Inhalt:

• Prinzipien des Zählens; Elemente der Kombinatorik
• Modelle vom Zufall abhängiger Vorgänge: Wahrscheinlichkeitsräume, Wahrscheinlichkeitsmaße
• Bedingte Wahrscheinlichkeiten; Unabhängigkeit; Bayes'sche Regel
• Zufallsvariablen und ihre Verteilungen; Kenngrössen der Verteilungen: Erwartungswert und Varianz
• Diskrete Verteilungen: Laplace-Verteilung; Binomialverteilung; geometrische Verteilung
• Approximation der Binomialverteilung durch die Normalverteilung;
• Approximation der Binomialverteilung durch die Poissonverteilung
• Verteilungen mit Dichten: Gleichverteilung; Normalverteilung; Exponentialverteilung
• Gemeinsame Verteilungen von mehreren Zufallsvariablen: diskret und mit Dichten; Unabhängigkeit von Zufallsvariablen; bedingte Verteilungen; Summen unabhängiger Zufallsvariablen und ihre Verteilungen
• Kenngrößen gemeinsamer Verteilungen: Erwartungswert, Kovarianz und Korrelation; bedingte Erwartung
• Grenzwertsätze: schwaches Gesetz der großen Zahl und relative Häufigkeiten; der zentrale Grenzwertsatz
• Datenanalyse und deskriptive Statistik: Histogramme; empirische Verteilung; Kenngrößen von Stichprobenverteilungen; Beispiele irreführender deskriptiver Statistiken; lineare Regression
• Elementare Begriffe und Techniken des Testens und Schätzens: Maximum-Likelihood-Prinzip; Konfidenzintervalle; Hypothesentests; Fehler erster und zweiter Art

Literatur:

• E. Behrends: Elementare Stochastik, Springer, 2013
• H.-O. Georgii: Stochastik: Einführung in die Wahrscheinlichkeitstheorie und Statistik, De Gruyter, 2007
• U. Krengel: Einführung in die Wahrscheinlichkeitstheorie und Statistik, Vieweg, 2005
• D. Meintrup, S. Schäffler, Stochastik: Theorie und Anwendungen, Springer, 2005.
• Die meisten der oben aufgeführten Bücher gibt es online über die UB.

Zielgruppe: Studierende ab dem 3. Semester
Voraussetzungen: Grundkenntnisse aus Analysis und Linearer Algebra

Inhalt:
Computer spielen heute in (fast) allen Lebenslagen eine wichtige Rolle. Die Computerorientierte Mathematik vermittelt grundlegende Kenntnisse im Umgang mit Rechnern zur Lösung mathematischer Probleme und eine Einführung in das algorithmische Denken. Gleichzeitig wird aber auch typische mathematische Software wie Matlab und Mathematica eingeführt. Die nötige Motivation für die betrachteten Fragestellungen liefern einfache Anwendungsbeispiele aus den angesprochenen Fächern. Der Inhalt es ersten Teils umfasst fundamentale Begriffe des numerischen Rechnens: Zahlendarstellung und Rundungsfehler, Kondition, Effizienz und Stabilität.

Homepage: Alle aktuellen Informationen zu Vorlesung und Übungen

Literatur: R. Kornhuber, C. Schuette, A. Fest: Mit Zahlen Rechnen (Skript zur Vorlesung)

Voraussetzungen:
Solide Kenntnisse in LinA I und LinA II.
 

Beschreibung: Das Ziel ist eine freundliche Einführung in der kommutativen Algebra. Dafür studieren wir Ideale des Polynomrings K[x₁,....,x_n] die von Monomen erzeugt werden können. Die Grundbegriffe zu den kommutativen Ringen werden auch eingeführt. Das schriftliche Material ist auf Englisch, die Vorträge sind ber auf Deutsch.

J. Herzog, T. Hibi, Monomial Ideals, Springer, GTM 260 (2011)

In diesem (Pro-)Seminar werden wir die Grundlagen der linearen Algebra, Analysis, Zahlentheorie und einiger elementarer, aber allgegenwärtiger Konzepte und Argumentationen aus der diskreten Mathematik verwenden, um einige der Beweise zu verstehen, die Paul Erdos als "Die Beweise aus DEM BUCH" bezeichnet hätte ". Diese Beweise sollen in Bezug auf Technik und Umfang hocheffizient, prägnant und schön sein.

Die Teilnehmer sollten mit linearer Algebra vertraut sein, etwa im Umfang der Vorlesung 'Lineare Algebra 1' und nach Möglichkeit auch 'Lineare Algebra 2'. Wenn es interessierte Studenten gibt, die bereits 'Algebra und Zahlentheorie' gehört haben, so gibt es auch für diese interessante Vortragsthemen.

Das ist die erste Vorlesung in einem Zyklus von drei Vorlesungen in diskreter Geometrie. Das Ziel dieser Vorlesung ist es, mit diskreten Strukturen und verschiedenen Beweistechniken vertraut zu werden. Der Inhalt wird aus einer Auswahl aus den folgenden Themen bestehen:

Polyeder und polyedrische Komplexe
Konfigurationen von Punkten, Hyperebenen und Unterräumen
Unterteilungen und Triangulierungen
Theorie von Polytopen
Darstellungen und der Satz von Minkowski-Weyl
Polarität, einfache und simpliziale Polytope, Schälbarkeit
Schälbarkeit, Seitenverbände, f-Vektoren, Euler- und Dehn-Sommerville Gleichungen
Graphen, Durchmesser, Hirsch Vermutung
Geometrie linearer Programmierung
Lineare Programme, Simplex-Algorithmus, LP Dualität
Kombinatorische Geometrie, geometrische Kombinatorik
Arrangements von Punkten und Geraden, Sylvester-Gallai, Erdös-Szekeres
Arrangements, Zonotope, zonotopale Kachelungen, orientierte Matroide
Beispiele, Beispiele, Beispiele
Reguläre Polyope, zentralsymmetrische Polytope
Extremale Polytope, zyklische/nachbarschaftliche Polytope, gestapelte Polytope
Kombinatorische Optimierung und 0/1-Polytope
 

• G.M. Ziegler "Lectures in Polytopes"
• J. Matousek "Lectures on Discrete Geometry"
• Further literature will be announced in class.

Gute Kenntnisse der linearen Algebra werden vorausgesetzt. Vorbildung in Kombinatorik und Geometrie sind hilfreich.

Grundlagen der Berechenbarkeit:

• Lambda-Kalkül
• primitive Rekursion
• µ-Rekursion

Einführung in die Funktionale Programmierung (Haskell):

• Syntax (Backus-Naur-Form)
• primitive Datentypen, Listen, Tupel, Zeichenketten
• Ausdrücke, Funktionsdefinitionen, Rekursion und Iteration
• Funktionen höherer Ordnung, Polymorphie
• Typsystem, Typherleitung und –überprüfung
• Algebraische und abstrakte Datentypen
• Ein- und Ausgabe
• Such- und Sortieralgorithmen

Beweisen von Programmeigenschaften:

• Termersetzung
• strukturelle Induktion
• Terminierung

Implementierung und Programmiertechnik:

• Auswertungsstrategien für funktionale Programme
• Modularer Programmentwurf

• Simon Thompson: Haskell: The Craft of Functional Programming, 2nd Edition, Addison-Wesley, 1999
• Graham Hutton: Programming in Haskell, Cambridge University Press, 2007
• Bird, R./Wadler, Ph.: Einführung in Funktionale Programmierung, Hanser Verlag, 1982
• Hans Hermes: Aufzählbarkeit, Entscheidbarkeit, Berechenbarkeit, Springer-Verlag 1978

Tutorien finden erst ab der 2. Vorlesungswoche statt

Inhalt

• Analyse von Sortierverfahren: Mergesort, Quicksort, u.a.
• ADTs Prioritätswarteschlange und Wörterbuch und zugehörige Datenstrukturen: Heaps, Hashing, binäre Suchbäume, B-Bäume, u.a.
• Algorithmen auf Graphen: Breiten- und Tiefensuche, topologisches Sortieren, minimale Spannbäume, kürzeste Wege.
• Algorithmen für Mengen von Zeichenketten.
• Speicherverwaltung.
• Verschiedene Entwurfstechniken für Algorithmen: teile-und-herrsche, greedy, dynamische Programmierung.
• Mathematische Analyse von Algorithmen bezüglich ihres Resourcenbedarfs: Laufzeit, Speicherplatz.

