393/5 Seite 1 von 1
Learning Outcomes On successful completion, students will be able to:- critically read and evaluate scientific papers- work independently to gain an understanding of recently published results and the methods and proofs behind- communicate the central ideas to non-experts and discuss the value of the presented findings- present a current algorithmic topic in oral and written form to a group of non-experts
Requirements for participation and examination Desirable prerequisites for participation in the courses: Further knowledge on algorithms and complexity
Mandatory requirements for the module test application: No information
Module completion
Current Research in Algorithms and Complexity
Module title:
Current Research in Algorithms and Complexity
No information
Credits:
3
Responsible person:
Niedermeier, Rolf
Office:
TEL 5-1
Contact person:
Thielcke, Christlinde
Website:
http://www.akt.tu-berlin.de/menue/teaching
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination English
Grading scale:This exam uses its own grading scale (see test description)..
Test description:According to §47 (2) AllgStuPO the grade will be calculated applying grading key 1 of Fakultät IV, it may however be altered in favour ofthe students.
Test elements Categorie Duration/Extent(Ergebnisprüfung) handout written 30 5-10 pp(Ergebnisprüfung) talk oral 70 45 min
27.08.2018 12:58 Uhr Modulbeschreibung #40394/4 Seite 1 von 1
Learning Outcomes No information
Requirements for participation and examination Desirable prerequisites for participation in the courses: This course is the base course for master students with focus on database systems and information management and should be attendedin the first semester of the master program. In contrast to the introduction of database systems(MPGI5/DBS/Informationssystemse&Datenanalyse), which looks at database systems from an application programmers point of view, thisclass focuses on the internals of database systems. To participate, students are required to have successfully completed a Bachelor incomputer science with a focus on database systems (participation in the Datenbankpraktikum, Datenbankprojekt). Knowledge of datamodeling, relational algebra, and SQL as well as a very good command of Java, or possibly C/C++/C#, programming is required toparticipate in the course. Due to capacity reasons, the class is limited to at most 60 participants.
Mandatory requirements for the module test application: No information
Module completion
DBT: Database Technology
Module title:
DBT: Database Technology
Credits:
6
Responsible person:
Markl, Volker
Office:
EN 7
Contact person:
Markl, Volker
Website:
http://www.dima.tu-berlin.de
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:The final grade according to § 47 (2) AllgStuPO will be calculated with the faculty grading table 2.(Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.)
Test elements Categorie Points Duration/Extent(Deliverable assessment) Assessment of 4 homeworkexercises with 5 pts.
written 20 about 10h / around 25questions each
(Examination) End term test written 45 60 minutes(Examination) Mid term test written 35 60 minutes
27.08.2018 12:58 Uhr Modulbeschreibung #40405/6 Seite 1 von 1
Learning Outcomes Students who have successfully finished this module have an overview of current and future concepts for digital communities. They havedeveloped an understanding of the principles of graph theory, concepts of network analysis, and principles of social network analysis, andhave learned about the concepts of recommender systems. They are also aware of the limitations and privacy issues of concepts andapplications in digital communities.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Mandatory: basic knowledge of computer science.Desirable: knowledge of graph theory and linear algebra, basic programming skills.
Mandatory requirements for the module test application: No information
Module completion
Digital Communities
Module title:
Digital Communities
Credits:
6
Responsible person:
Küpper, Axel
Office:
TEL 19
Contact person:
Ruppel, Peter
Website:
http://www.snet.tu-berlin.de/digitalcommunities
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language: Duration/Extent:graded Oral exam English 30 min
27.08.2018 12:58 Uhr Modulbeschreibung #40407/3 Seite 1 von 1
Lernergebnisse Die Studierenden kennen die grundlegenden Methoden, um komplette Entwicklungszyklen für signalverarbeitende Systeme, wie sie in fastallen Bereichen der modernen Technik eingesetzt werden, durchzuführen. Dazu gehören die Vertiefung theoretischer Grundlagen undMethoden, der Umgang mit einem international eingeführten Berechnungs- und Simulations-Tool zur Signalverarbeitung sowie diepraktische Umsetzung eines Systementwurfs mittels Hard- und Software. Die Umsetzung erfolgt im Rahmen eines frei wählbaren Projekteswahlweise auf der Basis eines digitalen Signalprozessors eines Mikrocontrollers und/oder programmierbarer Logik. Dabei haben neben derrein fachlichen Qualifikation auch die Teamarbeit und das Projektmanagement einen hohen Stellenwert.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Bachelor Elektrotechnik, Technische Informatik oder ähnliche Abschlüsse einer Universität.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Digitale Signalverarbeitung
Titel des Moduls:
Digitale Signalverarbeitung
Leistungspunkte:
12
Verantwortliche Person:
Orglmeister, Reinhold
Sekretariat:
EN 3
Ansprechpartner:
Tigges, Timo
Webseite:
http://www.emsp.tu-berlin.de/menue/studium_und_lehre/
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte pro ElementDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
27.08.2018 12:58 Uhr Modulbeschreibung #40412/6 Seite 1 von 2
Prüfungsbeschreibung:Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.
Signalprozessor-Labor:- Beurteilte Laborarbeit: Geprüft wird der Entwurf, die Planung und die Umsetzung des selbstdefinierten Projekts zur Entwicklung einesSystems oder eines Gerätes zur digitalen Signalverarbeitung auf der Basis eines DSP- Entwicklungsboards.- Präsentation: Geprüft wird die Qualität der Präsentation hinsichtlich der inhaltlichen und formalen Qualität der Folien sowie desVortragsstils.- Dokumentation: Geprüft wird die ausführliche Projektdokumentation in der die Projektergebnisse festgehalten werden
Neuronale Netze:- Schriftliche Ausarbeitung: Geprüft wird die Qualität der schriftlichen Ausarbeitung zum erarbeiteten Thema.- Präsentationtion: Geprüft wird die Qualität der Präsentation der Ausarbeitung des gewählten Themas hinsichtlich der Qualität der Folienund des Vortragstils.- Beurteilte Laborarbeit: Geprüft wird die Qualtität und Quantität der Teilnahme am Diskurs zu den vorgestellten Themen.
Ausgewählte Themen zu Elektronik u. Signalverarbeitung- Schriftliche Ausarbeitung: Geprüft wird die Qualität der schriftlichen Ausarbeitung zum gewählten Thema.- Präsentation: Geprüft wird die Qualität der Präsentation der Ausarbeitung des gewählten Themas hinsichtlich der Qualität der Folien unddes Vortragstils.- Protokollierte praktische Leistung: Geprüft wird die Qualität der praktischen Umsetzung des gewählten Themas sowie die zugehörigeDokumentation.
Mixed-Signal-Baugruppen:- Protokollierte praktische Leistung: Geprüft wird die Fachliche Qualität der Mitarbeit im Rahmen der Projektdurchführung - von der erstenEntwurfsidee, über Literaturrecherche und Realisierung, bis hin zum Debugging der Schaltung.- Dokumentation: Geprüft wird die ausführliche technische Dokumentation zur realisierten Schaltung. Diese soll alle Design-Entscheidungen, die Vorgehensweise und Ergebnisse, gegebenenfalls inklusive Begründung unerwarteter Resultate, dokumentieren.- Präsentation: Geprüft wird die fachliche und rhetorische Qualität des Kurzvortrags (~5-10 Minuten) zu einem Teilbereich der entworfenenSchaltung, im Rahmen einer fachgebiets-internen Präsentation.
Signalverarbeitung:- Klausur Signalverarbeitung (VL+IV): Geprüft wird der Inhalt der Vorlesung und der Integrierten Veranstaltung Signalverarbeitungin Formeiner schriftlichen Prüfung.
Medizinelektronik:- Klausur Medizinelektronik (VL): Geprüft wird der Inhalt der Vorlesung Medizinelektronik in Form einer schriftlichen Prüfung.- Klausur Medizinelektronik (IV): Geprüft wird der Inhalt der Integrierten Veranstaltung Medizinelektronik in Form einer schriftlichenPrüfung.
Praktikum Digitale Systeme (Mikrocontroller-Labor):- Beurteilte Laborarbeit: Geprüft wird der Entwurf, die Planung und die Umsetzung des selbstdefinierten Projekts zur Entwicklung einesSystems der Basis eines Mikrocontroller- Entwicklungsboards.- Präsentation: Geprüft wird die Qualität der Präsentation hinsichtlich der inhaltlichen und formalen Qualität der Folien sowie desVortragsstils.- Dokumentation: Geprüft wird die ausführliche Projektdokumentation in der die Projektergebnisse festgehalten werden.
Signalverarbeitung (Signalprozessor-Labor):- Beurteilte Laborarbeit: Geprüft wird der Entwurf, die Planung und die Umsetzung des selbstdefinierten Projekts zur Entwicklung einesSystems der Basis eines Mikrocontroller- Entwicklungsboards.- Präsentation: Geprüft wird die Qualität der Präsentation hinsichtlich der inhaltlichen und formalen Qualität der Folien sowie desVortragsstils.- Dokumentation: Geprüft wird die ausführliche Projektdokumentation in der die Projektergebnisse festgehalten werden.
Prüfungselemente Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Beurteilte Laborarbeit (Mixed-Signal-Baugruppen)
flexibel 35 15 Termine
(Ergebnisprüfung) Dokumentation (Ausgewählte Themen zuElektronik u. Signalverarbeitung)
flexibel 10 20 Seiten
(Ergebnisprüfung) Dokumentation (Mixed-Signal-Baugruppen)
flexibel 8 Gruppenarbeit 40-60 Seiten
(Ergebnisprüfung) Dokumentation (Praktikum DigitaleSysteme)
flexibel 10 Gruppenarbeit 40-60 SeitenProtokoll
(Ergebnisprüfung) Dokumentation (Signalprozessor-Labor) flexibel 20 Gruppenarbeit 40-60 SeitenProtokoll
(Ergebnisprüfung) Präsentation (Ausgewählte Themen zuElektronik u. Signalverarbeitung)
flexibel 5 12 Minuten
(Ergebnisprüfung) Präsentation (Mixed-Signal-Baugruppen) flexibel 7 20 Minuten(Ergebnisprüfung) Präsentation (Neuronale Netze) flexibel 10 20 Minuten(Ergebnisprüfung) Präsentation (Praktikum DigitaleSysteme)
flexibel 5 20 Minuten
(Ergebnisprüfung) Präsentation (Signalprozessor-Labor) flexibel 10 20 Minuten(Ergebnisprüfung) Schriftliche Ausarbeitung (NeuronaleNetze)
flexibel 10 10 Seiten
(Ergebnisprüfung) Schriftliche Prüfung (MedizinelektronikVL)
flexibel 25 60 Minuten
(Ergebnsiprüfung) Schriftliche Prüfung (SignalverarbeitungVL + IV)
schriftlich 50 90 Minuten
(Lernprozessevaluation) Beurteilte Laborarbeit (AusgewählteThemen zu Elektronik u. Signalverarbeitung)
flexibel 10 15 Termine
(Lernprozessevaluation) Beurteilte Laborarbeit (NeuronaleNetze)
flexibel 5 15 Termine
(Lernprozessevaluation) Beurteilte Laborarbeit (PraktikumDigitale Systeme)
flexibel 10 15 Termine
(Lernprozessevaluation) Beurteilte Laborarbeit(Signalprozessor-Labor)
flexibel 20 15 Termine
27.08.2018 12:58 Uhr Modulbeschreibung #40412/6 Seite 2 von 2
Learning Outcomes Participants learn basic concepts, their theoretical foundation, and the most common algorithms used in digital image processing. Aftercompleting the module, participants understand strengths and limitations of different methods, are able to correctly and successfully applymethods and algorithms to real world problems, and are aware of performance criteria. More specifically, participants will be able to demonstrate 1) Knowledge of theory and methods of signal processing2) Application to problems of image enhancement and image restoration3) Understanding regarding concepts of feature extraction
Requirements for participation and examination Desirable prerequisites for participation in the courses: none
Mandatory requirements for the module test application: No information
Module completion
Digital Image Processing
Module title:
Digital Image Processing
Credits:
6
Responsible person:
Hellwich, Olaf
Office:
MAR 6-5
Contact person:
Dennert, Marion
Website:
http://www.cv.tu-berlin.de/
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language: Duration/Extent:graded Written exam English 90 minutes
27.08.2018 12:58 Uhr Modulbeschreibung #40414/6 Seite 1 von 1
Learning Outcomes Students who have successfully finished this module know the most important basic algorithms for distributed systems and their respectiveproperties. They know typical structures of distributed algorithms and can evaluate the complexity, scalability and fault tolerance properties.The students can apply their knowledge for selecting appropriate algorithms while designing distributed systems.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Basic skills in distributed systems. Sufficient knowledge about the contents of both courses "Systemprogrammierung" and "Rechnernetzeund verteilte Systeme"or both courses "Technische Grundlagen der Informatik für Wirtschaftsinformatiker" and "Programmierpraktikum".
Mandatory requirements for the module test application:
Module completion
Distributed Algorithms
Module title:
Distributed Algorithms
Credits:
6
Responsible person:
Hauswirth, Manfred
Office:
HFT 3
Contact person:
Le Phuoc, Danh
Website:
http://www.ods.tu-berlin.de
Display language:
Englisch
E-mail address:
1.) [KBS] Distributed Algorithms Assignments
Grading: Type of exam: Language: Duration/Extent:graded Written exam English 90 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40415/6 Seite 1 von 1
Lernergebnisse Werkzeug-Kompetenz im Umgang mit dem Theorembeweiser Isabelle/HOL.Grundverständnis bei der Erstellung mechanisch formalisierbarer Beweise.Kompetenz bei der konkreten Umsetzung von informallen Beweisideen in Isabelle-Code.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Grundkenntnisse in Formaler Logik, Kenntnisse und Kompetenzen im Führen von Beweisen.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Introduction into Interactive Theorem Proving
Titel des Moduls:
Introduction into Interactive Theorem Proving
Einführung in das interaktive Theorembeweisen
Leistungspunkte:
3
Verantwortliche Person:
Nestmann, Uwe
Sekretariat:
TEL 7-2
Ansprechpartner:
Peters, Kirstin
Webseite:
http://www.mtv.tu-berlin.de/menue/lehre/module/isabellelab/
Anzeigesprache:
Deutsch/Englisch
E-Mailadresse:
Benotung: Prüfungsform: Sprache: Dauer/Umfang:benotet Mündliche Prüfung Deutsch/Englisch 30-40 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40416/3 Seite 1 von 1
Learning Outcomes Students who have successfully finished this module have an advanced knowledge of operating systems for embedded systems. They areaware of the specific design aspects (like realtime behavior, energy consumption, schedulability, fault tolerance) and know of theirinterdependencies.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Basic (undergraduate) course on operating systems is required to follow the lectures.
Mandatory requirements for the module test application: No information
Module completion
Embedded Operating Systems
Module title:
Embedded Operating Systems
Credits:
6
Responsible person:
Heiß, Hans-Ulrich
Office:
EN 6
Contact person:
No information
Website:
http://www.kbs.tu-berlin.de/
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language: Duration/Extent:graded Oral exam English 30 minutes
27.08.2018 12:58 Uhr Modulbeschreibung #40440/3 Seite 1 von 1
Learning Outcomes No information
Requirements for participation and examination Desirable prerequisites for participation in the courses: Prerequisites:• knowledge equivalent to the "Software Security" lecture• familiarity with Unix/Linux operating system primitives (e.g. using a command line) Recommended additional skills:• basic networking concepts and tools (DNS, DHCP, NAT, ...)• low-level programming concepts (pointers, registers, stack vs. heap, ...)• basic concepts of cryptography In order to complete the assignments, each participant needs at least one computer with administrator privileges (i.e. being able to log intouniversity computers is insufficient) preferrably running Linux. It is possible to complete the tasks while using Windows or MacOS as well,but the teaching staff cannot provide guidance on those operating systems.
Mandatory requirements for the module test application: No information
Module completion
Embedded Systems Security Lab
Module title:
Embedded Systems Security Lab
Credits:
6
Responsible person:
Seifert, Jean-Pierre
Office:
TEL 17
Contact person:
Nordholz, Jan Christoph
Website:
http://www.isti.tu-berlin.de/security_in_telecommunications/menue/teaching/courses/security_lab/
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points per elementEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:• (Practical Course) 6 practical assignments
Test elements Categorie Weight Duration/Extent(deliverable assessment) 1 assignment (group work) practical 1 2 weeks(deliverable assessment) 5 assignments (individual work) practical 5 2 weeks each
27.08.2018 12:58 Uhr Modulbeschreibung #40441/4 Seite 1 von 1
Learning Outcomes As part of a large system development project the students get the opportunity to systematically analyse, model and develop (problem-oriented) a solution for a hot topic in information management. They are able to operate as a team member and are responsible for projectorganization, quality assurance and documentation. Overall, the quality of the solution and the development should be done throughtheoretical analysis, systematic experiments and tests.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Entrance requirement for the project is the successful completion of the module DBT - Database Technology (or equivalent).
Mandatory requirements for the module test application: No information
Module completion
IMPRO - Project Hot Topics in Information Management
Module title:
IMPRO - Project Hot Topics in Information Management
Credits:
6
Responsible person:
Markl, Volker
Office:
EN 7
Contact person:
Hemsen, Holmer
Website:
http://www.dima.tu-berlin.de
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:The final grade according to § 47 (2) AllgStuPO will be calculated with the faculty grading table 2.(Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.)
Test elements Categorie Points Duration/Extent(Deliverable assessment) final presentation oral 10 20 minutes(Learning process review) presentation of project poster oral 10 about 20 minutes(Learning process review) active collaboration in projectteam work (incl. adherence to the scheduled progress plan)
practical 10 about 20h
(Deliverable assessment) final project report written 10 about 15h / 15 pages(Deliverable assessment) modelling and development of theprototype (incl. test cases)
practical 50 about 50h
(Deliverable assessment) documentation written 10 about 15h
27.08.2018 12:58 Uhr Modulbeschreibung #40490/3 Seite 1 von 1
Learning Outcomes In this course you will learn to systematically analyze a current issue in the information managementarea and to develop and implement a problem-oriented solution as part of a team. You will learn tocooperate as team member and to contribute to project organization, quality assurance and documentation. The quality of your solution hasto be proven through analysis, systematic experiments and test cases. Examples of IMPRO projects carried out in recent semesters are atool used to analyse Web 2.0 Forum data, an online multiplayer game for mobile phones, implementation and analysis of new join methodsfor a cloud computing platform or the development of data mining operations on the massively parallel system Hadoop as part of theApache open source project Mahout.After the course, students will be able to understand methods for large scale data analytics and tosolve large scale data analytics problems. They will be capable of designing and implementing largescale data analytics solutions in a collaborative team.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Knowledge from the complete Bachelor program (Informatik or Technische Informatik) is required, aswell as linear algebra and statistics. Depending on the topic, additional prerequisites may be required, e.g. „DBT - Database Technology" Solid programming skills in at least one of the following programming languages: Java, C++, Scala, Python.Basic knowledge in functional programming.Basic knowledge in distributed source control management systems (Git, Mercurial) and software processes like Scrum.
Mandatory requirements for the module test application: No information
Module completion
BDAPRO - Big Data Analytics Project
Module title:
BDAPRO - Big Data Analytics Project
Credits:
9
Responsible person:
Markl, Volker
Office:
EN 7
Contact person:
Alexandrov, Alexander
Website:
http://www.dima.tu-berlin.de
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:The overall grade for the module consists of the results of the course work ('portfolio exam'). The following are included in the final grade:1. Prototype with test cases and documentation (30p.)2. Experiment design and execution (20p.)3. Intermediate presentation (10p.)4. Experiments analysis (20p.)5. Final presentation (20p.)
The final grade according to § 47 (2) AllgStuPO will be calculated with the faculty grading table 2.(Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.)
Test elements Categorie Points Duration/Extent(Deliverable assessment) Final presentation oral 20 about 20 minutes(Deliverable assessment) Intermediate presentation oral 10 about 10-15 minutes(Learning process review) Experiment design and execution practical 20 about 30h(Learning process review) Prototype with test cases anddocumentation
practical 30 about 60h
(Deliverable assessment) Experiments analysis practical 20 about 30h
27.08.2018 12:58 Uhr Modulbeschreibung #40494/5 Seite 1 von 1
Lernergebnisse Das Modul vermittelt Überblickswissen und Problembewusstsein im Themenfeld Entwicklungsländerund Technologietransfer. Die Studierenden erwerben- allgemeines Wissen über die gesellschaftliche, wirtschaftliche und kulturelle Situation inEntwicklungsländern.- detaillierte Kenntnisse über die Situation der Informationstechnologie (IT) inEntwicklungsländern und ihre Bedeutung für die Entwicklung eines Landes.- die Fähigkeit zur Analyse eines Entwicklungslandes im Hinblick auf Probleme und Chancen fürden IT-Einsatz und zur Entwicklung von Lösungsansätzen.- ein Problembewusstsein für den Transfer von Technologien in Entwicklungsländer und dieBedeutung von Bildung und Nachhaltigkeit.- Kenntnisse im Bereich der Entwicklungspolitik.- die Fähigkeit, sich interdisziplinär mit einer Thematik zu beschäftigen.- interkulturelle Kompetenz. Das Modul vermittelt überwiegend:Fachkompetenz 30x, Methodenkompetenz 25x, Systemkompetenz 15x, Sozialkompetenz 30x
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Interesse an entwicklungspolitischen Themen
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Informatik und Entwicklungsländer
Titel des Moduls:
Informatik und Entwicklungsländer
Leistungspunkte:
6
Verantwortliche Person:
Peroz, Nazir Ahmad
Sekretariat:
FH 5-2
Ansprechpartner:
Steinbeck, Saskia
Webseite:
http://www.ziik.tu-berlin.de/menue/lehre_und_forschung/
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung Deutsch
Notenschlüssel:Kein Notenschlüssel angegeben...
