Master Software Engineering: Lehrveranstaltungen und Informationen

Kurzbeschreibung

Softwaretesten für Fortgeschrittene mit vielen praktischen Übungen. Schwerpunkte sind Testfallfindung und Testabdeckung im Black- und White-Boxtesting. Darüberhinaus wird die Frage der Testqualität mittels Restfehlermessung und Testreife vertieft.

Methodik

Die Lernergebnisse werden Schritt für Schritt über die praktischen Übungen erarbeitet. Jedes Vorlesungsthema wird kurz vorgestellt, dann in einer Selbststudienphase zu Hause erarbeitet und dann in einer Lerneinheit gemeinsam im Hörsaal bearbeitet.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• professionell und methodisch Testfälle herzuleiten und deren Qualität zu bewerten.
• die Testreife einer Organisation zu bewerten und Restfehlerzahlen zu schätzen.

Lehrinhalte

• Black Box Testing (d.h. die Herleitung von möglichst guten Testfällen aus den Anforderungen)
• White Box Testing (d.h. die Herleitung von möglichst guten Testfällen aus Anforderungen und Code, objektive Messung der Testfallqualität, objektive Messung der Restfehlerrate)
• Testing Maturity (wie kann man die Reife einer Testorganisation steigern und wie kann man sie messen?)

Vorkenntnisse

Grundkenntnisse der Programmierung Grundkenntnisse des Software Testens

Literatur

• Selbststudienunterlagen werden durch die Vortragenden zur Verfügung gestellt.

Leistungsbeurteilung

• LV-Immanente Leistungsbeurteilung

Kurzbeschreibung

Die Lehrveranstaltung informiert über die Konzepte von fortgeschrittener Softwareentwicklung anhand von Theorieblöcken zu ausgewählten Kernkompetenzen wie Abstraktion, Refactoring und dem Umgang mit Abhängigkeiten. Zusätzlich werden Einzelübungen eingefordert, die vorgestellte Themen praktisch festigen und verständlich machen sollen.

Methodik

Seminar und Fernlehre

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• eine aus technischer Sicht passende Lösung für ein gegebenes Problem zu finden und zu argumentieren.
• bestehenden Legacy Source Code zu verstehen und aufgrund der gegebenen Probleme zu optimieren.
• qualitativ hochwertigere Software zu entwickeln.

Lehrinhalte

• Strukturiertes Refactoring
• Formen passender Abstraktion
• Design Patterns verstehen und anwenden
• Clean Code Prinzipien und Software Craftmanship
• Testbarkeit von Source Code und TDD
• Continious Integration und Continous Deployment in Software Projekten
• Anwenden von Consumer Driven Contract Testing

Vorkenntnisse

Programmierfertigkeiten in objektorientierten Sprachen wie Java oder C#. Grundverständnis für GOF Design Patterns. Grundverständnis für Clean Code Prinzipien.

Literatur

• siehe Moodle

Leistungsbeurteilung

• drei Einzelübungen; Test mit praktischem und theoretischem Part;

Kurzbeschreibung

Aspekte der funktionalen Programmierung (lambda expressions, higher-order functions,...) sind mittlerweile in weit verbreiteten Programmiersprachen (C++, Java, Python,...) verfügbar. Diese LV zeigt, wie funktionale Konzepte verwendet werden können, um eleganten, prägnanten und leicht testbaren Code zu erstellen.

Methodik

Vorträge, Learning Journal, Gruppenarbeiten, Mob Programming

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• die Grundzüge des Lambda-Kalküls zu verstehen und anzuwenden.
• funktionale Paradigmen wie Rekursion, Generalisierung und Parametrisierung anzuwenden.
• auf Basis von Typen und Funktionssignaturen Domänen zu beschreiben.
• funktionale Programme zu testen.
• vollständige (Konsolen-)Programme funktional zu schreiben.

Lehrinhalte

• Lambda-Kalkül
• F#
• Funktionale Paradigmen (Recursion, Generalisierung, Parametrisierung, etc)
• Type Driven Development
• Testen funktionaler Programme
• Architektur funktionaler Programme

Vorkenntnisse

Grundlagen der Programmierung

Literatur

• Functional Programming Using F# (Michael R. Hansen)
• Domain Modeling Made Functional (Scott Wlaschin)

Leistungsbeurteilung

• Individuelle immanente Leistungserbringung (Journals, Aufgaben) - 35%
• Abschlussprojekt - 65%

Kurzbeschreibung

Die Lehrveranstaltung informiert über die zentrale Rolle, die Softwarearchitektur für die Langlebigkeit der Software spielt. Der Fokus liegt dabei auf der Architektur des Anwendungskerns (A-Software), weil der Anwendungskern den Hauptteil größerer Softwaresysteme ausmacht. In Gruppen- und Einzelübungen werden theoretische und praktische Kompetenzen in den Bereichen Architekturqualität, Architekturentwicklung und Architekturdokumentation vertieft. Wann immer möglich, werden dabei Praxisbeispiele aus der Industrie herangezogen.

Methodik

Selbststudium (Wissenserwerb, Übungen) Die Präsenzphasen bestehen aus Beseitigung von allfälligen Unklarheiten Gruppenübungen Präsentation der zu Hause erzielten Ergebnisse Einzelübungen Austausch von Berufserfahrungen

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• eine gegebene Software-Architektur auf Stärken und Schwächen zu analysieren
• eine hochqualitative Software-Architektur zu entwerfen
• eine Software-Architektur zu dokumentieren, insbesondere durch Wahl der richtigen Sichten

Lehrinhalte

• Bedeutung der Software-Architektur für die Wartbarkeit der Software
• Qualitätskriterien für Software-Architektur
• Architektur-Entwicklungsmethoden
• Algorithmischen Architekturentwurf
• Schnittstellenentwurf
• Dokumentation von Softwarearchitekturen
• Rolle der Software-Architektin

Vorkenntnisse

Software-Entwicklung auf Bachelor-Level Berufserfahrung im Software-Engineering

Literatur

• Mahbouba Gharbi / Arne Koschel / Andreas Rausch / Gernot Starke, Basiswissen für Softwarearchitekten -Aus- und Weiterbildung nach iSAQB-Standard zum Certified Professional for Software Architecture – Foundation Level, dpunkt-Verlag, Heidelberg, 2017
• https://martinfowler.com/articles/microservices.html
• Cesare Pautasso, Olaf Zimmermann, Mike Amundsen, James Lewis, and Nicolai Josuttis, Microservices in Practice, IEEE Software, 2017
• Johannes Siedersleben, Moderne Software-Architektur, dpunkt.verlag, Heiderlberg, 2004

