Foto: Staatliche Schlösser und Gärten Baden-Württemberg

Wirtschafts­mathematik und Wirtschafts­informatik (englisch)

Information on your course choice

Please note that you have to take the majority of classes at the School of Business Informatics and Mathematics. In most cases you do not need to register for courses, just attend the first lecture. In case you want to take courses outside from our school you can choose from the university wide electives list.

All undergraduate students are allowed to take graduate’s level courses at the School of Business Informatics and Mathematics and the other way around. For the most part, the only requirement for participation in a Master’s course is a basic knowledge of informatics and/or mathematics.

Further information and a detailed description on all courses can be found in our module catalogues here: https://www.wim.uni-mannheim.de/en/student-affairs/module-catalogues/

Wirtschafts­informatik (Bachelor)

CS 560 Large-Scale Data Management (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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

Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination, exercises
90 minutes
Lektor(en):
Termin(e):
Dienstag  (wöchentlich) 03.09.2019 - 03.12.2019 10:15 - 11:45 B 244 Hörsaal; A 5, 6 Bauteil B
Beschreibung:
This course introduces the fundamental concepts and computational paradigms of large-scale data management and Big Data. This includes methods for storing, updating, querying, and analyzing large dataset as well as for data-intensive computing. The course covers concept, algorithms, and system issues; accompanying exercises provide hands-on experience. Topics include:
• Parallel and distributed databases
• MapReduce and its ecosystem
• NoSQL
• Stream processing
• Graph databases
Data Mining (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination (90 minutes), project report, oral project presentation
Lektor(en):
Termin(e):
Mittwoch  (wöchentlich) 04.09.2019 - 04.12.2019 10:15 - 11:45 C 015 Hörsaal; A 5, 6 Bauteil C
Beschreibung:
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)
Decision Support (Vorlesung mit Übung, englisch)
Vorlesungs­typ:
Vorlesung mit Übung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination (90 minutes), homework assignments, case studies
Lektor(en):
Termin(e):
Montag  (wöchentlich) 02.09.2019 - 06.12.2019 13:45 - 15:15 C 015 Hörsaal; A 5, 6 Bauteil C
Montag  (Einzeltermin) 14.10.2019 13:45 - 15:15
Beschreibung:
The course provides an introduction to decision support techniques as a basis for the design of decision support systems. The course will cover the following topics:
  • Decision Theory
  • Decision- and Business Rules
  • Planning Methods and Algorithms
  • Probabilistic Graphical Models
  • Game Theory and Mechanism Design
Decision Support (Vorlesung mit Übung, englisch)
Vorlesungs­typ:
Vorlesung mit Übung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination (90 minutes), homework assignments, case studies
Lektor(en):
Termin(e):
Montag  (wöchentlich) 02.09.2019 - 06.12.2019 15:30 - 17:00 A 101 kleiner Hörsaal; B 6, 23-25 Bauteil A
Beschreibung:
The course provides an introduction to decision support techniques as a basis for the design of decision support systems. The course will cover the following topics:
  • Decision Theory
  • Decision- and Business Rules
  • Planning Methods and Algorithms
  • Probabilistic Graphical Models
  • Game Theory and Mechanism Design
Einführung in Data Science Vorlesung (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lektor(en):
Termin(e):
Dienstag  (wöchentlich) 03.09.2019 - 03.12.2019 10:15 - 11:45 C 013 Hörsaal; A 5, 6 Bauteil C
Relational Learning (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
Lektor(en):
Termin(e):
Montag  (wöchentlich) 02.09.2019 - 06.12.2019 12:00 - 13:30 A 203 Unterrichtsraum; B 6, 23-25 Bauteil A

Wirtschafts­informatik (Master)

