| 03-IBGP-DBM | Foundations of Data Bases and Modelling Für WInf-Studierende BPO '13 im zweiten Semester weitere 3 CP in Freie Wahl als Ersatz für SWP1.
Für fortgeschrittene SysEng-Studierende als Ersatz für SWP1.
Für (…) Für WInf-Studierende BPO '13 im zweiten Semester weitere 3 CP in Freie Wahl als Ersatz für SWP1.
Für fortgeschrittene SysEng-Studierende als Ersatz für SWP1.
Für Studierende, die an der Vorlesung nicht teilnehmen können, gibt es eine Aufzeichnung des Vorlesungsanteils aus dem vorigen Jahr. | Prof. Dr. Sebastian Maneth |
| 03-IBAP-DSMS | Domain-specific Modelling and Languages You can find course dates and further information in Stud.IP. | Nico Hochgeschwender |
| 03-IBAP-ML | Fundamentals of Machine Learning (in English) Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ml.pdf
Die Übungen starten in der 2. Semesterwoche.
You can take IBAP-ML Grundlagen des Maschinellen Lernens in German or IBAP-ML Fundamentals of Machine Learning in English. The course content is the same and can only be credited once. | Tanja Schultz Felix Putze Zhao Ren |
| 03-IBAA-GOVTEC | https://lvb.informatik.uni-bremen.de/ibaa/03-ibaa-govtec.pdf
Die digitale Transformation des öffentlichen Sektors wird mit einer Fülle an unterschiedlichen Technologien vorangetrieben, die es ermöglichen, Prozesse zu automatisieren, die Effizienz zu steigern und die Interaktion mit Bürger*innen zu verbessern. Im Rahmen des Moduls Government Technology haben die Studierenden die Möglichkeit, solche Technologien anhand von Praxisbeispielen kennenzulernen und zu vertiefen. Hierbei werden auch die Chancen und Risiken der verschiedenen Technologien beleuchtet, um ein umfassendes Verständnis für deren Einsatz im öffentlichen Sektor zu erlangen. Dabei spielen Themen wie Künstliche Intelligenz, Blockchain, Robotic Process Automation und Mixed Reality eine wichtige Rolle. Im Rahmen des Moduls Government Technology haben die Studierenden nicht nur die Möglichkeit, theoretische Konzepte kennenzulernen, sondern auch anhand von realen Beispielen zu vertiefen. Hierbei werden konkrete Anwendungen und Projekte aus dem öffentlichen Sektor vorgestellt, die bereits mit den genannten Technologien umgesetzt wurden. Dabei lernen die Studierenden nicht nur die technischen Aspekte kennen, sondern auch die Herausforderungen, die bei der Einführung und Nutzung solcher Technologien im öffentlichen Sektor auftreten können. | Prof. Dr. Dr. Björn Niehaves Luca Tom Bauer Jan Westermann Steffen Frederik Janas Fock Samira Krodel |
| 03-IBGA-AI | Introduction to Ethical, Legal and Social Aspets of Computing Die Tutorien beginnen in der zweiten Semesterwoche.
Thematisch geht es in dieser Veranstaltung um die Digitalisierung bzw. digitale Transformation, Prozessmodellierung (…) Die Tutorien beginnen in der zweiten Semesterwoche.
Thematisch geht es in dieser Veranstaltung um die Digitalisierung bzw. digitale Transformation, Prozessmodellierung mittels BPMN, Rechtliche Grundlagen in der Informatik sowie um digitale Ethik und den theoretischen Ansätzen in der Angewandten Informatik (STS, SCOT, ANT, TAM, Affordances).
Das Modul ist gemäß BPO 2020 Informatik VF Pflicht und besteht aus einer Kombinationsprüfung mit 2 Prüfungsleistungen. Diese Kombinationsprüfung beinhaltet die eKlausur (20%) sowie eine Hausarbeit (80%), bestehend aus einer Fallstudie in einer Unternehmung (40%) und einem Essay (40%). Beide Teilprüfungen müssen bestanden sein, um das Modul abzuschließen.
Alternativ kann das eGS "Recht der digitale Medien" oder "Medien- und IT-Recht" verwendet werden zur Anerkennung der eKlausur in Angewandte Informatik. Die Leistung muss zwingend benotet ausgewiesen werden. | Prof. Dr. Andreas Breiter Paola Lopez |
| 03-IBAP-KI | Foundations of Artificial Intelligence You can find course dates and further information in Stud.IP. | Michaela Kümpel Michael Beetz |
| 03-DMB-MI-1-MI2 | Für Informatik Studierende nach der neuen BPO ist es IBA, für Studierende nach der alten BPO ist es Fachinformatik 2.
(…) | Udo Frese |
| 03-IBAP-ML | Fundamentals of Machine Learning Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-ml.pdf
Die Übungen starten in der 2. Semesterwoche.