Leistungsbeurteilung

• Beurteilung der Einzelübungen
• Beurteilung der Gruppenübungen
• Beurteilung der Heimarbeit

Kurzbeschreibung

Informatik hat weitreichende Auswirkungen auf das Leben des menschen. Einerseits eröffnen die Informationstechnologien völlig neue Möglichkeiten, anderseits stellen sie auch Risiken dar. Die Lehrveranstaltung beschäftigt sich aus Sicht der Informatik mit diesen Fragestellungen. Anhand von teils provokanten Aussagen werden verschiedene Aspekte beleuchtet. Zum Beispiel stellt sich die Frage inwieweit Gesundheitsdaten von Patienten zentral gesammelt werden sollen, da dies neben positiven auch negative Auswirkungen haben könnte.

Methodik

Seminar flipped classroom E-Learning

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• positive und negative Auswirkungen der Informatik auf das Leben des Menschen zu benennen
• zumindest eine Element, sowohl in den positiven Auswirkungen als auch in den negativen Auswirkungen im Detail darzulegen

Lehrinhalte

• Intelligente Waffen
• Überwachung
• Autonomes Fahren
• Informatik und Umweltverschmutzung
• Informatik und Bevölkerungsentwicklung
• Nukleare Bedrohung und Informatik
• Manipulation und Informatik
• Veränderung des Lebens durch Informatik
• Künstliche Intelligenz
• Können alle Menschen von der IT profitieren?
• Entwicklung der Robotik
• Verdummung durch Medien?
• Risiken durch den Einsatz von Informatik

Vorkenntnisse

Bachelor in Informatik o.ä. Abschluss

Literatur

• Bruderer, Herbert; Meilensteine der Rechentechnik; Band 1, 970 Seiten, 577 Abbildungen, 114 Tabellen; Band 2, 1055 Seiten, 138 Abbildungen, 37 Tabellen; De Gruyter Oldenbourg, Berlin/Boston, 3. Auflage 2020
• Albert Szent-Györgyi, Der fehlentwickelte Affe oder die Unfähigkeit des Menschen mit seinen Problemen fertig zu werden, Bertelsmann Wien 1971
• Lesch & Kamphausen, Die Menscheit schafft sich ab. Die Erde im Griff des Anthropozän, Komplett Media 2017
• Stuart Russell, Peter Norvig, Künstliche Intelligenz , Pearson Studium - IT, 3. Auflage, 2012

Leistungsbeurteilung

• Kontinuierliche Leistungsbeurteilung

Anmerkungen

keine

Kurzbeschreibung

Softwaresysteme gibt es unzählige, doch sehr viele davon verursachen Probleme bei den Benutzern – egal ob im betrieblichen oder privaten Umfeld. Das kostet Geld, Zeit und Reputation, manchmal stellt dies sogar ein Sicherheitsrisiko dar! Wie entwickelt man aber Systeme, welche nachweislich den Anforderungen der tatsächlichen Benutzer entsprechen, sowohl in dem was sie bieten also auch wie? Nur derartig umgesetzte Systeme haben nachhaltig Erfolg, daher wird in dieser Lehrveranstaltung der Benutzer zentrierte Designansatz vermittelt.

Methodik

In dieser LV stehen neben direkt anwendbaren theoretischen Grundlagen zahlreiche praktische Beispiele im Vordergrund. Die Methodik und Inhalte wurden seit dem letzten WS komplett überarbeitet. Es werden in diesem WS mehr Vorkenntnisse vorrausgesetzt!

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• die Notwendigkeit und Vorteile eines User Centered Design Prozess zu erläutern bzw. für konkrete Projekte zu argumentieren
• die einzelnen Bestandteile/Phasen des User Centered Design Prozesses im Detail zu erläutern und für konkrete Projekte zu planen 
• eine Auswahl gängiger Methoden für konkrete Projekte anwenden können

Lehrinhalte

• Usability Engineering und UX Prozesse, Methoden und deren Anwendung, Fallstricke und Risikofaktoren
• Kognitions- und sozialpsychologische Grundlagen der UX Gestaltung

Vorkenntnisse

Grundlegende Kenntnisse zu dem Usability Enginering bzw. UX Design Ansatz und Phasen werden vorrausgesetzt. Ein Reader wird asap bereitgestellt, mittels welchem Studenten feststellen können, ob ihre Vorkenntnisse ausreichen bzw. ggf diese zu ergänzen.

Literatur

• tbd

Leistungsbeurteilung

• Laufende Überprüfungen der Inhalte der Fernlehreeinheiten Abschließender schriftlicher Test

Kurzbeschreibung

Der Kurs vermittelt fundiertes Modellierungswissen. Er unterscheidet sich von vielen herkömmlichen UML-Kursen in folgenden Punkten 1) viele Beispiele aus der Industriepraxis 2) auch non-UML-Methoden werden gebracht, sofern in der Industrie relevant 3) starker Fokus auf Modellierungsmethodik, nicht nur „Modellierungsgrammatik“. Insbesondere werden die Reihenfolge der Diagrammerstellung, die Beziehungen zwischen den Diagrammen und die Verzahnung mit anderen Schritten im Software-Engineering (z.B. Codegenerierung und Model-Based-Testing) betrachtet. Zwischen den diversen Veranstaltungen des Vortragenden werden mehrere durchgängige Fallstudien verwendet, um die Zusammenhänge zwischen den verschiedenen Teilen des Software-Engineerings klarer aufzuzeigen.

