Master Informatik
Diese Seite wird von zwei Masterstudenten erstellt. Unsere beiden Studienverläufe werden in den folgenden Tabellen wiedergegeben. Danach folgen noch ein paar nützliche Informationen und dann alle Posts der Seite, die spezifische Inhalte aus dem Studium transportieren. Für generelle Informationen bitte hier klicken.
Studentin A
Von Medieninformatik der LMU zum WS18/19 ans KIT für den Master in Informatik gewechselt.
Beim Durchsehen der Veranstaltungen habe ich gemerkt, dass Veranstaltungen, die mich interessieren, vor allem durch das Profil Dateninsensives Rechnen abgedeckt werden. Daher werde ich mich vermutlich für dieses Profil entscheiden.
Ein möglicher Studenplan könnte daher wie folgt aussehen:
| Semester | Anthropomatik und Kognitive Systeme (VF 12) [min. 15 LP] | Telematik (VF 8) [min. 15 LP] | Wahlbereich [max. 39 LP] | Ergänzungsfach BWL für DIC [9-18 LP] | Überfachliche Qualifikationen [2-6 LP] | LP |
|---|---|---|---|---|---|---|
| 1 (WS 18/19) | Maschinelles Lernen 1 - Grundverfahren [3 LP] (W)] | Telematik [6 LP] (SM), Verteiltes Rechnen [4 LP] (D), Data and Storage Management [4 LP] (D) | Algorithmen II [6 LP] (AP), Analysetechniken für große Datenbestände [5 LP] (D) | 28 | ||
| 2 (SS 19) | Kontextsensitive Systeme [5 LP] (W), Deep Learning & Neuronale Netze [6 LP] (W), Kognitive Systeme [6 LP] (SM), Mustererkennung [3 LP] (W) | Access Control Systems: Foundations & Practice [4 LP] | Rechnerstrukturen [6 LP] (SM), Praktikum: Analyse großer Datenbestände [4 LP] (D) | 34 | ||
| 3 (WS 19/20) | Text-Indexierung [5 LP] (AP), Seminar: Neuronale Netze und künstliche Intelligenz [3 LP] | Praktikum Datenmanagement und Datenanalyse [4 LP] (D) | Datenbankeinsatz [5 LP] (D) | Business Intelligence Systems [5 LP] (E) (unsicher), Marktforschung [5 LP] (E) | 27 | |
| 4 (SS 20) | Masterarbeit im Profil | - | - | 30 | ||
| LP (ohne MA) | 31 | 22 | 26 | 10 | 0 | 89\119 |
Bedingungen für Datenintensives Rechnen
☑ Stammmodul (SM): 2 aus Rechnerstrukturen, Algorithmen II, Kognitive Systeme oder Sicherheit 12 LP
☑ Daten (D): min. 10 LP aus Veranstaltungsliste “Daten” (siehe PDF) 26 LP
☑ Algorithmen & Parallelverarbeitung (AP): min. 10 LP aus Veranstaltungsliste “Algorithmen & Parallelverarbeitung” (siehe PDF) 11 LP
☑ Wahlblock (W): Veranstaltungen aus dem Wahlblock (siehe PDF) 17 LP
☑ Ergänzungsfach (E): min. 9 LP aus dem Erfänzungsfach “Betriebswirtschaftslehre für datenintensives Rechnen” (siehe PDF) 10 LP
☑ insgesamt mindestens 54 LP aus den obigen Punkten 76 LP
Anforderungen erfüllt?
☑ 4 Stammmodule belegen
☑ 2 Vertiefungsfächer (á 15 - 52 LP)
☑ 10 LP aus Vorlesungen pro Vertiefungsfach
☑ Mindestens 3 LP durch Seminare
☑ Mindestens 6 LP durch Praktika in den Vertiefungsfächern und dem Wahlbereich erbracht werden. 8 LP
☑ Es dürfen insgesamt max. 18 LP durch Praktika und Seminare erbracht werden. 11 LP
☑ Ergänzungsfach: 9 - 18 LP 10 LP
☐ Überfachliche Qualifikation: 2 - 6 LP vermutlich Sprachkurs
Insgesamt fehlen mir also noch 3 LP Semiinar und 2 LP Praktikum. Ich habe insgesamt noch 4 LP übrig. Darüber wird abgeschnitten.
Student B
Von Informatik der LMU zum WS18/19 ans KIT für den Master in Informatik gewechselt.
