Inhalt

• Grundlagen der Berechenbarkeit:
  • Universelle Registermaschinen
  • Syntax und operationelle Semantik imperativer Programmiersprachen
• Formale Verfahren zur Spezifikation und Verifikation imperativer Programme:
  • Bedingungen auf dem Zustandsraum (assertions),
  • Hoare-Kalkül, partielle Korrektheit, Termination
• Konzepte imperativer und objektorientierter Programmierung (Java):
  • Primitive und Zusammengesetzte Datentypen,
  • Methoden (Prozeduren und Funktionen), Parameterübergabe, Überladung
  • Module, Klassen, Objekte
  • Klassenhierarchien, Vererbung, Polymorphie
  • Abstrakte Klassen, Schnittstellen
• Programmiermethodik:
  • schrittweise korrekte Programmentwicklung
  • Teile und Herrsche
  • Backtracking
• Analyse von Laufzeit und Speicherbedarf:
  • O-Notation
  • Umwandlung von Rekursion in Iteration
  • Analyse von Such- und Sortieralgorithmen
  • Algorithmen, Datenstrukturen, Datenabstraktion

• Concepts of Programming Languages, Robert Sebesta, Pearson Education , 10th Edition, 2012, ISBN: 0131395319
• Data Structures & Problem Solving Using Java, Mark Allen Weiss, Addison Wesley, 4. Auflage, 2010, ISBN: 0-321-54140-5
• Cormen, Leiserson, Rivest: Introduction to Algorithms, 3. Auflage 2009,
• Bundle of algorithms in java, third edition, parts 1-5. Sedgewick Robert und Michael Schidlowsky. Addison-Wesley Longman, Amsterdam. 2003.

Voraussetzungen

Kenntnisse aus der Vorlesung "Funktionale Programmierung" werden vorausgesetzt.

Bitte melden Sie sich auch im KVV für die Veranstaltung an.

Website: https://www.mi.fu-berlin.de/w/SE/VorlesungNichtseq_Vert_Prg2021

Inhalte:

Programmieren und Synchronisieren von gleichzeitig laufenden Prozessen, die auf gemeinsame Ressourcen zugreifen oder über Nachrichtenaustausch interagieren.

• Nichtsequentielle Programme und Prozesse in ihren verschiedenen Ausprägungen, Nichtdeterminismus, Determinierung
• Synchronisationsmechanismen: Sperren, Monitore, Wachen, Ereignisse, Semaphore
• Nichtsequentielle Programmausführung und Objektorientierung
• Ablaufsteuerung, Auswahlstrategien, Prioritäten, Umgang mit und Vermeidung von Verklemmung
• Koroutinen, Implementierung, Mehrprozessorsysteme
• Interaktion über Nachrichten
• Programmieren und Synchronisieren von gleichzeitig laufenden Prozessen, die über Nachrichtenaustausch interagieren
• Fernaufruftechniken
• Client-Server, Peer-to-Peer
• Parallelrechnen im Netz
• Koordinierungssprachen
• Verarbeitung auf dem Server und auf dem Client, Mobilität
• Middleware, strukturierte Kommunikation, statische und dynamische Schnittstellen
• Ereignisbasierte und strombasierte Verarbeitung
• Sicherheit von Anwendungen im Netzwerk
• Ausblick auf nichtfunktionale Eigenschaften (Zeit, Speicher, Dienstgüte) 

Literatur:

• Principles of Concurrent and Distributed Programming. M. Ben-Ari. Addison-Wesley. 
• Distributed Systems. Concepts and Design. Fifth Edition. George Coulouris, Jean Dollimore, Tim Kindberg, Gordon Blair. Pearson.

Website: https://www.mi.fu-berlin.de/w/SE/VorlesungNichtseq_Vert_Prg2021

Inhalte:

Programmieren und Synchronisieren von gleichzeitig laufenden Prozessen, die auf gemeinsame Ressourcen zugreifen oder über Nachrichtenaustausch interagieren.

• Nichtsequentielle Programme und Prozesse in ihren verschiedenen Ausprägungen, Nichtdeterminismus, Determinierung
• Synchronisationsmechanismen: Sperren, Monitore, Wachen, Ereignisse, Semaphore
• Nichtsequentielle Programmausführung und Objektorientierung
• Ablaufsteuerung, Auswahlstrategien, Prioritäten, Umgang mit und Vermeidung von Verklemmung
• Koroutinen, Implementierung, Mehrprozessorsysteme
• Interaktion über Nachrichten
• Programmieren und Synchronisieren von gleichzeitig laufenden Prozessen, die über Nachrichtenaustausch interagieren
• Fernaufruftechniken
• Client-Server, Peer-to-Peer
• Parallelrechnen im Netz
• Koordinierungssprachen
• Verarbeitung auf dem Server und auf dem Client, Mobilität
• Middleware, strukturierte Kommunikation, statische und dynamische Schnittstellen
• Ereignisbasierte und strombasierte Verarbeitung
• Sicherheit von Anwendungen im Netzwerk
• Ausblick auf nichtfunktionale Eigenschaften (Zeit, Speicher, Dienstgüte) 

Literatur:

• Principles of Concurrent and Distributed Programming. M. Ben-Ari. Addison-Wesley. 
• Distributed Systems. Concepts and Design. Fifth Edition. George Coulouris, Jean Dollimore, Tim Kindberg, Gordon Blair. Pearson.

Das Modul Betriebs- und Kommunikationssysteme schließt die Lücke zwischen dem Rechner als Hardware und den Anwendungen.

Themen sind daher:

• Ein-/Ausgabe-Systeme
• DMA/PIO
• Unterbrechungsbehandlung
• Puffer
• Prozesse/Threads
• virtueller Speicher
• UNIX und Windows
• Shells
• Utilities
• Peripherie und Vernetzung
• Netze
• Medien
• Medienzugriff
• Protokolle
• Referenzmodelle
• TCP/IP
• grundlegender Aufbau des Internet

• Andrew S. Tanenbaum: Computerarchitektur, 5.Auflage, Pearson Studium, 2006
• English: Andrew S. Tanenbaum (with contributions from James R. Goodman):
• Structured Computer Organization, 4th Ed., Prentice Hall International, 2005.

Begleitveranstaltung zur Vorlesung 19300701

Inhalt:

Das Modul Mobilkommunikation stellt exemplarisch alle Aspekte mobiler und drahtloser Kommunikation dar, welche derzeit den stärksten Wachstumsmarkt überhaupt darstellt und in immer mehr Bereiche der Gesellschaft vordringt.

