In diesem Modul werden die Grundlagen automatisierter Anlagenfunktionalitäten und zugehöriger Steuerungsstrukturen vermittelt. Ein Schwerpunkt liegt auf endlichen Zustandsautomaten und ihren Varianten. Dabei werden sowohl ihre formalen Grundlagen als auch Verfahren zu ihrem Lernen und ihrer Analyse behandelt. Ergänzend werden Markow-Ketten sowie Ansätze zur Beobachtung und Diagnose diskreter Systeme eingeführt.

Vermittelt werden grundlegende Konzepte der Informationsverarbeitung und Datenrepräsentation. Dazu gehören Codierung, Zahlensysteme, Zeichenrepräsentation sowie zentrale Aspekte von Betriebssystemen, Dateiverwaltung, Speichertechnologien und Datenkommunikation. Ergänzend werden Grundlagen der grafischen Datenverarbeitung und -ausgabe behandelt. Einen weiteren Schwerpunkt bildet die Programmiersprache C mit ihren elementaren Sprachkonzepten und den Grundlagen der prozeduralen Programmierung.

Behandelt werden die Grundlagen rechnergestützter Methoden der Data Science sowie die mathematischen Hintergründe zentraler Analyseverfahren. Dazu gehören die Datenaufbereitung, die Datenvisualisierung und der typische Ablauf datenanalytischer Arbeitsprozesse. Die Studierenden lernen, Daten systematisch auszuwerten, explorativ zu interpretieren und die Ergebnisse geeigneter Analyseverfahren kritisch zu bewerten. Darüber hinaus werden Regressions- und Klassifikationsprobleme sowie einfache zugehörige Algorithmen eingeführt und praktisch mit Python umgesetzt.

Im Mittelpunkt stehen grundlegende Algorithmen und Datenstrukturen sowie deren effiziente Anwendung. Behandelt werden verschiedene Sortier- und Suchverfahren, einschließlich ihrer Laufzeit- und Speicherkomplexität, sowie elementare Datenstrukturen wie Listen, Arrays, Heaps und Binärbäume. Darüber hinaus werden zentrale Konzepte der Graphentheorie eingeführt, etwa Traversierungsverfahren, Konnektivität, topologische Sortierung und Algorithmen für kürzeste Wege. Ergänzend werden Grundideen von Skriptsprachen am Beispiel von Python und Matlab vermittelt.

Im Fokus stehen objektorientierte und komponentenorientierte Konzepte der Softwareentwicklung. Behandelt werden sowohl die zugehörigen Programmier- und Modellierungsparadigmen als auch passende Entwicklungsprozesse. Darüber hinaus wird die Nutzung von UML zur Modellierung von Software und Entwicklungsprojekten sowie von SysML zur Modellierung von Systementwicklungsprojekten eingeführt.

In diesem Modul werden grundlegende Problemklassen des maschinellen Lernens behandelt, darunter supervised learning, unsupervised learning und reinforcement learning sowie Klassifikation und Regression. Ergänzend werden statistische Bewertungsmaße wie ROC, AUC und F-Measure sowie probabilistische Modelle zur Informationsfusion und Datenanalyse eingeführt. Darüber hinaus werden zentrale Verfahren des maschinellen Lernens vorgestellt, etwa neuronale Netze, Autoencoder, Restricted Boltzmann Machines und Deep Neural Networks einschließlich ihrer Lernalgorithmen. Abgerundet wird die Veranstaltung durch Anwendungen im Kontext cyber-physischer Systeme sowie den praktischen Einsatz entsprechender Werkzeuge, insbesondere Python.

Behandelt werden die Grundlagen der Aussagenlogik, einschließlich Normalformen und Resolution, als Basis formaler Schlussfolgerungsverfahren. Darauf aufbauend erfolgt eine Einführung in unterschiedliche Diagnoseansätze, etwa fallbasierte, heuristische, spektrumbasierte und modellbasierte Verfahren, ergänzt durch Beispiele wie das Alarmmanagement und die konsistenzbasierte Diagnose mit Aussagenlogik. Abschließend werden die Grundlagen der Prädikatenlogik sowie Verfahren des Schlussfolgerns mit Unifikation und Resolution eingeführt.

Der Schwerpunkt liegt auf grundlegenden Konzepten Unix-basierter Systeme und ihrer praktischen Anwendung. Behandelt werden der Umgang mit der Shell, das Arbeiten mit Verzeichnissen, das Kompilieren und Ausführen von Programmen sowie die Ein- und Ausgabe über Dateien und Terminals unter Berücksichtigung der Unix-Rechteverwaltung. Darüber hinaus werden Prozesse, ihre Erzeugung, Verwaltung und Scheduling-Strategien eingeführt. Ergänzend werden zentrale Verfahren der Inter-Process Communication behandelt, darunter Signale, Pipes, FIFOs, Sockets sowie Konzepte wie kritische Abschnitte und Deadlocks.

Im Mittelpunkt stehen grundlegende Verfahren der digitalen Bildverarbeitung, darunter Pixeloperationen, Punkt- und Histogrammoperationen sowie lineare und nichtlineare räumliche Filter. Behandelt werden dabei unter anderem Tiefpass- und Hochpassfilter sowie morphologische Operationen wie Dilatation und Erosion. Ergänzend wird in die Bildklassifizierung eingeführt, einschließlich typischer Klassifikationsaufgaben und Convolutional Neural Networks (CNNs).