Lehrveranstaltungsverzeichnis der Wahlfächer

Lab Course Machine Learning in Signal Processing [LabMLISP] Dozent/in: Kamal Gopikrishnan Nambiar Angaben: Praktikum, 4 SWS, ECTS: 2,5, nur Fachstudium Termine: Mi, 12:00 - 15:00, 06.021 The MLISP Lab will be conducted via Zoom online. Studienrichtungen / Studienfächer: WPF ICT-MA ab 1 Voraussetzungen / Organisatorisches: Knowledge of Python programming language is required. Basic theoretical knowledge in machine learning is assumed: consider taking the Machine Learning in Signal Processing (MLSIP) course in the same semester. Inhalt: Imagine a car driving on an autobahn in an automatic mode. Among other things, the car needs to steer itself to keep driving in it's own lane. To accomplish this, the central problem is to detect the road-lane markings. These are the white solid or dashed lines that are drawn on each side of the lane. The standard modern approach to solve this type of problems is to take a large dataset of labled examples and train a deep neural network model to accomplish the task. This is how car and pedestrian detection algorithms are developed. The difficulty with the road-lane markings is that there is no labled dataset of them and creating such dataset would cost millions of dollars. In this lab course we will solve this problem using transfer learning and mathematical modeling: Create cartoon-like artificial images of a road with known locations for the lane markings. Train deep neural network on these artificial images with heavy data augmentations that mimic real-world images. Create a dataset of unlabeled real-life videos by downloading and organizing examples from youtube. Create a machine learning pipeline for working with these videos efficiently. Apply the neural network that has been trained on artificial data to the real world videos. Analyze the quality of results produced by the network. Use mathematical modeling to correct the outputs of the network. Retrain the network on the dataset composed of the corrected outputs. Measure and analyze the quality of the results. The software will be written in Python using JupyterLab development framework. Access to modern GPU servers will be provided. This is an intensive research-level course; the result of the course might be the creation of state-of-the-art lane detection system for self-driving cars.

Praktikum Digitale Übertragung [PrDÜ] Dozent/in: Clemens Stierstorfer Angaben: Praktikum, 3 SWS, Schein, ECTS: 2,5, nur Fachstudium Termine: Blockveranstaltung 2.8.2021-6.8.2021 Mo-Fr, 8:00 - 19:00, Zoom-Meeting Blockpraktikum in Anschluss an den 1. Prüfungszeitraum des Sommersemesters. Studienrichtungen / Studienfächer: WPF ICT-MA ab 1 Voraussetzungen / Organisatorisches: Blockpraktikum; Belegung des Moduls Digitale Übertragung/Digital Communications vorab erforderlich Inhalt: 1. Digital Transmission of Data and Variants of PAM-Transmission Schemes 2. Implementation of Transmitter and Receiver in Matlab 3. OFDM 4. Signal Space Representation 5. Signal Processing in MIMO Systems

Projekt Kommunikationssysteme [ProjKS] Dozent/in: Kai-Steffen Jens Hielscher Angaben: Praktikum Termine: Zeit/Ort n.V. Studienrichtungen / Studienfächer: WPF ICT-MA ab 1 WPF ICT-MA ab 1

SystemC [SYSC] Dozent/in: Joachim Falk Angaben: Praktikum, 4 SWS, Schein, ECTS: 2,5, nur Fachstudium, Als Praktikum für I&K sowie als Seminar für Informatik; Zur Anerkennung ist die erfolgreiche Teilnahme an den Praktikumsterminen verpflichtend. Termine: Do, 9:30 - 13:30, 02.133-128 Vorbesprechung via Zoom: https://fau.zoom.us/j/96069289432?pwd=azdQUS82amkyMDFRZFg2RnR1QXU3UT09 Vorbesprechung: Dienstag, 13.4.2021, 13:45 - 14:15 Uhr, 02.133-128 Studienrichtungen / Studienfächer: WPF ICT-MA ab 1

Seminar Ausgewählte Kapitel der Systemsoftwaretechnik [MS_AKSS] Dozentinnen/Dozenten: Phillip Raffeck, Tim Rheinfels, Simon Schuster, Peter Wägemann Angaben: Seminar Termine: Mi, 10:00 - 12:00, 0.035 AKSS findet dieses Semester virtuell statt; es wird vorerst keine Präsenzveranstaltungen geben. Studienrichtungen / Studienfächer: WPF ICT-MA ab 1 Voraussetzungen / Organisatorisches: HINWEIS für das Sommersemester 2021: Aufgrund der außergewöhnlichen Begleitumstände und den sich daraus ergebenden Einschränkungen für Präsenzveranstaltungen findet die hier angegebene Lehrveranstaltung in veränderter Form statt. Bis auf weiteres findet das Seminar virtuell statt. Aktuelle Informationen erhalten Sie zeitnah auf der Veranstaltungswebsite. Im UnivIS vorhandene Informationen sind möglicherweise veraltet.

Seminar Energieinformatik [El-Sem] Dozent/in: Marco Pruckner Angaben: Seminar, 2 SWS, ECTS: 5 Termine: Mi, 14:00 - 16:00, Zoom-Meeting Das Seminar ist bereits ausgebucht. Momentan können Anmeldungen nur noch für die Warteliste entgegengenommen werden. Studienrichtungen / Studienfächer: WPF ICT-MA ab 3 Voraussetzungen / Organisatorisches: • Anmeldung per Email an marco.pruckner@fau.de • Vortrag: 30 min + 10 min Diskussion • Erstellung einer Ausarbeitung mit den wesentlichen Punkten des Vortrags • Anwesenheit bei den Vorträgen der anderen Teilnehmer Lernziele und Kompetenzen: Die Studierenden • arbeiten mit wissenschaftlicher Literatur aus den Bereichen Informatik und Energie • beschreiben interessante Aspekte der Energieinformatik • erarbeiten sich die Fähigkeit, wichtige Aspekte für einen wissenschaftlichen Vortrag darzustellen und strukturieren diesen • vertreten ihre Auffassung in einer Diskussion und hinterfragen Ihr Thema • konzipieren und formulieren eine schriftliche Zusammenfassung des Vortrags Inhalt: Bedingt durch den beschlossenen Ausstieg aus der Kernenergie und der zunehmenden Einspeisung aus erneuerbaren Energien wird das deutsche Energieversorgungssystem nachhaltig umgestaltet. Gerade die Integration von volatilen, dezentralen Erzeugungsanlagen sowie von neuen Verbrauchern (z.B. Elektrofahrzeugen) stellt das zukünftige Energiesystem vor neue Herausforderungen. Zur Lösung dieser Problemstellungen kann die Energieinformatik einen wesentlichen Beitrag leisten. Mithilfe der Methoden der Energieinformatik wird sowohl die Systemintelligenz als auch die Gesamtsystemkompetenz zur Steuerung und Bewertung zukünftiger Energiesysteme bereitgestellt. Einerseits wird durch die zunehmende kommunikative Vernetzung aller relevanten Akteure ein zuverlässiger Systembetrieb sichergestellt. Andererseits bedarf die zunehmende Komplexität von dezentralen Energiesystemen neue Methoden zur Modellierung, Optimierung und Simulation. Daher sollen im Seminar „Energieinformatik“ unterschiedliche Themen an der Schnittstelle von Informatik und Energie behandelt werden. Dabei spielen u.a. die intelligente Steuerung mittels Maschinellen Lernens, Methoden der Datenanalyse und Aspekte der Privatsphäre eine wesentliche Rolle. Die Teilnehmer dieses Seminars geben einen 30-minütigen Vortrag zzgl. 15-minütiger Diskussion über ein relevantes Thema auf dem Gebiet der Energieinformatik. Mögliche Themen: • Kommunikationstechnologien im Smart Grid • Netzintegration von Elektrofahrzeugen • Netzintegration von erneuerbaren Energien • Datenanalyse im Kontext von energiewirtschaftlichen Fragestellungen • Intelligente Steuerung von Energiesystemen mittels Maschinellen Lernens Die genauen Themen werden zu Semesterbeginn festgelegt. Die Themenliste kann beim Dozenten erfragt werden.