Während der gesamten Vorlesung wird ein starker Wert auf die Systemsicht gelegt und es werden zahlreiche Querverweise auf reale Systeme, internationale Standardisierungen und aktuellste Forschungsergebnisse gegeben.

Die zu behandelnden Themen sind:

• Technische Grundlagen der drahtlosen Übertragung: Frequenzen, Signale, Antennen, Signalausbreitung, Multiplex, Modulation, Spreizspektrum, zellenbasierte Systeme;
• Medienzugriff: SDMA, FDMA, TDMA, CDMA;
• Drahtlose Telekommunikationssysteme: GSM, TETRA, UMTS, IMT-2000, LTE;
• Drahtlose lokale Netze: Infrastruktur/ad-hoc, IEEE 802.11/15, Bluetooth;
• Mobile Netzwerkschicht: Mobile IP, DHCP, ad-hoc Netze;
• Mobile Transportschicht: traditionelles TCP, angepasste TCP-Varianten, weitere Mechanismen;
• Mobilitätsunterstützung;
• Ausblick: 4. Generation Mobilnetze

Jochen Schiller, Mobilkommunikation, Addison-Wesley, 2.Auflage 2003

Alle Unterlagen verfügbar unter http://www.mi.fu-berlin.de/inf/groups/ag-tech/teaching/resources/Mobile_Communications/course_Material/index.html

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

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

Zielgruppe

• MSc

Anforderungen

• Erfahrung mit Computern und Software sowie Programierkenntnisse

Sprache

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

Credits & Klausur

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

Webseite

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

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

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

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

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

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

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

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

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

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

In dieser Vorlesung steht die Frage im Vordergrund, wie das Internet im Inneren aufgebaut ist und seine Dienste und Anwendungen verbreitet sind. Hierfür werden Methoden zur Messung und Bewertung von Netzwerkarchitekturen und Netzwerkprotokollen vorgestellt. Die Erkenntnisse werden in einen praktischen Kontext eingebettet. Zum Beispiel werden wir diskutieren, wie das aktuelle Peering-Ökosystem im Internet aufgebaut ist und warum es schwierig ist, dieses zu messen. Sie werden verstehen, wie man die Verbreitung von traditionellen und neuartigen Netzwerkprotokollen (z.B. IPv6, DNSSEC, HTTP/2) quantifizieren kann. Wir werden auch diskutieren, wie man sehr große Internet-Datensätze effizient verarbeitet, um sie zu analysieren.Als Anwendung für Internet-Messungen werden wir uns auf die Bereiche Netzwerk-Sicherheit und Leistungsbewertung konzentrieren.

In der zur Vorlesung zusätzlich angebotenen Übung werden Sie eigene Messungen durchführen und bestehende Messdatensätze auswerten.

• Vaibhav Bajpai, Anna Brunstrom, Anja Feldmann, Wolfgang Kellerer, Aiko Pras, Henning Schulzrinne, Georgios Smaragdakis, Matthias Wählisch, Klaus Wehrle, The Dagstuhl Beginners Guide to Reproducibility for Experimental Networking Research, ACM SIGCOMM Computer Communication Review, Vol. 49, No. 1, pp. 24--30, January 2019. Editorial note  PDF   BibTeX   Abstract  
   

Zielgruppe: Die Vorlesung richtet sich an alle, die das Internet und seine Anwendungen besser verstehen wollen.

Voraussetzungen: Gute Kenntnisse in den Bereichen Rechnernetze und Kommuniktionssysteme.

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

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

Zielgruppe

• MSc

Anforderungen

• Erfahrung mit Computern und Software sowie Programierkenntnisse

Sprache

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

Credits & Klausur

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

Webseite

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

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

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

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

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

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

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

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

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

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

In dieser Vorlesung steht die Frage im Vordergrund, wie das Internet im Inneren aufgebaut ist und seine Dienste und Anwendungen verbreitet sind. Hierfür werden Methoden zur Messung und Bewertung von Netzwerkarchitekturen und Netzwerkprotokollen vorgestellt. Die Erkenntnisse werden in einen praktischen Kontext eingebettet. Zum Beispiel werden wir diskutieren, wie das aktuelle Peering-Ökosystem im Internet aufgebaut ist und warum es schwierig ist, dieses zu messen. Sie werden verstehen, wie man die Verbreitung von traditionellen und neuartigen Netzwerkprotokollen (z.B. IPv6, DNSSEC, HTTP/2) quantifizieren kann. Wir werden auch diskutieren, wie man sehr große Internet-Datensätze effizient verarbeitet, um sie zu analysieren.Als Anwendung für Internet-Messungen werden wir uns auf die Bereiche Netzwerk-Sicherheit und Leistungsbewertung konzentrieren.

In der zur Vorlesung zusätzlich angebotenen Übung werden Sie eigene Messungen durchführen und bestehende Messdatensätze auswerten.

• Vaibhav Bajpai, Anna Brunstrom, Anja Feldmann, Wolfgang Kellerer, Aiko Pras, Henning Schulzrinne, Georgios Smaragdakis, Matthias Wählisch, Klaus Wehrle, The Dagstuhl Beginners Guide to Reproducibility for Experimental Networking Research, ACM SIGCOMM Computer Communication Review, Vol. 49, No. 1, pp. 24--30, January 2019. Editorial note  PDF   BibTeX   Abstract  
   

Zielgruppe: Die Vorlesung richtet sich an alle, die das Internet und seine Anwendungen besser verstehen wollen.

Voraussetzungen: Gute Kenntnisse in den Bereichen Rechnernetze und Kommuniktionssysteme.

Inhalt:

• Theoretische Rechnermodelle
  • Automaten
  • formale Sprachen
  • Grammatiken und die Chomsky-Hierarchie
  • Turing-Maschinen
  • Berechenbarkeit
• Einführung in die Komplexität von Problemen

• Uwe Schöning, Theoretische Informatik kurzgefasst, 5. Auflage, Spektrum Akademischer Verlag, 2008
• John E. Hopcroft, Rajeev Motwani, Jeffrey D. Ullman, Einführung in die Automatentheorie, Formale Sprachen und Komplexität, Pearson Studium, 3. Auflage, 2011
• Ingo Wegener: Theoretische Informatik - Eine algorithmenorientierte Einführung, 2. Auflage, Teubner, 1999
• Michael Sipser, Introduction to the Theory of Computation, 2nd ed., Thomson Course Technology, 2006
• Wegener, Kompendium theoretische Informatik - Eine Ideensammlung, Teubner 1996

Inhalt

Das Proseminar vertieft Inhalte aus den Grundvorlesungen der Arbeitsgruppe Theoretische Informatik. Im Wintersemester werden weiterführende Themen aus der Berechenbarkeits- und Sprachentheorie behandelt (im Anschluss an "Grundlagen der theoretischen Informatik"); im Sommersemester geht es um Themen aus der Algorithmik (im Anschluss an "Algorithmen, Datenstrukturen, und Datenabstraktion").

