Vorlesung

8.0

Bachelor

deutsch

6

Fach­kompetenz:
Die Studierenden kennen effiziente Algorithmen und effektive Datenstrukturen für grundlegende Probleme der Informatik und können diese  anwenden und in Computer­programme umsetzen. Sie beherrschen weiterhin grundlegende Techniken des Entwurfs von Algorithmen und Datenstrukturen, sowie der Korrektheits- und Laufzeitanalyse von Algorithmen
Methoden­kompetenz:
Die Studierenden können anwendungs­relevanten Berechnungs­problemen effiziente Algorithmen zuzuordnen bzw. diese  entwickeln und
mittels dieser lösen.
Personale Kompetenz:
Die Studierenden können Berechnungs­probleme in Anwendungs­zusammenhängen identifizieren, sie formal spezifizieren und damit einer rechentechnischen Lösung zuführen. Sie können auf höherem Niveau abstrahieren und mit formalen Modellierungs­techniken arbeiten.

Schriftliche Klausur (90 Minuten)

Prof. Dr. Matthias Krause, Linda Scheu-Hachtel

Vorlesung

6.0

Bachelor, Master

englisch

4

Expertise:
Students will acquire knowledge about methods and systems for managing large datasets and data-intensive computing.

Methodological competence:
• Be able to judge, select, and use traditional or non-traditional data management systems for a given data management task
• Be able to solve computational problems involving large datasets

Personal competence:
• Study independently
• Presentation and writing skills

Written examination, exercises
90 minutes

Prof. Dr. Rainer Gemulla

Vorlesung

8.0

Bachelor

deutsch

4

Fach­kompetenz:
Verständnis der Grundlagen der Daten­modellierung bzw. des Datenbankentwurfs und der Funktions­weise von relationalen Datenbank­management­systemen, insbesondere Anfragebearbeitung und Transaktions­verwaltung
Methoden­kompetenz:
Abstraktion, Modellierung, Aufwandsabschätzung für Anfragen
Personale Kompetenz:
Verständnis der Rolle moderner Datenhaltung in einem Unternehmen

schriftliche Klausur (90 Minuten)

Prof. Dr. Guido Moerkotte

Vorlesung

6.0

Bachelor, Master

englisch

1

Präsenz live

Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of decision theory.
Methodological competence:

• Successful participants will be able to identify opportunities for decision support in an enterprise environment, select and apply appropriate techniques, and interpret the results.
• project presentation skills

Personal competence:

• team work skills
• presentation skills

Written examination (90 minutes), homework assignments, case studies

Lea Cohausz, Prof. Dr. Heiner Stuckenschmidt

Vorlesung

6.0

Bachelor, Master

englisch

2

Präsenz live

Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of decision theory.
Methodological competence:

• Successful participants will be able to identify opportunities for decision support in an enterprise environment, select and apply appropriate techniques, and interpret the results.
• project presentation skills

Personal competence:

• team work skills
• presentation skills

Written examination (90 minutes), homework assignments, case studies

Lea Cohausz, Prof. Dr. Heiner Stuckenschmidt

Vorlesung

6.0

Bachelor, Master

englisch

2

Präsenz live

Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of decision theory.
Methodological competence:

• Successful participants will be able to identify opportunities for decision support in an enterprise environment, select and apply appropriate techniques, and interpret the results.
• project presentation skills

Personal competence:

• team work skills
• presentation skills

Written examination (90 minutes), homework assignments, case studies

Lea Cohausz, Prof. Dr. Heiner Stuckenschmidt

Vorlesung

6.0

Bachelor, Master

deutsch

4

Fach­kompetenz:
Die Studierenden beherrschen grundlegende für die Informatik rele-vanten Konzepte, Begriffsbildungen und wissenschaft­lichen Arbeits-techniken aus Mathematik und Logik. Sie kennen weiterhin eine erste Auswahl an wichtigen Datenstrukturen und  effizienten Algorithmen für grundlegende Probleme.
Methoden­kompetenz:
Die Studierenden besitzen die Fähigkeit, informal gegebene Sachver-halte formal zu modellieren und die entstehenden formalen Struktu-ren bzgl. grundlegender Eigenschaften zu klassifizieren. Sie können weiterhin  auf einem für Informatiker adäquaten Niveau gegebene Aussagen mathematisch  beweisen.
Personale Kompetenz:
Die Studierenden besitzen ein Grundverständnis der för die Informa-tik wichtigen formalen Strukturen, Modelle und Arbeits­techniken. Sie können auf höherem Niveau abstrakt denken und formal modellieren.