Seminar Intraoperative Imaging and Machine Learning [IIML] Dozentinnen/Dozenten: Katharina Breininger, Holger Kunze, Holger Keil Angaben: Seminar, 2 SWS, ECTS: 5, This course will be held online until further notice. Please register via in StudOn starting from March 15, 2021. Note that equal chances for all applicants apply until March 27, midnight. Termine: Mi, 8:30 - 10:00, 09.150 Studienrichtungen / Studienfächer: WPF ICT-MA ab 1 Inhalt: For many applications, techniques like deep learning allow for considerably faster algorithm development and allow to automate tasks that were performed manually in the past. In medical imaging, a large variety of time-consuming tasks that interfere with clinical workflows has the potential for automation. However, at the same time new challenges arise like data privacy regulations and ethics concerns. In this seminar, we want to develop an application that allows for the automation of an X-ray based intraoperative planning or measurement procedure from a holistic perspective. To this end, we will invite a surgeon to explain the medical background and visit the operating room to understand the surgeons’ needs while performing the task. Having understood the underlying medical problem, we will look into topics of data privacy, code of ethics, prototype development, and UI design for surgeons. Furthermore, we will touch regulatory requirements necessary for releasing software to clinics. At the end of the seminar, the students will have developed and documented a prototypical application for the indented intraoperative use case. Students will be able to visit an operation room, following the rules of such an environment perform their own literature research on a given subject independently research this subject according to data privacy and ethical standard present and introduce the subject to their student peers give a scientific talk in English according to international conference standards describe their results in a scientific report

Seminar: Cyber-Physical Systems [SEM-CPS] Dozentinnen/Dozenten: Torsten Klie, Martin Letras Angaben: Seminar, 2 SWS, ECTS: 2,5 Termine: Zeit/Ort n.V. Studienrichtungen / Studienfächer: WPF ICT-MA ab 1

Softwarearchitektur [PSWT-ARCH] Dozentinnen/Dozenten: Martin Jung, Dirk Riehle Angaben: Vorlesung mit Übung, 4 SWS, ECTS: 5 Termine: Do, 12:15 - 15:45, 0.154-115 Die Veranstaltung wird digital mittels ZOOM durchgeführt. Weitere Infos auf StudOn Studienrichtungen / Studienfächer: WPF ICT-MA ab 1 Inhalt: Modulbezeichnung PSWT-ARCH (Softwarearchitektur) [PSWT-ARCH] Dozenten Dr. Martin Jung Prof. Dr. Dirk Riehle, M.B.A. Inhalt Die Architektur eines Softwaresystems beschreibt die wesentlichen Komponenten des Systems, ihre Beziehungen und Struktur, sowie das Verhalten und die Dynamik der Beziehungen und Struktur dieser Komponenten. Dieser Kurs vermittelt in einer Vorlesung zunächst die folgenden Aspekte von Softwarearchitektur: Grundlegende Bausteine und ihre Beziehungen Softwarearchitekturbeschreibungssprachen Softwarearchitekturstile und -muster Bibliotheken, Rahmenwerke und Plattformen Formale sowie de-facto Industriestandards Die Softwarearchitekturen von Beispielsystemen Nicht technische Kriterien in der Architektur Werkzeuge für Softwarearchitekten Vorgehensmodelle der Softwarearchitektur Architekturgetriebene Entwicklung Die Rolle und Funktion der Softwarearchitektin Alle weiteren Informationen finden Sie über den zur Veranstaltung gehörigen StudOn Kurs hier https://www.studon.fau.de/crs3709285.html Bitte registrieren Sie sich auf StudOn sobald wie möglich, um sicherzustellen, dass Sie einen Platz im Kurs erhalten werden. Lernziele und Kompetenzen Ganzheitliches Verständnis des Konzepts "Softwarearchitektur" Befähigung zur Bewertung, Auswahl und Konstruktion problemangemessener Architekturen Kenntnis architekturgetriebener Entwicklungsmethodik und entsprechender Werkzeuge Kenntnis der typischen Verantwortlichkeiten und der Methodik eines Softwarearchitekten Verwendbarkeit des Moduls 5 ECTS: Vorlesung + Übungen Studien- und Prüfungsleistungen 5 ECTS: mündliche Prüfung Falls im Prüfungszeitraum des SS2021 auf Grund höherer Gewalt (z.B. Pandemie-Sonderregeln) mündliche Präsenzprüfungen nicht durchgeführt werden können, kommen folgende alternative Prüfungsformen in Frage: mündliche Fernprüfung elektronische Klausur Unterrichtssprache Deutsch Vorbereitende Literatur Bass, L., Kazman, R. , Clements, P.; Software Architecture in Practice (SEI Series in Software Engineering); 2012 Buschmann, F., Meunier, R., Rohnert, H., Sommerlad, Stal, M.; Pattern-Oriented Software Architecture, Vol. 1: A System of Patterns; 1996 Fowler, M.; Patterns of Enterprise Application Architecture; 2002 Starke, G.; Effektive Softwarearchitekturen: Ein praktischer Leitfaden; 2015 Shaw, M.; Garlan, D.; Software Architecture: Perspectives on an Emerging Discipline; 1996

Seminar zu Fragen des Entwurfs Sicherheitskritischer Schaltungen [SemFESS] Dozent/in: Sebastian M. Sattler Angaben: Hauptseminar, 2 SWS, benoteter Schein, ECTS: 2,5, nur Fachstudium, Betreuung wird online angeboten, Registrierung bei MS Teams (Anleitung hier: https://www.anleitungen.rrze.fau.de/serverdienste/office-365-ms-teams/) Termine: Do, 14:15 - 15:45, SR 01.030 Studienrichtungen / Studienfächer: WF ICT-MA 1-4 Voraussetzungen / Organisatorisches: Anmeldung im Sekr. des LZS, Röthelheim-Campus, Paul-Gordan-Str. 5, Tel. 85-23100 oder mailto:lzs-sek@fau.de Besuch von V+Ü Entwurf Integrierter Schaltungen I und/oder II Inhalt: Inhalt des Seminars sind wissenschaftlich und technologisch aktuelle Themen der Lehr- und Forschungsgebiete des LZS: Alle Ebenen des Entwurfs Sicherheitskritischer Schaltungen oder Systeme Modellierung, Simulation und Test Sicherheitskritischer Schaltungen Algorithmen, Methoden und Werkzeuge für den rechnergestützten Entwurf Anwendungen von Sicherheitskritischen Schaltungen und Mikrosystemen

Datenbank-Kolloquium [DBKoll] Dozentinnen/Dozenten: Richard Lenz, Assistenten, Viktor Leis Angaben: Kolloquium, 2 SWS, nur Fachstudium Termine: Mo, 14:00 - 15:00, 08.130 Aktueller Hinweis: Diese Veranstaltung findet dieses Semester online statt. Weitere Informationen finden Sie im zugehörigen StudOn-Kurs. Information regarding online courses are provided via StudOn. Studienrichtungen / Studienfächer: WF ICT-MA 1-3 Inhalt: Das Kolloquium dient dazu, im kleinen Kreis aktuelle Forschungsergebnisse und -vorhaben zu diskutieren. Jeder Wissenschaftler am Lehrstuhl sollte von Zeit zu Zeit vortragen oder seine Studierenden vortragen lassen (Examensarbeiter, Hilfskräfte). Die Vorträge können informell gehalten werden und dürfen ausdrücklich auch unausgereifte Ideen präsentieren. Die Idee ist, dass intensiv diskutiert wird. Um die regelmäßige Teilnahme zu erleichtern, ist die Zeit auf eine Stunde beschränkt.

Audio Processing Seminar Dozentinnen/Dozenten: Emanuël A. P. Habets, Jürgen Herre, Bernd Edler, Meinard Müller, Nils Peters Angaben: Seminar, 2 SWS Termine: Einzeltermine am 15.4.2021, 27.5.2021, 16:00 - 17:30, Zoom-Meeting Studienrichtungen / Studienfächer: WF ICT-MA 1-4 Voraussetzungen / Organisatorisches: Due to requests: "Nachrichtentechnische Systeme (NTSys)" is not a sufficient prerequisite. Thorough knowledge of the topics covered by the lecture "Digitale Signalverarbeitung (DSV)" is required. Schlagwörter: AudioLabs

Electronic System Level Design [ESL] Dozentinnen/Dozenten: Frank Hannig, Stefan Wildermann Angaben: Seminar, 2 SWS, ECTS: 2,5 Termine: Mi, 14:00 - 16:00, 02.112-128 n.V. Studienrichtungen / Studienfächer: WF ICT-MA ab 1 Schlagwörter: Eingebettete Systeme und Architekturen MPSoC SoC

