Internationale Studierende

Architecture of distributed systems, differences between peer-to-peer and client-server.

Client-server architectures, protocols for remote procedure call, for example Remote Method Invocation, GraphQL and Google RPC.

Basics of the HTTP protocol and application in the form of Web APIs.

Comprehensive introduction to the REST architecture principle: resources, URLs, CRUD, hypermedia, caching, security.

Das Modul Informationssicherheitsmanagement (ISM) Standards und Prozesse beschäftigt sich mit der ganzheitlichen Gestaltung des Informationssicherheitsmanagements in Unternehmen und Organisationen. Informationssicherheit bedeutet nicht nur die Umsetzung technischer Maßnahmen zum Schutz der IT-Infrastruktur. Vielmehr müssen organisatorische, technische, physische und personelle Sicherheitsmaßnahmen aufeinander und auf die Ziele der Organisation abgestimmt werden. Wirksame Sicherheitskonzepte werden auf der Grundlage etablierter Rahmenwerke unter Berücksichtigung von Effektivität, Usability und Effizienz entwickelt, umgesetzt, auditiert und kontinuierlich verbessert.

Vor diesem Hintergrund deckt das Modul ISM Standards & Prozesse u.a. die folgenden Themen ab 

• Aufbau und Inhalt von Informationssicherheitsmanagement (ISM) Standards und Frameworks (ISO27001, BSI IT-Grundschutz, CISIS12)
• Erstellung von ganzheitlichen Informationssicherheitskonzepten
• Organisatorische Sicherheitsmaßnahmen, z.B. Richtlinien für Informationssicherheit, Klassifizierungskonzept für Informationen
• Metriken und Reifegradmodelle für Informationssicherheit
• Incident Response und Business Continuity Management
• Audits von Sicherheitskonzepten und -maßnahmen

• Verständnis des Berufsbilds „Penetration-Tester/-in“ bzw. „Security-Researcher/-in“ und Ablauf von Penetration-Tests
• Verständnis und Anwendung populärer Schwachstellen in Web-Anwendungen, klassischen Anwendungen, Protokollen und Hard-ware-Komponenten
• Post-Exploitation und Lateral-Movement
• Rechtliche Grundlagen und Rahmenbedingungen
• Bewertung und Einordnung von identifizierten Schwachstellen bzw. Risiken mit Reporting

Die Studierenden sollen in Gruppen eine eigene Anwendung umsetzen. Eine Anwendung könnte bspw. ein Spiel, eine Three-Tier-Webanwendung oder eine vergleichbare Anwendung sein. Mögliche Anwendungsteile wären dabei eine grafische Oberfläche (auch Weboberfläche), Datenbankanbindung inkl. Schemaentwurf, Netzwerkkommunikation, KI, etc.

Weiterhin erstellen die Studenten eine Dokumentation (Gesamtüberblick, verschiedene Anwendungsfälle, die wichtigsten Aktivitäts- und Sequenzdiagramme, etc.).

• Grundbegriffe
• Zielsetzungen und Prinzipien des Software Engineerings
• Vorgehensmodelle (Wasserfall, V-Modell XT, agile Modelle)
• Darlegung der Ergebnistypen der Softwareentwicklungsphasen mit Methodenzuordnung
• Grundlagen der objektorientierten Funktions- und Datenmodellierung
• Objektorientierte Analyse auf der Basis von UML (Use Case Modellierung, Erstellung statischer Modelle, Erstellung dynamischer Modelle)

Die Studierenden sollen in Gruppen eine eigene Anwendung umsetzen. Eine Anwendung könnte bspw. ein Spiel, eine Three-Tier-Webanwendung oder eine vergleichbare Anwendung sein. Mögliche Anwendungsteile wären dabei eine grafische Oberfläche (auch Weboberfläche), Datenbankanbindung inkl. Schemaentwurf, Netzwerkkommunikation, KI, etc.

Weiterhin erstellen die Studenten eine Dokumentation (Gesamtüberblick, verschiedene Anwendungsfälle, die wichtigsten Aktivitäts- und Sequenzdiagramme, etc.).

Das Bachelorarbeitsmodul setzt sich zusammen aus der Bachelorarbeit (12 CP) sowie dem Bachelorseminar (3 CP).

Die Bachelorarbeit umfasst eigene Studien und Recherchen über den Stand der Technik und der Wissenschaft des jeweiligen Themengebiets. Die Arbeit muss von Randbedingungen abstrahieren, die ihrer Natur nach nicht technisch begründet sind, sondern aus den spezifischen Gegebenheiten des Unternehmens resultieren. Soweit softwaretechnische Lösungen als Teil der Aufgabe gefordert sind, heißt das in der Regel, dass Prototypen implementiert werden, nicht aber die Sicherstellung von Produkteigenschaften (inkl. begleitender Handbücher etc.) eingeschlossen ist. Im Bachelorseminar werden die Grundzüge des wissenschaftlichen Arbeitens vermittelt und geübt.