Prüfungsbeschreibung:Keine Angabe
Prüfungselemente Kategorie Dauer/UmfangMitarbeit in Arbeitsgruppen 20 Keine AngabeVortrag und Diskussionsleitung einer Sitzung 40 Keine Angabeschriftliche Ausarbeitung 40 Keine Angabe
27.08.2018 12:58 Uhr Modulbeschreibung #40498/1 Seite 1 von 1
Lernergebnisse Participants get to know the relevant areas covered by the Information Security Management discipline. They will be trained in differentaspects of the security management process, along with practical exercises covering different topics and methods. This includes theprevailing national and international standards in this field.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Keine Angabe
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Information Security Management
Titel des Moduls:
Information Security Management
Leistungspunkte:
6
Verantwortliche Person:
Heiß, Hans-Ulrich
Sekretariat:
EN 6
Ansprechpartner:
Keine Angabe
Webseite:
http://www.kbs.tu-berlin.de/
Anzeigesprache:
Deutsch/Englisch
E-Mailadresse:
Benotung: Prüfungsform: Sprache: Dauer/Umfang:benotet Schriftliche Prüfung Deutsch/Englisch 90 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40504/7 Seite 1 von 1
Learning Outcomes After completing this moldule, the participants have gained practical experience in designing, implementing, and testing of applications forthe internet of services within a small team and therefore gained significant knowledge and insights within the areas of mobile devices,communication and services, location-based services, cloud computing and digital communities. Furthermore, the participants have gainedimportant knowledge of how to organize and realize IT projects, including controlling, reporting, planning, and communicating with externalpartners.
Requirements for participation and examination Desirable prerequisites for participation in the courses: - Programming skills- Communication skills in english- Autonomous working style- Basic knowledge in the area of the chosen task
Mandatory requirements for the module test application: No information
Module completion
Internet of Services Lab
Module title:
Internet of Services Lab
Credits:
9
Responsible person:
Küpper, Axel
Office:
TEL 19
Contact person:
Grunert, Kai
Website:
http://www.snet.tu-berlin.de/internet-of-services
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:All in all 100 portfolio points can be achieved:
The final grade under the terms of § 47 (2) AllgStuPO is calculated according to the grading scheme no. 2 of faculty IV.
* Practical Implementation: the outcome of the project is assessed. For that the annotated source code, the reusability, the quality and thequantity of the resulting software is evaluated.
* Milestone Presentations: the presentation of the project in front of the whole course is assessed. For that the structure, presentation andlinguistic style, the slide design, the selected topics, the time management and the Q&A session is evaluated.
* Written Report: a written report that contains a description of the project is assessed. For that the structure, the completeness, theevaluation and the scientific working is assessed.
* Process of the Project: the process and progression of the project is assessed in regular meetings with the supervisor. For that theapproach, the project management methods, the motivation, the independent work, the time managment, the task distribution, the teamcollaboration, the communication with the supervisors, the conflict resolution, the self-reflection, the creativity, the application ofknowledge, the clarification of the task and the analytical thinking is assessed.
Test elements Categorie Points Duration/Extent(Ergebnisprüfung) Milestone Presentations oral 25 20 - 30 min(Lernprozessprüfung) Process of the Project practical 25 weekly project work(Ergebnisprüfung) Practical Implementation practical 25 final software product(Ergebnisprüfung) Written Report written 25 25 - 50 pages
27.08.2018 12:58 Uhr Modulbeschreibung #40514/6 Seite 1 von 1
Learning Outcomes Students have a profound knowledge of probabilistic models through independent work on a current field of research with the help ofliterature and independent elaboration of an example application.They are competent in presentating and explaining research topics in a talk.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Vorausgesetzt werden Grundkenntnisse in Mathematik (Lineare Algebra, Analysis, Stochastik) sowie Programmierkenntnisse.
Mandatory requirements for the module test application: No information
Module completion
Introduction to Computational Genomics
Module title:
Introduction to Computational Genomics
Credits:
3
Responsible person:
Opper, Manfred
Office:
MAR 4-2
Contact person:
Ruttor, Andreas
Website:
http://www.ki.tu-berlin.de/menue/lehre
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.
Test elements Categorie Points Duration/Extent(Ergebnisprüfung) Präsentation oral 60 45 Minuten(Ergebnisprüfung) Beispielanwendung practical 40 20 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40516/5 Seite 1 von 1
Learning Outcomes Students who have successfully finished the course will be able to select the right approach and tools to analyze unknown software forsecurity problems. They will be able to assess the significance of their findings and to explain it to a non-expert. The course is principally designed to impart: technical skills 50%, method skills 40%, system skills 0%, social skills 10%.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Programming skills in at least one of the following languages: C, PHP, shell script and experience operating a Linux system are required.Knowledge of a basic/undergrad security lecture is recommended.
Mandatory requirements for the module test application: No information
Module completion
IT Security Lab: Vulnerability Assessment
Module title:
IT Security Lab: Vulnerability Assessment
Credits:
6
Responsible person:
Heiß, Hans-Ulrich
Office:
EN 6
Contact person:
No information
Website:
http://www.kbs.tu-berlin.de/
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:Insgesamt können 100 Portfoliopunkte erreicht werden:• ein Referat (32 Portfoliopunkte),• Programmieraufgabe (große Semesteraufgabe, 32 Portfoliopunkte),• 4 Programmieraufgaben (kleine Aufgaben, je 9 Portfoliopunkte),Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.
Test elements Categorie Points Duration/ExtentProgrammieraufgabe (große Semesteraufgabe) practical 32 10 Stunden4 kleine Programmieraufgaben practical 36 6 StundenReferat oral 32 20 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40520/2 Seite 1 von 1
Learning Outcomes * general understanding of basic principles of acoustics, audio technology and auditive perception* basic knowledge of recording, coding, transmission and playback of speech and audio signals* basic knowledge of room acoustics, electro acoustics and psycho acoustics* basic knowledge of hearing, hearing perception and the human auditory system
Requirements for participation and examination Desirable prerequisites for participation in the courses: Als Voraussetzungen werden Grundkennnisse der Signalverarbeitung und der Physik als hilfreich gesehen, allerdings sind recht geringeKenntnisse ausreichend. Zu beiden Themen wird jeweils ein einführendes Grundlagenkapitel Bestandteil des Kurses sein.
Mandatory requirements for the module test application: No information
Module completion
Communication acoustics
Module title:
Communication acoustics
Credits:
6
Responsible person:
Möller, Sebastian
Office:
TEL 18
Contact person:
Hirsch, Tobias
Website:
http://www.qu.tu-berlin.de/menue/studium_und_lehre/
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language: Duration/Extent:graded Written exam English 90 min
27.08.2018 12:58 Uhr Modulbeschreibung #40526/5 Seite 1 von 1
Learning Outcomes The success of computer and communication systems strongly depends on their performance, typically reflected in the perception ofservice quality. Optimizing system performance, subject to a set of resource and cost constraints, is thus a critical design goal for systemengineers. Performance evaluation allows us to quantify the service delivered by systems as well as the usage of resources. Thus, studentscompleting this module will gain the understanding of basic concepts of performance evaluation of computer communication systems. Theywill become familiar with the basics of analytical, experimental and simulative methods, as well as approaches to experiment planning.Students will also be able to understand application of these methods to computer networks and distributed systems. Finally, they will beable to design and execute performance evaluation and comparison of systems form the performance point of view.
Requirements for participation and examination Desirable prerequisites for participation in the courses: BSc module „Kommunikationsnetze” or similar knowledge is required.
Mandatory requirements for the module test application: No information
Module completion
Performance Evaluation of Computer Communication Systems
Module title:
Performance Evaluation of Computer Communication Systems
Credits:
6
Responsible person:
Zubow, Anatolij
Office:
FT 5
Contact person:
Zubow, Anatolij
Website:
http://www.tkn.tu-berlin.de/?108248#kstkn
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:In total 100 Portfolio points can be obtained. The final module grade will be given according to the §47 (2) AllgStuPO, using grade scheme(Notenschlüssel) 2 of Faculty IV. The individual grades will be obtained as specified in the table below.
Test elements Categorie Points Duration/Extent(Deliverable assessment) Project work/ report practical 20 20h/ ~20 Seiten(Examination) Oral consultation oral 65 30min(Learning process review) Project presentation/ discussion oral 15 30min
27.08.2018 12:58 Uhr Modulbeschreibung #40533/8 Seite 1 von 1
Lernergebnisse Die Studierenden kennen die theoretischen Grundlagen des Entwurfs und der Verifikation reaktiver Systeme und die zugrundeliegendenMethoden aus der Automatentheorie, der Spieltheorie und der Logik. Sie sind in der Lage, die Zusammenhänge zwischen den einzelnenGebieten zu verstehen und anzuwenden.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Alle für Veranstaltungen relevanten Begriffe werden neu eingeführt, es wird also kein spezifisches Basiswissen vorausgesetzt. Es wäreallerdings empfehlenswert, wenn Teilnehmer und Teilnehmerinnen über Kenntnisse der theoretischen Informatik verfügen, wie sie etwa inden Bachelor-Modulen "Grundlagen und algebraische Strukturen", "Berechenbarkeit und Kompexität", "Logiken und Kalküle", Spezifikationund Semantik" vermittelt werden.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Logik, Spiele, Automaten
Titel des Moduls:
Logik, Spiele, Automaten
Leistungspunkte:
9
Verantwortliche Person:
Kreutzer, Stephan
Sekretariat:
TEL 7-3
Ansprechpartner:
Pilz, Jana
Webseite:
Keine Angabe
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache: Dauer/Umfang:benotet Mündliche Prüfung Deutsch 30 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40545/2 Seite 1 von 1
Learning Outcomes Participants should learn basic concepts, their theoretical foundation, and the most common algorithms used in machine learning andartificial intelligence. After completing the module, participants should understand strengths and limitations of the different paradigms,should be able to correctly and successfully apply methods and algorithms to real world problems, should be aware of performance criteria,and should be able to critically evaluate results obtained with those methods. More specifically, participants should be able to demonstrate: 1) Knowledge of theory and methods of inductive learning2) Application to problems of regression and classification (pattern recognition)3) Understanding regarding basic concepts of neural information processing4) Understanding regarding theoretical foundations to develop new machine learning techniques
Requirements for participation and examination Desirable prerequisites for participation in the courses: Solid Mathematical knowledge (linear algebra, analysis, and probability calculus or statistics; on a level comparable to mathematics coursesfor engineers)Basic programming skills (Python, Matlab, R, or Julia)Good command of the English language
Mandatory requirements for the module test application: No information
Module completion
Machine Intelligence I
Module title:
Machine Intelligence I
Credits:
6
Responsible person:
Obermayer, Klaus
Office:
MAR 5-6
Contact person:
Obermayer, Klaus
Website:
http://www.ni.tu-berlin.de/teaching
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language: Duration/Extent:graded Written exam English 90 min.
27.08.2018 12:58 Uhr Modulbeschreibung #40548/5 Seite 1 von 1
Learning Outcomes Participants should learn basic concepts, their theoretical foundation, and the most common algorithms used in machine learning andartificial intelligence. After completing the module, participants should understand strengths and limitations of the different paradigms,should be able to correctly and successfully apply methods and algorithms to real world problems, should be aware of performance criteria,and should be able to critically evaluate results obtained with those methods. More specifically, participants should be able to demonstrate: 1) Understanding regarding basic concepts of neural information processing2) Knowledge of unsupervised machine learning methods3) Application to problems of statistical modeling, explorative data analysis, and visualisation
Requirements for participation and examination Desirable prerequisites for participation in the courses: Solid Mathematical knowledge (linear algebra, analysis, and probability calculus or statistics; on a level comparable to mathematics coursesfor engineers)Basic programming skills (Python, Matlab, R, or Julia)Good command of the English language
Mandatory requirements for the module test application: No information
Module completion
Machine Intelligence II
Module title:
Machine Intelligence II
Credits:
6
Responsible person:
Obermayer, Klaus
Office:
MAR 5-6
Contact person:
Obermayer, Klaus
Website:
http://www.ni.tu-berlin.de/teaching
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language: Duration/Extent:graded Written exam English 90 min.
27.08.2018 12:58 Uhr Modulbeschreibung #40549/4 Seite 1 von 1
Lernergebnisse Die Studierenden sind in der Lage, eigenständig die wesentlichen Verfahren des maschinellen Lernens auf neuen Daten anzuwenden. Diesumfasst Methoden zur Klassifikation, Regression, Dimensionsreduktion und Clustering. Darüber hinaus vermittelt das Modul dastheoretische Rüstzeug (Wahrscheinlichkeitstheorie, Optimierungstheorie), um Verfahren weiterzuentwickeln und theoretisch zu analysieren.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Programmierkenntnisse, gute Grundlagen in Mathematik, insbesondere Lineare Algebra, Analysis, Wahrscheinlichkeitsrechnung. DiesesModul ist auch für Bachelorstudierende geeignet.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Machine Learning 1
Titel des Moduls:
Machine Learning 1
Maschinelles Lernen 1
Leistungspunkte:
6
Verantwortliche Person:
Müller, Klaus-Robert
Sekretariat:
MAR 4-1
Ansprechpartner:
Keine Angabe
Webseite:
https://wiki.ml.tu-berlin.de/wiki/
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache: Dauer/Umfang:benotet Schriftliche Prüfung Deutsch/Englisch 120 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40550/5 Seite 1 von 1
Lernergebnisse Die Studierenden haben ein vertieftes Wissen über die Anwendung spezifischer Methoden des Maschinellen Lernens (Klassifikation,Regression, Dimensionsreduktion, Clustering) in ausgewählten Anwendungsbereichen (Bioinformatik, Computersicherheit, etc.) undkönnen diese Methoden selbstständig anwenden und weiterentwickeln. Insbesondere sind die Studierenden mit den Aspekten desMaschinellen Lernens vertraut, welche für den praktischen Erfolg entscheidend sind.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Programmierkenntnisse, gute Grundlagen in Mathematik, insbesondere Lineare Algebra, Analysis, Wahrscheinlichkeitsrechnung.Grundlagen des maschinellen Lernens sind ratsam, z.B. Teilnahme am Modul „Maschinelles Lernen 1“, jedoch bei solidem theoretischemVorwissen nicht zwingend erforderlich.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Machine Learning 2
Titel des Moduls:
Machine Learning 2
Maschinelles Lernen 2
Leistungspunkte:
6
Verantwortliche Person:
Müller, Klaus-Robert
Sekretariat:
MAR 4-1
Ansprechpartner:
Keine Angabe
Webseite:
https://wiki.ml.tu-berlin.de/wiki/
Anzeigesprache:
Deutsch/Englisch
E-Mailadresse:
Benotung: Prüfungsform: Sprache: Dauer/Umfang:benotet Schriftliche Prüfung Deutsch/Englisch 120 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40551/4 Seite 1 von 1
Learning Outcomes Students possess knowledge and practical experience in the area of modern, distributed and complex IT systems, focusing on softwaredesign, programming and the implementation of distributed systems. The project work within a team additionally conveys social and projectmanagement skills.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Good programming skills are required.
Mandatory requirements for the module test application: No information
Module completion
Master Project: Distributed Systems
Module title:
Master Project: Distributed Systems
Credits:
9
Responsible person:
Kao, Odej
Office:
EN 59
Contact person:
Kao, Odej
Website:
http://www.cit.tu-berlin.de
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 86.0 82.0 78.0 74.0 70.0 66.0 62.0 58.0 54.0 50.0
Test description:No information
Test elements Categorie Points Duration/ExtentDocumentation written 15 8-12 pagesImplementation practical 60 see Workload DescriptionPresentation oral 25 30 minutes
27.08.2018 12:58 Uhr Modulbeschreibung #40552/7 Seite 1 von 1
Lernergebnisse Kenntnisse ..- .. zur Planung der Entwurfsprozesse von Mikrosystemen ausgehend von der Aufgabenstellung- .. zum Erkennen und Beheben von möglichen Zuverlässigkeitsproblemen u.a. mit Hilfe numerischer Methoden- .. über numerische Feldberechnungen (elektrisch, thermisch, mechanisch)- .. über thermische und mechanische Zuverlässigkeit- .. zu umweltgerechtem Design elektronischer Systeme
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: There are no prerequisites for registration for this module.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Mikrosystemtechnik - Entwurf, Simulation und Zuverlässigkeit
Titel des Moduls:
Mikrosystemtechnik - Entwurf, Simulation und Zuverlässigkeit
Leistungspunkte:
12
Verantwortliche Person:
Lang, Klaus-Dieter
Sekretariat:
TIB 4/2-1
Ansprechpartner:
Plöger, Andrea
Webseite:
http://www.tmp.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
[email protected] /[email protected]
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte pro ElementDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Insgesamt können 100 Portfoliopunkte erreicht werdenIm Rahmen der Lehrveranstaltungen sind jeweils verschiedene Studienleistungen zu erbringen. Ihre Art und Gewichtung inPortfoliopunkten sind in der unten stehenden Tabelle aufgeführt.Die Gesamtnote gemäß §47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.
All together, 100 portfolio points can be achieved.During the courses there are different requirements. The type and weight of the portfoliopoints are described in the following table.
Prüfungselemente Kategorie Gewicht Dauer/UmfangIV High-frequency Measurement Techniques inMicroelectronic Packaging - Ergebnisprüfung - Protokolliertepraktische Leistung
flexibel 30 Keine Angabe
IV High-frequency Measurement Techniques inMicroelectronic Packaging - Lernprozessevaluation -Mündliche Rücksprache
flexibel 20 30 Minuten
IV Zuverlässigkeit von Mikrosystemen -Lernprozessevaluation - Mündliche Rücksprache
flexibel 25 30 Minuten
PR Design, Simulation and Reliability of Microsystems -Ergebnisprüfung - Protokollierte praktische Leistung
praktisch 15 Keine Angabe
PR Design, Simulation and Reliability of Microsystems -Lernprozessevaluation - Mündliche Rücksprache
mündlich 10 30 Minuten
PR Umweltgerechtes Design elektronischer Systeme -Lernprozessevaluation - Mündliche Rücksprache
mündlich 25 30 Minuten
VL (alle weiteren) - Lernprozessevaluation - MündlicheRücksprache
flexibel 25 30 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40565/6 Seite 1 von 1
Learning Outcomes Qualification aim of this module is to impart methods for signal processing, image enhancement, feature extraction and grouping. Thealumni have learned and practiced to use their skills in multifaceted application areas. The exploration of the relations between physicalreality of the environment and data collected with imaging sensors are emphasized, mathematical modells are used for description.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Knowledge from the module “Optical Remote Sensing” is preferable.
