Bettina Kurz betreut als Labor-Ingenieurin das Eingebettete Systeme-Labor . Außedem ist sie als wissenschaftliche Mitarbeiterin in der Arbeitsgruppe Embedded-Systems-Technology (kurz EST group ) in der Forschung tätig. Aktuelle Lehrveranstaltungen Sommersemester 2024 Bachelor/ Bachelor Dual KoSI: Rechnerarchitektur (RA, Belegnr. 30.7106 ), Praktikumsunterlagen sind hier zu finden Werdegang 2007 - heute Labor-Ingenieurin für Embedded Systeme an der hda - Fachbereich Informatik 2019 - 2021 Wissenschaftliche Mitarbeiter im Forschungsprojekt LONG MOVE an der hda - Fachbereich Informatik 2017 - 2019 Wissenschaftliche Mitarbeiter im Forschungsprojekt BASE MoVE an der hda - Fachbereich Informatik 2006 - 2008 Master-Studium an der hda - Fachbereich Informatik, Fachrichtung Technische Systeme 2002 - 2006 Bachelor-Studium an der hda - Fachbereich Informatik Weitere berufliche Tätigkeiten Ersthelferin Kontakt
Willkommen bei der Forschungsgruppe Netztechnologien da/net, welche von Prof. Dr. Stefan Valentin und Prof. Dr. Martin Stiemerling geleitet wird. Mitteilungen Laufende Forschungsprojekte ADWISOR5G: A distributed wireless shield for protecting private 5G network, funded by the German Federal Office for Information Security goSDN – a network controler for SDN-based networks DemoQuanDT: Anwendungsorientierte Demonstration von Quantenkommunikation in Deutschland“ (DemoQuanDT) Lehrveranstaltungen Lehrveranstaltungen Wintersemester 2019/2020 Bachelor: Internetworking Wissenschaftliches Arbeiten 2 KOSI PP2 und Begleitseminar Wintersemester 2022/23 Bachelor: Projekt Systementwicklung ( Thema ) Wissenschaftliches Arbeiten in der Informatik 2 ( Modulbeschreibung ) Master: Zellulare Netze ( Modulbeschreibung ) Projekt Systementwicklung I/II ( Thema ) Sommersemester 2022 Bachelor: Wissenschaftliches Arbeiten in der Informatik 1 ( Modulbeschreibung ) Projekt Systementwicklung ( Thema ) Master: Network Simulation ( Modulbeschreibung ): Vorlesung mit integriertem Praktikum (VP) in englischer Sprache, C++ Grundlagen sind erforderlich Offene Abschlussarbeiten Kontakt
Informatik studieren? Entscheidungshilfen und Vorbereitung für eine Bewerbung Informatik ist ein vielseitiges und spannendes Gebiet mit hervorragenden Berufsaussichten. Unter dem bundesweit sehr vielfältigen Studienangebot den für sich selbst richtigen Studienplatz zu wählen, ist eine große Herausforderung. Wir möchten Sie bei dieser Entscheidung gerne unterstützen. Einblicke in die Arbeitswelt Auf 'Play' wird externer Medieninhalt geladen, und die Datenschutzrichtlinie von YouTube gilt Accept & Play Accept for All Videos & Play × Welcher Studiengang, welche Hochschule? Unsere Bachelor- Studiengänge im Überblick: Informatik Bachelor Informatik Bachelor - Schwerpunkt Kommunikation und Medien European Double Degree IT (EDDIT) Informatik Bachelor dual - KoSI, KITS Unsere Master- Studiengänge im Überblick Informatik Master Informatik Master dual Unterstützung bei der Studiengangswahl Studienberatung der Hochschule Darmstadt Studiengänge der Hochschule Darmstadt Hochschulkompass.de Informationsveranstaltungen Der Fachbereich Informatik stellt sich auf verschiedenen Informationsveranstaltungen vor. Unter anderem ist der Fachbereich jedes Jahr auf der hobit (Contact), am Girl's'Day und im Rahmen des Hessen-Technikums vertreten. Vorbereitung auf das Studium Verbundprojekt UP2study Kostenfreie und spannende Online-Kurse: HarvardX: CS50x3 Introduction to Computer Science bei edX (die erste Woche oder mit Vorkenntnissen/Unterstützung auch die ersten vier Wochen) Prototyping Interaction, Amsterdam University of Applied Sciences bei iversity Intro to the Design of Everyday Things (u.a. vom Autor des zugehörigen Buches) bei udacity Online Self-Assessment und Eignungstests Im Online Self-Assessment für die h_da Bachelor Studiengänge Informatik begegnet Ihnen ein Studierender der Sie in unsere Studiengänge einführt und zeigt, was es bedeutet hier Informatik zu studieren KOMM.Mach MINT - Self Assessments Informatik Biber , hier finden Sie verschiedene Aufgaben, die zum Nachdenken und Knobeln einladen. Falls Sie Spaß an dieser Art des Denkens haben, dann sollten Sie Informatik in Erwägung ziehen. Portale zur Studienorientierung unter hochschulkompass.de Studium oder Ausbildung? Aber vielleicht ist ein Studium gar nicht das Richtige für Sie. Ein Studium erfordert ein hohes Maß an Selbstmotivation, Selbständigkeit und Frustrationstoleranz. Informatik kann man auch gut im Rahmen einer Ausbildung lernen, z.B. in den verschiedenen Ausprägungen der Ausbildung als Fachinformatiker/in. Informationen nach dem Schulabschluss - Abi und nun? ab-in-deine-Zukunft OloV stuzubi Kontakt Studiengangsleiter Studiengangsleiterin KMI Sprechzeiten Prüfungsbüro Montag 08.00 - 12.00 Uhr 13:30 - 15:00 Uhr Dienstag 08:00 - 12.00 Uhr Mittwoch geschlossen Donnerstag 13.30 - 15.00 Uhr Freitag 08.00 - 12.00 Uhr Außerhalb der Sprechzeiten können Unterlagen ( Anträge, Formulare, etc. ) in den Briefkasten des Fachbereichs (vor Raum D14/0.11) eingeworfen werden.