R ist eine quelloffene Statistiksoftware, die in den 1990er Jahren von Ross Ihaka und Robert Gentleman entwickelt wurde. Seitdem hat die Popularität von R von Jahr zu Jahr zugenommen, und mit ihr auch ihre Community.

Dieser Kurs hat zwei Hauptziele. Zum einen erhalten Sie eine Einführung in die Programmiersprache R, d. h. Sie lernen die wesentlichen Konzepte wie Vektoren, Kontrollstrukturen, Funktionen usw. durch praktische Computerübungen kennen.

Das zweite Ziel ist die Anwendung von R-implementierten Methoden im Bereich der Data Science. Dies reicht von der einfachen Datenerfassung über Methoden zur Betrugserkennung bis hin zu modernen Algorithmen zur Gesichtserkennung. In den praktischen Computerübungen werden Sie einige dieser Methoden selbst implementieren und an Beispieldatensätzen testen. 

Am Ende der Vorlesung werden Sie in der Lage sein, Daten in R einzulesen, grafisch ansprechend aufzubereiten und mit modernen statistischen Algorithmen zu analysieren. Sie können die Ergebnisse zusammenfassen, interpretieren und grafisch darstellen.

Die Vorlesung wechselt zwischen zweistündigen Präsenzveranstaltungen und zweistündigen praktischen Übungen.

Haben Sie sich schon einmal gefragt, wie Selbstbedienungskassen Waren scannen, selbstfahrende Autos Fußgänger erkennen, Computer Hautkrebs feststellen und 3D-Modelle von Sehenswürdigkeiten wie dem Kolosseum gescannt werden?

Dieses Modul soll diese und viele weitere Fragen beantworten, indem es

- einen Überblick über die Probleme und Ansätze der Computer Vision vermittelt, für so unterschiedliche Anwendungen wie Automatisierung, Robotik, medizinische Bildgebung und Photogrammmetrie.

- in die Grundlagen neuronaler Netze einzuführt, die zum Entwickeln künstlicher Systeme mit Wahrnehmungsfähigkeiten auf menschlichem Niveau benötigt werden.

Das Modul spannt einen Bogen vom Auswählen geeigneter Ausrüstung für visuelle Inspektionsaufgaben bis hin zur Bildklassifikation mit Convolutional Neural Networks und der Bildsuche mit Bag-of-Visual-Words-Modellen. Die wichtigsten behandelten Themen sind:

1.         Bildaufnahme, -digitalisierung und -verbesserung

2.         Merkmalsextraktion, Segmentierung und Morphologie

3.         Kameramodellierung und -kalibrierung, Stereosehen

4.         Klassifizierung, Grundlagen neuronaler Netze und Convolutional Neural Networks

Dieses Modul wird auf Englisch und hybrid (online und vor Ort) gelehrt. Alle Sitzungen werden aufgezeichnet. Kolloquien können auf Englisch oder Deutsch erfolgen.

Introduction to Dart Programming

• Short Overview of Flutter: History, advantages, and architecture.
• Introduction to Dart programming language.
• Setting up the development environment.

Introduction to Flutter – Flutter GUI development

• Understanding widgets and basic UI elements.
• Understanding Stateful and Stateless widgets.
• Layout widgets: Row, Column, Stack, etc.
• Basic interaction elements: Buttons, sliders, and switches.

Navigation and State Management

• Navigation patterns: push/pop navigation, named routes.
• State management basics: setState, Provider.
• Implementing forms and user input handling.

Working with External Data

• Fetching data from the internet (APIs).
• JSON serialization and deserialization.
• Firebase

Integrating Device APIs like Location and Camera

• Introduction to Device APIs in Flutter.
• Implementing location services: getting and using GPS data.
• Accessing and using the camera: taking pictures and video recording.
• Permissions handling for location and camera.