Mandatory requirements for the module test application: No information
Module completion
Microwave and Radar Remote Sensing
Module title:
Microwave and Radar Remote Sensing
Credits:
6
Responsible person:
Hellwich, Olaf
Office:
MAR 6-5
Contact person:
Hänsch, Ronny
Website:
http://www.cv.tu-berlin.de
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language: Duration/Extent:graded Written exam English 90 minutes
27.08.2018 12:58 Uhr Modulbeschreibung #40566/5 Seite 1 von 1
Learning Outcomes Students who have successfully finished this module have an overview of current and future services and service infrastructures in theMobile Internet. They have developed an understanding of the special characteristics of mobile networks - compared to fixed infrastructures- and have learned about the benefits of mobile services and the fascinating prospects of emerging areas such as Location-based Servicesand Ubiquitous Computing. However, they are also aware of the problems and limits of mobile service provisioning and know how to copewith these deficiencies when designing them. Furthermore, they have good knowledge of different alternatives of realizing services (forexample, device versus network centric approaches) and an overview of related service platforms, auxiliary functions, and operatingsystems of mobile devices.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Mandatory: basic knowledge of computer science and Internet/network architecturesDesirable: knowledge of distributed systems
Mandatory requirements for the module test application: No information
Module completion
Mobile Services
Module title:
Mobile Services
Credits:
6
Responsible person:
Küpper, Axel
Office:
TEL 19
Contact person:
Rodriguez Garzon, Sandro
Website:
http://www.snet.tu-berlin.de/moses
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language: Duration/Extent:graded Oral exam English 30 min
27.08.2018 12:58 Uhr Modulbeschreibung #40576/4 Seite 1 von 1
Lernergebnisse Absolventinnen und Absolventen dieses Moduls verfügen über Kenntnisse und Fähigkeiten zur formalen Modellierung und formalenAnalyse von verteilten, insbesondere fehlertoleranten Algorithmen. Weiterhin verfügen sie über vertiefte Kenntnisse und Verständnis fürformale Beweise von Korrektheit bzw. Unmöglichkeit der Lösung von verteilten Kommunikations- und Koordinationsproblemen. Sie sind inder Lage, sich die entsprechenden Kenntnisse teilweise selbständig zu erarbeiten und ihre Arbeitsergebnisse mündlich zu präsentieren.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Inhaltlich werden Kenntnisse aus der Theoretischen Informatik zu Diskreten Strukturen, Logik, und Automatentheorie vorausgesetzt.Nützlich wären auch bereits existierende Kenntnisse zu Verteilten Algorithmen (aus dem Angebot der Fachgebiete CIT oder KBS),Nebenläufiger Programmierung (beispielsweise in Java), sowie Prozesskalkülen und Temporaler Logik (Module "Reaktive Systeme" und"Algebraische Prozesskalküle").
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Models and Theory of Distributed Algorithms
Titel des Moduls:
Models and Theory of Distributed Algorithms
Modelle und Theorie Verteilter Algorithmen
Leistungspunkte:
6
Verantwortliche Person:
Nestmann, Uwe
Sekretariat:
TEL 7-2
Ansprechpartner:
Nestmann, Uwe
Webseite:
http://www.mtv.tu-berlin.de/menue/lehre/module/distalgo/
Anzeigesprache:
Deutsch/Englisch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch/Englisch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 86.0 82.0 78.0 74.0 70.0 66.0 62.0 58.0 54.0 50.0
Prüfungsbeschreibung:Keine Angabe
Prüfungselemente Kategorie Punkte Dauer/Umfang(Ergebnisprüfung) Projektbericht als Gruppen-Abgabe schriftlich 30 20-50 Seiten LaTeX(Ergebnisprüfung) Projektbericht als Gruppen-Fortschrittsbericht nach Hausaufgabe
flexibel 20 45 Minuten
(Lernprozessevaluation) Mündliche Rücksprache mündlich 50 30-40 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40578/5 Seite 1 von 1
Lernergebnisse Die Studierenden haben ein Verständnis der im Gehirn auf verschiedenen Skalen ablaufenden Prozesse. Massgeblich wird hierbei dasAnwenden mathematischer und informatischer Methoden zur Untersuchung und Charakterisierung der neurophysiologischen Prozessevermittelt.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: gute Programmierkenntnisse und mathematische Kenntnisse aus linearer Algebra, Analysis, Warscheinlichkeitstheorie, Statistik undTheorie dynmischer Systeme. mathematical prerequisites: linear algebra, analysis, probability theory, statistics, dynamical systemsgood programming skills
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Abschluss des Moduls
Modelle zur Informationsverarbeitung im Gehirn
Titel des Moduls:
Modelle zur Informationsverarbeitung im Gehirn
Leistungspunkte:
6
Verantwortliche Person:
Obermayer, Klaus
Sekretariat:
MAR 5-6
Ansprechpartner:
Obermayer, Klaus
Webseite:
http://www.ni.tu-berlin.de/teaching/
Anzeigesprache:
Deutsch
E-Mailadresse:
1.) [NI] Modelle zur Informationsverarbeitung im Gehirn - Hausaufgabe
Benotung: Prüfungsform: Sprache: Dauer/Umfang:benotet Mündliche Prüfung Deutsch 60 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40579/4 Seite 1 von 1
Learning Outcomes The students get to know new methods and current applications in artificial intelligence and machine learning. They know and understandthe current literature in this field and are able to present their knowledge in a talk.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Vorausgesetzt werden Grundkenntnisse in Mathematik (Lineare Algebra, Analysis, Stochastik) sowie Programmierkenntnisse.
Mandatory requirements for the module test application: No information
Module completion
Monte Carlo Methods in Machine Learning and Artificial Intelligence
Module title:
Monte Carlo Methods in Machine Learning and Artificial Intelligence
Credits:
6
Responsible person:
Opper, Manfred
Office:
MAR 4-2
Contact person:
No information
Website:
http://www.ki.tu-berlin.de/menue/lehre
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.
Test elements Categorie Points Duration/Extent(Ergebnisprüfung) Inhalt des Vortrags (Theorie undResultate der Projekte)
oral 70 1Stunde
(Ergebnisprüfung) Darstellung (Vortragsgestaltung) oral 30 30 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40584/5 Seite 1 von 1
Lernergebnisse -
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: An introductory course on computer architecture (e.g. TechGI 2 or Rechnerorganisation), good programming skills, preferably in C/C++.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Multicore Systems
Titel des Moduls:
Multicore Systems
Mehrkernsysteme
Leistungspunkte:
6
Verantwortliche Person:
Juurlink, Bernardus
Sekretariat:
EN 12
Ansprechpartner:
Juurlink, Bernardus
Webseite:
http://www.aes.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Keine Angabe
Prüfungselemente Kategorie Punkte Dauer/Umfang(Deliverable assessment) 5 assignments (weighted 15, 12,10, 8 and 5 points)
schriftlich 50 jeweils 3 Wochen
(Examination) Final Test schriftlich 50 90 min
27.08.2018 12:58 Uhr Modulbeschreibung #40585/5 Seite 1 von 1
Lernergebnisse Students gain:- Understanding of “Usabiliy” as interdisciplinary research and application field during the development of information and communicationtechnologies- Knowledge of the realisation of human-computer interfaces- Application of this knowledge in the design cycle of technical systems- Hands-on practicing of the learned skills evaluating the quality and usability of selected technical systems.- Presenting and transferring the learned skills to others
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Grundlegende Kenntnisse in der Programmierung.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Multimodal Interaction
Titel des Moduls:
Multimodal Interaction
Leistungspunkte:
6
Verantwortliche Person:
Möller, Sebastian
Sekretariat:
TEL 18
Ansprechpartner:
Hirsch, Tobias
Webseite:
http://www.qu.tu-berlin.de/menue/studium_und_lehre/
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch/Englisch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Schriftliche Prüfungen: Geprüft wird der Inhalt der Vorlesung Multimodale Interaktion bis zum Zeitpunkt des jeweiligen Prüfungstermins.Dazu werden im Semester zwei schriftliche Prüfungen zu je 45 Minuten durchgeführt.
Programmier-Hausaufgabe: Es muss eine multimodale App programmiert werden, die in vier aufeinander aufbauenden Abschnittenimplementiert wird. Das Ergebnis (Code und Binary) jeden Abschnitts muss als Hauaufgabe abgegeben werden. Nach der Abgabefristwird jeweils eine Musterlösung zur Verfügung gestellt.
Prüfungselemente Kategorie Punkte Dauer/Umfang(Ergebnisprüfung) 4 Programmier-Hausaufgaben je 10Stunden à 10 Punkte
praktisch 40 40 Stunden
(Punktuelle Leistungsabfrage) 2 schriftliche Prüfungen je 45min à 30 Punkte
flexibel 60 90 min
27.08.2018 12:58 Uhr Modulbeschreibung #40586/7 Seite 1 von 1
Lernergebnisse Die Studierenden sind in der Lage Probleme mit Hilfe von verschiedenen Arten von Neuronalen Netzen zu lösen. Zudem sind sie in derLage, sich selbstständig Wissen zu komplexen Themengebieten anzueignen und für die Arbeitsgruppe aufzubereiten, zu präsentieren undzu diskutieren. In Praxisterminen haben sie darüber hinaus wesentliche Hilfsmittel für die Implementation und Analyse von verschiedenenNeuronalen Netzen kennengelernt.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Bachelor Elektrotechnik, Technische Informatik oder ähnliche Abschlüsse einer Universität.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Neuronale Netze
Titel des Moduls:
Neuronale Netze
Leistungspunkte:
3
Verantwortliche Person:
Orglmeister, Reinhold
Sekretariat:
EN 3
Ansprechpartner:
Klum, Michael
Webseite:
http://www.emsp.tu-berlin.de/menue/studium_und_lehre/neuronale_netze/
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:- Schriftliche Ausarbeitung: Geprüft wird die Qualität der schriftlichen Ausarbeitung zum erarbeiteten Thema.- Präsentationtion: Geprüft wird die Qualität der Präsentation der Ausarbeitung des gewählten Themas hinsichtlich der Qualität der Folienund des Vortragstils.- Beurteilte Laborarbeit: Geprüft wird die Qualtität der Teilnahme am Diskurs zu den vorgestellten Themen.
Prüfungselemente Kategorie Punkte Dauer/Umfang(Ergebnisprüfung) Präsentation mündlich 40 20 Minuten(Ergebnisprüfung) Schriftliche Ausarbeitung schriftlich 40 10 Seiten(Lernprozessevaluation) Beurteilte Laborarbeit mündlich 20 15 Termine
27.08.2018 12:58 Uhr Modulbeschreibung #40608/5 Seite 1 von 1
Learning Outcomes The module imparts primarily professional and methodological expertise in analyzing remote sensing data. The exploration of the contextbetween physical reality of the environment and data collected with imaging sensors are in the foreground. Mathematical modells are usedfor description. Data analysis, e.g. object extraction, is conducted with methods of the automatic image analysis. Remote sensing isconceived as an electronical-physically motivated area of computer vision. Interdisciplinary application of the contents are demonstratedusing various illustrative examples from e.g. manufacturing industries to geography, medicine and social sciences.
Requirements for participation and examination Desirable prerequisites for participation in the courses: none
Mandatory requirements for the module test application: No information
Module completion
Optical Remote Sensing
Module title:
Optical Remote Sensing
Credits:
6
Responsible person:
Hellwich, Olaf
Office:
MAR 6-5
Contact person:
Dennert, Marion
Website:
http://www.cv.tu-berlin.de/
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language: Duration/Extent:graded Written exam English 90 minutes
27.08.2018 12:58 Uhr Modulbeschreibung #40621/5 Seite 1 von 1
Learning Outcomes The course deals with mathematic-physical modelling of a sensor by using the photographic camera as example. The modelling iscompletely expressed by algebraic projective geometry. Not only studying object reconstruction using image data of a multifaceted sensor,but and first of all the complete modelling of technically relevant issues in a homogeneous mathematical framework is important in thiscourse. This framework is also used for 3D-computer graphics. Interdisciplinary application of the contents are demonstrated using variousillustrative examples from e.g. manufacturing industries to geography, medicine and social sciences.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Modul 20363 (Lineare Algebra für Ingenieurwissenschaften)
Mandatory requirements for the module test application: No information
Module completion
Photogrammetric Computer Vision
Module title:
Photogrammetric Computer Vision
Credits:
6
Responsible person:
Hellwich, Olaf
Office:
MAR 6-5
Contact person:
Dennert, Marion
Website:
http://www.cv.tu-berlin.de/
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language: Duration/Extent:graded Written exam English 90 minutes
27.08.2018 12:58 Uhr Modulbeschreibung #40628/5 Seite 1 von 1
Learning Outcomes Students are able to implement and apply the core machine learning algorithms and analyze their performance on appropriate toy datasets.They further have a broad overview of current methods, their applications and limits.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Programmierkenntnisse, Teilnahme am Modul „Maschinelles Lernen 1“ oder „Maschinelles Lernen 2“ ist wünschenswert.
Mandatory requirements for the module test application: No information
Module completion
Machine Learning Lab Course
Module title:
Machine Learning Lab Course
Credits:
9
Responsible person:
Müller, Klaus-Robert
Office:
MAR 4-1
Contact person:
No information
Website:
http://ml.tu-berlin.de
Display language:
Englisch
E-mail address:
No information
Grading: Type of exam: Language: Duration/Extent:graded Oral exam English 20min
27.08.2018 12:58 Uhr Modulbeschreibung #40635/2 Seite 1 von 1
Learning Outcomes Students understand basic concepts of statistical modelling in ai and ml, know the most important models and applications and have thecompetence to understand current literature. Students are able to estimate the efficiency of the methods and use them on problems in application domains or find new models
Requirements for participation and examination Desirable prerequisites for participation in the courses: Vorausgesetzt werden Grundkenntnisse in Mathematik (Lineare Algebra, Analysis, Stochastik) sowie Programmierkenntnisse.
Mandatory requirements for the module test application: No information
Module completion
Probabilistic and Bayesian Modelling in ML and AI
Module title:
Probabilistic and Bayesian Modelling in ML and AI
Credits:
6
Responsible person:
Opper, Manfred
Office:
MAR 4-2
Contact person:
Lippke, Cordula
Website:
http://www.ki.tu-berlin.de/menue/lehre
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language: Duration/Extent:graded Written exam English 90 minutes
27.08.2018 12:58 Uhr Modulbeschreibung #40638/5 Seite 1 von 1
Lernergebnisse Die Studierenden sind in der Lage, eine komplexere Fragestellung aus den Bereichen maschinelles Lernen oder neuronaleInformationsverarbeitung selbstständig zu bearbeiten und die Resultate anschließend zu präsentieren.Die Fähigkeiten umfassen: Literaturarbeit, Präzisierung der vorgegebenen Fragestellung, Planung, Durchführung und Bewertung derwissenschaftlichen Arbeit, adäquate Präsentation und Diskussion der erzielten Resultate (Vortrag, Poster & schriftliche Ausarbeitung).
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Keine Angabe
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Projekt Neuronale Informationsverarbeitung
Titel des Moduls:
Projekt Neuronale Informationsverarbeitung
Leistungspunkte:
9
Verantwortliche Person:
Obermayer, Klaus
Sekretariat:
MAR 5-6
Ansprechpartner:
Obermayer, Klaus
Webseite:
http://www.ni.tu-berlin.de/teaching/
Anzeigesprache:
Deutsch/Englisch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch/Englisch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.
Prüfungselemente Kategorie Punkte Dauer/UmfangWissenschaftliche Arbeit praktisch 25 170 StundenSeminarvortrag mündlich 20 30 MinutenSchriftliche Ausarbeitung schriftlich 15 6 StundenPosterpräsentation mündlich 20 30 MinutenProjektbericht schriftlich 20 37 Stunden
27.08.2018 12:58 Uhr Modulbeschreibung #40654/3 Seite 1 von 1
Lernergebnisse Students are able to work on complex questions in the field of statistical methods in ai and ml and present the results properly.The abilities involve: working with literature, precision of specified questions, planning, execution and evaluation of scientific work,presentation and discussion of obtains results.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: ---
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Projects in Machine Learning and Artificial Intelligence
Titel des Moduls:
Projects in Machine Learning and Artificial Intelligence
Projekte im Maschinellen Lernen und Künstlicher Intelligenz
Leistungspunkte:
9
Verantwortliche Person:
Opper, Manfred
Sekretariat:
MAR 4-2
Ansprechpartner:
Ruttor, Andreas
Webseite:
http://www.ki.tu-berlin.de/menue/lehre
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch/Englisch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.
Prüfungselemente Kategorie Punkte Dauer/Umfang(Ergebnisprüfung) Projektbericht schriftlich 60 3 Std.(Ergebnisprüfung) Seminarvortrag mündlich 40 45 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40657/5 Seite 1 von 1
Lernergebnisse Students gain- Understanding of “Usability” as inter-disciplinary research and application area in the development of information and communicationtechnologies- Fundamental knowledge of multimodal human-computer interaction- Knowledge of the implementation of human-computer interfaces- Knowledge of methods for measuring quality and usability- Presentation of knowledge to an audience
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Basic knowledge in information and communication technologies is recommended.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Quality & Usability
Titel des Moduls:
Quality & Usability
Leistungspunkte:
3
Verantwortliche Person:
Möller, Sebastian
Sekretariat:
TEL 18
Ansprechpartner:
Hirsch, Tobias
Webseite:
http://www.qu.tu-berlin.de/menue/studium_und_lehre/
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Hausaufgaben: Praktische Aufgaben abhängig vom Thema des Seminars.
Präsentation: Der Vortrag soll einen Aspekt des Seminarthemas vorstellen. Bewertet werden inhaltliche Korrektheit, Stil und Einhaltungder formalen Regeln eines Vortrags.
Schriftliche Ausarbeitung: Das Vortragsthema wird, angelehnt an die Form eines Konferenzbeitrags, zusammengefasst dargestellt.
Prüfungselemente Kategorie Punkte Dauer/Umfang(Ergebnisprüfung) 6 Hausaufgaben à 3 Punkte schriftlich 18 ca. 2 h pro Hausaufgabe(Ergebnisprüfung) Präsentation mündlich 52 30 min(Ergebnisprüfung) Schriftliche Ausarbeitung schriftlich 30 2-3 Seiten
27.08.2018 12:58 Uhr Modulbeschreibung #40661/7 Seite 1 von 1
Learning Outcomes Graduates of this module are able to master methods and techniques with which the quality of embedded systems can be systematicallyensured, in particular computer-aided verification and test automation techniques. They have knowledge about existing techniques andknow how to apply them.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Knowledge from bachelor modules in Computer Science/Technical Computer Science or the like. Recommended are basic skills in softwareengineering for embedded systems.
Mandatory requirements for the module test application:
Module completion
Quality Assurance of Embedded Systems
Module title:
Quality Assurance of Embedded Systems
Credits:
6
Responsible person:
Glesner, Sabine
Office:
TEL 12-4
Contact person:
Herber, Paula
Website:
No information
Display language:
Englisch
E-mail address:
1.) [PES] 2 bestandene Tests
Grading: Type of exam: Language: Duration/Extent:graded Oral exam English 20 - 30 min
27.08.2018 12:58 Uhr Modulbeschreibung #40662/4 Seite 1 von 1
Learning Outcomes Participants of this module know fundamental randomized methods for design and analysis of efficient algorithms. They can perform simpleprobabilistic analyses and are aware of the limitations of randomization.
Requirements for participation and examination Desirable prerequisites for participation in the courses: obligatory: Basic knowledge of algorithm design and analysis
Mandatory requirements for the module test application: No information
Module completion
Randomized Algorithms
Module title:
Randomized Algorithms
Credits:
6
Responsible person:
Niedermeier, Rolf
Office:
TEL 5-1
Contact person:
Thielcke, Christlinde
Website:
http://www.akt.tu-berlin.de/menue/teaching
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language: Duration/Extent:graded Oral exam English 30 min
27.08.2018 12:58 Uhr Modulbeschreibung #40667/4 Seite 1 von 1
Lernergebnisse Die Studierenden kennen statistische und semantische Verfahren zur Repräsentation und Verarbeitung semantischer Daten und könnendiese einsetzen. Sie kennen Architekturen und Werkzeuge zur Verarbeitung semantischer Wissensquellen. Sie haben einen Einblick in denMarkt und aktuelle Trends im Bereich Linked Data und semantische Suche.Teilnehmer haben praktische Erfahrungen im Themengebiet vertieft und in Teamarbeit aktuelle Methoden erprobt. Sie können diepraktische Relevanz der unterschiedlichen Methoden kritisch reflektieren.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Inhaltlich werden Kenntnisse des Bachelor-Moduls „Information Retrieval Systeme“ vorausgesetzt.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Abschluss des Moduls
Semantic Search
Titel des Moduls:
Semantic Search
Leistungspunkte:
6
Verantwortliche Person:
Albayrak, Sahin
Sekretariat:
TEL 14
Ansprechpartner:
Lommatzsch, Andreas
Webseite:
http://www.aot.tu-berlin.de/index.php?id=2598
Anzeigesprache:
Deutsch
E-Mailadresse:
1.) Übungsaufgaben Modul Semantic Search2.) Ausarbeitung und Vortrag Modul Semantic Search
Benotung: Prüfungsform: Sprache: Dauer/Umfang:benotet Mündliche Prüfung Deutsch 60 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40692/4 Seite 1 von 1
Lernergebnisse Absolventen dieses Moduls kennen statistische und semantische Verfahren zur Beschreibung und Analyse großer Datensätze und könnendiese einsetzen, haben wirtschaftliche Einblicke in den Markt der Suchtechnologien bekommen, haben praktische Erfahrungen imThemengebiet vertieft und Teamarbeit erprobt, können die praktische Relevanz der unterschiedlichen Methoden kritisch reflektieren.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Inhaltlich werden Kenntnisse des Bachelor-Moduls „Information Retrieval Systeme" und des Master-Moduls "Semantic Search"vorausgesetzt.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Semantic Search Projekt
Titel des Moduls:
Semantic Search Projekt
Leistungspunkte:
9
Verantwortliche Person:
Albayrak, Sahin
Sekretariat:
TEL 14
Ansprechpartner:
Lommatzsch, Andreas
Webseite:
http://www.aot.tu-berlin.de/index.php?id=2865
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.