Schriftliche Klausur (90 Minuten)

Prof. Dr. Matthias Krause, Linda Scheu-Hachtel

Vorlesung

6.0

Bachelor

deutsch

4

Präsenz live

Fach­kompetenz:
Ziele und Grundlagen der Künstlichen Intelligenz. Such­verfahren als universelle Problemlösungs­verfahren. Problemkomplexität und Heuristische Lösungen. Eigenschaften und Zusammenhang zwischen unterschiedlichen Such­verfahren.
Methoden­kompetenz:
Beschreibung konkreter Aufgaben als Such-, Constraint- oder Planungs­problem. Implementierung unterschiedlicher Such­verfahren und Heuristiken.

Erfolgreiche Teilnahme am Übungs­betrieb
schriftliche Klausur (90 Minuten)

Dr. Christian Meilicke

Vorlesung

8.0

Bachelor, Master

deutsch

6

Präsenz live

Fach­kompetenz:
Die Studierenden können selbständig Algorithmen zu vorgegebenen Problemen entwerfen und in Java, das im parallel laufenden Pro-grammierkurs I unterrichtet wird, objekt­orientiert programmieren. Methoden­kompetenz:
Algorithmenentwurf, Bewertung von vorgegeben Algorithmen Personale Kompetenz:
Kreativität beim Entwurf von Algorithmen, Team­fähigkeit

Studien­beginn ab HWS 2011:
Erfolgreiche Teilnahme am Übungs­betrieb
schriftliche Klausur (90 Minuten)

Studien­beginn vor HWS 2011:
schriftliche Klausur (90 Minuten)

Prof. Dr.-Ing. Roland Leißa

Vorlesung

5.0

Bachelor

deutsch

2

Präsenz live

Fach­kompetenz:

• Gründliche Kenntnis der Basiskonzepte der Programmiersprache Java
• Verständnis des Konzepts der Objekt­orientierung
• Kenntnisse der algorithmischen Prinzipien  Iteration und Rekursion
• Basiswissen über das Arbeiten unter einem Linux-Betriebs­system

Methoden­kompetenz:

• Fähigkeit, Algorithmen zu entwerfen
• Fähigkeit, komplexe Algorithmen in Java ohne Einsatz importierter Methoden zu programmieren
• Fähigkeit, rekursiv zu programmieren

Personale Kompetenz:

• Eigen­verantwortliches Arbeiten
• Team­fähigkeit

Programmiertestate, Programmier­projekte, Programming Competence Test (180 Minuten)

Dr. Ursula Rost

Vorlesung

6.0

Master

englisch

2

Präsenz live

Expertise:
After taking the course, students will be familiar with the latest state-of-the-art techniques for specifying the externally visible properties of a software system/component  – that is, for describing a software system/component as a “black box”, and for verifying them. Methodological competence:
Participants will know how to use the expertise acquired during the course to describe the requirements that a system/component has to satisfy and to define tests to check whether a system/component fulfils these requirements. Personal competence:
With the acquired skills and know-how, students will be able to play a key role in projects involving the development of systems, components and software applications.

Written examination, 90 minutes

Prof. Dr. Colin Atkinson

Vorlesung

6.0

Bachelor, Master

englisch

4

Expertise:
Students will acquire knowledge about methods and systems for managing large datasets and data-intensive computing.

Methodological competence:
• Be able to judge, select, and use traditional or non-traditional data management systems for a given data management task
• Be able to solve computational problems involving large datasets

Personal competence:
• Study independently
• Presentation and writing skills

Written examination, exercises
90 minutes

Prof. Dr. Rainer Gemulla

Vorlesung

6.0

Master

englisch

2

Please note that there is no second date for the exam.

Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of data mining. Methodological competence:

• Successful participants will be able to identify opportunities for applying data mining in an enterprise environment, select and apply appropriate techniques, and interpret the results.
• project organisation skills

Personal competence:

• team work skills
• presentation skills

Written examination (90 minutes), project report, oral project presentation

Vorlesung

6.0

Bachelor, Master

englisch

1

Präsenz live

Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of decision theory.
Methodological competence:

• Successful participants will be able to identify opportunities for decision support in an enterprise environment, select and apply appropriate techniques, and interpret the results.
• project presentation skills

Personal competence:

• team work skills
• presentation skills

Written examination (90 minutes), homework assignments, case studies

Lea Cohausz, Prof. Dr. Heiner Stuckenschmidt

Vorlesung

6.0

Bachelor, Master

englisch

2

Präsenz live

Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of decision theory.
Methodological competence:

• Successful participants will be able to identify opportunities for decision support in an enterprise environment, select and apply appropriate techniques, and interpret the results.
• project presentation skills

Personal competence:

• team work skills
• presentation skills

Written examination (90 minutes), homework assignments, case studies

Lea Cohausz, Prof. Dr. Heiner Stuckenschmidt

Vorlesung

6.0

Bachelor, Master

englisch

2

Präsenz live

Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of decision theory.
Methodological competence:

• Successful participants will be able to identify opportunities for decision support in an enterprise environment, select and apply appropriate techniques, and interpret the results.
• project presentation skills

Personal competence:

• team work skills
• presentation skills

Written examination (90 minutes), homework assignments, case studies

Lea Cohausz, Prof. Dr. Heiner Stuckenschmidt

Vorlesung mit Übung

6.0 (Modul/e)

Master

englisch

Prof. Dr.-Ing. Margret Keuper

Vorlesung

9.0

Master

englisch

Prof. Dr. Rainer Gemulla

Vorlesung

6.0

Master

englisch

2

Expertise:
Students will acquire knowledge of fundamental techniques of Information Retrieval and Web Search, including standard retrieval models, evaluation of information retrieval systems, text classification and clustering, as well as web search topics such as crawling and link-based algorithms.
Methodological competence:
Successful participants will be able to understand state-of-the-art methods for Information Retrieval and Web search, as well as being able to select, apply and evaluate the most appropriate techniques for a variety of different search scenarios.
Personal competence:

• presentation skills;
• team work skills.

Written examination (90 minutes), written project report, oral project presentation

Dr. Daniel Ruffinelli

Vorlesung

6.0

Master

englisch

2

Dr. Anna-Maria Seeger

Vorlesung

6.0

Master

englisch

2

Präsenz live

Dr. Jörg Schlötterer, Prof. Dr. Markus Strohmaier

Seminar

4.0

Master

englisch

Prof. Dr. Frederik Armknecht

Vorlesung

6.0

Master

englisch

2

Expertise:
The participants of this course learn about principles and applications of Semantic Web standards. They become familiar with their technical foundations such as representation and query languages, or logical inference. After taking this course, the students will be aware of the problems and benefits of semantic technologies in the context of tasks such as knowledge management, information search and data integration, and they will be capable of judging the applicability of these technologies for addressing practical challenges.
Methodological competence:
The participants learn how to design and implement Semantic Web applications. They are able to use standardized modeling languages for building knowledge representations, and to query these models by means of languages such as SPARQL.
Personal competence:
By jointly building a semantic web application, the students learn how to effectively work in teams. They improve upon their presentation skills by showing the outcomes of their projects to the other participants of the course.

Regular exercises, team project, written examination (90 minutes)

Vorlesung

6.0

Master

englisch

2

Fach­kompetenz:
Die Studierenden können Mithilfe aktueller Techniken und Theorien der modernen Kryptographie die Sicherheit von kryptographischen Verfahren einschätzen bzw. Sicherheitsaussagen entsprechend zu beurteilen. Weiterhin sind sie in der Lage, Sicherheitsziele zu erkennen und entsprechende Techniken einzusetzen, die in Kryptographie I nicht behandelt werden konnten.
Methoden­kompetenz:
Den Studierenden sind in der Lage, geeignete Methoden zu Sicherheitsanalyse von kryptographischen Verfahren auszuwählen und einzusetzen. Dazu gehören bspw. die Wahl der passenden Sicherheits­modelle, das Beweisen der Sicherheit aufgrund klar präzisierter Annahmen und die Analyse gegebener Verfahren. Insbesondere besitzen die Studierenden die Fähigkeit, die Sicherheitsargumente für existierende Verfahren zu verstehen und einzuschätzen und auf neue zu übertragen. Weiterhin können sie Techniken und Protokolle einsetzen, um Sicherheitsziele zu erreichen, die mit den in Kryptographie I besprochenen Verfahren noch nicht möglich waren.
Personale Kompetenz:
Das analytische, konzentrierte und präzise Denken der Studierenden wird geschult. Durch die eigenständige Behandlung von Anwendungen, z.B. im Rahmen der Übungs­aufgaben, wird ihr Abstraktions­vermögen weiterentwickelt und der Transfer des erlernten Stoffes auf verwandte Fragestellungen gefördert.