• P. Morin: Open Data Structures, an open content textboox.
• T. H. Cormen, C. Leiserson, R. Rivest, C. Stein: Introduction to Algorithms, MIT Press, 2009.
• R. Sedgewick: Algorithms in Java (Part 1–5), Addison-Wesley, 2003.
• G. Saake, S. Sattler: Algorithmen und Datenstrukturen, dpunkt.verlag, 2013.
• M. Dietzfelbinger, K. Mehlhorn, P. Sanders. Algorithmen und Datenstrukturen: Die Grundwerkzeuge, Springer, 2014.
• M.T. Goodrich, R. Tamassia: Data Structures and Algorithms in Java, Wiley, 2014.

Inhalt

Das Modul Rechnerarchitektur behandelt grundlegende Konzepte und Architekturen von Rechnersystemen. Themenbereiche sind hier insbesondere Von-Neumann-Rechner, Harvard-Architektur, Mikroarchitektur RISC/CISC, Mikroprogrammierung, Pipelining, Cache, Speicherhierarchie, Bussysteme, Assemblerprogrammierung, Multiprozessorsysteme, VLIW, Sprungvorhersage. Ebenso werden interne Zahlendarstellungen, Rechnerarithmetik und die Repräsentation weiterer Datentypen im Rechner behandelt.

• Andrew S. Tannenbaum: 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.

Betriebssysteme verbinden die Anwendungs- und Nutzungsebene mit der Verwaltung der Hardware. Ausgehend von den Aufgaben eines Betriebssystems und den Anforderungen an moderne Betriebssysteme werden die wichtigsten Aspekte im Zusammenhang mit Aufbau und Entwurf eingeführt:

• Betriebssystemstruktur und –entwurf einschließlich Historischer Abriss und Betriebssystemphilosophien, Systemgliederung und Betriebsarten, Betriebsmittel und –verwaltung;
• Prozesse einschließlich Prozessverwaltung;
• Scheduling einschließlich Real-Time-Scheduling;
• Prozessinteraktionen und Interprozesskommunikation;
• Betriebsmittelverwaltung einschließlich des Betriebs von Geräten und Treiberentwicklung und Ein-Ausgabegeräten;
• Speicherverwaltung einschließlich Prozessadressraum und virtueller Speicher;
• Dateiverwaltung einschließlich Festplattenbetrieb und Speicherhierarchien;
• Verteilte Betriebssysteme einschließlich verteilter Architekturen zur Ressourcenverwaltung;
• Leistungsbewertung einschließlich Überlastproblematik.

Für die einzelnen Aspekte dienen aktuelle Betriebssysteme als Beispiele und es wird die aktuelle Forschung auf dem Gebiet herangezogen. Der Übungsbetrieb dient der Reflexion der vermittelten Inhalte in Form praktischer Umsetzung und Programmierung der behandelten Ansätze durch die Studierenden.

• A.S. Tanenbaum: Modern Operating Systems, 2nd Ed. Prentice-Hall, 2001
• A. Silberschatz et al.: Operating Systems Concepts with Java, 6th Ed. Wiley, 2004

Telematik ist Telekommunikation mit Hilfe von Mitteln der Informatik und befasst sich mit Themen der technischen Nachrichtenübertragung, Rechnernetze, Internet-Techniken, WWW, und Netzsicherheit.

Behandelte Themen sind unter anderem folgende:

• Allgemeine Grundlagen: Protokolle, Dienste, Modelle, Standards, Datenbegriff;
• Nachrichtentechnische Grundlagen: Signale, Codierung, Modulation, Medien;
• Sicherungsschicht: Datensicherung, Medienzugriff;
• Lokale Netze: IEEE-Standards, Ethernet, Brücken;
• Vermittlungsschicht: Wegewahl, Router, Internet-Protokoll (IPv4, IPv6);
• Transportschicht: Dienstgüte, Flussteuerung, Staukontrolle, TCP;
• Internet: Protokollfamilie rund um TCP/IP;
• Anwendungen: WWW, Sicherheitsdienste, Netzwerkmanagement;
• Neue Netzkonzepte.

• Larry Peterson, Bruce S. Davie: Computernetze - Ein modernes Lehrbuch, dpunkt Verlag, Heidelberg, 2000
• Krüger, G., Reschke, D.: Lehr- und Übungsbuch Telematik, Fachbuchverlag Leipzig, 2000
• Kurose, J. F., Ross, K. W.: Computer Networking: A Top-Down Approach Featuring the Internet, Addi-son-Wesley Publishing Company, Wokingham, England, 2001
• Siegmund, G.: Technik der Netze, 4. Auflage, Hüthig Verlag, Heidelberg, 1999
• Halsall, F.: Data Communi-cations, Computer Networks and Open Systems 4. Auflage, Addison-Wesley Publishing Company, Wokingham, England, 1996
• Tanenbaum, A. S.: Computer Networks, 3. Auflage, Prentice Hall, Inc., New Jersey, 1996

Voraussetzungen:

Grundkenntnisse im Bereich Rechnersysteme, z.B. TI-III.

In dieser Lehrveranstaltung werden wir uns mit den Technologien, der Geschichte und den Anwendungen von Kryptowährungen und Blockchain beschäftigen.

Bitcoin and Cryptocurrency Technologies: A Comprehensive Introduction, by Arvind Narayanan, Joseph Bonneau, Edward Felten, Andrew Miller, Steven Goldfeder

In dieser Lehrveranstaltung werden wir uns mit den Technologien, der Geschichte und den Anwendungen von Kryptowährungen und Blockchain beschäftigen.

Bitcoin and Cryptocurrency Technologies: A Comprehensive Introduction, by Arvind Narayanan, Joseph Bonneau, Edward Felten, Andrew Miller, Steven Goldfeder

Wechselnd, aufbauend auf der Vorlesung TI II: Rechnerarchitektur

Wird mit der Ankündigung bekannt gegeben.

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

Im Rahmen dieses Proseminars werden wir eine Auswahl an Artikel des Software Engineering in Society Tracks (ICSE-SEIS) der letzten Jahre diskutieren. Themen sind dabei u.a. Diversity, Sustainability oder Privacy, allerdings immer bezugnehmend auf Software Engineering.

Die Studierenden wählen einen dieser Artikel aus und bereiten einen Vortrag (auf Deutsch oder Englisch) vor, in dem sie diesen inklusive zweier relevanter und zugänglicher Quellen vorstellen und diskutieren. Dabei soll ein Augenmerk auf die Glaubwürdigkeit und Relevanz des Artikels / der Studienergebnisse gelegt werden. Anschließend wird der Vortrag und der korrespondierende Artikel durch die Seminarteilnehmer*innen diskutiert.

Zum Inhalt des Vortrages und den Ergebnissen der Diskussion soll eine Ausarbeitung angefertigt werden. Diese entsteht im besten Falle parallel zum Vortrag und wird dann nur noch - das Feedback der Seminarteilnehmer*innen aufgreifend - überarbeitet. Die Ausarbeitung soll mindestens 4 Seiten reinen Text (ohne Grafiken) umfassen (die Ausarbeitung mit Grafiken muss dann entsprechend länger sein) und wird spätestens 4 Wochen nach Halten des Vortrages abgegeben.

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

Webseite

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

Interaktive Intelligente Systeme (IIS) sind interaktive Systeme, die Technologien der künstlichen Intelligenz (z.B. aus der Verarbeitung natürlicher Sprache) nutzen. In diesem Seminar beschäftigen wir uns mit dem Entwurf, der Realisierung oder der Evaluation dieser Systeme. Wir kombinieren die komplementären Perspektiven auf interaktive intelligente Systeme, indem wir die verwendete KI-Technologie, die Benutzerinteraktion mit dem System oder beide Aspekte gleichzeitig berücksichtigen. Interaktive intelligente Systeme umfassen eine Vielzahl von Systemen oder Ansätzen wie KI-infizierte Systeme, Recommender-Systeme, gemischt-initiative Benutzerschnittstellen oder intelligente Agenten.