Advanced Software Engineering (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination, 90 minutes
Lektor(en):
Termin(e):
Freitag  (wöchentlich) 06.09.2019 - 06.12.2019 10:15 - 11:45 B 144 Hörsaal; A 5, 6 Bauteil B
Beschreibung:
The course deals with the model-based specification of software systems and components as well as their verification, validation and quality assurance. The emphasis is on view-based specification methods that use multiple views, expressed in multiple languages, to describe orthogonal aspects of software systems/components. Key examples include structural views represented using class diagrams, operational views expressed using constraint languages and behavioural views expressed using state diagrams. An important focus of the course is the use of these views to define tests and extra-functional properties.
Algorithmik (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
3
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Klausur, 90 Minuten
Lektor(en):
Termin(e):
Montag  (wöchentlich) 02.09.2019 - 06.12.2019 12:00 - 13:30 C 015 Hörsaal; A 5, 6 Bauteil C
Donnerstag  (wöchentlich) 05.09.2019 - 05.12.2019 10:15 - 11:45 A 101 kleiner Hörsaal; B 6, 23-25 Bauteil A
Beschreibung:
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
CS 560 Large-Scale Data Management (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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

Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination, exercises
90 minutes
Lektor(en):
Termin(e):
Dienstag  (wöchentlich) 03.09.2019 - 03.12.2019 10:15 - 11:45 B 244 Hörsaal; A 5, 6 Bauteil B
Beschreibung:
This course introduces the fundamental concepts and computational paradigms of large-scale data management and Big Data. This includes methods for storing, updating, querying, and analyzing large dataset as well as for data-intensive computing. The course covers concept, algorithms, and system issues; accompanying exercises provide hands-on experience. Topics include:
• Parallel and distributed databases
• MapReduce and its ecosystem
• NoSQL
• Stream processing
• Graph databases
Data Mining (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination (90 minutes), project report, oral project presentation
Lektor(en):
Termin(e):
Mittwoch  (wöchentlich) 04.09.2019 - 04.12.2019 10:15 - 11:45 C 015 Hörsaal; A 5, 6 Bauteil C
Beschreibung:
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)
Decision Support (Vorlesung mit Übung, englisch)
Vorlesungs­typ:
Vorlesung mit Übung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination (90 minutes), homework assignments, case studies
Lektor(en):
Termin(e):
Montag  (wöchentlich) 02.09.2019 - 06.12.2019 15:30 - 17:00 A 101 kleiner Hörsaal; B 6, 23-25 Bauteil A
Beschreibung:
The course provides an introduction to decision support techniques as a basis for the design of decision support systems. The course will cover the following topics:
  • Decision Theory
  • Decision- and Business Rules
  • Planning Methods and Algorithms
  • Probabilistic Graphical Models
  • Game Theory and Mechanism Design
Decision Support (Vorlesung mit Übung, englisch)
Vorlesungs­typ:
Vorlesung mit Übung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination (90 minutes), homework assignments, case studies
Lektor(en):
Termin(e):
Montag  (wöchentlich) 02.09.2019 - 06.12.2019 13:45 - 15:15 C 015 Hörsaal; A 5, 6 Bauteil C
Montag  (Einzeltermin) 14.10.2019 13:45 - 15:15
Beschreibung:
The course provides an introduction to decision support techniques as a basis for the design of decision support systems. The course will cover the following topics:
  • Decision Theory
  • Decision- and Business Rules
  • Planning Methods and Algorithms
  • Probabilistic Graphical Models
  • Game Theory and Mechanism Design
IS 613 Applied Project in Design Thinking and Lean Software Development (Vorlesung mit Übung, englisch)
Vorlesungs­typ:
Vorlesung mit Übung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Registrierungs­informationen:
To register for this course, please follow the instructions on the chair's website. Registration is possible between August 15 and September 2, 2018.
Lernziel:
By the end of the module students will
•    know how to apply design principles for developing customer oriented applications,
•    understand the difficulties involved in team-based software development,
•    improve software engineering skills,
•    improve the ability to work in teams,
•    use state of the art software engineering methods and tools.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Software development term project
Lektor(en):
Termin(e):
Montag  (wöchentlich) 30.09.2019 - 21.10.2019 15:30 - 17:00 008.2 Seminarraum; B 6, 30-32 Bauteil E-F
Donnerstag  (Einzeltermin) 14.11.2019 13:30 - 18:00 EW 145 Hörsaal; Schloss Ehrenhof West
Montag  (Einzeltermin) 28.10.2019 15:30 - 17:00 008.2 Seminarraum; B 6, 30-32 Bauteil E-F
Montag  (Einzeltermin) 04.11.2019 15:30 - 17:00 008.2 Seminarraum; B 6, 30-32 Bauteil E-F