Maschinelles Lernen und Datenanalytik für Industrie 4.0 [MADI40] Dozentinnen/Dozenten: Björn Eskofier, An Nguyen, Franz Köferl, Philipp Schlieper, Christoph Scholl Angaben: Seminar, 2 SWS, benoteter Schein, ECTS: 5, nur Fachstudium, Registration via mail to an.nguyen@fau.de Termine: Mi, 16:15 - 18:00, 00.010 Starts on 14.04.2021 Studienrichtungen / Studienfächer: WF ICT-MA ab 1 Voraussetzungen / Organisatorisches: Prerequisites Registration via e-mail to an.nguyen@fau.de Registration period: 15.02-19.04.2021 This course will be held online until the coronavirus pandemic is contained to such an extent that the Bavarian state government can allow face-to-face teaching again. More information will be sent via mail to registered students. Requirements: Prior knowledge of machine learning via courses like PA, IntroPR, PR, DL, MLTS, CVP or equivalent (ideally first project experiences) is expected! Motivation to explore scientific findings (e.g. via literature research) Motivation to code and analyze data Examination: 50% of grade: Presentation + demo (20 minutes) 50% of grade 4 pages IEEE standard paper (excluding references) + code submission Attending the presentations of other students Inhalt: Contents Companies in all kinds of industries are producing and collecting rapidly more and more data from various sources. This is enabled by technologies such as the Internet of Things (IoT), Cyber-physical system (CPS) and cloud computing. Hence there is an increasing demand in industry and research for students and graduates with machine learning and data analytics skills in the Industry 4.0 context. In this Seminar the Industry 4.0 term will include the medical device sector. Aim of this seminar is to give students insights about state-of-the-art machine learning and data analytics methods and applications in the Industry 4.0 and Healthcare context. Students will mainly work independently on specific topics including implementation and analytical components. Several potential topics will be provided but students are also encouraged to propose their own topics (please discuss with teaching staff beforehand). Topics covered will include but are not limited to: Best practices for presentation and scientific work Overview of current hot topics in the field of machine learning and data analytics for Industry 4.0 (e.g. deep learning for predictive maintenance and process mining for usage analysis) Data acquisition (what kind of data can be acquired? Identification of publicly available data sets) and storage (how can data be stored efficiently?) Machine learning and data analytics methodologies (Support vector machines, Hidden Markov models, Deep learning, Process mining, etc.) for industrial data (sensor data, event logs, ...) Object detection in industry application The seminar will include talks by corresponding lecturer and invited experts in the domain. Furthermore, students will present results from literature research and data analytics projects (provided or open source datasets). Learning Objectives and Competencies Students will develop an understanding of the current hot field of machine learning and data analytics for Industry 4.0 / healthcare Students will learn to research and present a topic within the context of machine learning and data analytics for Industry 4.0 / healthcare independently Students will learn to identify opportunities, challenges and limitations of corresponding ML approaches for Industry 4.0 / healthcare Students will develop the skill to identify and understand relevant literature and to present their finding in a structured manner Students will learn to present implementation and validation results in form of a demonstration and/or report Empfohlene Literatur: Literature (Selection) Lei, Yaguo, Naipeng Li, Liang Guo, Ningbo Li, Tao Yan, and Jing Lin. “Machinery Health Prognostics: A Systematic Review from Data Acquisition to RUL Prediction.” Mechanical Systems and Signal Processing 104 (May 2018): 799–834.https://doi.org/10.1016/j.ymssp.2017.11.016. Rojas, Eric, Jorge Munoz-Gama, Marcos Sepúlveda, and Daniel Capurro. “Process Mining in Healthcare: A Literature Review.” Journal of Biomedical Informatics 61 (June 1, 2016): 224–36. https://doi.org/10.1016/j.jbi.2016.04.007. Wil M. P. van der Aalst. „Process Mining: Data Science in Action” 2nd edition, Springer 2016. ISBN 978-3-662-49851-4 Wang, Lihui, and Xi Vincent Wang. Cloud-Based Cyber-Physical Systems in Manufacturing. Cham: Springer International Publishing, 2018. https://doi.org/10.1007/978-3-319-67693-7. Schlagwörter: Machine Learning, Data Analytics, Process Mining, Predictive Maintenance, Industry 4.0, Healthcare

	Software Engineering in der Praxis [SWE-PR] Dozentinnen/Dozenten: Xiaochen Wu, Loui Al Sardy Angaben: Übung, 3 SWS Studienrichtungen / Studienfächer: WF ICT-MA 3 Voraussetzungen / Organisatorisches: Die praktischen Übungen bestehen aus: Vorführung der Werkzeuge individuelle Erprobung der Werkzeuge zur Lösung praktischer Aufgaben
		Mi	10:15 - 11:45	Zoom-Meeting		Wu, X. Al Sardy, L.
	Termin kann je nach Teilnehmerwunsch auch angepasst werden.

4G/5G Mobile Communication Systems [4G/5G MCS] Dozent/in: Stefan Brück Angaben: Vorlesung, 2 SWS, benoteter Schein, ECTS: 2,5, nur Fachstudium Termine: Fr, 8:30 - 10:00, 01.021 Studienrichtungen / Studienfächer: WF ICT-MA 1-4

Audio Processing for the Internet of Things Dozent/in: Nils Peters Angaben: Vorlesung, 2 SWS, ECTS: 2,5 Termine: Mi, 16:15 - 17:45, Raum n.V. vom 21.4.2021 bis zum 7.7.2021 Studienrichtungen / Studienfächer: WF ICT-MA ab 1 Schlagwörter: AudioLabs

Auditory Models [AudMo] Dozent/in: Bernd Edler Angaben: Vorlesung, 2 SWS, Kredit: 2/2, ECTS: 2,5 Termine: Do, 14:15 - 15:45, Zoom-Meeting Studienrichtungen / Studienfächer: WF ICT-MA 1-4 Inhalt: Contents Common models of the human auditory system Mechanical models Physiological models Psychoacoustic models Applications (hearing aids, audio coding, …) Goals Understand structure and function of the human auditory system Understand common psychoacoustic phenomena present in human hearing, such as masking, directional and spatial hearing Schlagwörter: AudioLabs

Betriebssystemtechnik (fällt aus) [BST] Dozent/in: Wolfgang Schröder-Preikschat Angaben: Vorlesung, 2 SWS, benoteter Schein, ECTS: 2,5 Termine: Di, 14:15 - 15:45, 0.031-113 Studienrichtungen / Studienfächer: WF ICT-MA 1-4 Voraussetzungen / Organisatorisches: HINWEIS für das Sommersemester 2021: Aufgrund der außergewöhnlichen Begleitumstände und den sich daraus ergebenden Einschränkungen für Präsenzveranstaltungen findet diese Lehrveranstaltung nicht statt.

Rechnerübungen zu Betriebssystemtechnik (fällt aus) [RÜ BST] Dozentinnen/Dozenten: Bernhard Heinloth, Christian Eichler Angaben: Übung Termine: Zeit/Ort n.V. Studienrichtungen / Studienfächer: WF ICT-MA ab 1 Voraussetzungen / Organisatorisches: HINWEIS für das Sommersemester 2021: Aufgrund der außergewöhnlichen Begleitumstände und den sich daraus ergebenden Einschränkungen für Präsenzveranstaltungen findet diese Lehrveranstaltung nicht statt. Schlagwörter: Betriebssystemtechnik

Übungen zu Betriebssystemtechnik (fällt aus) [Ü BST] Dozentinnen/Dozenten: Bernhard Heinloth, Christian Eichler Angaben: Übung, 2 SWS, ECTS: 2,5 Termine: Zeit/Ort n.V. Studienrichtungen / Studienfächer: WF ICT-MA 1-4 Voraussetzungen / Organisatorisches: HINWEIS für das Sommersemester 2021: Aufgrund der außergewöhnlichen Begleitumstände und den sich daraus ergebenden Einschränkungen für Präsenzveranstaltungen findet diese Lehrveranstaltung nicht statt.

Channel Coding on Graphs [ChCoGraph] Dozent/in: Laura Cottatellucci Angaben: Vorlesung, 3,5 SWS, ECTS: 5 Termine: Di, 14:15 - 15:45, 01.021 Do, 10:15 - 11:45, 01.021 Studienrichtungen / Studienfächer: WF ICT-MA 1-4 Inhalt: Description In today's communications world, channel coding underlies the physical layer of all major communication systems. For example: algebraic block coding (Reed-Solomon codes) are used in the CD and DVD standards; trellis coded modulation is used in line modems; low-density parity check codes (LDPC) are used in satellite communications (DVB-S2 standard), LAN (10GBase-T Ethernet) and wireless LAN (Wi-Fi 802.11); turbo codes are implemented in 3G/4G mobile communications (e.g. in UMTS and LTE) and in (deep space) satellite communications. Recently, polar codes have been adopted for the eMBB (Enhanced Mobile Broadband) control channels for the 5G NR (5th Generation New Radio) interface. Objective of this course is to provide an introductory but thorough background on codes over graphs and covers both classical convolutional codes and the modern theory of random-like codes with iterative decoding. Namely, LDPCs (Low Density Parity Check Codes, Turbo Codes, and Polar Codes. Students will acquire the fundamental knowledge to design and analyze performance of channel codes on graphs, as well as implement the corresponding encoders and decoders. Technical Content Role of channel coding in a communication system. Idealized channel models : the binary symmetric channel (BSC), the binary erasure channel (BEC), the constrained-input Gaussian channel. Some preliminary basic concepts from linear block codes: Parity Check, Hamming distance, weight enumerating functions, performance evaluations, and performance bounds. Factor graphs and belief propagation. Binary random-like codes: LDPC codes and message-passing decoding, threshold behaviour of message passing decoding: density evolution analysis. Design of LDPC ensembles. Polar Codes: Polarization, polar channel coding, performance, encoding and decoding. Binary convolutional codes : the algebraic structure, the dynamic structure, Viterbi decoding, performance analysis via weight enumerating function, the forward-backward BCJR algorithm. Other random-like codes: the Turbo Codes. Efficient decoding of Turbo Codes via forward-backward BCJR algorithm and interpretation via factor graphs. Performance analysis and exit charts.