Interessenliste:
- Modul: Mobilkommunikation
- Modul: Mehrdimensionale Signalverarbeitung und Bildauswertung mit Graphikkar-ten und anderen Mehrkernprozessore
- Modul: Praktikum: Neuronale Netze - Praktische Übungen
- Modul: Reinforcement Learning und multimodale Regelung in der Robotik (WS)
- Modul: Seminar: Neuronale Netze und künstliche Intelligenz [M-INFO-102412]
- Automated Planning and Scheduling
- Stochastische Informationsverarbeitung Praktikum: Neuronale Netze - Praktische Übungen
| Semester | Wahlbereich [max. 39 LP] | Vertiefungsfach Anthropomatik und Kognitive Systeme (VF 12) | Vertiefungsfach Robotik und Automation (VF 11) | Ergänzungsfach: Maschinenbau | Überfachliche Qualifikation [2-6 LP] | LP |
|---|---|---|---|---|---|---|
| 1 (WS) | Telematik (6 LP) | Grundlagen der automatischen Spracherkennung (6 LP), Maschinelles Lernen 1 (3 LP) | Robotik 1 (6 LP), Seminar Humanoide Roboter (3 LP) | 6 + 9 + 9 = 24 LP | ||
| 2 | Kognitive Systeme (6 LP), Deep Learning und Neuronale Netze (6 LP), Deep Learning für CV (3 LP) | Einführung in die Bildfolgenauswertung (3 LP), Lokalisierung mobiler Agenten (6 LP) | Verhaltensgenerierung für Fahrzeuge (4 LP, SS), Automotive Vision / Fahrzeugsehen (6 LP, SS) | 0 + 15 + 9 + 10 + 0 = 34 LP | ||
| 3 | Computergrafik (6 LP), Automated Planning and Scheduling (5 LP), Virtuelle Systeme (3 LP), | Praktikum parallele Numerik (6 LP, WS) | Stochastische Informationsverarbeitung (6 LP, WS) | GPGPU (3 LP) | 6 ECTS ? | 35 LP |
| 4 | Masterarbeit im Profil + eventuell Reinforcement Learning und neuronale Netze in der Robotik | 30 | ||||
Ergänzungsfach
Das Ergänzungsfach muss für das Profil Robotik eines der folgenden sein: Mathematik, Elektro- und Informationstechnik oder Maschinenbau.
Info aus dem Erstiheft:
Im Ergänzungsbereich kannst du Vorlesungen aus einem anderen Fachbereich im Umfang von 9-18 LP einbringen. Momentan sind folgende Fächer möglich: […] Des Weiteren ist es möglich, sich eigene Vorlesungskombinationen, auch aus anderen Studiengängen, als Ergänzungsfach genehmigen zu lassen. Hierzu ist ein Antrag an den Prüfungsausschuss nötig. Lass dich dazu am besten vorher beraten.
Der Antrag ist formlos an den Prüfungsausschuss zu stellen: https://www.informatik.kit.edu/1319.php
Antrag auf Sonderergänzungsfach für Veranstaltungen aus dem Maschinenbau: https://www.informatik.kit.edu/faq-wiki/doku.php?id=ergaenzungsfach
Modulkatalog: http://www.mach.kit.edu/download/MSc-Maschinenbau-Modulhandbuch_SPO_2015_gueltig_ab_20181001.pdf
Anforderungen erfüllt?
☑ 4 Stammmodule belegen
☐ 2 Vertiefungsfächer (á 15 - 52 LP)
☐ 10 LP aus Vorlesungen pro Vertiefungsfach
☑ Mindestens 3 LP durch Seminare (Seminar Humanoide Roboter)
☐ Mindestens 6 LP durch Praktika in den Vertiefungsfächern und dem Wahlbereich erbracht werden.
☐ Es dürfen insgesamt max. 18 LP durch Praktika und Seminare erbracht werden.
☑ Ergänzungsfach( 9 - 18 LP ): 10 LP durch Sonderergänzungsfach Maschinenbau
☐ Überfachliche Qualifikation: 2 - 6 LP
Alle Artikel der Kategorie Master Informatik:
-
Verteiltes Rechnen
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.
-
Maschinelles Lernen 1 - Grundverfahren
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.
-
Data and Storage Management
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.
-
Telematik
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.
-
Analysetechniken für große Datenbestände
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.
-
Robotik 1
Einführung in die Robotik durch Tamim Asfour et al.
-
Praxis der Forschung
Zwei Semester wissenschaftliche Methoden lernen und an einem Projekt arbeiten
-
Grundlagen der Automatischen Spracherkennung
Gesprochene Sprache in eine Folge von Wörtern überführen
-
Buch: Artificial Intelligence - A Modern Approach
Summary of the standard book on Artificial Intelligence by Russel and Norvig. I try to read 5 - 10 pages every day.
-
Einführungswoche am KIT
Orientierungsphase am KIT, Einführungsveranstaltungen und Administratives… Was vor dem Semesterstart zu beachten ist
-
Algorithmen II
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.
-
Studienplan zusammenstellen
Wie ist der Studiengang organisiert? Welche Vorlesungen muss man wählen. Übersicht über die Profile. Kann man Prüfungen wiederholen? Informationen zu Wahlbereichen, Ergänzungsfächern und mehr.