Montag  (Einzeltermin) 28.10.2019 17:00 - 18:00 008.2 Seminarraum; B 6, 30-32 Bauteil E-F
Beschreibung:
The goal of this term project is to collaboratively develop a concept, design or software to solve a real world problem in a student development team environment. We offer a project-based lecture with hands-on experience for lean principles and design thinking. Students will learn innovative product and process design for software development which then can be directly applied in exercise sessions. 
The used technology will depend on students’ skills and experience. Prototypes might be developed with technology for mobile devices or paper-based for non-developers.
IS 614 Corporate Knowledge Management (Vorlesung mit Übung, englisch)
Vorlesungs­typ:
Vorlesung mit Übung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Registrierungs­informationen:
No registration required.
Lernziel:
Course participants will be able to:
•    explain the role and importance of knowledge for organizations
•    Understand and explain the processes of knowledge management (KM)
•    Describe and evaluate the possibilities to support the different knowledge processes through information technology
•    Understand and evaluate different design principles of KM systems
•    Evaluate and apply organizational and technological mechanisms that ensure the use of KM systems
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written exam (60 min.); optional case study (20%)
Lektor(en):
Termin(e):
Montag  (Blocktermin) 16.09.2019 - 30.09.2019 17:15 - 18:45 O 142 Engelhorn Hörsaal; Schloss Ostflügel
Mittwoch  (Einzeltermin) 06.11.2019 17:15 - 18:45 O 142 Engelhorn Hörsaal; Schloss Ostflügel
Mittwoch  (Einzeltermin) 20.11.2019 17:00 - 19:00 EO 145 Bürgerhörsaal; Schloss Ehrenhof Ost
Beschreibung:
Companies have realized that the knowledge of their professionals is a decisive factor in competition. Firms are able to differentiate against their competitors through superior knowledge in the long term.
This lecture deals with the question of how the creation acquisition, transfer, storage, retrieval, and use of knowledge can be supported with the information technology and where the limits of such efforts are. It also addresses how to design information technology to support different knowledge processes.
IS 615 Design Thinking and Lean Development in Enterprise Software Development (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Registrierungs­informationen:
To register for this course, please follow the instructions on the chair's website. Registration is possible between August 15th and September 2nd, 2018.
Lernziel:
After completing the class, students will be able to:
  • Understand the issues and challenges involved in enterprise software development
  • Understand and apply large-scale agile development based on lean principles
  • Understand and apply Design Thinking and related innovation practices
  • Understand and evaluate business models for software companies and products
  • Understand and apply how to bring all of this together in enterprise reality
  • Understand and evaluate state of the art software engineering methods
  • Understand and explain particular success strategies recommended by practitioners
  • Understand how to launch a start-up and scale a software company
Empfohlene Voraussetzungen:
Prüfungs­leistung:
80% written exam (60 min), 20% case study
Lektor(en):
Termin(e):
Donnerstag  (Einzeltermin) 12.09.2019 15:30 - 18:45 001 Hörsaal; L 9, 1-2
Dienstag  (Einzeltermin) 17.09.2019 09:00 - 18:00 211 Seminarraum; B 6, 30-32 Bauteil E-F
Donnerstag  (Einzeltermin) 19.09.2019 09:00 - 18:00
Freitag  (Einzeltermin) 20.09.2019 09:00 - 18:00
Dienstag  (Einzeltermin) 01.10.2019 17:30 - 19:00 SO 108 Hörsaal; Schloss Schneckenhof Ost
Dienstag  (Einzeltermin) 08.10.2019 17:30 - 19:00 SO 108 Hörsaal; Schloss Schneckenhof Ost
Beschreibung:
Enterprise software development revolves around complex and interdependent software products for different companies, lines of business and industries. Hence, there is an inherent trade-off between standard software and domain-specific software solutions. Software companies thus have to keep track of various heterogeneous and possibly conflicting market requirements that are subject to changes and updates in ever shorter release cycles.
However, it is essential for every enterprise software company to be able to build the right solutions efficiently. To be able to do so in the long run, large software companies elaborated good practices to ensure both, efficient development processes and innovative products.
Among these, lean thinking and agile software development practices combined with Design Thinking and related practices are increasingly adopted and intertwined in the software industry. So, the goal of this module is to convey both, approaches from research and industry experience together with practical application based on concrete enterprise software challenges. The course includes both, lecture and workshop formats.