Voraussetzungen

zwei abgeschlossene Fachsemester Informatik, Leistungsnachweis GTI

wird mit der Ankündigung bekannt gegeben

In diesem Proseminar werden ausgewählte Themen über Programmiersprachen in Einzel- oder Doppelvorträgen von Studierenden vorgetragen. Besonderheiten von theoretischen und praktischen Grundlagen der Programmiersprachen sowie die wissenschaftliche Fundierung von diversen weniger gängigen Programmierparadigmen wie die Aspektorientierung oder das synchrone Paradigma werden durch die vorgestellten Themen behandelt. 

Im Anschluss an jedes Referat findet eine ausführliche Diskussion statt, an der sich möglichst alle Teilnehmer beteiligen sollen. Zur Vorbereitung auf diese Diskussion muss allen Teilnehmern eine schriftliche Ausarbeitung des Referats rechtzeitig zur Verfügung gestellt werden. Zielgruppe - Studierende im Bachelorstudiengang.

Literatur wird selbst recherchiert

Zielgruppe

• Studierende im Bachelorstudiengang (ab 3. Fachsemester)
• Studierende im lehramtsbezogenen Bachelorstudiengang
• Studierende mit Nebenfach Informatik

Voraussetzungen

Funktionale und objektorientierte Programmierung

Inhalt

Datenbankentwurf mit ERM/ERDD. Theoretische Grundlagen relationaler Datenbanksysteme: Relationale Algebra, Funktionale Abhängigkeiten, Normalformen. Relationale Datenbankentwicklung: SQL Datendefinition, Fremdschlüssel und andere Integritätsbedingungen. SQL als applikative Sprache: wesentliche Sprachelemente, Einbettung in Programmiersprachen, Anwendungsprogrammierung; objekt-relationale Abbildung. Transaktionsbegriff, transaktionale Garantien, Synchronisation des Mehrbenutzerbetriebs, Fehlertoleranzeigenschaften. Anwendungen und neue Entwicklungen: Data Warehousing, Data Mining, OLAP.

Projekt: im begleitenden Projekt werden die Themen praktisch vertieft.

• Alfons Kemper, Andre Eickler: Datenbanksysteme - Eine Einführung, 5. Auflage, Oldenbourg 2004
• R. Elmasri, S. Navathe: Grundlagen von Datenbanksystemen, Pearson Studium, 2005

Zielgruppe

• Pflichtmodul im Bachelorstudiengang Informatik
• Pflichtmodul im lehramtsbezogenen Bachelorstudiengang mit Kernfach Informatik und Ziel: Großer Master
• Studierende im lehramtsbezogenen Masterstudiengang (Großer Master mit Zeitfach Informatik) können dieses Modul zusammen mit dem "Praktikum DBS" absolvieren
• Wahlpflichtmodul im Nebenfach Informatik

Voraussetzungen

• ALP 1 - Funktionale Programmierung
• ALP 2 - Objektorientierte Programmierung
• ALP 3 - Datenstrukturen und Datenabstraktion
• ODER Informatik B

Inhalt

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

Voraussetzungen

Grundkenntnisse in Entwurf und Analyse von Algorithmen

je nach Anwendungsgebiet

Softwareprojekt

In diesem Softwareprojekt stehen verschiedene Aufgabenstellungen zur Auswahl. Diese sind aus dem Bereich Verkehrsdatenanalyse, Kryptowährungen und Blockchain, Kommunikation oder Zuverlässigkeit in verteilten Systemen. Die Teilnehmer werden in Kleingruppen (3-4 Studenten) arbeiten und jede Gruppe bearbeitet ihre eigene Fragestellung.

• A. S. Tanenbaum, Modern Operating Systems, 3rd ed. Upper Saddle River, NJ, USA: Prentice Hall Press, 2007.
• Shelby, Zach, and Carsten Bormann. 6LoWPAN: The wireless embedded Internet. Vol. 43. Wiley. com, 2011.
• A. Dunkels, B. Gronvall, and T. Voigt, "Contiki - a lightweight and flexible operating system for tiny networked sensors." in LCN. IEEE Computer Society, 2004, pp. 455-462.
• P. Levis, S. Madden, J. Polastre, R. Szewczyk, K. Whitehouse, A. Woo, D. Gay, J. Hill, M. Welsh, E. Brewer, and D. Culler, "TinyOS: An Operating System for Sensor Networks," in Ambient Intelligence, W. Weber, J. M. Rabaey, and E. Aarts, Eds. Berlin/Heidelberg: Springer-Verlag, 2005, ch. 7, pp. 115-148.
• Oliver Hahm, Emmanuel Baccelli, Mesut Günes, Matthias Wählisch, Thomas C. Schmidt, "RIOT OS: Towards an OS for the Internet of Things," in Proceedings of the 32nd IEEE International Conference on Computer Communications (INFOCOM), Poster Session, April 2013.
• M.R. Palattella, N. Accettura, X. Vilajosana, T. Watteyne, L.A. Grieco, G. Boggia and M. Dohler, "Standardized Protocol Stack For The Internet Of (Important) Things", IEEE Communications Surveys and Tutorials, December 2012.
• J. Wiegelmann, Softwareentwicklung in C für Mikroprozessoren und Mikrocontroller, Hüthig, 2009

In this course you will be expected to write code. The outcome of your software project should be a concrete contribution to the RIOT code base, and take the shape of one or more pull request(s) to the RIOT github (https://github.com/RIOT-OS/RIOT). Before you start coding, refer to the starting guide

https://github.com/RIOT-OS/RIOT/wiki#wiki-start-the-riot

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

Corporate Semantic Web

Weitere Informationen finden sich auf der Veranstaltungsseite.