In jedem Semester behandeln wir ein anderes spezielles Thema aus dem Bereich der interaktiven intelligenten Systeme. In jedem Fall konzentrieren wir uns jedoch auf eine menschenzentrierte Perspektive. Wir betonen die Interaktion zwischen dem technischen System und dem menschlichen Benutzer, um die bestehenden Fähigkeiten und Grenzen im Bereich der Mensch-Computer-Interaktion zu erforschen.

Zu Beginn des Semesters geben wir eine allgemeine Einführung in das diesjährige Spezialthema. Darauf aufbauend werden wir bestehende Ansätze, Methoden und Umsetzungen in Form von Studentengesprächen erschließen und gemeinsam eine Mindmap zum jeweiligen Thema erstellen. Von jedem Teilnehmer wird erwartet, dass er sich selbständig vorbereitet, sein Thema präsentiert und mit der Klasse diskutiert. Basierend auf den Ergebnissen der Diskussion müssen die Studierenden einen schriftlichen wissenschaftlichen Bericht erstellen, der ausgewertet wird.

Jameson, A., & Riedl, J. (2011). Introduction to the Transactions on Interactive Intelligent Systems. TiiS, 1(1), 1–6. http://doi.org/10.1145/2030365.2030366

Terveen, L. G. (1995). Overview of human-computer collaboration. Knowledge-Based Systems, 8(2-3), 67–81. http://doi.org/10.1016/0950-7051(95)98369-H

Farooq, U., & Grudin, J. (2016). Human-computer integration. Interactions, 23(6), 26–32. http://doi.org/10.1145/3001896

https://www.mi.fu-berlin.de/en/inf/groups/hcc/teaching/Winter-Term-2022_23/methods_and_technologies_in_hci.html

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

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

Wird bekannt gegeben. / To be announced.

Zielgruppe

Studierende im Master- bzw. Bachelorstudiengang

Voraussetzungen

Gute Programmierkenntnisse, Einführung in Datenbanksysteme.

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 Künstlicher Intelligenz und semantischer KI 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.

Thema des Softwareprojektes im WS22/23: Weiterentwicklung eines Demonstrators für KI-Verfahren zur Erkennung von Online-Hatespeech.

Coding IxD: Designing Neoanalog Artefacts

In dieser Veranstaltung bilden wir Studierende der Informatik und des Produktdesigns gemeinsam aus. Neben dem Ziel der interdisziplinären geht es vor allem darum, gemeinsam interaktive Systeme zu imaginieren, die "intelligent" sind: Damit meinen wir "Intelligenz" durch Code (Algorithmen), der sorgfältig mit Material, Form und Kontext umgeben ist und dabei sowohl menschliche Fähigkeiten als auch Restriktionen (z.B. Biases) zutiefst respektiert.

Wir verstehen diese Veranstaltung als experimentellen Raum, in dem sich verschiedene Perspektiven treffen, austauschen, reflektieren und weiterentwickeln können. Jedes Semester werden die Studierenden in kleinen Projektteams von bis zu vier Mitgliedern herausgefordert, einen bestimmten Anwendungskontext zu untersuchen. Innerhalb dieses Kontextes entwerfen die Teams ein neues Anwendungs- oder Produktkonzept.

Wir leiten diesen Gestaltungsprozess durch verschiedene, sorgfältig abgestimmte Methoden an, die vor allem verwendet werden, um die Ideen der Studierenden anzuregen. Die Studierenden durchlaufen mehrere Runden der Ideenfindung und verfeinern das resultierende Konzept in verschiedenen Prototyp-Versionen. Das überzeugendste oder vielversprechendste Interaktionskonzept, das es erlaubt, die Qualität und Essenz des Produktkonzepts zu erfassen, wird in einem funktionierenden Prototyp umgesetzt.

Die Studierenden werden von einem Team aus erfahrenen Dozierenden aus der Informatik und der Gestaltung, aber auch Fachexpert:innen (je nach Themengebiet) begleitet. Diese Personen geben Feedback zu den verschiedenen Konzept-Iterationen. Bei Bedarf werden spezielle Workshops zu ausgewählten Themen organisiert, die vom Prototyping bis zum Projektmanagement reichen. Die gesamte Veranstaltung wird kontinuierlich evaluiert, um den methodischen Werkzeugkasten zu erweitern.

Dieses Veranstaltungsangebot ist eine Kooperation der Forschungsgruppe Human-Centered Computing am Institut für Informatik der Freien Universität Berlin und dem Fachbereich Produktdesign der Weißensee Kunsthochschule Berlin (KHB).

Neben den regelmäßigen wöchentlichen Treffen bietet die KHB jeden Montag von 10 bis 13 Uhr kostenlose Workshops an, deren Teilnahme für Informatikstudierende freiwillig ist.

Zimmerman, John, Jodi Forlizzi, and Shelley Evenson. "Research through design as a method for interaction design research in HCI." Proceedings of the SIGCHI conference on Human factors in computing systems. 2007.

Pierce, James, et al. "Expanding and refining design and criticality in HCI." Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing Systems. 2015.

Anthony Dunne and Fiona Raby. 2013. Speculative Everything: Design, Fiction, and Social Dreaming. The MIT Press.

Weitergehende Informationen zu den Veranstaltungsinhalten finden Sie unter:

https://www.mi.fu-berlin.de/en/inf/groups/hcc/teaching/Winter-Term-2022_23/software_project_coding-ixd.html

Die Lehrveranstaltung findet in Kooperation mit der Weissensee Kunsthochschule Berlin statt. Wir treffen uns jeden Mittwoch im Labor des Exzellenzclusters „Bild Wissen Gestaltung“ an der HU Berlin.

Adresse

Sophienstrasse 22a, 2.HH, 2.Stock, 10178 Berlin

www.interdisciplinary-laboratory.hu-berlin.de

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

Lehr- und Lerninhalte umfassen:

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

Das Projekt ist ein Softwareentwicklungsprojekt, bei dem jedes Studierendenteam mit einem Industriepartner zusammenarbeitet, der die Projektidee bereitstellt. Studierende arbeiten praktisch und angewandt. Studierende nehmen die Rolle einer Softwareentwicklerin oder eines Softwareentwicklers ein. In dieser Rolle schätzen und Bewerten sie den Aufwand von Anforderungen und setzen sie im Projekt um.

Studierende werden in Teams von 7-8 Personen organisiert. Ein Industriepartner stellt die allgemeinen Anforderungen bereit, welche von den Product Ownern ausgearbeitet und von den Softwareentwickler:innen umgesetzt werden. Das Projektangebot wird kurz vor Semesterbeginn vorgestellt werden.

Der Kurs besteht aus einer 90min. Vorlesung (Teilnahme freiwillig) gefolgt von einem 90min. Team-Meeting (Teilnahme verpflichtend).
Er findet mittwochs statt: Mi 10:15-11:45 (Vorlesung) + Mi 12:30-14:00 (Team-Meeting)

Den Zeitplan sowie weitere Information zum Kurs können Sie über folgendes Google Spreadsheet einsehen: https://amos.uni1.de - dort finden Sie auch den Registrierungslink zum Kurs.

http://goo.gl/5Wqnr7

Lernziele und Kompetenzen

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

Zielgruppe

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

Sprache

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

Weiteres

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

Ein Übersetzer ist ein Programm, das Programme einer höheren Programmiersprache in eine andere Programmiersprache (im allgemeinen Maschinensprache) überführt. In der Regel erfolgt die Übersetzung in mehreren Phasen, wovon die wichtigsten die lexikalische Analyse, die Syntaxanalyse, die semantische Analyse und die Codeerzeugung sind. Mit Hilfe der lexikalischen und syntaktischen Analyse wird das Quellprogramm in eine computergerechte Repräsentation überführt (abstrakter Syntaxbaum). Diese Repräsentation wird dann als Ausgangspunkt für Optimierungen und Codeerzeugung verwendet. Die hier vorgestellten Verfahren finden an vielen Stellen in der Informatik Anwendung. Deshalb ist dieses Thema auch für solche Hörer von Interesse, die nie vorhaben, einen Übersetzer zu schreiben.