Methodik

Selbststudium, inkl. verpflichtender und optionaler Übungen für zu Hause Die Präsenzphasen bestehen aus: 1) Beseitigung von allfälligen Unklarheiten 2) Präsentation der zu Hause erzielten Ergebnisse 3) Gruppenübungen 4) Einzelübungen 5) Austausch von Berufserfahrungen Für Details siehe ppt “Training Approach Blended Learning” in Moodle.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• sowohl statische als auch dynamische Eigenschaften eines IT-Systems in UML zu modellieren.
• die Qualität von Modellen einzuschätzen.
• für ihr Projekt die passende Modellierungsmethode zu entwickeln und in der Praxis erfolgreich zu verwenden

Lehrinhalte

• Strukturmodellierung
• Verhaltensmodellierung
• Modellierungsmethodik

Vorkenntnisse

Grundwissen der objektorientierten Programmierung

Literatur

• Weilkiens, Tim / Oestereich, Bernd: „UML 2 - Zertifizierung: Fundamental, Intermediate und Advanced"

Leistungsbeurteilung

• LV-immanente Leistungsbeurteilung

Kurzbeschreibung

Der Kurs vermittelt anhand von Industriebeispielen fortgeschrittenes Praxiswissen im Bereich des Requirements Engineerings, also des systematischen Erhebens und Dokumentierens von Anforderungen. Beim Erheben wird der Schwerpunkt auf die verschiedenen Arten von Anforderungen gelegt, die verschiedene Erhebungsmethoden erforderlich machen. Schwerpunkte beim Dokumentieren sind Änderbarkeit, Verfolgbarkeit und das Vermeiden von sprachlichen Schwächen. Zwischen den diversen Veranstaltungen des Vortragenden werden mehrere durchgängige Fallstudien verwendet, um die Zusammenhänge zwischen den verschiedenen Teilen des Software-Engineerings klarer aufzuzeigen.

Methodik

Selbststudium, inkl. verpflichtender und optionaler Übungen für zu Hause Die Präsenzphasen bestehen aus: 1) Beseitigung von allfälligen Unklarheiten 2) Präsentation der zu Hause erzielten Ergebnisse 3) Gruppenübungen 4) Einzelübungen 5) Austausch von Berufserfahrungen Für Details siehe ppt “Training Approach Blended Learning” in Moodle.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• die verschiedensten Anforderungstypen mittels geeigneter Methoden zu erheben
• den Gesamtbestand der Anforderungen geeignet zu strukturieren
• jede einzelne Anforderung eindeutig zu dokumentieren

Lehrinhalte

• Requirements elicitation
• Requirements structuring
• Requirements documentation

Vorkenntnisse

Praxiserfahrung im Requirements Engineering ist hilfreich.

Literatur

• Chris Rupp, Requirements-Engineering und -Management: professionelle, iterative Anforderungsanalyse für die Praxis (Hanser, 2009)
• Klaus Pohl, Chris Rupp, Requirements Engineering Fundamentals (Rocky Nook, 2011)
• Die Arbeit von Carl Wiegers ist alt, aber immer noch lesenswert: http://www.processimpact.com/pubs.shtml#requirements
• Die Sophist Group publiziert viel interessantes RE-Material: https://www.sophist.de/downloads/

Leistungsbeurteilung

• LV-immanente Leistungsbeurteilung

Kurzbeschreibung

Diese Lehrveranstaltung beschäftigt sich mit weiterführenden Themen rund um Projektmanagement von Softwareprojekten. Lehrinhalt sind ausgewählte Themen rund um den gesamten Application Life Cycle, einen Schwerpunkt bildet Projektmanagement im Rahmen einer voll-integrierten „Development Pipeline“. Die Lehrveranstaltung bildet eine Art Klammer um andere Lehrveranstaltungen des 1. Master-Semesters und zeigt, wie die dort vermittelten Inhalte im Rahmen von Softwareprojekten aus Projektmanagement-Sicht zusammenhängen (ALM, Testen, Requirements-Engineering, verteilte SW-Teams,…). Das Augenmerk liegt dabei auf agilen Vorgehensmodellen und Kreisorganisationen.

Methodik

Vortrag, Übungen, Selbststudium und laufendes Feedback.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• ...die Einbettung von Softwareprojekten in eine Kreisorganisation zu verstehen und zu erklären,
• ...Projekt-organisatorischen Nutzen und Gefahren beim Einsatz örtlich verteilter Softwareteams einzuschätzen,
• ...Softwareanforderungen mittels User Stories zu beschreiben, z.B. mittels Story Mapping,
• ...eine einfache voll-integrierte "Development Pipeline" für ein konkretes Software-Projekt einzurichten (Continuous Integration and Deployment).

Lehrinhalte

• Moderne Organisationsformen für (agile) Softwareunternehmen (Soziokratie, Kreisorganisationen...)
• Dispersed & Distributed Softwareentwicklungs-Teams aus Projekt-organisatorischer Sicht
• Software-Spezifikation innerhalb einer modernen „Development-Pipeline“, Story Mapping, Sprints vs. kontinuierlicher Arbeitsfluss
• SW-Projektmanagement mit voll-integrierten Development-Umgebungen (auf Basis Microsoft Azure DevOps)
• SW-Projektmanagement: Backlog-Management, Teamplanung, Grooming, Analysen Continuous Integration and Deployment

Vorkenntnisse

Projektmanagement-Kenntnisse in Theorie und Praxis auf dem Niveau eines facheinschlägigen technischen Bachelor-Studiums.

Literatur

• Bernd Oesterreich / Claudia Schröder (2017): Das kollegial geführte Unternehmen, Verlag Franz Vahlen
• Bernd Oesterreich / Claudia Schröder (2019): Agile Organisationsentwicklung: Handbuch zum Aufbau anpassungsfähiger Organisationen, Verlag Franz Vahlen
• Niels Pfläging (2014): Organisation für Komplexität, Redline Verlag
• Amy C. Edmondson (2019): The Fearless Organization, Wiley
• Carl Newport (2016): Deep Work: Rules for Focused Success in a Distracted World, Grand Central Publishing

Leistungsbeurteilung

• Übungen zum Aufbau einer integrierten Development Pipeline: 40%
• Schriftliche Prüfung (Online mit Moodle): 60%

Kurzbeschreibung

Die Lehrveranstaltung vermittelt den Studierenden theoretische Kenntnisse zur Führung interkultureller, verteilter und internationaler (IVI-)Teams und bereitet sie darauf vor diese im beruflichen Kontext umzusetzen. Die persönliche Reflexion, das Behandeln von Fallbeispielen und das Üben von Verhaltensmöglichkeiten stehen im Mittelpunkt.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Probleme, Chancen und Dynamiken in IVI-Teams (z.B. anhand der Kulturdimensionen, -identitäten) zu analysieren und das eigene Verhalten zu reflektieren.
• ie Rolle der Führung in den unterschiedlichen Phasen der Teamentwicklung (z. B. nach Tuckman) insbesondere in IVI-Teams zu erläutern und relevante Führungshandlungen abzuleiten.
• Führungstrategien in IVI-Teams (z. B. Aufgaben und Instrumente) zu erläutern und beispielhaft zu entwickeln.