Schriftliche Klausur (90 Minuten) oder mündliche Prüfung (30 Minuten)

Prof. Dr. Frederik Armknecht

Vorlesung

6.0

Master

englisch

2

Präsenz/Online live

Expertise:
Students will be familiar with the accepted best practices and technologies used in mainstream model-driven development as well as state-of-the-art modeling technologies emerging from research institutions.
Methodological competence:
Students will know how to apply modeling technologies in real-world projects.
Personal competence:
Students will have the capability to analyse, understand and model complex systems.

Written examination (90 minutes)

Prof. Dr. Colin Atkinson

Vorlesung

6.0

Master

englisch

2

Präsenz live

Expertise:
Students will be able to identify opportunities for employing Web data in business applications and will learn to select and apply appropriate techniques for integrating and cleansing Web data.
Methodological competence:

• Participants will acquire knowledge of the data integration process as well as the techniques that are used in each phase of the process.
• project organization skills

Personal competence:

• presentation skills
• team work skills.

Written examination (90 minutes), project report, oral project presentation

Prof. Dr. Christian Bizer, Ralph Peeters, Keti Korini, Alexander Brinkmann

Vorlesung

6.0

Master

englisch

2

Präsenz live

Expertise:
Students will be able to identify opportunities for employing Web data in business applications and will learn to select and apply appropriate techniques for integrating and cleansing Web data.
Methodological competence:

• Participants will acquire knowledge of the data integration process as well as the techniques that are used in each phase of the process.
• project organization skills

Personal competence:

• presentation skills
• team work skills.

Written examination (90 minutes), project report, oral project presentation

Prof. Dr. Christian Bizer, Ralph Peeters, Keti Korini, Alexander Brinkmann

Vorlesung

8.0 (Modul/e)

Bachelor

deutsch

4

Fach­kompetenz:
• Wegintegrale im Komplexen (BK1)
• Potenzreihenkalkül (BK1)
• Fundamentalsatz der Algebra (BK1)
• Cauchyscher Integralsatz und Integralformel (BF1, BK1)
• Residuensatz (BK1, BO3)
Methoden­kompetenz:
• Zusammenhang zwischen reeller und komplexer Differenzierbarkeit (BF1, BO2)
• Berechnen von Residuen (BO3)
• Berechnen von reellen Integralen mit dem Residuensatz (BF1, BO3)
• Verständnis von lokalen und globalen Eigenschaften holomorpher Funktionen (BF1, BO2)
Personale Kompetenz:
• Teamarbeit (BF4)

Mündliche Prüfung oder schriftliche Klausur

Dr. Peter Parczewski

Vorlesung

8.0

Bachelor, Master

englisch

 Script (online)
 L.C. Evans: Partial Differential Equations
 F. John: Partial Differential Equations

oral examination, 30 minutes

Dr. Ross Ogilvie

Vorlesung

8.0 (Modul/e)

Bachelor

deutsch

4

Fach­kompetenz:
• Karte und Atlas (BK1, BF1)
• Tangentialraum (BK1)
• Integralkurven von Vektorfeldern (BK1)
• Tensoren (BK1)
• Äußeres Produkt und äußere Ableitung von Differenzialformen (BK1, BO2)
• Der Satz von Stokes (BK1)
Methoden­kompetenz:
• Verstehen des Transformations­verhaltens unter Kartenwechsel (BF1)
• Rechnen mit Tensoren (BF1)
• Bestimmung von Integralkurven (BF1, BF2)
• Hantieren mit Differenzialformen (BF1)
Personale Kompetenz:
• Teamarbeit (BO1, BF4)

Mündliche Prüfung oder schriftliche Klausur

Prof. Dr. Martin Schmidt

Vorlesung

8.0 (Modul/e)

Bachelor

deutsch

4

Präsenz live

Fach­kompetenz:
• Sicherer Umgang mit den algebraischen Grundstrukturen, Gruppen, Ringen, Körpern (BK1).
• Würdigung des Aufbaus dieser Grundstrukturen und wichtiger Beweise (BK1).
Methoden­kompetenz:
• Gruppen als ordnendes Mittel für Symmetrien verstehen (BK1, BF2).
• Körpertheorie als modernes Werkzeug zur Lösung von mathematischen Fragen der Antike würdigen (BK1, BF2).
Personale Kompetenz:
• Strukturen und Symmetrien erkennen und präzisieren (BF1, BO2).