Zur Beschaffung empfohlen:

• Alfred V. Aho, Monica S. Lam, Ravi Sethi, Jeffrey D. Ullman: Compilers - Principles, Techniques , & Tools, Pearson International Edition, 2007

Die deutsche Version wegen Mängel in der Übersetzung nicht so sehr zu empfehlen:

• Alfred V. Aho, Monica S. Lam, Ravi Sethi, Jeffrey D. Ullman: Compiler, Pearson Studium, 2008

Weitere, ergänzende Literatur:

• Helmut Seidl: Compilerbau, TUM, SS08
• Pat D Terry: Compiling with C# and Java, Pearson Education 2005
• Reinhard Wilhelm, Dieter Maurer: Übersetzerbau - Theorie, Konstruktion, Generierung, Springer-Verlag, 2. Auflage 1997
• Niklaus Wirth: Grundlagen und Techniken des Compilerbaus, 3. Auflage, Oldenbourg-Verlag, 2011

Die Vorlesung gehört zum Studienbereich "Praktische Informatik"

Voraussetzungen

Grundkenntnisse in Automatentheorie, Formalen Sprachen, Rechnerorganisation und Programmiersprachen

Ein Universitätsstudium in Informatik dreht sich hauptsächlich um Konzepte. Das ist grundsätzlich sinnvoll, denn diese Konzepte sind erheblich langlebiger und breiter anwendbar als konkrete Einzelheiten es wären. Leider bleibt dabei vieles Detaillierte, das für konkrete Softwareentwicklung aber nun mal wichtig ist, weitgehend auf der Strecke. Dieses Defizit soll diese Veranstaltung reduzieren.

Auch hier geht es zwar zum großen Teil um Konzepte, aber immer nur um solche, die direkt mit Softwareentwicklung zu tun haben und anhand konkreter, persönlicher, praktischer Anwendung -- und zwar (im Gegensatz zu den meisten Softwareprojekt-Lehrveranstaltungen) mit gemeinsamer Reflektion über die Anwendung.

Die besprochenen und eingeübten Konzepte lassen sich drei verschiedenen (aber mit einander eng verbundenen) Sphären zuordnen:

• Softwareentwurf und -strukturierung (und zwar objektorientiert)
• Vorgehensmethoden (z.B. in den Bereichen Prototyping, Automatisierung, inkrementelle Verbesserung)
• Persönlichkeitsentwicklung (Aspekte wie Konsequenz, Verantwortlichkeit, Kommunikationsfertigkeiten)

Wichtig: Jede/r Teilnehmer/in muss ein bereits weit vor der Veranstaltung begonnenes Softwareprojekt haben (bei einer Firma, für eine Firmengründung oder als Open-Source-Projekt), an dem er/sie über die gesamte Dauer dieser Lehrveranstaltung hinweg jede Woche mitarbeitet (in aller Regel im Team) und das als Umgebung für das Einüben der Konzepte dient.
Dies ist eine harte Teilnahmevoraussetzung.

Hauptquelle für die besprochenen Praktiken ist die Website http://clean-code-developer.de

Voraussetzungen

Unverzichtbare Voraussetzung für die Teilnahme ist ein eigenes Softwareprojekt wie oben beschrieben, das für die gesamte Dauer der Veranstaltung mit mindestens 6 Wochenstunden von für die Themen dieser Veranstaltung frei verfügbarem Aufwand weitergeführt wird.

Zielgruppe

Zielgruppe sind Studierende, die durch intensives Üben Fertigkeiten aufbauen möchten, die gute und professionell arbeitende Softwareentwickler/innen benötigen.

Einordnung & Leistungpunkte

Die Veranstaltung ist eine Wahlveranstaltung für den Studiengang Master Informatik mit 5 Leistungspunkten.

Webseite

http://www.mi.fu-berlin.de/w/SE/KursProfessionelleSWEntwicklung2022

Die offizielle Website der Veranstaltung findet sich hier: https://www.wiwiss.fu-berlin.de/fachbereich/bwl/pwo/rothe/teaching/ma_tech-entrepreneurship.html

Secure Software Engineering vereint zwei wichtige Themenfelder: Software Engineering bzw. Softwaretechnik und Informationssicherheit. Software Engineering einerseits behandelt die systematische Bereitstellung und Verwendung von Prinzipien, Methoden und Werkzeugen für die Entwicklung und den Einsatz von Softwareanwendungen. Informationssicherheit andererseits beschäftigt sich mit Eigenschaften wie Vertraulichkeit, Integrität und Verfügbarkeit von Informationen und Daten.

- Claudia Eckert: IT-Sicherheit, 9. Auflage, De Gruyter Oldenbourg, 2014; - Ross Anderson: Security Engineering, 2. Auflage, Wiley, 2008. Weitere Literaturhinweise werden zu den einzelnen Themenblöcken bereitgestellt.

Das Ziel dieser Vorlesung ist die Vermittlung von Prinzipien, Methoden und Werkzeugen für die Entwicklung sicherer Softwareanwendungen. Dafür werden zunächst grundlegende Konzepte eingeführt. Es folgen Vorgehensmodelle zur Entwicklung sicherer Software sowie zur Bewertung der Reifegrade von Entwicklungsprozessen. Entlang der Phasen bzw. Prozessgruppen der Softwareentwicklung werden dann zentrale Prinzipien, Methoden und Werkzeuge vorgestellt und erläutert. Besondere Berücksichtigung finden dabei die Bedrohungs- und Risikoanalyse, die Erhebung von Sicherheitsanforderungen, Prinzipien und Muster für das Design sicherer Softwareanwendungen, sichere und unsichere Softwareimplementierungen, Sicherheitstests sowie die Evaluation der Sicherheitseigenschaften von Softwareanwendungen.

Die Datenkompression stellt eine Technologie dar, welche zahlreiche Anwendungen in unserem Informationszeitalter erst ermöglich.  Obwohl es der Endnutzer oft nicht bemerkt, verwenden wir sie täglich beim Musik hören, Bilder und Videos anschauen, oder der generellen Benutzung unseres Mobiltelefons.

In der Vorlesung wird eine Einführung in die grundlegenden und am häufigsten verwendeten Verfahren der Datenkompression gegeben. Es werden sowohl theoretische Grundlagen als auch praktische Verfahren behandelt und anhand von Beispielen aus der Praxis erläutert.

Der erste Teil der Vorlesung behandelt die verlustlose Kompression, bei der die Originaldaten exakt rekonstruiert werden können. Dieser Teil umfasst die folgenden Themen:

• Eindeutige Decodierbarkeit und Prefix-Codes
• Entropie und Entropierate als theoretische Grenzen der verlustlosen Kompression
• Optimale Codes, Huffman Codes
• Arithmetische Codierung
• Lempel-Ziv Codierung
• Linear Prädiktion
• Beispiele aus der Text-, Bild- und Audiokompression

Im zweiten Teil der Vorlesung wird die allgemeinere verlustbehaftete Kompression eingeführt, bei der nur eine Approximation der Originaldaten rekonstruiert werden kann. Diese Art der Kompression ermöglicht deutlich höhere Kompressionsfaktoren und ist die dominante Form der Kompression für Audio-, Bild- und Videodaten. Dieser zweite Teil der Vorlesung umfasst folgende Themen:

• Skalare Quantisierung, optimale skalare Quantisierung
• Theoretische Grenzen der verlustbehafteten Kompression: Rate-Distortion-Funktionen
• Vektorquantisierung
• Prädiktive Quantisierung
• Transformationscodierung
• Beispiele aus der Audio-, Bild- und Videocodierung

• Sayood, K. (2018), “Introduction to Data Compression,” Morgan Kaufmann, Cambridge, MA.
• Cover, T. M. and Thomas, J. A. (2006), “Elements of Information Theory,” John Wiley & Sons, New York.
• Gersho, A. and Gray, R. M. (1992), “Vector Quantization and Signal Compression,” Kluwer Academic Publishers, Boston, Dordrecht, London.
• Jayant, N. S. and Noll, P. (1994), “Digital Coding of Waveforms,” Prentice-Hall, Englewood Cliffs, NJ, USA.
• Wiegand, T. and Schwarz, H. (2010), “Source Coding: Part I of Fundamentals of Source and Video Coding,” Foundations and Trends in Signal Processing, vol. 4, no. 1-2.

