Suchergebnis: Katalogdaten im Frühjahrssemester 2020

Informatik Bachelor Information
Basisprüfung
Basisprüfungsblock 1
Die Fächer des Blocks 1 werden im Herbstsemester angeboten.
Basisprüfungsblock 2
NummerTitelTypECTSUmfangDozierende
401-0212-16LAnalysis I Information O7 KP4V + 2UÖ. Imamoglu
KurzbeschreibungFunktionen, Grenzwerte, Folgen, Reihen, Potenzreihen, Differential- und Integralrechnung einer Variablen,
LernzielFunktionen, Grenzwerte, Folgen, Reihen, Potenzreihen, Differential- und Integralrechnung einer Variablen,
InhaltFunktionen, Grenzwerte, Folgen, Reihen, Potenzreihen, Differential- und Integralrechnung einer Variablen,
LiteraturMichael Struwe: Analysis für Informatik
Christian Blatter: Ingenieur-analysis
Tom Apostol: Mathematical Analysis
Lernmaterialien und weitere Informationen sind auf der Webseite des Kurses (https://metaphor.ethz.ch/x/2018/fs/401-0212-16L/) erhältlich
252-0028-00LDigital Design and Computer Architecture Information O7 KP4V + 2UO. Mutlu, F. K. Gürkaynak
KurzbeschreibungDiese Lehrveranstaltung ist eine erste Einführung in das Design digitaler Schaltungen und die Computerarchitektur. Sie deckt die technischen Grundlagen wie eine Computerplattform von Grund auf entworfen wird ab. Sie stellt verschiedene Ausführungsparadigmen, Hardwarebeschreibungssprachen und Prinzipien im digitalen Design und der Computerarchitektur vor.
LernzielDiese Lehrveranstaltung ist eine erste Annäherung an die Computerarchitektur. Die Studenten lernen das Design digitaler Schaltkreise, um:
- die Grundlagen,
- die (Design-)Prinzipien,
- und die Präzedenzfälle (in der Computerarchitektur) zu verstehen.
Auf der Grundlage dieses Verständnisses wird von den Studierenden erwartet, dass sie:
- lernen wie ein moderner Computer intern von Grund auf funktioniert,
- die Kompromisse verschiedener Designs und Ideen bewerten können,
- ein fundiertes Design (eines einfachen Mikroprozessors) implementieren können,
- immer komplexere Systeme systematisch austesten können,
- hoffentlich darauf vorbereitet sind, neuartige Out-of-the-Box-Designs zu entwickeln.
Der Fokus liegt auf Grundlagen, Prinzipien, Präzedenzfällen und deren Verwendung um gute Designs zu erstellen/umzusetzen.
InhaltDie Lehrveranstaltung besteht aus den folgenden Hauptblöcken:
- Aktuelle Hauptthemen der Computerarchitektur: Prinzipien, Mysterien, motivierende Fallstudien und Beispiele.
- Digital Logic Design: Kombinationslogik, sequentielle Logik, Hardwarebeschreibungssprachen, FPGAs, Timing und Verifikation.
- Grundlagen der Computerarchitektur: Von Neumann-Computermodell, Befehlssatzarchitektur, Assembly-Programmierung, Mikroarchitektur, Mikroprogrammierung.
- Grundlagen des Prozessordesigns: Pipelining, Out-of-Order-Ausführung, Verzweigungsvorhersage.
- Verarbeitungs-Paradigmen: Out-of-Order-Ausführung, Datenfluss, superskalare Ausführung, VLIW, SIMD-Prozessoren, GPUs, systolische Arrays, Multithreading.
- Speichersystem: Speicherorganisation, Speichertechnologien, Speicherhierarchie, Caches, virtueller Speicher.
SkriptAlle Unterlagen (inklusive Vorlesungsfolien) werden auf der Website der Lehrveranstaltung zur Verfügung gestellt: http://safari.ethz.ch/digitaltechnik/