Cyber-Physical Systems [CPS] Dozent/in: Torsten Klie Angaben: Vorlesung, 2 SWS, ECTS: 2,5 Termine: Mo, 14:15 - 15:45, 02.133-113 Studienrichtungen / Studienfächer: WF ICT-MA 1-4

Übung zu Cyber-Physical Systems [UE-CPS] Dozent/in: Torsten Klie Angaben: Übung, 2 SWS, ECTS: 2,5 Termine: Do, 16:15 - 17:45, 02.134-113 Studienrichtungen / Studienfächer: WF ICT-MA ab 1

DIY - Individual Prototyping and Systems Engineering (fällt aus) [DIY] Dozent/in: Peter Wägemann Angaben: Vorlesung, 2 SWS, HINWEIS für das Sommersemester 2021: Aufgrund der außergewöhnlichen Begleitumstände und den sich daraus ergebenden Einschränkungen für Präsenzveranstaltungen findet diese Lehrveranstaltung nicht statt. Termine: Do, 16:15 - 17:45, 04.019 Mo Studienrichtungen / Studienfächer: WF ICT-MA ab 1

Übungen zu DIY (fällt aus) [Ü DIY] Dozentinnen/Dozenten: Peter Wägemann, Tim Rheinfels, Daniela Novac Angaben: Übung, 2 SWS, HINWEIS für das Sommersemester 2021: Aufgrund der außergewöhnlichen Begleitumstände und den sich daraus ergebenden Einschränkungen für Präsenzveranstaltungen findet diese Lehrveranstaltung nicht statt. Termine: Do, 12:15 - 13:45, 01.151-128 Mi, 10:15 - 11:45, 02.135-113 CIP Studienrichtungen / Studienfächer: WF ICT-MA ab 1

Data Structure Engineering [DSE] Dozent/in: Viktor Leis Angaben: Vorlesung, 2 SWS, nur Fachstudium Termine: Di, 16:15 - 17:45, H14 Aktueller Hinweis: Diese Veranstaltung findet dieses Semester online statt. Weitere Informationen finden Sie im zugehörigen StudOn-Kurs. Information regarding online courses are provided via StudOn. Studienrichtungen / Studienfächer: WF ICT-MA ab 1

	Übungen zu Data Structure Engineering [UeDSE] Dozent/in: Viktor Leis Angaben: Übung, 2 SWS Studienrichtungen / Studienfächer: WF ICT-MA ab 1
		Mi	12:15 - 13:45	0.154-115		Kuschewski, M.
	Aktueller Hinweis: Diese Veranstaltung findet dieses Semester online statt. Weitere Informationen finden Sie im zugehörigen StudOn-Kurs. Information regarding online courses are provided via StudOn.
		Do	14:15 - 15:45	T 0.75		Kuschewski, M.
	Aktueller Hinweis: Diese Veranstaltung findet dieses Semester online statt. Weitere Informationen finden Sie im zugehörigen StudOn-Kurs. Information regarding online courses are provided via StudOn.

Fahrzeugkommunikation [FzK] Dozent/in: Kai-Steffen Jens Hielscher Angaben: Vorlesung, 2 SWS, ECTS: 2,5, nur Fachstudium Termine: Do, 12:15 - 13:45, 02.134-113 Studienrichtungen / Studienfächer: WF ICT-MA ab 1 Inhalt: Die Bedeutung von Elektronik und Software ist in der Fahrzeugtechnik stark gestiegen, gleichzeitig stellen die komplexen Entwicklungsprozesse in der Automobilindustrie hohe Anforderungen an Berufseinsteiger. Absolventen benötigen daher zunehmend spezialisierte Kenntnisse aus den Themenbereichen Elektronik, Software und Vernetzung von Fahrzeugen. Um diesen Anforderungen Rechnung zu tragen, wurde am Department Informatik ein spezieller Studienschwerpunkt „Informatik in der Fahrzeugtechnik" im Studiengang Informatik eingerichtet. Die Vorlesung „Fahrzeugkommunikation" [FzK] ist in zwei Blöcke gegliedert: Zunächst führt die Vorlesung in die fahrzeuginterne Vernetzung ein, behandelt Vernetzungsarchitekturen, Bussysteme und Steuergeräte, Fahrerassistenzfunktionen, Multimedia und Systemarchitekturen. Den Abschluss bilden Betrachtungen zu Security und Safety in der fahrzeuginternen Vernetzung. Als zweiten Block gibt die Vorlesung einen Überblick über Themen der externen Kommunikation von und mit Fahrzeugen, behandelt Systemarchitekturen zur Vernetzung von Fahrzeugen untereinander und mit Infrastruktur, Medienzugriffsverfahren verbreiteter Lösungen, Protokolle von Vehrkehrsinformationssystemen. Sie schließt wiederum mit Betrachtungen zu Safety und Security - erweitert um die in diesem Themengebiet besonders relevanten Fragestellungen rund um die Wahrung der Privatsphäre von Nutzern. Die Vorlesung wird für einen Abschluss mit Studienschwerpunkt „Informatik in der Fahrzeugtechnik" anerkannt. Sie setzt Grundkenntnisse in Rechnerkommunikation voraus und richtet sich so schwerpunktmäßig an Studierende aus Informatik, IuK und CE ab dem 5. Semester. Auszug Interne Vernetzung: Interne Steuerung: ECU-ECU, Safety Bussysteme (CAN, LIN, FlexRay, MOST, ...) HW-, SW- Architekturen von Steuergeräten Security & Safety Auszug Externe Vernetzung Car-2-X-Kommunikation Topologien, Architekturen Medienzugriff: Wifi, WAVE/DSRC Safety Anwendungen Security & Privacy Empfohlene Literatur: Christoph Sommer and Falko Dressler, Vehicular Networking, Cambridge University Press, 2014. Werner Zimmermann and Ralf Schmidgall, Bussysteme in der Fahrzeugtechnik, ed. 4, Wiesbaden, Vieweg + Teubner, 2011. Konrad Reif, Automobilelektronik, ed. 3, Wiesbaden, Vieweg + Teubner, 2009. Dominique Paret, Multiplexed networks for embedded systems, Chichester, England, Wiley, 2007. Hannes Hartenstein and Kenneth Laberteaux (Eds.), VANET - Vehicular Applications and Inter-Networking Technologies, Intelligent Transport Systems, Chichester, John Wiley & Sons, 2009.

	Fahrzeugkommunikation Übungen [ÜFzK] Dozent/in: Kai-Steffen Jens Hielscher Angaben: Übung, 2 SWS, benoteter Schein, ECTS: 2,5, nur Fachstudium Studienrichtungen / Studienfächer: WF ICT-MA ab 1 Voraussetzungen / Organisatorisches: Terminfindung findet in der Vorlesung statt. Hier gelistete Termine sind vorläufig. Vorkenntnisse in C++ sind von Vorteil. Schlagwörter: Fahrzeugkommunikation, Car-2-Car, Informatik in der Fahrzeugtechnik
		Mo	10:15 - 11:45	04.158		Gütlein, M.
		Mo	12:15 - 13:45	04.158		Gütlein, M.
		Mi	8:15 - 9:45	04.158		Gütlein, M.

HF-Bauelemente und -schaltungen für Mobilkommunikation [HF-BSM] Dozent/in: Jan-Erik Müller Angaben: Vorlesung, 2 SWS, benoteter Schein, ECTS: 2,5, Das Skript ist auf Englisch. Fragen können ebenfalls auch in Englisch gestellt werden. Aktuelle Informationen zu Zeit und Ort gibt es in Studon: https://www.studon.fau.de/studon/goto.php?target=cat_1472177 Termine: Die Termine für die wenn möglich digital stattfindenden mündlichen Prüfungen werden mit dem Dozenten vereinbart. Studienrichtungen / Studienfächer: WF ICT-MA ab 1 Voraussetzungen / Organisatorisches: Block course consisting of two parts; each part once every term.