Die rasante technologische Entwicklung erfordert die Verarbeitung großer Mengen von Daten unterschiedlichster Art, um diese durch den Menschen nutzbar zu machen. Diese Herausforderung betrifft heutzutage sehr viele Bereiche des Lebens, wie der Forschung, Wirtschaft und Politik. Datenvisualisierungen werden hier dazu eingesetzt, Informationen und Zusammenhänge durch grafische Darstellung von Daten zu erklären, diese durch visuelle Analyse zu erkunden, um damit die Entscheidungsfindungen zu unterstützen. Ziel dieser Veranstaltung ist es, Studierende mit den Prinzipien, Techniken und Algorithmen der Datenvisualisierung vertraut zu machen und praktische Fertigkeiten für die Gestaltung und Implementierung von Datenvisualisierungen zu vermitteln.

Dieser Kurs soll Studierenden eine fundierte Einführung in die Grundlagen der Datenvisualisierung mit aktuellen Inhalten aus Forschung und Praxis geben. Am Ende der Veranstaltung werden die Studierenden

1. ausgehend von einer Problemstellung Methoden zur Konzipierung von Visualisierungen auswählen und anwenden können,
2. wesentliche theoretische Grundlagen der Visualisierung zur grafischen Wahrnehmung und Kognition kennen,
3. Visualisierungsansätze und deren Vor- und Nachteile kennen und auswählen können,
4. Visualisierungslösungen kritisch bewerten können, und
5. praktische Fertigkeiten für die Implementierung von Visualisierungen besitzen.

Diese Veranstaltung richtet sich sowohl an Studierende, die daran interessiert sind, Datenvisualisierung in ihrer Arbeit einzusetzen, als auch an Studierende, die Visualisierungs-software entwickeln wollen. Grundkenntnisse in der Programmierung (HTML, CSS, Javascript, Python) und Datenanalyse (z.B. R) sind hilfreich.

Neben der Teilnahme an den Diskussionen in der Veranstaltung absolvieren die Studierenden mehrere Programmier- und Datenanalyseaufgaben sowie ein Abschlussprojekt, in welchem Sie eine gegebene Problemstellung lösen sollen. Von den Studierenden wird erwartet, dass sie die Ergebnisse der Aufgaben und des Projekts im Sinne der Reproduzierbarkeit dokumentieren und präsentieren.

Bitte beachten Sie, dass die Veranstaltung sich darauf konzentriert, wie Daten visuell kodiert und für die Analyse präsentiert werden, nachdem die Struktur der Daten und deren Inhalt bekannt ist. Explorative Analysemethoden zur Entdeckung von Erkenntnissen in Daten sind nicht der Schwerpunkt der Veranstaltung.

Textbuch

Munzner, Tamara. Visualization analysis and design. AK Peters/CRC Press, 2014.

Zusätzliche Literatur

Kirk, Andy: Data visualisation: A handbook for data driven design. Sage. 2016.

Yau, Nathan: Visualize This: The FlowingData Guide to Design, Visualization, and Statistics. Wiley Publishing, Inc. 2011.

Spence, Robert: Information Visualization: Design for Interaction. Pearson. 2007.

https://www.mi.fu-berlin.de/en/inf/groups/hcc/teaching/Winter-Term-2022_23/course_data_visualization.html

In dieser Lehrveranstaltung werden wir uns mit den Technologien, der Geschichte und den Anwendungen von Kryptowährungen und Blockchain beschäftigen.

Bitcoin and Cryptocurrency Technologies: A Comprehensive Introduction, by Arvind Narayanan, Joseph Bonneau, Edward Felten, Andrew Miller, Steven Goldfeder

In dieser VL werden die Grundlagen von KI Systemen mit Datenschutz gelehrt. Dies umfasst insbesondere biometrische KI-basierte biometrische Systeme (z.B. Gesichtserkennung). Es werden Architekturen (VAE + GAN Architekturen) mit impliziertem Datenschutz (vor allem Differential Privacy DP) und verschiedene Implementierungen  vorgestellt. Die mathematischen Grundlagen von KI mit DP werden grundlegend analysiert und mögliche Beweisbarkeits-/ Zertifizierungs-Ansätze ausgeführt.

Ziel der VL ist es ein grundlegendes Verständnis von KI-Systemen/Algorithmen mit Datenschutz.

Die offizielle Website der Veranstaltung findet sich hier: https://www.wiwiss.fu-berlin.de/fachbereich/bwl/pwo/rothe/teaching/ma_tech-entrepreneurship.html

Secure Software Engineering vereint zwei wichtige Themenfelder: Software Engineering bzw. Softwaretechnik und Informationssicherheit. Software Engineering einerseits behandelt die systematische Bereitstellung und Verwendung von Prinzipien, Methoden und Werkzeugen für die Entwicklung und den Einsatz von Softwareanwendungen. Informationssicherheit andererseits beschäftigt sich mit Eigenschaften wie Vertraulichkeit, Integrität und Verfügbarkeit von Informationen und Daten.

- Claudia Eckert: IT-Sicherheit, 9. Auflage, De Gruyter Oldenbourg, 2014; - Ross Anderson: Security Engineering, 2. Auflage, Wiley, 2008. Weitere Literaturhinweise werden zu den einzelnen Themenblöcken bereitgestellt.

Das Ziel dieser Vorlesung ist die Vermittlung von Prinzipien, Methoden und Werkzeugen für die Entwicklung sicherer Softwareanwendungen. Dafür werden zunächst grundlegende Konzepte eingeführt. Es folgen Vorgehensmodelle zur Entwicklung sicherer Software sowie zur Bewertung der Reifegrade von Entwicklungsprozessen. Entlang der Phasen bzw. Prozessgruppen der Softwareentwicklung werden dann zentrale Prinzipien, Methoden und Werkzeuge vorgestellt und erläutert. Besondere Berücksichtigung finden dabei die Bedrohungs- und Risikoanalyse, die Erhebung von Sicherheitsanforderungen, Prinzipien und Muster für das Design sicherer Softwareanwendungen, sichere und unsichere Softwareimplementierungen, Sicherheitstests sowie die Evaluation der Sicherheitseigenschaften von Softwareanwendungen.

Die Datenkompression stellt eine Technologie dar, welche zahlreiche Anwendungen in unserem Informationszeitalter erst ermöglich.  Obwohl es der Endnutzer oft nicht bemerkt, verwenden wir sie täglich beim Musik hören, Bilder und Videos anschauen, oder der generellen Benutzung unseres Mobiltelefons.

In der Vorlesung wird eine Einführung in die grundlegenden und am häufigsten verwendeten Verfahren der Datenkompression gegeben. Es werden sowohl theoretische Grundlagen als auch praktische Verfahren behandelt und anhand von Beispielen aus der Praxis erläutert.