Der allgemeine Master Informatik ist ein viersemestriger Studiengang. Im anwendungsorientierten Masterstudium wird der aktuelle Stand der Technik gelehrt und die Fähigkeit vermittelt, diese auf Probleme anzuwenden und innovative Lösungen zu entwickeln. Überblick Studienablauf Zulassungsvoraussetzungen FAQs Regelstudienzeit 4 Semester Studienbeginn Winter- und Sommersemester Auswahlverfahren qualifizierter Bachelor-Abschluss in Informatik mit einer Note von mindestens 2,5. Bewerbung online über die Hochschule Weitere Informationen Masterstudium (Flyer) Masterstudium (Übersicht) Module (Übersicht) Stundenpläne Studien- und Prüfungsordnung Master Informatik Pro&Contra (ext. Link -> heise.de) Der Fachbereich Informatik bietet seit vielen Jahren einen Masterstudiengang in Informatik an. Der Studiengang ermöglicht Studenten mit einem ersten qualifizierten akademischen Abschluss eine stärker wissenschaftliche und theoretisch fundierte Ausbildung. Zulassungsvoraussetzung für den Master-Studiengang ist ein ein qualifizierter Bachelor-Abschluss in Informatik mit einer Note von mindestens 2,5. In Einzelfällen können auch Bewerber mit davon abweichenden Qualifikationen zugelassen werden. Das 4-semestrige Masterstudium umfasst ein fachliches Vertiefungsstudium sowie die Masterarbeit, die im letzten Semester angefertigt werden soll. Das Vertiefungsstudium des Masterstudiengangs umfasst für alle Studierenden Theorie-, Anwendungs- und fachübergreifende Komponenten. Der Masterstudiengang Informatik kann in zwei Varianten studiert werden: als Vollzeitstudiengang (Variante: Allgemeiner Master) als praxisintegrierter Studiengang (Variante: Dualer Master) Die Studierenden haben die Möglichkeit, das Studium gemäß den persönlichen Neigungen zu gestalten. Für die Anwendungsorientierung bietet der Fachbereich vier verschiedene Schwerpunkte an: Software-Engineering IT-Sicherheit Technische und Graphische Systeme Wirtschaftsinformatik Es kann auch das Masterstudium ohne einen Schwerpunkt studiert werden. Details zum Masterstudiengang Informatik können der Prüfungsordnung entnommen werden. Studierende mit einem Bachelor-Abschluss in Informatik (oder einem vergleichbaren Abschluss - hierzu ist ein Nachweis der Einschlägigkeit erforderlich) mit einer Durchschnittsnote von 2,5 oder besser werden zum Masterstudium zugelassen. Für Studierende mit einer Durchschnittsnote bis 2,9 erfolgt eine Einzelfallprüfung. Dabei können die folgenden Aspekte positiv berücksichtigt werden: wissenschaftlich relevante Auszeichnungen wissenschaftliche Publikationen ausgezeichnete Bachelorarbeit eine längere Mitarbeit in Hochschulgremien (mindestens 2 Semester) ein schneller Abschluss des Bachelorstudiums (Regelstudienzeit + 1 Semester) Arbeitszeugnis über eine längere Berufstätigkeit im Bereich der Informatik (mindestens ein halbes Jahr) aus dem Dauer und Umfang sowie Informatikbezug der Tätigkeit hervor gehen Mutterschaft, Vaterschaft, Kinderbetreuung bzw. Pflege von Angehörigen fachlich begründete Auslandsaufenthalte bzw. Auslandsstudium Bitte fügen Sie stets qualifizierte Nachweise für die Einzelfallprüfung der Masterbewerbung bei. Sollten Sie Ihr Masterstudium bereits an einer anderen Hochschule begonnen haben, fügen Sie auch die entsprechenden Leistungsnachweise ihres bisherigen Masterstudiums bei. Master Alle Antworten einblenden Alle Antworten ausblenden Kann ich mich jederzeit für einen Studienplatz bewerben? Nein. Bewerbungen sind nur während der offiziellen Bewerbungszeit möglich. Die Bewerbung erfolgt über das SSC (Student Service Center) und das entsprechende Bewerbungsformular. Können Leistungsnachweise aus einem anderen Studiengang angerechnet werden? Leistungsnachweise aus einschlägigen Master-Studiengängen können angerechnet werden. Im Einzelfall entscheidet dies der Prüfungsausschuss des FB Informatik . Scheine aus einem Diplom- oder Bachelor-Studiengang werden nicht anerkannt. Wird der Titel "Master of Science" (M.Sc.) von deutschen Universitäten insoweit anerkannt, dass eine spätere Promotion möglich ist? Die Masterabschlüsse der Universitäten und Fachhochschulen sind gleichwertig und berechtigen daher grundsätzlich zur Aufnahme eines Promotionsstudiums. In jedem Fall gilt aber die lokale Promotionsordnung der betreffenden Hochschule, die hier evtl. Einschränkungen vornimmt. Welche Voraussetzungen muss ich erfüllen, um zum Master-Studium zugelassen werden zu können? Voraussetzung ist ein qualifizierter erster akademischer Abschluss in Informatik (also z. B. ein qualifizierter Bachelor of Science in Computer Science oder ein Abschluss als Diplom-Informatiker). Bislang wurde bei Bewerbern von deutschen Hochschulen eine Gesamtnote von "gut" oder"sehr gut" erwartet (d.h. Abschlussnote 2,5 oder besser). Zusätzlich werden ausreichende Kenntnisse in der jeweiligen Lehrsprache erwartet (i. d. R. Deutsch). Der Nachweis ist geeignet zu führen. Sind neben deutschen auch englische Sprachkenntnisse gefordert? Der größte Teil der Lehrveranstaltungen wird in Deutsch, einige Lehrveranstaltungen (auch Pflichtveranstaltungen) werden allerdings auch in Englisch gehalten, d. h. englische Sprachkenntnisse sind erforderlich. Wann muss ich mich einschreiben? Der offizielle Einschreibezeitraum ist in dem Zulassungsschreiben angegeben. Der Fachbereich Informatik behält sich vor, den Zugang zu den Lehrveranstaltungen bei verspäteter Studienaufnahme zu beschränken. Welche Leistungsnachweise muss ich in welchem Semester erbringen? Der Aufbau des Studiums ist in der MSPO 2006 geregelt. Zu Beginn des Studiums wird eine Veranstaltung angeboten, in der dies erläutert wird. Diese Informationen sind auch wichtig für die Belegung der Lehrveranstaltungen über das Online-Beleg System (OBS). Kann ich meine Zulassung auf das kommende Semester verschieben lassen? Die Zulassung gilt nur für ein bestimmtes Semester. Für ein späteres Semester ist eine erneute Bewerbung nötig. Kann ich als Bachelor-Student schon Master-Veranstaltungen besuchen? Ja, das ist prinzipiell möglich. Details zu der Regelung finden sich im Antragsformular . Kann ich meine Note durch zusätzliche Module verbessern? Wenn sie Wahlpflichtmodule in einem größeren Umfang, als nach SPO vorgesehen, absolviert haben, können Sie "überschüssige" Wahlpflichtmodule zu Wahlfächern erklären. Wahlfächer werden im Zeugnis separat aufgeführt; sie werden bei den insgesamt erworbenen Leistungspunkten mitgezählt, bei der Berechnung der Gesamtnote jedoch nicht