Business Informatics and Mathematics in Business and Economics (all)
Information on your course choice
Please note that you have to take the majority of classes at the School of Business Informatics and Mathematics.
To start the registration procedure, please click on ‘More information’ below to be redirected to Portal2. Please sign up for all courses directly on the Portal2. For seminars and Team Projects please follow the respective notes on the websites of your lecturers. The registration period differs for courses with limited and open capacity.
If you're an undergraduate student, you might take graduate-level courses at the School of Business, Informatics and Mathematics. However, please pay attention to any prerequisites.
Business Informatics (Bachelor)
Analysis for Business Informatics (Lecture)
DE
Course type:
Lecture
ECTS:
8.0
Course suitable for:
Bachelor
Language of instruction:
German
Credit hours 1:
4
Attendance:
Live & on-campus
Learning target:
Fachkompetenz:
- Vertrautheit im Umgang mit den grundlegenden Begriffen und Methoden der Analysis sowie der wesentlichen mathematischen Beweismethoden.
Methodenkompetenz:
- Fähigkeit Sachverhalte zu formalisieren, abstraktes Denken.
Personale Kompetenz:
- Teamarbeit.
Recommended requirement:
Examination achievement:
schriftliche Klausur (90 Minuten)
Instructor(s):
Prof. Dr. Simone Göttlich
Date(s):
| Monday (weekly) | 10.02.2025 – 26.05.2025 | 10:15 – 11:45 | SN 169 Röchling Hörsaal; Schloss Schneckenhof Nord |
| Tuesday (weekly) | 11.02.2025 – 27.05.2025 | 12:00 – 13:30 | SN 169 Röchling Hörsaal; Schloss Schneckenhof Nord |
Description:
- Mengen und Abbildungen
- Die reellen Zahlen
- Folgen, Reihen und Potenzreihen
- Stetigkeit und Differenzierbarkeit von Funktionen in einer reellen Variablen
- Riemann-Integral
- Differenzierbarkeit von Funktionen in mehreren reellen Variablen
- Optional: Mehrdimensionale Integralrechnung, algorithmische Fragestellungen
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
Data Security and Privacy (Lecture)
EN
Course type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Bachelor, Master
Language of instruction:
English
Attendance:
Online, live
Instructor(s):
Prof. Dr. Frederik Armknecht, Jasmin Zalonis
Date(s):
| Friday (weekly) | 14.02.2025 – 30.05.2025 | 10:15 – 11:45 | ZOOM-Lehre-037; Virtuelles Gebäude |
Cryptographie I (Lecture w/
DE
Course type:
Lecture w/
ECTS:
6.0
Course suitable for:
Bachelor
Language of instruction:
German
Credit hours 1:
4
Attendance:
Live & on-campus
Learning target:
Fachkompetenz:
Nach Abschluss des Moduls sind die Studierenden befähigt, die größten Risiken im elektronischen Datenverkehr, wie sie bspw. beim Online-Banking oder Einkauf über Online-Händler wie Amazon auftreten können, zu erkennen und zu vermeiden.
Methodenkompetenz:
Die Studierenden können in konkreten Anwendungsfällen notwendige Sicherheitsziele erkennen und passende Methoden auswählen und einsetzen. Beispiele sind Verfahren zur Geheimhaltung von Daten (Verschlüsselungen), den Aufbau einer vertrauenswürdigen Verbindung (Schlüsselaustausch) und der sicheren Authentifikation (Zertifikate und digitale Signaturen).
Personale Kompetenz:
Das analytische, konzentrierte und präzise Denken der Studierenden wird geschult. Durch die eigenständige Behandlung von Anwendun-gen, z.B. im Rahmen der Übungsaufgaben, wird ihr Abstraktionsver-mögen weiterentwickelt und der Transfer des erlernten Stoffes auf verwandte Fragestellungen gefördert.
Nach Abschluss des Moduls sind die Studierenden befähigt, die größten Risiken im elektronischen Datenverkehr, wie sie bspw. beim Online-Banking oder Einkauf über Online-Händler wie Amazon auftreten können, zu erkennen und zu vermeiden.
Methodenkompetenz:
Die Studierenden können in konkreten Anwendungsfällen notwendige Sicherheitsziele erkennen und passende Methoden auswählen und einsetzen. Beispiele sind Verfahren zur Geheimhaltung von Daten (Verschlüsselungen), den Aufbau einer vertrauenswürdigen Verbindung (Schlüsselaustausch) und der sicheren Authentifikation (Zertifikate und digitale Signaturen).
Personale Kompetenz:
Das analytische, konzentrierte und präzise Denken der Studierenden wird geschult. Durch die eigenständige Behandlung von Anwendun-gen, z.B. im Rahmen der Übungsaufgaben, wird ihr Abstraktionsver-mögen weiterentwickelt und der Transfer des erlernten Stoffes auf verwandte Fragestellungen gefördert.
Recommended requirement:
Examination achievement:
Schriftliche (90 Minuten) oder mündliche Prüfung (30 Minuten)
Instructor(s):
Prof. Dr. Matthias Krause, Linda Scheu-Hachtel, Jasmin Zalonis
Date(s):
| Tuesday (weekly) | 11.02.2025 – 27.05.2025 | 13:45 – 15:15 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
| Thursday (weekly) | 13.02.2025 – 29.05.2025 | 13:45 – 15:15 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
Description:
In der Vorlesung erfolgt eine Einführung in die moderne Kryptographie, d.h. in die Theorie und der Praxis der Absicherung von digitalen Daten. Neben der Bereitstellung der für das Verständnis des Stoffs nötigen mathematischen, algorithmischen und informationstheoretischen Grundlagen werden vor allem die grundlegenden Konzepte und mehrere in der Praxis eingesetzte Verfahren vorgestellt.
Behandelt Themen sind beispielsweise:
Behandelt Themen sind beispielsweise:
- Grundbegriffe der Kryptographie
- Blockchiffren, z.B. Data Encryption Standard (DES) und Advanced Encryption Standard (AES), und Stromchiffren
- Verfahren zum sicheren Schlüsselaustausch, bspw. das Diffie-Hellman Protokoll
- Public-Key Verschlüsselungsverfahren, bspw. RSA
- Hashfunktionen
- Message Authentication Codes
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
Software Engineering Practical (Lecture)
EN
Course type:
Lecture
ECTS:
5.0
Course suitable for:
Bachelor
Language of instruction:
English
Credit hours 1:
4
Learning target:
Fachkompetenz:
Kenntnisse der Schlüsseltechnologien der modernen Softwaretechnik, sowie der gängigen Software Entwicklungsprozesse. Dies umfasst insbesondere die Gebiete der System- und Anforderungsanalyse, An-wendungsdesign und Systemarchitektur, Implementierung, Validie-rung und Verifikation, Testen, Softwarequalität, Wartung und Wei-terentwicklung von Softwaresystemen.
Methodenkompetenz:
Die Fähigkeit große Softwaresysteme beschreiben, entwerfen und entwickeln zu können unter Berücksichtigung diverser Risiken, die in industriellen Großprojekten auftreten (bspw. Qualität, Kosten, unter-schiedliche Stakeholder, Termindruck, …).
Personale Kompetenz:
Fähigkeiten große Softwaresysteme im Team zu entwerfen, zu entwickeln / implementieren, zu testen und auszuliefern.
Fähigkeiten ein komplexes Themengebiet in schriftlicher und mündlicher Form klar und unmissverständlich wiederzugeben.
Kenntnisse der Schlüsseltechnologien der modernen Softwaretechnik, sowie der gängigen Software Entwicklungsprozesse. Dies umfasst insbesondere die Gebiete der System- und Anforderungsanalyse, An-wendungsdesign und Systemarchitektur, Implementierung, Validie-rung und Verifikation, Testen, Softwarequalität, Wartung und Wei-terentwicklung von Softwaresystemen.
Methodenkompetenz:
Die Fähigkeit große Softwaresysteme beschreiben, entwerfen und entwickeln zu können unter Berücksichtigung diverser Risiken, die in industriellen Großprojekten auftreten (bspw. Qualität, Kosten, unter-schiedliche Stakeholder, Termindruck, …).
Personale Kompetenz:
Fähigkeiten große Softwaresysteme im Team zu entwerfen, zu entwickeln / implementieren, zu testen und auszuliefern.
Fähigkeiten ein komplexes Themengebiet in schriftlicher und mündlicher Form klar und unmissverständlich wiederzugeben.