Lehrinhalte

• Multi-, Inter- und Transkulturalität
• Kulturaspekte (z.B Kulturdimensionen nach Hofstede und kulturelle Identität)
• Faktoren im internationalen Personalmanagement
• Charakertistika verteilter Teams
• Führung (z.B. Stile und -instrumente) von Projetteams
• Kriterien und Kompetenzen für erfolgreiche IVI-Teamführung

Vorkenntnisse

keine

Literatur

• Cronenbroeck, Wolfgang (2008): Projektmanagement, Verlag Cornelsen, Berlin
• Kellner, Hedwig (2000): Projekte konfliktfrei führen. Wie Sie ein erfolgreiches Team aufbauen, Hanser Wirtschaft
• Majer Christian/Stabauer Luis (2010): Social competence im Projektmanagement - Projektteams führen, entwickeln, motivieren, Goldegg-Verlag, Wien

Leistungsbeurteilung

• LV-Immanente Leistungsbeurteilung und Prüfung (Note)

Anmerkungen

keine

Kurzbeschreibung

Die Studierenden erhalten in den ersten beiden Einheiten einen Überblick über das Software-Qualitätsmanagement. In den beiden Folgeeinheiten gibt es "Deep-Dives" in zwei Spezialthemen: Die Qualität von Aufwandsschätzungen in Software-Projekten und die Qualität von Daten-Visualisierungen für das Management. Die Fallbeispiele stammen weitgehend aus der Industriepraxis. Zwischen den diversen Veranstaltungen des Vortragenden werden mehrere durchgängige Fallstudien verwendet, um die Zusammenhänge zwischen den verschiedenen Teilen des Software-Engineerings klarer aufzuzeigen.

Methodik

Selbststudium (Wissenserwerb, Übungen) Die Präsenzphasen bestehen aus Beseitigung von allfälligen Unklarheiten Gruppenübungen Präsentation der zu Hause erzielten Ergebnisse Einzelübungen Austausch von Berufserfahrungen

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• in allen unter “Lernergebnisse” angegebenen Feldern
• 1) hochqualititative Arbeitsergebnisse zu erzielen
• 2) Arbeitsergebnisse anderer Personen zu qualitätszusichern
• 3) die Methodik zu reflektieren und den konkreten Projekterfordernissen anzupassen

Lehrinhalte

• Schreiben eines Software-Qualitätsplans
• Analytische, konstruktive und reparative Maßnahmen im Software-Qualitätsmanagement
• Qualitätsmaßnahmen gegen Anforderungsfehler, Implementierungsfehler und Nutzungsfehler
• Qualitätsmaßnahmen in den Feldern „Prozess“, „Mensch“ und „Tool“
• Poka Yoke
• Quality Function Deployment (QFD)
• Failure Modes and Effects Analysis (FMEA)
• Methoden der Aufwandsschätzung (Expertenschätzung, Story Points, Classic Function Points, Delphi-Methode)
• Methoden der Risikoschätzung
• Definition von Kennzahlen im Software-Engineering (LOC, McCabe, Halstead, …)
• Visualisierung von Kennzahlen im Software-Engineering

Vorkenntnisse

Qualitätsmanagement und Software-Entwicklung auf Bachelor-Level. Berufserfahrung im Software-Engineering

Literatur

• Literaturempfehlungen sind in der Unterlage enthalten

Leistungsbeurteilung

• Die Leistungsbeurteilung basiert auf den Ergebnissen der Einzelübungen, Gruppenübungen und der Heimarbeit.

Kurzbeschreibung

Die Lehrveranstaltung informiert über Frameworks auf unterschiedlichen Ebenen der Softwareentwicklung anhand von Theorieblöcken zu ausgewählten Softwarebestandteilen wie Frontend, Integration, Backend und Persistenz. Zusätzlich werden Einzelübungen eingefordert, die vorgestellte Themen praktisch und in Relation zu aktuell häufig verwendeten Frameworks und Technologien stellen.

Methodik

Einzelübungen, Gruppenübungen, Abgaben und Vorlesung.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Technologieentscheidungen als Kommunikations- und Präsentationsunterlagen aufzubereiten.
• Eine Entscheidung zu gunsten einer Technologie oder eines Frameworks für ein gegebenes Problem treffen und in der Lage sein diese auch schlüssig argumentieren.
• Abstraktionen hinter Frameworkimplementierungen verstehen.
• Anfallende Technologieentscheidungen anhand von objektiven Kritieren treffen and ausdrücken.

Lehrinhalte

• Asynchrone vs. synchrone Kommunikationspatterns
• Single Page Applicatons vs. traditional Serverside-View-Rendering
• Eventstores und Message-Queues
• Relationale und No-SQL Persistenz
• Dienstkomposition mit Orchestrierung und Choreografie
• Reactive Entwicklungsmuster

Vorkenntnisse

Bachelor in Computer Science

Literatur

• Siehe Moodle

Leistungsbeurteilung

• Abgaben
• Test

Kurzbeschreibung

Die Lehrveranstaltung bietet eine Einführung in die Anwendungsgebiete und Methoden von Data Science, mit einem Schwerpunkt auf unüberwachten Lernverfahren, wie Clustering oder Assocation Rule mining und Collaborative Filtering, Anomalieerkennung, und einem Überblick auf überwachte Verfahren. Die LVA deckt den gesamten Datenanalyseprozess ab, anhand von Prozessmodellen wie Fayyad’s Knowledge Discovery in Databases Prozess oder dem CRISP-DM u.Ä. Data Science Modellen ab

Methodik

Vorlesung und Erarbeitung von Übungsbeispielen

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Aus großen Datenbeständen relevante Erkenntnisse zu extrahieren
• Unternehmerische Probleme und Fragestellungen mit Hilfe von Daten zu analysieren
• Die Auswahl geeigneter Data Science Methoden für eine Problemstellung zu treffen

Lehrinhalte

• Datenprojektion / Dimensionality reduction
• Collaborative Filtering
• Clustering
• Datenvisualisierung
• Ausreißererkennung

Vorkenntnisse

Grundkenntnisse in Statistik (wichtige Elemente werden wiederholt)

Leistungsbeurteilung

• Praktische Übungsbeispiele & Abschlussprüfung

Kurzbeschreibung

Die Lehrveranstaltung bietet eine Einführung in die Methoden des Machine Learnings, mit einem speziellen Fokus auf überwachten Lernverfahren, bis hin zu aktuellen Themen wie Deep Learning. Die Lehrveranstaltung behandelt den gesamten Analyseprozess, von der Datenaufbereitung bis zur Evaluierung der Modelle.

