Langfristiger Lehrplan

Im folgenden finden Sie einen Überblick über das feste Lehrangebot des Lehrstuhls Intelligente Systeme. Neben den hier beschriebenen, regelmäßig stattfindenden Lehrveranstaltungen werden eventuell weitere Veranstaltungen angeboten.

Winter- und Sommersemester

Fortgeschrittene Programmiertechniken

Im Winter- und Sommersemester wird jeweils die Vorlesung "Fortgeschrittene Programmiertechniken" (2 SWS), zusammen mit einer Programmierübung (2 SWS), angeboten.

Beschreibung: Aufbauend auf grundlegenden Programmiertechniken (in C, Java oder Python) werden weiterführende Sprachelemente und APIs in Java behandelt und anhand von komplexeren Fragestellungen in praktischen, themenübergreifenden Übungsprojekten angewendet.

Inhalte im Einzelnen:

  • Objektorientierte Programmierung
  • Architektur- und Entwurfsmuster
  • Objektserialisierung und Reflections
  • Datenbankanbindung
  • Nebenläufige Programmierung
  • Einführung in die Netzwerkprogrammierung
  • Graphische Benutzeroberflächen mit dem Model-View-Controller Prinzip


Lernziele: Die Studierenden sollen weiterführende Sprachkonzepte und APIs verstehen und anwenden können, die sie in die Lage versetzen, größere Anwendungen erfolgreich zu implementieren.

Studiengänge: Bachelor Angewandte Informatik, Bachelor ISE (Computer Engineering), Master Komedia, u.a.

Sprache: Deutsch

Wintersemester

Computer/Robot Vision

Im Wintersemester wird die Vorlesung "Computer/Robot Vision" (2 SWS), zusammen mit einer Übung (2 SWS), angeboten. 

Beschreibung: Die Veranstaltung behandelt  Methoden zur Extraktion von geometrischen Strukturen aus Einzelbildern sowie Methoden zur Extraktion und zur 3D Rekonstruktion von Änderungen und Bewegungen aus Bildfolgen.  Im Hinblick auf die Eignung in schwierigen Anwendungsfeldern wird auf die Robustheit besonderer Wert gelegt.  Das betrifft beispielsweise die medizinische Bildgebung,  nämlich die Extraktion von Knochen, Blutgefäßen und anderen Weichteilen aus Einzelbildern, sowie die Analyse des Blutflusses durch Adern und die Erfassung von menschlichen Bewegungen  anhand von Bildfolgen. Die Verwendbarkeit der Methoden wird auch in Produktionsumfeld sowie in Überwachungsszenarien demonstriert. Im Anwendungsfeld der Robotik können Fahrzeuge und  Manipulatoren zielgerichtet und  hindernisvermeidend, visuell-basiert,  autonom geregelt werden, sowie mit Hilfe von bewegten Kameras auch Modelle der Umgebung erstellt werden. Inhalte im Einzelnen:

- Einführung (Anwendungen, Verarbeitungsablauf)
- Medium-Level Strukturextraktion (Geraden, Konturen, Aktive Konturen, Hough-Transformation)
- Kameramodellierung (Kamera- und Projektionsmodelle, Bildentstehung, Kamerakalibrierung)
- Bildfolgenanalyse (Änderungsdetektion, Objektverfolgung, optischer Fluss, Korrespondenzanalyse) 

Lernziele: Die Studierenden sollen die Rolle und wichtige Einsatzgebiete von maschinellen Sehsystemen kennen lernen, die zugrunde liegenden mathematischen Ansätze verstehen und unter Verwendung einer Computer Vision Plattform entsprechende Verfahren implementieren, sowie über die Eignung ausgewählter Computer Vision Verfahren für bestimmte Aufgabenstellungen urteilen können.

Studiengänge: Master Angewandte Informatik, Master ISE (Computer Engineering, Computer Science and Communications Engineering, Automation and Control Engineering), Master Elektro- und Informationstechnik, Master Komedia, u.a.

Sprache: Englisch

Cognitive Robot Systems

Im Wintersemester wird die Vorlesung "Cognitive Robot Systems" (3 SWS), zusammen mit einer Übung (1 SWS), angeboten.

