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)

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) 12.02.2020 - 27.05.2020 10:15 - 11:45 B 144 Hörsaal; A 5, 6 Bauteil B
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)
Data Security and Privacy (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Kurssprache:
englisch
Lektor(en):
Termin(e):
Dienstag  (wöchentlich) 11.02.2020 - 26.05.2020 13:45 - 15:15
Praktikum Software Engineering (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
5.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
4
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
schriftliche Ausarbeitung und entwickeltes System, Teammeetings (14 Meetings à max. 2 Stunden) und Kolloquia (3 Kolloquien à max. 30 Minuten), Praktische Prüfungen, Programmier­projekt(e)
Lektor(en):
Termin(e):
Donnerstag  (wöchentlich) 13.02.2020 - 28.05.2020 12:00 - 13:30 B 144 Hörsaal; A 5, 6 Bauteil B
Beschreibung:
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
Selected Topics in IT-Security (Vorlesung mit Übung, englisch)
Vorlesungs­typ:
Vorlesung mit Übung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
4
Lernziel:
This course aims to increase the security awareness of students and offers them a basic understanding with respect to a variety of interesting topics. After this course, students will be able to (1) learn about symmetric and asymmetric encryption schemes, (2) classify and describe vulnerabilities and protection mechanisms of popular network protocols, web protocols, and software systems (2) analyze / reason about basic protection mechanisms for modern OSs, software and hardware systems.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Oral exam (30 minutes)
Lektor(en):
Termin(e):
Dienstag  (wöchentlich) 11.02.2020 - 26.05.2020 15:30 - 17:00
Dienstag  (wöchentlich) 11.02.2020 - 26.05.2020 17:15 - 18:45
Beschreibung:
Background and Learning Objectives
 
The large-scale deployment of Internet-based services and the open nature of the Internet come alongside with the increase of security threats against existing services. As the size of the global network grows, the incentives of attackers to abuse the operation of online applications also increase and their advantage in mounting successful attacks becomes considerable.
 
These cyber-attacks often target the resources, availability, and operation of online services. In the recent years, a considerable number of online services such as Amazon, CNN, eBay, and Yahoo were hit by online attacks; the losses in revenues of Amazon and Yahoo were almost 1.1 million US dollars. With an increasing number of services relying on online resources, security becomes an essential component of every system.
 
Content Description
 
This lecture covers the security of computer, software systems, and tamper resistant hardware. The course starts with a basic introduction on encryption functions, spanning both symmetric and asymmetric encryption techniques, discusses the security of the current encryption standard AES and explains the concept of Zero-Knowledge proofs. The course then continues with a careful examination of wired and wireless network security issues, and web security threats and mechanisms. This part also extends to analysis of buffer overflows. Finally, the course also covers a set of selected security topics such as trusted computing and electronic voting.
 
Topics:
 
  • Encryption Schemes (Private Key vs. Public Key, Block cipher security) and Cryptographic Protocols
  • Cryptanalysis,e.g., side channel attacks
  • Network Security
  • Wireless Security
  • Web Security (SQL, X-Site Scripting)
  • Buffer Overflows
  • Malware & Botnets
  • Trusted computing
  • Electronic Voting
  • OS Security
Softwaretechnik I (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Klausur (90 Minuten)
Lektor(en):
Termin(e):
Montag  (wöchentlich) 10.02.2020 - 29.05.2020 12:00 - 13:30 B 144 Hörsaal; A 5, 6 Bauteil B
Beschreibung:
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

Wirtschafts­informatik (Master)

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  (2-wöchentlich) 10.02.2020 - 25.05.2020 10:15 - 11:45
Donnerstag  (wöchentlich) 13.02.2020 - 28.05.2020 10:15 - 11:45
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
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) 12.02.2020 - 27.05.2020 10:15 - 11:45 B 144 Hörsaal; A 5, 6 Bauteil B
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)
Data Mining II (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
Expertise:
Students will acquire knowledge of advanced techniques and applications of data mining.
Methodological competence:
  • Successful participants will be able to address advanced issues in data mining projects, conduct complex projects and develop applications in the data mining field.
  • project organization skills

Personal competence:

  • presentation skills
  • team work skills
Empfohlene Voraussetzungen:
Prüfungs­leistung:
written examination (90 minutes), written project report, oral project presentation
Lektor(en):
Termin(e):
Dienstag  (wöchentlich) 11.02.2020 - 26.05.2020 13:45 - 15:15
Beschreibung:
Data mining deals with the discovery of patterns in data, and with making predictions for the future, based on observations of the past. This course covers advanced issues in data mining which need to be addressed when applying data mining methods in real world projects, including:
  • Data Preprocessing
  • Regression and Forecasting
  • Dimensionality Reduction
  • Anomaly Detection
  • Time Series Analysis
  • Parameter Tuning
  • Ensemble Learning
  • Online Learning
Data Security and Privacy (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Kurssprache:
englisch
Lektor(en):
Termin(e):
Dienstag  (wöchentlich) 11.02.2020 - 26.05.2020 13:45 - 15:15
Information Retrieval and Web Search (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
Expertise:
Students will acquire knowledge of fundamental techniques of Information Retrieval and Web Search, including standard retrieval models, evaluation of information retrieval systems, text classification and clustering, as well as web search topics such as crawling and link-based algorithms.
Methodological competence:
Successful participants will be able to understand state-of-the-art methods for Information Retrieval and Web search, as well as being able to select, apply and evaluate the most appropriate techniques for a variety of different search scenarios.
Personal competence:
  • presentation skills;
  • team work skills.
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Written examination (90 minutes), written project report, oral project presentation
Lektor(en):
Termin(e):
Montag  (wöchentlich) 10.02.2020 - 29.05.2020 13:45 - 15:15
Beschreibung:
Given the vastness and richness of the Web, users need high-performing, scalable and efficient methods to access its wealth of information and satisfy their information needs. As such, being able to search and effectively retrieve relevant pieces of information from large text collections is a crucial task for the majority (if practically not all) of Web applications. In this course we will explore a variety of basic and advanced techniques for text-based information retrieval and Web search. Covered topics will include:
 
  • Efficient text indexing;
  • Boolean and vector space retrieval models;
  • Evaluation of retrieval systems;
  • Probabilistic Information Retrieval;
  • Text classification and clustering;
  • Web search, crawling and link-based algorithms.
 
Coursework will include homework assignments, a term project 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. In addition, students are expected to successfully complete a term project in teams of 2-4 people. The projects will focus on a variety of IR problems covered in class. Project deliverables include both software (i.e., code and documentation) and a short report explaining the work performed and its evaluation.
Web Mining (Vorlesung mit Übung, englisch)
Vorlesungs­typ:
Vorlesung mit Übung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
Expertise:
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
Empfohlene Voraussetzungen:
Prüfungs­leistung:
written examination (90 minutes), written project report, oral project presentation
Lektor(en):
Termin(e):
Dienstag  (wöchentlich) 11.02.2020 - 26.05.2020 10:15 - 11:45
Beschreibung:
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

Wirtschafts­mathematik (Bachelor)

Empirical Processes (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
Lektor(en):
MAB 513 Computer­algebra (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
8.0 (Modul/e)
Kurs geeignet für:
Kurssprache:
englisch
SWS:
4
Lernziel:
Fach­kompetenz:
• Kenntnis der jeweiligen Vor- und Nachteile von numerischem gegenüber symbolischem Rechnen (BF1, BF3, BO3)
• Einsatz­möglichkeiten modularer und p-adischer Methoden (BK1, BK3, BO3)
• Grundlegende Sätze über Polynomringe und ihre Ideale (BF1, BK1)
• Anwendung von Gröbnerbasen auf  die Reduktion nach einem Ideal (BF1, BK1)
Methoden­kompetenz:
• Grund­kenntnisse im Umgang mit einem Computer­algebrasystem  (BK3)
• Effiziente Anwendung des (erweiterten) Euklidischen Algorithmus auf algebraische Probleme (BK1, BK3, BO3)
• Faktorisierung von Polynomen (BK1, BK3, BO3)
• Lösungs­verfahren für nichtlineare Gleichungs­systeme (BK1, BK3, BO3)
• Berechnung von Gröbnerbasen nach Buchberger (BK1, BK3, BO3)
Personale Kompetenz:
• Fähigkeit zur Lösung mathematischer Probleme durch symbolisches Rechnen (BK3, BO3)
• Verständnis der Mathematik hinter den wichtigsten Algorithmen der Computer­algebra (BF1, BO3)
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Mündliche Prüfung oder schriftliche Klausur
Lektor(en):
Termin(e):
Montag  (wöchentlich) 10.02.2020 - 29.05.2020 13:45 - 15:15
Donnerstag  (wöchentlich) 13.02.2020 - 28.05.2020 13:45 - 15:15
Beschreibung:
• Exaktes, numerisches und symbolisches Rechnen
• Euklidischer Algorithmus für Zahlen und Polynome
• Resultanten und ihre Berechnung
• Modulare Berechnung des größten gemeinsamen Teilers zweier Polynome, Schranken für Teiler
• Faktorialität von Polynomringen
• Quadratfreie Zerlegung über Körpern beliebiger Charakteristik
• Faktorisierung von Polynomen einer oder mehrerer Veränderlicher nach Zassenhaus, Henselsches Lemma, LLL-Algorithmus
• Lösung nichtlinearer Gleichungs­systeme mit Resultanten und mit Gröbnerbasen
MAC 405 Monte Carlo Methods (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0 (Modul/e)
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lernziel:
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)
Empfohlene Voraussetzungen:
Prüfungs­leistung:
schriftliche Klausur
Lektor(en):
Termin(e):
Montag  (wöchentlich) 10.02.2020 - 29.05.2020 13:45 - 15:15
Beschreibung:
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
MCMC / Bayes Statistics (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
Lektor(en):