Methodik

Vorlesung und Erarbeitung von Übungsbeispielen

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Problemstellungen in der Datenanalyse als Machine Learning Aufgabe zu erkennen und definieren
• Geeignete Methoden für die Datenaufbereitung und den Lernalgorithmus auszuwählen
• Modelle und Ergebnisse auf ihre Güte und praktische Einsatzfähigkeit zu bewerten

Lehrinhalte

• Überblick über unüberwachte und überwachte Lernverfahren, sowie deren Einsatzgebiete
• Überblick über Feature Extraction Methoden, für Multi-Modale Inhalte (Bild, Audio, Text, ..)
• Methoden der Datenaufbereitung: Enkodierung, Normalisierung/Standardisierung, Korelationsanalyse, Feature/Attributeselektion,
• Funktionsweise von populären Machine Learning Algorithmen: k-NN, Naive Bayes, Decision Trees, Random Forests, Perceptron und Neuronale Netze, Support Vector Machines
• Ensemble Learning
• Deep Learning
• Evaluierung von Machine learning Modellen: Experiment Setup, Kennzahlen für die Bewertung der Performanz, Signifikanzanalyse, Kostenfunktionen

Vorkenntnisse

Grundkenntnisse in Statistik, Grundkenntnisse in einer der Programmiersprache Java/R/Matlab/Python

Literatur

• Zum Beispiel Tom Mitchell "Machine Learning", Christopher M. Bishop "Pattern Recognition"

Leistungsbeurteilung

• Praktische Übungsbeispiele & Abschlussprüfung

Kurzbeschreibung

Interaction Design ergänzt die im Masterstudiengang Software Engineering unterrichteten Inhalte um die wichtigen Aspekte der anwendungsorientierten Entwicklung von Benutzeroberflächen im Zuge des User Centered Design Prozesses. Die Lehrveranstaltung vermittelt praktische Skills im Entwurf von User Interface-Prototypen.

Methodik

Problem und Project Based Learning

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• einfache Userinterfaces zu designen
• die Bedeutung des Interface Design Prozesses zu erläutern
• Interface Designprozesse in Software Entwicklungsprozessen zu planen

Lehrinhalte

• Interaction Design und Interface Design
• Selbstständige Entwicklung von Benutzeroberflächen

Vorkenntnisse

Grundlagen der Informatik, Grundlagen des User Centered Designs

Literatur

• Tidwell, Jenifer, Designing Interfaces, O'Reilly Media, 2. Auflage 2011, ISBN-13: 978-1449379704
• Weinschenk, Susan, 100 Things Every Designer Needs to Know About People, 1. Auflage 2011, ISBN-13: 978-0321767530
• Saffer, Dan, Designing for Interaction, New Riders, 2. Auflage 2009, ISBN-13: 978-0321643391
• Unger, Russ, Chandler, Carolyn, A Project Guide to UX Design, New Riders 1. Auflage 2009, ISBN-13: 978-0321607379
• Cooper, Alan, Reimann, Robert, Cronin, David, About Face; 1. Auflage 2010, ISBN-13: 978-3826658884

Leistungsbeurteilung

• Begleitende Leistungsfeststellung

Anmerkungen

Studierende arbeiten vorzugsweise an realen Projekten. Der Unterricht erfolgt individuell, synchron oder asynchron unter Einsatz moderner Kommunikationsmittel. Die Lehrveranstaltung scheint teilweise, oder nicht im Stundenplan auf und es werden keine Anwesenheitslisten geführt.

Kurzbeschreibung

Die Lehrveranstaltung befasst sich mit den folgenden Themenbereichen - Effiziente Kommunikation in Softwareentwicklungsprojekten durch Berücksichtigung menschlicher Faktoren - Human Factors in der Mensch Maschine Kommunikation

Methodik

Seminar Fernlehre

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• zu einem gewählten Thema eine Elevator Pitch zu entwickeln und zu halten.
• ein gängiges kommunikatives Verfahren um mit Widerständen umgehen zu können, zu beschreiben
• die bewussten und unbewussten Aspekte der Kommunikation zu erläutern.
• eine Methode für eine erfolgreiche Zusammenarbeit von UX- und SCRUM-Teams zu erläutern
• Grundlegende Elemente von HCI zu erläutern

Lehrinhalte

• Praktische Kommunikationsübungen
• Elevator Pitch
• Umgehen mit Widerständen
• Theorie der Sinneskanäle
• Emotionale Intelligenz
• NLP meta-model language patterns
• Körpersprache
• Umgehen mit Einwänden
• Kooperation von SCRUM und UX Teams in agilen SWE
• Grundlagen HCI

Vorkenntnisse

- Gute Kentnisse des Softwareentwicklungsprozesses - Basiskentnisse über Kommunikation

Literatur

• Samy Molcho. Körpersprache des Erfolges. Ariston 2005
• A Edmüller, T Wilhelm. Manipulationstechniken erkennen und abwehren. Haufe 2005
• A Schwarz, Ronald Schweppe. Praxisbuch NLP. Südwest 2000
• Gerd Siemoneit-Barum und Robert Griesbeck. Die Kunst, mit dem Tier im Menschen umzugehen:Geheimnisse eines Dompteurs, Gräfe und Unzer Edition, 2007
• Karsten Bredemeier. Schwarze Rhetorik - Macht und Magie der Sprache.Goldmann 2002
• Seibert, Pucher. Usability und User Experience: Prüfungsvorbereitung zum Certified Professional for Usability Engineering and User Experience Design

Leistungsbeurteilung

• Immanente Leistungsbeurteilung

Anmerkungen

Keine

Kurzbeschreibung

Die LV bietet eine Einführung in GPGPU (General Purpose Computation on Graphics Processing Unit) Programmierung unter OpenCL

