Lehrveranstaltungen

Informatik-Repetitorium letztmals WS 2018/19
Geschichte der Programmiersprachen letztmals WS 2018/19
Mobile Application Development letztmals SS 2016
Principles of Programming Languages letztmals SS 2015
Parallele Algorithmen/Parallel Algorithms letztmals WS 2014/15
Graphtransformationssysteme letztmals SS 2014
Funktionale Programmierung in Haskell letztmals SS 2013

Vorlesung (VORL)

Praktikum (PR)

  • NWERC Praktikum

    Die Sprache wird mit den Studierenden am Anfang der Veranstaltung abgestimmt.

    Der Zeitplan der Lehrveranstaltung sieht folgende Anteile vor:

    • 2 SWS Vorlesung vor dem Wettbewerb: Dozenten erklären Algorithmen oder besprechen Aufgaben
    • 1 SWS nach dem Wettbewerb: Dozenten besprechen Lösungen
    • 5 Stunden Wettbewerb
    • 4 Tage Exkursion zum Trainingslager vor dem Wettbewerb
    • 3 Tage Exkursion zum NWERC

    8 SWS

    Für Gasthörer zugelassen

    ECTS-Studium

    ECTS-Credits: 10

    • Zeit/Ort n.V.

Seminar (SEM)

Übung (UE)

Repetitorium (RE)

Seminar (SEM)

Vorlesung (VORL)

Übung (UE)

Vorlesung (VORL)

Praktikum (PR)

  • NWERC Praktikum

    Die Sprache wird mit den Studierenden am Anfang der Veranstaltung abgestimmt.

    Der Zeitplan der Lehrveranstaltung sieht folgende Anteile vor:

    • 2 SWS Vorlesung vor dem Wettbewerb: Dozenten erklären Algorithmen oder besprechen Aufgaben
    • 1 SWS nach dem Wettbewerb: Dozenten besprechen Lösungen
    • 5 Stunden Wettbewerb
    • 4 Tage Exkursion zum Trainingslager vor dem Wettbewerb
    • 3 Tage Exkursion zum NWERC

    8 SWS

    Für Gasthörer zugelassen

    ECTS-Studium

    ECTS-Credits: 10

    • Zeit/Ort n.V.

Seminar (SEM)

Übung (UE)

Repetitorium (RE)

Sommersemester

Wintersemester

Algorithmen und Datenstrukturen (AuD)
Parallele und Funktionale Programmierung (PFP)
Grundlagen des Übersetzerbaus (UE1)
Optimierungen in Übersetzern (UE2)
Ausgewählte Kapitel aus dem Übersetzerbau (UE3)
Testen von Softwaresystemen (TSWS)
Programmierung und Architekturen von Cluster-Rechnern (CC)
„Hallo Welt!“ für Fortgeschrittene (HW)
Machine Learning (ML)