Human Computer Interaction [HCI] Dozent/in: Björn Eskofier Angaben: Vorlesung, 3 SWS, ECTS: 3,75 Termine: Mo, 8:15 - 9:45, H10 Fr, 10:15 - 11:45, H10 Studienrichtungen / Studienfächer: WF ICT-MA ab 1 Voraussetzungen / Organisatorisches: Folien zur Vorlesung und Organisation über Studon. Inhalt: Studon Kurs: https://www.studon.fau.de/crs3663032.html Aufgrund der derzeitigen Corona-Lage findet die Vorlesung digital statt. Für weitere Informationen, wie man sich in die digitalen Räume einloggen kann, besuchen Sie bitte unseren zugehörigen StudOn Kurs. Schlagwörter: human-computer interaction, Mensch-Maschine-Schnittstelle, grafische Benutzerschnittstellen, mobile Mensch-Computer-Interaktion, Mensch-Maschine-Interaktion im Fahrzeug, ubiquitäre und eingebettete interaktive Systeme

Human Computer Interaction Exercises [HCI-E] Dozent/in: Wolfgang Mehringer Angaben: Übung, 1 SWS, ECTS: 1,25 Termine: Mo, 14:15 - 15:45, K1-119 Brose-Saal Studienrichtungen / Studienfächer: WF ICT-MA ab 1 Inhalt: Aufgrund der derzeitigen Corona-Lage findet die Übung digital statt. Für weitere Informationen, wie man sich in die digitalen Räume einloggen kann, besuchen Sie bitte unseren zugehörigen StudOn Kurs. Schlagwörter: human-computer interaction, Mensch-Maschine-Schnittstelle, grafische Benutzerschnittstellen, mobile Mensch-Computer-Interaktion, Mensch-Maschine-Interaktion im Fahrzeug, ubiquitäre und eingebettete interaktive Systeme

Image and Video Compression [IVC] Dozent/in: André Kaup Angaben: Vorlesung, 3 SWS, ECTS: 5, nur Fachstudium Termine: Mo, 16:15 - 17:45, H6 Mi, 10:15 - 11:45, H6 The exact dates of lecture and supplements can be found on StudOn. Studienrichtungen / Studienfächer: WF ICT-MA 1-4 Voraussetzungen / Organisatorisches: Für das Verständnis notwendig sind grundlegende Kenntnisse über Signaldarstellungen und Transformationen aus der Lehrveranstaltung „Signale und Systeme II“ sowie Basiswissen über Stochastik und Informationstheorie aus der Lehrveranstaltung „Nachrichtentechnische Systeme“. Zusätzlich zur Vorlesung und Übung wird optional noch das Praktikum Image and Video Compression (PrIVC) angeboten. Die Vorlesungen und Übungen zum Modul werden semesterbegleitend online angeboten, bis wieder ein regulärer Präsenzbetrieb möglich ist. Dazu werden die Vorlesungen und Übungen aufgezeichnet und über das Videoportal semesterbegleitend digital zur Verfügung gestellt. Bei StudOn finden Sie das vollständige Skript und die Übungsaufgaben mit Lösungen in digitaler Form sowie Musterklausuren zur Vorbereitung auf die schriftliche Prüfung. Eine gedruckte Version des Skriptes und der Übungsaufgaben können Sie im Sekretariat des Lehrstuhls erhalten. Inhalt: Die Lehrveranstaltung gibt eine Einführung in die grundlegenden Konzepte und Algorithmen für die Codierung und Übertragung von Bild- und Videosignalen. Dazu wird zunächst die digitale Repräsentation von Bild- und Videosignalen erläutert und es werden wesentliche Eigenschaften des menschlichen Gesichtssinns als Nachrichtensenke vorgestellt. Detailliert diskutiert werden die Prinzipien der Datenkompression durch Redundanz- und Irrelevanzreduktion und die typischen Algorithmen zur Codierung von Bild- und Videosignalen. Dazu zählen das Design von Quantisierern am Beispiel der Max-Lloyd Optimalquantisierung, die Entropiecodierung mit den Beispielen Huffman-Codierung und arithmetischer Codierung sowie Lauflängencodierung. Darüber hinaus wird auf die Grundlagen der Vektorquantisierung und der prädiktiven Codierung eingegangen. Verfahren der Frequenzbereichszerlegung werden am Beispiel der Transformationscodierung und Teilbandzerlegung bzw. Waveletanalyse diskutiert, ebenso wie das Prinzip der Bewegungskompensation und hybriden Codierung von Videosignalen. Am Ende werden verschiedene aktuelle MPEG- und ITU-Standards zur Codierung von Einzel- und Bewegtbildern vorgestellt. Empfohlene Literatur: Literaturempfehlung erfolgt in der Vorlesung.

Übung Image and Video Compression [ÜIVC] Dozent/in: Fabian Brand Angaben: Übung, 1 SWS, nur Fachstudium Termine: Mi, 08:15 - 09:45, H6 The exact dates of lecture and supplements can be found on StudOn. Studienrichtungen / Studienfächer: WF ICT-MA 1-4 Voraussetzungen / Organisatorisches: Die Vorlesungen und Übungen zum Modul Image and Video Compression werden semesterbegleitend online angeboten, bis wieder ein regulärer Präsenzbetrieb möglich ist. Dazu werden die Vorlesungen und Übungen aufgezeichnet und über StudOn semesterbegleitend digital zur Verfügung gestellt. Bei StudOn finden Sie ebenfalls das vollständige Skript und die Übungsaufgaben mit Lösungen in digitaler Form sowie Musterklausuren zur Vorbereitung auf die schriftliche Prüfung. Eine gedruckte Version des Skriptes und der Übungsaufgaben können Sie am Lehrstuhl erhalten, sobald der Publikumsverkehr in unseren Gebäuden wieder gestattet ist.

MHI Industrie 4.0 für Ingenieure [MHI4.0] Dozent/in: Jörg Franke Angaben: Vorlesung, 2 SWS, ECTS: 2,5 Termine: Mi, 8:15 - 9:45, Raum n.V. Anmeldung über StudOn Studienrichtungen / Studienfächer: WF ICT-MA ab 1 Voraussetzungen / Organisatorisches: Die Vorlesung findet im Sommersemester 2021 ausschließlich digital statt. Der genaue Terminplan und weitere Details können in StudOn eingesehen werden. Präsentationen, Termine oder ggf. Anmeldemöglichkeiten finden sie im zugehörien StudOn Kurs: https://www.studon.fau.de/studon/goto.php?target=cat_1839222 Ansprechpartner für Vorlesung und Anmeldung: Dominik Kisskalt Zulassungsvoraussetzung: Eingeschriebene/r Bachelor- oder Masterstudent/in aus den oben genannten Studiengängen Anmeldung: ab dem 01.04.2019 über StudOn (Teilnehmerzahl ist begrenzt!) Prüfung: schriftlich, voraussichtlich ca. 2-3 Wochen nach der Vorlesungszeit Verwendung als Wahlfach mit 2,5 ECTS; Umfang von 12 Vorlesungseinheiten Inhalt: Ausgangslage Industrie 4.0 bzw. IoT ist ein globaler Megatrend, der nahezu alle Branchen der heutigen Industrie prägt Praktische Ausprägung und Umsetzungsstrategien sind noch Gegenstand der Forschung Motivation der Vorlesung Industrie 4.0 Themen werden heute noch nicht gelehrt Interdisziplinäres Themenfeld mit sehr großem Umfang Hohe Dynamik und enorme Fortentwicklung der Thematik und Technik Konzept der Vorlesung Präsenzvorlesung mit virtuellem Charakter Offene, wandelbare Veranstaltung mit wechselnden Dozenten Jedes Institut der MHI stellt hierbei eine Vorlesungseinheit, welche als Videoaufnahme ausgestrahlt oder zeitgleich per Videostream in die Vorlesungsräume aller weiteren teilnehmenden Institute gestreamt wird Bündelung der nationalen wissenschaftlichen Kompetenzen in diesem Themenfeld

MIMO Communication Systems [MIMOCom] Dozent/in: Robert Schober Angaben: Vorlesung, 3 SWS, ECTS: 5, nur Fachstudium Termine: Mo, 12:15 - 13:45, Zoom-Meeting Di, 14:15 - 15:45, Zoom-Meeting Studienrichtungen / Studienfächer: WF ICT-MA ab 1

Tutorial for MIMO Communication Systems [TutMIMOCom] Dozent/in: Hedieh Ajam Angaben: Übung, 1 SWS Termine: Zeit/Ort n.V. Studienrichtungen / Studienfächer: WF ICT-MA ab 1