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Einfache OpenCL Applikationen zu implementieren
• Die grundlegende Architektur einer GPU und die zugehörigen Modelle paralleler Programmierung zu erklären

Lehrinhalte

• OpenCL Programmierung
• GPU Architektur

Vorkenntnisse

Programmierkentnisse in C++, C# oder Java

Leistungsbeurteilung

• Selbstevaluierungsaufgaben
• Projektarbeit
• Abschlußpräsentation

Kurzbeschreibung

Paralleles Programmen mittels Multithreading

Methodik

Vorlesung mit praktischen Übungen, sowie Übungsbeispiele.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Concurrency Primitives wie etwa Monitors zu verstehen und praktisch anzuwenden.
• Fehler in Verbindung mit Multithreading wie etwa Race-Conditions und Deadlocks zu erklären und zu vermeiden.
• nicht-parallelisierten Programmcode im Bezug auf potentiellen Performance-Gewinn durch Parallelisierung zu analysieren und gegebenenfalls dies umzusetzen
• in mindestens einer Programmiersprache sowohl Schleifen als auch Divide-and-Conquer-Algorithmen parallel so zu implementieren, sodass es einen Performance-Gewinn gibt.
• Konzepte wie Thread-Pooling, Data-Parallelism und Task-Parallelism in Frameworks wie OpenMP, CilkPlus, TPL und Java Parallel Streams zu erklären und in einfachen Aufgabenstellungen anzuwenden.
• Performance-Probleme wie etwa Oversubscription oder False-Sharing zu erklären und zu vermeiden.

Lehrinhalte

• Entwickeln und Anwenden paralleler Programmierkonzepte. In praktischen Übungen werden die Konzepte in Programmiersprachen C# und C behandelt. Im Laufe der Lehrveranstaltung werden vereinzelt Alternativen in anderen Programmiersprachen besprochen und Gemeinsamkeiten sowie Unterschiede erläutert.

Vorkenntnisse

C-Basiskenntnisse, sehr gute Programmierkenntnisse in mindestens einer Programmiersprache

Literatur

• Michael McCool et al, Structured Parallel Programming: Patterns for Efficient Computation. Morgan Kaufmann, 2012
• Tim Mattson et al, Patterns for Parallel Programming. Addison-Wesley Professional, 2004

Leistungsbeurteilung

• LV-Immanente Leistungsbeurteilung

Kurzbeschreibung

Diese Lehrveranstaltung besteht aus zwei Teilen. Der erste Teil beschäftigt sich mit weiterführenden Themen rund um Projektmanagement. Der Lehrinhalt orientiert sich am PMI Standard, hier vorwiegend die Prozessgruppen Ausführung, Überwachung und Steuerung sowie Abschluss. Die Lehrveranstaltung behandelt vertiefende Aspekte im IT Projektmanagement, insbesondere Internationale und Interkulturelle in verteilten und virtuellen Teams. Im Rahmen des zweiten Teils dieser Lehrveranstaltung werden Thema/Projekt für die nachfolgenden Lehrveranstaltungen "Master Project" und "Master Thesis" fixiert, eine erste Forschungsfrage formuliert und die notwendige Projektinfrastruktur (Kommunikation, Reporting, Rechtliches, etc.) aufgebaut. Ziel ist es, die Vorprojektphase abzuschließen um Anfang des 3. Semesters (bzw. auf Wunsch auch vor dem Sommer) ohne Verzögerung mit dem Master Projekt starten zu können.

Methodik

Vortrag, Übung, Selbststudium, Ausarbeitungen und Präsentationen, Fallbeispiele KickOff Veranstaltung und individuelle Betreuung

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• relevante Kulturdimensionen in internationalen IT Projekten zu benennen.
• internationale Projekte in Hinblick auf deren Risiken zu bewerten.
• die unterschiedlichen Auswirkungen von virtuellen und verteilten Teams zu beschreiben.
• adäquate Controlling-Instrumente für internationale IT Projekte zu wählen und zu verwenden
• zu Beginn des 3. Semesters mit dem Master Projekt starten

Lehrinhalte

• IT Projektmanagement Vertiefung mit den Schwerpunkten Internationalität, Interkulturalität und Virtualität:
• Diversität und Komplexität in Internationalen IT Projekten
• Aufbau Projektsteuerungssystem (Project Score Card)
• Risikomanagement in Internationalen IT Projekten
• Projektsteuerung und Reviews in Internationalen IT Projekten
• Controlling-Tools in Internationalen IT Projekten
• Themensuche Masterarbeit, Projektinfrastruktur

Vorkenntnisse

Grundlagen Projektmanagement Advanced IT Projektmanagement 1 aus dem 1. Semester

Literatur

• PMBOK (2017) - A Guide to the Project Management Body of Knowledge (PMBOK® Guide) - 6th Edition
• Köster, Kathrin (2009): International Project Management - London: Sage.
• Richtlinien der ÖAWI zur Guten Wissenschaftlichen Praxis/OeAWI Guidelines for Good Scientific Practice (April 2015)

Leistungsbeurteilung

• Begleitende Leistungsfeststellung, optionale Abschlussprüfung

Anmerkungen

keine

Kurzbeschreibung

Die Lehrveranstaltung wird ausschließlich in englischer Sprache angeboten. Alle weiteren Informationen finden Sie auf der englischsprachigen Version dieser Seite.

Kurzbeschreibung

Der Kurs Machine Learning 2 hat zum Ziel, Methoden des Machine Learnings direkt in einer Projektarbeit anzuwenden. Zunächst wird ein solches reales Projekt dargestellt, um den generellen Ablauf zu skizzieren. Danach widmen sich die Studierenden eigenen, selbst gewählten Projekten und erarbeiten sich Lösungsansätze. Während der LV wird der Status Quo der einzelnen Projekte immer wieder in großer Runde den anderen Studierenden präsentiert, mit dem Ziel hilfreichen Input für die Weiterentwicklung zu erhalten. Das Endergebnis wird am Ende im Kurs vorgestellt und kritisch diskutiert.