Wirtschafts­mathematik (Master)

Applied Topology (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
Kurs geeignet für:
Kurssprache:
englisch
Lektor(en):
Termin(e):
Dienstag  (wöchentlich) 11.02.2020 - 26.05.2020 12:00 - 13:30
Donnerstag  (wöchentlich) 13.02.2020 - 28.05.2020 12:00 - 13:30
Empirical Processes (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
Lektor(en):
MAB 513 Computer­algebra (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
8.0 (Modul/e)
Kurs geeignet für:
Kurssprache:
englisch
SWS:
4
Lernziel:
Fach­kompetenz:
• Kenntnis der jeweiligen Vor- und Nachteile von numerischem gegenüber symbolischem Rechnen (BF1, BF3, BO3)
• Einsatz­möglichkeiten modularer und p-adischer Methoden (BK1, BK3, BO3)
• Grundlegende Sätze über Polynomringe und ihre Ideale (BF1, BK1)
• Anwendung von Gröbnerbasen auf  die Reduktion nach einem Ideal (BF1, BK1)
Methoden­kompetenz:
• Grund­kenntnisse im Umgang mit einem Computer­algebrasystem  (BK3)
• Effiziente Anwendung des (erweiterten) Euklidischen Algorithmus auf algebraische Probleme (BK1, BK3, BO3)
• Faktorisierung von Polynomen (BK1, BK3, BO3)
• Lösungs­verfahren für nichtlineare Gleichungs­systeme (BK1, BK3, BO3)
• Berechnung von Gröbnerbasen nach Buchberger (BK1, BK3, BO3)
Personale Kompetenz:
• Fähigkeit zur Lösung mathematischer Probleme durch symbolisches Rechnen (BK3, BO3)
• Verständnis der Mathematik hinter den wichtigsten Algorithmen der Computer­algebra (BF1, BO3)
Empfohlene Voraussetzungen:
Prüfungs­leistung:
Mündliche Prüfung oder schriftliche Klausur
Lektor(en):
Termin(e):
Montag  (wöchentlich) 10.02.2020 - 29.05.2020 13:45 - 15:15
Donnerstag  (wöchentlich) 13.02.2020 - 28.05.2020 13:45 - 15:15
Beschreibung:
• Exaktes, numerisches und symbolisches Rechnen
• Euklidischer Algorithmus für Zahlen und Polynome
• Resultanten und ihre Berechnung
• Modulare Berechnung des größten gemeinsamen Teilers zweier Polynome, Schranken für Teiler
• Faktorialität von Polynomringen
• Quadratfreie Zerlegung über Körpern beliebiger Charakteristik
• Faktorisierung von Polynomen einer oder mehrerer Veränderlicher nach Zassenhaus, Henselsches Lemma, LLL-Algorithmus
• Lösung nichtlinearer Gleichungs­systeme mit Resultanten und mit Gröbnerbasen
MAC 501 Advanced Mathematical Finance (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
Kurs geeignet für:
Kurssprache:
englisch
SWS:
4
Lektor(en):
Termin(e):
Dienstag  (wöchentlich) 11.02.2020 - 26.05.2020 10:15 - 11:45
Donnerstag  (wöchentlich) 13.02.2020 - 28.05.2020 10:15 - 11:45
MAC 502 Computational Finance (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lektor(en):
Termin(e):
Mittwoch  (wöchentlich) 12.02.2020 - 27.05.2020 10:15 - 11:45
MAC 507 Nonlinear Optimization (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lektor(en):
Termin(e):
Montag  (wöchentlich) 10.02.2020 - 29.05.2020 10:15 - 11:45
MAS 510 Diffusion Equations (Seminar, englisch)
Vorlesungs­typ:
Seminar
ECTS:
Kurs geeignet für:
Kurssprache:
englisch
SWS:
2
Lektor(en):
Termin(e):
Montag  (wöchentlich) 10.02.2020 - 29.05.2020 10:15 - 11:45
MCMC / Bayes Statistics (Vorlesung, englisch)
Vorlesungs­typ:
Vorlesung
ECTS:
6.0
Kurs geeignet für:
Kurssprache:
englisch
Lektor(en):

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