Wirtschafts­mathematik und Wirtschafts­informatik (alle)

Vorlesung

8.0

deutsch

6

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

Praktische Informatik I, Analysis für Wirtschafts­informatiker

Praktische Informatik I, Analysis für Wirtschafts­informatiker

Matthias Krause

Vorlesung

6.0

englisch

2

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

Very good knowledge of database systems, good knowledge of algorithms and data structures as well as Java programming

Very good knowledge of database systems, good knowledge of algorithms and data structures as well as Java programming

Rainer Gemulla

Vorlesung

6.0

englisch

2

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

Foundations of Statistics, Practical Informatics I

Foundations of Statistics, Practical Informatics I

Vorlesung

8.0

deutsch

6

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

Analysis, Statistik, Praktische Informatik I, und II, Algorithmen und Datenstrukturen,  Programmier­kenntnisse

Analysis, Statistik, Praktische Informatik I, und II, Algorithmen und Datenstrukturen,  Programmier­kenntnisse

Magnus Müller

Vorlesung mit Übung

6.0

englisch

2

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

Basic Probability Theory, Basic Knowledge of Propositional and First-Order Logic

Basic Probability Theory, Basic Knowledge of Propositional and First-Order Logic

Melisachew Wudage Chekol

Vorlesung mit Übung

6.0

englisch

2

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

Basic Probability Theory, Basic Knowledge of Propositional and First-Order Logic

Basic Probability Theory, Basic Knowledge of Propositional and First-Order Logic

Melisachew Wudage Chekol

Vorlesung

6.0 (Modul/e)

englisch

2

Simone Paolo Ponzetto

Vorlesung

6.0

deutsch

4

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

keine

keine

Matthias Alexander Hamann

Vorlesung

6.0

deutsch

4

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.

Es gibt keine formalen Voraussetzungen, aber folgende inhaltliche Vor­kenntnisse werden empfohlen:
Praktische Informatik I und II, Lineare Algebra, Algorithmen und Datenstrukturen, Analysis, Einführung in die Statistik

Es gibt keine formalen Voraussetzungen, aber folgende inhaltliche Vor­kenntnisse werden empfohlen:
Praktische Informatik I und II, Lineare Algebra, Algorithmen und Datenstrukturen, Analysis, Einführung in die Statistik

Frederik Armknecht

Vorlesung

6.0

deutsch

4

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

Formale Grundlagen der Informatik (insbes. Komplexität, Graphen und Logik) Algorithmen und Datenstrukturen
Programmieren in JAVA

Formale Grundlagen der Informatik (insbes. Komplexität, Graphen und Logik) Algorithmen und Datenstrukturen
Programmieren in JAVA

Christian Meilicke

Vorlesung

8.0

deutsch

6

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

keine

keine

Frederik Armknecht

Vorlesung

5.0

deutsch

4

Fach­kompetenz:

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

Methoden­kompetenz:

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

Personale Kompetenz:

• Eigen­verantwortliches Arbeiten
• Team­fähigkeit

Benutzer­kenntnisse eines modernen Betriebs­systems

Benutzer­kenntnisse eines modernen Betriebs­systems

Ursula Rost

Vorlesung

6.0

englisch

Christian Meilicke , Heiner Stuckenschmidt

Vorlesung

6.0

englisch

2

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.

None

None

Colin Atkinson

Vorlesung

6.0

englisch

3

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.

Praktische Informatik I, Algorithmen und Datenstrukturen, lineare Algebra, Statistik

Praktische Informatik I, Algorithmen und Datenstrukturen, lineare Algebra, Statistik

Matthias Krause

Vorlesung

6.0

englisch

2

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

Very good knowledge of database systems, good knowledge of algorithms and data structures as well as Java programming

Very good knowledge of database systems, good knowledge of algorithms and data structures as well as Java programming

Rainer Gemulla

Vorlesung

6.0

englisch

2

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

Foundations of Statistics, Practical Informatics I

Foundations of Statistics, Practical Informatics I

Vorlesung mit Übung

6.0

englisch

2

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

Basic Probability Theory, Basic Knowledge of Propositional and First-Order Logic

Basic Probability Theory, Basic Knowledge of Propositional and First-Order Logic

Melisachew Wudage Chekol

Vorlesung mit Übung

6.0

englisch

2

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

Basic Probability Theory, Basic Knowledge of Propositional and First-Order Logic

Basic Probability Theory, Basic Knowledge of Propositional and First-Order Logic

Melisachew Wudage Chekol

Vorlesung mit Übung

6.0 (Modul/e)

englisch

2

To register for this course, please follow the instructions on the chair's website. Registration is possible between August 15 and September 2, 2018.

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.

Formal: IS 615 (parallel attendance possible)
Recommended: This course is designed for master students of management or information systems. A basic understanding of how to program information systems is helpful.

Formal: IS 615 (parallel attendance possible)
Recommended: This course is designed for master students of management or information systems. A basic understanding of how to program information systems is helpful.