Methodik

Ausarbeitung eines eigenen Projektes aus dem Bereich Machine Learning mit Diskussion und Präsentation.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• reale Problemstellungen zu erfassen und diese sinnvoll mit Machine Learning Konzepten zu lösen.
• sich kritisch mit dem sinnvollen Einsatz von Machine Learning Konzepten auseinanderzusetzen.
• ihre Ergebnisse vor Dritten zu präsentieren und Ergebnisse nachvollziehbar darzustellen.
• Meilensteine in der Konzeptionierung von Machine Learning Ansätzen zu formulieren.

Lehrinhalte

• Erarbeitung von Milestones in der Umsetzung von Machine Learning Projekten
• Konzipieren von Lösungsansätzen für Machine Learning Methoden
• Selbstkritische Reflexion von Schwierigkeiten während des gesamten Prozesses
• Übung von Präsentation der Ergebnisse vor einem kritischen Publikum

Vorkenntnisse

Programmierkenntnisse in klassischen Machine Learning Programmiersprachen (frei wählbar) und Kenntnisse über den grundsätzlichen Einsatz von Machine Learning Methoden

Literatur

• Frei verfügbare Datensets: https://medium.com/towards-artificial-intelligence/best-datasets-for-machine-learning-data-science-computer-vision-nlp-ai-c9541058cf4f

Leistungsbeurteilung

• 10%: Projektdokumentation
• 60%: Ausarbeitung, Ergebnis und Bewertung der Projektarbeit
• 30%: Präsentation und Bewertung der Endergebnisse der Projektarbeit

Kurzbeschreibung

In dieser Lehrveranstaltung lernen Sie die volle Kapazität Ihres Gehirnes zu nutzen um Probleme zu lösen und Ziele zu erreichen.

Methodik

Seminar und Fernlehre

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Ziele die sie erreichen wollen zu formulieren
• grundlegende Elemente der Aufmerksamkeitsmeditation zu praktizieren
• bewusste Fokussierung auf Ziele zur Ausrichtung von unbewussten Prozessen zu nutzen

Lehrinhalte

• Informationsverarbeitung im menschlichen Gehirn
• Bewusste und unbewusste Hirnareale
• Unbewusstes Wissen nutzen
• Meditationstechniken um die eigene Performance zu steigern

Vorkenntnisse

keine

Literatur

• James Borg, "Mind Power", Pearson 2010
• Kazuo Inamori, "A Compass to Fulfillment", Mc Graw Hill
• Heinz Hilbrecht, "Meditation und Gehirn", Schattauer, 2010
• Richard Bandler, "Veränderung des subjektiven Erlebens", Jungfern Verlag 2007, Original: "Using your brain - for a change", Real People Press, U.S. (August 1985)
• Henry P. Stapp, "Mindful Universe" 2nd Edt Springer 2011
• Chade-Meng Tan "Search Inside Yourself" Optimiere dein Leben durch Achtsamkeit, Goldmann Verlag 2015
• David Eagleman, "Incognito: The Secret Lives of the Brain", Canons 2016
• Leonard Mlodinow, "Subliminal: How Your Unconscious Mind Rules Your Behavior", Vintage books 2013

Leistungsbeurteilung

• Immanente Leistungsbeurteilung

Anmerkungen

keine

Kurzbeschreibung

Ziel dieser Lehrveranstaltung ist es, Ihnen einen Überblick über den Einsatz aktueller Webtechnologien zu geben

Methodik

Seminar, Fernlehre

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• eine Single-Page Web-App unter Zuhilfenahme von Angular/React/Vue.js zu implementieren
• die einzelnen Technologien nach Stärken und Schwächen sowie Einsatzgebieten unterscheiden zu können

Lehrinhalte

• Rich Internet Applications (HTML/JavaScript-basiert): Programmiersprachen & Frameworks
• JS Libraries/Frameworks: Angular / React / Vue.js
• Mobile Hybrid-App Development: Cordova / Ionic Framework

Vorkenntnisse

HTML und JavaScript

Literatur

• Preston Prescott, HTML5: Discover How To Create HTML 5 Web Pages With Ease (HTML5 CSS3 JavaScript)
• Florian Franke, Apps mit HTML5, CSS3 und JavaScript: Für iPhone, iPad und Android
• Semmy Purewal, Learning Web App Development
• Sebastian Springer, Node.js: Das umfassende Handbuch. Serverseitige Webapplikationen mit JavaScript entwickeln
• Oliver Zeigermann, React:Die praktische Einführung in React, React Router und Redux
• Christoph Höller, Angular: Das umfassende Handbuch zum JavaScript-Framework. Einführung, Praxis, TypeScript und ECMAScript 2015. Ab Angular 2

Leistungsbeurteilung

• LV-Prüfung + Übung-CodeReview

Kurzbeschreibung

Die Studenten werden in die Aspekte von Microservice Architekturen eingeführt. Anhand eines im Zuge der LV entwickelten Beispielsystems können die Themenblöcke Design, Deployment, Testing und Operations praxisnahe und interaktiv erarbeitet werden.

Methodik

Während der LV wird laufend zwischen theoretischen Diskussionen und praktischen Übungen gewechselt. Die Weiterentwicklungen an dem Beispielsystem werden im Rahmen von Projektaufgaben umgesetzt.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Microservice Architekturen zu entwerfen und bewerten
• Lösungen für Implementierung, Operations und Deployment von Microservice Architekturen selbstständig umzusetzen
• Qualitätssichernde Maßnahmen in einer Microservice Architektur anzuwenden

Lehrinhalte

• Design von Microservice Architecturen (DDD, Muster)
• Implementierung (Message based systems, Entkopplung der Datenbank, Frameworks)
• Deployment and Operations von Microservice Architekturen (Container, Monitoring, Logging)
• Qualitätssichernde Maßnahmen in Microservice Architekturen

Leistungsbeurteilung

• 30% Mitarbeit in der LV
• 40% Projektausarbeitungen
• 30% Abschlusstest

Kurzbeschreibung

Die MSE-Spezialisierung hat wie der Name schon verrät einen Fokus auf das Programmieren von Voice Interfaces (z.B. Digitale Voice Assistenten, Alexa, Google Assistant, Roboter). Um Voice Interfaces programmieren zu können werden wir im Rahmen der Spezialisierung die Themen Natural Language Processing (NLP), Design von Konversationen für Maschinen, Programmieren von automatischen Konversations-Algorithmen. Ideale Voraussetzung für die Spezialisierung sind Grundkenntnisse in einer Programmiersprache (idealerweise Python).