Beschreibung: Ein kognitives Robotersystem nimmt mit Sensoren die Umgebung und die eigene Körperlichkeit wahr, sammelt, strukturiert und verwendet selbständig Wissen, trifft darauf basierend sinnvolle Verhaltensentscheidungen, und reagiert/agiert mit Aktuatoren flexibel in Echtzeit. In der Vorlesung werden moderne Architekturkonzepte, Verfahren der Raumrepräsentation, zur Selbstlokalisierung, Kartenerstellung und hindernisvermeidenden Navigation, Systeme für visuell basiertes Greifen von Objekten, einfache Regelungsverfahren, Online-Roboterlernen sowie Robotik-Simulation behandelt. Im Rahmen der Übung werden ausgewählte Themen anwendungsbezogen vertieft. Inhalte im Einzelnen:

  • Anwendungen von kognitiven Robotersystemen
  • Kognitive Wahrnehmungs-Handlungs-Systeme
  • Bestandteile von Robotersystemen
  • Sensorsysteme als Grundlage für die Autonomie
  • Koordinatensysteme und Transformationen
  • Visuell-basierte Regelung eines Roboterarms
  • Arten der Umweltbeschreibung
  • Wegplanung zur Roboter-Navigation
  • Probabilistische Ansätze zur Roboterlokalisierung
  • Online lernende Verfahren zur Roboter-Navigation
  • Robotik Simulation
  • Programmierung kognitiver Robotersysteme
  • Robot Operating System

Lernziele: Die Studierenden sollen Architekturen von kognitiven Robotersystemen kennen lernen. Sie sollen Verfahren zur Roboterregelung, zur Wegplanung und Roboternavigation, zur Eigenlokalisierung,  sowie zum Roboter-Lernen verstehen und realisieren können, inklusive den zugrundeliegenden mathematischen und probabilistischen Methoden. Für bestimmte Problemstellungen sollen sie in der Lage sein, potentielle Konfigurationen vorzuschlagen und zu bewerten.

Studiengänge: Master Angewandte Informatik, Master ISE (Computer Engineering, Computer Science and Communications Engineering, Automation and Control Engineering), Master Elektro- und Informationstechnik, Master Komedia, Master Maschinenbau, u.a.

Sprache: Englisch

Sommersemester

Grundlagen der Bildverarbeitung

Im Sommersemester wird die Vorlesung "Grundlagen der Bildverarbeitung" (2 SWS), zusammen mit einer Übung (2 SWS), angeboten.

Beschreibung: Die Veranstaltung behandelt die Grundlagen der maschinellen Bildverarbeitung, bestehend aus Bildvorverarbeitung, Bildsegmentierung und Strukturextraktion. Vorweg werden der Begriff des digitalen Bildes eingeführt, der Aufbau und die Funktionsweise von CCD-, CMOS-Kameras erläutert, und diverse Merkmale zur Bildcharakterisierung vorgestellt. Inhalte im Einzelnen:

  • Einführung (Anwendungen, Ablauf eines Bildverarbeitungssystems)
  • Digitale Bilder (Digitale Repräsentation, Orts-/Frequenzraum, Bildeigenschaften)
  • Bildaufnahme (Einflußgrößen, Linsensysteme, industrielle Kameras)
  • Bildvorverarbeitung (Korrelation/Faltung, Glättung, Grauwertkanten, Grauwertecken)
  • Bildsegmentierung (Vordergrund/Hintergrund Separier., Regionen-/Berandungsorient. Segm.)
  • Morphologische Operationen (Strukturextraktion, Dilatation, Erosion, Opening, Closing)
  • Strukturbeschreibung (Form-/Farb-/Textur-Beschreibung von Segmenten, relat. Beschreibung)

Lernziele: Die Studierenden sollen den Prozess der digitalen Bilderzeugung kennen lernen und die Verwendung eines Bildverarbeitungssystems beherrschen. Es sollen die grundlegenden mathematischen Ansätze zur Bestimmung von Bildeigenschaften verstanden werden, und ausgewählte Verfahren der Bildvorverarbeitung, Segmentierung, und elementaren Strukturextraktion verstanden und implementiert werden. Für ausgewähltes Bildmaterial sollen die Studierenden fundierte Ratschläge geben können, wie eine Verarbeitung erfolgen soll, um bestimmte einfache Strukturen zu extrahieren.

Studiengänge: Bachelor Angewandte Informatik, Bachelor ISE (Computer Engineering), Bachelor Medizintechnik, Master EIT, u.a.

