Modulbeschreibung
Software Engineering in intelligenten Systemen
Kurzzeichen:
M_VP_10713
ECTS-Credits:
15
Leitidee:
Die Studierenden
- verstehen Algorithmen für Client-Server Anwendungen und können sie entwickeln.
- haben Verständnis von rechnerinternen Modellen für vernetzte Modelle in vernetzten Systemen.
- können die Algorithmen am konkreten Projekt anwenden.
- haben Verständnis und können Algorithmen zur 3D Bilderfassung und –auswertung Anwenden.
Modulverantwortung:
Frei Norbert
Standort (angeboten):
Waldau St.Gallen
Modultyp:
Wahlpflicht-Modul für MSE Master of Science in Engineering BB STD_08 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering BB STD_13 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering BB STD_16 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering VZ STD_08 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering VZ STD_13 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für MSE Master of Science in Engineering VZ STD_16 (BU)(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Wahlpflicht-Modul für Technik und IT MSE_20(Keine Semesterempfehlung)Kategorie:Fachliche Vertiefung (MSE-FachV)
Modulbewertung:
Note von 1 - 6
Leistungsnachweise und deren Gewichtung
Während der Unterrichtsphase:
Im Kurs Sembrowser: Client-Server Prototyp wird das zu bearbeitende Projekt mittels Projektarbeit und Schlusspräsentation bewertet. Der Kurs Grundlagen Biomedical Magnetic Resonance wird mit einer mündlichen Prüfung bewertet.
Bewertungsart:
Note von 1 - 6
Gewichtung:
Im Kurs Sembrowser: Client-Server Prototyp wird das zu bearbeitende Projekt mittels Projektarbeit und Schlusspräsentation (Gewicht 70%) bewertet. Der Kurs Grundlagen Biomedical Magnetic Resonance wird mit einer mündlichen Prüfung (Gewicht 30%) bewertet.
Bemerkungen:
Inhalte
Angestrebte Lernergebnisse (Abschlusskompetenzen):
Die Studierenden
- verstehen Algorithmen für Client-Server Anwendungen und können sie entwickeln.
- haben Verständnis von rechnerinternen Modellen für vernetzte Modelle in vernetzten Systemen.
- können die Algorithmen am konkreten Projekt anwenden.
Modul- und Lerninhalt:
- Konzepte von Client-Server Anwendungen
- Entwicklung verteilter Software als Teil eines Forschungsprojekt in Richtung der wissensbasierten Systeme