Methodik

Vorlesung und praktische Übungen

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Aufbau und Struktur von Voice Interfaces zu verstehen und selbst eine Architektur für eine Voice Interface Anwendung zu erstellen
• Konversationen für Maschinen selbstständig zu designen und zu automatisieren und im Rahmen dessen mit den Begriffen Intent, Entity und Context umgehen können
• eine Natural Language Processing (NLP) Pipeline in Python mit den bekannten Libraries zu erstellen
• Algorithmen für die Automatisierung von Konversationen zu evaluieren und selbst diese Algorithmen in Python zu entwickeln

Vorkenntnisse

Programmierkenntnisse (idealerweise Python)

Literatur

• Python Intro Beginner https://www.youtube.com/watch?v=rfscVS0vtbw
• Natural Language Toolkit https://www.youtube.com/watch?v=WYge0KZBhe0
• Tensorflow 2 Natural Language Processing Intro https://www.youtube.com/watch?v=B2q5cRJvqI8

Leistungsbeurteilung

• Programmieraufgaben

Kurzbeschreibung

Die Lehrveranstaltung bietet Raum um vorbereitende Tätigkeiten für die Masterthesis als Projekt durchzuführen. Die Ergebnisse fließen in die Master Thesis ein.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• ihre Masterthesis nach den Regeln des Projektmanagements abzuwickeln

Lehrinhalte

• Vorbereitende Arbeiten für die Masterthesis im Umfang der ECTS Punkte der Lehrveranstaltung.Dies können u.a. sein:
• Programmiertätigkeiten
• theoretische Arbeiten
• Teilnahme an IT Projekten
• Evaluierung von Technologien und Produkten mit wissenschaftlichen Methoden
• Machbarkeitsstudie, Prototypenentwicklung

Vorkenntnisse

Lehrveranstaltungen des ersten und zweiten Semesters des Masters Softwareentwicklung

Literatur

• Für das Projekt relevante Fachbücher/Fachzeitschriften

Leistungsbeurteilung

• Beurteilung des Masterthesis Projektes

Anmerkungen

Die Betreuung erfolgt individuell, synchron oder asynchron unter Einsatz moderner Kommunikationsmittel. Die Lehrveranstaltung scheint nicht im Stundenplan auf, und es werden keine Anwesenheitslisten geführt.

Kurzbeschreibung

Diese Lehrveranstaltung gibt einen Überblick zu den Fähigkeiten und Möglichkeiten containerbasierter Virtualisierungstechniken anhand von Docker als Beispiel. Darüberhinaus wird Swagger, ein Framework um RESTful Dienste/APIs zu erstellen betrachtet.

Methodik

Integrierte Lehrveranstaltung mit Übungscharakter und Fernlehre

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• containerbasierte Virtualisierung zu verstehen und erklären
• zu entscheiden wann containerbasierte Virtualisierung (nicht) anzuwenden ist
• RESTful Dienste/APIs zu verstehen und erklären
• RESTful Dienste/APIs mittels Swagger zu erstellen

Lehrinhalte

• Überblick über verschiedene Virtualisierungstechniken
• Docker, eine containerbasierte Virtualisierungstechnik
• RESTful Dienste/APIs
• Swagger, ein Framework um RESTful Dienste/APIs zu erstellen

Vorkenntnisse

keine (grundlegende Kenntnisse zu IT/Konzept der Virtualisierung hilfreich)

Literatur

• https://docs.docker.com/get-started/
• https://swagger.io/getting-started/

Leistungsbeurteilung

• Integrierte Lehrveranstaltung mit Übungscharakter

Kurzbeschreibung

Einführung in die Entwicklung von Smartphone Apps für Android und iOS.

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• Android und iOS Applikationen unter Verwendung der aktuellen Entwicklungsumgebung und Toolchain zu implementieren
• den Lifecycle einer Android oder iOS-Applikation zu erläutern und gängige Konzepte in den Bereichen Testing, Publishing, Marketing & Businessmodelle zu erläutern
• in einem Android und iOS Projekt den Aufwand einer Feature-Implementierung abzuschätzen

Lehrinhalte

• Android and iOS app development und source control management with Git.

Vorkenntnisse

Basic software development experience mit Java / C/C++ / Objective C.

Literatur

• Joseph Anuzzi Jr, Lauren Dracay, Shane Conder (2014): Advanced Android Application Development, Addison-Wesley Professional Neil Smyth (2015): iOS 8 App Development Essentials - Second Edition: Learn to Develop iOS 8 Apps using Xcode and Swift 1.2, CreateSpace Independent Publishing Platform

Leistungsbeurteilung

• Mitarbeit, Projekt voranbringen, Pünktlichkeit, Abgaben zeitlich eingebracht, Sauberer Source-Code mit Comments, Termintreue

Kurzbeschreibung

In der Lehrveranstaltung erstellt jede(r) StudentIn eine technische und praxisorientierte Masterthesis auf wissenschaftlichem Niveau

Methodik

eingenverantwortliches Lernen

Lernergebnisse

Nach erfolgreichem Abschluss sind die Studierenden in der Lage, ...

• eine Masterthesis auf wissenschaftlichem Niveau zu verfassen
• sich selbstständig und eigenverantwortlich Fachwissen im Gebiet der Masterthesis zu erarbeiten
• eine Forschungsfrage im Fachgebiet Softwareengineering zu beantworten
• Gesamtzusammenhänge zu erklären
• Bedeutung und Gewicht der Einflussfaktoren, Daten und relevante Information richtig zu bewerten
• den relevanten Stand der Technik und des Firmenumfelds darzustellen
• größere technische, wirtschaftliche oder sozialen Zusammenhänge zu analysieren und darzustellen

Lehrinhalte

• Selbstständiges wissenschaftliches Arbeiten des Studierenden unter Anleitung des/der Betreuer/s/in

Vorkenntnisse

Abschluss aller vorhergehenden Lehrveranstaltungen des Studiums

Literatur

• relevate Literatur für dasThema der Masterthesis

Leistungsbeurteilung

• Beurteilung der Masterthesis durch den/die erste(n) und zweite(n) BegutachterIn

Anmerkungen

Die Lehrveranstaltung scheint nicht im Stundenplan auf, und es werden keine Anwesenheitslisten geführt.