Testing Advanced Features and Best Practices

• Animations and transitions.
• Using custom fonts and assets.
• Best practices in Flutter development.
• Testing Flutter Apps

Contents:

This course will be organised as a seminar, in which students develop a presentation about one topic of Clean Code. Students are required to read book chapters and search for further information in research papers, and on Web pages. At the beginning of the semester, the lecturer will introduce into the overall topic. During the semester, the lecturer assists students in all aspects of technical problems and supports in designing the presentation. The course will be only on-site at our campus SHL. Because of a high number of international students in this course, working language will be only English. Students should bring an own project and improve it with regards to Clean Code during the semester. The topics of the expected presentations should cover the following aspects of Clean Code development:

• Meaningful Names, Functions, Classes, SOLID
• Comments, Formatting, Code Styles, Code Smells
• Exception Handling
• Fluent Interfaces and Internal DSLs
• Test-Driven Development and Regression Testing
• Acceptance tests
• Code Refactoring
• Continuous Integration, Jenkins, Code Coverage
• Design Pattern
• Logging und Error Handling
• Code Dojos
• Katas

Learning outcomes:

• Students can explain the importance of Clean Code development using practical examples.
• Students know the most important techniques of Clean Code development.
• Students can analyze existing source code and suggest means to improve code quality.
• Students know how to introduce the goals of Clean Code development in software development teams and how to raise awareness.

Literature:

Robert C. Martin: Clean Code: A Handbook of Agile Software Craftsmanship, Prentice Hall, 2008

Grundbegriffe des RE

Taskorientiertes, goal-basiertes und objektorientiertes RE

Elicitation Techniken

Analyse Techniken

Modellierungstechniken

User Experience und RE

Fallbeispiele des Requirements Engineering

1.Grundlagen des Testens

• Motivation: Warum sollte man Testen?
• Testen != Testen
• verschiedene Testarten im Allgemeinen
• Funktionale und nicht funktionale Tests
• Testpyramide
• Vorstellung der Virtuellen Maschine

2. Testautomatisierung

• Was ist Testautomatisierung?
• Unterschiede verschiedener Arten
• Maven Exkurs
• Testframework JUnit
• Annotationen
• Assertions

3.Testarchitekture

• Schichten Konzept
• Design und Development 

4.Testen von Grafischen Oberflächen

• Einführung Selenium
• Driver
• PageObject Pattern
• Identifier
• Waits
• Cookies

5.Behaviour Driven Development

• Was ist BDD
• Feature Files & Step Files
• Cucumber & Gherkin

6.Mocking

7.Exploratives Testen

8.Build Server Jenkins

• Grundlagen
• Pipelines
• DevOps Prozess aus Testing Sicht

This module is designed to provide students with the knowledge and skills necessary to design, implement, and manage secure computer networks.

In this module, students will gain a solid foundation in establishing and maintaining robust network infrastructures. Simultaneously, the module addresses the critical aspect of securing these networks against potential threats, ranging from cyberattacks to data breaches. Through a combination of theoretical concepts and practical exercises, students will develop the expertise needed to identify vulnerabilities, implement security measures, and formulate strategies to safeguard information assets in the interconnected world of computer networks.

In addition to providing a broad range of fundamental computer networking and security knowledge for all IT careers, this module will also provide students with an opportunity to further self-study and gain conceptual knowledge and practical skills required for 200-301 Cisco® Certified Network Associate (CCNA®) exam.

Contents:

• Basic e-business UX operations
• Website analytics and audience building
• Additional analytics and conversion measurement
• Keyword analysis and paid placement strategies
• Performance measurement and reporting

After the course, student will learn:

• the basic UX principles regarding electronic business, and evaluate them by using different heuristics
• to perform Search Engine Optimization audit and for a credible SEO strategy for mid-sized business
• to implement Google Analytics GA4 tool and configure websites events, conversions, and audiences
• to implement Google Tag Manager and integrate it to the GA4 tool
• the basics of keyword analysis and implement the results in search campaigns
• to report relevant e-business -related KPIs

This module introduces the core ideas and the basis techniques of machine learning. It covers theory, algorithms and applications, focusing on real understanding of the principles of inductive learning theory and of several machine learning techniques.

• Concept Learning
• Decision Tree Learning
• Bayesian Learning
• Artificial Neural Networks
• Support Vector Machines

Phyton is the programming language used in this module but prior knowledge of Python programming is not required. Students will gain all required knowledge in a step-by-step fashion, through examples.

This course will cover the basic principles for endowing aerial autonomous drones with perception, planning, and decision-making capabilities. You will learn algorithmic approaches for robot perception, localisation, and simultaneous localisation and mapping, as well as the control of non-linear systems, learning-based control, and aerial drone motion planning. The course will introduce methodologies for reasoning under uncertainty. It will include use of the Robot Operating System (ROS) for demonstrations and hands-on activities.

- Explain the principles of motion control.
- Explain basic concepts of perception, from classic to deep learning approaches.
- Explain principles of localisation and SLAM.
- Explain navigation algorithms, planning, decision making.