Prüfungselemente Kategorie Punkte Dauer/Umfang(Ergebnisprüfung) Dokumentation schriftlich 30 > 10 Seiten(Ergebnisprüfung) Projektergebnisse praktisch 50 13 Wochen(Lernprozessprüfung) mündliche Rücksprache mündlich 20 50 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40693/4 Seite 1 von 1
Learning Outcomes Graduates of this module are able to understand current research papers in the field of embedded systems, software engineering,verification and/or testing and to present their results.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Knowledge from bachelor modules in Computer Science/Technical Computer Science/Software Engineering or the like.
Mandatory requirements for the module test application: No information
Module completion
Seminar Software and Embedded Systems Engineering
Module title:
Seminar Software and Embedded Systems Engineering
Credits:
3
Responsible person:
Glesner, Sabine
Office:
TEL 12-4
Contact person:
Berg, Nils Erik
Website:
http://www.sese.tu-berlin.de/menue/studium_und_lehre/
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:The students have to prepare a written report of 6-9 pages and a presentation. They also have to write reviews of reports of otherstudents. Students also have to contribute to the Question & Answer session of the talks of other participants.
According to § 47 (2) AllgStuPO the final mark is calculated using the grading key 2 of school IV.
Test elements Categorie Points Duration/ExtentReviews written 10 2 pReport written 45 6 -9 pPresentation oral 45 45 min
27.08.2018 12:58 Uhr Modulbeschreibung #40698/5 Seite 1 von 1
Lernergebnisse Die Studierenden beherrschen grundlegende Methoden zum Verständnis und Entwurf signalverarbeitender Systeme.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Bachelor Elektrotechnik, Technische Informatik oder ähnliche Abschlüsse einer Universität.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Signalverarbeitung
Titel des Moduls:
Signalverarbeitung
Leistungspunkte:
6
Verantwortliche Person:
Orglmeister, Reinhold
Sekretariat:
EN 3
Ansprechpartner:
Tigges, Timo
Webseite:
http://www.emsp.tu-berlin.de/menue/studium_und_lehre/signalverarbeitung/
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache: Dauer/Umfang:benotet Schriftliche Prüfung Deutsch 90 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40702/5 Seite 1 von 1
Lernergebnisse Die Studierenden beherrschen nach erfolgreichem Besuch der Veranstaltungen dieses Moduls grundlegende Methoden zur Modellbildungtechnischer Systeme. Ferner haben sie die Kompetenz erworben, selbständig praxisrelevanter Aufgaben mit Hilfe der Simulation zu lösen.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Kenntnisse in der mathematische-technischen Programmiersprache MATLAB®
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Simulation I
Titel des Moduls:
Simulation I
Leistungspunkte:
6
Verantwortliche Person:
Gühmann, Clemens
Sekretariat:
EN 13
Ansprechpartner:
Heinze, Ewa
Webseite:
http://www.mdt.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte pro ElementDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Keine Angabe
Prüfungselemente Kategorie Gewicht Dauer/Umfang(Ergebnisprüfung) Abschlusspräsentation mündlich 5 20 min Vortrag - 10 min
Fragen(Ergebnisprüfung) Entwickelte Hardware/Software praktisch 20 65 Stunden(Ergebnisprüfung) schriftliche Ausarbeitung/Dokumentation schriftlich 20 max. 15 Seiten Inhalt pro
Person(Lernprozessevaluation) Projektplanung praktisch 5 begleitend(punktuelle Leistungsabfrage) Vorlesung - schriftlicher Test schriftlich 50 60 min
27.08.2018 12:58 Uhr Modulbeschreibung #40703/4 Seite 1 von 1
Learning Outcomes Students learn how to develop secure software systems. They will gain knowledge of the basics of Security engineering. There will be focuson distributed (web) applications.
Requirements for participation and examination Desirable prerequisites for participation in the courses: - Basic knowledge in object oriented software development- Programming skills in Java- Basic XML knowledge
Mandatory requirements for the module test application: No information
Module completion
Software Security
Module title:
Software Security
Credits:
6
Responsible person:
Albayrak, Sahin
Office:
TEL 14
Contact person:
Bsufka, Karsten
Website:
http://www.aot.tu-berlin.de/index.php?id=2864
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:Die Gesamtnote gemaß § 47 (2) AllgStuPO wird nach dem Notenschlussel 2 der Fakultat IV ermittelt.
Test elements Categorie Points Duration/Extent(Ergebnisprüfung) 9 Assignments written 25 9 x 2 hours (est.)(Lernprozessprüfung) Oral consultation oral 75 1 hour
27.08.2018 12:58 Uhr Modulbeschreibung #40713/3 Seite 1 von 1
Learning Outcomes This is a Master Degree module on special topics in the area of Communications Network Security and Autonomous Security. Aftercompletion of this module students will have deep understanding of:-state of the art security problems and solutions for communications networks,-security needs of future systems, communications networks and Internet The seminar will enable students to analyse and understand security needs of future communications networks. Students will be able tofollow state of the art research results published in high rank conferances and journals. Module will cover the topics which are not only inthe interest of research institutes and academies but also industries.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Basic understanding in:- Computer Communications Networks and Operating Systems- Network Security and Cryptography- Algorithms
Mandatory requirements for the module test application: No information
Module completion
Special Topics in Communications Networks and Autonomous Security
Module title:
Special Topics in Communications Networks and Autonomous Security
Credits:
3
Responsible person:
Albayrak, Sahin
Office:
TEL 14
Contact person:
Bsufka, Karsten
Website:
http://www.aot.tu-berlin.de/index.php?id=2662
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.
Test elements Categorie Points Duration/Extent(Ergebnisprüfung) Presention: Slides written 10 20 slides(Ergebnisprüfung) Seminar text written 50 10 - 30 pages(Ergebnisprüfung) Presentation: Content practical 30 40 minutes(Ergebnisprüfung) Presentation: Talk oral 10 40 minutes
27.08.2018 12:58 Uhr Modulbeschreibung #40718/4 Seite 1 von 1
Lernergebnisse Students gain- Knowledge in working on specific State-of-the-Art topics in the field of Usability.- Measurement of quality and usability of interactive Systems.- Practical experience in technical realization of human-machine interfaces.- Knowledge of the design and implementation cycle of interactive systems.- Practical proving of the knowledge in quality and usability judgement on selected technical systems.- Presentation of project work.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Keine Angabe
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Study Project Quality & Usability (6 CP)
Titel des Moduls:
Study Project Quality & Usability (6 CP)
Studienprojekt Quality & Usability (6 LP)
Leistungspunkte:
6
Verantwortliche Person:
Möller, Sebastian
Sekretariat:
TEL 18
Ansprechpartner:
Hirsch, Tobias
Webseite:
http://www.qu.tu-berlin.de/menue/studium_und_lehre/modulkatalog/
Anzeigesprache:
Deutsch/Englisch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch/Englisch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:
Präsentation: Die im Projekt erstellten Inhalte werden vorgestellt und erläutert. Die Richtigkeit des Inhalts und der Stil des Vortrags, sowiedie Vollständigkeit der Resultate werden bewertet.
Projektbericht: Der Projektbericht beschreibt detailiert die erzielten Resultate und den Lösungsansatz. Weiterhin stellt er die verwendetenVorarbeiten (Literatur, Softwarebibliotheken etc.) vor. Gegebenfalls enthält der Bericht die Dokumentation zur weiteren Nutzung derResultate (z.B. bei Softwareprojekten).
Prüfungselemente Kategorie Punkte Dauer/Umfang(Deliverable assessment) Presentation mündlich 20 15-30 min(Deliverable assessment) Project Results schriftlich 80 30-40 Seiten als Gruppe
27.08.2018 12:58 Uhr Modulbeschreibung #40725/6 Seite 1 von 1
Lernergebnisse Students gain- Knowledge in working on specific State-of-the-Art topics in the field of Usability.- Measurement of quality and usability of interactive Systems.- Practical experience in technical realization of human-machine interfaces.- Knowledge of the design and implementation cycle of interactive systems.- Practical proving of the knowledge in quality and usability judgement on selected technical systems.- Presentation of project work.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Keine Angabe
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Study Project Quality & Usability (9 CP)
Titel des Moduls:
Study Project Quality & Usability (9 CP)
Studienprojekt Quality & Usability (9 LP)
Leistungspunkte:
9
Verantwortliche Person:
Möller, Sebastian
Sekretariat:
TEL 18
Ansprechpartner:
Hirsch, Tobias
Webseite:
http://www.qu.tu-berlin.de/menue/studium_und_lehre/
Anzeigesprache:
Deutsch/Englisch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch/Englisch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Präsentation: Die im Projekt erstellten Inhalte werden vorgestellt und erläutert. Die Richtigkeit des Inhalts und der Stil des Vortrags, sowiedie Vollständigkeit der Resultate werden bewertet.
Projektbericht: Der Projektbericht beschreibt detailiert die erzielten Resultate und den Lösungsansatz. Weiterhin stellt er die verwendetenVorarbeiten (Literatur, Softwarebibliotheken etc.) vor. Gegebenfalls enthält der Bericht die Dokumentation zur weiteren Nutzung derResultate (z.B. bei Softwareprojekten).
Prüfungselemente Kategorie Punkte Dauer/Umfang(Deliverable assessment) Presentation mündlich 20 30 min(Deliverable assessment) Project Results schriftlich 80 50-60 Seiten als Gruppe
27.08.2018 12:58 Uhr Modulbeschreibung #40726/6 Seite 1 von 1
Lernergebnisse Die Studierenden kennen aktuelle Fragen der Anwendung von Informations- und Kommunikationstechnologien in Entwicklungsländern undkönnen Lösungen unterBerücksichtigung sozialer und entwicklungspolitischer Zusammenhänge selbständig erarbeiten.Ausländische und deutsche Studierende haben in Zusammenarbeit Erfahrungen bei der Herstellungpraktisch verwertbarer Studien, Systemkonzeptionen und Implementierungen gewonnen, die ihrFachstudium ergänzen und zu einem besseren Verständnis der Herausforderungen interkulturellerKooperation und Kommunikation führen. Sie sind in der Lage, Recherchen durchzuführen, diegewonnenen Daten systematisch aufzubereiten und ihre Ergebnisse in angemessener Form schriftlich und mündlich zu präsentieren.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Kenntnisse aus den Bachelor-Modulen Datenbanksysteme II, Modellierung undEntwicklung offener verteilter Systeme, Objektorientierte Softwareentwicklung und Information Rulessowie Kenntnisse aus dem Master Modul Grundlagen der Systemanalyse.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Systementwicklung für ein Entwicklungsland
Titel des Moduls:
Systementwicklung für ein Entwicklungsland
Leistungspunkte:
12
Verantwortliche Person:
Peroz, Nazir Ahmad
Sekretariat:
FH 5-2
Ansprechpartner:
Steinbeck, Saskia
Webseite:
http://www.ziik.tu-berlin.de/menue/lehre_und_forschung/lehrveranstaltungen/
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung Deutsch
Notenschlüssel:Kein Notenschlüssel angegeben...
Prüfungsbeschreibung:Keine Angabe
Prüfungselemente Kategorie Dauer/UmfangEntwicklung eines Systems 20 Keine AngabeMitarbeit und Teamarbeit 30 Keine AngabeProjektdokumentation 30 Keine AngabeVortrag 20 Keine Angabe
27.08.2018 12:58 Uhr Modulbeschreibung #40733/1 Seite 1 von 1
Lernergebnisse Die Studierenden sind nach dem Besuch der Lehrveranstaltungen in der Lage, die wichtigsten Methoden zur Mustererkennung sowie zurmodellgestützten Diagnose anzuwenden und selbständig praxisrelevante Aufgaben zu lösen.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Kenntnisse in der mathematische-technischen Programmiersprache MATLAB®
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Abschluss des Moduls
Technische Diagnose I
Titel des Moduls:
Technische Diagnose I
Leistungspunkte:
6
Verantwortliche Person:
Gühmann, Clemens
Sekretariat:
EN 13
Ansprechpartner:
Beyer, Christine
Webseite:
http://www.mdt.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
1.) [MDV] bestandenes Praktikum Mustererkennung
Benotung: Prüfungsform: Sprache: Dauer/Umfang:benotet Schriftliche Prüfung Deutsch 90 min
27.08.2018 12:58 Uhr Modulbeschreibung #40735/4 Seite 1 von 1
Lernergebnisse Absolventinnen und Absolventen des Moduls sind in der Lage an einem aktuellen Forschungsthema in der Theorie Verteilter Systeme zuarbeiten und in einem Team Ergebnisse zu erzielen, diese zu dokumentieren und in der Forschergemeinde zu präsentieren. Sie sind durchdiesen Prozess in der Lage, die Publizierbarkeit von Ergebnissen besser einschätzen zu können. Sie verstehen, welche Akteure imPublikationsprozess beteiligt sind und wie man daran als Autorenteam teilnimmt.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Inhaltlich werden fundierte (wenngleich nicht alle) Kenntnisse aus den Modulen - Formale Sprachen und Automaten- Diskrete Strukturen- Berechenbarkeit und Komplexität- Logik- Reaktive Systeme des Bachelor Informatik der TU Berlin vorausgesetzt. Kenntnisse des Master Moduls „Algebraic Process Calculi“ sind vorteilhaft. Gute Englisch-Kenntnisse sind notwendig.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Writing and Publishing a Scientific Paper in Concurrency Theory
Titel des Moduls:
Writing and Publishing a Scientific Paper in Concurrency Theory
Schreiben und Publizieren eines wissenschaftlichen Artikels in der TheorieVerteilter Systeme
Leistungspunkte:
9
Verantwortliche Person:
Nestmann, Uwe
Sekretariat:
TEL 7-2
Ansprechpartner:
Peters, Kirstin
Webseite:
http://www.mtv.tu-berlin.de/menue/lehre/module/wrap/
Anzeigesprache:
Deutsch/Englisch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch/Englisch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 86.0 82.0 78.0 74.0 70.0 66.0 62.0 58.0 54.0 50.0
Prüfungsbeschreibung:Keine Angabe
Prüfungselemente Kategorie Punkte Dauer/Umfang(Ergebnisprüfung) Projektbericht als Referat,Fortschrittsbericht, oder Abschlussbericht
mündlich 30 15-45 Minuten
(Ergebnisprüfung) Projektbericht als gemeinsames LaTeX-Dokument
schriftlich 45 12-50 Seiten
(Lernprozessevaluation) Projektmanagement und -beteiligung
praktisch 25 30-40 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40766/5 Seite 1 von 1
Learning Outcomes Students have hands-on experience with all aspects of project work (including team-based software development, project management,collaborative decision making, documenting and communicating project results) in the area of cloud systems. They are able to solve real-world problems in the context of the design and evaluation of cloud- and web-based service oriented application systems in enterprise andIoT contexts.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Knowledge on programming with Java, distributed systems and middleware concepts. Prior experience with LaTeX. Willingness to workwith new technologies, architectural paradigms, and programming models.
Mandatory requirements for the module test application: No information
Module completion
Cloud Prototyping
Module title:
Cloud Prototyping
Credits:
12
Responsible person:
Tai, Stefan
Office:
EN 14
Contact person:
Tai, Stefan
Website:
http://www.ise.tu-berlin.de
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:Insgesamt können 100 Portfoliopunkte erreicht werden. Die Gesamtnote gemäß §47 (2) AllgStuPO wird nach dem Notenschlüssel 2 derFakultät IV ermittelt.
Test elements Categorie Points Duration/Extent(Ergebnisprüfung) Mündliche Rücksprache oral 30 30 MIn.(Ergebnisprüfung) Ergebnispräsentation practical 20 ca. 20h(Ergebnisprüfung) Dokumentation practical 20 ca. 60h(Ergebnisprüfung) Entwickelte Softwareartefakte practical 30 ca. 160h
27.08.2018 12:58 Uhr Modulbeschreibung #40772/5 Seite 1 von 1
Learning Outcomes “Data integration is the 800-pound gorilla in the corner, and everyone’s got it in spades,” according to Mike Stonebraker, MIT professor andTuring Award Laureate. The most challenging and time-consuming task of data scientists in the era of Big Data is to consolidate data fromdifferent sources, overcoming dirty data, heterogeneity in data representations, and incompleteness of data. In this course, we will surfacethe entire pipeline of an information integration workflow, by learning about existing integration architectures, algorithms in data cleansing,schema matching, and data fusion. Furthermore, we will discuss state-of-the-art systems and prominent use cases of informationintegration techniques.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Conditions for attending the course are- bachelor's degree- 2nd Master semester and higher- Having attended a database lecture- knowledge of at least one programming or scripting language
Mandatory requirements for the module test application:
Module completion
The 800-pound Gorilla in the corner: Data Integration
Module title:
The 800-pound Gorilla in the corner: Data Integration
Credits:
6
Responsible person:
Abedjan, Ziawasch
Office:
EN 7
Contact person:
Abedjan, Ziawasch
Website:
http://www.bigdama.tu-berlin.de/menue/big_data_management_group/
Display language:
Englisch
E-mail address:
1.) Unbenoteter Übungsschein
Grading: Type of exam: Language: Duration/Extent:graded Oral exam English 20 minutes
27.08.2018 12:58 Uhr Modulbeschreibung #40791/4 Seite 1 von 1
Lernergebnisse Digitale Vernetzung bezeichnet die durchgehende und durchgängige Verknüpfung der physischen Welt mit der digitalen Welt. Dies umfasstdie digitale Erfassung, Abbildung und Modellbildung der physischen Welt, sowie die informationstechnische Vernetzung dieserInformationen und ermöglicht die zeitnahe und teilautomatisierte Beobachtung, Auswertung und Steuerung der physischen Welt. Diedigitale Vernetzung ermöglicht einen nahtlosen Informationsaustauch zwischen den digitalen Abbildern von Personen, Dingen, Systemen,Prozessen und Organisationen und baut ein weltweites Netz von Netzen - ein Inter-Net - auf, das weit über die Vision des ursprünglichenInternets hinausgeht. Bei dieser neuen Form der Vernetzung geht es aber nicht mehr nur um das Vernetzen an sich. Vielmehr werdeneinzelne Daten zu Informationen zusammengefasst, um weltweit vernetztes und vernetzbares Wissen aufzubauen. Dazu stellt dieVorlesung Technologien, Architekturen und Konzepte des Inter-Nets vor und diskutiert Konzepte, Methoden und Technologien wierelevante Protokolle, Infrastrukturen und Dienstplattformen. Die Teilnehmer*innen erhalten einen Überblick zum Stand der Wissenschaftund Technik der digitalen Vernetzung und können wirtschaftliche und gesellschaftliche Implikationen abschätzen.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Grundkenntnisse in Kommunikationsnetzen, verteilten Systemen, Software Engineering und/oder IT-Sicherheit
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Grundlagen Digitaler Vernetzung
Titel des Moduls:
Grundlagen Digitaler Vernetzung
Leistungspunkte:
6
Verantwortliche Person:
Hauswirth, Manfred
Sekretariat:
HFT 3
Ansprechpartner:
Hauswirth, Manfred
Webseite:
http://www.ods.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Prüfungsform des Moduls ist die Portfolioprüfung.
Insgesamt können 100 Portfoliopunkte erreicht werden.- Vorlesung (50 Portfoliopunkte)- Seminar (50 Portfoliopunkte)
Die Art und Gewichtung in Portfoliopunkten ist in der oben stehenden Tabelle aufgeführt.
