Module

44 Treffer

Further Elective Courses - Wahlmodule44

Algorithms in Scientific Computing3

1.000+ ProjektwocheNoch keine Bewertungen für dieses Modul.Algorithms in Scientific ComputingDu arbeitest in einem interdisziplinären Studierendenteam eine Woche lang direkt bei einem Unternehmenspartner (KMU oder Industrie) an einer realen betrieblichen Fragestellung. Am Ende kannst du betriebliche Abläufe und Unternehmenskultur einschätzen, Innovationsprozesse anwenden und praxisnahe Lösungsstrategien entwickeln sowie interdisziplinär zusammenarbeiten.3 ECTSkein Termin dieses SemesterCIT643002Algorithmic Game TheoryNoch keine Bewertungen für dieses Modul.Algorithms in Scientific ComputingDu lernst Grundlagen der algorithmischen Spieltheorie an der Schnittstelle von Informatik, Mathematik und Wirtschaftswissenschaften. Im Modul beschäftigst du dich mit algorithmischen Aspekten spieltheoretischer Lösungskonzepte wie Nash-Gleichgewichten und mit der Gestaltung ökonomischer Mechanismen; am Ende kannst du diese Konzepte algorithmisch und komplexitätstheoretisch analysieren.5 ECTSkein Termin dieses SemesterIN2239Algorithms for Scientific ComputingNoch keine Bewertungen für dieses Modul.Algorithms in Scientific ComputingDu lernst effiziente, hierarchische Algorithmen und Datenstrukturen für wissenschaftliches Rechnen kennen und umzusetzen. Schwerpunkte sind schnelle diskrete Fourier- und verwandte Transformationen (FFT, DCT/DST), Raumfüllende Kurven (Peano, Hilbert) zur Organisation mehrdimensionaler Daten sowie hierarchische Methoden wie Sparse Grids und adaptive Repräsentationen. Am Ende kannst Du solche Verfahren erklären, analysieren und bei Bedarf implementieren.8 ECTSkein Termin dieses SemesterIN2001

Numerical Methods4

Einführung in die Funktionalanalysis (BV/COME)Noch keine Bewertungen für dieses Modul.Numerical MethodsDu lernst die grundlegenden Begriffe und Strukturen der Funktionalanalysis für reelle und komplexe Funktionenräume kennen (Metrik-, Norm-, Skalarproduktraum, klassische Funktionräume, lineare Abbildungen). Aufbauend darauf werden topologische Konzepte wie Konvergenz, Stetigkeit und Vollständigkeit behandelt und die Theorie auf randwertige Probleme angewendet (Sobolev-Räume, Variationsformulierung, Galerkin-Verfahren). Am Ende verstehst du die mathematischen Grundlagen der Finite-Elemente-Methode und kannst Funktionalräume als Abstraktion vertrauter linearer und analytischer Objekte nutzen.5 ECTSläuft dieses SemesterMA9304Numerical Methods for Partial Differential EquationsNoch keine Bewertungen für dieses Modul.Numerical MethodsDu lernst numerische Lösungsmethoden für partielle Differentialgleichungen kennen, insbesondere finte-Elemente-Verfahren für mehrdimensionale elliptische Randwertprobleme. Außerdem lernst du Fehlerabschätzungen, adaptive Netzverfeinerung, schnelle Löser und eine Einführung in numerische Verfahren für zeitabhängige Probleme. Am Ende kannst du die Methoden verstehen, anwenden und zugehörige Software nutzen.9 ECTSkein Termin dieses SemesterMA3303Weiterführende Finite-Elemente MethodenNoch keine Bewertungen für dieses Modul.Numerical MethodsDu lernst weiterführende Finite-Elemente-Techniken kennen (z. B. Mixed/Hybrid Elements, Discontinuous Galerkin, Nicht-konforme Methoden, adaptive Verfahren, Isogeometric Analysis) sowie moderne iterative Löser und Präconditioner. Am Ende kannst du diese Verfahren analysieren, auf Beispiele aus der Festkörper- und inkompressiblen Strömungsmechanik anwenden und eigenständig weiterführende Fachliteratur erschließen.5 ECTSkein Termin dieses SemesterMA4303Weiterführende Themen der Finite Elemente MethodeNoch keine Bewertungen für dieses Modul.Numerical MethodsDu beschäftigst dich mit fortgeschrittenen Formulierungen der Finite-Elemente-Methode für biegesteife Strukturen, Schubweiche Platten und verwandte Phänomene wie Locking. Am Ende kannst du spezielle Elementtypen analysieren, ihre numerischen Schwächen bewerten und komplexe Elemente gezielt entwickeln und programmieren.3 ECTSkein Termin dieses SemesterBV010010