Optische Übertragungstechnik [OPÜT] Dozent/in: Bernhard Schmauss Angaben: Vorlesung, 2 SWS, benoteter Schein, ECTS: 5, nur Fachstudium, Online-Kurs! Bitte registrieren Sie sich im StudOn um weitere Informationen zu erhalten! https://www.studon.fau.de/crs39057_join.html Termine: Fr, 10:15 - 11:45, HF-Technik: SR 5.14 Studienrichtungen / Studienfächer: WF ICT-MA 1-4 Voraussetzungen / Organisatorisches: "Komponenten Optischer Kommunikationssysteme" oder "Photonik 1" empfohlen, aber nicht vorausgesetzt. Inhalt: Kommerzielle Optische Kommunikationssysteme erreichen pro Faser Übertragungskapazitäten von mehreren Tbit/s. Im Labor wurden mehr als 100Tbit/s nachgewiesen. Die Realisierung derartiger Systeme setzt die Beherrschung verschiedenster Techniken der optischen Übertragungstechnik voraus. In der Vorlesung werden Techniken des Zeitbereichs - (TDM) und Wellenlängenmultiplex (WDM), aber besonders auch der Auslegung der Übertragungsstrecke (Link Design) auf der Basis entsprechender physikalischer und signaltheoretischer Grundlagen behandelt und vertieft. Dabei werden Verfahren besprochen, die sicherstellen, dass sowohl die Signalverzerrungen durch lineare und nichtlineare Fasereffekte als auch die Akkumulation des Verstärkerrauschens begrenzt bleiben. Es wird ausführlich die Systemoptimierung hinsichtlich des optischen Signal-Rausch-Verhältnisses (OSNR) diskutiert sowie auf Techniken des Dispersions- und Nichtlinearitätsmanagements (z.B. Solitonenübertragung) eingegangen. Hierbei wird dem Themenkomplex einer optimalen Streckenauslegung besonders eingehend behandelt. In der Folge werden verschiedene, gebräuchliche Modulationsverfahren einschließlich kohärenter Übertragungsverfahren behandelt, die in neueren Systemen eingesetzt und in experimentellen Systemen getestet werden. Eine Besprechung optischer Verfahren zur Signalregeneration bildet die Brücke zu aktuellen eigenen Forschungsarbeiten. Die vermittelten Grundlagen werden in der Übung zur Vorlesung durch praxisnahe und anschauliche Simulationsbeispiele vertieft. Empfohlene Literatur: Agrawal, G.P.: Fiber-Optic Communication Systems, John Wiley & Sons, 1997 Agrawal, G.P.: Nonlinear Fiber Optics, John Wiley & Sons, 3. Auflage, 2001 Kaminow, I, Koch, T.: Optical Fiber Telecommunications IVA, Academic Press, 2002 Skriptum zur Vorlesung Kaminow, I, Li, T., Willner,A.: Optical Fiber Telecommunications VA, Academic Press, 2008 Schlagwörter: Optik, Photonik, Glasfaser, Kommunikation, Datenübertragung

Optische Übertragungstechnik Übung [OPÜT Ü] Dozentinnen/Dozenten: Benedikt Beck, Esther Renner Angaben: Übung, 2 SWS, nur Fachstudium, Online-Kurs! Bitte registrieren Sie sich im StudOn um weitere Informationen zu erhalten! https://www.studon.fau.de/crs39057_join.html Termine: Di, 16:15 - 17:45, HF-Technik: SR 5.14 Studienrichtungen / Studienfächer: WF ICT-MA 1-4

RF and Digital Architecture of Radio Systems [VORL HFDAF] Dozent/in: Heinrich Milosiu Angaben: Vorlesung, 2 SWS, benoteter Schein, ECTS: 2,5, nur Fachstudium, Course Material and video recordings will be provided in StudOn: https://www.studon.fau.de/studon/goto.php?target=crs_1194539; !!!!! The lecture session from Monday 10 May 2021 will be postponed to Wednesday 12 May 2021, 08:30.!!!! Termine: Mo, 8:30 - 10:00, Zoom-Meeting Join via this link: https://fau.zoom.us/j/4165127267 First lecture: 12. April 2021. Studienrichtungen / Studienfächer: WF ICT-MA 1-4 Inhalt: Architektur von Funksystemen Hochfrequenz- und Digital-Teil Analog-Digital Balance Vielfachzugriff Leistungsmerkmale der physikalischen Schicht und ihre Implementierung Transceiver-Architekturen AD- und DA-Umsetzung Beurteilung der Transceiverkomplexität Grundanforderungen an Basisbandprozessoren Signalintegrität und Analyse von Verzerrungen (EVM) Elektronische Kompensationsverfahren Digitale Signalkonditionierung Spektrumszuweisung Frequenzagile Funksysteme Pegelrechnung zur Funkschnittstelle Grundzüge der Verkehrstheorie und Netzdimensionierung Funknetzplanung Funkabdeckung, Netzkapazität und spektrale Effizienz Leistungsverbrauch Leistungshaushalt

Reinforcement Learning [RL] Dozent/in: Christopher Mutschler Angaben: Vorlesung, 2 SWS, benoteter Schein, ECTS: 2,5 Termine: Do, 8:30 - 10:00, Zoom-Meeting Studienrichtungen / Studienfächer: WF ICT-MA ab 1 Inhalt: Reinforcement Learning (RL) is an area of Machine Learning that has recently made large advances and has been publicly visible by reaching and surpassing human skill levels in games like Go and Starcraft. These successes show that RL has the potential to transform many areas of research and industry by automatizing the development of processes that once needed to be engineered explicitly. In contrast to other machine learning paradigms, which require the presence of (labeled or unlabeled) data, RL considers an agent that takes actions in an environment and learns from resulting feedback. The agent tries to maximize a reward signal that it receives for desirable outcomes, while at the same time trying to explore the world in which it operates to find yet unknown, potentially more rewarding action sequences–a dilemma known as the exploration-exploitation tradeoff. Recent advances in machine learning based on deep learning have made RL methods particularly powerful since they allow for agents with particularly well performing models of the world. The lecture will start with introductory lectures to RL where we cover the foundations of RL (i.e., Markov decision processes and dynamic programming techniques) before we go to model-free prediction and control algorithms such as TD-learning, SARSA and Q-learning. We will also get the general idea behind value function approximation techniques such as Deep Q-Networks (DQN) and study advanced policy-gradient and actor-critic methods including TRPO and PPO. We will end with focus sessions on advanced topics such as model-based RL, offline RL, explainable RL, and exploration-exploitation. Empfohlene Literatur: While there is particular literature given in the slides of the videos the following list serves as a general basis to get into the topic but also to go deeper at particular points. Richard S. Sutton and Andrew G. Barto. 2018. Reinforcement Learning: An Introduction. A Bradford Book, Cambridge, MA, USA. Bellman, R.E. 1957. Dynamic Programming. Princeton University Press, Princeton, NJ. Republished 2003: Dover, ISBN 0-486-42809-5. Csaba Szepesvari and Ronald Brachman and Thomas Dietterich. 2010. Algorithms for Reinforcement Learning. Morgan and Claypool Publishers. Warren B. Powell. 2011. Approximate Dynamic Programming. Wiley. Maxim Lapan. 2020. Deep Reinforcement Learning Hands-On: Apply modern RL methods to practical problems of chatbots, robotics, discrete optimization, web automation, and more, 2nd Edition. Packt Publishing. Dimitri P. Bertsekas. 2017. Dynamic Programming and Optimal Control. Athena Scientific. Miguel Morales. 2020. grokking Deep Reinforcement Learning. Manning. Laura Graesser and Keng Wah Loon. 2019. Foundations of Deep Reinforcement Learning: Theory and Practice in Python. Addison-Wesley Data & Analytics.

Reinforcement Learning Übung [RL-UE] Dozent/in: Christopher Mutschler Angaben: Übung, 2 SWS, ECTS: 2,5 Termine: Mo, 10:15 - 11:45, Zoom-Meeting Studienrichtungen / Studienfächer: WF ICT-MA ab 1

Security in Embedded Hardware [SEH] Dozent/in: Jürgen Teich Angaben: Vorlesung, 2 SWS, ECTS: 2,5 Termine: Di, 10:15 - 11:45, 01.150-128 Studienrichtungen / Studienfächer: WF ICT-MA ab 1 Inhalt: Der Schutz eingebetteter Systeme gegenüber Angriffe Dritter auf gespeicherte Daten und Implementierungen, stellt eine immer wichtigere, jedoch auch durch zunehmende Vernetzung herausfordernde Aufgabe dar. Der Schutz der eingebetteten Systeme gegenüber bekannten als auch neueren ausgeklügelten Angriffsmöglichkeiten ist Gegenstand dieser Vorlesung. Es wird gezeigt, welche Angriffe existieren, welche Gegenmaßnahmen man ergreifen kann und wie man sichere eingebettete Systeme entwirft. Einleitung und Motivation Was ist Security? Die Bedeutung von Security für zuverlässige Systeme Klassifikation von Angriffen Entwurf eingebetteter Systeme Angriffsszenarien Beispiele von Angriffsszenarien Kryptographischer Algorithmen als Ziel von Angriffen Angriffe durch Einschleusen von Code (Code Injection Attacks) Welche Arten von Code Injection-Angriffe gibt es? Gegenmaßnahmen Invasive physikalische Angriffe (Invasive Physical Attacks) Microprobing Reverse Engineering Differential Fault Analysis Gegenmaßnahmen Nichtinvasive softwarebasierte Angriffe (Non-Invasive Logical Attacks) Erlangen von nicht autorisiertem Zugriff Gegenmaßnahmen Nichtinvasive physikalische Angriffe (Non-Invasive Physical Attacks) Abhören Seitenkanalangriffe Gegenmaßnahmen Empfohlene Literatur: Catherine H. Gebotys Security in Embedded Devices. Springer 2010. Benoit Badrignans et al. Security Trends for FPGAs. Springer 2011. Daniel Ziener Techniques for Increasing Security and Reliability of IP Cores Embedded in FPGA and ASIC Designs. Dr. Hut 2010.