Recommended requirement:
Examination achievement:
schriftliche Ausarbeitung und entwickeltes System, Teammeetings (14 Meetings à max. 2 Stunden) und Kolloquia (3 Kolloquien à max. 30 Minuten), Praktische Prüfungen, Programmierprojekt(e)
Instructor(s):
Dr. Marcus Kessel, Shilpi Gupta
Date(s):
| Thursday (weekly) | 13.02.2025 – 29.05.2025 | 15:30 – 17:00 | B 144 Hörsaal; A 5, 6 Bauteil B |
Description:
Die Veranstaltung befasst sich mit dem der Methoden und Techniken die für eine team-orientierte, ingenieurmäßige Entwicklung von nicht-trivialen Softwaresystemen erforderlich sind. Insbesondere sind dies:
- Software-Entwicklungsprozesse
- System- und Anforderungsanalyse
- Anwendungsdesign und Systemarchitektur
- Softwarequalität
- Validierung, Verifikation und Testen
- Wartung und Weiterentwicklung
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
Practical Computer Science II (Lecture)
DE
Course type:
Lecture
ECTS:
6.0
Course suitable for:
Bachelor
Language of instruction:
German
Credit hours 1:
4
Attendance:
On-campus and online, live & recorded
Learning target:
Fachkompetenz:
Aufbau und Arbeitsweise moderner Digitalrechner, Aufgaben und Funktionsweise moderner Betriebssysteme, insbesondere Prozess- und Speicherverwaltung. Aufbau und Arbeitsweise von Compilern.
Methodenkompetenz:
Entwurf einfacher logischer Schaltungen, Lösung von Programmier-aufgaben in Programmieren, Entwurf einfacher Grammatiken, Um-gang mit Compiler-Generatoren.
Personale Kompetenz:
Selbständiges Arbeiten in Kleingruppen.
Aufbau und Arbeitsweise moderner Digitalrechner, Aufgaben und Funktionsweise moderner Betriebssysteme, insbesondere Prozess- und Speicherverwaltung. Aufbau und Arbeitsweise von Compilern.
Methodenkompetenz:
Entwurf einfacher logischer Schaltungen, Lösung von Programmier-aufgaben in Programmieren, Entwurf einfacher Grammatiken, Um-gang mit Compiler-Generatoren.
Personale Kompetenz:
Selbständiges Arbeiten in Kleingruppen.
Recommended requirement:
Examination achievement:
Studienbeginn ab HWS 2011:
Erfolgreiche Teilnahme am Übungsbetrieb
schriftliche Klausur (90 Minuten)
Erfolgreiche Teilnahme am Übungsbetrieb
schriftliche Klausur (90 Minuten)
Studienbeginn vor HWS 2011:
schriftliche Klausur (90 Minuten)
Instructor(s):
Prof. Dr. Rainer Gemulla
Date(s):
| Tuesday (weekly) | 11.02.2025 – 27.05.2025 | 13:45 – 15:15 | SN 169 Röchling Hörsaal; Schloss Schneckenhof Nord |
| Tuesday (weekly) | 11.02.2025 – 27.05.2025 | 15:30 – 17:00 | SN 169 Röchling Hörsaal; Schloss Schneckenhof Nord |
Description:
Die Vorlesung beschäftigt sich mit den technischen und methodischen Grundlagen der Ausführung von Anwendungsprogrammen auf modernen Digitalrechnern. Dies umfasst vor allem die folgenden Gebiete:
1. Rechnerarchitektur
2. Betriebssysteme
3. Compilerbau
4. Java Virtual Machine
1. Rechnerarchitektur
2. Betriebssysteme
3. Compilerbau
4. Java Virtual Machine
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
Programming Lab II (Lecture)
DE
Course type:
Lecture
ECTS:
5.0
Course suitable for:
Bachelor
Language of instruction:
German
Credit hours 1:
2
Attendance:
Live & on-campus
Learning target:
Fachkompetenz:
- Gründliche Kenntnis der Programmiersprache Java
- Fortgeschrittene Programmierkenntnisse in Themenbereichen wie bspw. Assertions, Client-Server Kommunikation, Multi-Threading, sowie häufig verwendete Java-Bibliotheken und Frameworks.
- Vertraut mit JUnit und den wichtigsten Konzepten des Software-Testens mit Java.
Methodenkompetenz:
- Fähigkeit die erlernten Fachkompetenzen einzusetzen und somit qualitative anspruchsvolle Java-Anwendungen zu entwickeln und zu warten.
Personale Kompetenz:
- Eigenverantwortliches Arbeiten
- Teamfähigkeit
Recommended requirement:
Examination achievement:
Programmiertestate, Programmierprojekte, Programming Competence Test (180 Minuten)
Instructor(s):
Dr. Ursula Rost
Date(s):
| Thursday (weekly) | 13.02.2025 – 29.05.2025 | 15:30 – 17:00 | A 001 Großer Hörsaal; B 6, 23–25 Bauteil A |
Description:
Im Programmierpraktikum II werden die erworbenen Kenntnisse aus der Veranstaltung Programmierpraktikum I erweitert und vertieft. Basierend auf der Programmiersprache Java, werde hier die folgenden Themengebiete vermittelt:
Darüber hinaus werden Werkzeuge für die Team-orientierte Entwicklung größerer Programmpakete vorgestellt. Dazu gehört insbesondere die Entwicklungsumgebung Eclipse.
- Generische Datentypen,
- Stream-Klassen (Java IO)
- Client-Server Kommunikation
- Multi-Threading
- JDBC (Datenbanken)
- Verarbeitung von XML-Dokumenten
- Assertions (Design by Contract)
- Testen
- Weitere ausgewählte Themen
Darüber hinaus werden Werkzeuge für die Team-orientierte Entwicklung größerer Programmpakete vorgestellt. Dazu gehört insbesondere die Entwicklungsumgebung Eclipse.
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
Software Engineering I (Lecture)
EN
Course type:
Lecture
ECTS:
6.0
Course suitable for:
Bachelor
Language of instruction:
English
Credit hours 1:
2
Attendance:
Live & on-campus
Learning target:
Fachkompetenz:
Kenntnisse der Schlüsseltechnologien der modernen Softwaretechnik, sowie der gängigen Software Entwicklungsprozesse. Dies umfasst insbesondere die Gebiete der System- und Anforderungsanalyse, Anwendungsdesign und Systemarchitektur, Implementierung, Validierung und Verifikation, Testen, Softwarequalität, Wartung und Weiterentwicklung von Softwaresystemen. Methodenkompetenz:
Die Fähigkeit große Softwaresysteme beschreiben, entwerfen und entwickeln zu können unter Berücksichtigung diverser Risiken, die in industriellen Großprojekten auftreten (bspw. Qualität, Kosten, unterschiedliche Stakeholder, Termindruck, …). Personale Kompetenz:
Fähigkeiten große Softwaresysteme im Team zu entwerfen, zu entwi-ckeln / implementieren, zu testen und auszuliefern.
Fähigkeiten ein komplexes Themengebiet in schriftlicher und mündli-cher Form klar und unmissverständlich wiederzugeben.
Kenntnisse der Schlüsseltechnologien der modernen Softwaretechnik, sowie der gängigen Software Entwicklungsprozesse. Dies umfasst insbesondere die Gebiete der System- und Anforderungsanalyse, Anwendungsdesign und Systemarchitektur, Implementierung, Validierung und Verifikation, Testen, Softwarequalität, Wartung und Weiterentwicklung von Softwaresystemen. Methodenkompetenz:
Die Fähigkeit große Softwaresysteme beschreiben, entwerfen und entwickeln zu können unter Berücksichtigung diverser Risiken, die in industriellen Großprojekten auftreten (bspw. Qualität, Kosten, unterschiedliche Stakeholder, Termindruck, …). Personale Kompetenz:
Fähigkeiten große Softwaresysteme im Team zu entwerfen, zu entwi-ckeln / implementieren, zu testen und auszuliefern.
Fähigkeiten ein komplexes Themengebiet in schriftlicher und mündli-cher Form klar und unmissverständlich wiederzugeben.
Recommended requirement:
Examination achievement:
Klausur (90 Minuten)
Instructor(s):
Prof. Dr. Colin Atkinson
Date(s):
| Tuesday (weekly) | 11.02.2025 – 27.05.2025 | 13:45 – 15:15 | B 144 Hörsaal; A 5, 6 Bauteil B |
Description:
Die Veranstaltung befasst sich mit dem Kennenlernen, Verstehen und Anwenden der Methoden, Techniken und Werkzeuge, die für eine team-orientierte, ingenieurmäßige Entwicklung von nicht-trivialen Softwaresystemen erforderlich sind. Insbesondere sind dies:
- Software-Entwicklungsprozesse
- System- und Anforderungsanalyse
- Anwendungsdesign und Systemarchitektur
- Softwarequalität
- Validierung, Verifikation und Testen
- Wartung und Weiterentwicklung
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
Theoretical Computer Science (Lecture)
DE
Course type:
Lecture
ECTS:
6.0
Course suitable for:
Bachelor
Language of instruction:
German
Credit hours 1:
3
Attendance:
Live & on-campus
Learning target:
Fachkompetenz:
Die Studierenden beherrschen neue grundlegende Konzepte der Informatik, insbesondere im Themenkreis Berechenbarkeit, effiziente Berechenbarkeit, kryptographische Sicherheit. Sie kennen weiterhin grundlegende Techniken der Komplexitätsanalyse und können diese auf gegebene Berechnungsprobleme anwenden.
