Module

48 Treffer

B Elective Modules48

B1.1, B2.1, B348

B1.1 Data Analysis17

Discrete OptimizationNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B1.1 Data AnalysisDu lernst zentrale Konzepte und Algorithmen der linearen ganzzahligen Optimierung und der kombinatorischen Optimierung. Im Modul analysierst du mathematische Strukturen, die effiziente Lösungsverfahren erlauben, und kannst am Ende reale Probleme als diskrete Optimierungsprobleme modellieren sowie Spezialfälle identifizieren, die effizient lösbar sind.9 ECTSläuft dieses SemesterCIT413041Fundamentals of Mathematical StatisticsNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B1.1 Data AnalysisDu lernst die grundsätzlichen Prinzipien und Methoden der statistischen Inferenz, darunter Likelihood-Ansätze, Bayes’sche Methoden und minimax-Estimation. Du beschäftigst dich mit asymptotischer Theorie für große Stichproben und wendest diese insbesondere bei der Untersuchung und Anwendung der Maximum-Likelihood-Techniken an.9 ECTSläuft dieses SemesterMA5441FunktionalanalysisNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B1.1 Data AnalysisDu lernst Grundlagen der Funktionalanalysis in Banach- und Hilberträumen. Am Ende kannst du lineare Funktionale und beschränkte sowie kompakte selbstadjungierte Operatoren analysieren, Dualität verstehen und Konzepte wie schwache und schwach* Konvergenz anwenden.9 ECTSläuft dieses SemesterMA3001Nichtlineare OptimierungNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B1.1 Data AnalysisDu beschäftigst dich mit Theorie und numerischen Verfahren der nichtlinearen Optimierung. Du lernst fortgeschrittene Methoden für un- und insbesondere für beschränkte Optimierungsprobleme kennen (z. B. SQP, Barrier- und Interior-Point-Verfahren) und kannst am Ende Konvergenzeigenschaften solcher Verfahren beurteilen und anwenden.5 ECTSläuft dieses SemesterMA3503Probability TheoryNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B1.1 Data AnalysisDu lernst die maßtheoretische Wahrscheinlichkeitstheorie für Folgen von Zufallsvariablen und Martingale. Am Ende kannst Du zentrale Sätze wie Gesetz der großen Zahlen, zentrale Grenzwertsätze und grundlegende Martingal-Ergebnisse verstehen und anwenden.9 ECTSläuft dieses SemesterMA2409
12 weitere in B1.1 Data AnalysisStatistical Foundations of LearningNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B1.1 Data AnalysisDu lernst statistische Grundlagen der Machine-Learning-Theorie und mathematische Werkzeuge zur Analyse von Lernalgorithmen. Am Ende kannst du Generalisierungs- und Konsistenzfragen bewerten, Algorithmen wie k‑NN, SVM und einfache neuronale Netze theoretisch analysieren und neuere Entwicklungen wie Überparametrisierung und Trainingsdynamiken einordnen.8 ECTSläuft dieses SemesterCIT4230004Approximation AlgorithmsNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B1.1 Data AnalysisDu lernst, wie man effiziente Näherungsalgorithmen für kombinatorische Optimierungsprobleme entwirft und analysiert. Am Ende kannst du Laufzeit und Approximationsgarantien von Algorithmen beurteilen, bekannte Techniken (z. B. Greedy, LP-Rounding, Primal-Dual) anwenden und Grenzen der Approximierbarkeit nachweisen.9 ECTSkein Termin dieses SemesterCIT4100003CausalityNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B1.1 Data AnalysisDu beschäftigst dich mit Konzepten und Methoden der kausalen Inferenz: von probabilistischen und graphentheoretischen Grundlagen über strukturelle Modelle bis zu modernen Algorithmen für Ursachenentdeckung und Schätzung von Kausaleffekten. Am Ende kannst du beurteilen, ob und wie aus gegebenen Daten und Annahmen kausale Schlüsse möglich sind, passende Methoden auswählen und diese praktisch anwenden.8 ECTSkein Termin dieses SemesterIN2410Fundamentals of Optimization for Machine LearningNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B1.1 Data AnalysisDu lernst Grundlagen und fortgeschrittene Techniken der Optimierung, sowohl konvex als auch nichtkonvex sowie kombinatorisch und kontinuierlich, mit Fokus auf Anwendungen