berücksichtigt. Wie kann ich mich bewerben? Ein Studium der Informatik kann zum Sommersemester oder zum Wintersemester begonnen werden. Alle Informationen zum Bewerbungsverfahren finden Sie im Internet unter www.h-da.de/bewerbung . Benötige ich für das Studium einen Laptop? Ja. Ein Computer ist, neben Stift und Paper, das Handwerkszeug eines Informatikers. Sie benötigen einen Computer - am besten einen Laptop - um neben den Präsenzveranstlatungen wie Vorlesungen und Praktika im Selbststudium Praktikumsaufgaben vor- und nachzubereiten. Eine Empfehlung bezüglich der Austattung des Rechners finden Sie hier . Wo erhalte ich weitere Antworten? Erste Anlaufstelle für die meisten allgemeine Fragen zum Studium ist das Student Service Center, kurz SSC . Neben der allgemeinen Studienberatung und Auskunft zu den Details des Bewerbungsverfahrensverfahrens gibt es hier auch Beratung zur Organisation oder Finanzierung des Studiums. Für den Studiengang Informatik können Sie sich jederzeit an den Studiengangskoordinator wenden. Kontakt
Der allgemeine Bachelor Informatik ist ein sechssemestriger Studiengang. Der Bachelor-Abschluss ist berufsbefähigend und bereitet Sie auf einen der vielen Berufe der Informatik vor. Außerdem ermöglicht er den Übergang in Masterstudiengänge. Der Studiengang Informatik (B.Sc.) ist akkreditiert durch die Agentur ASIIN. Ihm wurde das Gütesiegel des Akkreditierungsrates verliehen. Das gut organisierte Studienprogramm unserer Bachelorstudiengänge zeichnet sich durch seine hohen Anteile an Projekten und Praktika aus und verschafft einen fundierten Einblick in die Kernbereiche der Informatik und ihrer wichtigen Anwendungsgebiete. Ebenso werden wissenschaftliche Themen und Methoden gelehrt. Das breite Wahlpflichtangebot lässt keine Wünsche offen. Neben fachlichen werden auch fachübergreifende Kompetenzen und Softskills vermittelt. Überblick Downloads Bewerbung Abschluss Bachelor of Science (B.Sc.) Regelstudienzeit 6 Semester Studienbeginn Winter- und Sommersemester Immatrikualtionsvoraussetzung Hochschulzugangsberechtigung, Teilnahme am Online Self-Assessment Standort Darmstadt Studienform Grundständiger Studiengang Ansprechpartner Prof. Dr.-Ing. Michael von Rüden Allgemein Seite der Hochschule mit Links zur Bewerbung Ranking, Flyer und Studienaufbau Weitere Informationen unter Studienorganisation B.Sc. Informatik Hier finden Sie einige Infos und Dokumente zum Download: Der Info-Flyer des Studiengangs Wirtschafts-Woche: Die Besten Fachhochschulen. Das sind die Favoriten der deutschen Personalchefs . Handelsblatt, Wirtschafts-Woche Nr. 15, April 2013 Aktuelle Stundenpläne des Bachelorstudiengangs Informatik Besondere Bestimmungen der Prüfungsordnung (BBPO) des Fachbereichs Informatik der Hochschule Darmstadt Allgemeine Bestimmungen für Prüfungsordnungen (ABPO) der Hochschule Darmstadt Eine Empfehlung bezüglich eines benötigten Laptops finden Sie hier . Bewerbungen zu den verschiedenen Studiengängen erfolgen zentral über die Seite des Student Service Center (SCC) . Mit deutscher Hochschulzugangsberechtigung Bewerbungen und Anträge auf Einschreibung erfolgen ausschließlich über Online-Formulare. Beachten Sie die Bewerbungsfristen je nach Studiengangsvariante. Informationen zu den verschiedenen Arten von Studiengängen erhalten Sie unter Studiengänge . Mit ausländischer Hochschulzugangsberechtigung Für Studienbewerberinnen und Studienbewerber mit ausländischen Zeugnissen gibt es, unabhängig von der Staatsbürgerschaft, ein eigenes Bewerbungsverfahren. Alle Informationen finden Sie unter Studienplatz mit ausländischem Zeugnis . Weitere Informationen Das Studium. Worum geht es? Die weltweite Vernetzung über das Internet, Video-Streaming, selbstfahrende Autos und die Steuerung von Mobiltelefonen sind nur einige Beispiele für den Einfluss der Informatik. Der Studiengang Informatik mit dem Abschluss Bachelor of Science (B.Sc.) befähigt Studierende an der qualitätsgerechten Lösung von Problemstellungen der Informationstechnik in nahezu allen Anwendungsbereichen gestalterisch und eigenverantwortlich mitzuwirken. Sie erlernen hier in sechs Semestern solide fachliche und methodische Grundlagen der Informatik sowie deren Anwendung und Umsetzung in Industrie und Wirtschaft. Diese Kompetenzen sind die Basis für Erfolg im gesamten Berufsleben. Anbieter des Studiengangs ist der Fachbereich Informatik, einer der größten und meist empfohlenen Informatik-Fachbereiche an deutschen Hochschulen. Das zeigen etwa die Spitzenplätze in den einschlägigen Hochschulrankings. Module. Wie ist das Studium aufgebaut? Die Module des Bachelor-Studiengangs Informatik schließen Lehrveranstaltungen, Projektarbeit und Praxisphasen ein. Fast alle Module beinhalten ein Praktikum mit maximal 16 Studierenden, welches in der Regel von Professorinnen und Professoren selbst betreut wird. Eine detaillierte Darstellung der Studieninhalte finden Sie im Modulhandbuch . Praxisfeld. Was kann ich nach dem Studium tun? Unsere Absolventinnen und Absolventen sind in sehr vielen verschiedenen Berufen tätig. Allgemein ist der Informatikabschluss eine gute Basis für einen spannenden, vielfältigen, herausfordernden und meist gut bezahlten Beruf mit sehr guten Aussichten. Mit Ihrem Abschluss können Sie in vielen Branchen tätig werden, u.a. Automotive, Finanzen, Umwelt, Medizin, Bildung, Medien – Informatik ist überall. Dementsprechend vielfältig sind die Berufsbilder. Der Studiengang qualifiziert u.a. für berufliche Positionen in folgenden Arbeitsbereichen: Softwareentwicklung, -design, -test, –wartung sowie –integration Systemberatung und Benutzerschulung Entwicklung und Betreuung von Datenbanken und Netzwerken Webentwicklung und Entwicklung mobiler Anwendungen e-Business Spieleentwicklung, Edutainment und Infotainment Ein anschauliches und realistisches Bild einer möglichen Arbeitswoche eines Anwendungsentwicklers wird sehr gut in den folgenden beiden Artikeln beschrieben: Teil 1: Montag bis Mittwoch , und Teil 2: Donnerstag bis Freitag . Im Video auf dem Portal Komm-Mach-MINT beschreibt eine Produktmanagerin ihren Arbeitsalltag. FAQ. Frequently Asked Questions Bewerbung Alle Antworten einblenden Alle Antworten ausblenden Kann ich mich jederzeit für einen Studienplatz bewerben? Nein. Bewerbungen sind nur während der offiziellen Bewerbungszeit möglich. Die Bewerbung erfolgt über das SSC (Student Service Center) und das entsprechende Bewerbungsformular. Welche Voraussetzungen muss ich erfüllen, um zum Master-Studium