A combination with IS 613 as related term project is highly recommended.
Kryptographie II (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Schriftliche Klausur (90 Minuten) oder mündliche Prüfung (30 Minuten)
Lektor(en):
Beschreibung:
In der Vorlesung erfolgt eine kurze Zusammenstellung der wichtigsten kryptographischen Grundalgorithmen und der für die Vorlesung relevanten mathematischen, algorithmischen und informations- und komplexitätstheoretischen Grundlagen. Diese werden einerseits vertieft und andererseits erweitert. Behandelte Themen sind beispielsweise
  • moderne Techniken der Kryptanalyse und daraus ableitbare Designkriterien für kryptographische Verfahren
  • kryptographische Protokolle
  • Sicherheitsbeweise
Model Driven Development (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination (90 minutes)
Lektor(en):
Termin(e):
Dienstag  (wöchentlich) 03.09.2019 - 03.12.2019 13:45 - 15:15 A 203 Unterrichtsraum; B 6, 23-25 Bauteil A
Beschreibung:
The course focuses on the principles, practices and tools involved in advanced model-driven development. This includes established modelling standard languages (e. g. UML, ATL, OCL . . . ) and modelling infrastructures (e. g. MOF, EMF, etc. ) as well as leading edge, state-of-the-art modelling technologies (e. g. LML, PLM . . . ). Key topics addressed include –
  • Multi-level modeling
  • Meta-modeling
  • Ontology engineering versus model engineering
  • Model transformations
  • Domain specific language definition and use
  • Model creation and evolution best practices
  • Model-driven software development
  • Model checking and ontology validation
Network Analysis (Vorlesung mit Übung, englisch)
Vorlesungs­typ:
Vorlesung mit Übung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
4
Lektor(en):
Termin(e):
Mittwoch  (wöchentlich) 04.09.2019 - 04.12.2019 13:45 - 15:15 A 101 kleiner Hörsaal; B 6, 23-25 Bauteil A
Network Analysis (Vorlesung mit Übung, englisch)
Vorlesungs­typ:
Vorlesung mit Übung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
4
Lektor(en):
Termin(e):
Dienstag  (wöchentlich) 10.09.2019 - 03.12.2019 12:00 - 13:30 310 Seminarraum; B 6, 30-32 Bauteil E-F
Relational Learning (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
Lektor(en):
Termin(e):
Montag  (wöchentlich) 02.09.2019 - 06.12.2019 12:00 - 13:30 A 203 Unterrichtsraum; B 6, 23-25 Bauteil A
Semantic Web Technologies (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Regular exercises, team project, written examination (90 minutes)
Lektor(en):
Termin(e):
Montag  (wöchentlich) 02.09.2019 - 06.12.2019 13:45 - 15:15 A 104 Seminarraum; B 6, 23-25 Bauteil A
Beschreibung:
  • Vision and Principles of the Semantic Web
  • Representation Languages (XML, RDF, RDF Schema, OWL)
  • Knowledge Modeling: Ontologies and Linked Data
  • Logical Reasoning in RDF and OWL
  • Commercial and Open Source Tools and Systems
Text Analytics (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
Expertise:
Students will acquire knowledge of state-of-the-art principles and methods of Natural Language Processing, with a specific focus on the application of statistical methods to human language technologies.
Methodological competence:
Successful participants will be able to understand state-of-the-art methods for Natural Language Processing, as well as being able to select, apply and evaluate the most appropriate techniques for a variety of different practical and application-oriented scenarios.
Personal competence:
  • presentation skills;
  • team work skills.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination (90 minutes), homework assignments
Lektor(en):
Termin(e):
Dienstag  (wöchentlich) 03.09.2019 - 03.12.2019 15:30 - 17:00 B 244 Hörsaal; A 5, 6 Bauteil B
Beschreibung:
In the digital age, techniques to automatically process textual content have become ubiquitous. Given the breakneck speed at which people produce and consume textual content online – e.g., on micro-blogging and other collaborative Web platforms like wikis, forums, etc. – there is an ever-increasing need for systems that automatically understand human language, answer natural language questions, translate text, and so on. This class will provide a complete introduction to state-of-the-art principles and methods of Natural Language Processing (NLP). The main focus will be on statistical techniques, and their application to a wide variety of problems. This is because statistics and NLP are nowadays highly intertwined, since many NLP problems can be formulated as problems of statistical inference, and statistical methods, in turn, represent de-facto the standard way  to solve many, if not the majority, of NLP problems. Covered topics will include:
 