Es kann IBAP-ML Grundlagen des Maschinellen Lernens auf deutsch oder IBAP-ML Fundamentals of Machine Learning auf englisch belegt werden. Die Inhalte des Kurses sind gleich und nur ein Mal anrechenbar. | Tanja Schultz Felix Putze Zhao Ren |
| 03-IBAA-ITM | You can find course dates and further information in Stud.IP. | Prof. Dr. Andreas Breiter |
| 03-IBAT-LO | You can find course dates and further information in Stud.IP. | Christoph Lüth Dr. Serge Autexier |
| 03-IBAP-MRCA | Modern Robot Control Architectures (in English) Schwerpunkt: AI
https://lvb.informatik.uni-bremen.de/ibap/03-ibap-mrca.pdf
The lecture will take place at DFKI.
Robotics is a complex field that emerged at the intersection of multiple disciplines such as physics, mathematics and computer science. New advances in hardware and software design and progress in artificial intelligence enable robotics research to pursue higher goals and achieve increased autonomy in various environments. For instance, robots can operate in disaster zones for search and rescue operations, can be employed in rehabilitation and healthcare, space and underwater exploration, etc. Given the complexity of such scenarios, it is essential to develop robust robotic systems with a high degree of autonomy, able to assist humans in difficult and tedious tasks.
This course aims to provide the fundamentals of modern robot control approaches that enable robots to operate in the environment autonomously. The course introduces a basic understanding of robotics, along with tools and methods to control mobile robotic platforms and manipulators. Firstly, the course presents the basics of modeling robotic systems in terms of geometry, kinematics, and dynamics. Next, real robotic systems are considered with their different types of sensors and actuators. Furthermore, system identification as a means to adapt the robot model to the reality is treated. Finally, the course provides methods and approaches to control robots from a deliberative and reactive point of view. Students will put this knowledge into practice during tutorials and exercise sheets using Python implementation and robot simulations.
Contents
- Introduction to Robotics and AI: long term robot autonomy, artificial intelligence, deliberative vs. reactive control, robotic applications.
- Robot Geometry and Transformations: robot transformations in the 3D space, exponential and logarithmic maps, forward and inverse geometric models.
- Kinematics: definition of twists and wrenches for rigid bodies, geometric Jacobian formulation, forward and inverse kinematics.
- Dynamics: an introduction to Lagrangian and Newtonian mechanics, robot dynamics formulation, recursive Newton-Euler algorithm.
- Sensing and Actuation Modalities: types of sensors and actuators, sensor fusion, actuator control.
- System Identification: methods to identify geometry, kinematic and dyanmic parameters of a robot.
- Localization: direct and probabilistic methods for robot localization, odometry, global localization, particle filter.
- Path Planning: path vs. trajectory generation, graph-based methods for path planning (e.g. Djikstra, A*).
- Dynamic Control: PD gravity compensation control, computed torque control, admittance vs impedance control.
Learning Outcomes
At the end of the course, the student is expected to be able to:
- Have a basic understanding about autonomous robots and AI.
- Compute the coordinate transformations for rigid bodies commonly used in robotics.
- Apply the robot forward and inverse kinematics.
- Describe a robotic system based on its kinematic and dynamic properties.
- Implement and understand the low-level actuator control methods.
- Describe the sensor and actuator modalities used in robotics, and explain their relevance for robot control.
- Apply system identification methods to improve robot models and adapt them to reality.
- Use probabilistic methods for robot localization.
- Generate a path for a mobile robot or manipulator using motion planning methods.
- Apply dynamical control methods on robotic systems such that they are robust against disturbances.
- Assess the strengths and limitations of different control methods presented in the course.
- Identify open challenges in robotics research and current trends in state-of-the-art.
- Communicate confidently using the terminology in the field of robotics.
- Cooperate and work in teams in order to solve tasks.
Examination
During the semester, students are required to complete 6 worksheets in groups of 4.
To pass the course, students must achieve a minimum of 50% on both the worksheets and the written exam.
The final grade is 40% based on worksheets and 60% on the written exam.
| Frank Kirchner Dennis Mronga M. Sc. Mihaela Popescu M. Sc Jonas Haack |
| 03-IBAT-PN | You can find course dates and further information in Stud.IP. | Dr. Sabine Kuske |
| 03-IBAP-RN | You can find course dates and further information in Stud.IP. | Olaf Bergmann Ute Bormann |
| 03-IBGP-SWP (reSWP) | Nur für Wiederholer:innen. Das Kick-Off Meeting findet online statt.
Mit Zusatzleistung als SWP 2 (03-BA-901.02) nach alter PO anrechenbar.
Für WInf-Studierende, die (…) Nur für Wiederholer:innen. Das Kick-Off Meeting findet online statt.
Mit Zusatzleistung als SWP 2 (03-BA-901.02) nach alter PO anrechenbar.
Für WInf-Studierende, die SWP2 wiederholen müssen: Zusammen mit 3 weiteren CP in Freie Wahl als Ersatz für SWP2. | Karsten Hölscher |
| 03-IBAP-SWT | You can find course dates and further information in Stud.IP. | Prof. Dr. Rainer Koschke |
| 03-DMB-MI-23-TGI | Fundamentals of Technical Computer Science Nicht für Vollfach-Informatik-Studierende anrechenbar. Nicht für Vollfach-Informatik-Studierende anrechenbar. | Stefanie Gerdes Olaf Bergmann |
| 03-IBAP-ÜB | You can find course dates and further information in Stud.IP. | Thomas Röfer |