Mündliche Prüfung oder schriftliche Klausur

Dr. Thomas Reichelt

Vorlesung

8.0 (Modul/e)

Bachelor

deutsch

4

Fach­kompetenz:
• Verständnis der wesentlichen Konzepte und Lösungs­verfahren der Linearen Optimierung  (BF1, BK1)
• Computer­unterstütze Umsetzung anwendungs­bezogener Fragestellungen  (BK2, BK3, BO1)
• Querverbindungen zu anderen mathematischen Gebieten identifizierten Klassifikation und Interpretation numerischer Probleme (BK1, BO2)
Methoden­kompetenz:
• Mathematische Modellierung eines Problems (BF3, BO3)
• Konkrete Problemlösungs­strategien und deren Interpretation (BF1, BF2)
Personale Kompetenz:
• Teamarbeit (BO1, BF4, BF5)

Mündliche Prüfung oder schriftliche Klausur

Prof. Ph. D. Mathias Staudigl

Vorlesung

8.0 (Modul/e)

Bachelor

englisch

4

Präsenz live

Fach­kompetenz:
• Grundbegriffe der Modellierung in der Finanz­mathematik  (BK2, BK4)
• Grundlagen der Martingaltheorie und des Itô-Kalküls (BK1, BK4)
• Bewertung und Absicherung riskanter Positionen in allgemeinen zeitdiskreten Markt­modellen, im  Binomial­modell sowie in einfachen vollständigen Markt­modellen in stetiger Zeit wie etwa dem Bachelier oder dem Black-Scholes-Modell (BK1, BK2, BK3)
Methoden­kompetenz:
• Grundprinzipien des dynamischen Risiko­management (BF2, BF3, BO1, BO3)
• Beherrschung der Terminologie der Finanz­mathematik wie z.B. den „Greeks“ (BF4, BF5, BO1)
• Erkennen, in welchen Situationen welche Bewertungs­methoden für Risiken sinnvoll sein können (BF2, BF3, BF4, BF5)
Personale Kompetenz:
• Teamarbeit (BF4)

Je nach Teilnehmerzahl schriftliche Klausur oder mündliche Prüfung (wird zu Beginn der Vorlesung bekannt gegeben)
Prüfungs­vorleistung: erfolgreiche Teilnahme an den Übungen

Prof. Dr. David Johannes Prömel

Vorlesung

5.0

Bachelor

deutsch

Online aufgezeichnet

Prof. Dr. Martin Slowik

Vorlesung

10.0 (Modul/e)

Bachelor, Master

deutsch

4

Fach­kompetenz:
• Grundbegriffe der reellen Analysis (BF1, BK1)
• Konvergenz von Folgen und Reihen (BK1)
• Stetigkeit von Funktionen in einer Variablen (BK1)
• Differenzierbarkeit von Funktionen in einer Variablen  (BK1)
• Riemanintegral von Funktionen in einer Variablen (BK1)
Methoden­kompetenz:
• mathematische Beweisführung (BF1, BO2)
• Hantieren mit Gleichungen und Ungleichungen (BF1, BO2)
• Berechnen von Grenzwerten (BF1,BO3)
• Kurvendiskussion (BF2, BO3)
• Berechnen von unbestimmten und bestimmten Integralen (BO2,BO3)
Personale Kompetenz:
• Teamarbeit (BF4)

schriftliche Klausur

Prof. Li Chen

Vorlesung

9.0 (Modul/e)

Bachelor, Master

deutsch

4

Fach­kompetenz:
• Kenntnis der wesentlichen Ideen und Methoden der Linearen Algebra, Kenntnis der wesentlichen mathematischen Beweismethoden (BK1).
Methoden­kompetenz:
• Grundstrukturen der Linearen Algebra als Grundstrukturen der Mathematik würdigen und sicher mit ihnen umgehen (BK1).
• Lineare Gleichungs­systeme in Anwendungen erkennen und professionell lösen (BF2).
Personale Kompetenz:
• Strukturiertes Denken (BO2).
• Teamarbeit (BF4).
• Kommunikations­fähigkeit (BO1).