zugelassen werden zu können? Voraussetzung ist ein qualifizierter erster akademischer Abschluss in Informatik (also z. B. ein qualifizierter Bachelor of Science in Computer Science oder ein Abschluss als Diplom-Informatiker). Bislang wurde bei Bewerbern von deutschen Hochschulen eine Gesamtnote von "gut" oder"sehr gut" erwartet (d.h. Abschlussnote 2,5 oder besser). Zusätzlich werden ausreichende Kenntnisse in der jeweiligen Lehrsprache erwartet (i. d. R. Deutsch). Der Nachweis ist geeignet zu führen. Wie kann ich mich bewerben? Ein Studium der Informatik kann zum Sommersemester oder zum Wintersemester begonnen werden. Alle Informationen zum Bewerbungsverfahren finden Sie im Internet unter www.h-da.de/bewerbung . Muss vor Studienbeginn ein Praktikum abgeschlossen werden? Nein, ein Praktikum vor Studienbeginn ist nicht erforderlich. Ein Praktikum mit einem Umfang von 360 Zeitstunden ist in das Studium integriert und findet in der Regel im 6. Semester statt. Benötige ich für das Studium einen Laptop? Ja. Ein Computer ist, neben Stift und Paper, das Handwerkszeug eines Informatikers. Sie benötigen einen Computer - am besten einen Laptop - um neben den Präsenzveranstlatungen wie Vorlesungen und Praktika im Selbststudium Praktikumsaufgaben vor- und nachzubereiten. Eine Empfehlung bezüglich der Austattung des Rechners finden Sie hier . Was muss bei einem Wechsel von einer anderen Hochschule beachtet werden? Ein Wechsel von einer anderen Hochschule, z.B. der TU Darmstadt, ist grundsätzlich möglich, sofern Sie die Studienberechtigung, z.B. durch entgültiges nicht-bestehen einer Prüfung, nicht verloren haben. Gleiches gilt für die Anrechnung bereits bestandener Leistungen. Bitte nehmen Sie in jedem Fall frühzeitig Kontakt zur Studiengangsleitung auf und besprechen Sie ihren konkreten Einzelfall. Wo erhalte ich weitere Antworten? Erste Anlaufstelle für die meisten allgemeine Fragen zum Studium ist das Student Service Center, kurz SSC . Neben der allgemeinen Studienberatung und Auskunft zu den Details des Bewerbungsverfahrensverfahrens gibt es hier auch Beratung zur Organisation oder Finanzierung des Studiums. Für den Studiengang Informatik können Sie sich jederzeit an den Studiengangskoordinator wenden. Kontakt Veranstaltungen
(Drawing courtesy of Miyuki Odawara & Atelier McKiev, Frankfurt) Sprechzeiten: In Sommersemester 2024 montags zwischen 13 und 14 Uhr oder per Vereinbarung. Um einen Termin zu vereinbaren, schicken Sie mir bitte eine E-Mail mit mindestens 2 Terminvorschläge. Gespräche finden entweder in meinem Büro (D15/0204) oder online in meinem " Home-Room " statt. Prof. Dr. Ronald Moore ist Auslandsbeauftragter (zusammen mit Prof. Dr. Thomas Horsch) und Beratungsdozent für internationale Studierende. Er ist Mitglied im Studienausschuss und Prüfungsausschuss. Seine Interessen liegen auf den Gebieten paralleler und verteilter Systeme, Compiler und Programmiersprachen, High Performance Computing und Machine Learning. Allgemeine Hinweise Alle meiner Lehrveranstaltungen werden "in Präsenz" angeboten. Darüber hinaus wird, nach Bedarf, wenn es geht, eine online Teilnahme ermöglicht. Vorlesungen werden aufgezeichnet, und "live" per BBB (BigBlueButton) zur Verfügung gestellt, wenn die Technologie es erlaubt. Praktika werden hauptsächlich "im Präsenz" gemacht. Online Praktika sind nicht vorgesehen (Ausnahmen nur wenn unausweichlich notwendig und praktisch machbar). Anwesenheit bei dem ersten Praktikumstermin ist Pflicht! Wer unentschuldigt fern bleibt, verliert seinen Platz (gilt nur für das Praktikum). Wenn Sie keinen Platz bekommen haben: Versuchen Sie es in der Restplatzbelegung! Für Praktikumsplätze, kommen Sie zu Ihrem Wunschtermin auch, wenn Sie es nicht belegen könnten. Vielleicht werden Plätze frei (s.o.). Für Termine (Vorlesungen und Praktika) -- sehe das OBS ! Das OBS hat immer recht! Mehr Informationen steht (bald) in Moodle für den jeweiligen Kurs zur Verfügung. Lehrveranstaltungen im Sommersemester 2024 Betriebssysteme : Bachelor Vorlesung & Praktikum ( Modulbeschreibung ) Material steht im Moodle zur Verfügung (Einschreibschlüssel ist im OBS). Praktika werden von Herrn Yanik Jeck und von mir betreut. Das Praktikum montags, 2. Block (10:15-11:45) wird von Herrn Jeck betreut, auch wenn das OBS das nicht zeigt. IT and Society: ( Modulbeschreibung ) The semnar is taught together with Prof. Dr. Katrin Döveling from the Department of Humanities (Fb GW). Material will be in Moodle soon (the Einschreibschlüssel will be in OBS). First meeting will be on Thursday, April 18, 2024 at 14h15 (2:15 PM) in room D14/00.04. Praxis- und Bachelormodul ( Modulbeschreibungen für Praxis - und Bachelormodul ): Angeboten gemeinsam mit Prof. Dr. Stefan Rapp . Material steht im Moodle zur Verfügung. Verteilte Systeme . Bachelor Vorlesung & Praktikum ( Modulbeschreibung ) Material steht bald im Moodle zur Verfügung (Einschreibschlüssel wird im OBS sein). Lehrveranstaltungen im Wintersemester 2023/24 Verteilte Systeme ( Modulbeschreibung ): Praktikum zusammen mit Stephan Gimbel . Material steht bald im Moodle zur Verfügung (Einschreibschlüssel wird im OBS sein). Wissenschaftliches Arbeiten in der Informatik 2 ( Modulbeschreibung ): Angeboten gemeinsam mit Prof. Dr. Stefan Rapp . Material steht bald im Moodle zur Verfügung (Einschreibschlüssel wird im OBS sein). High Performance Computing (HPC) Masters Lecture and Lab ( Module Description - previously known as " Parallel and Distributed Computing "), Material will be available soon in Moodle (Enrollment Key will be available in the OBS). Lab ("Praktikum") offered together with Dr. Lázaro Janier González-Soler Information Technology and Society (ITaS) Bachelor Seminar ( Module Description) : Offered together with Prof. Dr. Katrin Döveling ( Fachbereich GW ). Material will be available soon in Moodle (the enrollment key will available soon in the OBS). Kontakt Links