Parallel and Distributed Computing, High Performance Computing6

Advanced Parallel Computing and Solvers for Large Problems in EngineeringNoch keine Bewertungen für dieses Modul.Parallel and Distributed Computing, High Performance ComputingDu lernst, wie parallele Rechner für großskalige Simulationen der Struktur- und Fluidmechanik genutzt werden. Du erhältst einen Überblick über Methoden, Algorithmen und Software für Mehrprozessorarchitekturen und kannst am Ende grundlegende parallele Lösungsansätze für sehr große Gleichungssysteme beurteilen und entwerfen.5 ECTSkein Termin dieses SemesterMW1746Cloud-Based Data ProcessingNoch keine Bewertungen für dieses Modul.Parallel and Distributed Computing, High Performance ComputingDu lernst, wie großskalige, cloudbasierte Systeme entworfen, implementiert und betrieben werden. Das Modul vermittelt Grundlagen verteilter Systeme, Rechenzentrumsinfrastruktur und aktuelle Cloud-Technologien sowie Methoden zur Skalierung, Ressourcenverwaltung und zur Identifikation von Engpässen.6 ECTSkein Termin dieses SemesterCIT323005Distributed SystemsNoch keine Bewertungen für dieses Modul.Parallel and Distributed Computing, High Performance ComputingDu lernst die Grundprinzipien und Bausteine großskaliger verteilter Systeme kennen: Kommunikation, Koordination, Fehlertoleranz und Replikation. Am Ende kannst du typische Algorithmen und Protokolle (z. B. logische Zeit, Konsens/Paxos, Replikationsschemata, DHTs) verstehen, ihre Eigenschaften bewerten und sie bei der Konzeption verteilter Anwendungen anwenden.5 ECTSkein Termin dieses SemesterIN2259Parallel Program EngineeringNoch keine Bewertungen für dieses Modul.Parallel and Distributed Computing, High Performance ComputingDu lernst methodisch und praktisch, wie parallele Anwendungen entwickelt, analysiert und optimiert werden. Das Modul behandelt Programmiermodelle, Entwicklungswerkzeuge und Workflows für Performance-Engineering, sodass Du am Ende strukturierte Lösungen für die Entwicklung und Verbesserung paralleler Software entwerfen und umsetzen kannst.5 ECTSkein Termin dieses SemesterIN2310Parallel Programming SystemsNoch keine Bewertungen für dieses Modul.Parallel and Distributed Computing, High Performance ComputingDu lernst, wie Parallelprogrammiermodelle effizient implementiert werden und wie Compiler und Laufzeitumgebungen diese Modelle auf reale Mehrkern‑Architekturen abbilden. Am Ende weißt Du, wie grundlegende Algorithmen und Mechanismen (z. B. Locks, Barrieren, Scheduling) funktionieren und wie sie mit Prozessorarchitekturen interagieren, exemplarisch erläutert anhand der Intel‑Architektur.3 ECTSläuft dieses SemesterIN2365
1 weitere in Parallel and Distributed Computing, High Performance ComputingSeminar Codegenerierung und Innovative ProgrammiermodelleNoch keine Bewertungen für dieses Modul.Parallel and Distributed Computing, High Performance ComputingDu beschäftigst dich mit neuen Programmiermodellen und Techniken zur Codegenerierung, speziell im Kontext moderner Prozessorarchitekturen wie Mehrprozessorsystemen, Grafikbeschleunigern, Hochleistungsrechnern und FPGAs. Am Ende kannst du wissenschaftliche Ergebnisse zu diesen Themen erarbeiten, vergleichen und in schriftlicher sowie mündlicher Form präsentieren.5 ECTSkein Termin dieses SemesterIN4590