	Übung zu Security in Embedded Hardware [UE-SEH] Dozent/in: Jürgen Teich Angaben: Übung, 2 SWS, ECTS: 2,5 Studienrichtungen / Studienfächer: WF ICT-MA ab 1
		Di	14:15 - 15:45	02.133-128		Schlumberger, J.
		Mi	14:15 - 15:45	02.133-128		Brand, P.

Selected Topics in ASC - Biomedical Signal Analysis [STASC] Dozent/in: Raj Rangayyan Angaben: Vorlesung, 4 SWS, Schein, ECTS: 5 Termine: Fr, Mi, 16:15 - 18:00, Live-Stream vom 14.4.2021 bis zum 18.6.2021 Studienrichtungen / Studienfächer: WF ICT-MA ab 1 Voraussetzungen / Organisatorisches: StudOn-Link: https://www.studon.fau.de/crs3698067.html There is a limited number of places for this course. Students need to register via StudOn until April 8, 2021. Places will be distributed on April 9, 2021.

Selected Topics in Deep Learning for Audio, Speech, and Music Processing [DLA] Dozentinnen/Dozenten: Emanuël A. P. Habets, Meinard Müller Angaben: Vorlesung, 2 SWS, ECTS: 2,5 Termine: Mo, 16:00 - 18:00, Zoom-Meeting, 3R4.04 Studienrichtungen / Studienfächer: WF ICT-MA ab 1 Voraussetzungen / Organisatorisches: In this course, we require a good knowledge of deep learning techniques, machine learning, and pattern recognition as well as a strong mathematical background. Furthermore, we require a solid background in general digital signal processing and some experience with audio, image, or video processing. It is recommended to finish the following modules (or having equivalent knowledge) before starting this module: Lecture Deep Learning Digitale Signalverarbeitung Statistische Signalverarbeitung Sprach- und Audiosignalverarbeitung Inhalt: Many recent advances in audio, speech, and music processing have been driven by techniques based on deep learning (DL). For example, DL-based techniques have led to significant improvements in, for example, speaker separation, speech synthesis, acoustic scene analysis, audio retrieval, chord recognition, melody estimation, and beat tracking. Considering specific audio, speech, and music processing tasks, we study various DL-based approaches and their capability to extract complex features and make predictions based on hidden structures and relations. Rather than giving a comprehensive overview, we will study selected and generally applicable DL-based techniques. Furthermore, in the context of challenging application scenarios, we will critically review the potential and limitations of recent deep learning techniques. As one main general objective of the lecture, we want to discuss how you can integrate domain knowledge into neural network architectures to obtain explainable models that are less vulnerable to data biases and confounding factors. The course consists of two overview-like lectures, where we introduce current research problems in audio, speech, and music processing. We will then continue with 6 to 8 lectures on selected audio processing topics and DL-based techniques. Being based on articles from the research literature, we will provide detailed explanations covered in mathematical depth; we may also try to attract some of the original authors to serve as guest lecturers. Finally, we round off the course by a concluding lecture covering practical aspects (e.g., hardware, software, version control, reproducibility, datasets) that are relevant when working with DL-based techniques. Schlagwörter: AudioLabs Deep Learning Audio Speech Music

Smart Grids und Elektromobilität Dozent/in: Marco Pruckner Angaben: Vorlesung, 2 SWS, ECTS: 2,5 Termine: Mi, 08:15 - 09:45, H14 Studienrichtungen / Studienfächer: WF ICT-MA ab 1 Voraussetzungen / Organisatorisches: Lernziele und Kompetenzen: Die Studierenden • unterscheiden Probleme und Herausforderungen die mit den künftigen Stromnetzen verbunden sind • erfassen die Vorteile und die Anwendungsmöglichkeiten, die beim Einsatz von IKT im Stromnetz möglich sind, wie z.B. Demand Response • analysieren verschiedene Probleme, die beim Einsatz von IKT im Stromnetz entstehen, z.B. Datenschutzprobleme • erlernen verschiedene Technologien zur Erzeugung und Verteilung von Energie kennen • kennen die Rolle von Elektromobilität sowie die speziellen Herausforderungen zur Integration von Elektrofahrzeugen in das bestehende bzw. zukünftige Stromnetz Inhalt: Dieser Kurs dient als Einführung in den neuen multi-disziplinären Bereich Smart Grids. Dabei wird ein Überblick zu den wesentlichen neuen Aspekten moderner Technologien in Erzeugung, Übertragung und Verteilung gegeben. Zudem werden relevante Aspekte der Kommunikationstechnologien wiedergegeben, die zur intelligenten Koordinierung zwischen den verschiedenen Einheiten innerhalb des Stromnetzes eingesetzt werden. Neben einer Einführung der Konzepte der verschiedenen Komponenten des Smart Grids, einschließlich der Integration erneuerbarer Energien, Energiespeicher und Demand Side Management wird die Elektromobilität und die Integration von Elektrofahrzeugen in das Stromnetz einen weiteren Schwerpunkt dieses Kurses bilden. Die Vorlesung behandelt zentrale Fragestellungen zu Smart Grids und Elektromobilität: • Vision und Strategie für die elektrischen Netze der Zukunft • Smarte Erzeugung elektrischer Energie • Aufbau und Betrieb von Übertragungs- und Verteilungsnetzen • Informations- und Kommunikationstechnologien als Rückgrat des Smart Grids • Technologien für das Laden von Elektrofahrzeugen • Zusammenspiel von Elektrofahrzeugen und dem Energiesystem • Umweltaspekte, einschließlich CO2-Emissionen Schlagwörter: Smart Grids; erneuerbare Energien; Elektromobilität; Ladeinfrastruktur

	Übungen zu Smart Grids und Elektromobilität Dozent/in: Marco Pruckner Angaben: Übung, 2 SWS, ECTS: 2,5, Übungen ab 22. April 2021 finden über Zoom statt! Studienrichtungen / Studienfächer: WF ICT-MA ab 1 Schlagwörter: Smart Grids ; Erneuerbare Energien
		Mo	14:15 - 15:45	04.158		Ebell, N.
		Di	14:15 - 15:45	04.158		Pruckner, M.
		Do	12:15 - 13:45	04.158		Ebell, N.

Transformationen in der Signalverarbeitung [TSV] Dozent/in: Jürgen Seiler Angaben: Vorlesung, 2 SWS, benoteter Schein, ECTS: 2,5 Termine: Mo, 10:15 - 11:45, Raum n.V. Studienrichtungen / Studienfächer: WF ICT-MA 1-4 Voraussetzungen / Organisatorisches: Voraussetzungen: Signale und Systeme I und II, Digitale Signalverarbeitung Die Vorlesungsunterlagen sowie Aufzeichnungen der Vorlesung werden via StudOn semesterbegleitend zur Verfügung gestellt. Inhalt: Die Lehrveranstaltung "Transformationen in der Signalverarbeitung" behandelt mehrere verschiedene Transformationen, die im Rahmen der Signalverarbeitung Verwendung finden. Dabei werden zuerst die grundlegenden Konzepte von Transformationen diskutiert und die Vorteile die Transformationen mit sich bringen erläutert. Im Anschluss daran werden die grundlegenden Eigenschaften von Integraltransformationen betrachtet und die Laplace- und die Fourier-Transformation im Detail untersucht. Um auch zeitlich veränderliche Signale gut transformieren zu können werden danach die Kurzzeit-Fourier-Transformation und die Gabor-Transformation eingeführt. Im Anschluss daran erfolgt eine Betrachtung der Auswirkung der Abtastung auf transformierte Signale, bevor die z-Transformation als Transformation für diskrete Signale behandelt wird. Abschließend erfolgt die Betrachtung weiterer Transformationen für diskrete Signale wie der Diskreten Fourier-Transformation oder linearer Block-Transformationen. Empfohlene Literatur: K. Krüger, Transformationen - Grundlagen und Anwendungen in der Nachrichtentechnik, Vieweg Verlag, Braunschweig B. Girod, R. Rabenstein, A. Stenger, Einführung in die Systemtheorie, B. G. Teubner Verlag, Stuttgart

Verteilte Systeme [VS] Dozent/in: Tobias Distler Angaben: Vorlesung, 2 SWS, ECTS: 2,5, nur Fachstudium Termine: Do, 12:15 - 13:45, 0.031-113 Studienrichtungen / Studienfächer: WF ICT-MA 1-4

Erweiterte Übungen zu Verteilte Systeme [EÜ VS] Dozentinnen/Dozenten: Michael Eischer, Laura Lawniczak, Tobias Distler Angaben: Übung, 4 SWS, ECTS: 5 Termine: Di, 10:00 - 12:00, 02.151-113 b CIP ab 20.4.2021 Studienrichtungen / Studienfächer: WF ICT-MA ab 1 Voraussetzungen / Organisatorisches: Für diese Lehrveranstaltung ist eine Anmeldung erforderlich. Die Anmeldung erfolgt von Donnerstag, 1.4.2021, 10:00 Uhr bis Freitag, 30.4.2021, 23:59 Uhr über: Waffel .