Professor für Technische Informatik und Grundlagen der Informatik sowie Studiengangskoordinator für das Masterstudium Informatik an der Hochschule Darmstadt. Interessengebiete insbesondere Computer Architektur, Netzwerke und Programmierung sowie ihre Anwendung im aktuellen Gebiet der künstlichen Intelligenz und neuronalen Netze. Aktuelle Lehrveranstaltungen Wintersemester 2023/24 Forschungssemester am CERN in Genf in der Section Controls and Beam Studies for Protection ( TE-MPE-CB ) Einsatz von LLMs zur Unterstützung von Softwareentwicklung am CERN Analyse von Beam Interlock Daten mit Machine Learning Sommersemester 2023 Bachelor: Technische Grundlagen der Informatik Programmieren II Master: Elaborierte IT-Prozesse (Praxisprojekt) Wissenschaftliches Seminar Studiengangskoordinator Master Informatik Wintersemester 2022/23 Bachelor: Programmieren I Rechnerarchitektur Praxisprojekt Forschung und Entwicklung Master: Studiengangskoordinator Master Informatik Sommersemester 2022 Bachelor: Rechnerarchitektur Mikroprozessorsysteme Master: Elaborierte IT-Prozesse (Praxisprojekt) Wissenschaftliches Seminar Studiengangskoordinator Master Informatik Wintersemester 2021/22 Bachelor: Technische Grundlagen der Informatik Project System Development Master: Studiengangskoordinator Master Informatik Sommersemester 2021 Bachelor: Programmieren, Algorithmen & Datenstrukturen II Rechnerarchitektur Master: Elaborierte IT-Prozesse (Praxisprojekt) Wissenschaftliches Seminar Studiengangskoordinator Master Informatik Wintersemester 2020/21 Bachelor: Programmieren, Algorithmen & Datenstrukturen I Mikroprozessorsysteme Praxisprojekt Forschung und Entwicklung Master: Studiengangskoordinator Master Informatik Sommersemester 2020 Bachelor: Technische Grundlagen der Informatik Rechnerarchitektur Master: Elaborierte IT-Prozesse (Praxisprojekt) Wissenschaftliches Seminar Wintersemester 2019/20 Forschungssemester am CERN in Genf in der Abteilung Machine Protection and Electrical Integrity ( TE-MPE ) Analyse von Messdaten von 600A Energy Extraction Switches mit Machine Learning Analyse von Zeitseriendaten einer Fehlerdatenbank (Laser DB) mit explainable Artificial Intelligence Forschungsinteressen Artificial Intelligence Analyse von Sensordaten für Predictive Maintenance mit Machine Learning Analyse von Time Series Data mit Deep Learning und explainable Artificial Intelligence Lernen auf unbalancierten Daten und im Few Data Limit Erklärbarkeit und Interpretierbarkeit von Vorhersagen künstlicher Intelligenz Mobilfunknetze der 5ten Generation Antennentechnik massive MIMO Beamforming, dynamisches Nachführen, Positionsgenauigkeit Integrated Access & Backhaul (IAB) Channel Internet of Things Adhoc Netzwerke Protokolle Edge Computing Aktuelle Master- und Bachelorthesis Themen Aktuelle Master- und Bachelorthesis Themen "Chat with your own Code" (Masterthesis ggf. Bachelorarbeit) : Large Language Models (LLMs) finden zunehmend Verbreitung als Werkzeuge zur Unterstützung von vielen Arbeitsgebieten und haben so auch in der Software Entwicklung Einzug gehalten. Im Rahmen dieser Arbeit soll untersucht werden, wie die Software Entwicklung mit LLMs unterstützt werden kann. Hierzu soll ein LLM für Coding (z.B. Code LLama oder Starcoder) als Tool eingesetzt werden, um mit eigenem Code im privaten Repository GitLab (code.fbi.h-da.de) zu kommunizieren und zu interagieren. Mögliche Usecases sind dabei die Erklärung des vorhandenen Codes sowie die Weiterentwicklung aufgrund von kontextspezifischen Anforderungen (Prompts), genauso wie die Erstellung von Testcases und Dokumentation zum Code. Anomaly Detection with Artificial Intelligence - Identification of pre-cursors of interturn shorts in the LHC’s superconducting dipole magnets (Masterthesis) : The LHC has just come out of a long shutdown period and nearly finished an intense training campaign of the superconducting magnet circuits, with several hundred quenches in the main dipole circuit. This thesis will examine recorded data from the dipole training quenches, clean them, sort them and prepare datasets. The data will be used for training and testing of different machine learning algorithms to identify anomalies, which can lead to magnet failures. The results of the different algorithms will be compared to previous work and the differences are to be discussed. This thesis is supervised in cooperation with Dr. Christoph Wiesner and Dr. Daniel Wollmann from the section Controls and Beam Studies for Protection at CERN Geneva, Switzerland. Anomaly Detection with Artificial Intelligence - Post-mortem analysis of LHC ion beam losses during high-energy beam dumps (Masterthesis) : The LHC is one of the most sophisticated and biggest machines humankind has created. For prediction of potential issues, an analysis of beam losses that occur during the operation will be performed in this master’s thesis. Extensive time data series of all beam-loss monitors are available for the investigation of anomalies. For this purpose, the beam-loss data that is available in the so-called Post-Mortem system will be transfered and cleaned. Afterwards, a search for relevant beam-loss patterns will be performed and a search for anomalies is set up with applicable machine learning methods, This thesis is supervised in cooperation with Dr. Christoph Wiesner and Dr. Daniel Wollmann from the section Controls and Beam Studies for Protection at CERN Geneva, Switzerland. Entwicklung eines Moduls zur Priorisierung von IP Verkehr in RDK-B (Bachelorarbeit) : Der Referenz Data Kit Broadband (RDK-B) ist eine Open Source Initiative die Funktionalitäten zum effizienten Rollout von Services insbesondere auf Endkundenroutern unterstützt. Mit ihm etabliert sich ein universelles System für das Management der Heimnetze im Umfeld von Service Providern im Telco Bereich. Das RDK Konsortium spezifiziert dafür eine Referenzumgebung, auf der neue Komponenten entwickelt und getestet werden können. Eines der Referenzsystem dafür ist der Raspberry Pi4. Im Rahmen dieser Bachelorthesis soll eine RDK Komponente entwickelt werden, mit der eine Verkehrspriorisierung auf Endkunden Routern vorgenommen werden kann. Die Thesis wird in Kooperation mit der Firma Adiccon in Darmstadt betreut. Independent R&D Studies : Gerne betreue ich eine Independent R&D Studie im Masterstudium zur Thematik Large Language Models oder Artificial Intelligence an. Haben Sie an einem der Themen Interesse? Schreiben Sie mir eine Email, rufen Sie mich an oder schauen Sie einfach mal bei mir im Büro vorbei! Sie haben einen eigenen Vorschlag für eine Bachelor- oder Masterthesis oder eine Independent R& Studie aus der Thematik künstliche Intelligenz ? ⇒ Nehmen Sie gerne hierzu mit mir Kontakt auf! Bisher betreuter Bachelor- und Masterarbeiten (Auswahl) Masterarbeiten Anomaly Detection with Artificial Intelligence: Post-mortem analysis of LHC ion beam losses during high-energy beam dumps - Thorsten Schumacher (Sommersemester 2023) Beam dumps and anomalies of ion beams at the Large Hadron Collider