Der erste Teil der Vorlesung behandelt die verlustlose Kompression, bei der die Originaldaten exakt rekonstruiert werden können. Dieser Teil umfasst die folgenden Themen:

• Eindeutige Decodierbarkeit und Prefix-Codes
• Entropie und Entropierate als theoretische Grenzen der verlustlosen Kompression
• Optimale Codes, Huffman Codes
• Arithmetische Codierung
• Lempel-Ziv Codierung
• Linear Prädiktion
• Beispiele aus der Text-, Bild- und Audiokompression

Im zweiten Teil der Vorlesung wird die allgemeinere verlustbehaftete Kompression eingeführt, bei der nur eine Approximation der Originaldaten rekonstruiert werden kann. Diese Art der Kompression ermöglicht deutlich höhere Kompressionsfaktoren und ist die dominante Form der Kompression für Audio-, Bild- und Videodaten. Dieser zweite Teil der Vorlesung umfasst folgende Themen:

• Skalare Quantisierung, optimale skalare Quantisierung
• Theoretische Grenzen der verlustbehafteten Kompression: Rate-Distortion-Funktionen
• Vektorquantisierung
• Prädiktive Quantisierung
• Transformationscodierung
• Beispiele aus der Audio-, Bild- und Videocodierung

• Sayood, K. (2018), “Introduction to Data Compression,” Morgan Kaufmann, Cambridge, MA.
• Cover, T. M. and Thomas, J. A. (2006), “Elements of Information Theory,” John Wiley & Sons, New York.
• Gersho, A. and Gray, R. M. (1992), “Vector Quantization and Signal Compression,” Kluwer Academic Publishers, Boston, Dordrecht, London.
• Jayant, N. S. and Noll, P. (1994), “Digital Coding of Waveforms,” Prentice-Hall, Englewood Cliffs, NJ, USA.
• Wiegand, T. and Schwarz, H. (2010), “Source Coding: Part I of Fundamentals of Source and Video Coding,” Foundations and Trends in Signal Processing, vol. 4, no. 1-2.

Die rasante technologische Entwicklung erfordert die Verarbeitung großer Mengen von Daten unterschiedlichster Art, um diese durch den Menschen nutzbar zu machen. Diese Herausforderung betrifft heutzutage sehr viele Bereiche des Lebens, wie der Forschung, Wirtschaft und Politik. Datenvisualisierungen werden hier dazu eingesetzt, Informationen und Zusammenhänge durch grafische Darstellung von Daten zu erklären, diese durch visuelle Analyse zu erkunden, um damit die Entscheidungsfindungen zu unterstützen. Ziel dieser Veranstaltung ist es, Studierende mit den Prinzipien, Techniken und Algorithmen der Datenvisualisierung vertraut zu machen und praktische Fertigkeiten für die Gestaltung und Implementierung von Datenvisualisierungen zu vermitteln.

Dieser Kurs soll Studierenden eine fundierte Einführung in die Grundlagen der Datenvisualisierung mit aktuellen Inhalten aus Forschung und Praxis geben. Am Ende der Veranstaltung werden die Studierenden

1. ausgehend von einer Problemstellung Methoden zur Konzipierung von Visualisierungen auswählen und anwenden können,
2. wesentliche theoretische Grundlagen der Visualisierung zur grafischen Wahrnehmung und Kognition kennen,
3. Visualisierungsansätze und deren Vor- und Nachteile kennen und auswählen können,
4. Visualisierungslösungen kritisch bewerten können, und
5. praktische Fertigkeiten für die Implementierung von Visualisierungen besitzen.

Diese Veranstaltung richtet sich sowohl an Studierende, die daran interessiert sind, Datenvisualisierung in ihrer Arbeit einzusetzen, als auch an Studierende, die Visualisierungs-software entwickeln wollen. Grundkenntnisse in der Programmierung (HTML, CSS, Javascript, Python) und Datenanalyse (z.B. R) sind hilfreich.

Neben der Teilnahme an den Diskussionen in der Veranstaltung absolvieren die Studierenden mehrere Programmier- und Datenanalyseaufgaben sowie ein Abschlussprojekt, in welchem Sie eine gegebene Problemstellung lösen sollen. Von den Studierenden wird erwartet, dass sie die Ergebnisse der Aufgaben und des Projekts im Sinne der Reproduzierbarkeit dokumentieren und präsentieren.

Bitte beachten Sie, dass die Veranstaltung sich darauf konzentriert, wie Daten visuell kodiert und für die Analyse präsentiert werden, nachdem die Struktur der Daten und deren Inhalt bekannt ist. Explorative Analysemethoden zur Entdeckung von Erkenntnissen in Daten sind nicht der Schwerpunkt der Veranstaltung.

Textbuch

Munzner, Tamara. Visualization analysis and design. AK Peters/CRC Press, 2014.

Zusätzliche Literatur

Kirk, Andy: Data visualisation: A handbook for data driven design. Sage. 2016.

Yau, Nathan: Visualize This: The FlowingData Guide to Design, Visualization, and Statistics. Wiley Publishing, Inc. 2011.

Spence, Robert: Information Visualization: Design for Interaction. Pearson. 2007.

https://www.mi.fu-berlin.de/en/inf/groups/hcc/teaching/Winter-Term-2022_23/course_data_visualization.html

In dieser Lehrveranstaltung werden wir uns mit den Technologien, der Geschichte und den Anwendungen von Kryptowährungen und Blockchain beschäftigen.

Bitcoin and Cryptocurrency Technologies: A Comprehensive Introduction, by Arvind Narayanan, Joseph Bonneau, Edward Felten, Andrew Miller, Steven Goldfeder

In dieser VL werden die Grundlagen von KI Systemen mit Datenschutz gelehrt. Dies umfasst insbesondere biometrische KI-basierte biometrische Systeme (z.B. Gesichtserkennung). Es werden Architekturen (VAE + GAN Architekturen) mit impliziertem Datenschutz (vor allem Differential Privacy DP) und verschiedene Implementierungen  vorgestellt. Die mathematischen Grundlagen von KI mit DP werden grundlegend analysiert und mögliche Beweisbarkeits-/ Zertifizierungs-Ansätze ausgeführt.

Ziel der VL ist es ein grundlegendes Verständnis von KI-Systemen/Algorithmen mit Datenschutz.

Secure Software Engineering vereint zwei wichtige Themenfelder: Software Engineering bzw. Softwaretechnik und Informationssicherheit. Software Engineering einerseits behandelt die systematische Bereitstellung und Verwendung von Prinzipien, Methoden und Werkzeugen für die Entwicklung und den Einsatz von Softwareanwendungen. Informationssicherheit andererseits beschäftigt sich mit Eigenschaften wie Vertraulichkeit, Integrität und Verfügbarkeit von Informationen und Daten.

- Claudia Eckert: IT-Sicherheit, 9. Auflage, De Gruyter Oldenbourg, 2014; - Ross Anderson: Security Engineering, 2. Auflage, Wiley, 2008. Weitere Literaturhinweise werden zu den einzelnen Themenblöcken bereitgestellt.

Das Ziel dieser Vorlesung ist die Vermittlung von Prinzipien, Methoden und Werkzeugen für die Entwicklung sicherer Softwareanwendungen. Dafür werden zunächst grundlegende Konzepte eingeführt. Es folgen Vorgehensmodelle zur Entwicklung sicherer Software sowie zur Bewertung der Reifegrade von Entwicklungsprozessen. Entlang der Phasen bzw. Prozessgruppen der Softwareentwicklung werden dann zentrale Prinzipien, Methoden und Werkzeuge vorgestellt und erläutert. Besondere Berücksichtigung finden dabei die Bedrohungs- und Risikoanalyse, die Erhebung von Sicherheitsanforderungen, Prinzipien und Muster für das Design sicherer Softwareanwendungen, sichere und unsichere Softwareimplementierungen, Sicherheitstests sowie die Evaluation der Sicherheitseigenschaften von Softwareanwendungen.

The course provides an overview of machine learning (ML) methods and algorithms for data science. It consists of two parts:

The first part of the course discusses the emergence of big data, presents common ML-based visualization techniques for large datasets, and introduces basic ML methods such as principal component analysis, k-means clustering, linear regression, and linear discriminant.

The second part of the course introduces advanced ML techniques (probabilistic models, kernels, and deep learning) which address the uncertainty of the model and the nonlinearity of real-world data. It also covers the question of reproducibility and explainability of ML models.

By the end of the course, the student has become familiar with common ML models for data science, has understood their theoretical and algorithmic foundations, and has gained experience on how to use these models adequately in practical situations.