Methodenkompetenz:
Die Studierenden können gegebenen Probleme bezüglich der zu ihrer
Lösung in verschiedener formaler Berechnungsmodelle aufzubringenden Ressourcen klassifizieren. Sie besitzen ein grundlegendes formales Verständnis für die wichtigsten Komplexitätsmerkmale wie nicht berechenbar, nicht effizient berechenbar, effizient berechenbar, kryptographisch sicher.
Personale Kompetenz:
Die Studierenden können Berechnungsprobleme in Anwendungszusammenhängen identifizieren, sie formal spezifizieren und bezüglich der zu ihrer Lösung nötigen Ressourcen klassifizieren. Sie besitzen die Fähigkeit, auf höherem Niveau zu abstrahieren, mit formalen Modellierungstechniken zu arbeiten, und die Komplexität von Problemstellungen abzuschätzen.
Die Studierenden beherrschen neue grundlegende Konzepte der Informatik, insbesondere im Themenkreis Berechenbarkeit, effiziente Berechenbarkeit, kryptographische Sicherheit. Sie kennen weiterhin grundlegende Techniken der Komplexitätsanalyse und können diese auf gegebene Berechnungsprobleme anwenden.
Methodenkompetenz:
Die Studierenden können gegebenen Probleme bezüglich der zu ihrer
Lösung in verschiedener formaler Berechnungsmodelle aufzubringenden Ressourcen klassifizieren. Sie besitzen ein grundlegendes formales Verständnis für die wichtigsten Komplexitätsmerkmale wie nicht berechenbar, nicht effizient berechenbar, effizient berechenbar, kryptographisch sicher.
Personale Kompetenz:
Die Studierenden können Berechnungsprobleme in Anwendungszusammenhängen identifizieren, sie formal spezifizieren und bezüglich der zu ihrer Lösung nötigen Ressourcen klassifizieren. Sie besitzen die Fähigkeit, auf höherem Niveau zu abstrahieren, mit formalen Modellierungstechniken zu arbeiten, und die Komplexität von Problemstellungen abzuschätzen.
Recommended requirement:
Examination achievement:
schriftliche Klausur (90 Minuten) oder mündliche Prüfung (30 Minuten)
Instructor(s):
Prof. Dr. Matthias Krause, Linda Scheu-Hachtel, Jasmin Zalonis
Date(s):
| Monday (weekly) | 10.02.2025 – 26.05.2025 | 15:30 – 17:00 | C 013 Hörsaal; A 5, 6 Bauteil C |
| Monday (weekly) | 10.02.2025 – 26.05.2025 | 17:15 – 18:45 | C 013 Hörsaal; A 5, 6 Bauteil C |
| Wednesday (fortnightly) | 12.02.2025 – 21.05.2025 | 13:45 – 15:15 | C 013 Hörsaal; A 5, 6 Bauteil C |
Description:
- Grundlegende uniforme und nichtuniforme Berechnungsmodelle und Berechnungsparadigmen
- Universelle Turingmaschinen und Berechenbarkeit
- Logik- insbesondere SAT-Algorithmen
- NP-Vollständigkeitstheorie
- Formale Sprachen, Grammatiken, Grundlagen des Compilerbaus
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
Business Informatics IV (Lecture)
DE
Course type:
Lecture
ECTS:
6.0
Course suitable for:
Bachelor
Language of instruction:
German
Credit hours 1:
2
Attendance:
Live & on-campus
Instructor(s):
Prof. Dr. Simone Paolo Ponzetto, Tommaso Green
Date(s):
| Wednesday (weekly) | 12.02.2025 – 28.05.2025 | 10:15 – 11:45 | M 003 PWC Hörsaal; Schloss Mittelbau |
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
Business Informatics (Master)
Advanced Methods in Text Analytics (Lecture)
EN
Course type:
Lecture
ECTS:
6.0
Course suitable for:
Master
Language of instruction:
English
Attendance:
Live & on-campus
Instructor(s):
Dr. Daniel Ruffinelli
Date(s):
| Tuesday (weekly) | 11.02.2025 – 27.05.2025 | 13:45 – 15:15 | C 015 Hörsaal; A 5, 6 Bauteil C |
Algorithmics (Lecture)
EN
Course type:
Lecture
ECTS:
6.0
Course suitable for:
Master
Language of instruction:
English
Credit hours 1:
3
Attendance:
Live & on-campus
Learning target:
Fachkompetenz:
Die Studierenden erlernen wichtige und anspruchsvolle Verfahren zur Lösung komplexer Probleme vorwiegend im Bereich der diskreten Optimierung und der Analyse der Verfahren.
Methodenkompetenz:
Anhand praktischer Probleme aus dem Bereich des Operation Research erlernen sie wie man diese Probleme abstrahiert und mittels der erlernten Verfahren einer Lösung zuführt.
Personale Kompetenz:
Ihr analytisches, konzentriertes und präzises Denken wird geschult. Durch die eigenständige Behandlung von Anwendungen z. B. aus dem Bereich Operations Research im Rahmen der Übungsaufgaben wird ihr Abstraktionsvermögen weiterentwickelt und der Transfer des erlernten Stoffes auf verwandte Fragestellungen gefördert. Durch die Auseinandersetzung mit der Thematik von P versus NP und der beispielhaften Behandlung von praktisch relevanten NP-vollständigen Problemen werden sie sensibilisiert für die Thematik der effizienten Lösbarkeit.
Die Studierenden erlernen wichtige und anspruchsvolle Verfahren zur Lösung komplexer Probleme vorwiegend im Bereich der diskreten Optimierung und der Analyse der Verfahren.
Methodenkompetenz:
Anhand praktischer Probleme aus dem Bereich des Operation Research erlernen sie wie man diese Probleme abstrahiert und mittels der erlernten Verfahren einer Lösung zuführt.
Personale Kompetenz:
Ihr analytisches, konzentriertes und präzises Denken wird geschult. Durch die eigenständige Behandlung von Anwendungen z. B. aus dem Bereich Operations Research im Rahmen der Übungsaufgaben wird ihr Abstraktionsvermögen weiterentwickelt und der Transfer des erlernten Stoffes auf verwandte Fragestellungen gefördert. Durch die Auseinandersetzung mit der Thematik von P versus NP und der beispielhaften Behandlung von praktisch relevanten NP-vollständigen Problemen werden sie sensibilisiert für die Thematik der effizienten Lösbarkeit.
Recommended requirement:
Examination achievement:
Klausur, 90 Minuten
Instructor(s):
Prof. Dr. Matthias Krause, Linda Scheu-Hachtel, Jasmin Zalonis
Date(s):
| Monday (weekly) | 10.02.2025 – 26.05.2025 | 10:15 – 11:45 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
| Thursday (fortnightly) | 13.02.2025 – 22.05.2025 | 10:15 – 11:45 | C 013 Hörsaal; A 5, 6 Bauteil C |
Description:
Aufbauend auf der Veranstaltung Algorithmen und Datenstrukturen werden fortgeschrittene Konzepte und Algorithmen unter Einbeziehung der Korrektheit und Kosten der Verfahren behandelt. Dabei stehen Fragestellungen, die einen Bezug zu wirtschaftswissenschaftlichen Anwendungen haben im Fokus. Besonderes Augenmerk liegt dabei auf der Abbildung von konkreten praktischen Problemen, auf den Konzepten und deren Lösung mittels der Algorithmen. Die Problematik der nicht effizient (P versus NP) berechenbaren Probleme wird diskutiert und Heuristiken für NP-vollständige Optimierungsprobleme behandelt. Behandelte Fragestellungen sind z. B.:
- Netzwerke und Algorithmen auf Netzwerken, Max-flow, Min-cost,
- Matching bipartit, non bipartit, gewichtete
- Stabiles Heiratsproblem
- Zuweisungsproblem
- Touren in Graphen: Handelsreisender, Chinesischer Briefträger
- SAT-Algorithmen
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
Cryptography (Lecture w/
Course type:
Lecture w/
ECTS:
6.0
Course suitable for:
Master
Language of instruction:
Attendance:
Live & on-campus
Recommended requirement:
Instructor(s):
Prof. Dr. Matthias Krause, Linda Scheu-Hachtel, Jasmin Zalonis
Date(s):
| Tuesday (weekly) | 11.02.2025 – 27.05.2025 | 13:45 – 15:15 | |
| Thursday (weekly) | 13.02.2025 – 29.05.2025 | 13:45 – 15:15 |
Data Mining (Lecture)
EN
Course type:
Lecture
ECTS:
6.0
Course suitable for:
Master
Language of instruction:
English
Credit hours 1:
2
Attendance:
Live & on-campus
Registration procedure:
Please note that there is no second date for the exam.