in Machine Learning. Am Ende bist du in der Lage, Optimierungsprobleme aus der ML‑Forschung zu verstehen und an Forschungsfragen in diesem Bereich heranzugehen.5 ECTSkein Termin dieses SemesterCIT413031Generalized Linear ModelsNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B1.1 Data AnalysisDu 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 SemesterMA3403Graphical Models in StatisticsNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B1.1 Data AnalysisIn diesem Modul lernst Du multivariate statistische Modelle kennen, deren gemeinsame Verteilungen durch Graphen beschrieben werden. Am Ende kannst Du Abhängigkeits- und Bedingte-Unabhängigkeitsstrukturen erkennen, geeignete graphische Modelle für Datensätze entwerfen und die Modelle praktisch mit R analysieren.9 ECTSkein Termin dieses SemesterMA5439Mathematical Data AnalysisNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B1.1 Data AnalysisDu lernst Methoden zur Analyse komplexer und unstrukturierter Daten, darunter Regressions- und Klassifikationsaufgaben. Das Modul vermittelt Grundlagen wie Loss-Funktionen, positiv definite Kernel und reproduzierende Kernel-Hilberträume sowie Regularisierungsstrategien (z. B. Tikhonov) und SVM-Regression. Außerdem werden Summationsverfahren und Manifold Learning behandelt.6 ECTSkein Termin dieses SemesterMA5098Mathematical Foundations of Machine LearningNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B1.1 Data AnalysisDu lernst die mathematischen Grundlagen moderner Verfahren des Machine Learning: Aufbau, Lernalgorithmen und Approximationseigenschaften neuronaler Netze, Theorie und Anwendung von Kernmethoden in reproduzierenden Hilberträumen sowie qualitative Aspekte wie Verlustfunktionen, Risiko und Komplexitätsfragen. Am Ende kannst Du Netze konstruieren, deren Approximationseigenschaften diskutieren, Kernmethoden anwenden und die statistische Effizienz von Verfahren einschätzen.6 ECTSkein Termin dieses SemesterMA4801Mathematical Foundations of Machine LearningNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B1.1 Data AnalysisDu lernst die mathematischen Grundlagen moderner Methoden des Maschinenlernens. Am Ende kannst du neuronale Netze konstruieren und ihre Approximationseigenschaften diskutieren, Kernelmethoden in Reproducing Kernel Hilbert Spaces anwenden und die statistische Effizienz von Lernverfahren einschätzen.9 ECTSkein Termin dieses SemesterCIT413048Modern Methods in Nonlinear OptimizationNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B1.1 Data AnalysisDu lernst ausgewählte moderne Methoden der nichtlinearen Optimierung kennen, z. B. konvexe und nichtglatte Optimierung, Interior-Point-Verfahren, semidefinite Programmierung, Robustheitskonzepte und Dualität. Am Ende kannst du aktuelle Forschungsartikel zu den behandelten Themen verstehen und bist vorbereitet, eigene Forschungsfragen in der nichtlinearen Optimierung anzugehen.5 ECTSkein Termin dieses SemesterMA4503Polyhedral CombinatoricsNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B1.1 Data AnalysisDu lernst, wie man kombinatorische Optimierungsprobleme über die Geometrie von Polyedern angeht: Darstellung von Polytope, Zusammenhang zwischen Geometrie und Optimierung linearer Funktionen, sowie moderne Algorithmen wie Branch-and-Cut und Trennung/Optimierung. Am Ende kannst Du die Methoden auf typische Probleme (z. B. Matching-, TSP-Polytope) anwenden und ihre Grenzen im Kontext NP‑Härte einschätzen.6 ECTSkein Termin dieses SemesterMA5225TopologyNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B1.1 Data AnalysisDu lernst die Grundlagen der mengen-theoretischen Topologie und der algebraischen Topologie. Im ersten Teil analysierst du topologische und metrische Räume sowie Konzepte wie Stetigkeit, Kompaktheit und Zusammenhang; im zweiten Teil beschäftigst du dich mit Homotopien, Fundamentalgruppen und singulärer Homologie. Am Modulende kannst du topologische Eigenschaften beurteilen sowie Fundamentalgruppen und Homologie einfacher Räume bestimmen.9 ECTSkein Termin dieses SemesterMA3241