List of topics:

- Big data and data science

- ML-based data visualization

- Principal components, anomalies, and clustering

- Correlation analysis, linear regression, and linear discriminant

- Probabilistic models

- Kernel methods

- Deep learning

- Reproducibility

- Explainable AI

Es werden Themen wie:

• allgemeine Algorithmenentwurfsprinzipien,

• Flussprobleme in Graphen,

• Amortisierte Laufzeitanalyse und fortgeschrittene Datenstrukturen,

• NP-Vollständigkeit,

• Approximationsalgorithmen für schwere Probleme,

• arithmetische Algorithmen und Schaltkreise sowie schnelle Fourier-Transformation

behandelt.

Die Vorlesung wird auf Englisch gehalten.

• Cormen, Leiserson, Rivest, Stein: Introduction to Algorithms, 2nd Ed. McGraw-Hill 2001
• Kleinberg, Tardos: Algorithm Design Addison-Wesley 2005.

Zielgruppe

alle Masterstudenten, und Bachelorstudenten, die sich in Algorithmen vertiefen wollen.

Empfohlene Vorkenntnisse

Grundkenntnisse im Bereich Entwurf und Analyse von Algorithmen

Die Vorlesung beschäftigt sich mit unterschiedlichsten asymmetrischen Kryptoverfahren, insbesondere mit den diesen Verfahren zugrunde liegenden vermuteten schweren Problemen. Inhalte sind u.a.

• RSA und das Faktorisierungsproblem
• DSA und das diskrete Logarithmusproblem
• Merkel-Hellman und das Rucksack- und Gitterproblem
• McEliece und das Decodierungsprobleme
• Matsumoto-Imai und multivariate Polynomsystem

Vorkenntnisse in den Bereichen IT-Sicherheit und Kryptologie werden vorausgesetzt.

Die Vorlesung beschäftigt sich mit unterschiedlichsten asymmetrischen Kryptoverfahren, insbesondere mit den diesen Verfahren zugrunde liegenden vermuteten schweren Problemen. Inhalte sind u.a.

• RSA und das Faktorisierungsproblem
• DSA und das diskrete Logarithmusproblem
• Merkel-Hellman und das Rucksack- und Gitterproblem
• McEliece und das Decodierungsprobleme
• Matsumoto-Imai und multivariate Polynomsystem

Vorkenntnisse in den Bereichen IT-Sicherheit und Kryptologie werden vorausgesetzt.

Die Datenkompression stellt eine Technologie dar, welche zahlreiche Anwendungen in unserem Informationszeitalter erst ermöglich.  Obwohl es der Endnutzer oft nicht bemerkt, verwenden wir sie täglich beim Musik hören, Bilder und Videos anschauen, oder der generellen Benutzung unseres Mobiltelefons.

In der Vorlesung wird eine Einführung in die grundlegenden und am häufigsten verwendeten Verfahren der Datenkompression gegeben. Es werden sowohl theoretische Grundlagen als auch praktische Verfahren behandelt und anhand von Beispielen aus der Praxis erläutert.

Der erste Teil der Vorlesung behandelt die verlustlose Kompression, bei der die Originaldaten exakt rekonstruiert werden können. Dieser Teil umfasst die folgenden Themen:

• Eindeutige Decodierbarkeit und Prefix-Codes
• Entropie und Entropierate als theoretische Grenzen der verlustlosen Kompression
• Optimale Codes, Huffman Codes
• Arithmetische Codierung
• Lempel-Ziv Codierung
• Linear Prädiktion
• Beispiele aus der Text-, Bild- und Audiokompression

Im zweiten Teil der Vorlesung wird die allgemeinere verlustbehaftete Kompression eingeführt, bei der nur eine Approximation der Originaldaten rekonstruiert werden kann. Diese Art der Kompression ermöglicht deutlich höhere Kompressionsfaktoren und ist die dominante Form der Kompression für Audio-, Bild- und Videodaten. Dieser zweite Teil der Vorlesung umfasst folgende Themen:

• Skalare Quantisierung, optimale skalare Quantisierung
• Theoretische Grenzen der verlustbehafteten Kompression: Rate-Distortion-Funktionen
• Vektorquantisierung
• Prädiktive Quantisierung
• Transformationscodierung
• Beispiele aus der Audio-, Bild- und Videocodierung

• Sayood, K. (2018), “Introduction to Data Compression,” Morgan Kaufmann, Cambridge, MA.
• Cover, T. M. and Thomas, J. A. (2006), “Elements of Information Theory,” John Wiley & Sons, New York.
• Gersho, A. and Gray, R. M. (1992), “Vector Quantization and Signal Compression,” Kluwer Academic Publishers, Boston, Dordrecht, London.
• Jayant, N. S. and Noll, P. (1994), “Digital Coding of Waveforms,” Prentice-Hall, Englewood Cliffs, NJ, USA.
• Wiegand, T. and Schwarz, H. (2010), “Source Coding: Part I of Fundamentals of Source and Video Coding,” Foundations and Trends in Signal Processing, vol. 4, no. 1-2.

Diese Vorlesung gibt eine Einführung in die Kryptographie und das kryptographische Schlüsselverwaltung, sowie eine Einführung in kryptographische Protokolle und deren Anwendung im Bereich der Sicherheit in verteilten Systemen. Mathematische Werkzeuge werden im erforderlichen und einer Einführungsveranstaltung angemessenen Umfang entwickelt. Zusätzlich berührt die Vorlesung die Bedeutung von Implementierungsdetails für die Systemsicherheit.

• Jonathan Katz and Yehuda Lindell, Introduction to Modern Cryptography, 2008
• Lindsay N. Childs, A Concrete Introduction to Higher Algebra. Springer Verlag, 1995.
• Johannes Buchmann, Einfuehrung in die Kryptographie. Springer Verlag, 1999.

Weitere noch zu bestimmende Literatur und Primärquellen.

Voraussetzungen: Teilnehmer müssen gutes mathematisches Verständnis sowie gute Kenntnisse in den Bereichen Rechnersicherheit und Netzwerken mitbringen.

• Aussagenlogik und mathematische Beweistechniken
• Boolesche Formeln und Boolesche Funktionen, DNF und KNF, Erfüllbarkeit, Resolutionskalkül
• Mengenlehre: Mengen, Relationen, Äquivalenz- und Ordnungsrelationen, Funktionen
• Natürliche Zahlen und vollständige Induktion, Abzählbarkeit
• Prädikatenlogik und mathematische Strukturen
• Kombinatorik: Abzählprinzipien, Binomialkoeffizienten und Stirling-Zahlen, Rekursion, Schubfachprinzip
• Graphentheorie: Graphen und ihre Darstellungen, Wege und Kreise in Graphen, Bäume

• Christoph Meinel, Martin Mundhenk: Mathematische Grundlagen der Informatik, Teubner; 2. Auflage 2002
• Uwe Schöning: Logik für Informatiker, B.I.-Wissenschaftsverlag; 5. Auflage 2000
• Kenneth H. Rosen: Discrete Mathematics and its Applications, Mc-Graw Hill; 1999
• M. Aigner: Diskrete Mathematk, Vieweg, 5. Auflage 2004

Inhalt:
Dies ist der erste Teil einer dreisemestrigen Einführung in die mathematische Grunddisziplin Analysis. Behandelt wird die Differenzial- und Integralrechnung in einer reellen Veränderlichen. Themen:

1. Grundlagen, Elementare Logik, Geordnete Paare, Relationen, Funktionen, Definitionsbereich und Wertebereich einer Funktion, Umkehrfunktion (Injektivität, Surjektivität)
2. Zahlen, Vollständige Induktion, Rechnen in R, C
3. Anordnung von R, Maximum und Minimum, Supremum und Infimum reeller Mengen, Supremums/Infimums-Vollständigkeit von R, Betrag einer reellen Zahl, Q ist dicht in R
4. Folgen und Reihen, Grenzwerte, Cauchyfolgen, Konvergenzkriterien, Reihen und grundlegende Konvergenzprinzipien
5. Topologische Aspekte von R, offene, abgeschlossene und kompakte reelle Mengen
6. Funktionenfolgen, Funktionenreihen, Potenzreihen
7. Eigenschaften von Funktionen, Beschränktheit, Monotonie, Konvexität
8. Stetigkeit, Grenzwerte und Stetigkeit von Funktionen, Gleichmäßige Stetigkeit, Zwischenwertsätze, Stetigkeit und Kompaktheit
9. Differenzierbarkeit, Begriff der Ableitung, Differentiationsregeln, Mittelwertsätze, Lokale und globale Extrema, Krümmung, Monotonie, Konvexität
10. Elementare Funktionen, Rationale Funktionen, Wurzelfunktionen, Exponentialfunktionen, Winkelfunktionen, Hyperbolische Funktionen, Reeller Logarithmus, Reelle Arkus-Funktionen, Kurvendiskussionen
11. Anfänge der Integralrechnung

Nähere Informationen finden Sie auf der Homepage der 19202801 Analysis I.