Prüfungselemente Kategorie Punkte Dauer/Umfang(Ergebnisprüfung) SE: Vortrag mündlich 50 10-20 min(Punktuelle Leistungsabfrage) VL: schriftlicher Test schriftlich 50 60 min
27.08.2018 12:58 Uhr Modulbeschreibung #40794/4 Seite 1 von 1
Lernergebnisse Bei der modellgetriebenen Softwareentwicklung (Model-Driven Engineering, kurz MDE im Englischen) werden (semi-)formale Modelle fürdie Konzeption, den Entwurf, die Generierung und das Testen von Software genutzt. Dazu werden allgemeine Modellierungssprachen (wiedie Unified Modeling Language), aber ebenso domänenspezifische Sprachen (Domain-Specific Languages, kurz DSL) zusammen mitCodegeneratoren und Interpretern eingesetzt. In diesem Module werden Konzepte, Methoden und Werkzeugen der modellgetriebenenSoftwareentwicklung vermittelt. Die Studierenden sollen nach der Teilnahme an der Veranstaltung in der Lage sein, Anforderungen an undEigenschaften von software-intensiven Systemen mittels verschiedener Modellierungssprachen zu formulieren und die jeweiligen Modellezu nutzen. Es wird ein grundlegendes Verständnis zum Einsatz und den Anwendungsgrenzen von modellgetriebener Softwareentwicklungim Rahmen genereller Softwareentwicklungsprozesse vermittelt.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Keine Angabe
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Abschluss des Moduls
Modellgetriebene Software-Entwicklung
Titel des Moduls:
Modellgetriebene Software-Entwicklung
Leistungspunkte:
6
Verantwortliche Person:
Schieferdecker, Ina
Sekretariat:
Keine Angabe
Ansprechpartner:
Martini, Julia Magdalena
Webseite:
http://www.qds.tu-berlin.de/menue/lehre/
Anzeigesprache:
Deutsch/Englisch
E-Mailadresse:
1.) Completion of at least 60% of all homework assignments
Benotung: Prüfungsform: Sprache: Dauer/Umfang:benotet Schriftliche Prüfung Deutsch/Englisch 90min
27.08.2018 12:58 Uhr Modulbeschreibung #40796/3 Seite 1 von 1
Lernergebnisse Ziel agiler Softwareentwicklung ist es, den Softwareentwicklungsprozess flexibler und schlanker zu machen, indem beispielsweise dasVorgehen der Teammitglieder bei der Softwareentwicklung und ihr Miteinander Priorität gegenüber Prozessen und Werkzeugen erhalten.Dieses Projekt vermittelt agile Methoden anhand einer konkreten Softwareentwicklung und hilft soSoftwareprodukte und -entwicklung im industriellen Kontext zu verstehen,agile Methoden zu verstehen, insbesondere Scrum und Extreme Programming,Open-Source-Softwareentwicklung und zugrunde liegende Prinzipien zu verstehen, undpraktische Erfahrung mit einem Scrum-Prozess und technischen XP-Methoden zu sammeln
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Keine Angabe
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Das AMOS Projekt
Titel des Moduls:
Das AMOS Projekt
Leistungspunkte:
9
Verantwortliche Person:
Schieferdecker, Ina
Sekretariat:
Keine Angabe
Ansprechpartner:
Vassiliou-Gioles, Theofanis
Webseite:
http://www.qds.tu-berlin.de/menue/lehre/
Anzeigesprache:
Deutsch/Englisch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch/Englisch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Keine Angabe
Prüfungselemente Kategorie Punkte Dauer/Umfang(Ergebnisprüfung/ Deliverable assessment) Einzelarbeit:Qualität der Arbeit als Product Owner
praktisch 15 Projektabhängig
(Ergebnisprüfung/ Deliverable assessment) Einzelarbeit:Qualität der Arbeit als Scrum Master
praktisch 15 Projektabhängig
(Ergebnisprüfung/ Deliverable assessment) Einzelarbeit:Qualität der Arbeit als Softwareentwickler
praktisch 60 Projektabhängig
(Ergebnisprüfung/ Deliverable assessment) Teamwork:Qualität der Mitarbeit während der Teammeetings
praktisch 10 Projektabhängig
27.08.2018 12:58 Uhr Modulbeschreibung #40797/3 Seite 1 von 1
Lernergebnisse Die Studierenden haben Anwendungen und Technologien für Kommunikations-, Medien- und Dienstplattformen in Fahrzeugen, aufMobiletelefonen oder Fernsehgeräten erprobt und dabei ein signifikantes Maß an praktischen Erfahungen gesammelt.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Grundkenntnisse über Betriebssysteme und Anwendungen, etc. sowie Programmierkenntnisse für die Umsetzung.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
DCAITI Projekt II
Titel des Moduls:
DCAITI Projekt II
Leistungspunkte:
6
Verantwortliche Person:
Vogelsang, Andreas
Sekretariat:
TEL DCAITI
Ansprechpartner:
Radusch, Ilja
Webseite:
https://www.dcaiti.tu-berlin.de/teaching/projects/
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Kein Notenschlüssel angegeben...
Prüfungsbeschreibung:Prüfungsform ist die Portfolioprüfung.Insgesamt können 100 Portfoliopunkte erreicht werden.- drei Vorträge (je 10 Portfoliopunkte)- eine Dokumentation (30 Portfoliopunkte)- eine Implementierung (40 Portfoliopunkte)
Die Gesamtnote gemäß § 47 (2) AllStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittelt.
Prüfungselemente Kategorie Punkte Dauer/Umfang(Ergebnisprüfung) Dokumentation 30 8-10 Seiten(Ergebnisprüfung) Implementierung 40 Quelltext nach Projektthema(Ergebnisprüfung) Vorträge 30 20 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40798/1 Seite 1 von 1
Lernergebnisse Traditionally, database systems managed databases that were primarily stored on secondary storage and only a small part of the datacould fit in main memory. Therefore, disk IO was the dominating cost factor. Nowadays, it is possible to equip servers with several terabytesof main memory, which allows us to keep databases in main memory to avoid the disk IO bottleneck. Therefore, the performance ofdatabase systems became limited by memory access and processing power.This course will teach students the fundamentals of efficient data processing in main-memory database systems using techniques optimizedfor main memory (e.g., column stores and query compilation) and modern processor capabilities (e.g., SIMD-based database algorithms,GPU co-processing).
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: This course is an advanced course for master students with focus on database systems and information management. In contrast to theintroduction of database systems (MPGI5/DBS/Informationssystemse&Datenanalyse), which looks at database systems from an applicationprogrammers point of view, this class focuses on the internals of in-memory database systems and various optimizations for efficient queryprocessing on modern hardware. It is useful (but not required) to attend the course Database Technology (DBT) prior to this course.To participate, students are required to have successfully completed a Bachelor in computer science with a focus on database systems(participation in the Datenbankpraktikum, Datenbankprojekt). Knowledge of data modeling, relational algebra, and SQL as well as a verygood command of Java, or possibly C/C++/C#, programming is required to participate in the course. Due to capacity reasons, the class islimited to at most 60 participants.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
In-Memory Databases On Modern Hardware
Titel des Moduls:
In-Memory Databases On Modern Hardware
Hauptspeicherdatenbanken auf moderner Hardware
Leistungspunkte:
6
Verantwortliche Person:
Markl, Volker
Sekretariat:
EN 7
Ansprechpartner:
Breß, Sebastian
Webseite:
Keine Angabe
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Keine Angabe
Prüfungselemente Kategorie Punkte Dauer/Umfang(Deliverable assessment) Assessment of 4 homeworkexercises with 5 pts
schriftlich 20 4x15h = 60h
(Examination) End term test schriftlich 40 60 min.(Examination) Mid term test schriftlich 40 60 min.
27.08.2018 12:58 Uhr Modulbeschreibung #40804/1 Seite 1 von 1
Lernergebnisse Die Teilnehmer können beschreiben, was Requirements Engineering (RE) ist, welche Rolle es in Projekten spielt, welche Probleme dabeiauftreten und welche RE Methoden es gibt. Sie können Techniken des Requirements Engineering an Beispielen anwenden. Sie könnenAktivitäten des Requirements Engineering in verschiedenen Entwicklungsprozessen mit ihren Vor- und Nachteilen zueinander in Bezugsetzen. Die Teilnehmer kennen insbesondere die Bedeutung von natürlicher Sprache für das RE und können darauf zugeschnitteneAnalysetechniken anwenden.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Keine Angabe
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Requirements Engineering
Titel des Moduls:
Requirements Engineering
Anforderungsmanagement
Leistungspunkte:
6
Verantwortliche Person:
Vogelsang, Andreas
Sekretariat:
TEL DCAITI
Ansprechpartner:
Vogelsang, Andreas
Webseite:
https://www.dcaiti.tu-berlin.de/teaching/
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Insgesamt können 100 Portfoliopunkte erreicht werden.-Vorlesung (50 Portfoliopunkte)-Seminar (50 Portfoliopunkte)
Im Rahmen des Seminars und des Projektes sind jeweils verschiedene Studienleistungen zu erbringen. Ihre Art und Gewichtung inPortfoliopunkten sind in der oben stehenden Tabelle aufgeführt.
Prüfungselemente Kategorie Punkte Dauer/Umfang(Ergebnisprüfung) SE: Ausarbeitung schriftlich 30 8-10 Seiten(Ergebnisprüfung) SE: Vortrag mündlich 20 20 Minuten(Ergebnisprüfung) VL: schriftlicher Test schriftlich 50 60 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40809/2 Seite 1 von 1
Lernergebnisse Kennenlernen von Methoden und Werkzeugen des Softwaretest. Einführung in das systematische Testen von softwareintensivenSystemen.Optionale Teilnahme an der Zertifizierung zum ISTQB® (International Software Testing Qualification Board, www.istqb.org) Software TesterFoundation Level.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Grundkenntnisse über Softwaretechnik, Grundlagen der Programmierung.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Abschluss des Moduls
Grundlagen des Softwaretestens
Titel des Moduls:
Grundlagen des Softwaretestens
Leistungspunkte:
6
Verantwortliche Person:
Schieferdecker, Ina
Sekretariat:
Keine Angabe
Ansprechpartner:
Vassiliou-Gioles, Theofanis
Webseite:
http://www.qds.tu-berlin.de/menue/lehre/
Anzeigesprache:
Deutsch/Englisch
E-Mailadresse:
1.) Completion of at least 60% of all homework assignments
Benotung: Prüfungsform: Sprache: Dauer/Umfang:benotet Schriftliche Prüfung Deutsch/Englisch 90 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40827/2 Seite 1 von 1
Lernergebnisse Graduates of this module have practical experience with methods and techniques to analyze and/or optimize complex embedded systems.In addition, they have experience with techniques with which the quality or performance of embedded systems can be systematicallyensured. They have learned to solve a complex tasks within a team.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Knowledge from bachelor modules in Computer Science/Technical Computer Science or the like. Recommended is knowledge from themaster module “Quality Assurance of Embedded Systems” (MINF-SE-QSES) or “Analysis and Optimization of Embedded Systems” (MINF-SE-AOES).This module is mutually exclusive with "Master Project Software Engineering of Embedded Systems".
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Master Project and Seminar Software Engineering of Embedded Systems
Titel des Moduls:
Master Project and Seminar Software Engineering of Embedded Systems
Keine Angabe
Leistungspunkte:
9
Verantwortliche Person:
Glesner, Sabine
Sekretariat:
TEL 12-4
Ansprechpartner:
Herber, Paula
Webseite:
http://www.sese.tu-berlin.de/
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Keine Angabe
Prüfungselemente Kategorie Punkte Dauer/Umfang(Deliverable assessment) Project Milestone Presentation mündlich 25 10-20 min(Examination) Oral Exam mündlich 25 10-20 min(Learning process review) Project Work/ Oral Consultation mündlich 50 10-20 min
27.08.2018 12:58 Uhr Modulbeschreibung #40832/1 Seite 1 von 1
Lernergebnisse In der heutigen Zeit ist es für Unternehmen überlebenswichtig, ein neues Produkt mit hoher Qualität schnell auf dem Markt zu bringen.Dafür müssen Prozesse geschaffen werden, die Entwicklerteams dabei unterstützen. Ein Beispiel bietet die Agile Softwareentwicklung: sieist kundennah, zweckmäßig, erfolgsorientiert und strebt an, Overhead auf ein Minimum zu reduzieren. Dieses Projekt-Praktikum wird Siepraktisch begleiten, um unter Anwendung agiler Methoden, ein Open-Source-Projekt aufzusetzen, zu planen, zu koordinieren undumzusetzen.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Keine Angabe
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Projekt System Quality Engineering
Titel des Moduls:
Projekt System Quality Engineering
Leistungspunkte:
9
Verantwortliche Person:
Schieferdecker, Ina
Sekretariat:
HFT 2
Ansprechpartner:
Martini, Julia Magdalena
Webseite:
http://www.qds.tu-berlin.de/menue/lehre/
Anzeigesprache:
Deutsch/Englisch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch/Englisch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Keine Angabe
Prüfungselemente Kategorie Punkte Dauer/Umfang(Ergebnisprufung/ Deliverable assassment) Dokumentation schriftlich 30 5 Seiten Paperformat (2-
spaltig)(Ergebnisprufung/ Deliverable assassment) Implementierung praktisch 40 Projektabhangig(Ergebnisprufung/ Deliverable assassment) Vortrage mündlich 30 3x a 5 min
27.08.2018 12:58 Uhr Modulbeschreibung #40833/2 Seite 1 von 1
Lernergebnisse Die Studierenden sind in der Lage, eigenständig die wesentlichen Verfahren des maschinellen Lernens auf neuen Daten anzuwenden. Diesumfasst Methoden zur Klassifikation, Regression, Dimensionsreduktion und Clustering. Darüber hinaus vermittelt das Modul dastheoretische Rüstzeug (Wahrscheinlichkeitstheorie, Optimierungstheorie), um Verfahren weiterzuentwickeln und theoretisch zu analysieren. In der Wahlpflichtveranstaltung können die Teilnehmer:innen je nach Vorkenntnissen und Interessen folgende Schwerpunkte wählen: * Matlab Programmierung für Maschinelles Lernen und Datenanalyse oder Python Programmierung für Maschinelles Lernen: diese Kursevermitteln das praktische Rüstzeug zur Entwicklung, Anwendung und Untersuchung von Verfahren des Maschinellen Lernens. * Mathematische Grundlagen fur Maschinelles Lernen: dieser Kurs wiederholt, vertieft und spezialisiert die mathematischen Kenntnisse ausden Grundlagenmodulen des Informatikstudiums. * Seminar Maschinelles Lernen: im Seminar wird das selbstständige Einarbeiten und Präsentieren von Wissenschaftlichen Ergebnissengeübt.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Programmierkenntnisse, gute Grundlagen in Mathematik, insbesondere Lineare Algebra, Analysis, Wahrscheinlichkeitsrechnung. DiesesModul ist auch für Bachelorstudierende geeignet.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Machine Learning 1-X
Titel des Moduls:
Machine Learning 1-X
Maschinelles Lernen 1-X
Leistungspunkte:
9
Verantwortliche Person:
Müller, Klaus-Robert
Sekretariat:
MAR 4-1
Ansprechpartner:
Keine Angabe
Webseite:
https://wiki.ml.tu-berlin.de/wiki/
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache: Dauer/Umfang:benotet Schriftliche Prüfung Deutsch/Englisch 120 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40834/2 Seite 1 von 1
Lernergebnisse Die Studierenden haben ein vertieftes Wissen über die Anwendung spezifischer Methoden des Maschinellen Lernens (Klassifikation,Regression, Dimensionsreduktion, Clustering) in ausgewählten Anwendungsbereichen (Bioinformatik, Computersicherheit, etc.) undkönnen diese Methoden selbstständig anwenden und weiterentwickeln. Insbesondere sind die Studierenden mit den Aspekten desMaschinellen Lernens vertraut, welche für den praktischen Erfolg entscheidend sind. Darüber hinaus können die Studierenden in der Wahlpflichtveranstaltung je nach Vorkenntnissen und Interessen folgende Schwerpunktewählen: * Matlab Programmierung für Maschinelles Lernen und Datenanalyse oder Python Programmierung für Maschinelles Lernen: diese Kursevermitteln das praktische Rüstzeug zur Entwicklung, Anwendung und Untersuchung von Verfahren des Maschinellen Lernens. * Mathematische Grundlagen fur Maschinelles Lernen: dieser Kurs wiederholt, vertieft und spezialisiert die mathematischen Kenntnisse ausden Grundlagenmodulen des Informatikstudiums. * Seminar Maschinelles Lernen: im Seminar wird das selbstständige Einarbeiten und Präsentieren von wissenschaftlichen Ergebnissengeübt.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Programmierkenntnisse, gute Grundlagen in Mathematik, insbesondere Lineare Algebra, Analysis, Wahrscheinlichkeitsrechnung.Grundlagen des maschinellen Lernens sind ratsam, z.B. Teilnahme am Modul „Maschinelles Lernen 1“, jedoch bei solidem theoretischemVorwissen nicht zwingend erforderlich.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Machine Learning 2-X
Titel des Moduls:
Machine Learning 2-X
Maschinelles Lernen 2-X
Leistungspunkte:
9
Verantwortliche Person:
Müller, Klaus-Robert
Sekretariat:
MAR 4-1
Ansprechpartner:
Keine Angabe
Webseite:
https://wiki.ml.tu-berlin.de/wiki/
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache: Dauer/Umfang:benotet Schriftliche Prüfung Deutsch/Englisch 120 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40835/2 Seite 1 von 1
Learning Outcomes This is a follow-up course that builds on top of the module „The 800 Pound Gorilla in the Corner: Data Integration”. In this seminar, studentswill analyze original research papers from the area of data integration. Students learn to analyze scientific papers, reproduce content for aqualified audience and summarize key findings and discussions as a scientific report. Furthermore, students become familiar with newconcepts and algorithms in the area of data integration.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Knowledge in data integration and database managementSolid programming skills
Mandatory requirements for the module test application:
Module completion
Advanced Topics in Data Integration
Module title:
Advanced Topics in Data Integration
Credits:
6
Responsible person:
Abedjan, Ziawasch
Office:
EN 7
Contact person:
No information
Website:
http://www.bigdama.tu-berlin.de
Display language:
Englisch
E-mail address:
1.) Module The 800-pound Gorilla in the corner: Data Integration (#40791) passed
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:Graded talks and report.
Test elements Categorie Points Duration/Extent(Ergebnisprüfung) Ausarbeitung written 40 8 pages(Ergebnisprüfung) Kurzvortrag 1 oral 20 20 minutes(Ergebnisprüfung) Kurzvortrag 2 oral 40 45 minutes
27.08.2018 12:58 Uhr Modulbeschreibung #40851/2 Seite 1 von 1
Learning Outcomes On successful completion, students will be able to:- critically read and evaluate scientific papers from the intersection of economics and computer science- discuss the interplay between concepts from economic theory and computer science- work independently to gain an understanding of published results and proof methods- communicate the central ideas of research papers to non-experts
Requirements for participation and examination Desirable prerequisites for participation in the courses: Succesful participation in the course "Computational Social Choice" (40286) or a similar background.
Mandatory requirements for the module test application: No information
Module completion
Advanced Topics in Economics and Computation
Module title:
Advanced Topics in Economics and Computation
Credits:
3
Responsible person:
Brill, Markus
Office:
TEL 5-1
Contact person:
Thielcke, Christlinde
Website:
http://www.algo.tu-berlin.de/menue/teaching/
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0 45.0 40.0
Test description:According to §47 (2) AllgStuPO the grade will be calculated applying grading key 3 of Fakultät IV.
Test elements Categorie Points Duration/Extent(Learning process review) talk oral 50 30-45 min(Deliverable assessment) manuscript written 25 8-12 pages(Deliverable assessment) review practical 25 1-2 pages, 15-30 min
27.08.2018 12:58 Uhr Modulbeschreibung #40883/1 Seite 1 von 1
Learning Outcomes The module is developed to provide an introduction to game theory and mechanism design, with an emphasis on applications inengineering. It consists of two courses in sequence. The first course, which takes place during the first half of the semester, is held in theconventional frontal teaching form. During this part, basic game-theoretical models and concepts are introduced. The second course, whichtakes place in the second half of the semester, is in the form of seminar or mini-project. Each student defines some mini-project, in whichsome engineering problem is addressed by using game theory. The projects are in the form of research and/or computer implementation.The progress and results are presented and discussed in the class during the semester.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Prerequisite to attend the module are calculus and probability theory at the level of MSc students in engineering.
Mandatory requirements for the module test application: No information
Module completion
Introduction to Game Theory with Engineering Applications
Module title:
Introduction to Game Theory with Engineering Applications
Credits:
6
Responsible person:
Maghsudi, Setareh
Office:
TEL 12-11
Contact person:
Maghsudi, Setareh
Website:
No information
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 86.0 82.0 78.0 74.0 70.0 66.0 62.0 58.0 54.0 50.0
Test description:The final grade according to § 47 (2) AllgStuPO will be calculated according to Notenschlüssel 1 of Faculty IV.
Test elements Categorie Points Duration/Extent(Deliverable Assessment) Take-home Problem Set written 20 1 Problem set(Examination) Oral test/discussion oral 30 20 min(Deliverable Assessment) Seminar Presentation oral 20 45 min(Deliverable Assessment) Project Report written 30 No lower and upper page
limit defined
27.08.2018 12:58 Uhr Modulbeschreibung #40884/2 Seite 1 von 1
Learning Outcomes After successfully finishing this module, the participating students have•well-founded knowledge in an application domain•hands-on experiences in applying methods from the field of Artificial Intelligence to challenging problems of the future society•improved their capacity for teamwork and competence in project management•improved presentation and writing skills
Requirements for participation and examination Desirable prerequisites for participation in the courses: Fundamental programming experience
Mandatory requirements for the module test application: No information
Module completion
Applied Artificial Intelligence Project
Module title:
Applied Artificial Intelligence Project
Credits:
9
Responsible person:
Albayrak, Sahin
Office:
TEL 14
Contact person:
Fricke, Stefan
Website:
https://www.aot.tu-berlin.de/index.php?id=2889
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalGerman
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:No information
Test elements Categorie Points Duration/ExtentFinal Presentation oral 20 1 hourRequirements Specification written 10 approx. 10 pagesMilestone Presentation oral 10 1 hourProject Results practical 50 13 weeksStatus Reports flexible 10 0.5 hours per week
27.08.2018 12:58 Uhr Modulbeschreibung #40889/1 Seite 1 von 1
Learning Outcomes Students have hands-on experience with all aspects of project work (including team-based software development, project management,collaborative decision making, documenting and communicating project results) in the area of fog systems. They are able to solve real-world problems in the context of the design and evaluation of cloud-, fog-, and web-based application systems in, e.g., enterprise and IoTcontexts.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Expert knowledge on programming with Java, distributed systems and middleware concepts. Prior experience with LaTeX. Willingness towork with new technologies, architectural paradigms, and programming models.