Learning target:
Expertise:
Students will acquire basic knowledge of the techniques, opportunities and applications of data mining. Methodological competence:
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
Recommended requirement:
Examination achievement:
Written examination (90 minutes), project report, oral project presentation
Instructor(s):
Dr. Sven Hertling
Date(s):
| Wednesday (weekly) | 12.02.2025 – 28.05.2025 | 10:15 – 11:45 | B 144 Hörsaal; A 5, 6 Bauteil B |
Description:
The course provides an introduction to advanced data analysis techniques as a basis for analyzing business data and providing input for decision support systems. The course will cover the following topics:
- Goals and Principles of Data Mining
- Data Representation and Preprocessing
- Clustering
- Classification
- Association Analysis
- Text Mining
- Systems and Applications (e. g. Retail, Finance, Web Analysis)
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
Data Security and Privacy (Lecture)
EN
Course type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Bachelor, Master
Language of instruction:
English
Attendance:
Online, live
Instructor(s):
Prof. Dr. Frederik Armknecht, Jasmin Zalonis
Date(s):
| Friday (weekly) | 14.02.2025 – 30.05.2025 | 10:15 – 11:45 | ZOOM-Lehre-037; Virtuelles Gebäude |
Database Systems II (Lecture)
DE
Course type:
Lecture
ECTS:
6.0
Course suitable for:
Master
Language of instruction:
German
Credit hours 1:
2
Attendance:
Live & on-campus
Learning target:
Fachkompetenz:
- Grundlegende Kenntnisse in verteilte relationale Datenbanken
- objektorientierte Datenbanken
- objektrelationale Datenbanken
- deduktive Datenbanken
- XML-Datenbanken
-
OLAP/
OLTP - Leistungsbewertung
Methodenkompetenz:
- Verständnis der alternativen Datenrepräsentationen, deren Vor- und Nachteile
- Zielorientierter Einsatz der verschiedenen Datenrepräsentationen
Personale Kompetenz:
- Verständnis der Rolle alternativer Datenmodelle für fundamentale betriebliche Informationssysteme
Recommended requirement:
Examination achievement:
schriftliche Klausur, 90 Minuten
Instructor(s):
Prof. Dr. Guido Moerkotte
Date(s):
| Monday (weekly) | 10.02.2025 – 26.05.2025 | 12:00 – 13:30 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
Description:
Über das relationale Modell hinausgehende Themen (objektorientierte, objektrelationale Datenbanken, SQL/
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
Databases for Data Scientists (Lecture)
EN
Course type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Master
Language of instruction:
English
Attendance:
Live & on-campus
Instructor(s):
Dr. Sven Hertling
Date(s):
| Tuesday (weekly) | 11.02.2025 – 27.05.2025 | 13:45 – 15:15 | A 203 Unterrichtsraum; B 6, 23–25 Bauteil A |
Deep Learning (Lecture)
EN
Course type:
Lecture
ECTS:
6.0
Course suitable for:
Master
Language of instruction:
English
Instructor(s):
Prof. Dr. Rainer Gemulla
Date(s):
| Thursday (weekly) | 13.02.2025 – 29.05.2025 | 10:15 – 11:45 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
IS 622 Network Science (Lecture)
EN
Course type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Master
Language of instruction:
English
Credit hours 1:
2
Registration procedure:
This course has limited capacity. It is mandatory that you register via Portal2. You can register anytime during the official course registration period (15 January – 6 February 2025). The time of your registration is not relevant as seats are not assigned on a first-come, first-served basis.
Please note that this lecture is accompanied by an exercise class, you can register for it via Portal2.
Please note that this lecture is accompanied by an exercise class, you can register for it via Portal2.
Instructor(s):
Dr. Jörg Schlötterer
Date(s):
| Tuesday (weekly) | 11.02.2025 – 27.05.2025 | 10:15 – 11:45 | O 145 Heinrich Vetter Hörsaal; Schloss Ostflügel |
Description:
Please find a detailed course description via the following link:
Module Catalog MMM | Universität Mannheim (uni-mannheim.de)
Module Catalog MMM | Universität Mannheim (uni-mannheim.de)
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
Large Language Models and Agents (Lecture)
EN
Course type:
Lecture
ECTS:
Course suitable for:
Master
Language of instruction:
English
Attendance:
Live & on-campus
Instructor(s):
Prof. Dr. Christian Bizer, Ralph Peeters
Date(s):
| Thursday (weekly) | 13.02.2025 – 29.05.2025 | 15:30 – 17:00 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
Master Seminar Computer Vision (Seminar)
EN
Course type:
Seminar
ECTS:
4.0
Course suitable for:
Master
Language of instruction:
English
Credit hours 1:
2
Attendance:
Live & on-campus
Instructor(s):
Prof. Dr.-Ing. Margret Keuper
Date(s):
| Friday (single date) | 21.02.2025 | 13:45 – 15:15 | A 104 Seminarraum; B 6, 23–25 Bauteil A |
| Tuesday (weekly) | 25.02.2025 – 27.05.2025 | 17:15 – 18:45 | A 104 Seminarraum; B 6, 23–25 Bauteil A |
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
Query Optimization (Lecture)
DE
Course type:
Lecture
ECTS:
6.0
Course suitable for:
Master
Language of instruction:
German
Credit hours 1:
2
Learning target:
Fachkompetenz:
- Verständnis der Grundlegenden Funktionsweisen alternativer Plangeneratoren,
- detaillierte Kenntnisse physischer Planalternativen,
- detaillierte Kostenanalysen
Methodenkompetenz:
- Algorithmen und Komplexitäten der Plangenerierung,
- Kostenrechnung anhand gegebener Statistiken
Personale Kompetenz:
- Fundamentales Verständnis für die Probleme und Lösungen der traditionellen Anfragebearbeitung
Recommended requirement:
Examination achievement:
Mündliche Prüfung (30 Minuten)
Instructor(s):
Prof. Dr. Guido Moerkotte
Date(s):
| Tuesday (weekly) | 11.02.2025 – 27.05.2025 | 13:45 – 15:15 | A 301 Seminarraum; B 6, 23–25 Bauteil A |
Description:
Grundlagen der Anfrageoptimierung
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
Web Mining (Lecture)
EN
Course type:
Lecture
ECTS:
6.0
Course suitable for:
Master
Language of instruction:
English
Credit hours 1:
2
Attendance:
Live & on-campus
Learning target:
Expertise:
Students will acquire knowledge of the techniques, opportunities and applications of Web mining. Methodological competence:
Students will acquire knowledge of the techniques, opportunities and applications of Web mining. Methodological competence:
- Successful participants will be able to identify opportunities for mining knowledge from Web content, select and apply appropriate techniques and interpret the results.
- project organization skills
Personal competence:
- presentation skills
- team work skills
Recommended requirement:
Examination achievement:
written examination (90 minutes), written project report, oral project presentation
Instructor(s):
Prof. Dr. Christian Bizer, Prof. Dr. Simone Paolo Ponzetto
Date(s):
| Tuesday (weekly) | 11.02.2025 – 27.05.2025 | 10:15 – 11:45 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
Description:
The textual content as well as the structured data which is accessible on the Web has an enormous potential for being mined to derive knowledge about nearly any aspect of human life. The course covers advanced data mining techniques for extracting knowledge from Web content as a basis for business decisions and applications. The course will cover the following topics:
- Goals and Principles of Web Mining
- Gathering and Preprocessing Web Data
- Social Network Analysis
- Opinion Mining and Sentiment Analysis
- Web Usage Mining
- Executing Large Scale Web Mining Tasks
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
Business Mathematics (Bachelor)
Dynamische Systeme und Stabilität (Lecture)
DE
Course type:
Lecture
ECTS:
Course suitable for:
Bachelor
Language of instruction:
German
Instructor(s):
Prof. Dr. Martin Schmidt
Date(s):
| Monday (weekly) | 10.02.2025 – 26.05.2025 | 17:15 – 18:45 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
| Wednesday (weekly) | 12.02.2025 – 28.05.2025 | 08:30 – 10:00 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
Elemente der Funktionentheorie (Lecture)
DE
Course type:
Lecture
ECTS:
4
Course suitable for:
Bachelor
Language of instruction:
German
Credit hours 1:
3
Attendance:
Live & on-campus
Learning target:
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)
• 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)
Recommended requirement:
Literature:
- Eigenes Skript (online)
- E. Freitag, R. Busam, Funktionentheorie I
- K. Jänich, Funktionentheorie
- R. Remmert, G. Schumacher, Funktionentheorie I
- A. Hurwitz, Vorlesungen über Allgemeine Funktionentheorie und Elliptische Funktionen
- L. Ahlfors, Complex Analysis
- J.B. Conway, Functions of One Complex Variable
Examination achievement:
schriftliche Klausur
Instructor(s):
Prof. Dr. Claus Hertling
Description:
- Komplexe Differenzierbarkeit
- holomorphe und meromorphe Funktionen
- Residuenkalkül
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
MAT 304 Linear Algebra II / A (Lecture)
DE
Course type:
Lecture
ECTS:
4.0 (Modul/e)
Course suitable for:
Bachelor
Language of instruction:
German
Credit hours 1:
2
Attendance:
Live & on-campus
Learning target:
Fachkompetenz:
• Vertiefungen der Linearen Algebra I wie Normalformen von Endomorphismen kennen (BK1)
Methodenkompetenz:
• Das Wechselspiel zwischen abstrakten Objekten (Endomorphismen, Bilinearformen) und repräsentierenden konkreten Daten (Matrizen) würdigen (BF1, BO2).