Übungen zu Verteilte Systeme [Ü VS] Dozentinnen/Dozenten: Michael Eischer, Laura Lawniczak, Tobias Distler Angaben: Übung, 2 SWS, ECTS: 2,5 Termine: Di, 10:00 - 12:00, 02.151-113 a CIP ab 20.4.2021 Studienrichtungen / Studienfächer: WF ICT-MA 1-4

Visual Computing in Medicine 2 [VCMed2] Dozentinnen/Dozenten: Thomas Wittenberg, Peter Hastreiter Angaben: Vorlesung, ECTS: 2,5 Termine: Mi, 14:15 - 15:45, H10 Studienrichtungen / Studienfächer: WF ICT-MA ab 1 Voraussetzungen / Organisatorisches: Until further notice, this course will take place in electronic form. Detailed information is provided in the StudOn-course "Visual Computing in Medicine 2 (VCMed 2) - summer term 2020". Bis auf Weiteres findet der Kurs in elektronischer Form statt. Weitere Informationen finden Sie im StudOn-Kurs "Visual Computing in Medicine 2 (VCMed 2) - summer term 2020". Inhalt: Building onto the lecture VCMed1, VCMed2 provides examples of concrete solutions for diagnosis and therapy planning based on complex clinical images. It provides information how basic methods are selected and combined into practical applicable concepts. Examples from clinical applications will be used to relate strategies and requirements in clinical practice as well as the development process. Additionally, methods of medical image analysis and visualization are discussed in detail. Linking methods of medical image analysis and visualization for processing diagostic and interventional questions Providing algorithmic approaches with concrete solution strategies for the processing of clinical iamges from the perspective of medical needs Overview of various medical imaging domains Multimodal image registration with non-rigid transformations Current topics of image-based diagnosis and therapy planning Empfohlene Literatur: P.M. Schlag, S. Eulenstein, Th. Lange „Computerassistierte Chirurgie", Elsevier Verlag 2010 H. Handels, „Medizinische Bildverarbeitung, Bildanalyse, Mustererkennung und Visualisierung für die computergestützte ärztliche Diagnostik und Therapie", Vieweg und Teubner Verlag, 2009 B. Preim, D. Bartz, "Visualization in Medicine - Theory, Algorithms, and Applications”, Morgan Kaufmann Verlag, 2007 E. Neri, D. Caramella, C. Bartolozzi, „Image Processing in Radiology", Springer Verlag, 2008 Th. Lehmann, W. Oberschelp, E. Pelikan, R. Pepges, „Bildverarbeitung für die Medizin", Springer Verlag, 1997

Wissenschaftliches Arbeiten in den Ingenieur- und Naturwissenschaften [VORL WAIN] Dozentinnen/Dozenten: Jens Kirchner, Sebastian Meyer Angaben: Vorlesung, 2 SWS, Schein, ECTS: 2,5, für Anfänger geeignet, siehe StudOn. Termine: Termine der Fragestunden: t.b.a.; Zoom-Link via Studon. Studienrichtungen / Studienfächer: WF ICT-MA ab 1 Voraussetzungen / Organisatorisches: Für die Teilnahme am Seminar ist eine Anmeldung im StudOn-Kurs notwendig: https://www.studon.fau.de/crs3685678.html Für weitere Informationen über das Seminar siehe das in StudOn hinterlegte pdf: https://www.studon.fau.de/file3686189_download.html Inhalt: Kommunikation im akademischen Umfeld Einführung in LaTeX Vorarbeiten für Abschlussarbeiten Projektmanagement Wissenschaftliche Methodik Recherchieren & Referenzieren wissenschaftlicher Quellen Aufbereiten von Informationen Wissenschaftlicher Stil Gliedern & Strukturieren Publikationsprozess Erstellen und Halten von Präsentationen Schlagwörter: Nicht-technisches Wahlfach, Softskills, Recherche, Vortrag, Präsentation, Publikation

Compressive Sensing [CompSense] Dozent/in: Ali Bereyhi Angaben: Vorlesung mit Übung, 4 SWS, ECTS: 5, nur Fachstudium Termine: Mo, Fr, 10:15 - 11:45, Zoom-Meeting Studienrichtungen / Studienfächer: WF ICT-MA ab 1

Designing Gamified Systems [GAMIS] Dozentinnen/Dozenten: Benedikt Morschheuser, Gastredner Angaben: Vorlesung mit Übung, 4 SWS, ECTS: 5, für Anfänger geeignet, geeignet als Schlüsselqualifikation Termine: Do, 13:15 - 14:45, 15:00 - 16:30, Zoom-Meeting Do, 13:15 - 16:30, Raum n.V. Studienrichtungen / Studienfächer: WF ICT-MA ab 1 Inhalt: Driven by the rising popularity of (video) games, technology, business and society are increasingly influenced and penetrated by games and trends of the gaming industry. One of the probably most important phenomena of this multi-faceted development is “gamification”, which addresses the use of design principles and features from games in information systems, process or service design. Gamification’s popularity stems from the notion that games are a pinnacle form of hedonic information systems and thus are particularly effective in invoking intrinsic motivation and experiences such as autonomy, mastery, flow, immersion, relatedness and overall enjoyment. Across industries, marketers, designers and developers are thus using gamification as a design approach when engineering digital products and services with the purpose of inducing gameful experiences, influencing human motivation and even change behavior in various contexts. This course teaches the key concepts, design patterns, and approaches of motivational, hedonic (i.e. games and video games), social and gamified information systems. offers deep insights into advanced concepts and theoretical foundations of game design, motivational psychology, and information system design. introduces methods and frameworks for designing gamified systems and managing gamification projects. discusses latest research findings and the potential impact of gamification on society, economy and everyday life. Capstone Project: The course is complemented with a practical project, where students in a team select and apply design methods & techniques in order to create a prototype of a gamified / hedonic information system. Within this project the students can apply knowledge and skills acquired in this lecture and their studies in a challenging context. The results are presented towards peers and/or experts from research and/or industry. Schlagwörter: Gamification, Interactive Information Systems, HCI, Customer Engagement, Social Computing, Hedonic Systems, Games

Optimization for Engineers [OptIngLec] Dozent/in: Johannes Hild Angaben: Vorlesung mit Übung, 3 SWS, ECTS: 5 Termine: Do, Fr, 10:15 - 11:45, Zoom-Meeting Studienrichtungen / Studienfächer: WF ICT-MA ab 1 Voraussetzungen / Organisatorisches: This course aims at students of the Faculty of Engineering of all disciplines and is suitable as an elective subject in the Bachelor's and Master's degree. Requires contents of the lecture Mathematics for Engineers I, II and III. Especially: Linear algebra Analysis of real valued functions Differential and integral calculus in multi dimensional spaces Programming homeworks require basic knowledge in the implementation of algorithms and data structures in a development environment. Inhalt: Introduction to continuous optimization problems and methods with and without constraints Classification of problem types Optimality conditions and termination criterions Descent directions and line search methods Convergence analysis Unconstrained optimization Steepest descent and conjugate gradient Newton-type methods Nonlinear Least Squares Constrained optimization Projection methods Trust Region Barrier and penalty methods Outlook Linear programming and simplex method Integer programming Noisy functions Programming Homeworks Get in touch with GNU Octave Implementation of optimization algorithms Algorithmic optimization of test problems Empfohlene Literatur: Nocedal, Jorge and Wright, Stephen J.: Numerical Optimization. Springer Serie in Operations Research, 2006. Kelley, C. T.: Iterative Methods for Optimization. Frontiers in Applied Mathematics 18, SIAM Philadelphia 1999; Polak, E.: Optimization. Algorithms and Consistent Approximations.Applied Mathematical Sciences, Volume 124, Springer-Verlag New York, 1997. Jarre, F.:Optimierung, Springer 2003; Hamacher, H.W. and K. Klamroth, K.:Linear and Network Optimization: bilingual textbook. Vieweg 2000 Schlagwörter: optimierung optimization