Inhalt

Das Thema des Projekts steht noch nicht fest. Entweder wird in Fortsetzung des Projekts im Wintersemester (aber unabhängig davon) eine Aufgabe mit einem echten Kunden durchgeführt, oder wir bauen ein so genanntes NoSQL-System. Im ersten Fall findet die Veranstaltung als Block statt, sonst wöchentlich. Die Entscheidung fällt voraussichtlich erst im März. Weitere Informationen gibt es im KVV.

Wird bekannt gegeben

Voraussetzungen

Gute Programmierkenntnisse, Einführung in Datenbanksysteme.

Motivation

Die Motivation für dieses Softwareprojekt ist die wiss. Analyse der möglichen Verbreitung von Softwarelizenzen mit Zivilklauseln in Offener Software, also die Einschränkung der Nutzung einer Software auf Anwendungen zum Wohle von Zivilisten. Die zugrunde liegende Hypothese ist, daß dies eine unabhängige Entwicklung von zivilen und nicht-zivilen Softwaresystemen befördert und daß unabhängig entwickelte Systemtypen mit unterschiedlichen Cyberwaffen angegriffen werden müssen. Die damit verbundene Hoffnung ist es einerseits, Kollateralschaden zu reduzieren, und andererseits, Verstöße gegen internationales Recht besser einordnen zu können. Die Analyse soll sich auf öffentlich verfügbare Daten aus Paketmanagern und Social Programming Sites wie GitHub stützen. Die Daten sind auf geeignete Weise zu sammeln, aufzubereiten und auszuwerten.

Inhalte

Gegenstand der Datensammlung, Datenzusammenführung und Auswertung sind die Abhängkeiten zwischen Softwarekomponenten, zum Beispiel, Anwendungen oder Bibliotheken. Hierbei soll zwischen zwei Arten von Abhängigkeiten unterschieden werden:

1. Laufzeitabhängigkeiten: eine Softwarekomponente A benötigt zur Ausführung Funktionen einer Softwarekomponente B.
2. Erstellungsabhängigkeiten: eine Softwarekomponente A benötigt zur Kompilierung oder zur Konfiguration eine Softwarekomponente B.

In beiden vorher angegebenen Fällen beeinflußt die Wahl der Software-Lizenz für Komponente B ggf. die Wahl der Software-Lizenz für Komponente A, zum Beispiel wenn A unter einer Software-Lizenz veröffentlicht wird, die verlangt, daß von ihr abhängige Komponenten B unter der gleichen oder einer ähnlichen Lizenz veröffentlicht werden. Diese Abhängigkeit pflanzt sich ggf. transitiv durch den Graphen der Abhängigkeiten durch.

Weiterhin soll auf pseudonymisierte Weise erfasst werden, welche Entwickler zu welchen Projekten beitragen, damit auf Basis dieser Verteilung bei der Auswertung Szenarien gebildet werden können.

Das Softwareprojekt gliedert sich in zwei thematische Bereiche. Erstens, die Entwicklung von geeigneten Werkzeugen zur Sammlung und Zusammenführung der notwendigen Daten, die Erstellung eines Datenmodells für die nachfolgende Auswertung und die exemplarische Sammlung und Zusammenführung von Daten zur Demonstration.

Zweitens, die Auswahl, die Einrichtung und, wenn nötig, die Entwicklung von Werkzeugen zur Auswertung gesammelter Daten, sowie die exemplarische Auswertung von gesammelten und zusammengeführten Daten.

Beide Bereiche sollten vor dem Hintergrund einer hohen Skalierbarkeit und der Verarbeitung von großen Datenmengen stattfinden.

Als Quellen für Abhängigkeiten zwischen Softwarekomponenten kommen zum Beispiel infrage:

1. Github https://github.com
2. GHTorrent https://ghtorrent.org
3. GH Archive on Google BigQuery https://www.gharchive.org
4. Libraries.io https://libraries.io
5. MacOS X Ports Collection https://www.macports.org
6. Homebrew https://brew.sh

Zur Analyse sollen sinnvolle Szenarien entwickelt und untersucht werden. Ein einfaches Szenario ist die Annahme einer zufälligen Konvertierung von Projekten zu einer Lizenz mit Zivilklausel mit einer angenommenen Wahrscheinlichkeit. Ein anderes beispielhaftes Szenario wäre die zufällige Konvertierung von Entwicklern zu einer derartigen Lizenz, mit einer einfachen Stimmenmehrheit der Entwickler eines Projektes, dieses zu einer besagten Lizenz zu konvertieren.

Ablauf

Zum Softwareprojekt findet am 15. April 2021 um 14 Uhr ct eine Vorbesprechung statt. Außerdem finden Donnerstags zu dieser Zeit während des Semesters Projektbesprechungen statt. Die Abschlußpräsentationen finden am 15 Juli 2021 statt.

Zielgruppe:

Dieses Software-Projekt richtet sich an Studenten (m/w/d) der Informatik (Computer Science) und der Datenwissenschaften (Data Science).

In diesem Kurs werden Lösungen für die Kommunikation im Internet oder für dessen besseren Verständnis entwickelt. Dabei werden alle Aspekte des Ökosystems Internet berücksichtigt. Dies schließt sowohl das aktuelle Internet als auch das Internet der Dinge auf den untersten Schichten bis zur Anwendungsebene ein. Die Teilnehmer werden in Kleingruppen (3-4 Studenten) arbeiten, wobei sich jede Gruppe auf einen speziellen Teilbereich konzentrieren wird. Auf diese Weise sollen persönliche Interessen und Expertisen berücksichtigt werden - z.B. Web- versus Embedded-System-Programmierung.

Automatische Methoden für die Erkennung und Analyse von Verhalten sind in den letzten Jahren verstärkt eingesetzt worden, um individuelles und kollektives Verhalten zu untersuchen. Dies umfasst Anwendungen wie das Verfolgen einzelner Individuen in großen Gruppen (Menschen in großen Ansammlungen, Tiere in Herden oder Schwärmen, Autos im Verkehr), das Abbilden von Observationen in einen individuellen "behavioral space" ("was macht Person X"), und die Analyse der Interaktionsstruktur ("wer macht was mit wem"). Moderne Methoden erlauben es große Datenmengen zu prozessieren, mit teils erstaunlich genauen Resultaten. Wir werden eine Reihe von überwachten und unüberwachten Ansätzen kennenlernen, jeweils an einem Beispiel unserer Forschung. 