Philipp Günther Hoffmann , Christian Süssenbach

Vorlesung mit Übung

6.0

englisch

2

No registration required.

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

Formal: -
Recommended: -

Formal: -
Recommended: -

Kai Spohrer

Vorlesung

6.0 (Modul/e)

englisch

2

To register for this course, please follow the instructions on the chair's website. Registration is possible between August 15th and September 2nd, 2018.

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

Formal: -
Recommended: IS 550. Attendance of IS 613 in the same semester is recommended.

Formal: -
Recommended: IS 550. Attendance of IS 613 in the same semester is recommended.

Philipp Günther Hoffmann

Vorlesung

6.0

englisch

2

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

Es gibt keine formalen Voraussetzungen, aber folgende inhaltliche Vor­kenntnisse werden empfohlen:
Grund­kenntnisse in der Kryptographie, wie sie bspw. in der Vorlesung “Kryptographie I” erworben werden können.
CS 550 Algorithmik

Es gibt keine formalen Voraussetzungen, aber folgende inhaltliche Vor­kenntnisse werden empfohlen:
Grund­kenntnisse in der Kryptographie, wie sie bspw. in der Vorlesung “Kryptographie I” erworben werden können.
CS 550 Algorithmik

Frederik Armknecht

Vorlesung

6.0

englisch

2

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.

Advanced Software Engineering

Advanced Software Engineering

Colin Atkinson

Vorlesung mit Übung

6.0

englisch

4

Heiner Stuckenschmidt

Vorlesung mit Übung

6.0

englisch

4

Heiner Stuckenschmidt

Vorlesung

6.0

englisch

Christian Meilicke , Heiner Stuckenschmidt

Vorlesung

6.0

englisch

2

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

Java programming skills

Java programming skills

Heiko Paulheim

Vorlesung

6.0

englisch

2

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.

Programming skills (Java or C++ preferred). Fundamental notions of linear algebra and probability theory.

Programming skills (Java or C++ preferred). Fundamental notions of linear algebra and probability theory.

Vorlesung

6.0

englisch

2

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.

Programming skills in Java

Programming skills in Java

Christian Bizer , Ralph Peeters , Anna Primpeli

Vorlesung

6.0

englisch

2

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.

Programming skills in Java

Programming skills in Java

Christian Bizer , Ralph Peeters , Anna Primpeli

Vorlesung

8.0

englisch

4

Georgios Psaradakis

Vorlesung

8.0 (Modul/e)

englisch

4

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)

Einführung in die Wahrscheinlichkeits­theorie

Einführung in die Wahrscheinlichkeits­theorie

David Johannes Prömel

Vorlesung

8.0 (Modul/e)

deutsch

4

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

Analysis I, Analysis II, Lineare Algebra I

Analysis I, Analysis II, Lineare Algebra I

Peter Parczewski

Vorlesung

englisch

Li Chen

Vorlesung

8.0 (Modul/e)

deutsch

4

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

Lineare Algebra I und II/A

Lineare Algebra I und II/A

Wolfgang Seiler

Vorlesung

8.0 (Modul/e)

deutsch

4

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/TLS (BK3, BF4, BF5)
• 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)

Analysis I, Lineare Algebra I und IIa

Analysis I, Lineare Algebra I und IIa

Wolfgang Seiler

Vorlesung

8.0 (Modul/e)

deutsch

4

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

Analysis I, Analysis II, Lineare Algebra I

Analysis I, Analysis II, Lineare Algebra I

Claudia Schillings

Vorlesung

10.0 (Modul/e)

deutsch

4

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

Keine

Keine

Martin Schmidt

Vorlesung

9.0 (Modul/e)

deutsch

4

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

Keine

Keine

Claus Hertling

Vorlesung

9.0

deutsch

4

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

Analysis I, Analysis II, Lineare Algebra I

Analysis I, Analysis II, Lineare Algebra I

Simone Göttlich

Vorlesung

6.0

englisch

Claudia Strauch

Vorlesung

9.0

deutsch

Leif Döring

Vorlesung

8.0

englisch

4

Georgios Psaradakis

Vorlesung

4.0

deutsch

3

Martin Schlather

Vorlesung

englisch

Li Chen

Vorlesung

8.0 (Modul/e)

deutsch

4

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“)

Algebra

Algebra

Siegfried Böcherer

Vorlesung

deutsch

Martin Schlather

Vorlesung

deutsch

2

Andreas Neuenkirch

Vorlesung

5.0

deutsch

Leif Döring

Vorlesung

6.0

deutsch

2

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

Numerik, Wahrscheinlichkeits­theorie I, Stochastische Simulation

Numerik, Wahrscheinlichkeits­theorie I, Stochastische Simulation

Peter Parczewski

Seminar

deutsch

Claudia Schillings

Seminar

4.0

englisch

Makiko Mase

Seminar

4.0

englisch

Vorlesung

6.0

englisch

Claudia Strauch