Personale Kompetenz:
• Strukturiertes Denken (BO2).
• Teamarbeit (BF4).
• Kommunikationsfähigkeit (BO1).
• Vertiefungen der Linearen Algebra I wie Normalformen von Endomorphismen kennen (BK1)
Methodenkompetenz:
• Das Wechselspiel zwischen abstrakten Objekten (Endomorphismen, Bilinearformen) und repräsentierenden konkreten Daten (Matrizen) würdigen (BF1, BO2).
Personale Kompetenz:
• Strukturiertes Denken (BO2).
• Teamarbeit (BF4).
• Kommunikationsfähigkeit (BO1).
Recommended requirement:
Examination achievement:
schriftliche Klausur
Instructor(s):
Prof. Ph. D. Mathias Staudigl
Date(s):
| Monday (weekly) | 10.02.2025 – 24.03.2025 | 12:00 – 13:30 | A 001 Großer Hörsaal; B 6, 23–25 Bauteil A |
| Friday (weekly) | 14.02.2025 – 28.03.2025 | 12:00 – 13:30 | A 001 Großer Hörsaal; B 6, 23–25 Bauteil A |
Description:
• Euklidische Vektorräume, Normalformen von Endomorphismen oder andere Ergänzungen zur Linearen Algebra I
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
MAB 406 Linear Algebra II / B (Lecture)
DE
Course type:
Lecture
ECTS:
5.0 (Modul/e)
Course suitable for:
Bachelor
Language of instruction:
German
Credit hours 1:
2
Learning target:
Fachkompetenz:
• Vertiefung der Linearen Algebra I wie Sesquilinearformen und Spektralsätze kennen (BK1)
Methodenkompetenz:
• Das Wechselspiel zwischen abstrakten Objekten (Endomorphismen, Bilinearformen) und repräsentierenden konkreten Daten (Matrizen) würdigen (BF1, BO2).
• Die Verbindung von Algebra und Geometrie würdigen (BF1, BO2).
Personale Kompetenz:
• Strukturiertes Denken (BO2).
• Teamarbeit (BF4).
• Kommunikationsfähigkeit (BO1, BO4).
• Vertiefung der Linearen Algebra I wie Sesquilinearformen und Spektralsätze kennen (BK1)
Methodenkompetenz:
• Das Wechselspiel zwischen abstrakten Objekten (Endomorphismen, Bilinearformen) und repräsentierenden konkreten Daten (Matrizen) würdigen (BF1, BO2).
• Die Verbindung von Algebra und Geometrie würdigen (BF1, BO2).
Personale Kompetenz:
• Strukturiertes Denken (BO2).
• Teamarbeit (BF4).
• Kommunikationsfähigkeit (BO1, BO4).
Examination achievement:
Mündliche Prüfung oder schriftliche Klausur
Instructor(s):
Prof. Ph. D. Mathias Staudigl
Date(s):
| Monday (weekly) | 31.03.2025 – 26.05.2025 | 12:00 – 13:30 | A 001 Großer Hörsaal; B 6, 23–25 Bauteil A |
| Friday (weekly) | 04.04.2025 – 30.05.2025 | 12:00 – 13:30 | A 001 Großer Hörsaal; B 6, 23–25 Bauteil A |
Description:
• Algebra und Geometrie der Sesquilinearformen und Bilinearformen
• Spektralsätze
• Spektralsätze
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
MAA 403 Dynamical Systems (Lecture)
DE
Course type:
Lecture
ECTS:
5.0
Course suitable for:
Bachelor
Language of instruction:
German
Credit hours 1:
4
Learning target:
Fachkompetenz:
• Grundbegriffe gewöhnlicher und partieller Differenzialgleichungen (BF1, BK1)
• Trennung der Variablen, exakte Differenzialgleichungen (BK1, BO3)
• maximale Lösungen (BK1)
• lineare Flüsse (BK1)
• Prinzip der linearisierten Stabilität (BK1, BF1)
Methodenkompetenz:
• Erkennen verschiedener Differenzialgleichungen (BF2)
• Berechnen von Lösungen von Differenzialgleichungen (BF2, BO3)
• Erstellung von Phasendiagrammen (BF2)
• Diskussion der Stabilität von Gleichgewichten (BF2, BO3)
Personale Kompetenz:
• Teamarbeit (BF4)
• Grundbegriffe gewöhnlicher und partieller Differenzialgleichungen (BF1, BK1)
• Trennung der Variablen, exakte Differenzialgleichungen (BK1, BO3)
• maximale Lösungen (BK1)
• lineare Flüsse (BK1)
• Prinzip der linearisierten Stabilität (BK1, BF1)
Methodenkompetenz:
• Erkennen verschiedener Differenzialgleichungen (BF2)
• Berechnen von Lösungen von Differenzialgleichungen (BF2, BO3)
• Erstellung von Phasendiagrammen (BF2)
• Diskussion der Stabilität von Gleichgewichten (BF2, BO3)
Personale Kompetenz:
• Teamarbeit (BF4)
Recommended requirement:
Examination achievement:
Mündliche Prüfung oder schriftliche Klausur
Instructor(s):
Prof. Dr. Martin Schmidt
Date(s):
| Monday (weekly) | 10.02.2025 – 26.05.2025 | 17:15 – 18:45 | |
| Wednesday (weekly) | 12.02.2025 – 28.05.2025 | 08:30 – 10:00 |
Description:
• gewöhnliche Differenzialgleichungen
• Existenz und Eindeutigkeit
• hyperbolische Flüsse
• Stabilitätsanalyse
• Existenz und Eindeutigkeit
• hyperbolische Flüsse
• Stabilitätsanalyse
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
MAB 405 Cryptology (Lecture)
DE
Course type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Bachelor
Language of instruction:
German
Credit hours 1:
4
Attendance:
Live & on-campus
Learning target:
Fachkompetenz:
• Verständnis für die vielfältigen Einsatzmöglichkeiten von Kryptoverfahren (BF2, BF4, BF5, BO1)
• Realistische Einschätzung der Sicherheit (BF1, BF3, BO2)
• Zahlentheoretische Grundlagen der Kryptographie mit öffentlichen Schlüsseln und von AES (BK1, BK3, BO3)
• Vor- und Nachteile der Verfahren mit öffentlichen und privaten Schlüsseln; hybride Verfahren wie SSL/
• Verständnis für die konstruktive und die destruktive Rolle quantenmechanischer Verfahren (BF3, BF4)
Methodenkompetenz:
• Sicherer Einsatz von RSA zur Verschlüsselung und für elektronische Unterschriften (einschließlich Primzahlsuche) (BK1, BK3, BF3, BO3)
• Kenntnis der für RSA kritischen Faktorisierungsverfahren und der wichtigsten sonstigen Angriffsmöglichkeiten (BF1, BF2)
• Faktorisierung mit Quantencomputern (BF1, BO3)
• Verständnis von AES (BK1, BK3, BF1, BF3)
• Umgang mit diskreten Logarithmen, DSS (BK1, BK3, BF3)
• Grundlegende Protokolle der Quantenkryptographie (BF3, BO2)
Personale Kompetenz:
• Problembewusstsein für die Verwundbarkeit von Kryptosystemen und Fähigkeit zur rationalen Auswahl einer in Aufwand und Sicherheit dem jeweiligen Problem angemessenen Lösung (BO1, BO2, BO3)
• Verständnis für die vielfältigen Einsatzmöglichkeiten von Kryptoverfahren (BF2, BF4, BF5, BO1)
• Realistische Einschätzung der Sicherheit (BF1, BF3, BO2)
• Zahlentheoretische Grundlagen der Kryptographie mit öffentlichen Schlüsseln und von AES (BK1, BK3, BO3)
• Vor- und Nachteile der Verfahren mit öffentlichen und privaten Schlüsseln; hybride Verfahren wie SSL/
• Verständnis für die konstruktive und die destruktive Rolle quantenmechanischer Verfahren (BF3, BF4)
Methodenkompetenz:
• Sicherer Einsatz von RSA zur Verschlüsselung und für elektronische Unterschriften (einschließlich Primzahlsuche) (BK1, BK3, BF3, BO3)
• Kenntnis der für RSA kritischen Faktorisierungsverfahren und der wichtigsten sonstigen Angriffsmöglichkeiten (BF1, BF2)
• Faktorisierung mit Quantencomputern (BF1, BO3)
• Verständnis von AES (BK1, BK3, BF1, BF3)
• Umgang mit diskreten Logarithmen, DSS (BK1, BK3, BF3)
• Grundlegende Protokolle der Quantenkryptographie (BF3, BO2)
Personale Kompetenz:
• Problembewusstsein für die Verwundbarkeit von Kryptosystemen und Fähigkeit zur rationalen Auswahl einer in Aufwand und Sicherheit dem jeweiligen Problem angemessenen Lösung (BO1, BO2, BO3)
Recommended requirement:
Examination achievement:
Mündliche Prüfung oder schriftliche Klausur
Instructor(s):
apl. Prof. Dr. Wolfgang Seiler
Date(s):
| Tuesday (weekly) | 11.02.2025 – 27.05.2025 | 13:45 – 15:15 | A 303 Seminarraum; B 6, 23–25 Bauteil A |
| Wednesday (weekly) | 12.02.2025 – 28.05.2025 | 13:45 – 15:15 | A 303 Seminarraum; B 6, 23–25 Bauteil A |
Description:
• Aufgaben der Kryptologie
• Klassische Kryptosysteme und ihre Kryptanalyse
• Feistel-Netzwerke und DES
• Differentielle und lineare Kryptanalyse; DES-Cracker
• New directions in cryptography
• RSA und seine zahlentheoretischen Grundlagen
• Faktorisierungsalgorithmen und andere Angriffe
• Verfahren auf der Grundlage diskreter Logarithmen
• Sichere Hashalgorithmen
• Kryptographische Protokolle