B2.1 Data Analytics19

Business Analytics and Machine LearningNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B2.1 Data AnalyticsDu lernst Methoden der statistischen Analyse und des maschinellen Lernens für Klassifikation, numerische Vorhersage und Clustering. Nach dem Modul kannst du Annahmen und Funktionsweisen verbreiteter Verfahren erklären und Datensätze mit R analysieren sowie Ergebnisse interpretieren.5 ECTSläuft dieses SemesterIN2028Data Mining und Knowledge DiscoveryNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B2.1 Data AnalyticsDu lernst Methoden des Data Mining und Knowledge Discovery kennen: von Datenquellen und -qualität über Vorverarbeitung, Visualisierung und Merkmalsauswahl bis zu Korrelation, Regression, Prognose, Klassifikation und Clustering. Am Ende kannst du geeignete Methoden auswählen, anwenden und kritisch bewerten sowie die Grundlagen selbstständig vertiefen.3 ECTSläuft dieses SemesterIN2030Fundamentals of Artificial IntelligenceNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B2.1 Data AnalyticsDu lernst die Grundlagen der künstlichen Intelligenz: von Suchverfahren und Constraint-Satisfaction über Logik und probabilistische Modelle bis zu Entscheidungsfindung, Lernen und einer Einführung in Robotik. Am Ende kannst du einfache KI-Systeme entwerfen und grundlegende Methoden aus Suche, Logik, Wahrscheinlichkeit und Entscheidungstheorie anwenden.6 ECTSläuft dieses SemesterIN2406Grundlagen von Computer VisionNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B2.1 Data AnalyticsDu lernst, wie Bilder entstehen und wie man Bildinformationen für Mess- und Steuerungsaufgaben verarbeitet. Das Modul behandelt Oberflächeneigenschaften, Kameramodelle und Objektive sowie grundlegende Bildverarbeitungs- und 3D-Rekonstruktionsverfahren (Stereo, Shape from Shading, Structure-from-Motion). Am Ende kannst du Kamerasysteme kalibrieren und Methoden zur 3D-Rekonstruktion und Bildverarbeitung für robotische Anwendungen einschätzen und anwenden.4 ECTSläuft dieses SemesterIN2133Industrielle Bildverarbeitung3.3★ · 3 BewertungenB1.1, B2.1, B3 › B2.1 Data AnalyticsIn dem Modul lernst Du praxisrelevante Methoden und Algorithmen der industriellen Bildverarbeitung kennen. Du verstehst die typischen Einsatzgebiete (z. B. Lageerkennung, Form- und Maßprüfung, Beschriftungs- und Objekterkennung) und kannst Bildverarbeitungsaufgaben analysieren, bewerten und Lösungen entwickeln.6 ECTSläuft dieses SemesterIN2369
14 weitere in B2.1 Data AnalyticsMachine LearningNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B2.1 Data AnalyticsDu 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 SemesterIN2064Statistical LearningNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B2.1 Data AnalyticsDu lernst Grundlagen und fortgeschrittene Methoden des überwachten und unüberwachten statistischen Lernens. Am Ende kannst du Modelle für Regression und Klassifikation verstehen und anwenden, Verfahren zur Dimensionsreduktion und Clusteranalyse nutzen sowie probabilistische Formulierungen von Lernproblemen nachvollziehen und neue Algorithmen entwerfen.6 ECTSläuft dieses SemesterMA4802Basic Mathematical Methods for Imaging and VisualizationNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B2.1 Data AnalyticsDu 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 SemesterIN2124Bildverstehen I: Methoden der industriellen BildverarbeitungNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B2.1 Data AnalyticsDu lernst praxisrelevante Methoden und Algorithmen der industriellen Bildverarbeitung kennen. Im Modul werden Verfahren zur Lageerkennung, Form- und Maßprüfung sowie Objekterkennung behandelt. Am Ende kannst du Bildverarbeitungsaufgaben analysieren, bewerten und mit geeigneter Hardware und Algorithmen umsetzen.3 ECTSkein Termin dieses SemesterIN2023Causal Inference in Time SeriesNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B2.1 Data AnalyticsDu lernst Methoden der kausalen Inferenz für Zeitreihen kennen und anzuwenden. Am Ende kannst du kausale Strukturen in dynamischen