Mandatory requirements for the module test application: No information
Module completion
Fog Computing Project
Module title:
Fog Computing Project
Credits:
12
Responsible person:
Bermbach, David
Office:
TEL 12-11
Contact person:
Hasenburg, Jonathan
Website:
http://www.mcc.tu-berlin.de
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:Insgesamt können 100 Portfoliopunkte erreicht werden. Die Gesamtnote gemäß §47 (2) AllgStuPO wird nach dem Notenschlüssel 2 derFakultät IV ermittelt.
Test elements Categorie Points Duration/Extent(Ergebnisprüfung) Ergebnispräsentation practical 20 ca. 20h(Ergebnisprüfung) Entwickelte Softwareartefakte practical 30 ca. 160h(Ergebnisprüfung) Mündliche Rücksprache oral 30 ca. 30min(Ergebnisprüfung) Dokumentation practical 20 ca. 60h
27.08.2018 12:58 Uhr Modulbeschreibung #40896/2 Seite 1 von 1
Learning Outcomes After attending the module students should have acquired the following knowledge and skills:* possible applications of AI technologies to achieve security objectives* can evaluate and use artificial intelligence and machine learning methods in the area of IT security* At the end of the course, participants will be able to assess the performance of the methods discussed and to use them successfully toproblems in various application domains.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Basic knowledge in Network Security and Artificial Intelligence is recommended.
Mandatory requirements for the module test application: No information
Module completion
AI and Cybersecurity
Module title:
AI and Cybersecurity
Credits:
6
Responsible person:
Albayrak, Sahin
Office:
TEL 14
Contact person:
Bsufka, Karsten
Website:
https://www.aot.tu-berlin.de/index.php?id=2891
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Test description:No information
Test elements Categorie Points Duration/Extent3 (out of 4) written exams written 20 45 minutes (each)oral exam oral 80 30 - 50 minutes
27.08.2018 12:58 Uhr Modulbeschreibung #40900/1 Seite 1 von 1
Lernergebnisse Nach Besuch des Moduls haben die Studierenden:* Einsatzmöglichkeiten von KI-Technologien zur Erreichung von Sicherheitszielen praktisch erprobt,* Methoden der Künstlichen Intelligenz und des maschinellen Lernens im Bereich der Sicherheit eingesetzt und bewertet,* industriell und wirtschaftlich relevante Anwendungsgebiete kennengelernt.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Inhaltlich werden Kenntnisse in den Bereichen Netzwerksicherheit und Künstliche Intelligenz vorausgesetzt.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Intelligente Sicherheitsanwendungen
Titel des Moduls:
Intelligente Sicherheitsanwendungen
Leistungspunkte:
9
Verantwortliche Person:
Albayrak, Sahin
Sekretariat:
TEL 14
Ansprechpartner:
Bsufka, Karsten
Webseite:
https://www.aot.tu-berlin.de/index.php?id=2892
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 95.0 90.0 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0
Prüfungsbeschreibung:Die Gesamtnote gemäß § 47 (2) AllgStuPO wird nach dem Notenschlüssel 2 der Fakultät IV ermittel.
Prüfungselemente Kategorie Punkte Dauer/Umfang(Ergebnisprüfung) Projekt: Fortschrittspräsentation flexibel 15 4 x 20 Minuten(Ergebnisprüfung) Projektdokumentation schriftlich 30 10 - 20 Seiten(Ergebnisprüfung) Projektergebnisse praktisch 45 13 Wochen(Lernprozessprüfung) Mündliche Gruppenrücksprache mündlich 10 30 - 60 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #40901/1 Seite 1 von 1
Learning Outcomes The module is developed to provide an introduction to reinforcement learning, with an emphasis on applications in engineering. It consistsof two courses in sequence. The first course, which takes place during the first half of the semester, is held in the conventional frontalteaching form. During this part, basic models and concepts of reinforcement learning are introduced. The second course, which takes placein the second half of the semester, is in the form of seminar or mini-project. Each student defines some mini-project, in which someengineering problem is addressed by using reinforcement learning. The projects are in the form of research and/or computerimplementation. The progress and results are presented and discussed in the class during the semester.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Prerequisites to attend the course are calculus, probability theory and random processes at the level of MSc students in engineering.
Mandatory requirements for the module test application: No information
Module completion
Introduction to Reinforcement Learning with Engineering Applications
Module title:
Introduction to Reinforcement Learning with Engineering Applications
Credits:
6
Responsible person:
Maghsudi, Setareh
Office:
TEL 12-11
Contact person:
Maghsudi, Setareh
Website:
No information
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 86.0 82.0 78.0 74.0 70.0 66.0 62.0 58.0 54.0 50.0
Test description:No information
Test elements Categorie Points Duration/Extent(Deliverable Assessment) Take-home Problem Set written 20 One problem set(Examination) Oral test/discussion oral 30 20 Minuten(Deliverable Assessment) Seminar Presentation oral 20 30 Minuten(Deliverable Assessment) Mini-Project flexible 30 No information
27.08.2018 12:58 Uhr Modulbeschreibung #40919/1 Seite 1 von 1
Lernergebnisse Hörer dieses Moduls erwerben ein umfassendes Verständnis des gesellschaftlich hoch-relevanten Themas Klimawandel. Elementarenaturwissenschaftliche Hintergründe werden vermittelt, gefolgt von einer vertiefenden Analyse verschiedener ökonomischer Aspekte undihrer Politikrelevanz.Qualifikationsziel ist also einerseits die inhaltliche Kompetenz im Thema Klimawandel, etwa auf dem Niveau der bekannten 'Stern Review',die es erlauben soll, alte und neue Argumente kritisch zu würdigen. Hierzu gehören z.B. die Kenntnis der wichtigsten Auswirkungen desKlimawandels; Wirkung und Ursprung der wichtigsten Klimagase; Aufbau von Energiesystemen und deren Modellierung; Geschichte undaktueller Stand der internationalen Klimapolitik.Zweites Ziel ist die methodisch-formale Kompetenz im Bereich der Umweltökonomie, und hier insbesondere in den Bereichen globaleKosten-Nutzen-Analyse, statische Optimierung, dynamische Optimierung und optimale Kontrolltheorie, Wachstumsmodelle, integrierteModellierung.Soziale Kompetenz soll im Rahmen von Gruppenarbeiten (z.B. Referate) gestärkt werden. Das Modul vermittelt überwiegend die entsprechende Kompetenz, in % angegeben:Fachkompetenz: 50%, Methodenkompetenz 40%, Sozialkompetenz: 10%
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: a) obligatorisch:Vorkenntnisse, die den Lehrinhalten der Module „Mikroökonomik (AVWL I)“ und „Einführung in die Wirtschaftspolitik (AVWL III)“entsprechen b) wünschenswert:Fortgeschrittene Kenntnisse in VWL aus dem Hauptstudiums, bzw. Master-Bereich.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
The Economics of Climate Change
Titel des Moduls:
The Economics of Climate Change
Leistungspunkte:
6
Verantwortliche Person:
Edenhofer, Ottmar Georg
Sekretariat:
Keine Angabe
Ansprechpartner:
Keine Angabe
Webseite:
http://www.climatecon.tu-berlin.de/menue/teaching/the_economics_of_climate_change/
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch/Englisch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Prüfungsbeschreibung:Keine Angabe
Prüfungselemente Kategorie Punkte Dauer/Umfanganalysis and reconduction of scientific articles praktisch 30 15graphical analysis schriftlich 10 Keine Angabemathematical analysis schriftlich 30 15mid-term exam schriftlich 30 15
27.08.2018 12:58 Uhr Modulbeschreibung #60431/7 Seite 1 von 1
Lernergebnisse Hörerinnen und Hörer dieses Moduls erwerben ein umfassendes Verständnis des gesellschaftlich hoch-relevanten Themas Klimawandel.Elementare naturwissenschaftliche Hintergründe werden vermittelt, gefolgt von einer vertiefenden Analyse verschiedener ökonomischerAspekte und ihrer Politikrelevanz.Qualifikationsziel ist also einerseits die inhaltliche Kompetenz im Thema Klimawandel, etwa auf dem Niveau der bekannten 'Stern Review',die es erlauben soll, alte und neue Argumente kritisch zu würdigen. Hierzu gehören z.B. die Kenntnis der wichtigsten Auswirkungen desKlimawandels; Wirkung und Ursprung der wichtigsten Klimagase; Aufbau von Energiesystemen und deren Modellierung; Geschichte undaktueller Stand der internationalen Klimapolitik.Zweites Ziel ist die methodisch-formale Kompetenz im Bereich der Umweltökonomie, und hier insbesondere in den Bereichen globaleKosten-Nutzen-Analyse, statische Optimierung, dynamische Optimierung und optimale Kontrolltheorie, Spieltheorie, Wachstumsmodelle,integrierte Modellierung.Soziale Kompetenz soll im Rahmen von Gruppenarbeiten (z.B. Referate) gestärkt werden. Das Modul vermittelt überwiegend die entsprechende Kompetenz, in % angegeben:Fachkompetenz: 50%, Methodenkompetenz 40%, Sozialkompetenz: 10%
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: a) obligatorisch:Vorkenntnisse, die den Lehrinhalten der Module „Mikroökonomik (AVWL I)“ und „Einführung in die Wirtschaftspolitik (AVWL III)“entsprechen b) wünschenswert:Fortgeschrittene Kenntnisse in VWL aus dem Hauptstudiums, bzw. Master-Bereich.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
The Economics of Climate Change - Lecture only
Titel des Moduls:
The Economics of Climate Change - Lecture only
Leistungspunkte:
3
Verantwortliche Person:
Edenhofer, Ottmar Georg
Sekretariat:
Keine Angabe
Ansprechpartner:
Keine Angabe
Webseite:
http://www.climatecon.tu-berlin.de/menue/teaching/the_economics_of_climate_change/
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch/Englisch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Prüfungsbeschreibung:Keine Angabe
Prüfungselemente Kategorie Punkte Dauer/Umfanganalysis and reconduction of scientific articles praktisch 50 25graphical analysis schriftlich 20 15mid-term exam schriftlich 30 20
27.08.2018 12:58 Uhr Modulbeschreibung #60772/6 Seite 1 von 1
Learning Outcomes Students have an overview of the major topics in climate policy and the challenges for an international climate agreement that game theoryidentifies. They are able to critically review the academic literature on the subject and apply the microeconomic toolbox to climate change.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Basic micro, macro, math classes.
Mandatory requirements for the module test application: No information
Module completion
The Economics of Climate Policy
Module title:
The Economics of Climate Policy
Credits:
6
Responsible person:
Edenhofer, Ottmar Georg
Office:
No information
Contact person:
No information
Website:
http://www.climatecon.tu-berlin.de/menue/teaching/the_economics_of_climate_policy/
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Test description:No information
Test elements Categorie Points Duration/ExtentAssignment - mathematical analysis 30 No informationAssignment - graphical analysis flexible 10 No informationWritten test (mid-term) written 30 No informationAssignment - verbal analysis / essays 30 No information
27.08.2018 12:58 Uhr Modulbeschreibung #60773/5 Seite 1 von 1
Learning Outcomes Students have an overview of the major topics in climate policy and the challenges for an international climate agreement that game theoryidentifies. They are able to critically review the academic literature on the subject and apply the microeconomic toolbox to climate change.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Basic micro, macro, math classes.
Mandatory requirements for the module test application: No information
Module completion
The Economics of Climate Policy - Lecture only
Module title:
The Economics of Climate Policy - Lecture only
Credits:
3
Responsible person:
Edenhofer, Ottmar Georg
Office:
EB 4-1
Contact person:
No information
Website:
http://www.climatecon.tu-berlin.de/menue/teaching/the_economics_of_climate_policy/
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Test description:No information
Test elements Categorie Points Duration/Extentgraphical analysis written 20 No informationmid-term exam written 30 No informationanalysis and reconduction of scientific articles flexible 50 No information
27.08.2018 12:58 Uhr Modulbeschreibung #60774/4 Seite 1 von 1
Lernergebnisse Die Studierenden erhalten einen Einblick in die Schutzmöglichkeiten technischen Wissens v. a. durch die technischen Schutzrechte (Patentund Gebrauchsmuster) sowie in deren strategischen und technologiemanagementbezogenen Einsatz im Unternehmen, können Bezügezum allgemeinen Zivil- und Wirtschaftsrecht herstellen, besitzen Kenntnisse der für die Wirtschaftspraxis wesentlichen Bereiche dieserRechtsgebiete und können diese anwenden.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: keine
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Abschluss des Moduls
Patentrecht und Patentmanagement I
Titel des Moduls:
Patentrecht und Patentmanagement I
Leistungspunkte:
6
Verantwortliche Person:
Ensthaler, Jürgen
Sekretariat:
H 41
Ansprechpartner:
Ensthaler, Jürgen
Webseite:
http://www.wir.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
1.) Modul Wirtschaftsprivatrecht (#70263) bestanden
Benotung: Prüfungsform: Sprache: Dauer/Umfang:benotet Schriftliche Prüfung Deutsch Keine Angabe
27.08.2018 12:58 Uhr Modulbeschreibung #70000/2 Seite 1 von 1
Lernergebnisse Das Modul dient der Vermittlung und Vertiefung anwendungsbezogener Kenntnisse im Controlling. Die Studierenden erlernen dabei diverseMethoden des entscheidungsorientierten Controllings und deren Anwendung in spezifischen, praxisnahen Situationen. Hierdurch werdendie Studierenden in die Lage versetzt, eigenständige Lösungen für Controlling-spezifische Problemstellungen zu entwickeln, anzuwendenund kritisch zu hinterfragen. Auf diese Weise erlernen die Studierenden, wie das Controlling seiner rationalitätssichernden Funktion imSinne einer Unterstützung der Unternehmensführung durch entscheidungsrelevante Informationen nachkommt. Ein Schwerpunkt soll dabeiauf der Anwendung von Controllinginstrumenten in technischen und produzierenden Unternehmen liegen.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Abgeschlossenes Modul „Bilanzierung und Kostenrechnung“
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Konzepte und Instrumente des Controllings
Titel des Moduls:
Konzepte und Instrumente des Controllings
Leistungspunkte:
6
Verantwortliche Person:
Lachmann, Maik
Sekretariat:
H 68
Ansprechpartner:
Mehr, Susan
Webseite:
http://www.accounting.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch/Englisch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Prüfungsbeschreibung:Keine Angabe
Prüfungselemente Kategorie Punkte Dauer/UmfangSchriftlicher Test schriftlich 75 75 Min.Präsentation einer Fallstudienlösung und Diskussion mündlich 25 10 Min.
27.08.2018 12:58 Uhr Modulbeschreibung #70034/4 Seite 1 von 1
Lernergebnisse Durch die fortschreitende Digitalisierung entstehen für Marktforscher viele neue relevante Daten. Der richtige Umgang mit Daten wird inUnternehmen immer wichtiger, da viele Entscheidungen datenbasiert getroffen werden können. Im Kurs Marktforschung und Datenanalyseerlernen Sie die Grundlagen der Planung und Durchführung eines Marktforschungsprojektes. Die einzelnen Schritte im Projekt umfassendie Formulierung der richtigen Forschungsfrage, die Operationalisierung der Fragestellung, die Konzeption der Datenerhebung, dieStichprobenauswahl, die Durchführung der Erhebung, die Datenauswertung sowie die Ergebnispräsentation. Einschlägige Methoden undInstrumente werden vermittelt und anhand realer Fallstudien angewandt. Nach Abschluss der Veranstaltung sind die Studierenden in derLage, ein Forschungsprojekt aus der angewandten Marktforschung zu planen und umzusetzen.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Es bestehen keinerlei Voraussetzungen zur Teilnahme am Modul.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Abschluss des Moduls
Marktforschung und Datenanalyse
Titel des Moduls:
Marktforschung und Datenanalyse
Leistungspunkte:
6
Verantwortliche Person:
Klasse-Talke, Katrin
Sekretariat:
H 95
Ansprechpartner:
Klasse-Talke, Katrin
Webseite:
http://www.marketing.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
1.) Modul Marketing und Produktionsmanagement (#70183) bestanden
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Prüfungsbeschreibung:Die Portfolioprüfung besteht aus den folgenden Elementen, in denen in der Summe maximal 100 Punkte erreicht werden können. DieBenotung erfolgt nach dem gemeinsamen Notenschlüssel der Fakultät VII (Beschluss des Fakultätsrates vom 28.05.2014 - FKR VII-4/8-28.05.2014).
Prüfungselemente Kategorie Punkte Dauer/UmfangExamen schriftlich 50 60 minSchriftliche Abgabe zur Übung schriftlich 50 10 Seiten
27.08.2018 12:58 Uhr Modulbeschreibung #70053/5 Seite 1 von 1
Lernergebnisse Das Verständnis und die Beeinflussung des Verhaltens von Konsumenten und Konsumentinnen spielt eine zentrale Rolle für dasMarketing. Die Konsumentenverhaltensforschung adressiert Probleme und Fragen des Marketing und der Verbraucherpolitik. Ziel dieserVeranstaltung ist es, typische Entscheidungs- und Verhaltensmuster von KonsumentInnen zu beschreiben und zu zeigen, wie diese Mustererklärt und für Marketingmaßnahmen genutzt werden können. Es wird ein fundierter Einblick in psychologische Prozesse gegeben, die fürdas Entscheidungsverhalten eine Rolle spielen. Dabei werden Begriffe wie Aktivierung, Motivation, Emotion, Involvement, Einstellung sowiedie Informationsverarbeitung behandelt. Zudem werden grundlegende Entscheidungstheorien vermittelt und ihre Relevanz für dasVorhersagen des Kaufentscheidungs- und Nutzungsverhaltens von KonsumentInnen erörtert. Nach der Veranstaltung kennen Studierendedie wichtigsten Konzepte der Konsumentenverhaltensforschung und sind in der Lage, Forschungsergebnisse kritisch zu beurteilen undSchlüsse für den Einsatz im Marketing zu ziehen.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Es bestehen keinerlei Voraussetzungen zur Teilnahme am Modul.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Abschluss des Moduls
Konsumentenverhalten und Entscheidungsprozesse
Titel des Moduls:
Konsumentenverhalten und Entscheidungsprozesse
Leistungspunkte:
6
Verantwortliche Person:
Klasse-Talke, Katrin
Sekretariat:
H 95
Ansprechpartner:
Wagner, Antonia Sophie
Webseite:
http://www.marketing.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
1.) Erfolgreicher Abschluss mindestens eines grundlegenden Marketingmoduls (für TU Studierende ABWL1)
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Prüfungsbeschreibung:Die Portfolioprüfung besteht aus den folgenden Elementen, in denen in der Summe maximal 100 Punkte erreicht werden können. DieBenotung erfolgt nach dem gemeinsamen Notenschlüssel der Fakultät VII (Beschluss des Fakultätsrates vom 28.05.2014 - FKR VII-4/8-28.05.2014).
Prüfungselemente Kategorie Punkte Dauer/UmfangExamen schriftlich 50 60 minPräsentation mündlich 50 15 min
27.08.2018 12:58 Uhr Modulbeschreibung #70054/4 Seite 1 von 1
Learning Outcomes Panel- and longitudinal data is the richest source of information on individuals, because it contains information on the behavior andoutcomes of individuals (persons, households, plants, firms) over time. The models and methods covered in this course are designed to usethe information in panel data:(1) to estimate relationships between observable variables that are not confounded by unobservable but time-constant heterogeneity(“ability”) and(2) to study the dynamics and the persistence of individual behavior over time.The aim of this course is to enable students to apply (i.e. to specify, estimate and interpret) these models to analyze panel- and longitudinaldata. Key ingredients of the course are the weekly tutorials that focus on hands-on experience in applying these methods to actual data in acomputer classroom.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Microeconometrics
Mandatory requirements for the module test application:
Module completion
Econometric Analysis of Longitudinal and Panel Data
Module title:
Econometric Analysis of Longitudinal and Panel Data
Credits:
6
Responsible person:
Werwatz, Axel
Office:
H 57
Contact person:
Haring, Carola
Website:
http://www.statistik.tu-berlin.de
Display language:
Englisch
E-mail address:
1.) Module Ökonometrie (#70198) passed
Grading: Type of exam: Language: Duration/Extent:graded Written exam English No information
27.08.2018 12:58 Uhr Modulbeschreibung #70120/2 Seite 1 von 1
Lernergebnisse -Kennenlernen der grundlegenden gesundheitsökonomischen Fragestellungen-Erlernen der ökonomischen Analyse ausgewählter Bereiche im Gesundheitswesen-Verstehen und Anwenden komplexer theoretischer und ökonometrischer Modelle im Bereich der Gesundheitsökonomie-Präsentieren ausgewählter gesundheitsökonomischer Studien
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Advanced Microeconomics bestandenStatistik I + II bestandenÖkonometrie oder Microeconometrics gehört
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Advanced Health Economics
Titel des Moduls:
Advanced Health Economics
Leistungspunkte:
6
Verantwortliche Person:
Runkel, Marco
Sekretariat:
H 51
Ansprechpartner:
Siegel, Martin
Webseite:
http://www.finance.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch/Englisch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Prüfungsbeschreibung:Die Portfolioprüfung besteht aus den folgenden Elementen, in denen in der Summe maximal 100 Punkte erreicht werden können. DieBenotung erfolgt nach dem gemeinsamen Notenschlüssel der Fakultät VII (Beschluss des Fakultätsrates vom 28.05.2014 - FKR VII-4/8-28.05.2014).