,,

,,

Das Hauptstudium Kurs beginnt mit einer historischen Perspektive der Rechner-Sicherheit und ihre Bedeutung heute, gefolgt von einer Einführung in die notwendigen Konzepte, um Rechnersicherheit verstehen und beurteilen zu können. Der Kurs umfasst Themen wie Passwörter, Access Control Theory, Eingabevalidierung, Sicherheitsrichtlinien, Sicherheitsmechanismen, Referenzmonitore, Hardware-Sicherheitsmechanismen, Informationsflusskontrolle, Trojanische Pferde, verdeckte Kanäle, Seitenkanalangriffe, und mehr. Dies ist ein Intensivkurs.

Die Studenten werden sich mit einer breiten Palette von Rechnersicherheitsproblemen auseinandersetzen. Die Kursteilnehmer lernen, typische, zu Sicherheitslücken führende Softwareentwicklungsfehler zu erkennen und zu vermeiden.

1. M. Gasser. Building Secure Computer Systems.
2. D. Denning. Cryptography and Data Security.
3. D. Kleidermacher, M. Kleidermacher. Embedded Systems Security.
4. M. Bishop. Computer Security Art and Practice.
5. Various research papers.

Inhalt

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

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

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

Die Lehrveranstaltung soll am Freitag den 12. April beginnen.

Das Vorlesungsskript liegt unter

https://drive.google.com/drive/folders/0B7NhYbv9QewkRkk2WVRuM2Rqd00?usp=sharing

Webex Link zu der Veranstaltung:

Meeting-Link: https://fu-berlin.webex.com/fu-berlin/j.php?MTID=m2cc50d96918fcaeb09f3c36a264f4f29

Meeting-ID: 121 079 7504

Meeting-Password: mCwDw274PS8

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

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

Zielgruppe

• MSc

Anforderungen

• Erfahrung mit Computern und Software sowie Programierkenntnisse

Sprache

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

Credits & Klausur

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

Webseite

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

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

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

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

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

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

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

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

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

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

In dieser Vorlesung steht die Frage im Vordergrund, wie das Internet im Inneren aufgebaut ist und seine Dienste und Anwendungen verbreitet sind. Hierfür werden Methoden zur Messung und Bewertung von Netzwerkarchitekturen und Netzwerkprotokollen vorgestellt. Die Erkenntnisse werden in einen praktischen Kontext eingebettet. Zum Beispiel werden wir diskutieren, wie das aktuelle Peering-Ökosystem im Internet aufgebaut ist und warum es schwierig ist, dieses zu messen. Sie werden verstehen, wie man die Verbreitung von traditionellen und neuartigen Netzwerkprotokollen (z.B. IPv6, DNSSEC, HTTP/2) quantifizieren kann. Wir werden auch diskutieren, wie man sehr große Internet-Datensätze effizient verarbeitet, um sie zu analysieren.Als Anwendung für Internet-Messungen werden wir uns auf die Bereiche Netzwerk-Sicherheit und Leistungsbewertung konzentrieren.

In der zur Vorlesung zusätzlich angebotenen Übung werden Sie eigene Messungen durchführen und bestehende Messdatensätze auswerten.

• Vaibhav Bajpai, Anna Brunstrom, Anja Feldmann, Wolfgang Kellerer, Aiko Pras, Henning Schulzrinne, Georgios Smaragdakis, Matthias Wählisch, Klaus Wehrle, The Dagstuhl Beginners Guide to Reproducibility for Experimental Networking Research, ACM SIGCOMM Computer Communication Review, Vol. 49, No. 1, pp. 24--30, January 2019. Editorial note  PDF   BibTeX   Abstract  
   

Zielgruppe: Die Vorlesung richtet sich an alle, die das Internet und seine Anwendungen besser verstehen wollen.

Voraussetzungen: Gute Kenntnisse in den Bereichen Rechnernetze und Kommuniktionssysteme.

Description

This lecture introduces students to cognitive science—an interdisciplinary endeavor that draws upon research from psychology, AI, neuroscience, linguistics and philosophy to develop an integrated framework of the mind. This framework aims, on the one hand, to explain how the mind works. On the other hand, it distills lessons that AI researchers can incorporate into their research so to develop more resilient agents that can navigate dynamic and complex environments.

Knowledge of cognitive science is becoming ever more important to AI researchers as the structural limitations of the machine learning paradigm are getting clearer. It is undoubtedly true that ML is exerting a transformative impact over several industrial branches. Yet ML applications remain limited either to performing pattern recognition or making predictions based on some variation of regression analysis. ML applications are perhaps best described as executing a highly more accurate and reliable version of what Daniel Kahneman termed as fast thinking. The cognitively more challenging slow thinking that allows humans to develop strategies tailored to prevailing circumstances lies beyond ML’s capabilities. Neither a growth in data volume nor an increase in processing power can overcome ML’s structural limits.

Future AI agents will probably operate via some form of a synthesis between ML models and cognitive science components. This lecture will introduce students to this future.

Prerequisites

Students should have visited an introductory course to AI. Ideally the course should have covered the topics elaborated on by Russell and Norvig (2020). 

Instructor

Dr. Nabil Alsabah is Head of Arti cial Intelligence at Europe’s largest tech association, Bitkom. He is also head of the annual Big-Data.AI Summit which brings together thousands of European business leaders and AI researchers.

Alsabah also edits Bitkom’s regular publications on AI and ML that address technical topics as diverse as operationalizing explainable AI, data anonymization and pseudonymization for ML projects, and leveraging data science in industrial applications. In addition, Alsabah is also a member of the Industrial Liaison Board at the Department of Computing at Imperial College London. In this capacity, he advices the department on teaching plan, hirings, and industry outreach. Alsabah has thought a cognitive science seminar at the Center for Machine Learning and Robotics at the Free University of Berlin in the summer term 2020.

Alsabah holds a PhD in psychology and a Master’s degree in computer science. In the past, he spent research stays at Peking University, National University of Singapore and Stanford University. Alsabah looks back at a 15-years experience researching and working at the intersection of arti cial intelligence and psychology.