at CERN were analyzed an classified with two models: one trained on proton data and another trained on Pb ion data. Based on statistical analysis, linear and three polynomial regression models are developed and thresholds derived. The linear ion model achieves an accuracy of 93.75 % for the classification of ion dumps, while the proton model achieves 79.17 % for the same task. However, there are no differences in the classification of known anomalies such as asynchronous dump tests and 10 Hz dumps. The derived thresholds were implemented in the beam interloc systems at CERN afterwards. The thesis is available here . Realisierung eines Deep Reinforcement Learning Agenten für das Kartenspiel Wizard - Lukas Markert (Wintersemeter 2022/23) Das Deep Reinforcement Learning Verfahren Categorical Deep Q-Network wird verwendet, um einen intelligenten Agenten für das Spiel Wizard zu implementieren und zu trainieren. Durch die sogenannte Self-Play Methodik erlernt der Agent das Spiel, indem er gegen sich selbst spielt. Die Spielstärke des implementierten Agenten wird untersucht, indem der Agent gegen ältere Versionen von sich selbst und gegen echte Menschen antritt, um zu überprüfen, ob ein Categorical Deep Q-Network Algorithmus ausreicht, um einen intelligenten Wizard-Agenten umzusetzen. Detection of Instabilities in Ion Sources with Machine Learning - Simon Kundrat (Wintersemester 2021/22) The isotope 48 Ca is a workhorse for heavy ion production in particle accelerators. The condition for stabile beam production of this isotope in a microwave ion source was examined based on multivariate data sets monitoring different parameters. The data was first analyzed and labeled by experts and afterwards examined with various supervised machine learning techniques to detect anomalies and instabilities in beam production. Erkennung von Zaubersprüchen aus moderner Fantasy-Literatur mittels eines Transformer-Modells - Marcel Moravek (Wintersemester 2021/22) In der Fantasy Literatur zeichnen sich Zaubersprüche durch einen besondereren Gebrauch der Sprache in einem entsprechenden Kontext aus, um eine übernatürliche oder magische Wirkung zu erzielen. Es wurde untersucht, wie gut state-of-the-art Techniken des Natural Language Processing (NLP) dazu in der Lage sind, Zaubersprüche in einem Text zu erkennen. Das vortrainierte Transformer Modell BERT (Bidirectional Encoder Representations from Transformer) wurde hierzu mit Zaubesprüchen aus den Harry Potter Bänden eins bis sechs nachtrainiert und anschließend zur Identifikation von Zaubern im siebten Band herangezogen. Aus dieser Arbeit ging bislang eine Veröffentlichung auf arxiv.org hervor: Detecting Spells in Fantasy Literature with a Transformer Based Artificial Intelligence Kundenakquise mittels Sammlung öffentlicher Unternehmensdaten und Klassifikation mit Machine Learning - Pavel Efremov (Sommersemester 2021) Daten verschiedener Unternehmen werden über das Crawling von Unternehmenswebsites, Aggregation von öffentlichen Daten und Abfragen kommerzieller API-Endpunkte gesammelt. Anschließend werden die Daten mittels fünf verschiedener maschineller Lernalgorithmen untersucht und evaluiert, um potenzielle Neukunden zu identifizieren. Evaluation von Prognosemodellen für die Kapazitätsplanung eines Fuhrpark-Dienstleisters - Oliver Kurtz (Sommesemester 2021) Vorhersage des Bedarfs eines Fuhrpark-Unternehmens mit Hilfe von Machine Learning Algorithmen. Dazu wird ein SARIMA-Modell, ein Prophet-Modell sowie ein LSTM trainiert und dazu verwendet, die Nachfrage der nachfolgenden 18 Monate vorherzusagen und mit den Prognosen eines menschlichen Planers zu vergleichen. Es zeigt sich, dass das SARIMA-Modell die besten Vorhersagen liefert und teilweise in seiner Genauigkeit auch den menschlichen Planer schlägt. Bachelorarbeiten Evaluation of Deep Learning for Road Condition Classification - Dustin Eisenhardt (Wintersemester 2021/22) Adverse road conditions cause a significant contribution to many traffic accidents. Therefore it is essential for driver assistance systems to identify critical conditions at least in real time or better in advance. For this task pictures of an onboard camera of a car were analyzed by three different residual neural network architectures with the aim to classify road conditions as dry, moist, wet and snow. Results show that the winning MobileNetV3 can classify pictures with an accuracy comparable to human drivers. Anomalieerkennung aus Videodaten von Fahrszenen - Max Vissing (Wintersemester 2020) In Videos aus Fahrszenen werden mit Hilfe von künstlicher Intelligenz Anomalien erkannt und vorhergesagt. Dabei wird aus einer kurzen Videosequenz vorhergesagt, ob und wann in der nahen Zukunft ein Fahrzeug anhalten wird. Die Vorhersage erfolgt mittels eines tiefen neuronalen Netzes mit einer ResNet Architektur. Anomalieerkennung in Logdaten mithilfe von Informationsgehalt und Entropie - Jan Philipp Poulet (Wintersemester 2020/21) Mithilfe von Informationsgehalt und Entropie werden Merkmale zur Anomalieerkennung generiert, auf ihre Eigenschaften untersucht und diese mit den unüberwachten maschinellen Lernmethoden k-Means, Local Outlier Factor und Isolation Forest evaluiert. Es zeigt sich, dass verschiedene Anomalien erkannt werden können und eine zufällige Auswahl in der Regel deutlich übertreffen. Monitoring und Steuerung von Energieflüssen in einer Modellfabrik - Vladislav Spitsyn (Sommersemester 2019) Konzeption und Aufbau einer echtzeitfähigen Big Data-Plattform zur Verarbeitung einer großen Menge an Sensordaten aus der ETA Modellfabrik der TU Darmstadt. Neben der Akquise großer Datenmengen werden Algorithmen des maschinellen Lernens in die Software-Architektur integriert um anhand von Sensordaten zukünftige Lastsituationen der Modellfabrik zu prognostizieren. Integration der IBM Watson KI zur Verbesserung des Matching-Algorithmus in ein Jobportal - Vedat Dündar (Wintersemester 2018/19) Integration der IBM Watson KI in eine E-Recruiting Software mit dem Ziel ein weiteres Kriterium für den Matching-Algorithmus von Bewerbern zu generieren. Der Matching-Algorithmus vergleicht die Eigenschaften eines Bewerberprofils mit den Eigenschaften einer Vakanz und bewertet, wie passend ein Bewerber zu einer Vakanz ist. Artificial Intelligence at the Edge Motivation Small computers and edge devices, such as the Raspberry Pi, are becoming increasingly powerful. Thus, they already qualify for the intelligent processing of