Netzwerken identifizieren, geeignete Algorithmen einsetzen und Ergebnisse praktisch an realen Datensätzen umsetzen.5 ECTSkein Termin dieses SemesterCIT4230006Computational StatisticsNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B2.1 Data AnalyticsDu 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 SemesterMA4402Introduction to Mobile RoboticsNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B2.1 Data AnalyticsDu lernst, wie mobile, vor allem rädergetriebene Roboter ihre Umgebung wahrnehmen, kartieren und sich darin autonom bewegen. Am Ende kannst Du probabilistische Modelle für Sensoren und Bewegung entwickeln, Filterverfahren zur Lokalisierung und SLAM-Verfahren anwenden sowie grundlegende Methoden zur Pfadplanung und Hindernisvermeidung umsetzen.6 ECTSkein Termin dieses SemesterCIT3330000Machine Learning for Computer VisionNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B2.1 Data AnalyticsDu lernst grundlegende maschinelle Lernmethoden, die häufig im Computer Vision eingesetzt werden (z. B. Objektklassifikation, Segmentierung, Entrauschen, Kamerakalibrierung). Am Ende kannst du die mathematische Formulierung zentraler Verfahren erklären, einfache Implementierungen erstellen und diese auf konkrete Datensätze aus dem Bereich Computersehen anwenden.5 ECTSkein Termin dieses SemesterIN2357Machine Learning for Graphs and Sequential DataNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B2.1 Data AnalyticsDu lernst Methoden des Machine Learnings für Graphdaten und sequenzielle Daten (z. B. Text, Zeitreihen, Point Processes) kennen. Am Ende kannst du passende Modelle auswählen, anwenden und bewerten sowie spezielle Konzepte für nicht-unabhängige Daten wie Graphen oder zeitliche Abhängigkeiten verstehen und nutzen.5 ECTSkein Termin dieses SemesterIN2323Modellbildung und Simulation (Fokus Analysis)Noch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B2.1 Data AnalyticsDu lernst Grundlagen der mehrdimensionalen Analysis sowie Techniken der mathematischen Modellbildung und Simulation. Am Ende kannst Du mehrdimensionale Ableitungen, partielle Differentialgleichungen und Integrationsverfahren anwenden, einfache formale Modelle (mathematisch oder informatisch) aus verbalen Aufgaben ableiten und geeignete Simulationsstrategien auswählen und einsetzen.9 ECTSkein Termin dieses SemesterIN2366Modelling and SimulationNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B2.1 Data AnalyticsDu lernst, wie man reale Probleme in formale Modelle (mathematisch oder informatisch) überführt und diese Modelle mit geeigneten Simulationsstrategien rechnergestützt bearbeitet. Am Modulende kannst du Modellklassen unterscheiden, einfache Lösungsverfahren entwickeln und Simulationsmethoden auswählen und anwenden.8 ECTSkein Termin dieses SemesterIN2010Probabilistische Graphische Modelle in der Computer VisionNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B2.1 Data AnalyticsDu 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 SemesterIN2329Robust Machine LearningNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B2.1 Data AnalyticsDu lernst Grundlagen und aktuelle Methoden der robusten Machine Learning (ML). Das Modul behandelt Angriffsarten und Threat-Modelle, praktische Angriffsmethoden sowie empirische und zertifizierbare Verteidigungen. Am Ende kannst du Methoden zur Absicherung von ML-Systemen einschätzen und passende Algorithmen für konkrete Probleme auswählen.3 ECTSkein Termin dieses SemesterCIT423004Signal Processing and Machine LearningNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B2.1 Data AnalyticsDu lernst fortgeschrittene mathematische Methoden, Konzepte und Algorithmen aus Signalverarbeitung und Machine Learning kennen und anzuwenden. Schwerpunkt ist die Verbindung beider Paradigmen mit Anwendungen in Kommunikation und Datenverarbeitung. Am Ende kannst Du typische Problemstellungen umformulieren, geeignete Algorithmen (z. B. für sparse Signalverarbeitung oder neuronale Netze) einsetzen und deren Ergebnisse bewerten.5 ECTSkein Termin dieses SemesterEI70380