Suggested reading

• Baars, B. (1989). A cognitive theory of consciousness. Cambridge, Mass.: Cambridge University Press.
• Bermúdez, J. (2014). Cognitive Science: An Introduction to the Science of the Mind. 2nd ed.
• Cambridge: Cambridge Univ. Press.
• Chalmers, D. J. (1996). The Conscious Mind: In Search of a Fundamental Theory. New York, Oxford: Oxford University Press
• Damasio, A. (2005). Descartes' Error: Emotion, Reason, and the Human Brain. New York: Penguin Books.
• Dennett, D. 1991. Consciousness Explained. Little, Brown
• Dennett, D. (1996). Kinds of minds: towards an understanding of consciousness. London: Weidenfeld and Nicholson.
• Donald M, Origin of the Modern Mind, Harvard University Press, Cambridge, 1991.
• Dörner, D. (2001). Bauplan für eine Seele. Zweite Auflage. Hamburg: Rowohlt Taschenbuch Verlag.
• Engeler, E. (2019). Neural algebra on “how does the brain think?”. Theoretical Computer Science, 777, pp. 296-307. doi:10.1016/j.tcs.2019.03.038
• Frith, C. (2007). Making up the mind. How the brain creates our mental world. London: Blackwell.
• Goleman, D. (1996). Emotional Intelligence: Why It Can Matter More than IQ. London: Bloomsbury Publishing.
• Haugeland, J. 1981. Semantic engines: An introduction to mind design. In Mind Design:
• Philosophy, Psychology, Artificial Intelligence, ed. J. Haugeland. MIT Press
• LeDoux, J. E. (1996). The Emotional Brain. New York: Simon & Schuster.
• Marblestone, A. H., Wayne, G., & Kording, K. P. (2016). Toward an Integration of Deep Learning and Neuroscience. Frontiers in computational neuroscience, 10, 94. doi:10.3389/fncom.2016.00094
• Penrose R, The Emperor’s New Mind: Concerning Computers, Mind, and the Law of Physics, Oxford: Oxford University Press, 1989.
• Pinker, S. (2009). How the Mind Works. New York: W. W. Norton & Company.
• Searle J. (1980). Brains and Programs, Behavioral and Brain Sciences, 3:417-57
• Searle J (1992). The Rediscovery of the Mind, the MIT Press, Cambridge, 1992
• Sloman, A. (1978). The Computer Revolution in Philosophy. Hassocks, Sussex: Harvester Press (and Humanities Press).
• 
  
  Wittgenstein, L, Philosophical Investigations, Basil Blackwell Ltd, 1953   It is also useful to consult the journal Cognitive Science, published on behalf of the CognitiveScience Society.

Sowohl im betrieblichen Umfeld als auch bei der privaten Nutzung geht es heutzutage nicht mehr um die Frage, ob Software eingesetzt wird, sondern für welche Software man sich entscheiden sollte. Bei solchen Entscheidungsprozessen ist die Usability der Software häufig keine explizierte Anforderung, aber implizit hat sie einen hohen Einfluss auf die Auswahlentscheidung. Eine gute Usability und ein positives Benutzungserlebnis für den Benutzer können nur erreicht werden, indem man die gestellten Wünsche, verdeckten Bedürfnisse und kognitiven Fähigkeiten der Benutzer kennt und versteht. Neben der Wahl der „richtigen“ Technologie und des „richtigen“ Vorgehens ist also die Berücksichtigung der Nutzer und ihrer Bedürfnisse für den späteren Projekt- bzw. Produkterfolg fundamental. Usability ist aber weder eine der Software inhärente Produkteigenschaft, noch kann Usability wie ein Software-Feature separat zu einem bestimmten Zeitpunkt entwickelt werden. Usability steht immer in einem bestimmten Nutzungskontext und dieser Kontext muss klar verstanden werden, um sie zu erhöhen. Außerdem muss zur Verbesserung der Usability in den gesamten Softwareentwicklungsprozess eingegriffen und je nach Projektphase und Projektsituation unterschiedliche Prinzipien und Methoden ausgewählt und adaptiert werden. Das Ziel sollte es dabei sein, trotz komplexer Funktionalität und Informationsfülle eine gute Gebrauchstauglichkeit der Software für die jeweilige Zielgruppe sicherzustellen. Dabei soll durch Berücksichtigung emotionaler und ästhetischer Faktoren ein möglichst positives Benutzungserlebnis für den Benutzer geschaffen werden.

Shneiderman, Ben, et al. "Designing the user interface: strategies for effective human-computer interaction". Pearson, 2016.

Dix A, Finlay J, Abowd GD, Beale R "Human-Computer Interaction". Pearson Prentice Hall 2004.

Sharp, Helen, Yvonne Rogers, and Jenny Preece. "Interaction design: beyond human-computer interaction." 2007.

Die Veranstaltung wird im Sommersemester 2021 ausschließlich im Online-Format durchgeführt.

Weitere Informationen: https://www.mi.fu-berlin.de/en/inf/groups/hcc/teaching/summer_term_2021/index.html

Inhalt

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

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

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

Die Lehrveranstaltung soll am Freitag den 12. April beginnen.

Das Vorlesungsskript liegt unter

https://drive.google.com/drive/folders/0B7NhYbv9QewkRkk2WVRuM2Rqd00?usp=sharing

Webex Link zu der Veranstaltung:

Meeting-Link: https://fu-berlin.webex.com/fu-berlin/j.php?MTID=m2cc50d96918fcaeb09f3c36a264f4f29

Meeting-ID: 121 079 7504

Meeting-Password: mCwDw274PS8

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

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

Zielgruppe

• MSc

Anforderungen

• Erfahrung mit Computern und Software sowie Programierkenntnisse

Sprache

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

Credits & Klausur

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

Webseite

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

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

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

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

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

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

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

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

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

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

In dieser Vorlesung steht die Frage im Vordergrund, wie das Internet im Inneren aufgebaut ist und seine Dienste und Anwendungen verbreitet sind. Hierfür werden Methoden zur Messung und Bewertung von Netzwerkarchitekturen und Netzwerkprotokollen vorgestellt. Die Erkenntnisse werden in einen praktischen Kontext eingebettet. Zum Beispiel werden wir diskutieren, wie das aktuelle Peering-Ökosystem im Internet aufgebaut ist und warum es schwierig ist, dieses zu messen. Sie werden verstehen, wie man die Verbreitung von traditionellen und neuartigen Netzwerkprotokollen (z.B. IPv6, DNSSEC, HTTP/2) quantifizieren kann. Wir werden auch diskutieren, wie man sehr große Internet-Datensätze effizient verarbeitet, um sie zu analysieren.Als Anwendung für Internet-Messungen werden wir uns auf die Bereiche Netzwerk-Sicherheit und Leistungsbewertung konzentrieren.