Prüfungselemente Kategorie Punkte Dauer/UmfangLernkontrolle Theorieteil schriftlich 50 45 MinutenSeminarvortrag Empirie inkl. Diskussion mündlich 50 45 Minuten
27.08.2018 12:58 Uhr Modulbeschreibung #70142/4 Seite 1 von 1
Learning Outcomes The ability to innovate ensures the competitiveness of high-income countries and its enterprises. At the same time innovations question theclassical economic equilibrium models. The course intends to shed light on different typologies of innovations, also considering multiple methodologies of empirical research ininnovation economics. The second part of the course deals with different explanatory approaches of innovation economics: amongst othersneo-classical, evolutionary and historic-institutional ones. The course studies both theoretical models and their empirical application, changing between micro and macro-economic perspectives.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Basic skills have to be in accordance to all A-Business and A-Economics courses and, if necessary, have to be certificated.
Mandatory requirements for the module test application: No information
Module completion
Innovation Economics
Module title:
Innovation Economics
Credits:
6
Responsible person:
Blind, Knut
Office:
MAR 2-5
Contact person:
Essoun, Brigitte
Website:
http://www.inno.tu-berlin.de
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Test description:The portfolio examination consists of the following elements, adding up to a maximum of 100 credits. The grading follows the jointconversion key of the School of Economics and Management (decision of the school's council dated May 28, 2014 - FKR VII-4/8-28.05.2014).
Test elements Categorie Points Duration/ExtentLecture - exam written 60 60 minExercise - essay written 40 20 pages
27.08.2018 12:58 Uhr Modulbeschreibung #70159/4 Seite 1 von 1
Learning Outcomes -In depth understanding of the general process and roles involved in developing an idea and starting up a new technology-based company-The ability to systematically explore customers and markets-In depth understanding and the ability to systematically explore business organization and projects-In depth understanding and the ability to systematically explore basic product and process development-In depth understanding and the ability to systematically explore basic entrepreneurial finance-In depth understanding and the ability to systematically explore the important elements in managing companies and developing its humanresources
Requirements for participation and examination Desirable prerequisites for participation in the courses: There are no prerequisites for the participation in this module.
Mandatory requirements for the module test application: No information
Module completion
Innovation Management & Entrepreneurship Basics
Module title:
Innovation Management & Entrepreneurship Basics
Credits:
6
Responsible person:
Kratzer, Jan
Office:
H 76
Contact person:
Middermann, Laura Helen
Website:
http://www.entrepreneurship.tu-berlin.de
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Test description:The portfolio examination consists of the following elements, adding up to a maximum of 100 credits. The grading follows the jointconversion key of the School of Economics and Management (decision of the school's council dated May 28, 2014 - FKR VII-4/8-28.05.2014).
Test elements Categorie Points Duration/ExtentPresentation/Essay flexible 40 No informationWritten Test flexible 60 No information
27.08.2018 12:58 Uhr Modulbeschreibung #70160/3 Seite 1 von 1
Learning Outcomes The course participants have knowledge of the principal concepts and key principles of the marketing of innovative products and services.They are able to recall strategies, methods and specific instruments that can ensure market-oriented innovation processes. Graduates of the course are able to describe different types of innovation and are able to derive marketing implications. Furthermore,participants are able to describe how to select the appropriate target market, how to position the innovation relative to other solutions, howto communicate its benefits, set effective prices and select appropriate distribution channels, and how to develop solid relationships andalliances.
Requirements for participation and examination Desirable prerequisites for participation in the courses: There are no prerequisites for the participation in this module.
Mandatory requirements for the module test application:
Module completion
Innovation Marketing
Module title:
Innovation Marketing
Credits:
6
Responsible person:
Klasse-Talke, Katrin
Office:
H 95
Contact person:
Klasse-Talke, Katrin
Website:
http://www.marketing.tu-berlin.de
Display language:
Englisch
E-mail address:
1.) Module Marketing und Produktionsmanagement (#70183) passed
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Test description:The portfolio examination consists of the following elements, adding up to a maximum of 100 credits. The grading follows the jointconversion key of the School of Economics and Management (decision of the school's council dated May 28, 2014 - FKR VII-4/8-28.05.2014).
Test elements Categorie Points Duration/ExtentExam written 50 60 minPresentation/Report written 50 10-20 Seiten/Folien
27.08.2018 12:58 Uhr Modulbeschreibung #70161/6 Seite 1 von 1
Learning Outcomes Based on the lecture Innovation Economics this course puts the focus on Innovation Policy aspects. In a first step, various economicjustifications for government involvement in innovation activities will be presented with a focus on market and system failure aspects. In a second step, the development of Innovation Policy initiatives at National, European and International level will be presented andanalyzed. The course provides a general understanding of government´s Innovation Policy as well as knowledge about specific InnovationPolicy programs. Students learn to understand developments in Innovation Policy and to discuss them critically. The general analytical abilities for PublicPolicy Management (instrument design, implementation and evaluation) are taught in an appropriate way. The contextual understanding ofinnovation policy also makes it possible to incorporate government regulation in business considerations.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Basic skills have to be in accordance to all A-Business and A-Economics courses. Basic knowledge of economics and businessadministration is required to be able to reasonably follow the course. It is recommended to visit the course “Innovation Economics”beforehand.
Mandatory requirements for the module test application: No information
Module completion
Innovation Policy
Module title:
Innovation Policy
Credits:
6
Responsible person:
Blind, Knut
Office:
No information
Contact person:
Essoun, Brigitte
Website:
http://www.inno.tu-berlin.de
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Test description:The portfolio examination consists of the following elements, adding up to a maximum of 100 credits. The grading follows the jointconversion key of the School of Economics and Management (decision of the school's council dated May 28, 2014 - FKR VII-4/8-28.05.2014).
Test elements Categorie Points Duration/ExtentExercise (guest lectures, homework assignments) flexible 30 flexibelLecture (written test) written 70 85 min
27.08.2018 12:58 Uhr Modulbeschreibung #70162/3 Seite 1 von 1
Lernergebnisse Die Studierenden erhalten einen Einblick in die Grundlagen der rechtlich-regulatorischen Steuerung innovations- und marketingbezogenerSachverhalte zum Privat- und Wirtschaftsrecht, können Bezüge zum allgemeinen Zivil- und Wirtschaftsrecht herstellen, erlangenKenntnisse der für die Wirtschaftspraxis wesentlichen Bereiche dieser Rechtsgebiete und können diese adäquat anwenden.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Modul Wirtschaftsprivatrecht bestanden
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Innovationsrecht I
Titel des Moduls:
Innovationsrecht I
Leistungspunkte:
6
Verantwortliche Person:
Haase, Martin Sebastian
Sekretariat:
H 41
Ansprechpartner:
Haase, Martin Sebastian
Webseite:
http://www.wir.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache: Dauer/Umfang:benotet Schriftliche Prüfung Deutsch Keine Angabe
27.08.2018 12:58 Uhr Modulbeschreibung #70163/3 Seite 1 von 1
Lernergebnisse Ziel der Veranstaltung ist, Studierende schon während des Studiums auf zukünftige Managementaufgaben vorzubereiten. Anhand aktuellerFragestellungen des Marketing erarbeiten Studierende gemeinsam Lösungen in interdisziplinären Teams. Dabei lernen sie verschiedeneArten von Aufgaben kennen und lernen, deren Abfolge und Beziehungen untereinander sowie deren Auswirkungen einzuschätzen. Nebender Entwicklung strategischer und operativer Marketingmaßnahmen kann auch Projektmanagement am konkreten Fall trainiert werden.Studierende entwickeln unter realistischen Bedingungen einen Projektplan und kontrollieren ihren Fortschritt und die Einhaltung dergesetzten Ziele. Durch die Arbeit in Teams mit unterschiedlichem Fachwissen, Erfahrungen und Fähigkeiten können sie außerdem ihreTeam- und Kommunikationsfähigkeiten erweitern. In einer Abschlussveranstaltung haben Studierende die Gelegenheit, ihre Ergebnisse vorExperten zu präsentieren.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Mindestens drei Semester Studienerfahrung
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Innovationswerkstatt
Titel des Moduls:
Innovationswerkstatt
Leistungspunkte:
12
Verantwortliche Person:
Klasse-Talke, Katrin
Sekretariat:
H 95
Ansprechpartner:
Klasse-Talke, Katrin
Webseite:
http://www.marketing.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Prüfungsbeschreibung:Die Portfolioprüfung besteht aus den folgenden Elementen, in denen in der Summe maximal 100 Punkte erreicht werden können. DieBenotung erfolgt nach dem gemeinsamen Notenschlüssel der Fakultät VII (Beschluss des Fakultätsrates vom 28.05.2014 - FKR VII-4/8-28.05.2014).
Prüfungselemente Kategorie Punkte Dauer/UmfangIndividueller inhaltlicher Ergebnisbeitrag schriftlich 25 30 Seiten/FolienProjektleistung (Team) schriftlich 50 50 Seiten/FolienPräsentation und Diskussion von Arbeitsständen imProjektverlauf und Erfüllung der Projektrolle
mündlich 25 15 min
27.08.2018 12:58 Uhr Modulbeschreibung #70164/7 Seite 1 von 1
Lernergebnisse Ganzheitliche, integrierte Ansätze für das Informationsmanagement gewinnen im Bereich des IuK-Managements zunehmend anBedeutung. Vor allem in der unternehmerischen Praxis ergibt sich die Herausforderung, die verschiedenen Teilbereiche desInformationsmanagements stärker miteinander zu verzahnen und integrierte Managementansätze umzusetzen. Das Modul bietet denStudierenden, die zentralen Inhalte und Aufgaben eines integrierten Informationsmanagements zu erlernen. Zudem erhalten dieStudierenden einen ganzheitlichen Einblick in praktische Entscheidungssituationen des IT-Managements. Die erworbenen Kenntnisseermöglichen die Bearbeitung von realen IT-Management Aufgaben wie Sie in der Praxis vorzufinden sind. Im Rahmen der Übung wird denStudierenden die Möglichkeit geboten, den praktischen Umgang mit der betrieblichen Standardsoftware SAP R/3 zu erlernen. DieStudierenden erlernen anhand von praxisnahen Fallbeispielen die Aufgaben und Funktionen der zentralen Module der Software und habendie Möglichkeit, den Umgang mit dem System zu erproben.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Es bestehen keinerlei Voraussetzungen zur Teilnahme am Modul.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Integriertes Informationsmanagement
Titel des Moduls:
Integriertes Informationsmanagement
Leistungspunkte:
6
Verantwortliche Person:
Zarnekow, Rüdiger
Sekretariat:
H 93
Ansprechpartner:
Zarnekow, Rüdiger
Webseite:
http://www.ikm.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte pro ElementDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Prüfungsbeschreibung:Die Portfolioprüfung besteht aus den folgenden Elementen, in denen in der Summe maximal 100 Punkte erreicht werden können. DieBenotung erfolgt nach dem gemeinsamen Notenschlüssel der Fakultät VII (Beschluss des Fakultätsrates vom 28.05.2014 - FKR VII-4/8-28.05.2014).
Prüfungselemente Kategorie Gewicht Dauer/UmfangSchriftlicher Test (Vorlesung) schriftlich 90 1 StundeHausaufgaben Fallstudie schriftlich 10 4 Stück
27.08.2018 12:58 Uhr Modulbeschreibung #70166/4 Seite 1 von 1
Learning Outcomes The course is intended to give the students a broad overview concerning the exploitation and protection of intellectual assets and to conveythe basic principles of Intellectual Property (IP) Management. Relevant topics are means of formal protection (patents, brands, copyrightaspects, utility models etc.) as well as means of informal protection of IP assets (secrecy, technical solutions etc.). Furthermore, the coursecovers the fields of protection strategies and alternative ways of appropriation and enforcement of intellectual property, referring to researchco-operations, knowledge transfer processes and markets of technology. In addition, current topics and problems with respect to legalsystems display another field, potential scenarios of this system will be presented and solution approaches suggested. Selected guestlectures provide a high practical relevance. As part of the exercise a workshop held by industry partners supplements the theoretical and empirical knowledge from the lecture. Duringthe workshop the students will analyze and solve realistic case studies. Alternatively, the students may participate in a seminar where theydiscuss and illustrate the topics of the lectures with the help of current events. Students learn to recognize differences between the methods and instruments of intellectual property protection while critically weighingtheir pros and cons. It is taught in an appropriate way to transfer economic models into practical management use. Thus it is possible, forexample, to assess which methods and instruments may be combined for creating a reasonable business strategy.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Basic skills have to be in accordance to all A-Business and A-Economics courses. Basic knowledge of economics and businessadministration is required to be able to reasonably follow the course. It is recommended to visit other courses at our chair “InnovationEconomics”, “Innovation Policy” and “Strategic Standardisation”. When in doubt students may contact the respective teachers of the IPmanagement course.
Mandatory requirements for the module test application: No information
Module completion
Intellectual Property Management
Module title:
Intellectual Property Management
Credits:
6
Responsible person:
Blind, Knut
Office:
MAR 2-5
Contact person:
Essoun, Brigitte
Website:
http://www.inno.tu-berlin.de.
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Test description:The portfolio examination consists of the following elements, adding up to a maximum of 100 credits. The grading follows the jointconversion key of the School of Economics and Management (decision of the school's council dated May 28, 2014 - FKR VII-4/8-28.05.2014).
Test elements Categorie Points Duration/ExtentLecture (written test) written 38 60 minMultiple-choice tests flexible 12 flexibleExercise (case study, presentations, final report) flexible 50 flexible
27.08.2018 12:58 Uhr Modulbeschreibung #70167/4 Seite 1 von 1
Lernergebnisse Die integrierte Veranstaltung Internetwirtschaft gibt den Studierenden einerseits Einblicke in die wirtschaftlichen Zusammenhänge desDatentransports im globalen Internet und vermittelt andererseits die Qualifikation, im Rahmen einer Gruppenarbeit die Lösung eineranwendungsorientierten Fragestellung aus dem Bereich der Internetwirtschaft zu erarbeiten. Die Wissensvermittlung geschieht durchpraxisnahe Fachvorträge von Gastdozenten aus der Wirtschaft, bei denen die Studierenden einen Einblick in die Geschäftspraktiken undSchlüsseltechnologien der globalen Internetwirtschaft erhalten, sowie durch eine Vorlesung, bei der grundlegende Technologien undKonzepte erläutert werden. Bei diesem Modul liegt der Fokus auf der Verbindung von praktischem Fachwissen und lösungsorientierterTeamarbeit.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Es bestehen keinerlei Voraussetzungen zur Teilnahme am Modul.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Internetwirtschaft
Titel des Moduls:
Internetwirtschaft
Leistungspunkte:
6
Verantwortliche Person:
Zarnekow, Rüdiger
Sekretariat:
H 93
Ansprechpartner:
Korbel, Jakob Johannes
Webseite:
http://www.ikm.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte pro ElementDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Prüfungsbeschreibung:Die Portfolioprüfung besteht aus den folgenden Elementen, in denen in der Summe maximal 100 Punkte erreicht werden können. DieBenotung erfolgt nach dem gemeinsamen Notenschlüssel der Fakultät VII (Beschluss des Fakultätsrates vom 28.05.2014 - FKR VII-4/8-28.05.2014).
Prüfungselemente Kategorie Gewicht Dauer/UmfangGruppenarbeit schriftlich 50 11 Seiten pro Teilnehmer &
20 minütige PräsentationSchriftlicher Test schriftlich 50 1 Stunde Klausur
27.08.2018 12:58 Uhr Modulbeschreibung #70172/4 Seite 1 von 1
Lernergebnisse Mit den wachsenden Anforderungen an die Funktionalität, Qualität und Kosten von IT-Dienstleistungen steigt die Bedeutung einer effektivenund effizienten IT-Leistungserbringung. Entsprechend breit ist das Spektrum der Managementaufgaben und -prozesse, die ein IT-Dienstleister heute wahrnehmen muss und die unter dem Begriff des IT-Service-Managements zusammengefasst werden können. Imersten Teil dieses Moduls lernen die Studierenden die zentralen Bestandteile des IT-Service-Managements kennen und erhalten einenEinblick in aktuelle Referenzmodelle in der Praxis, wie z.B. ITIL, BS15000, COBIT oder MOF. Im zweiten Teil werden die Inhalte anhandausgewählter Themen und Beispiele vertieft. Konzepte der Referenzmodelle werden auf Praxisbeispiele angewendet, so dass dieStudierenden ein tieferes Verständnis des Service Managements bekommen. In einem eintägigen Simulationsspiel „Fort Fantastic“erproben die Studierenden den Umgang mit den in der Vorlesung erlernten Managementprozessen in der Praxis und erhalten so einenEinblick in praktische Aufgabenstellungen und Herausforderungen des IT-Service-Managements.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Einführung in die Wirtschaftsinformatik
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
IT-Service-Management
Titel des Moduls:
IT-Service-Management
Leistungspunkte:
6
Verantwortliche Person:
Zarnekow, Rüdiger
Sekretariat:
H 93
Ansprechpartner:
Pröhl, Thorsten
Webseite:
http://www.ikm.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte pro ElementDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Prüfungsbeschreibung:Die Portfolioprüfung besteht aus den folgenden Elementen, in denen in der Summe maximal 100 Punkte erreicht werden können. DieBenotung erfolgt nach dem gemeinsamen Notenschlüssel der Fakultät VII (Beschluss des Fakultätsrates vom 28.05.2014 - FKR VII-4/8-28.05.2014).
Prüfungselemente Kategorie Gewicht Dauer/UmfangAbgabe Übungsblätter schriftlich 10 Abgabe von 4 Übungsblättern
im Laufe des SemestersSchriftlicher Test schriftlich 90 60 Min.
27.08.2018 12:58 Uhr Modulbeschreibung #70175/6 Seite 1 von 1
Lernergebnisse Fokussiert auf die industriellen Leistungserbringer (pharmazeutische und medizintechnische Industrie) im Gesundheitswesen vermitteltdieses Modul den Studierenden die grundlegenden Rahmenbedingungen, Inhalte und Aufgaben des Managements im Gesundheitswesenam Beispiel der pharmazeutischen sowie der medizintechnischen Industrie. Die Studierenden erwerben vertiefte Kenntnisse hinsichtlichdes Managements von Industrieunternehmen im Bereich des Gesundheitswesens. Die erworbenen Kenntnisse versetzen die Studierendenin die Lage, Herausforderungen des Managements in pharmazeutischen und medizintechnischen Unternehmen zu beurteilen undeigenständig Problemstellungen in diesen Gebieten zu analysieren und zu lösen. Zudem werden Techniken des wissenschaftlichenArbeitens vertieft.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: abgeschlossenes Bachelor-Studium
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Management im Gesundheitswesen (MiG) - Industrie
Titel des Moduls:
Management im Gesundheitswesen (MiG) - Industrie
Leistungspunkte:
6
Verantwortliche Person:
Busse, Reinhard
Sekretariat:
H 80
Ansprechpartner:
Henschke, Cornelia
Webseite:
http://www.mig.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Prüfungsbeschreibung:Die Portfolioprüfung besteht aus den folgenden Elementen: schriftlicher Test und schriftliche Hausarbeit. In Summe können maximal 100Punkte erreicht werden. Die Benotung erfolgt nach dem gemeinsamen Notenschlüssel der Fakultät VII (Beschluss des Fakultätsrates vom28.05.2014 - FKR VII-4/8-28.05.2014).
