Die Vorlesung “Verteiltes Rechnen” gibt eine Einführung in die Welt des verteilten Rechnens mit einem Fokus auf Grundlagen, Technologien und Beispielen aus Grid, Cloud und dem Umgang mit Big Data.

Das Themenfeld Wissensakquisition und Maschinelles Lernen ist ein stark expandierendes Wissensgebiet und Gegenstand zahlreicher Forschungs- und Entwicklungsvorhaben. Der Wissenserwerb kann dabei auf unterschiedliche Weise erfolgen. So kann ein System Nutzen aus bereits gemachten Erfahrungen ziehen, es kann trainiert werden, oder es zieht Schlüsse aus umfangreichem Hintergrundwissen.

Ausgehend von den aktuellen Anforderungen an die Massendatenspeicherung in Rechenzentren werden unterschiedliche Speicherarchitekturen und Konzepte für die Speichervirtualisierung erläutert. Diskutiert werden dabei u.a. eine Taxonomie der Speichervirtualisierung, Storage Area Networks (SAN), Network Attached Storage (NAS), Fiber Channel, iSCSI und virtuelle sowie globale Filesysteme (z.B. CIFS, NFS). Darüber hinaus werden Verfahren für die Gewährleistung einer hohen und langfristigen Verfügbarkeit der Daten (vgl. Backup, Replikation und Langzeitarchivierung) vermittelt. Zusätzlich werden zukünftige Anforderungen, die aus der Verarbeitung großskaliger Daten sowie dem Verbund von räumlich verteilten Speicherinfrastrukturen (vgl. Cloud Storage) resultieren, diskutiert. Aktuelle Herausforderungen bei der Planung und dem Betrieb von Speicherinfrastrukturen werden erläutert und Plattformen sowie Werkzeuge für deren Verwaltung vorgestellt. Den Abschluss der Vorlesung bildet die Betrachtung von externen Anforderungen an den Betrieb von Speicherinfrastrukturen beispielsweise durch den Datenschutz sowie der IT-Sicherheit.

Die Vorlesung behandelt Protokolle, Architekturen, sowie Verfahren und Algorithmen, die u.a. im Internet für die Wegewahl und für das Zustandekommen einer zuverlässigen Ende-zu-Ende-Verbindung zum Einsatz kommen. Neben verschiedenen Medienzuteilungsverfahren in lokalen Netzen werden auch weitere Kommunikationssysteme, wie z.B. das leitungsvermittelte ISDN behandelt. Die Teilnehmer sollten ebenfalls verstanden haben, welche Möglichkeiten zur Verwaltung und Administration von Netzen zur Verfügung stehen.

Techniken zur Analyse großer Datenbestände stoßen bei Anwendern auf großes Interesse. Das Spektrum ist breit und umfasst klassische Branchen wie Banken und Versicherungen, neuere Akteure, insbesondere Internet-Firmen oder Betreiber neuartiger Informationsdienste und sozialer Medien, und Natur- und Ingenieurswissenschaften.

Einführung in die Robotik durch Tamim Asfour et al.

Zwei Semester wissenschaftliche Methoden lernen und an einem Projekt arbeiten

Gesprochene Sprache in eine Folge von Wörtern überführen

Summary of the standard book on Artificial Intelligence by Russel and Norvig. I try to read 5 - 10 pages every day.

Orientierungsphase am KIT, Einführungsveranstaltungen und Administratives… Was vor dem Semesterstart zu beachten ist

Diese Lehrveranstaltung soll Studierenden die grundlegenden theoretischen und praktischen Aspekte der Algorithmentechnik vermitteln. Es werden generelle Methoden zum Entwurf und der Analyse von Algorithmen für grundlegende algorithmische Probleme vermittelt sowie die Grundzüge allgemeiner algorithmischer Methoden wie Approximationsalgorithmen, Lineare Programmierung, Randomisierte Algorithmen, Parallele Algorithmen und parametrisierte Algorithmen behandelt.

Wie ist der Studiengang organisiert? Welche Vorlesungen muss man wählen. Übersicht über die Profile. Kann man Prüfungen wiederholen? Informationen zu Wahlbereichen, Ergänzungsfächern und mehr.

Wo muss man sich überall anmelden, wenn man immatrikuliert ist. KIT-card. vorname.nachname@student.kit.edu. RSS-feeds und mehr.

Was für Dokumente braucht man für die Bewerbung beim KIT? Bis wann muss man diese versenden? Welcher Notenschnitt reicht aus? Wann bekommt man Rückmeldung, ob man zugelassen wurde.

Eine Sammlung aller Links zum Master Informatik