Die Videoaufzeichnung der Vorlesung wird voraussichtlich nach der Vorlesung bereitgestellt. Es kann dabei zu Verzögerungen kommen.
LiteraturDie offiziellen Lehrbücher dieser Lehrveranstaltung sind “Introduction to Computing Systems” von Patt und Patel, und “Digital Design and Computer Architecture” von Harris und Harris.
Da dieser Kurs auf dem neuesten Stand ist, gibt es kein Lehrbuch das alle Themen abdeckt. Deswegen werden wir die Pflichtlektüre und die empfohlene Literatur für jede Vorlesung bereitstellen. Diese besteht hauptsächlich aus zwei Lehrbüchern und wichtigen Artikeln, die für das Verständnis aktueller Computerarchitekturen essentiell sind.
252-0029-00LParallele Programmierung Information O7 KP4V + 2UT. Hoefler, H. Lehner, M. Schwerhoff
KurzbeschreibungEinfuehrung in das parallele Programmieren: nicht-deterministische und deterministische Programme, Modelle fuer parallele Programme, Synchronization, Kommunikation und Fairness.
LernzielEinfuehrung in das parallele Programmieren: nicht-deterministische und deterministische Programme, Modelle fuer parallele Programme, Synchronization, Kommunikation und Fairness. Uebungen beschaeftigen sich mit Threads in moderne Programmiersprachen
(Java, C#) und die Ausfuehrung von parallelen Programmen auf
Multi-Prozessor/Multi-Core basierten Systemen.
252-0030-00LAlgorithmen und Wahrscheinlichkeit Information O7 KP4V + 2UA. Steger, E. Welzl
KurzbeschreibungEs werden klassische Algorithmen aus verschiedenen Anwendungsbereichen vorgestellt. In die diskrete Wahrscheinlichkeitstheorie wird eingeführt und das Konzept randomisierter Algorithmen an verschiedenen Beispielen vorgestellt.
LernzielVerständnis des Entwurfs und der Analyse von Algorithmen. Grundlagen der diskreten Wahrscheinlichkeitstheorie und ihrer Anwendung in der Algorithmik.
InhaltFortsetzung der Vorlesung Algorithmen und Datenstrukturen des ersten Semesters.
Grundlagenfächer
NummerTitelTypECTSUmfangDozierende
252-0058-00LFormal Methods and Functional Programming Information O7 KP4V + 2UP. Müller, D. Traytel
KurzbeschreibungIn this course, participants will learn about new ways of specifying, reasoning about, and developing programs and computer systems. The first half will focus on using functional programs to express and reason about computation. The second half presents methods for developing and verifying programs represented as discrete transition systems.
LernzielIn this course, participants will learn about new ways of specifying,
reasoning about, and developing programs and computer systems. Our objective is to help students raise their level of abstraction in modeling and implementing systems.
InhaltThe first part of the course will focus on designing and reasoning
about functional programs. Functional programs are mathematical
expressions that are evaluated and reasoned about much like ordinary
mathematical functions. As a result, these expressions are simple to
analyze and compose to implement large-scale programs. We will cover the mathematical foundations of functional programming, the lambda calculus, as well as higher-order programming, typing, and proofs of correctness.