Prüfungselemente Kategorie Punkte Dauer/UmfangSchriftliche Hausarbeit schriftlich 50 ca.15 SeitenSchriftlicher Test schriftlich 50 60 min
27.08.2018 12:58 Uhr Modulbeschreibung #70180/3 Seite 1 von 1
Lernergebnisse Nach Abschluss des Moduls beherrschen die Studierenden grundlegende Instrumente des Managements im Gesundheitswesen. Dieerworbenen Kenntnisse ermöglichen es den Studierenden Managementpositionen bei Akteuren der Gesundheitsbranche (z. B. beiKrankenhäusern oder Krankenkassen) einzunehmen. Die Studierenden sind in der Lage das deutsche Gesundheitssystem sowie dessenRahmenbedingungen in den internationalen Kontext einzuordnen. Des Weiteren wird die Fähigkeit der Studierenden vertieftwissenschaftliche Hypothesen, Ergebnisse und Diskurse pointiert darzustellen und kritisch zu hinterfragen. Außerdem lernen dieStudierenden wissenschaftliche Ergebnisse des Manage-ments im Gesundheitswesen in möglichen späteren Berufsfeldernanwendungsbezogen einzubringen.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: abgeschlossenes Bachelor-Studium
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Management im Gesundheitswesen (MiG) - Krankenversicherung und Leistungsanbieter
Titel des Moduls:
Management im Gesundheitswesen (MiG) - Krankenversicherung undLeistungsanbieter
Leistungspunkte:
6
Verantwortliche Person:
Busse, Reinhard
Sekretariat:
H 80
Ansprechpartner:
Geissler, Alexander
Webseite:
http://www.mig.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Prüfungsbeschreibung:Die Portfolioprüfung besteht aus den folgenden Elementen, in denen in der Summe maximal 100 Punkte erreicht werden können. DieBenotung erfolgt nach dem gemeinsamen Notenschlüssel der Fakultät VII (Beschluss des Fakultätsrates vom 28.05.2014 - FKR VII-4/8-28.05.2014).
Prüfungselemente Kategorie Punkte Dauer/UmfangPräsentation mündlich 25 15 min.Schriftlicher Test schriftlich 50 75 min.Seminararbeit schriftlich 25 ca. 10 Seiten
27.08.2018 12:58 Uhr Modulbeschreibung #70181/3 Seite 1 von 1
Lernergebnisse In dieser Projektübung werden in anderen Marketing-Modulen erworbene Kenntnisse unmittelbar an einer aktuellen Problemstellung ausder Forschung oder an einem Praxisbeispiel angewandt. Die Veranstaltung kann in Kooperation mit Unternehmen durchgeführt werden undsich der Entwicklung operativer und strategischer Marketingmaßnahmen widmen. Diese Aufgaben werden umgesetzt durch theoretischvermittelte Marktforschungsmethoden zur Realisierung einer strukturierten Sekundäranalyse und meist auch einer Primäranalyse.Gleichgewichtige Bedeutung hat die Vertiefung von Fähigkeiten in Teamarbeit, Kommunikation und Präsentation.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Erfolgreicher Abschluss mindestens eines weiteren Marketingmoduls im Masterstudium
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Marketing Forschungsseminar für Fortgeschrittene
Titel des Moduls:
Marketing Forschungsseminar für Fortgeschrittene
Leistungspunkte:
6
Verantwortliche Person:
Klasse-Talke, Katrin
Sekretariat:
H 95
Ansprechpartner:
Klasse-Talke, Katrin
Webseite:
http://www.marketing.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Prüfungsbeschreibung:Die Portfolioprüfung besteht aus den folgenden Elementen, in denen in der Summe maximal 100 Punkte erreicht werden können. DieBenotung erfolgt nach dem gemeinsamen Notenschlüssel der Fakultät VII (Beschluss des Fakultätsrates vom 28.05.2014 - FKR VII-4/8-28.05.2014).
Prüfungselemente Kategorie Punkte Dauer/UmfangBericht und Präsentation schriftlich 25 5 Seiten/10 FolienExamen schriftlich 50 60 minZwischenprüfungen im Kurs schriftlich 25 30 min
27.08.2018 12:58 Uhr Modulbeschreibung #70182/3 Seite 1 von 1
Learning Outcomes Microeconometrics is the collection of models and methods for analyzing data on individuals (micro data). Such data typically containsinformation about the choices and outcomes of individual economic agents such as people, households, plants or firms. Choice variables ofindividuals are often non-standard from a statistical point of view: they may be qualitative (indicating the chosen alternative), discrete(counts) or limited (truncated, censored; e.g. spending on durable goods is often zero and otherwise positive). In such cases, the standardlinear regression model is no longer adequate. A range of nonlinear econometric models has been developed to analyze this data (Logit-,Probit-, Tobit models). The aim of the course is to give the students a solid introduction into formulation, estimation and interpretation ofthese models. A key ingredient of the course are the weekly tutorials that focus on hands-on experience in applying these methods to actualdata accompanied by 2-3 compulsory homework assignments. The tutorial introduces students to the free statistical software R which isalso a preferable tool for the completion of the assignments. At the end of the course, students can be expected to be able to carry outbasic data analysis of the relevant questions on their own.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Good understanding of the Topics of the Modul (70198) Ökonometrie. most notably:Understanding the concepts of Bias and Variance of an EstimatorRegression analysis (Ordinary Least Squares - multivariate Regression) and related topicsHypothesis testing (t-Test, F-Test)
Mandatory requirements for the module test application:
Module completion
Microeconometrics
Module title:
Microeconometrics
Credits:
6
Responsible person:
Werwatz, Axel
Office:
H 57
Contact person:
Repasky, Tomas
Website:
http://www.statistik.tu-berlin.de
Display language:
Englisch
E-mail address:
1.) Module Ökonometrie (#70198) passed
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Test description:The portfolio examination consists of the following elements, adding up to a maximum of 100 credits. The grading follows the jointconversion key of the School of Economics and Management (decision of the school's council dated May 28, 2014 - FKR VII-4/8-28.05.2014).
Test elements Categorie Points Duration/ExtentTwo written assignments written 30 You will have to successfully
solve 2 written assignments.Both involve programmingtasks in R as well astheoretical questions (e.g.:interpreting results orexplaining conceptsintroduced in the lecture).You will work in groupsconsisting of 2-3 students.
Written exam written 70 75 Minutes
27.08.2018 12:58 Uhr Modulbeschreibung #70187/3 Seite 1 von 1
Learning Outcomes How to use statictical methods to explore, summarize, classify, cluster or explain multivariate data.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Bestehen des Modul Ökonometrie
Mandatory requirements for the module test application:
Module completion
Multivariate Analysis/Business Statistics
Module title:
Multivariate Analysis/Business Statistics
Credits:
6
Responsible person:
Werwatz, Axel
Office:
H 57
Contact person:
Plitzko, Franziska
Website:
http://www.statistik.tu-berlin.de
Display language:
Englisch
E-mail address:
1.) Module Statistik II für Wirtschaftswissenschaften (#70232) passed2.) Module Statistik I für Wirtschaftswissenschaften (#70231) passed
Grading: Type of exam: Language: Duration/Extent:graded Written exam English No information
27.08.2018 12:58 Uhr Modulbeschreibung #70190/2 Seite 1 von 1
Learning Outcomes The course analyzes the influence of Open Source and Peer Production from an economic, political and societal point of view. In particular,it will deal with the potential conflict between Open Innovation and traditional formal protective rights, the motivation and organization ofOpen Source communities, and the economic impact of Open Source. The participants will learn about the implications of using and contributing to Open Source projects in enterprises. The course will enablethem to assess and evaluate the use of Open Source products, and develop strategies for cooperation and collaboration with Open Sourcecommunities.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Basic Knowledge of lectures in Innovation Economics and IP Management.
Mandatory requirements for the module test application: No information
Module completion
Open Source and IP in the Digital Society
Module title:
Open Source and IP in the Digital Society
Credits:
6
Responsible person:
Blind, Knut
Office:
No information
Contact person:
Essoun, Brigitte
Website:
http://www.inno.tu-berlin.de.
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Test description:The portfolio examination consists of the following elements, adding up to a maximum of 100 credits. The grading follows the jointconversion key of the School of Economics and Management (decision of the school's council dated May 28, 2014 - FKR VII-4/8-28.05.2014).
Test elements Categorie Points Duration/ExtentWritten report written 50 flexibelPresentation oral 50 flexibel
27.08.2018 12:58 Uhr Modulbeschreibung #70200/3 Seite 1 von 1
Learning Outcomes The course is intended to give the students a broad overview concerning elements and actors of the quality infrastructure management atNational, European and International level. They can explain how different actors of the process collaborate and how issues such asproduct safety, consumer protection and free trade can be guaranteed. Furthermore, they can describe the interplay between governmentalregulation, European and international standards, product certification and government supervision.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Basic knowledge of economics and business administration is useful to be able to reasonably follow the course.
Mandatory requirements for the module test application: No information
Module completion
Quality Infrastructure Management
Module title:
Quality Infrastructure Management
Credits:
6
Responsible person:
Blind, Knut
Office:
MAR 2-5
Contact person:
Essoun, Brigitte
Website:
http://www.inno.tu-berlin.de
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Test description:The portfolio examination consists of the following elements, adding up to a maximum of 100 credits. The grading follows the jointconversion key of the School of Economics and Management (decision of the school's council dated May 28, 2014 - FKR VII-4/8-28.05.2014).
Test elements Categorie Points Duration/ExtentLecture (written test) written 50 60 minExercise (multiple choice test) flexible 20 flexibleExercise (assignment) written 30 flexible
27.08.2018 12:58 Uhr Modulbeschreibung #70213/4 Seite 1 von 1
Lernergebnisse Während genormte Produkte wie das Papierformat DIN A4 oft sehr bekannt sind, ist der Nutzen von Normen, ihre Entstehung auffreiwilliger Basis nach dem Konsensprinzip und ihre strategische Bedeutung für Unternehmen, Politik und Gesellschaft wenig oder gar nichtbekannt. Normung ist ein strategisches Element in Wirtschaft und Gesellschaft, z.B. zur Erleichterung des Austausches von Waren undDienstleistungen. Normung trägt dazu bei, technisches Wissen und Innovationen schneller zu verbreiten und im Markt zu platzieren unddamit die Wettbewerbsfähigkeit von Unternehmen auf nationaler, europäischer und internationaler Ebene zu stärken, aber auch dieIntegration ganzer Wirtschaftsräume, z. B. des einheitlichen europäischen Marktes, zu unterstützen. Der gesamtwirtschaftliche Nutzen von Normen, die heute neben Produkten und ihren Anwendungen auch Dienstleistungen undManagementsysteme umfassen, beträgt – wie eine wissenschaftliche Studie belegt – in Deutschland allein ca. 16 Mrd. € pro Jahr. Normungentlastet die staatliche Regelsetzung: der Staat konzentriert sich auf die Vorgabe wesentlicher Schutzziele, z. B. zur Sicherheit undGesundheit, die Detaillierung und Konkretisierung erfolgt durch Normen. Auf europäischer Ebene ist diese Wirkungsweise durch den NewApproach (Kombination von EG-Richtlinien und harmonisierten europäischen Normen) gegeben. Aber auch um Forschungs- und Entwicklungsarbeiten eine solide Basis zu geben, ist die frühzeitige entwicklungsbegleitende Normung vongroßer Bedeutung. Nur so konnte z. B. die Marktführerschaft Deutschlands in der Lasertechnik auf internationaler Ebene gesichert werden.Forschungsergebnisse sind gleichfalls frühzeitig in die praktische Anwendung zu überführen; dazu sind Normen ein wichtiges Instrumentdes Technologietransfers, wie die „Hightech- Strategie 2010 der Bundesregierung“ unterstreicht. Dieses vielfältige Spektrum der Möglichkeiten der Normung und ihrer Nutzung ist bisher nicht systematisch Gegenstand der akademischenLehre gewesen, aber wegen der strategischen Bedeutung der Normung für Wirtschaft und Gesellschaft ein wichtiger Baustein für dieStrategiekompetenzen insbesondere von Wirtschaftsingenieuren, aber auch von Ingenieuren aus dem Maschinenbau und dem Bauwesensowie von Volks- und Betriebswirten. Die Studierenden werden befähigt, die Erarbeitung von Normen auf nationaler, europäischer und internationaler Ebene nachzuvollziehenund die Rollen der Beteiligten zu verstehen. Sie können die deregulierende Wirkung von Normen erklären, insbesondere dasZusammenspiel von EG-Richtlinien und harmonisierenden europäischen Normen als Voraussetzung der CE-Kennzeichnung. Sie werdenbefähigt, Normen von Patenten abzugrenzen und beide als Technologietransferinstrumente einzusetzen, um Innovationen aufinternationalen Märkten zu platzieren. Es werden Methoden vermittelt, um den volks- und betriebswirtschaftlichen Nutzen von Normen zuermitteln.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Ein begleitender Besuch der anderen Module des Fachgebiets „Innovationsökonomie“ oder/und „Innovationspolitik“ wird ggf. empfohlen.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Strategische Normung
Titel des Moduls:
Strategische Normung
Leistungspunkte:
6
Verantwortliche Person:
Blind, Knut
Sekretariat:
Keine Angabe
Ansprechpartner:
Essoun, Brigitte
Webseite:
http://www.inno.tu-berlin.de.
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache:benotet Portfolioprüfung
100 Punkte insgesamtDeutsch
Notenschlüssel:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Prüfungsbeschreibung:Die Portfolioprüfung besteht aus den folgenden Elementen, in denen in der Summe maximal 100 Punkte erreicht werden können. DieBenotung erfolgt nach dem gemeinsamen Notenschlüssel der Fakultät VII (Beschluss des Fakultätsrates vom 28.05.2014 - FKR VII-4/8-28.05.2014).
27.08.2018 12:58 Uhr Modulbeschreibung #70236/5 Seite 1 von 2
Prüfungselemente Kategorie Punkte Dauer/UmfangVorlesung (Klausur) schriftlich 60 60 minÜbung (Zwei Berichte zu einer DIN-Gremiensitzung,Simulation, Test)
flexibel 40 flexibel
27.08.2018 12:58 Uhr Modulbeschreibung #70236/5 Seite 2 von 2
Learning Outcomes Innovation has been proven to be a central driver of economic growth and development. Similarly, the transition to more sustainablepatterns of production and consumption is dependent on far reaching processes of innovation and technological change. This course willprovide an introduction to key theoretical approaches, which link innovation to the theory and practice of sustainable development. On thisbasis, it will address emerging paradigms for sustainable innovation policy and management and other current topics in the businesspractice of sustainable innovation. The first part of the course provides an introduction to key concepts and debates related to sustainable development and innovation andhighlights important inter-linkages between the two areas. It provides an overview of how this debate has evolved over time and introducesthe emerging paradigm of “Innovation for Sustainability”. The second part of the course provides a more detailed look at the debate on sustainability, innovation and the role of policy andgovernance in enabling a transition to sustainable consumption and production. It presents related theoretical concepts from economics,sociology and political science and current approaches in the practice of sustainable innovation policy. Finally, it introduces importantcontemporary debates in this context, such as the relationship between sustainable innovation and international competitiveness and therole of inequality and social inclusion in the debate on sustainable innovation. The third part of the course provides an introduction to key topics and trends in the business practice of innovation. It addresses topics insustainable innovation management and sustainable entrepreneurship as well as key trends in the field of sustainable innovation, such asfrugal innovation, innovation at the base of the pyramid (BOP), the development of a sharing economy. Students will become acquainted the main concepts and debates regarding sustainable development and innovation and their inter-linkages. They will understand key societal debates on the topic and how to relate these to the field of business and management.Moreover, they will be introduced to emerging trends in the field of sustainable innovation and how these are translated into businessmodels and practices.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Basic skills have to be in accordance to all Business and Economics courses and, if necessary, have to be certificated.
Mandatory requirements for the module test application: No information
Module completion
Sustainable Innovation
Module title:
Sustainable Innovation
Credits:
6
Responsible person:
Blind, Knut
Office:
MAR 2-5
Contact person:
Essoun, Brigitte
Website:
http://www.inno.tu-berlin.de
Display language:
Englisch
E-mail address:
Grading: Type of exam: Language:graded Portfolio examination
100 points in totalEnglish
Grading scale:Note: 1.0 1.3 1.7 2.0 2.3 2.7 3.0 3.3 3.7 4.0Punkte: 90.0 85.0 80.0 76.0 72.0 67.0 63.0 59.0 54.0 50.0
Test description:The portfolio examination consists of the following elements, adding up to a maximum of 100 credits. The grading follows the jointconversion key of the School of Economics and Management (decision of the school's council dated May 28, 2014 - FKR VII-4/8-28.05.2014).
Test elements Categorie Points Duration/ExtentLecture - written test written 40 60Lecture - written test written 20 20Exercise - essay written 40 10
27.08.2018 12:58 Uhr Modulbeschreibung #70245/6 Seite 1 von 1
Lernergebnisse Die Studierenden kennen die fachlichen Grundlagen des technikbezogenen Privat- und Wirtschaftsrechts, können Bezüge zum allgemeinenZivil- und Wirtschaftsrecht herstellen, besitzen Kenntnisse der für die Wirtschaftspraxis wesentlichen Bereiche dieser Rechtsgebiete undkönnen diese anwenden.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: keine
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Abschluss des Moduls
Technikrecht I
Titel des Moduls:
Technikrecht I
Leistungspunkte:
6
Verantwortliche Person:
Ensthaler, Jürgen
Sekretariat:
H 41
Ansprechpartner:
Ensthaler, Jürgen
Webseite:
http://www.wir.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
1.) Modul Wirtschaftsprivatrecht (#70263) bestanden
Benotung: Prüfungsform: Sprache: Dauer/Umfang:benotet Schriftliche Prüfung Deutsch Keine Angabe
27.08.2018 12:58 Uhr Modulbeschreibung #70247/2 Seite 1 von 1
Learning Outcomes Most economic variables, if measured over time, show serial dependence. That is, current realizations of the variable depend on pastoutcomes. Capturing this serial dependence with a statistical model and utilizing this statistical model to forecast future values of thevariable are the main goals of this course. For this purpose, students will learn identification, estimation, diagnostic checking and forecastingof ARIMA models. Key ingredients of the course are the weekly tutorials that focus on hands-on experience in applying these models toactual data in a computer classroom.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Bestehen des Moduls Ökonometrie
Mandatory requirements for the module test application:
Module completion
Time Series Analysis
Module title:
Time Series Analysis
Credits:
6
Responsible person:
Werwatz, Axel
Office:
H 57
Contact person:
Plitzko, Franziska
Website:
http://www.statistik.tu-berlin.de
Display language:
Englisch
E-mail address:
1.) Module Statistik I für Wirtschaftswissenschaften (#70231) passed2.) Module Statistik II für Wirtschaftswissenschaften (#70232) passed
Grading: Type of exam: Language: Duration/Extent:graded Written exam English No information
27.08.2018 12:58 Uhr Modulbeschreibung #70250/2 Seite 1 von 1
Learning Outcomes An understanding of the predominant statistical model of causality. Knowledge of the definition and sources of selection bias.Understanding how randomized experiments in principle identify causality. A sound understanding of estimators of average causal effectsbased on non-experimental data, particularly their identifying assumptions and data requirements.
Requirements for participation and examination Desirable prerequisites for participation in the courses: Ökonometrie
Mandatory requirements for the module test application:
Module completion
Treatment Effect Analysis
Module title:
Treatment Effect Analysis
Credits:
6
Responsible person:
Werwatz, Axel
Office:
H 57
Contact person:
Repasky, Tomas
Website:
http://www.statistik.tu-berlin.de
Display language:
Englisch
E-mail address:
1.) Module Statistik II für Wirtschaftswissenschaften (#70232) passed2.) Module Statistik I für Wirtschaftswissenschaften (#70231) passed
Grading: Type of exam: Language: Duration/Extent:graded Written exam English No information
27.08.2018 12:58 Uhr Modulbeschreibung #70251/2 Seite 1 von 1
Lernergebnisse Absolventen dieses Moduls werden insbesondere auf Karrieren bei international tätigen Beratungs- und Prüfungsgesellschaften vorbereit.Darüber hinaus bieten sich für Absolventen sehr gute Karrierechancen in den Internal Audit- und Finanzabteilungen von internationalenGroßkonzernen.
Voraussetzungen für die Teilnahme / Prüfung Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen: Das Modul "Bilanzierung und Kostenrechnung"
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung: Keine Angabe
Abschluss des Moduls
Wirtschaftsprüfung
Titel des Moduls:
Wirtschaftsprüfung
Leistungspunkte:
6
Verantwortliche Person:
Lachmann, Maik
Sekretariat:
H 68
Ansprechpartner:
Mehr, Susan
Webseite:
http://www.accounting.tu-berlin.de
Anzeigesprache:
Deutsch
E-Mailadresse:
Benotung: Prüfungsform: Sprache: Dauer/Umfang:benotet Schriftliche Prüfung Deutsch 90 min
27.08.2018 12:58 Uhr Modulbeschreibung #70264/5 Seite 1 von 1