Lehre

Bachelor-, Master-, Seminar- und Studienarbeiten

Link zu den Arbeiten (Ilias-Anmeldung erforderlich)

 

Vertiefungslabor-Versuche im Master Mechatronik

Versuch1

Versuch2

Vorlesungen Herbsttrimester

Bachelor Engineering Science:
Discrete Control Systems:
1. Boolean Algebra, PLC Programming using boolean formulas.
2. Finite State Machines FSM, Timed FSMs, Probabilistic FSMs.
3. Analysis of FSMs, Observation and Diagnosis of FSMs

Bachelor Maschinenbau:
Informatik I:
1. Einführung in die Programmierung in C, Listen, Arrays, Strukturen, Funktionen, Pointer.
2. Einfache Algorithmen in C, Sortieren, Suchen, Graphen.
3. Einführung in Skriptsprachen am Beispiel Python und Matlab

Informatik II:
1. Objekt-orientierte Programmierung in Java, Klassen, Komponenten, Kapselung, Vererbung, Abstraktion, Polymorphie.
2. SW- und Systemmodellierung in UML und SysML

Master Mechatronik:
Methoden der Künstlichen Intelligenz 2:
1. Logikkalküle
2. Diagnosemethoden, heuristische Diagnose, Fallbasierte Diagnose, Modellbasierte Diagnose
3. Rekonfiguration und Planen

 

Vorlesungen Wintertrimester

Bachelor Engineering Science:
Programming in C:
1. Introduction to C, Lists, Arrays, Structures, Functions, Pointers.
2. Simple algorithms, Sorting, Searching, Graphs

Master Engineering Science:
Sensors/Actuators:
1. Introduction to sensor/actuators, problems of sensor data analysis.
2. Statistical models for information fusion and data analysis.
3. Machine Learning approaches for data analysis

Vorlesungen Frühjahrstrimester

Bachelor Engineering Science:
Introduction to OOP:
1. Object-oriented Programing in Java, Components, Encapsulation, Inheritance, Abstraction, Polymorphism
2. SW and System Modeling in UML and SysML

Master Mechatronik:
Informatik III: Programmierung verteilter Systeme in UNIX.
1. UNIX API, Shell, Prozesse.
2: Inter-Prozess-Kommunikation, Signale, Shared-Memory, Sockets.
3. Deadlock and Deadlock—Vermeidung

Bildverarbeitung:
1. Pixel-orientierte Verfahren
2. Filtermethoden.
3. Bildklassifikation, Neuronale Netze, Convolutional Neural Networks

 

 

 

HSU

Letzte Änderung: 6. Oktober 2020