In der zur Vorlesung zusätzlich angebotenen Übung werden Sie eigene Messungen durchführen und bestehende Messdatensätze auswerten.

• Vaibhav Bajpai, Anna Brunstrom, Anja Feldmann, Wolfgang Kellerer, Aiko Pras, Henning Schulzrinne, Georgios Smaragdakis, Matthias Wählisch, Klaus Wehrle, The Dagstuhl Beginners Guide to Reproducibility for Experimental Networking Research, ACM SIGCOMM Computer Communication Review, Vol. 49, No. 1, pp. 24--30, January 2019. Editorial note  PDF   BibTeX   Abstract  
   

Zielgruppe: Die Vorlesung richtet sich an alle, die das Internet und seine Anwendungen besser verstehen wollen.

Voraussetzungen: Gute Kenntnisse in den Bereichen Rechnernetze und Kommuniktionssysteme.

Description

This lecture introduces students to cognitive science—an interdisciplinary endeavor that draws upon research from psychology, AI, neuroscience, linguistics and philosophy to develop an integrated framework of the mind. This framework aims, on the one hand, to explain how the mind works. On the other hand, it distills lessons that AI researchers can incorporate into their research so to develop more resilient agents that can navigate dynamic and complex environments.

Knowledge of cognitive science is becoming ever more important to AI researchers as the structural limitations of the machine learning paradigm are getting clearer. It is undoubtedly true that ML is exerting a transformative impact over several industrial branches. Yet ML applications remain limited either to performing pattern recognition or making predictions based on some variation of regression analysis. ML applications are perhaps best described as executing a highly more accurate and reliable version of what Daniel Kahneman termed as fast thinking. The cognitively more challenging slow thinking that allows humans to develop strategies tailored to prevailing circumstances lies beyond ML’s capabilities. Neither a growth in data volume nor an increase in processing power can overcome ML’s structural limits.

Future AI agents will probably operate via some form of a synthesis between ML models and cognitive science components. This lecture will introduce students to this future.

Prerequisites

Students should have visited an introductory course to AI. Ideally the course should have covered the topics elaborated on by Russell and Norvig (2020). 

Instructor

Dr. Nabil Alsabah is Head of Arti cial Intelligence at Europe’s largest tech association, Bitkom. He is also head of the annual Big-Data.AI Summit which brings together thousands of European business leaders and AI researchers.

Alsabah also edits Bitkom’s regular publications on AI and ML that address technical topics as diverse as operationalizing explainable AI, data anonymization and pseudonymization for ML projects, and leveraging data science in industrial applications. In addition, Alsabah is also a member of the Industrial Liaison Board at the Department of Computing at Imperial College London. In this capacity, he advices the department on teaching plan, hirings, and industry outreach. Alsabah has thought a cognitive science seminar at the Center for Machine Learning and Robotics at the Free University of Berlin in the summer term 2020.

Alsabah holds a PhD in psychology and a Master’s degree in computer science. In the past, he spent research stays at Peking University, National University of Singapore and Stanford University. Alsabah looks back at a 15-years experience researching and working at the intersection of arti cial intelligence and psychology.

Suggested reading

• Baars, B. (1989). A cognitive theory of consciousness. Cambridge, Mass.: Cambridge University Press.
• Bermúdez, J. (2014). Cognitive Science: An Introduction to the Science of the Mind. 2nd ed.
• Cambridge: Cambridge Univ. Press.
• Chalmers, D. J. (1996). The Conscious Mind: In Search of a Fundamental Theory. New York, Oxford: Oxford University Press
• Damasio, A. (2005). Descartes' Error: Emotion, Reason, and the Human Brain. New York: Penguin Books.
• Dennett, D. 1991. Consciousness Explained. Little, Brown
• Dennett, D. (1996). Kinds of minds: towards an understanding of consciousness. London: Weidenfeld and Nicholson.
• Donald M, Origin of the Modern Mind, Harvard University Press, Cambridge, 1991.
• Dörner, D. (2001). Bauplan für eine Seele. Zweite Auflage. Hamburg: Rowohlt Taschenbuch Verlag.
• Engeler, E. (2019). Neural algebra on “how does the brain think?”. Theoretical Computer Science, 777, pp. 296-307. doi:10.1016/j.tcs.2019.03.038
• Frith, C. (2007). Making up the mind. How the brain creates our mental world. London: Blackwell.
• Goleman, D. (1996). Emotional Intelligence: Why It Can Matter More than IQ. London: Bloomsbury Publishing.
• Haugeland, J. 1981. Semantic engines: An introduction to mind design. In Mind Design:
• Philosophy, Psychology, Artificial Intelligence, ed. J. Haugeland. MIT Press
• LeDoux, J. E. (1996). The Emotional Brain. New York: Simon & Schuster.
• Marblestone, A. H., Wayne, G., & Kording, K. P. (2016). Toward an Integration of Deep Learning and Neuroscience. Frontiers in computational neuroscience, 10, 94. doi:10.3389/fncom.2016.00094
• Penrose R, The Emperor’s New Mind: Concerning Computers, Mind, and the Law of Physics, Oxford: Oxford University Press, 1989.
• Pinker, S. (2009). How the Mind Works. New York: W. W. Norton & Company.
• Searle J. (1980). Brains and Programs, Behavioral and Brain Sciences, 3:417-57
• Searle J (1992). The Rediscovery of the Mind, the MIT Press, Cambridge, 1992
• Sloman, A. (1978). The Computer Revolution in Philosophy. Hassocks, Sussex: Harvester Press (and Humanities Press).
• 
  
  Wittgenstein, L, Philosophical Investigations, Basil Blackwell Ltd, 1953   It is also useful to consult the journal Cognitive Science, published on behalf of the CognitiveScience Society.