• Quantenkryptographie und Quantencomputer
• Klassische Kryptosysteme und ihre Kryptanalyse
• Feistel-Netzwerke und DES
• Differentielle und lineare Kryptanalyse; DES-Cracker
• New directions in cryptography
• RSA und seine zahlentheoretischen Grundlagen
• Faktorisierungsalgorithmen und andere Angriffe
• Verfahren auf der Grundlage diskreter Logarithmen
• Sichere Hashalgorithmen
• Kryptographische Protokolle
• Quantenkryptographie und Quantencomputer
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
MAC 405 Stochastic Simulation (Lecture)
EN
Course type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Bachelor
Language of instruction:
English
Credit hours 1:
2
Learning target:
Fachkompetenz:
Mathematischer Hintergrund und Algorithmen zur Erzeugung von Pseudozufallszahlen (BK1, BK3, BO3)
Grundverständnis für die Erzeugung von Algorithmen für die Simulation von „discrete event systems“ (BK3, BO2)
„Goodness-of-fit“ Tests (BK1)
Mathematischer Hintergrund und Algorithmen zur numerischen Behandlung von Markovketten in diskreter und stetiger Zeit (BK3, BO3)
Grundverständnis von Monte-Methoden und ihrer Verbesserungen durch Varianzreduktionsverfahren (BK1, BK3, BO3)
Grundverständnis der Markovketten-Monte-Carlo Methode (BK1, BK3, BO3)
Methodenkompetenz:
Erkennen, welche Algorithmen zur Erzeugung von Pseudozufallszahlen verschiedener Verteilungen eingesetzt werden können, Umsetzung in konkrete Programme (BF2, BF3, BO3)
Fähigkeit einfache stochastische Modelle zu simulieren und die Ergebnisse zu validieren (BF2, BF3, BO3)
Grundkenntnisse in der Programmierung mit Scilab (BF3)
Personale Kompetenz:
Teamarbeit (BF4)
Mathematischer Hintergrund und Algorithmen zur Erzeugung von Pseudozufallszahlen (BK1, BK3, BO3)
Grundverständnis für die Erzeugung von Algorithmen für die Simulation von „discrete event systems“ (BK3, BO2)
„Goodness-of-fit“ Tests (BK1)
Mathematischer Hintergrund und Algorithmen zur numerischen Behandlung von Markovketten in diskreter und stetiger Zeit (BK3, BO3)
Grundverständnis von Monte-Methoden und ihrer Verbesserungen durch Varianzreduktionsverfahren (BK1, BK3, BO3)
Grundverständnis der Markovketten-Monte-Carlo Methode (BK1, BK3, BO3)
Methodenkompetenz:
Erkennen, welche Algorithmen zur Erzeugung von Pseudozufallszahlen verschiedener Verteilungen eingesetzt werden können, Umsetzung in konkrete Programme (BF2, BF3, BO3)
Fähigkeit einfache stochastische Modelle zu simulieren und die Ergebnisse zu validieren (BF2, BF3, BO3)
Grundkenntnisse in der Programmierung mit Scilab (BF3)
Personale Kompetenz:
Teamarbeit (BF4)
Recommended requirement:
Examination achievement:
schriftliche Klausur
Instructor(s):
Prof. Dr. Andreas Neuenkirch
Date(s):
| Monday (weekly) | 10.02.2025 – 26.05.2025 | 13:45 – 15:15 | C 013 Hörsaal; A 5, 6 Bauteil C |
Description:
Erzeugung von Pseudozufallszahlen: Inversions-, Kompositions- und Akzeptanz-Verwerfungsmethode, spezielle Methoden
Simulation diskreter Ereignissysteme
Monte-Carlo-Methode, Varianzreduktion
Statistische Validierung: Chi-Quadrat-Test, Kolmogorov-Smirnov-Test
Numerische Behandlung von Markovketten
Markovketten-Monte-Carlo
Simulation diskreter Ereignissysteme
Monte-Carlo-Methode, Varianzreduktion
Statistische Validierung: Chi-Quadrat-Test, Kolmogorov-Smirnov-Test
Numerische Behandlung von Markovketten
Markovketten-Monte-Carlo
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
Markovketten (Lecture)
DE
Course type:
Lecture
ECTS:
5.0
Course suitable for:
Bachelor
Language of instruction:
German
Attendance:
Online, recorded
Instructor(s):
Prof. Dr. Leif Döring, Prof. Dr. Martin Slowik
MAT 301 Analysis I (Lecture)
DE
Course type:
Lecture
ECTS:
10.0 (Modul/e)
Course suitable for:
Bachelor
Language of instruction:
German
Credit hours 1:
4
Learning target:
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)
• 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)
Recommended requirement:
Examination achievement:
schriftliche Klausur
Description:
• Mengen und Abbildungen
• reelle Zahlen
• Zahlenfolgen und Reihen
• Funktionen in einer reellen Variablen
• reelle Zahlen
• Zahlenfolgen und Reihen
• Funktionen in einer reellen Variablen
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
MAT 302 Analysis II (Lecture)
DE
Course type:
Lecture
ECTS:
10.0 (Modul/e)
Course suitable for:
Bachelor
Language of instruction:
German
Credit hours 1:
4
Learning target:
Fachkompetenz:
• Konvergenz in metrischen Räumen (BK1)
• Stetigkeit von Abbildungen zwischen metrischen Räumen (BK1)
• Differenzierbarkeit von Funktionen mehrerer Variablen (BK1)
• Grundbegriffe der nichtlinearen Analysis (BF1, BK1)
• Integration von Funktionen mehrerer Variablen (BK1)
Methodenkompetenz:
• mathematische Beweisführung (BF1, BO2)
• Hantieren mit Gleichungen und Ungleichungen (BF1, BO2)
• Berechnen von Grenzwerten (BF1,BO3)
• Berechnen von Ableitungen (BO2)
• Bestimmung von Minima unter Zwangsbedingungen (BF2, BO3)
• Berechnen von Integralen (BO2)
Personale Kompetenz:
• Teamarbeit (BF4)
• Konvergenz in metrischen Räumen (BK1)
• Stetigkeit von Abbildungen zwischen metrischen Räumen (BK1)
• Differenzierbarkeit von Funktionen mehrerer Variablen (BK1)
• Grundbegriffe der nichtlinearen Analysis (BF1, BK1)
• Integration von Funktionen mehrerer Variablen (BK1)
Methodenkompetenz:
• mathematische Beweisführung (BF1, BO2)
• Hantieren mit Gleichungen und Ungleichungen (BF1, BO2)
• Berechnen von Grenzwerten (BF1,BO3)
• Berechnen von Ableitungen (BO2)
• Bestimmung von Minima unter Zwangsbedingungen (BF2, BO3)
• Berechnen von Integralen (BO2)
Personale Kompetenz:
• Teamarbeit (BF4)
Recommended requirement:
Examination achievement:
schriftliche Klausur
Instructor(s):
Prof. Li Chen
Date(s):
| Wednesday (weekly) | 12.02.2025 – 28.05.2025 | 08:30 – 10:00 | A 001 Großer Hörsaal; B 6, 23–25 Bauteil A |
| Thursday (weekly) | 13.02.2025 – 29.05.2025 | 10:15 – 11:45 | A 001 Großer Hörsaal; B 6, 23–25 Bauteil A |
Description:
• metrische Räume
• normierte Vektorräume
• Funktionen mehrerer Variabler
• Funktionale
• normierte Vektorräume
• Funktionen mehrerer Variabler
• Funktionale
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
Stochastik 2 (Lecture)
DE
Course type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Bachelor
Language of instruction:
German
Instructor(s):
Prof. Dr. Martin Schlather
Date(s):
| Tuesday (weekly) | 11.02.2025 – 27.05.2025 | 12:00 – 13:30 | A 001 Großer Hörsaal; B 6, 23–25 Bauteil A |
| Thursday (weekly) | 13.02.2025 – 29.05.2025 | 08:30 – 10:00 | A 001 Großer Hörsaal; B 6, 23–25 Bauteil A |
| Thursday (single date) | 13.02.2025 | 13:45 – 15:15 | B 244 Hörsaal; A 5, 6 Bauteil B |
Business Mathematics (Master)
Advanced Topics in Mathematical Finance (Lecture)
EN
Course type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Master
Language of instruction:
English
Credit hours 1:
4
Attendance:
Live & on-campus
Instructor(s):
Prof. Dr. David Johannes Prömel
Date(s):
| Wednesday (weekly) | 12.02.2025 – 26.03.2025 | 12:00 – 13:30 | A 203 Unterrichtsraum; B 6, 23–25 Bauteil A |
| Thursday (weekly) | 13.02.2025 – 27.03.2025 | 08:30 – 10:00 | A 203 Unterrichtsraum; B 6, 23–25 Bauteil A |
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
MAB 502 Algebraic Number Theory (Lecture)
DE
Course type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Master
Language of instruction:
German
Credit hours 1:
4
Attendance:
Live & on-campus
Learning target:
Fachkompetenz:
Solides Verständnis für grundlegende Fragen der algebraischen Zahlentheorie
Methodenkompetenz:
Fähigkeit, abstrakte algebraische Techniken in einem konkreten komplexen mathematischen Kontext anzuwenden.