Literature:

• Bröcker, Theodor: Analysis 1, Spektrum der Wissenschaft-Verlag.
• Forster, Otto: Analysis 1, Vieweg-Verlag.
• Spivak, Michael: Calculus, 4th Edition.

Viele Analysis Bücher sind auch über die Fachbibliothek der FU Berlin elektronisch verfügbar.

Bei Schwierigkeiten mit den Grundbegriffen Menge, Abbildung etc. ist die folgende Ausarbeitung empfehlenswert:

• Scheerer, Hans: Brückenkurs, Skript FU Berlin 2006.

Inhalt

• Grundbegriffe: Mengen, Abbildungen, Äquivalenzrelationen, Gruppen, Ringe, Körper
• Lineare Gleichungssysteme: Lösbarkeitskriterien, Gauß-Algorithmus
• Vektorräume: Lineare Unabhängigkeit, Erzeugendensysteme und Basen, Dimension, Unterräume, Faktorräume, Vektorprodukt im R3
• Lineare Abbildungen: Bild und Rang, Zusammenhang mit Matrizen, Verhalten bei Basiswechsel
• Dualer Vektorraum: Multilinearformen, alternierende und symmetrische Bilinearformen, Zusammenhang mit Matrizen, Basiswechsel
• Determinanten: Cramersche Regel, Eigenwerte und -vektoren

Voraussetzungen

• Der Brückenkurs Mathematik ist zum Einstieg sehr zu empfehlen!

• Siegfried Bosch, Lineare Algebra, 4. Auflage, Springer-Verlag, 2008;
• Gerd Fischer, Lernbuch Lineare Algebra und Analytische Geometrie, Springer-Verlag, 2017;
• Bartel Leendert van der Waerden, Algebra Volume I, 9th Edition, Springer 1993;

Zu den Grundlagen

• Kevin Houston, Wie man mathematisch denkt: Eine Einführung in die mathematische Arbeitstechnik für Studienanfänger, Spektrum Akademischer Verlag, 2012

Inhalt:

• Aufbau der Zahlenbereiche von den natürlichen bis zu den reellen Zahlen, Vollständigkeitseigenschaft der reellen Zahlen
• Polynome, Nullstellen und Polynominterpolation
• Exponential- und Logarithmusfunktion, trigonometrische Funktionen
• Komplexe Zahlen, komplexe Exponentialfunktion und komplexe Wurzeln
• Konvergenz von Folgen und Reihen, Konvergenz und Stetigkeit von Funktionen, O-Notation
• Differentialrechnung: Ableitung einer Funktion, ihre Interpretation und Anwendungen
• Intergralrechnung: Bestimmtes und unbestimmtes Integral, Hauptsatz der Differential- und Intergralrechnung, Anwendungen
• Potenzreihen
• Grundlagen der Stochstik: Wahrscheinlichkeitsräume, diskrete und stetige Zufallsvariable, Erwartungswert und Varianz

• Kurt Meyberg, Peter Vachenauer: Höhere Mathematik 1, Springer-Verlag, 6. Auflage 2001
• Dirk Hachenberger: Mathematik für Informatiker, Pearson 2005
• Peter Hartmann: Mathematik für Informatiker, Vieweg, 4. Auflage 2006
• Thomas Westermann: Mathematik für Ingenieure mit Maple 1, Springer-Verlag, 4. Auflage 2005

Freischaltung der Anmeldung zu Tutorien wird rechtzeitig bekanntgegeben.

Inhalt:
Dies ist der erste Teil einer dreisemestrigen Einführung in die mathematische Grunddisziplin Analysis. Behandelt wird die Differenzial- und Integralrechnung in einer reellen Veränderlichen. Themen:

1. Grundlagen, Elementare Logik, Geordnete Paare, Relationen, Funktionen, Definitionsbereich und Wertebereich einer Funktion, Umkehrfunktion (Injektivität, Surjektivität)
2. Zahlen, Vollständige Induktion, Rechnen in R, C
3. Anordnung von R, Maximum und Minimum, Supremum und Infimum reeller Mengen, Supremums/Infimums-Vollständigkeit von R, Betrag einer reellen Zahl, Q ist dicht in R
4. Folgen und Reihen, Grenzwerte, Cauchyfolgen, Konvergenzkriterien, Reihen und grundlegende Konvergenzprinzipien
5. Topologische Aspekte von R, offene, abgeschlossene und kompakte reelle Mengen
6. Funktionenfolgen, Funktionenreihen, Potenzreihen
7. Eigenschaften von Funktionen, Beschränktheit, Monotonie, Konvexität
8. Stetigkeit, Grenzwerte und Stetigkeit von Funktionen, Gleichmäßige Stetigkeit, Zwischenwertsätze, Stetigkeit und Kompaktheit
9. Differenzierbarkeit, Begriff der Ableitung, Differentiationsregeln, Mittelwertsätze, Lokale und globale Extrema, Krümmung, Monotonie, Konvexität
10. Elementare Funktionen, Rationale Funktionen, Wurzelfunktionen, Exponentialfunktionen, Winkelfunktionen, Hyperbolische Funktionen, Reeller Logarithmus, Reelle Arkus-Funktionen, Kurvendiskussionen
11. Anfänge der Integralrechnung

Nähere Informationen finden Sie auf der Homepage der 19202801 Analysis I.

Literature:

• Bröcker, Theodor: Analysis 1, Spektrum der Wissenschaft-Verlag.
• Forster, Otto: Analysis 1, Vieweg-Verlag.
• Spivak, Michael: Calculus, 4th Edition.

Viele Analysis Bücher sind auch über die Fachbibliothek der FU Berlin elektronisch verfügbar.

Bei Schwierigkeiten mit den Grundbegriffen Menge, Abbildung etc. ist die folgende Ausarbeitung empfehlenswert:

• Scheerer, Hans: Brückenkurs, Skript FU Berlin 2006.

Inhalt

• Grundbegriffe: Mengen, Abbildungen, Äquivalenzrelationen, Gruppen, Ringe, Körper
• Lineare Gleichungssysteme: Lösbarkeitskriterien, Gauß-Algorithmus
• Vektorräume: Lineare Unabhängigkeit, Erzeugendensysteme und Basen, Dimension, Unterräume, Faktorräume, Vektorprodukt im R3
• Lineare Abbildungen: Bild und Rang, Zusammenhang mit Matrizen, Verhalten bei Basiswechsel
• Dualer Vektorraum: Multilinearformen, alternierende und symmetrische Bilinearformen, Zusammenhang mit Matrizen, Basiswechsel
• Determinanten: Cramersche Regel, Eigenwerte und -vektoren

Voraussetzungen

• Der Brückenkurs Mathematik ist zum Einstieg sehr zu empfehlen!

• Siegfried Bosch, Lineare Algebra, 4. Auflage, Springer-Verlag, 2008;
• Gerd Fischer, Lernbuch Lineare Algebra und Analytische Geometrie, Springer-Verlag, 2017;
• Bartel Leendert van der Waerden, Algebra Volume I, 9th Edition, Springer 1993;

Zu den Grundlagen

• Kevin Houston, Wie man mathematisch denkt: Eine Einführung in die mathematische Arbeitstechnik für Studienanfänger, Spektrum Akademischer Verlag, 2012