Vision and Visualization9

Augmented RealityNoch keine Bewertungen für dieses Modul.Vision and VisualizationDu lernst die Grundlagen von Augmented Reality (AR): geometrische Transformationen, Projektionsgeometrie, Darstellung von 3D-Informationen, Anzeige- und Tracking-Geräte sowie mathematische Grundlagen von optischem Tracking, Sensorfusion und Kalibrierung. Am Ende kannst du die mathematischen und programmierenden Aspekte von AR-Systemen beschreiben, analysieren und für eigene Lösungsansätze erweitern sowie Eingabe-/Ausgabegeräte auf ihre Eignung für Anwendungsszenarien bewerten.6 ECTSkein Termin dieses SemesterIN2018Basic Mathematical Methods for Imaging and VisualizationNoch keine Bewertungen für dieses Modul.Vision and VisualizationDu lernst grundlegende mathematische Methoden, die in Imaging und Visualisierung angewandt werden, und kannst diese anschließend zur Formulierung, Analyse und Lösung konkreter Probleme einsetzen. Themen sind u. a. lineare Algebra, Analysis, Optimierung und Wahrscheinlichkeitstheorie sowie deren Anwendung in Image Processing und Computer Vision. Am Ende bist Du in der Lage, passende Methoden auszuwählen, zu optimieren und auf verwandte Ingenieurdisziplinen zu übertragen.5 ECTSkein Termin dieses SemesterIN2124Computer Vision I: Variational MethodsNoch keine Bewertungen für dieses Modul.Vision and VisualizationDu lernst, wie viele Aufgaben der Bildverarbeitung (z. B. Rauschunterdrückung, Entwischung, Segmentierung, Optischer Fluss, Stereo-Tiefenschätzung, 3D-Rekonstruktion) als Variationsprobleme formuliert und gelöst werden. Am Ende kennst du Euler–Lagrange-Ansatz und PDEs, effiziente Lösungsverfahren sowie konvexe Formulierungen und Relaxationen und kannst zentrale Konzepte in Matlab umsetzen.8 ECTSkein Termin dieses SemesterIN2246Computer Vision III: Detection, Segmentation, and TrackingNoch keine Bewertungen für dieses Modul.Vision and VisualizationDu lernst moderne Methoden zur Objekterkennung, Segmentierung und Verfolgung in Bildern und Videos kennen. Am Ende verstehst du die zugrundeliegenden Deep-Learning-Konzepte und kannst reale Computer-Vision-Probleme mit state-of-the-art Modellen in PyTorch bearbeiten.6 ECTSläuft dieses SemesterIN2375Geometry ProcessingNoch keine Bewertungen für dieses Modul.Vision and VisualizationDu lernst mathematische Grundlagen und praktische Darstellungen von Kurven und Flächen kennen sowie Verfahren zur Modellierung, Analyse und Darstellung geometrischer Formen. Am Ende kannst du verschiedene Repräsentationen (parametrisch, implizit, Splines, Subdivision, CSG, Voxel, neural), Rekonstruktion aus Punktmengen und Level-of-Detail-Strategien beurteilen und selbstständig passende Ansätze entwickeln und implementieren.6 ECTSkein Termin dieses SemesterIN2297
4 weitere in Vision and VisualizationImage SynthesisNoch keine Bewertungen für dieses Modul.Vision and VisualizationDu lernst moderne Techniken der Bildsynthese von der programmierbaren Grafik-Pipeline über Shader- und Multi-Pass-Verfahren bis hin zu lokalen und globalen Beleuchtungsmodellen. Am Ende kannst du verschiedene Renderverfahren einordnen, bestehende Bildsynthese-Tools bewerten und selbst Renderings für gegebene Modelle und Szenen erstellen.5 ECTSläuft dieses SemesterIN2015Informatikanwendungen in der Medizin IINoch keine Bewertungen für dieses Modul.Vision and VisualizationDu lernst fortgeschrittene Methoden der medizinischen Bildverarbeitung, -segmentierung und -registrierung sowie Grundlagen des maschinellen Lernens und der 3D-Volumenvisualisierung. Am Ende kannst du die wichtigsten Algorithmentypen unterscheiden, einschätzen, wann sie angewendet werden, und zentrale Verfahren in Python umsetzen sowie auf klinische Fragestellungen anwenden.5 ECTSkein Termin dieses SemesterIN2022Konvexe Optimierung für Computer VisionNoch keine Bewertungen für dieses Modul.Vision and VisualizationDu lernst die Grundlagen der konvexen Analysis und deren Anwendung auf Optimierungsprobleme in der Bildverarbeitung und Computer Vision. Nach dem Modul kannst du gängige erste-Ordnung- und Proximalverfahren verstehen, anwenden und für typische CV-Aufgaben (z.B. Bildrekonstruktion, Segmentierung, Matrixfaktorisierung) implementieren.6 ECTSkein Termin dieses SemesterIN2330Probabilistische Graphische Modelle in der Computer VisionNoch keine Bewertungen für dieses Modul.Vision and VisualizationDu lernst, wie probabilistische grafische Modelle (gerichtet und ungerichtet) zur Modellierung und Lösung typischer Computer-Vision-Probleme eingesetzt werden. Am Ende kannst du MRF/CRF-Modelle verstehen, geeignete Inferenz- und Lernverfahren auswählen und diese auf Aufgaben wie Segmentierung, Pose-Schätzung, Stereo- oder Objekterkennung anwenden.5 ECTSkein Termin dieses SemesterIN2329