data and control tasks at the network edge. The type of data involved is as diverse as the underlaying problems themselves. It can be univariate and multivariate time series data of sensors as well as symbols or images of cameras to be recognized. The output of the artificial intelligence can be several kinds of control and regulation tasks. Project Task As part of the bachelor project system development in the summer semester, machine learning algorithms are to be investigated for their applicability and performance on a Raspberry Pi. For this purpose, different classical machine learning algorithms as well as different architectures of neural networks will be evaluated on small test problems. A performance comparison of the algorithms with desktop computers and the use of pre-trained models complete the evaluation. The problems to be investigated in this project can be chosen in coordination with the project management. The goal of the project is a set of demonstrative showcases including documentation that can be used for teaching purposes with little hardware effort. Requirements You have a flair for mathematical problems and approaches to solving them. Programming experience in C++ and preferably Python are as natural for you as clean documentation and versioning of your projects. You are communicative and enjoy working in a team.The documentation will be realized by means of an open book project and a Github repository. The project language will be English. Literature [1] Donald J. Norris, Beginning Artificial Intelligence with the Raspberry Pi, Springer, 2017, Beginning Artificial Intelligence with the Raspberry Pi | SpringerLink [2] K. Mohaideen Abdul Kadhar, G. Anand, Data Science with Raspberry Pi - Real-Time Applications Using a Localized Cloud, Springer 2021, Data Science with Raspberry Pi | SpringerLink [3] Jeff Cicolani, Beginning Robotics with Raspberry Pi and Arduino - Using Python and OpenCV, Springer 2021, Beginning Robotics with Raspberry Pi and Arduino | SpringerLink [4] Ashwin Pajankar, Raspberry Pi Image Processing Programming - Develop Real-Life Examples with Python, Pillow, and SciPy, Springer 2017, Raspberry Pi Image Processing Programming | SpringerLink [5] Donald J. Norris, Machine Learning with the Raspberry Pi - Experiments with Data and Computer Vision, Springer 2020, Machine Learning with the Raspberry Pi | SpringerLink Ausgewählte Publikationen L.Felsberger, A. Apollonio, T. Cartier-Michaud, A. Müller, B. Todd und D. Kranzlmüller Explainable Deep Learning for Fault Prognostics in Complex Systems: A Particle Accelerator Use-Case, International Cross-Domain Conference for Machine Learning and Knowledge Extraction, 'CD-Make 2020' vom 25.-28.08.2020 in Dublin, (2020) doi: dx.doi.org/10.1007/2F978-3-030-57321-8_810 I. Stepanets, G. Fokin und A. Müller, Beamforming Techniques Performance Evaluation for 5G massive MIMO Systems , Tagungsband der Konferenz ‘CERC 2019‘ vom 29.-30.03.2019 in Darmstadt, (2019). I. Stepanets, G. Fokin und A. Müller, Capacity estimation ways of massive MIMO systems, T•Comm – Telecommunications and transport, Volume 12, No 10, 64-69, (2018). D. Baums, A. Müller und H. Kaufer, Intelligente Netze verbinden Netze , Tagungsband der Konferenz 'Konvergenz in der Telekommunikation' vom 07.-08.11.2000 in Graz, ISBN 3-85133-021-8. Werdegang heute - 2017 Professor für Technische Informatik und Grundlagen der Informatik an der Hochschule Darmstadt 2020 - 2019 Visiting Scientist am CERN in Genf im Rahmen eines Forschungssemesters 2017 - 2015 Professor für Technische Informatik und Netzwerke sowie Studiengangsleiter an der DHBW Mannheim 2015 - 2013 Vertretungsprofessur für Technische Informatik an der Hochschule Darmstadt 2013 - 1997 Abteilungsleiter für Voice Networks und IP-Plattformsteuerung, Deutsche Telekom AG 1997 - 1993 Promotion an der Uni Bayreuth 1993 - 1986 Studium der Physik an der Uni Bayreuth Artificial Intelligence and Large Language Models Artificial Intelligence and Large Language Models Concentrate artificial intelligence, large language models Kontakt
Die Mobilität der Studierenden zu fördern und zu unterstützen ist eine Aufgabe des Fachbereichs Informatik und stellt somit eine sinnvolle Erweiterung des Studien- und Lehrangebotes für alle Studierenden dar. Im Rahmen des Studiums existieren mehrere Möglichkeiten ins Ausland zu gehen: Für 1-2 Studiensemester im Bachelor sowie Master Studium Für 1 Praxissemester Für die Bachelor- oder Masterarbeit Für noch mehr Informationen, sehen Sie unsere Präsentation und lesen Sie bitte die FAQs . Bei Fragen und Termine für Beratungsgespräche können Sie sich an das International Team des FBIs wenden: internationalrelations.fbi@h-da . de . Aktuelles Kontakt Auslandsbeauftragte Prüfungsbüro
Der Prüfungsausschuss ist für alle vom Fachbereich Informatik angebotenen Bachelor- und Masterstudiengänge zuständig. Die Aufgaben des Prüfungsausschusses leiten sich aus den Allgemeinen Bestimmungen für Prüfungsordnungen (APBO §24) der Hochschule Darmstadt ab. Zu den Aufgaben zählen u.a. die Überwachung der Einhaltung von Prüfungsordnungen die Entscheidung über Anträge zur Anerkennung von Leistungen die Entscheidung über die Erfüllung der Zulassungsvoraussetzungen zu den Bachelor und Masterstudiengängen die Zulassung zur Abschlussarbeit, die Bestellung der Referentin oder Referent sowie Korreferentin oder Korreferent und die Ausgabe des Themas der Abschlussarbeit die Beratung und Entscheidung über Anträge von Studierenden auf Ausnahmeregelungen zu den allgemeinen Vorschriften der geltenden Studien und Prüfungsordnungen die Beratung von Lehrenden und Studierenden in prüfungsrechtlichen Fragen Aktuell setzt sich der Prüfungsausschuss wie folgt zusammen: Mitglieder stellvertretende Mitglieder Studierende finden weitere Informationen unter Studienorganisation/Prüfungsausschuss . Für Lehrende gibt es weitergehende Informationen im internen Bereich (sichtbar nach erfolgtem Login). Prüfungsbüro