The second part of the course will focus on deductive and algorithmic validation of programs modeled as transition systems. As an example of deductive verification, students will learn how to formalize the semantics of imperative programming languages and how to use a formal semantics to prove properties of languages and programs. As an example of algorithmic validation, the course will introduce model checking and apply it to programs and program designs.
252-0063-00LData Modelling and Databases Information Belegung eingeschränkt - Details anzeigen O7 KP4V + 2UC. Zhang
KurzbeschreibungData modelling (Entity Relationship), relational data model, relational design theory (normal forms), SQL, database integrity, transactions and advanced database engines
LernzielIntroduction to relational databases and data management. Basics of SQL programming and transaction management.
InhaltThe course covers the basic aspects of the design and implementation of databases and information systems. The courses focuses on relational databases as a starting point but will also cover data management issues beyond databases such as: transactional consistency, replication, data warehousing, other data models, as well as SQL.
LiteraturKemper, Eickler: Datenbanksysteme: Eine Einführung. Oldenbourg Verlag, 7. Auflage, 2009.

Garcia-Molina, Ullman, Widom: Database Systems: The Complete Book. Pearson, 2. Auflage, 2008.
252-0064-00LComputer Networks Information O7 KP4V + 2UA. Perrig, A. Singla
KurzbeschreibungThis introductory course on computer networking takes a top-down view from networked applications all through the physical layer.
LernzielStudents will get a comprehensive overview of the key protocols and the architecture of the Internet, as one example of more general principles in network design. Students will also acquire hands-on experience in programming different aspects of a computer networks. Apart from the state-of-the-art in networking practice, students will explore the rationale for the design choices that networks in the past have made, and where applicable, why these choices may no longer be ideal.
SkriptThe slides for each lecture will be made available through the course Web page, along with additional reference material.
LiteraturComputer Networking: A Top-Down Approach, James F. Kurose and Keith W. Ross. Pearson; 7th edition (May 6, 2016)
Voraussetzungen / BesonderesThe bonus projects use C programming. ETH courses in the Bachelor track before this course already cover this. For other students, e.g., exchange, please take note of this requirement: you can still take the course and get a good (even 6/6) grade, but you are disadvantaged compared to others who can get the bonus points, if you don't fulfill this prerequisite.
401-0614-00LWahrscheinlichkeit und Statistik Information Belegung eingeschränkt - Details anzeigen O5 KP2V + 2UJ. Teichmann
KurzbeschreibungEinführung in die Wahrscheinlichkeitstheorie und Statistik
Lernziela) Fähigkeit, die behandelten wahrscheinlichkeitstheoretischen Methoden zu verstehen und anzuwenden

b) Probabilistisches Denken und stochastische Modellierung

c) Fähigkeit, einfache statistische Tests selbst durchzuführen und die Resultate zu interpretieren
InhaltWahrscheinlichkeitsraum, Wahrscheinlichkeitsmass, Zufallsvariablen, Verteilungen, Dichten, Unabhängigkeit, bedingte Wahrscheinlichkeiten, Erwartungswert, Varianz, Kovarianz, Gesetz der grossen Zahlen, Zentraler Grenzwertsatz, grosse Abweichungen, Chernoff-Schranken, Maximum-Likelihood-Schätzer, Momentenschätzer, Tests, Neyman-Pearson Lemma, Konfidenzintervalle
SkriptLernmaterialien sind erhältlich auf https://metaphor.ethz.ch/x/2019/fs/401-0614-00L/
Kernfächer
Vertiefung Systems and Software Engineering
NummerTitelTypECTSUmfangDozierende
252-0216-00LRigorous Software Engineering Information O8 KP4V + 2U + 1AF. Friedrich Wicker, H. Lehner, M. Schwerhoff
KurzbeschreibungThis course introduces both theoretical and applied aspects of software engineering and analysis. It covers:

- Software Architecture
- Informal and formal Modeling
- Design Patterns
- Code Refactoring
- Program Testing
- Dynamic Program Analysis
- Static Program Analysis
LernzielThe course has two main objectives:

- Understand, end-to-end (theoretical and practical), the core techniques for building quality software

- Understand how to apply these techniques in practice
InhaltSome of the core technical topics covered will be:

- modeling and mapping of models to code
- common code design patterns
- functional and structural testing
- dynamic and static analysis
LiteraturWill be announced in the lecture.
Vertiefung Information and Data Processing
NummerTitelTypECTSUmfangDozierende
252-0220-00LIntroduction to Machine Learning Information Belegung eingeschränkt - Details anzeigen
Limited number of participants. Preference is given to students in programmes in which the course is being offered. All other students will be waitlisted. Please do not contact Prof. Krause for any questions in this regard. If necessary, please contact studiensekretariat@inf.ethz.ch
O8 KP4V + 2U + 1AA. Krause
KurzbeschreibungThe course introduces the foundations of learning and making predictions based on data.
LernzielThe course will introduce the foundations of learning and making predictions from data. We will study basic concepts such as trading goodness of fit and model complexitiy. We will discuss important machine learning algorithms used in practice, and provide hands-on experience in a course project.
Inhalt- Linear regression (overfitting, cross-validation/bootstrap, model selection, regularization, [stochastic] gradient descent)
- Linear classification: Logistic regression (feature selection, sparsity, multi-class)
- Kernels and the kernel trick (Properties of kernels; applications to linear and logistic regression); k-nearest neighbor
- Neural networks (backpropagation, regularization, convolutional neural networks)
- Unsupervised learning (k-means, PCA, neural network autoencoders)
- The statistical perspective (regularization as prior; loss as likelihood; learning as MAP inference)
- Statistical decision theory (decision making based on statistical models and utility functions)
- Discriminative vs. generative modeling (benefits and challenges in modeling joint vy. conditional distributions)
- Bayes' classifiers (Naive Bayes, Gaussian Bayes; MLE)
- Bayesian approaches to unsupervised learning (Gaussian mixtures, EM)
LiteraturTextbook: Kevin Murphy, Machine Learning: A Probabilistic Perspective, MIT Press
Voraussetzungen / BesonderesDesigned to provide a basis for following courses:
- Advanced Machine Learning
- Deep Learning
- Probabilistic Artificial Intelligence
- Seminar "Advanced Topics in Machine Learning"
Vertiefung Theoretical Computer Science
NummerTitelTypECTSUmfangDozierende
252-0211-00LInformation Security Information O8 KP4V + 3UD. Basin, S. Capkun, R. Sasse
KurzbeschreibungThis course provides an introduction to Information Security. The focus
is on fundamental concepts and models, basic cryptography, protocols and system security, and privacy and data protection. While the emphasis is on foundations, case studies will be given that examine different realizations of these ideas in practice.
LernzielMaster fundamental concepts in Information Security and their
application to system building. (See objectives listed below for more details).
Inhalt1. Introduction and Motivation (OBJECTIVE: Broad conceptual overview of information security) Motivation: implications of IT on society/economy, Classical security problems, Approaches to
defining security and security goals, Abstractions, assumptions, and trust, Risk management and the human factor, Course verview. 2. Foundations of Cryptography (OBJECTIVE: Understand basic
cryptographic mechanisms and applications) Introduction, Basic concepts in cryptography: Overview, Types of Security, computational hardness, Abstraction of channel security properties, Symmetric
encryption, Hash functions, Message authentication codes, Public-key distribution, Public-key cryptosystems, Digital signatures, Application case studies, Comparison of encryption at different layers, VPN, SSL, Digital payment systems, blind signatures, e-cash, Time stamping 3. Key Management and Public-key Infrastructures (OBJECTIVE: Understand the basic mechanisms relevant in an Internet context) Key management in distributed systems, Exact characterization of requirements, the role of trust, Public-key Certificates, Public-key Infrastructures, Digital evidence and non-repudiation, Application case studies, Kerberos, X.509, PGP. 4. Security Protocols (OBJECTIVE: Understand network-oriented security, i.e.. how to employ building blocks to secure applications in (open) networks) Introduction, Requirements/properties, Establishing shared secrets, Principal and message origin authentication, Environmental assumptions, Dolev-Yao intruder model and
variants, Illustrative examples, Formal models and reasoning, Trace-based interleaving semantics, Inductive verification, or model-checking for falsification, Techniques for protocol design,
Application case study 1: from Needham-Schroeder Shared-Key to Kerberos, Application case study 2: from DH to IKE. 5. Access Control and Security Policies (OBJECTIVES: Study system-oriented security, i.e., policies, models, and mechanisms) Motivation (relationship to CIA, relationship to Crypto) and examples Concepts: policies versus models versus mechanisms, DAC and MAC, Modeling formalism, Access Control Matrix Model, Roll Based Access Control, Bell-LaPadula, Harrison-Ruzzo-Ullmann, Information flow, Chinese Wall, Biba, Clark-Wilson, System mechanisms: Operating Systems, Hardware Security Features, Reference Monitors, File-system protection, Application case studies 6. Anonymity and Privacy (OBJECTIVE: examine protection goals beyond standard CIA and corresponding mechanisms) Motivation and Definitions, Privacy, policies and policy languages, mechanisms, problems, Anonymity: simple mechanisms (pseudonyms, proxies), Application case studies: mix networks and crowds. 7. Larger application case study: GSM, mobility
Wahlfächer
Es können auch Lehrveranstaltungen aus dem Master-Studiengang in Informatik gewählt werden. Es liegt in der Verantwortung der Studierenden, sicherzustellen, dass sie die Voraussetzungen für diese Lehrveranstaltungen erfüllen.
NummerTitelTypECTSUmfangDozierende
252-0055-00LInformationstheorie Information W4 KP2V + 1UL. Haug, J. M. Buhmann
KurzbeschreibungDie Vorlesung vermittelt die Grundlagen von Shannons Informations- und Codierungstheorie. Die wichtigsten Themen sind: Entropie, Information, Datenkompression, Kanalcodierung, Codes.
LernzielZiel der Vorlesung ist es, sowohl mit den theoretischen Grundlagen der Informationstheorie vertraut zu machen, als auch den praktischen Einsatz der Theorie anhand ausgewählter Beispiele aus der Datenkompression und -codierung zu illustrieren.
InhaltEinführung und Motivation, Grundlagen der Wahrscheinlichkeitstheorie, Entropie und Information, Kraft-Ungleichung, Schranken für die erwartete Länge von Quellcodes, Huffman-Codierung, asympotische Äquipartitionseigenschaft und typische Sequenzen, Shannons Quellcodierungstheorem, Kanalkapazität und Kanalcodierung, Shannons Kanalcodierungstheorem, Beispiele
LiteraturT. Cover, J. Thomas: Elements of Information Theory, John Wiley, 1991.