Probabilistic Methods in CSE5

Algorithmen für Uncertainty QuantificationNoch keine Bewertungen für dieses Modul.Probabilistic Methods in CSEDu lernst Methoden zur Quantifizierung von Unsicherheiten in computerbasierten Simulationen kennen. Am Ende kannst du zentrale Algorithmen für Forward Uncertainty Quantification einordnen, deren Komplexität abschätzen und einschätzen, wann welche Verfahren (z. B. Monte Carlo, Quasi-Monte Carlo, stochastische Kollokation, stochastische Galerkin) geeignet sind.5 ECTSkein Termin dieses SemesterIN2345Computational StatisticsNoch keine Bewertungen für dieses Modul.Probabilistic Methods in CSEDu lernst Methoden der computational statistics für hochdimensionale, hierarchische und latente Datenstrukturen kennen und anzuwenden. Schwerpunkt sind Simulation (univariat und multivariat), bayesianische Inferenz mit MCMC (Gibbs, Metropolis-Hastings, Hamiltonian MC), Bootstrap-Verfahren und der EM‑Algorithmus für fehlende bzw. latente Daten. Am Ende kannst du die Algorithmen theoretisch verstehen, in R implementieren und Ergebnisse statistisch interpretieren.5 ECTSkein Termin dieses SemesterMA4402Financial Mathematics 1Noch keine Bewertungen für dieses Modul.Probabilistic Methods in CSEDu lernst die Grundlagen der mathematischen Finanzwirtschaft in diskreter Zeit: Preisbildung und Bewertung von Derivaten in Ein- und Mehrperiodenmodellen, Konzepte von Arbitrage und Vollständigkeit sowie Grundlagen der Portfolio-Optimierung. Am Ende kannst du Preismodelle verstehen und numerisch implementieren sowie Portfolios nach Risiko-Rendite-Kriterien analysieren und optimieren.9 ECTSläuft dieses SemesterMA3407Generalized Linear ModelsNoch keine Bewertungen für dieses Modul.Probabilistic Methods in CSEDu lernst Methoden der Regression für nicht-normal verteilte Zielgrößen (z. B. binär, Zähldaten, nominal, positive Werte). Neben klassischen GLMs wie logistische, Probit-, Poisson-, Gamma- und log-lineare Modelle werden Erweiterungen (z. B. Überdispersion, Zufallseffekte) behandelt. Am Ende kannst Du Modelle schätzen, validieren und die Ergebnisse mit R analysieren und interpretieren.9 ECTSkein Termin dieses SemesterMA3403Probability Theory and Uncertainty QuantificationNoch keine Bewertungen für dieses Modul.Probabilistic Methods in CSEDu lernst Methoden zur Modellierung stochastischen Verhaltens in physikalischen und technischen Systemen (probabilistic modeling) und Techniken zur Quantifizierung der daraus resultierenden Unsicherheiten. Schwerpunkte sind Unsicherheitspropagierung durch numerische Modelle, Rückführung von Unsicherheiten durch Datenassimilation und bayesianische Kalibrierung sowie Optimierung und Design unter Unsicherheit.5 ECTSläuft dieses SemesterMW2360