B3 Data Engineering12

Advanced ProgrammingNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B3 Data EngineeringDu lernst, wissenschaftliche Software in C++ zu entwickeln und dabei Performance und Wartbarkeit auszubalancieren. Am Ende kannst du passende Datentypen und Programmstrukturen wählen, C++-Sprachmittel für Ressourcenmanagement, Objekt- und generische Programmierung anwenden sowie Performance analysieren und optimieren.5 ECTSläuft dieses SemesterIN1503Cloud Information SystemsNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B3 Data EngineeringDu lernst Grundlagen und zentrale Technologien von Public Clouds kennen (Virtualisierung, Container, Orchestrierung) und wie cloud-native Informationssysteme aufgebaut sind (Client/Server, Middleware, Microservices). Am Ende kannst Du öffentliche Cloud-Services analysieren, Anforderungen und Herausforderungen beim Entwurf und Betrieb cloud‑nativer Systeme bestimmen und kosteneffiziente sowie skalierbare Architekturen mit aktuellen Cloud-Technologien entwerfen.5 ECTSläuft dieses SemesterCIT3230002Fortgeschrittene Konzepte verteilter Datenbanken - Programming Database Web ApplicationsNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B3 Data EngineeringDu lernst praxisnah, wie Webapplikationen aufgebaut und umgesetzt werden: Client, Server und Datenbank. Am Ende kannst du selbstständig Webanwendungen konzipieren, planen und implementieren sowie Web‑Geschäftsmodelle einschätzen.4 ECTSläuft dieses SemesterIN2140Höhere AlgorithmikNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B3 Data EngineeringDu lernst grundlegende Techniken zur Entwicklung und Analyse effizienter Algorithmen (z. B. Divide-and-Conquer, dynamische Programmierung, Randomisierung, Greedy-Verfahren, amortisierte Analyse) und wendest sie auf zentrale Probleme wie Sortieren, Graphenprobleme, String- und Sequenzalgorithmen sowie Datenstrukturen an. Am Ende kannst du klassische algorithmische Verfahren verstehen, analysieren und zur Lösung grundlegender Aufgaben einsetzen.8 ECTSläuft dieses SemesterCIT323004Query OptimizationNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B3 Data EngineeringDu lernst, wie relationale Datenbanksysteme Anfragen verarbeiten und wie man diese effizient optimiert. Am Ende kannst Du optimale Joinreihenfolgen bestimmen, Kosten- und Kardinalitätsmodelle einsetzen und Optimierungsentscheidungen unter Berücksichtigung physikalischer Eigenschaften wie Speicherzugriff oder Indexnutzung treffen.6 ECTSläuft dieses SemesterIN2219
7 weitere in B3 Data EngineeringBlockchain-based Systems EngineeringNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B3 Data EngineeringDu lernst die technischen Grundlagen und Eigenschaften von Blockchain- und Distributed-Ledger-Technologien (DLT) kennen und kannst am Ende Blockchain-basierte Anwendungssysteme analysieren, für konkrete Nutzungsszenarien entwerfen und passende Blockchain-Technologien auswählen.5 ECTSkein Termin dieses SemesterIN2359Cloud-Based Data ProcessingNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B3 Data EngineeringDu 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 SemesterCIT323005Cryptography for Decentralized SystemsNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B3 Data EngineeringDu lernst kryptografische Grundlagen und fortgeschrittene Verfahren, die in dezentralen Systemen und Blockchains eingesetzt werden. Schwerpunkt sind Zero-Knowledge-Proofs (inkl. SNARKs), polynomialbasierte Verfahren, vertrauliches Rechnen (Trusted Execution Environments) sowie Secure Multiparty Computation. Am Ende kannst du Konzepte beschreiben, einschätzen und für Lösungen in dezentralen Systemen anwenden.6 ECTSkein Termin dieses SemesterCIT333003Database Systems on Modern CPU ArchitecturesNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B3 Data EngineeringDu lernst, wie moderne CPU-Architekturen (CPU, Cache, TLB, Speicherhierarchie, Sprungvorhersage) das Verhalten und die Performance von Datenbanksystemen beeinflussen. Am Ende kannst du Speicherzugriffsmuster analysieren, Datenbank-Interna so anpassen, dass sie CPU/Cache nutzen, und Cache-bewusste Algorithmen sowie Kompressionsmethoden zur Durchsatzsteigerung beurteilen.6 ECTSkein Termin dieses SemesterIN2118Distributed SystemsNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B3 Data EngineeringDu 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 SemesterIN2259Einsatz und Realisierung von DatenbanksystemenNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B3 Data EngineeringDu lernst, wie moderne Datenbanksysteme aufgebaut und eingesetzt werden. Am Ende kannst Du wesentliche Komponenten (Transaktionsverwaltung, Recovery, Mehrbenutzersynchronisation, physische Organisation, Anfragebearbeitung) erklären, Algorithmen und Datenstrukturen implementieren sowie Einsatzszenarien kritisch bewerten und skizzieren.6 ECTSkein Termin dieses SemesterIN2031Parallel ProgrammingNoch keine Bewertungen für dieses Modul.B1.1, B2.1, B3 › B3 Data EngineeringDu lernst Konzepte und Techniken paralleler Programmierung für verteilte und geteilte Speicherarchitekturen. Schwerpunkt sind MPI für verteilte Systeme und OpenMP für Shared-Memory; zusätzlich werden Abhängigkeitsanalyse, Programmtransformationen und neuere Programmiermodelle (z. B. PGAS, CUDA, OpenCL, OpenACC) behandelt. Am Ende kannst du Programme mit MPI und OpenMP erstellen, ihre Performance beurteilen und parallelisierte Anwendungen analysieren und optimieren.5 ECTSkein Termin dieses SemesterIN2147