Personale Kompetenz:
Fähigkeit, in abstrakten Strukturen zu denken; Ahnung von heutiger Forschung (Stichwort: „Langlandsprogramm“)
Solides Verständnis für grundlegende Fragen der algebraischen Zahlentheorie
Methodenkompetenz:
Fähigkeit, abstrakte algebraische Techniken in einem konkreten komplexen mathematischen Kontext anzuwenden.
Personale Kompetenz:
Fähigkeit, in abstrakten Strukturen zu denken; Ahnung von heutiger Forschung (Stichwort: „Langlandsprogramm“)
Recommended requirement:
Examination achievement:
Mündliche Prüfung oder schriftliche Klausur
Instructor(s):
Dr. Thomas Reichelt
Date(s):
| Monday (weekly) | 10.02.2025 – 26.05.2025 | 12:00 – 13:30 | A 203 Unterrichtsraum; B 6, 23–25 Bauteil A |
| Friday (weekly) | 14.02.2025 – 30.05.2025 | 12:00 – 13:30 | A 203 Unterrichtsraum; B 6, 23–25 Bauteil A |
Description:
Begriff der Ganzheit, Dedekindringe, Ringerweiterungen, Klassenzahl, Dirichletscher Einheitensatz, Verzweigungstheorie,
Bewertungen, Lokalisierungen, Adelisierungen, Kreisteilungskörper als Spezialfall, Ausblick auf Zetafunktionen
Bewertungen, Lokalisierungen, Adelisierungen, Kreisteilungskörper als Spezialfall, Ausblick auf Zetafunktionen
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
Computational Statistics (Lecture)
DE
Course type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Master
Language of instruction:
German
Instructor(s):
Prof. Dr. Martin Schlather
Date(s):
| Monday (single date) | 10.02.2025 | 18:00 – 19:00 | D 007 Seminarraum 2; B 6, 27–29 Bauteil D |
| Tuesday (weekly) | 11.02.2025 – 27.05.2025 | 08:30 – 10:00 | D 007 Seminarraum 2; B 6, 27–29 Bauteil D |
| Thursday (weekly) | 13.02.2025 – 29.05.2025 | 15:30 – 17:00 | D 007 Seminarraum 2; B 6, 27–29 Bauteil D |
Integrable hierarchies of KdV type and moduli spaces of curves (Lecture)
EN
Course type:
Lecture
ECTS:
8.0
Course suitable for:
Master
Language of instruction:
English
MAA 504 Partial Differential Equations (Lecture)
DE
Course type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Master
Language of instruction:
German
Credit hours 1:
4
Attendance:
Live & on-campus
Learning target:
Fachkompetenz:
Vertrautheit mit den Grundbegriffen partieller Differenzialgleichungen (MK1)
Vertrautheit mit Distributionen, Hölderräumen und Sobolevräumen (MK1)
Vertrautheit mit Sobolevungleichungen (MK1)
Verständnis des Konzepts der schwachen Lösung (MK1, MO2)
Verständnis des Randverhaltens von Lösungen (MK1, MO2)
Methodenkompetenz:
Fähigkeit die Existenz von Lösungen zu untersuchen (MO2)
Fähigkeit die Eindeutigkeit von Lösungen zu untersuchen (MO2)
Fähigkeit die Regularität von Lösungen zu untersuchen (MO2)
Personale Kompetenz:
Vertieftes Verständnis für komplexe Argumentationen in der elliptischen Theorie (MO3)
Vertrautheit mit den Grundbegriffen partieller Differenzialgleichungen (MK1)
Vertrautheit mit Distributionen, Hölderräumen und Sobolevräumen (MK1)
Vertrautheit mit Sobolevungleichungen (MK1)
Verständnis des Konzepts der schwachen Lösung (MK1, MO2)
Verständnis des Randverhaltens von Lösungen (MK1, MO2)
Methodenkompetenz:
Fähigkeit die Existenz von Lösungen zu untersuchen (MO2)
Fähigkeit die Eindeutigkeit von Lösungen zu untersuchen (MO2)
Fähigkeit die Regularität von Lösungen zu untersuchen (MO2)
Personale Kompetenz:
Vertieftes Verständnis für komplexe Argumentationen in der elliptischen Theorie (MO3)
Recommended requirement:
Examination achievement:
mündliche Prüfung
Instructor(s):
Prof. Dr. Martin Schmidt
Date(s):
| Monday (weekly) | 10.02.2025 – 26.05.2025 | 15:30 – 17:00 | C 401 Seminarraum; B 6, 27–29 Bauteil C |
| Tuesday (weekly) | 11.02.2025 – 27.05.2025 | 17:15 – 18:45 | C 401 Seminarraum; B 6, 27–29 Bauteil C |
Description:
Elliptische Differenzialgleichungen
Funktionenräume
Randwertproblem, Dirichletproblem
Apriori Abschätzungen
Funktionenräume
Randwertproblem, Dirichletproblem
Apriori Abschätzungen
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
MAA 504 Partial Differential Equations (Lecture)
DE
Course type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Master
Language of instruction:
German
Credit hours 1:
4
Attendance:
Live & on-campus
Learning target:
Fachkompetenz:
Vertrautheit mit den Grundbegriffen partieller Differenzialgleichungen (MK1)
Vertrautheit mit Distributionen, Hölderräumen und Sobolevräumen (MK1)
Vertrautheit mit Sobolevungleichungen (MK1)
Verständnis des Konzepts der schwachen Lösung (MK1, MO2)
Verständnis des Randverhaltens von Lösungen (MK1, MO2)
Methodenkompetenz:
Fähigkeit die Existenz von Lösungen zu untersuchen (MO2)
Fähigkeit die Eindeutigkeit von Lösungen zu untersuchen (MO2)
Fähigkeit die Regularität von Lösungen zu untersuchen (MO2)
Personale Kompetenz:
Vertieftes Verständnis für komplexe Argumentationen in der elliptischen Theorie (MO3)
Vertrautheit mit den Grundbegriffen partieller Differenzialgleichungen (MK1)
Vertrautheit mit Distributionen, Hölderräumen und Sobolevräumen (MK1)
Vertrautheit mit Sobolevungleichungen (MK1)
Verständnis des Konzepts der schwachen Lösung (MK1, MO2)
Verständnis des Randverhaltens von Lösungen (MK1, MO2)
Methodenkompetenz:
Fähigkeit die Existenz von Lösungen zu untersuchen (MO2)
Fähigkeit die Eindeutigkeit von Lösungen zu untersuchen (MO2)
Fähigkeit die Regularität von Lösungen zu untersuchen (MO2)
Personale Kompetenz:
Vertieftes Verständnis für komplexe Argumentationen in der elliptischen Theorie (MO3)
Recommended requirement:
Examination achievement:
mündliche Prüfung
Instructor(s):
Prof. Dr. Martin Schmidt
Description:
Elliptische Differenzialgleichungen
Funktionenräume
Randwertproblem, Dirichletproblem
Apriori Abschätzungen
Funktionenräume
Randwertproblem, Dirichletproblem
Apriori Abschätzungen
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
MAA 519 Stochastic Calculus (Lecture)
EN
Course type:
Lecture
ECTS:
5.0 (Modul/e)
Course suitable for:
Master
Language of instruction:
English
Attendance:
Online, recorded
Instructor(s):
Prof. Dr. David Johannes Prömel
Description:
Brownian motion and martingales in continuous time, Stochastic integration and Ito formula, solution theory for stochastic differential equations (strong solutions, linear SDEs), change of measure (Girsanov theorem), martingale representation theorem
MAB 507 Game Theory II (Lecture)
DE
Course type:
Lecture
ECTS:
8.0 (Modul/e)
Course suitable for:
Master
Language of instruction:
German
Credit hours 1:
4
Learning target:
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).