  • Words
    • Language Modeling
    • Part-Of-Speech Tagging
  • Syntax
    • Statistical Parsing
  • Semantics and pragmatics
    • Computational Lexical Semantics
    • Computational Discourse
  • Applications
    • Topic Modeling
    • Information Extraction
    • Question Answering and Summarization
    • Statistical Alignment and Machine Translation
Coursework will include homework assignments and a final exam. Homework assignments are meant to introduce the students to the problems that will be covered in the final exam at the end of the course.
Web Data Integration (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination (90 minutes), project report, oral project presentation
Lektor(en):
Termin(e):
Mittwoch  (wöchentlich) 04.09.2019 - 04.12.2019 15:30 - 17:00 A 101 kleiner Hörsaal; B 6, 23-25 Bauteil A
Beschreibung:
The Web is developing from a medium for publishing textual documents into a medium for sharing structured data. In the course, students will learn how to integrate and cleanse data from this global data space for the later usage of the data within business applications. The course will cover the following topics:
 
  • Heterogeneity and Distributedness
  • The Data Integration Process
  • Web Data Formats
  • Schema Matching and Data Translation
  • Identity Resolution
  • Data Quality Assessment
  • Data Fusion
Web Data Integration (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination (90 minutes), project report, oral project presentation
Lektor(en):
Termin(e):
Donnerstag  (wöchentlich) 05.09.2019 - 05.12.2019 10:15 - 11:45 C 014 Hörsaal; A 5, 6 Bauteil C
Beschreibung:
The Web is developing from a medium for publishing textual documents into a medium for sharing structured data. In the course, students will learn how to integrate and cleanse data from this global data space for the later usage of the data within business applications. The course will cover the following topics:
 
  • Heterogeneity and Distributedness
  • The Data Integration Process
  • Web Data Formats
  • Schema Matching and Data Translation
  • Identity Resolution
  • Data Quality Assessment
  • Data Fusion

Wirtschafts­mathematik (Bachelor)