schriftliche Klausur

Prof. Ph. D. Mathias Staudigl

Vorlesung

9.0

Bachelor, Master

deutsch

4

Fach­kompetenz:
• Verständnis der Grundbegriffe und grundlegenden Methoden der Numerischen Mathematik  (BF1, BK1)
• Algorithmisches Denken und Implementierung grundlegender Verfahren zur Bestimmung von Näherungs­lösungen (BK3)
• Klassifikation und Interpretation numerischer Probleme (BK1, BO3)
Methoden­kompetenz:
• Mathematische Modellierung eines (Anwendungs-)Problems (BF3, BO3)
• Konkrete Problemlösungs­strategien und deren Interpretation (BF1, BF2)
Personale Kompetenz:
• Teamarbeit (BO1,BF4)

schriftliche Klausur

Prof. Dr. Andreas Neuenkirch

Vorlesung

9.0

Bachelor

deutsch

Präsenz live

Prof. Dr. Martin Slowik

Vorlesung

8.0 (Modul/e)

Master

deutsch

4

Präsenz live

Fach­kompetenz:
Verständnis der Grundlagen der mengentheoretischen Topologie (MK1)
Beschreibung topologischer und geometrischer Eigenschaften durch algebraische und numerische Invarianten (MK1, MO2)
Umgang mit (simplizialen) Homologie­gruppen (MK1, MO2)
Verständnis der Eigenschaften und der Bedingungen für die Existenz von Nash-Gleichgewichten und Walras'schen Gleichgewichten (MK2, MO3)
Methoden­kompetenz:
Umgang mit einfachen topologischen Räumen und Entscheidung über Homöomorphie zweier gegebener Räume (MK1)
Triangulierung einfacher kompakter Räume und Berechnung ihrer Homologie (MK1, MO2)
Interpretation der Homologie­gruppen (MK1, MO2)
Berechnung von Nash-Gleichgewichten (MK2, MF2)
Personale Kompetenz:
Verständnis der Rolle topologischer Modelle für die Lösung fundamentaler mikro­ökonomischer Fragestellungen (MK2, MO2, MO3, MO4)

Mündliche Prüfung oder schriftliche Klausur

apl. Prof. Dr. Wolfgang Seiler

Vorlesung

8.0

Bachelor, Master

englisch

 Script (online)
 L.C. Evans: Partial Differential Equations
 F. John: Partial Differential Equations

oral examination, 30 minutes

Dr. Ross Ogilvie

Vorlesung

5.0 (Modul/e)

Master

Online aufgezeichnet

Prof. Dr. David Johannes Prömel

Vorlesung

8.0 (Modul/e)

Master

deutsch

4

Online aufgezeichnet

Fach­kompetenz:
Fundierte Kenntnisse der Spieltheorie (MK1).
Bekanntschaft mit einigen Anwendungen in den Wirtschafts­wissenschaften (MK2).
Methoden­kompetenz:
Alle wissenschaft­lichen Arbeiten zur Spieltheorie lesen können (MF1, MO3).
Bei konkreten Situationen vor allem in den Wirtschafts­wissenschaften diese in Modellen der Spieltheorie fassen und analysieren können (MF2).
Personale Kompetenz:
Strategisches Denken mit Bedacht einsetzen können (MO4).

schriftliche Klausur

Prof. Dr. Claus Hertling

Vorlesung

5

Master

englisch

Online aufgezeichnet

Oral exam

Prof. Dr. Martin Slowik

Vorlesung

Master

englisch

Prof. Dr. Simone Göttlich

Vorlesung

6.0

Master

deutsch

2

Fach­kompetenz: Die Studierenden haben die grundlegenden Fragestellungen  und wichtigsten Methoden der Numerik stochastischer Differentialgleichungen erlernt, insbesondere die    Unterschiede zwischen den verschiedenen Approximations­begriffen, das Euler- und Milstein­verfahren  sowie Multi-level Monte-Carlo-Verfahren (MK1,M02).
Methoden­kompetenz: Die Studierenden können nach Besuch des Moduls gegebene numerische Probleme für stochastische Differentialgleichungen klassifizieren und zur Bearbeitung geeignete Verfahren auswählen bzw. konstruieren (MF1,MF2,MO3).
Personale Kompetenz: Teamarbeit

mündliche Prüfung

Dr. Peter Parczewski