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).
Recommended requirement:
Examination achievement:
Je nach Teilnehmerzahl schriftliche Klausur oder mündliche Prüfung (wird zu Beginn der Vorlesung bekannt gegeben) Prüfungsvorleistung: erfolgreiche Teilnahme an den Übungen.
Instructor(s):
Prof. Dr. Claus Hertling
Description:
Verhandlungsspiele, Rubinstein-Spiel, Spiele mit unvollständiger Information, Bayes'sches Gleichgewicht, Auktionstheorie, in Form von Beispielen Anwendungen auf die Wirtschaftswissenschaften.
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
Markov Processes (Lecture)
EN
Course type:
Lecture
ECTS:
5
Course suitable for:
Master
Language of instruction:
English
Attendance:
Online, recorded
Recommended requirement:
Examination achievement:
Oral exam
Instructor(s):
Prof. Dr. Leif Döring, Prof. Dr. Martin Slowik
Description:
The topic of this lecture are Markov processes in continuous time which are an important class of stochastic processes. We also introduce operator semigroups, generators and stochastic equations which provide approaches to the characterisation of Markov processes. The theory will be illustrated with many examples. The course will cover a part of the following topics:
– Construction of stochastic processes (Theorem of Daniel-Kolmogorov)
– Stopping and optional times and stopped processes
– Markov processes and its properties (Markov property, strong Markov property, forward and backward equation)
– Construction of Markov processes via the transition function
– Semigroups of linear operators, resolvents and generators (Theorem of Hille-Yoshida) and its relation to Markov processes
– Relation between Markov processes and martingales (Dynkin martingale)
– functionals of Markov processes and partial differential equations
– Construction of stochastic processes (Theorem of Daniel-Kolmogorov)
– Stopping and optional times and stopped processes
– Markov processes and its properties (Markov property, strong Markov property, forward and backward equation)
– Construction of Markov processes via the transition function
– Semigroups of linear operators, resolvents and generators (Theorem of Hille-Yoshida) and its relation to Markov processes
– Relation between Markov processes and martingales (Dynkin martingale)
– functionals of Markov processes and partial differential equations
SEM 510 Diffusion Equations (Seminar)
EN
Course type:
Seminar
ECTS:
Course suitable for:
Master
Language of instruction:
English
Credit hours 1:
2
Instructor(s):
Prof. Li Chen
Date(s):
| Thursday (weekly) | 13.02.2025 – 29.05.2025 | 13:45 – 15:15 | C 401 Seminarraum; B 6, 27–29 Bauteil C |
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
Monte Carlo Methoden II (Lecture)
DE
Course type:
Lecture
ECTS:
6.0
Course suitable for:
Master
Language of instruction:
German
Credit hours 1:
2
Attendance:
Live & on-campus
Instructor(s):
Prof. Dr. Andreas Neuenkirch
Date(s):
| Thursday (weekly) | 13.02.2025 – 29.05.2025 | 12:00 – 13:30 | C 014 Hörsaal; A 5, 6 Bauteil C |
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
MAC 507 Nonlinear Optimization (Lecture)
EN
Course type:
Lecture
ECTS:
Course suitable for:
Master
Language of instruction:
English
Credit hours 1:
4
Instructor(s):
Prof. Ph. D. Mathias Staudigl, Meggie Marschner
Date(s):
| Monday (weekly) | 10.02.2025 – 26.05.2025 | 15:30 – 17:00 | D 007 Seminarraum 2; B 6, 27–29 Bauteil D |
| Tuesday (weekly) | 11.02.2025 – 27.05.2025 | 08:30 – 10:00 | C 013 Hörsaal; A 5, 6 Bauteil C |
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
Seminar Mathematical Optimization (Seminar)
EN
Course type:
Seminar
ECTS:
4.0
Course suitable for:
Master
Language of instruction:
English
Instructor(s):
Prof. Ph. D. Mathias Staudigl, Meggie Marschner, Siqi Qu
Date(s):
| Tuesday (single date) | 11.02.2025 | 15:30 – 17:00 | |
| Thursday (weekly) | 13.02.2025 – 29.05.2025 | 12:00 – 13:30 | C 301 Seminarraum; B 6, 27–29 Bauteil C |
| Tuesday (single date) | 18.02.2025 | 12:00 – 13:30 | C 301 Seminarraum; B 6, 27–29 Bauteil C |
| Wednesday (single date) | 19.02.2025 | 11:30 – 13:30 | C 301 Seminarraum; B 6, 27–29 Bauteil C |
Stochastic Processes (Lecture)
DE
Course type:
Lecture
ECTS:
8.0
Course suitable for:
Master
Language of instruction:
German
Attendance:
Live & on-campus
Instructor(s):
Prof. Dr. Simon Weißmann
Date(s):
| Tuesday (weekly) | 11.02.2025 – 27.05.2025 | 10:15 – 11:45 | D 002 Seminarraum 1; B 6, 27–29 Bauteil D |
| Wednesday (weekly) | 12.02.2025 – 28.05.2025 | 10:15 – 11:45 | D 002 Seminarraum 1; B 6, 27–29 Bauteil D |
Description:
Martingales and their convergence theory (including a proof of the law of large numbers), weak convergence theory (including a proof of the central limit theorem), Brownian motion (including the Donsker theorem).
Mannheim Master in Data Science
Advanced Methods in Text Analytics (Lecture)
EN
Course type:
Lecture
ECTS:
6.0
Course suitable for:
Master
Language of instruction:
English
Attendance:
Live & on-campus
Instructor(s):
Dr. Daniel Ruffinelli
Date(s):
| Tuesday (weekly) | 11.02.2025 – 27.05.2025 | 13:45 – 15:15 | C 015 Hörsaal; A 5, 6 Bauteil C |
Data Security and Privacy (Lecture)
EN
Course type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Bachelor, Master
Language of instruction:
English
Attendance:
Online, live
Instructor(s):
Prof. Dr. Frederik Armknecht, Jasmin Zalonis
Date(s):
| Friday (weekly) | 14.02.2025 – 30.05.2025 | 10:15 – 11:45 | ZOOM-Lehre-037; Virtuelles Gebäude |
Deep Learning (Lecture)
EN
Course type:
Lecture
ECTS:
6.0
Course suitable for:
Master
Language of instruction:
English
Instructor(s):
Prof. Dr. Rainer Gemulla
Date(s):
| Thursday (weekly) | 13.02.2025 – 29.05.2025 | 10:15 – 11:45 | A 101 Kleiner Hörsaal; B 6, 23–25 Bauteil A |
IS 622 Network Science (Lecture)
EN
Course type:
Lecture
ECTS:
6.0 (Modul/e)
Course suitable for:
Master
Language of instruction:
English
Credit hours 1:
2
Registration procedure:
This course has limited capacity. It is mandatory that you register via Portal2. You can register anytime during the official course registration period (15 January – 6 February 2025). The time of your registration is not relevant as seats are not assigned on a first-come, first-served basis.
Please note that this lecture is accompanied by an exercise class, you can register for it via Portal2.
Please note that this lecture is accompanied by an exercise class, you can register for it via Portal2.
Instructor(s):
Dr. Jörg Schlötterer
Date(s):
| Tuesday (weekly) | 11.02.2025 – 27.05.2025 | 10:15 – 11:45 | O 145 Heinrich Vetter Hörsaal; Schloss Ostflügel |
Description:
Please find a detailed course description via the following link:
Module Catalog MMM | Universität Mannheim (uni-mannheim.de)
Module Catalog MMM | Universität Mannheim (uni-mannheim.de)
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
Master Seminar Computer Vision (Seminar)
EN
Course type:
Seminar
ECTS:
4.0
Course suitable for:
Master
Language of instruction:
English
Credit hours 1:
2
Attendance:
Live & on-campus
Instructor(s):
Prof. Dr.-Ing. Margret Keuper
Date(s):
| Friday (single date) | 21.02.2025 | 13:45 – 15:15 | A 104 Seminarraum; B 6, 23–25 Bauteil A |
| Tuesday (weekly) | 25.02.2025 – 27.05.2025 | 17:15 – 18:45 | A 104 Seminarraum; B 6, 23–25 Bauteil A |
More information
1 Credit hours indicate the duration of a course which is offered weekly during one semester. One credit hour equals 45 minutes.