Grundlagen und Implementierung moderner neuronaler Netzarchitekturen SS'24 (Master Data Science, Master Informatik) Grundlagen und Implementierung moderner neuronaler Netzarchitekturen SS'24 (Master Data Science, Master Informatik) Im kommenden Sommersemester biete ich erstmals die Lehrveranstaltung „Grundlagen und Implementierung moderner neuronaler Netzarchitekturen“ an, die Prof. Braun und ich entwickelt haben und die er Wintersemester bereits gehalten hat. Inhaltlich im Zentrum stehen die Transformer-Modelle, ein wesentlicher Bestandteil der aktuellen Large Language Models wie ChatGPT. Das dazu nötige Rüstzeug im allgemeinen Bereich der neuronalen Netze wird umfangreich vermittelt. Als T-Modul (Informatik) bzw. DS-I Modul (Data Science) hat das Modul entsprechend mathematische Schwerpunkte, die aber praxisnah vermittelt werden. Prof. Braun hat im ersten Lauf bereits einige hervorragende Lehrvideos produziert. Diese werden zu einem Großteil zur asynchronen Wissensvermittlung eingesetzt. Dementsprechend soll die Zeit in den Lehrveranstaltungen primär für (ggf. auch individuelle) Lernbegleitung, Fragenklärung, Übungen, gemeinsame Experimenten und Praktikumsinhalte verwendet werden. Die Inhalte aus aktueller Sicht sind: • Einführung neuronale Netze • Gradienten und Backpropagation • Affine Transformation und Perzeptron • Modelloptimierungen: Dropout, Normalisierung • Klassifikation und Softmax • Kullback-Leibler-Divergenz und Kreuzentropie • Sequence-To-Sequence • Attention-Mechanismus • Transformer • Fine-Tuning vortrainierter Transformermodelle • Implementierungsaspekte (z.B. numerische Stabilität) • Weitere Transformer-Architekturen Der Praktikumsteil des Moduls ist aktuell noch „experimentell“, d.h. die Erwartung an Teilnehmerinnen und Teilnehmer ist, diesen aktiv durch Vorschläge und Feedback mitzugestalten. Es gibt hierzu bereits einige Ideen und Aufgabenstellungen. Daraus ergibt sich insgesamt folgender grober Plan für die Organisation der Lehrveranstaltung: • Ca. 6-8 Termine à 1.5h vor der Vorlesungszeit verteilt auf die Kalenderwochen 12, 14 und 15, überwiegend im Inverted-Stil auf Basis der Lehrvideos und für technische Intros zum Praktikum. Prioritäten bei der Gestaltung hierbei (z.B. primär Online-Termine, Präsenz-Kickoff, genaue Verteilung) können wir ggf. noch mit dem zu erwartenden Teilnehmerkreis klären • Ein Block (2SWS) pro Woche im Semester überwiegend in Präsenz, der flexibel je nach Bedarf für Praktikum/Übung/Lernbegleitung genutzt werden kann und ggf auch mal ausfallen kann wenn kein Bedarf besteht. • Weitere außerordentliche Termine nach Bedarf&Absprache. • Das Praktikum wird in 2-4er Teams bearbeitet. Dieser erste Durchlauf meinerseits wird mit 16 Plätzen 50:50 Master Informatik und Data Science durchgeführt. Da es bereits jetzt eine hohe Nachfrage gibt, werden wir so verfahren, dass sich Interessierte bei mir per Mail melden und wir dann Plätze losen werden. Für den Kurs ist mir wichtig, dass Sie eine hohe Eigenmotivation mitbringen, an dem Thema wirklich interessiert sind, Sie sich auf die mathematischen „Innereien“ von neuronalen Netzen einlassen, mir öfters Feedback geben und Sie Lust haben aktiv das Praktikum mitzugestalten. Da der Kurs bereits vor Vorlesungsstart begonnen hat, ist aktuell keine Einschreibung mehr möglich. Big Data Analytics SS'24 (Master Data Science, Master Informatik) Modulbeschreibung siehe: https://obs.fbi.h-da.de/mhb/modul.php?nr=41.4984&sem=20201 Die Lehrveranstaltung wird voraussichtlich angeboten bestehend aus einem Mix aus: überwiegend Präsenzveranstaltungen mit grundsätzlich hohem Interaktionsanteil. Teilweise Wissensvermittlung, anstatt klassischer "Vorlesung" durch kompakte, durch den Dozenten aufgezeichnete Lehrvideos Quellenangaben mit Scans/Ebooks zum Durchlesen Q&A Sessions (Inverted Classroom) Das Praktikum wird in 3er Gruppen grundsätzlich Präsenz bearbeitet. Es besteht immer die Möglichkeit, Fragen an Dozenten und Tutoren über ein Moodle-Forum zu richten. Wir arbeiten im Praktikum primär mit Spark+Python (PySpark). Voraussetzung zur Teilnahme am Praktikum ist die grundsätzliche Bereitschaft, mit Cloud-Technologien z.B. von AWS zu arbeiten und sich dort bei Bedarf einen User anzulegen. Datenbanken 1 SS'24 (Bachelor Informatik) Modulbeschreibung siehe: https://obs.fbi.h-da.de/mhb/modul.php?nr=30.7312&sem=20142 Die Lehrveranstaltung wird voraussichtlich angeboten durch einen Mix aus: überwiegend Präsenzveranstaltungen mit grundsätzlich hohem Interaktionsanteil. . Teilweise Wissensvermittlung, anstatt klassischer "Vorlesung" durch kompakte, durch den Dozenten aufgezeichnete Lehrvideos Quellenangaben mit Scans/Ebooks zum Durchlesen Q&A Sessions (Inverted Classroom) Das Praktikum wird in 2er Gruppen grundsätzlich in Präsenz bearbeitet. Es besteht immer die Möglichkeit, Fragen an Dozenten und Tutoren über ein Moodle-Forum zu richten. Im Praktikum wird mit PowerDesigner + PostgreSQL gearbeitet. Vertiefende F&E Studien mit Data Science Bezug Sie haben eine spannende Idee für ein eigenes Projekt im Bereich Data Mining? Sie wollten z.B. schon immer einmal an einer Data Science Competition wie Kaggle teilnehmen? Bei ausreichender inhaltlicher Tiefe könnte sich hier das individuell gestaltbare Modul "Vertiefende F&E Studien" anbieten. Sprechen Sie mich bei Interesse darauf an. https://obs.fbi.h-da.de/mhb/modul.php?nr=41.4974&sem=20151 Abschlussarbeiten Für das Sommersemester 2024 habe ich leider keine freien Kapazitäten mehr zur Betreuung von Abschlussarbeiten. Ab dem Wintersemester 2024/2025 betreue ich gerne wieder Abschlussarbeiten, thematisch bevorzugt im Bereich Data-, Text- und Web-Mining. Sprechen Sie mich dazu bitte frühzeitig an. Die betreuten Masterarbeiten im Studiengang Data Science sind hier hinterlegt: https://fbmn.h-da.de/abschlussarbeiten-data-science Für die betreuten Abschlussarbeiten im Bereich Informatik existiert aktuell leider kein zentrales Repository. Hinweise zu Bachelorarbeiten Allgemeine Hinweise und Vorlagen zu Bachelorarbeiten finden Sie hier: https://fbi.h-da.de/studium/studienorganisation/studienorganisation-b-sc-informatik/abschlussarbeit Eine sehr gut bewertete Bachelorarbeit als Beispiel finden Sie hier: Quantifizierung des Rezyklatgehaltes in Kunststoffteilen für den Automobilbau mit Hilfe von Machine Learning-Methoden (Dennis Imhof, 2020) - Der Umfang ist keinesfalls eine Zielgröße für eine übliche Bachelorarbeit Weitere Aktivitäten in Lehre und Forschung im SS'24 Betreuung von dualen Praxisphasen und Bachelorarbeiten F&E Projekt "MediaWatch": Überwachung der Publikationsgeschwindigkeit und des thematischen Bias auf unterschiedlichen News-Plattformen DataForge: Informationsextraktion aus Emails gemeinsam mit der R+V Presse und Radio Der Rohstoff der Zukunft, Dieburger Anzeiger vom 9.5.2019 Mein Körper, Meine Daten, WDR 5, 26.05.2019 SAS Blog: Hochschulen der Zukunft, 5.10.2020 ChatGPT in der Lehre, Frankfurter Rundschau vom 03.07.2023 Kontakt