D. MacKay, Information Theory, Inference and Learning Algorithms, Cambridge University Press, 2003.


C. Shannon, The Mathematical Theory of Communication, 1948.
252-0820-00LCase Studies from Practice Information W4 KP2V + 1UM. Brandis
KurzbeschreibungThe course is designed to provide students with an understanding of "real-life" computer science challenges in business settings and teach them how to address these.
LernzielBy using case studies that are based on actual IT projects, students will learn how to deal with complex, not straightforward problems. It will help them to apply their theoretical Computer Science background in practice and will teach them fundamental principles of IT management and challenges with IT in practice.
A particular focus is to make the often imprecise and fuzzy problems in practice accessible to factual analysis and reasoning, and to challenge "common wisdom" and hearsay.
InhaltThe course consists of multiple lectures on methods to systematically analyze problems in a business setting and communicate about them as well as about IT management and IT economics, presented by the lecturer, and a number of case studies provided by guest lecturers from either IT companies or IT departments of a diverse range of companies. Students will obtain insights into both established and startup companies, small and big, and different industries.
Presenting companies have included avaloq, Accenture, AdNovum, Bank Julius Bär, Credit Suisse, Deloitte, HP, Hotelcard, IBM Research, McKinsey & Company, Open Web Technology, SAP Research, Selfnation, SIX Group, Teralytics, 28msec, Zühlke and dormakaba, and Marc Brandis Strategic Consulting. The participating companies in spring 2019 will be announced at course start.
Voraussetzungen / BesonderesParticipants should be aware that the provided documents supporting the cases are usually taken directly from the projects and companies being addressed, and thus differ very much in terms of presentation style, terminology, and explicitly provided contextual information.
Earlier participants have found it difficult to solve the exercises completely and to fully grasp the contents taught in the cases, if they were not able to attend the case presentation, and were just relying on the provided documents.
151-0116-10LHigh Performance Computing for Science and Engineering (HPCSE) for Engineers II Information W4 KP4GP. Koumoutsakos, S. M. Martin
KurzbeschreibungThis course focuses on programming methods and tools for parallel computing on multi and many-core architectures. Emphasis will be placed on practical and computational aspects of Uncertainty Quantification and Propagation including the implementation of relevant algorithms on HPC architectures.
LernzielThe course will teach
- programming models and tools for multi and many-core architectures
- fundamental concepts of Uncertainty Quantification and Propagation (UQ+P) for computational models of systems in Engineering and Life Sciences
InhaltHigh Performance Computing:
- Advanced topics in shared-memory programming
- Advanced topics in MPI
- GPU architectures and CUDA programming

Uncertainty Quantification:
- Uncertainty quantification under parametric and non-parametric modeling uncertainty
- Bayesian inference with model class assessment
- Markov Chain Monte Carlo simulation
Skripthttps://www.cse-lab.ethz.ch/teaching/hpcse-ii_fs20/
Class notes, handouts
Literatur- Class notes
- Introduction to High Performance Computing for Scientists and Engineers, G. Hager and G. Wellein
- CUDA by example, J. Sanders and E. Kandrot
- Data Analysis: A Bayesian Tutorial, D. Sivia and J. Skilling
- An introduction to Bayesian Analysis - Theory and Methods, J. Gosh, N. Delampady and S. Tapas
- Bayesian Data Analysis, A. Gelman, J. Carlin, H. Stern, D. Dunson, A. Vehtari and D. Rubin
- Machine Learning: A Bayesian and Optimization Perspective, S. Theodorides
Voraussetzungen / BesonderesStudents must be familiar with the content of High Performance Computing for Science and Engineering I (151-0107-20L)
401-0674-00LNumerical Methods for Partial Differential Equations
Nicht für Studierende BSc/MSc Mathematik
W10 KP2G + 2U + 2P + 4AR. Hiptmair
KurzbeschreibungDerivation, properties, and implementation of fundamental numerical methods for a few key partial differential equations: convection-diffusion, heat equation, wave equation, conservation laws. Implementation in C++ based on a finite element library.
LernzielMain skills to be acquired in this course:
* Ability to implement fundamental numerical methods for the solution of partial differential equations efficiently.
* Ability to modify and adapt numerical algorithms guided by awareness of their mathematical foundations.
* Ability to select and assess numerical methods in light of the predictions of theory
* Ability to identify features of a PDE (= partial differential equation) based model that are relevant for the selection and performance of a numerical algorithm.
* Ability to understand research publications on theoretical and practical aspects of numerical methods for partial differential equations.
* Skills in the efficient implementation of finite element methods on unstructured meshes.