Calculus of Variations and Applications (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
8.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
4
Lektor(en):
Termin(e):
Montag  (wöchentlich) 02.09.2019 - 06.12.2019 15:30 - 17:00 A 305 Seminarraum; B 6, 23-25 Bauteil A
Donnerstag  (wöchentlich) 05.09.2019 - 05.12.2019 13:45 - 15:15 A 304 Seminarraum; B 6, 23-25 Bauteil A
Mathematical Finance (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
8.0 (Modul/e)
Kurs geeignet für:
Kurssprache:
englisch
SWS:
4
Lernziel:
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)
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Je nach Teilnehmerzahl schriftliche Klausur oder mündliche Prüfung (wird zu Beginn der Vorlesung bekannt gegeben)
Prüfungs­vorleistung: erfolgreiche Teilnahme an den Übungen
Lektor(en):
Termin(e):
Dienstag  (wöchentlich) 03.09.2019 - 03.12.2019 08:30 - 10:00 B 144 Hörsaal; A 5, 6 Bauteil B
Donnerstag  (wöchentlich) 05.09.2019 - 05.12.2019 12:00 - 13:30 B 144 Hörsaal; A 5, 6 Bauteil B
Beschreibung:
• Mathematische Grundlagen der zeitlich diskreten Finanzmathematik wie bedingte Erwartungen, Martingale und elementare Funktionalanalysis
• Modellierung von Finanzmärkten in diskreter Zeit
• Arbitragetheorie in diskreter Zeit; insb. Fundamentalsatz der arbitragefreien Bewertung (FTAP), sowie Bewertung und Absicherung von europäischen und Optionen in vollständigen und unvollständigen Markt­modellen
• Binomial­modell von Cox, Ross und Rubinstein
• Amerikanische Optionen und optimales Stoppen in diskreter Zeit
• Mathematische Grundlagen der Finanzmathematik in stetiger Zeit wie Stieltjes-Integration, pfadweiser Itô-Kalkül, elementare partielle Differentialgleichungen
• Modellierung von Finanzmärkten in stetiger Zeit
• Absicherung von Optionen im Bachelier-Modell
• Black-Scholes-Formel
• Variance-swaps, VIX, CPPI
MAA 510 Introduction to partial differential equations (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
Kurs geeignet für:
Kurssprache:
englisch
Lektor(en):
Termin(e):
Mittwoch  (wöchentlich) 04.09.2019 - 04.12.2019 12:00 - 13:30 A 203 Unterrichtsraum; B 6, 23-25 Bauteil A
Donnerstag  (wöchentlich) 05.09.2019 - 05.12.2019 10:15 - 11:45 A 203 Unterrichtsraum; B 6, 23-25 Bauteil A
Statistical Learning (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
Lektor(en):
Termin(e):
Dienstag  (wöchentlich) 03.09.2019 - 03.12.2019 12:00 - 13:30 C 012 Hörsaal; A 5, 6 Bauteil C
Mittwoch  (wöchentlich) 04.09.2019 - 04.12.2019 10:15 - 11:45 C 012 Hörsaal; A 5, 6 Bauteil C

Wirtschafts­mathematik (Master)

Calculus of Variations and Applications (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
8.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
4
Lektor(en):
Termin(e):
Montag  (wöchentlich) 02.09.2019 - 06.12.2019 15:30 - 17:00 A 305 Seminarraum; B 6, 23-25 Bauteil A
Donnerstag  (wöchentlich) 05.09.2019 - 05.12.2019 13:45 - 15:15 A 304 Seminarraum; B 6, 23-25 Bauteil A
MAA 510 Introduction to partial differential equations (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
Kurs geeignet für:
Kurssprache:
englisch
Lektor(en):
Termin(e):
Mittwoch  (wöchentlich) 04.09.2019 - 04.12.2019 12:00 - 13:30 A 203 Unterrichtsraum; B 6, 23-25 Bauteil A
Donnerstag  (wöchentlich) 05.09.2019 - 05.12.2019 10:15 - 11:45 A 203 Unterrichtsraum; B 6, 23-25 Bauteil A
Seminar on Matrix Groups (Seminar, englisch)
Vorlesungs­typ:
Seminar
ECTS:
4.0
Kurs geeignet für:
Kurssprache:
englisch
Lektor(en):
Termin(e):
Samstag  (Einzeltermin) 21.09.2019 08:00 - 19:00 A 304 Seminarraum; B 6, 23-25 Bauteil A
Seminar on Matrix Groups (Seminar, englisch)
Vorlesungs­typ:
Seminar
ECTS:
4.0
Kurs geeignet für:
Kurssprache:
englisch
Lektor(en):
Statistical Learning (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
Lektor(en):
Termin(e):
Dienstag  (wöchentlich) 03.09.2019 - 03.12.2019 12:00 - 13:30 C 012 Hörsaal; A 5, 6 Bauteil C
Mittwoch  (wöchentlich) 04.09.2019 - 04.12.2019 10:15 - 11:45 C 012 Hörsaal; A 5, 6 Bauteil C

Contact School of Business Informatics and Mathematics

Juliane Roth, M.A.

Juliane Roth, M.A.

Auslands­koordinatorin, Internationales Marketing, Gast­wissenschaft­ler­programm
Universität Mannheim
Fakultät für Wirtschafts­informatik und Wirtschafts­mathematik
B 6, 26
Gebäudeteil B – Raum B 1.05
68159 Mannheim
Tel.: +49 621 181-2340
Fax: +49 621 181-2423
E-Mail: roth(at)wim.uni-mannheim.de
Sprechstunde:
Mi 10–11.30 Uhr oder nach Vereinbarung von Mo–Mi 9–15 Uhr