Data Driven Simulation and Computing10

Advanced Deep Learning for PhysicsNoch keine Bewertungen für dieses Modul.Data Driven Simulation and ComputingIn diesem Modul lernst Du Deep-Learning-Methoden und numerische Simulationsalgorithmen für physikalische Materialien wie Fluide und verformbare Körper. Am Ende kannst Du Konzepte wie generative Modelle, Zeitreihenvorhersage und numerische Verfahren für partielle Differentialgleichungen anwenden und passende Netzwerkarchitekturen und Solver für konkrete Aufgaben auswählen.6 ECTSkein Termin dieses SemesterIN2298Advanced Robot Learning and Decision-MakingNoch keine Bewertungen für dieses Modul.Data Driven Simulation and ComputingDu lernst fortgeschrittene Methoden für Robotik, die Modellierung, optimale Regelung und lernbasierte Verfahren (inkl. Reinforcement Learning) verbinden. Am Ende kannst du robotische Systeme modellieren, moderne Steuerungsalgorithmen ableiten und gelernte Modelle in Kontrollarchitekturen einsetzen, um mit Unsicherheiten und Modellfehlern umzugehen.5 ECTSläuft dieses SemesterCIT433037Innovative Computing for AINoch keine Bewertungen für dieses Modul.Data Driven Simulation and ComputingDas Modul vermittelt Grenzen der technologischen Skalierung und zeigt, welche neuartigen Konzepte in Hardware, Speicher und Architektur nötig sind, um diese Grenzen zu überwinden. Am Ende kennst Du aktuelle Beyond-CMOS-Technologien, neuartige Speicher, in-memory/near-memory- und neuromorphe Ansätze sowie brain-inspired Algorithmen (z. B. Hyperdimensional Computing) und deren Auswirkungen auf Leistung, Energie und Zuverlässigkeit.6 ECTSkein Termin dieses SemesterCIT4330016Introduction to Deep LearningNoch keine Bewertungen für dieses Modul.Data Driven Simulation and ComputingIn diesem Modul lernst du die Grundlagen und aktuelle Methoden des Deep Learning kennen, mit besonderem Schwerpunkt auf neuronalen Netzen und Convolutional Neural Networks. Du verstehst Theorie (z. B. Backpropagation, SGD, Regularisierung) und erwirbst praktische Erfahrung beim Trainieren und Optimieren von Netzarchitekturen, sodass du einfache Anwendungen wie Ziffernerkennung oder Bildklassifikation lösen kannst.6 ECTSläuft dieses SemesterIN2346Machine LearningNoch keine Bewertungen für dieses Modul.Data Driven Simulation and ComputingDu lernst die probabilistischen Grundlagen des maschinellen Lernens und zentrale Lernalgorithmen kennen — von einfachen Nachbarschafts- und Clusterverfahren über lineare Modelle und Support-Vektormaschinen bis zu neuronalen Netzen und EM-Methode. Am Ende kannst Du passende Algorithmen für gegebene Probleme auswählen, beschreiben und herleiten.8 ECTSläuft dieses SemesterIN2064
5 weitere in Data Driven Simulation and ComputingMachine Learning for Graphs and Sequential DataNoch keine Bewertungen für dieses Modul.Data Driven Simulation and ComputingDu beschäftigst dich mit Methoden des Data Mining und Machine Learning für sehr große und komplexe Datensätze (hohe Dimensionalität, Graphen, zeitliche Daten). Am Ende kannst du passende Algorithmen auswählen, anpassen, implementieren und deren Einsatz für skalierbare Analysen und komplexe Anwendungsprobleme beurteilen.5 ECTSkein Termin dieses SemesterIN2323Maschinelles Lernen in der ErdsystemmodellierungNoch keine Bewertungen für dieses Modul.Data Driven Simulation and ComputingDu lernst datengetriebene und prozessbasierte Ansätze zur Modellierung des Erdsystems und seiner Komponenten kennen. Am Ende kannst du klassische prozessbasierte Modelle und verschiedene Machine‑Learning‑Methoden zur Beschreibung Erdsystemdynamiken benennen, interpretierbare KI‑Methoden anwenden und Ansätze zur Kombination von Prozess‑ und Datenmodellen kritisch bewerten.3 ECTSläuft dieses SemesterED110065Modellierung und Maschinelles Lernen von dynamischen SystemenNoch keine Bewertungen für dieses Modul.Data Driven Simulation and ComputingDu lernst, nichtlineare und chaotische dynamische Systeme zu analysieren und zu modellieren und dabei die Programmiersprache Julia für Simulationen und Zeitreihenanalyse einzusetzen. Am Ende kannst du einfache nichtlineare Modelle in Julia implementieren, Zeitreihen dynamischer Systeme auswerten und datengetriebene Modellierungsansätze anwenden.5 ECTSkein Termin dieses SemesterED110068Probabilistische Techniken und Algorithmen in der DatenanalyseNoch keine Bewertungen für dieses Modul.Data Driven Simulation and ComputingDu lernst probabilistische Techniken und Algorithmen, die in der Datenanalyse bei Dimensionsreduktion und Wiederherstellung von Daten aus unvollständigen Informationen verwendet werden. Am Ende kannst du Grundlagen der Zufallsmatrizen verstehen, randomisierte Algorithmen einschätzen und Methoden wie JL-Einbettungen, Compressed Sensing und zufallsbasierte Matrix-/Tensorrekonstruktion anwenden und analysieren.6 ECTSläuft dieses SemesterMA4803TUM Data Innovation LabNoch keine Bewertungen für dieses Modul.Data Driven Simulation and ComputingIm TUM Data Innovation Lab arbeitest du im Masterstudium in kleinen, interdisziplinären Teams an realen datengetriebenen Projekten aus Wissenschaft oder Industrie. Am Ende kannst du Daten aufbereiten, analysieren und visualisieren, numerische Lösungen umsetzen und deine Ergebnisse sowohl fachlich als auch allgemeinverständlich präsentieren.10 ECTSkein Termin dieses SemesterMA8113