This course is neither a course on the mathematical foundations and numerical analysis of methods nor an course that merely teaches recipes and how to apply software packages.
Inhalt1 Second-Order Scalar Elliptic Boundary Value Problems
1.2 Equilibrium Models: Examples
1.3 Sobolev spaces
1.4 Linear Variational Problems
1.5 Equilibrium Models: Boundary Value Problems
1.6 Diffusion Models (Stationary Heat Conduction)
1.7 Boundary Conditions
1.8 Second-Order Elliptic Variational Problems
1.9 Essential and Natural Boundary Conditions
2 Finite Element Methods (FEM)
2.2 Principles of Galerkin Discretization
2.3 Case Study: Linear FEM for Two-Point Boundary Value Problems
2.4 Case Study: Triangular Linear FEM in Two Dimensions
2.5 Building Blocks of General Finite Element Methods
2.6 Lagrangian Finite Element Methods
2.7 Implementation of Finite Element Methods
2.7.1 Mesh Generation and Mesh File Format
2.7.2 Mesh Information and Mesh Data Structures
2.7.2.1 L EHR FEM++ Mesh: Container Layer
2.7.2.2 L EHR FEM++ Mesh: Topology Layer
2.7.2.3 L EHR FEM++ Mesh: Geometry Layer
2.7.3 Vectors and Matrices
2.7.4 Assembly Algorithms
2.7.4.1 Assembly: Localization
2.7.4.2 Assembly: Index Mappings
2.7.4.3 Distribute Assembly Schemes
2.7.4.4 Assembly: Linear Algebra Perspective
2.7.5 Local Computations
2.7.5.1 Analytic Formulas for Entries of Element Matrices
2.7.5.2 Local Quadrature
2.7.6 Treatment of Essential Boundary Conditions
2.8 Parametric Finite Element Methods
3 FEM: Convergence and Accuracy
3.1 Abstract Galerkin Error Estimates
3.2 Empirical (Asymptotic) Convergence of Lagrangian FEM
3.3 A Priori (Asymptotic) Finite Element Error Estimates
3.4 Elliptic Regularity Theory
3.5 Variational Crimes
3.6 FEM: Duality Techniques for Error Estimation
3.7 Discrete Maximum Principle
3.8 Validation and Debugging of Finite Element Codes
4 Beyond FEM: Alternative Discretizations [dropped]
5 Non-Linear Elliptic Boundary Value Problems [dropped]
6 Second-Order Linear Evolution Problems
6.1 Time-Dependent Boundary Value Problems
6.2 Parabolic Initial-Boundary Value Problems
6.3 Linear Wave Equations
7 Convection-Diffusion Problems [dropped]
8 Numerical Methods for Conservation Laws
8.1 Conservation Laws: Examples
8.2 Scalar Conservation Laws in 1D
8.3 Conservative Finite Volume (FV) Discretization
8.4 Timestepping for Finite-Volume Methods
8.5 Higher-Order Conservative Finite-Volume Schemes
SkriptThe lecture will be taught in flipped classroom format:
- Video tutorials for all thematic units will be published online.
- Tablet notes accompanying the videos will be made available to the audience as PDF.
- A comprehensive lecture document will cover all aspects of the course.
LiteraturChapters of the following books provide supplementary reading
(detailed references in course material):

* D. Braess: Finite Elemente,
Theorie, schnelle Löser und Anwendungen in der Elastizitätstheorie, Springer 2007 (available online).
* S. Brenner and R. Scott. Mathematical theory of finite element methods, Springer 2008 (available online).
* A. Ern and J.-L. Guermond. Theory and Practice of Finite Elements, volume 159 of Applied Mathematical Sciences. Springer, New York, 2004.
* Ch. Großmann and H.-G. Roos: Numerical Treatment of Partial Differential Equations, Springer 2007.
* W. Hackbusch. Elliptic Differential Equations. Theory and Numerical Treatment, volume 18 of Springer Series in Computational Mathematics. Springer, Berlin, 1992.
* P. Knabner and L. Angermann. Numerical Methods for Elliptic and Parabolic Partial Differential Equations, volume 44 of Texts in Applied Mathematics. Springer, Heidelberg, 2003.
* S. Larsson and V. Thomée. Partial Differential Equations with Numerical Methods, volume 45 of Texts in Applied Mathematics. Springer, Heidelberg, 2003.
* R. LeVeque. Finite Volume Methods for Hyperbolic Problems. Cambridge Texts in Applied Mathematics. Cambridge University Press, Cambridge, UK, 2002.

