Vertiefungskurs Mathematik - Statistik und Wahrscheinlichkeitsrechnung

Der "Vertiefungskurs Mathematik – Statistik und Wahrscheinlichkeitsrechnung" vermittelt den Studierenden vertiefende Kenntnisse zu Statistik und Wahrscheinlichkeitsrechnung und soll ihnen dadurch den Einstieg in das berufsbegleitende Studium bzw. den studienbedingten Wechsel von einer Hochschule an eine Universität erleichtern. Nach Abschluss des Kurses haben die Studierenden einen Überblick über die Theorie der Integralrechnung und den Grundlagen der elementaren Wahrscheinlichkeitsrechnung und Statistik. Zusätzlich sind die Studierenden nach Abschluss des Kurses geübt im Umgang mit Zufallsstichproben, Schätzverfahren für Parameter und Hypothesentests. Auf Basis dieses Einführungsmoduls sind die Teilnehmer/Innen in der Lage weiterführende, mathematisch orientierte Veranstaltungen zu besuchen.

Zeitplan

• Integralrechnung

• Grundlangen der Wahrscheinlichkeitsrechnung (Teil 1)
• Online-Seminar zu Übungsblatt "Integralrechnung"

• Grundlagen der Wahrscheinlichkeitsrechnung (Teil 2)
• Online-Seminar zu Übungsblatt "Grundlagen der Wahrscheinlichkeitsrechnung (Teil 1)"

• Statistik
• Online-Seminar zu Übungsblatt "Grundlagen der Wahrscheinlichkeitsrechnung (Teil 2)"

• Online-Seminar zu Übungsblatt "Statistik"

Grundlagen der Mathematik

Der Einführungskurs “Grundlagen der Mathematik” vermittelt den Studierenden Grundkenntnisse der höheren Mathematik und soll ihnen dadurch den Einstieg in das berufsbegleitende Studium bzw. den studienbedingten Wechsel von einer Hochschule an eine Universität erleichtern. Nach Abschluss des Kurses haben die Studierenden einen Überblick über die wichtigsten Themengebiete der Analysis und Linearen Algebra. Insbesondere beherrschen die Studierenden elementare Beweistechniken und sind mit den grundlegenden Begriffen der Mengenlehre, Vektorräumen und Matrizen vertraut. Zusätzlich haben die Studierenden einen Überblick über die Eigenschaften, die eine Funktion charakterisieren, hierzu zählen vor allem die Stetigkeit und Differenzierbarkeit einer Funktion. Außerdem machen sich die Studierenden mit den Definitionen der Konvergenz für Folgen und Reihen und dem Rechnen mit Grenzwerten vertraut. Auf Basis dieses Einführungsmoduls sind die Teilnehmer/Innen in der Lage weiterführende, mathematisch orientierte Veranstaltungen zu besuchen.

Zeitplan

• Elementare Beweistechniken
• Mengenlehre

• Vektorräume
• Online-Seminar zu Übungsblatt 1 und Übungsblatt 2

• Matrizen
• Online-Seminar zu Übungsblatt 3

• Folgen und Reihen
• Online-Seminar zu Übungsblatt 4

• Funktionen
• Online-Seminar zu Übungsblatt 5

• Online-Seminar zu Übungsblatt 6

Numerische Methoden für Data Science

Durch das Wachstum an Datenvolumen stehen Unternehmen vor der Herausforderung, diese extrem großen Datenmengen ("Big Data") speichern und analysieren zu können. Dies ist entscheidend, um sie für weitere Prozesse zu verwenden. Herkömmliche algorithmische Methoden, die alle Daten betrachten, sind entweder nicht mehr anwendbar oder benötigen zu lange Rechenzeiten. In diesem Modul werden Sie numerische Methoden, Verfahren und Algorithmen kennenlernen, die auch für große Datenmengen noch effizient arbeiten und so erlauben, aus größeren Datenmengen Muster zu erkennen und wichtige Informationen zu extrahieren.

Präsenztermine:

• Freitag, 30. Oktober 2026, 9:00 - 17:00 Uhr
• Freitag, 20. November 2026, 9:00 - 17:00 Uhr
• Freitag, 18. Dezember 2026, 9:00 - 17:00 Uhr
• Freitag, 5. Februar 2027, 9:00 - 17:00 Uhr

Klausur:

• wird noch bekannt gegeben