Sprache: Deutsch

Neuroinformatik und Organic Computing

Im Sommersemester wird die Vorlesung "Neuroinformatik und Organic Computing" (2 SWS), zusammen mit einer Übung (2 SWS), angeboten.

Beschreibung: Die Veranstaltung behandelt einige wichtige Typen von vorwärts gerichteten Neuronalen Netzen, wie Mehrschicht-Perzeptron, Radiale Basisfunktionen Netze, Tiefe Faltungsnetze und Support Vektor Maschinen. Übergreifend werden das grundlegende Problem des algorithmischen Lernens vorgestellt, nämlich das Bias-Varianz-Dilemma, sowie Lösungen diskutiert. Bezug nehmend auf Organic Computing werden self-X Fähigkeiten untersucht. Ein besonderer Wert wird darauf gelegt, einen Zusammenhang zu grundlegenden Techniken aus anderen Disziplinen herzustellen, wie Gradientenabstieg, lineare und quadratische Optimierung, statistische Entscheidungstheorie. Typische Anwendungen werden exemplarisch behandelt wie Signalfilterung, Mustererkennung, Roboterkontrolle. Inhalte im Einzelnen:

  • Einführung
  • McCulloch-Pitts Zelle, Perzeptron, Adaline
  • Statistische Entscheidungstheorie
  • Mehrschichtnetze, Tiefe Faltungsnetze
  • Netze radialer Basisfunktionen
  • Bias-Varianz-Dilemma
  • Netze von Support Vektoren
  • Organic Computing.

Lernziele: Die Studierenden sollen für ausgewählte Typen von Neuronalen Netzen deren Struktur und Lernmethodik verstehen, die grundlegende mathematische Fundierung nachvollziehen können, die prinzipielle Wirkung und die mögliche Anwendbarkeit kennen. Sie sollen für ausgewählte Problemstellungen sinnvolle Netztypen und Lernverfahren vorschlagen können.

Studiengänge: Master Angewandte Informatik, Master ISE (Computer Engineering, Computer Science and Communications Engineering, Automation and Control Engineering), Master Elektro- und Informationstechnik, Master Komedia u.a.

Sprache: Deutsch oder Englisch

Winter- oder Sommersemester

Bachelor-/Masterprojekt

Das Bachelor- und/oder Masterprojekt wird gegebenenfalls am Ende einer Vorlesungsperiode für das darauf folgende Semester angekündigt.

Grundsätzlich werden Anwendungen aus einem oder mehreren der folgenden Forschungsgebiete bearbeitet:

Bildanalyse, Spektraldatenanalyse, Maschinelles Lernen, Intelligente Roboter.

Der konkrete Inhalt wird jeweils gesondert bekannt gegeben.

Veranstaltung über 4 SWS:
Als Projekt für Bachelor Medizintechnik.

Veranstaltung über 6 SWS:
Als Projekt für Bachelor Angewandte Informatik und Bachelor ISE Computer Engineering.

Veranstaltung über 8 SWS:
Als Forschungsprojekt für Master Komedia.

Veranstaltung über 12 SWS:
Als Projekt für Master Angewandte Informatik (Wahlbereich "Informatik für Anwendungsbereich - Intelligente Technische Systeme und Wissenschaftliches Rechnen"), Master ISE Computer Engineering.

Bachelor-/Masterseminar

Das Bachelor- und/oder Masterseminar wird gegebenenfalls am Ende einer Vorlesungsperiode für das darauf folgende Semester angekündigt.

Grundsätzlich werden Themen aus einem oder mehreren der folgenden Forschungsgebiete behandelt:

Bildanalyse, Spektraldatenanalyse, Maschinelles Lernen, Intelligente Roboter.

Der konkrete Inhalt wird jeweils gesondert bekannt gegeben.

Veranstaltung über 2 SWS für folgende Bachelor- und Master-Studierende:

Master: AI-M (PO12, PO19), EIT (PO12: AT, TI; PO19), ISE-CE-M (PO08, PO15, PO19), ISE-ESE-M (PO15, PO19), KOM-M (PO14)
Bachelor:
AI-B (PO12, PO19), ISE-CE-B (PO15, PO19)

Studierende mit Seminarpflicht werden bei der Themenvergabe bevorzugt!

Druckversion
© Universität Duisburg-Essen, Lehrstuhl Intelligente SystemeLogin