Quantum Computing7

Anwendungen von QuantencomputingNoch keine Bewertungen für dieses Modul.Quantum Computing5 ECTSkein Termin dieses SemesterNAT7022Einführung in Quantum ComputingNoch keine Bewertungen für dieses Modul.Quantum ComputingDu lernst die mathematischen Grundlagen des Quantum Computing sowie die grundlegenden Konzepte der Quantenmechanik und Quantenschaltungen. Am Ende kannst du einfache Quantenalgorithmen analysieren, Quantenschaltungen für grundlegende Aufgaben entwerfen und einschätzen, wofür Quantencomputer künftig eingesetzt werden können.5 ECTSläuft dieses SemesterIN2381Fortgeschrittene Konzepte des Quantum ComputingNoch keine Bewertungen für dieses Modul.Quantum ComputingDu lernst fortgeschrittene Konzepte und Algorithmen des Quantum Computing kennen, mit Schwerpunkt auf der Quanten-Fouriertransformation, dem Shor-Algorithmus und Quanten-Fehlerkorrektur. Am Ende kannst du diese Techniken unterscheiden, die Quanten-Fouriertransformation in neuen Szenarien anwenden und den mathematischen Formalismus der Fehlerkorrektur, inklusive Stabilizer-Formalismus, verstehen.5 ECTSkein Termin dieses SemesterIN2400Quanten-Entrepreneurship-LaborNoch keine Bewertungen für dieses Modul.Quantum ComputingDu arbeitest praxisorientiert an Fragestellungen aus dem Bereich Quanten-Entrepreneurship. Am Ende kannst du deine erarbeiteten Ergebnisse in einer fachlichen Präsentation vorstellen und die zugrundeliegenden Konzepte und Ergebnisse in der Diskussion vertreten.6 ECTSkein Termin dieses SemesterPH8128QuanteninformationNoch keine Bewertungen für dieses Modul.Quantum ComputingDu lernst die Grundlagen der Quanteninformationstheorie: Zustände und Operationen von Qubits, Verschränkung, einfache Quantenalgorithmen, Quantenmessung, Quantencodierung und Elemente der Quantenfehlerkorrektur. Am Ende kannst du grundlegende Konzepte wie Schmidt-Zerlegung, PPT-Kriterium, Choi-Jamiolkowski-Isomorphismus und einfache Quantenprotokolle anwenden und einfache Schaltkreise entwerfen.10 ECTSkein Termin dieses SemesterNAT3035
2 weitere in Quantum ComputingQuantum Computers and Quantum Secure CommunicationsNoch keine Bewertungen für dieses Modul.Quantum ComputingDu lernst die Grundlagen von Quantencomputing und Post-Quantum-Kryptographie kennen, einschließlich Quanten- und Post-Quanten-Algorithmen. Am Ende kannst du Sicherheit und Leistung postquantenkryptographischer Implementierungen bewerten und geeignete Sicherheitsmaßnahmen anwenden.5 ECTSkein Termin dieses SemesterEI71073TensornetzwerkeNoch keine Bewertungen für dieses Modul.Quantum ComputingDu lernst die mathematischen Grundlagen und die graphische Notation von Tensornetzwerken sowie ihre Anwendung zur Approximation hochdimensionaler Daten. Am Ende kannst Du Tensornetzwerk-Methoden einschätzen und für Probleme wie Simulation stark korrelierter Quantensysteme oder probabilistisches Sampling einsetzen.5 ECTSkein Termin dieses SemesterIN2388