However, study of supplementary literature is not important for for following the course.
Voraussetzungen / BesonderesMastery of basic calculus and linear algebra is taken for granted.
Familiarity with fundamental numerical methods (solution methods for linear systems of equations, interpolation, approximation, numerical quadrature, numerical integration of ODEs) is essential.

Important: Coding skills and experience in C++ are essential.

Homework assignments involve substantial coding, partly based on a C++ finite element library. The written examination will be computer based and will comprise coding tasks.
Ergänzung
NummerTitelTypECTSUmfangDozierende
151-0854-00LAutonomous Mobile Robots Information W5 KP4GR. Siegwart, M. Chli, N. Lawrance
KurzbeschreibungThe objective of this course is to provide the basics required to develop autonomous mobile robots and systems. Main emphasis is put on mobile robot locomotion and kinematics, environment perception, and probabilistic environment modeling, localizatoin, mapping and navigation. Theory will be deepened by exercises with small mobile robots and discussed accross application examples.
LernzielThe objective of this course is to provide the basics required to develop autonomous mobile robots and systems. Main emphasis is put on mobile robot locomotion and kinematics, environment perception, and probabilistic environment modeling, localizatoin, mapping and navigation.
SkriptThis lecture is enhanced by around 30 small videos introducing the core topics, and multiple-choice questions for continuous self-evaluation. It is developed along the TORQUE (Tiny, Open-with-Restrictions courses focused on QUality and Effectiveness) concept, which is ETH's response to the popular MOOC (Massive Open Online Course) concept.
LiteraturThis lecture is based on the Textbook:
Introduction to Autonomous Mobile Robots
Roland Siegwart, Illah Nourbakhsh, Davide Scaramuzza, The MIT Press, Second Edition 2011, ISBN: 978-0262015356
227-0075-00LElektrotechnik IW3 KP2V + 2UJ. Leuthold
KurzbeschreibungGrundlagenvorlesung im Fachgebiet Elektrotechnik mit folgenden Themen: Konzepte von Spannung und Strom; Analyse von Gleich- und Wechselstromnetzwerken; Serie- und Parallelschaltungen von (komplexen) Widerstandsnetzwerken; Kirchhoff'sche Gesetze und andere Netzwerktheoreme; Transiente Vorgänge; Grundlagen elektrischer und magnetischer Felder;
LernzielDas Verständnis für grundlegende Konzepte der Elektrotechnik, im Speziellen der Schaltungstheorie soll gefördert werden. Der/die erfolgreiche Student/in kennt am Ende die Grundelemente elektrischer Schaltungen und beherrscht die Grundgesetze und -theoreme zur Bestimmung von Spannungen und Strömen in einer Schaltung mit solchen Elementen. Er/sie kann auch grundlegende Schaltungsberechnungen durchführen.
InhaltDiese Vorlesung vermittelt Grundlagenkenntnisse im Fachgebiet Elektrotechnik. Ausgehend von den grundlegenden Konzepten der Spannung und des Stroms wird die Analyse von Netzwerken bei Gleich- und Wechselstrom behandelt. Dabie werden folgende Themen behandelt:
Kapitel 1 Das elektrostatische Feld
Kapitel 2 Das stationäre elektrische Strömungsfeld
Kapitel 3 Einfache elektrische Netzwerke
Kapitel 4 Halbleiterbauelemente (Dioden, der Transistor)
Kapitel 5 Das stationäre Magnetfeld
Kapitel 6 Das zeitlich veränderliche elektromagnetische Feld
Kapitel 7 Der Übergang zu den zeitabhängigen Strom- und Spannungsformen
Kapitel 8 Wechselspannung und Wechselstrom
SkriptDie Vorlesungsfolien werden auf Moodle bereitgestellt.
Als ausführliches Skript wird das Buch "Manfred Albach. Elektrotechnik, Person Verlag, Ausgabe vom 1.8.2011" empfohlen.
LiteraturFür das weitergehende Studium werden in der Vorlesung verschiedene Bücher vorgestellt.
227-0123-00LMechatronikW6 KP4GT. M. Gempp
KurzbeschreibungEinführung in die Mechatronik. Sensoren und Aktoren. Elektronische und hydraulische Leistungsstellglieder. Prozessdatenverarbeitung und Grundlagen der Echtzeitprogrammierung. Multitasking und Multiprozessing. Modelle mechatronischer Systeme. Geometrische, kinematische und dynamische Elemente. Mechanik von Mehrkörpersystemen, systemtheoretische Grundlagen. Mechatronik-Beispiele aus der Industrie.