Sowohl im betrieblichen Umfeld als auch bei der privaten Nutzung geht es heutzutage nicht mehr um die Frage, ob Software eingesetzt wird, sondern für welche Software man sich entscheiden sollte. Bei solchen Entscheidungsprozessen ist die Usability der Software häufig keine explizierte Anforderung, aber implizit hat sie einen hohen Einfluss auf die Auswahlentscheidung. Eine gute Usability und ein positives Benutzungserlebnis für den Benutzer können nur erreicht werden, indem man die gestellten Wünsche, verdeckten Bedürfnisse und kognitiven Fähigkeiten der Benutzer kennt und versteht. Neben der Wahl der „richtigen“ Technologie und des „richtigen“ Vorgehens ist also die Berücksichtigung der Nutzer und ihrer Bedürfnisse für den späteren Projekt- bzw. Produkterfolg fundamental. Usability ist aber weder eine der Software inhärente Produkteigenschaft, noch kann Usability wie ein Software-Feature separat zu einem bestimmten Zeitpunkt entwickelt werden. Usability steht immer in einem bestimmten Nutzungskontext und dieser Kontext muss klar verstanden werden, um sie zu erhöhen. Außerdem muss zur Verbesserung der Usability in den gesamten Softwareentwicklungsprozess eingegriffen und je nach Projektphase und Projektsituation unterschiedliche Prinzipien und Methoden ausgewählt und adaptiert werden. Das Ziel sollte es dabei sein, trotz komplexer Funktionalität und Informationsfülle eine gute Gebrauchstauglichkeit der Software für die jeweilige Zielgruppe sicherzustellen. Dabei soll durch Berücksichtigung emotionaler und ästhetischer Faktoren ein möglichst positives Benutzungserlebnis für den Benutzer geschaffen werden.

Shneiderman, Ben, et al. "Designing the user interface: strategies for effective human-computer interaction". Pearson, 2016.

Dix A, Finlay J, Abowd GD, Beale R "Human-Computer Interaction". Pearson Prentice Hall 2004.

Sharp, Helen, Yvonne Rogers, and Jenny Preece. "Interaction design: beyond human-computer interaction." 2007.

Die Veranstaltung wird im Sommersemester 2021 ausschließlich im Online-Format durchgeführt.

Weitere Informationen: https://www.mi.fu-berlin.de/en/inf/groups/hcc/teaching/summer_term_2021/index.html

Dieser Kurs wird auf englisch gehalten.

Wir beschäftigen uns mit den grundlegenden stochastischen Modellen, die zur Untersuchung der Leistung von Computersystemen häufig benutzt werden. Markov modelle und Warteschlangen werden gerne für die Untersuchung dynamischer Systeme verwendet, z.B. Computer Hardware, Kommunicationsprotokolle, biologische Systeme, Epidemien, Verkehr und digitale Währungen.  Wir werden uns einen raschen Überblick verschaffen.  Betrachtete Themen sind der Geburts- und Todesprozess, der Poissonprozess, verallgemeinerte Markov und semi-Markov prozesse sowie deren Lösungsmethoden. Soweit die Zeit es erlaubt werden wir auch die Hintergründe der diskreten Ereignissimulation ansehen.

William Stewart. Probability, Markov Chains, Queues and Simulation. Princeton University Press 2009.

Siehe englische Sprachversion

Zielgruppe: Studierende der Masterprogramme Mathematik, Informatik, Computational Sciences und Physik.

Im Computational Sciences Masterstudiengang deckt diese Veranstaltung (V + Ü) in Kombination mit Mathematische Aspekte im Machine Learning  (19234502 + 19234501) das Modul  “Komplexe Algorithmen A/B” ab.

Studierende der Physik wenden sie sich unter Angabe des Moduls und der Matrikelnummer an dmitrij.heinz(at)fu-berlin.de (Prüfungsbüro Mathematik und Pysik)

Diese Vorlesung gibt einen Einblick in Methoden zum Zeichnen von Graphen (Planarität, Vermeiden von Kreuzungen, gutes Layout)

Wird noch bekannt gegeben.

Zielgruppe

Informatiker und interessierte Mathematiker im Masterstudium.

Empfohlene Vorkennntnisse

"Höhere Algorithmik" oder eine andere Vorlesung ähnlichen Inhalts.

Dieser Kurs wird auf englisch gehalten.

Wir beschäftigen uns mit den grundlegenden stochastischen Modellen, die zur Untersuchung der Leistung von Computersystemen häufig benutzt werden. Markov modelle und Warteschlangen werden gerne für die Untersuchung dynamischer Systeme verwendet, z.B. Computer Hardware, Kommunicationsprotokolle, biologische Systeme, Epidemien, Verkehr und digitale Währungen.  Wir werden uns einen raschen Überblick verschaffen.  Betrachtete Themen sind der Geburts- und Todesprozess, der Poissonprozess, verallgemeinerte Markov und semi-Markov prozesse sowie deren Lösungsmethoden. Soweit die Zeit es erlaubt werden wir auch die Hintergründe der diskreten Ereignissimulation ansehen.

William Stewart. Probability, Markov Chains, Queues and Simulation. Princeton University Press 2009.

Diese Vorlesung gibt einen Einblick in Methoden zum Zeichnen von Graphen (Planarität, Vermeiden von Kreuzungen, gutes Layout)

Wird noch bekannt gegeben.

Zielgruppe

Informatiker und interessierte Mathematiker im Masterstudium.

Empfohlene Vorkennntnisse

"Höhere Algorithmik" oder eine andere Vorlesung ähnlichen Inhalts.

Dieser Kurs wird auf englisch gehalten.

Wir beschäftigen uns mit den grundlegenden stochastischen Modellen, die zur Untersuchung der Leistung von Computersystemen häufig benutzt werden. Markov modelle und Warteschlangen werden gerne für die Untersuchung dynamischer Systeme verwendet, z.B. Computer Hardware, Kommunicationsprotokolle, biologische Systeme, Epidemien, Verkehr und digitale Währungen.  Wir werden uns einen raschen Überblick verschaffen.  Betrachtete Themen sind der Geburts- und Todesprozess, der Poissonprozess, verallgemeinerte Markov und semi-Markov prozesse sowie deren Lösungsmethoden. Soweit die Zeit es erlaubt werden wir auch die Hintergründe der diskreten Ereignissimulation ansehen.

William Stewart. Probability, Markov Chains, Queues and Simulation. Princeton University Press 2009.

Siehe englische Sprachversion

Zielgruppe: Studierende der Masterprogramme Mathematik, Informatik, Computational Sciences und Physik.

Im Computational Sciences Masterstudiengang deckt diese Veranstaltung (V + Ü) in Kombination mit Mathematische Aspekte im Machine Learning  (19234502 + 19234501) das Modul  “Komplexe Algorithmen A/B” ab.

Studierende der Physik wenden sie sich unter Angabe des Moduls und der Matrikelnummer an dmitrij.heinz(at)fu-berlin.de (Prüfungsbüro Mathematik und Pysik)