LernzielEinführung in die theoretischen Grundlagen und die Technik mechatronischer Einrichtungen. Theoretische und praktische Kenntnisse der grundlegenden Elemente eines mechatronischen Systems.
InhaltEinführung in die Mechatronik. Sensoren und Aktoren. Elektronische und hydraulische Leistungsstellglieder. Prozessdatenverarbeitung und Grundlagen der Echtzeitprogrammierung. Multitasking und Multiprozessing. Modelle mechatronischer Systeme. Geometrische, kinematische und dynamische Elemente. Mechanik von Mehrkörpersystemen, systemtheoretische Grundlagen. Mechatronik-Beispiele aus der Industrie.
SkriptLehrbuch empfohlen. Ergänzende Vorlesungsdokumentation, Firmendokumentation.
227-0707-00LOptimization Methods for EngineersW3 KP2GP. Leuchtmann
KurzbeschreibungErste Semesterhälfte: Einführung in die wichtigsten Methoden der numerischen Optimierung mit Schwerpunkt auf stochastischen Verfahren wie genetische Algorithmen, evolutionäre Strategien, etc.
Zweite Semesterhälfte: Jeder Teilnehmer implementiert ein ausgewähltes Optimierungsverfahren und wendet es auf ein praktisches Problem an.
LernzielNumerische Optimierung spielt eine zunehmende Rolle sowohl bei der Entwicklung technischer Produkte als auch bei der Entwicklung numerischer Methoden. Die Studenten sollen lernen, geeignete Verfahren auszuwählen, weiter zu entwickeln und miteinander zu kombinieren um so praktische Probleme effizient zu lösen.
InhaltTypische Optimierungsprobleme und deren Tücken werden skizziert. Bekannte deterministische Suchalgorithmen, Verfahren der kombinatorische Minimierung und evolutionäre Algorithmen werden vorgestellt und miteinander verglichen. Da Optimierungsprobleme im Ingenieurbereich oft sehr komplex sind, werden Wege zur Entwicklung neuer, effizienter Verfahren aufgezeigt. Solche Verfahren basieren oft auf einer Verallgemeinerung oder einer Kombination von bekannten Verfahren. Zur Veranschaulichung werden aus dem breiten Anwendungsbereich numerischer Optimierungsverfahren verschiedenartigste praktische Probleme herausgegriffen
SkriptPDF of a short skript (39 pages) plus the view graphs are provided
Voraussetzungen / BesonderesVorlesung nur in der 1. Semesterhälfte, Übungen in Form kleiner Projekte in der 2. Semesterhälfte, Präsentation der Resultate in der letzten Semesterwoche.
227-0803-00LEnergy, Resources, Environment: Risks and ProspectsW6 KP4GO. Zenklusen, T. Flüeler
KurzbeschreibungMultidisciplinary, interactive course focussing on current debates around environmental and energy issues. Topics include: energy transition, nuclear energy and climate change, 2000-Watt-Society. Concepts such as risk, sustainable development and eco-efficiency are applied to case studies. The course is designed for a pluridisciplinary audience and provides a training ground for critical thinking.
LernzielDevelop capacities for explicating environmental problems, for scrutinising proposed solutions and for contributing to debates. Analyse complex issues from different perspectives and using a variety of analytical concepts. Understand interactions between the environment, science and technology, society and the economy. Develop skills in critical thinking, scientific writing and presenting.
InhaltFollowing a multidisciplinary outline of current issues in environmental and energy policy, the course introduces theoretical and analytical approaches including "risk", "sustainability", "resource management", "messy problems" as well as concepts from institutional design and environmental economics. Large parts of the course are dedicated to case studies and contributions from participants. These serve for applying concepts to concrete challenges and debates. Topics may include: energy transition, innovation, carbon markets, the future of nuclear energy, climate change and development policy, dealing with disaster risk, the use of non-renewable resources, as well as visions such as 2000-watt society.
SkriptPresentations and reader provided in electronic formats.
LiteraturReader provided in electronic formats.
Voraussetzungen / Besonderes-
  •  Seite  1  von  3 Nächste Seite Letzte Seite     Alle