Transcript
Modulplan AWD Analysis, wissenschaftliches Rechnen und Datenvisualisierung Gültig ab FS16
Analysis, wissenschaftliches Rechnen und Datenvisualisierung Code
AWD
Fachbereich(e)
Mathematik
Studiengang /-gänge
BSc Informatik
Vertiefungsrichtung(en)
-
Art des Studiengangs
Bachelor
Studienniveau *
Basic
Typus **
Core course
Master
Intermediate
CAS/MAS/EMBA Advanced
Related course
Specialised
Minor course
ECTS-Credits
5
Präsenzverpflichtung
100%
Arbeitsaufwand in Std. Verantwortliche Ansprechperson
150 Fachbereichsleiter: Urs-Martin Künzi
Zu entwickelnde Kompetenzen
Die Studierenden verstehen den Begriff des Grenzwertes. Sie kennen die Grundlagen der Differential- und Integralrechnung für Funktionen mit einer Variablen. Sie können diese Methoden auf Probleme aus der Informatik anwenden; ferner beherrschen sie die mathematischen Grundlagen für die Wahrscheinlichkeitsrechnung und der Statistik und können technische Artikel verstehen. Auf der angewandten Seite können die Studierenden Python nutzen, um Berechnungen und Datenmanipulationen durchzuführen. Sie kennen die dazu notwendigen Python Bibliotheken. Die Studierenden können Daten mit Hilfe von Python visualisieren. Folgen, Reihen, Funktionen Grenzwertbegriff und Stetigkeit Differentialrechnung (mit einer und mehrernVariablen) und deren Anwendungen Integralrechnung und deren Anwendungen Funktionen und funktionale Programmierung Anwendungen: Wissenschaftliches Rechnen und Datenvisualisierung Python als funktionale und objektorientierte Sprache Berechnungen mit Python Graphische Darstellung von Daten mit der Python-Bibliothek Matplotlib Formales Rechnen mit Python Selbststudium Online-Studium Präsenzstudium
Lerninhalte
Lehr- und Lernmethoden (Fernstudium nach dem BlendedLearning-Konzept)
Erarbeiten des Stoffes Lektüre Lösen von Aufgaben Programmierübungen mit Python
Autor: Urs-Martin Künzi/ Jörg Osterrieder
Unterrichtssprache Leistungsbewertung Lehrmittel
Forumsdiskussion: Beantworten von fachlichen Fragen, Besprechung von Aufgaben Einreichung von Aufgaben
Vertiefung der Theorie Besprechung von Aufgaben Gruppendiskussionen
Deutsch Semesterarbeit inkl. praxisbezogener Anwendungen, 4 Kurztests Teschl+Teschl, Mathematik für Informatiker, Bd 1, Springer, 2013, ISBN 978-3-64237972-7 (e-Book), Download-Link http://link.springer.com/book/10.1007/978-3-64237972-7 Teschl+Teschl, Mathematik für Informatiker, Bd 2, Springer, 2014, ISBN 978-3-64254274-9 (e-Book), Download-Link http://link.springer.com/book/10.1007/978-3-64254274-9 H.-B. Woyand, Python, Einführung in die Programmierung und mathematische
AWD_Analysis_Wissenschaftliches_Rechnen_Datenvisualisierung_FS16 1 von 11
10.02.2016
Seite
Modulplan AWD Analysis, wissenschaftliches Rechnen und Datenvisualisierung Gültig ab FS16
Anwendungen, Schlembach Verlag, 1. Auflage, 2012, ISBN 978-3935340731
Vorkenntnisse: Modul(e)
OEMF
Anschlussmodul(e)
WSWP, LinAlg, MaLe; für Python auch EWS
Bemerkungen
-
*Studienniveau
B I A S
Basic level course: Modul zur Einführung in das Basiswissen eines Gebiets. Intermediate level course: Modul zur Vertiefung der Basiskenntnisse. Advanced level course: Modul zur Förderung und Verstärkung der Fachkompetenz. Specialised level course: Modul zum Aufbau von Kenntnissen und Erfahrungen in einem Spezialgebiet.
**Typus
C Core course: Modul des Kerngebiets eines Studienprogramms. R Related course: Unterstützungsmodul zum Kerngebiet (z.B. Vermittlung von Vor- oder Zusatzkenntnissen). M Minor course: Wahl- oder Ergänzungsmodul.
AWD_Analysis_Wissenschaftliches_Rechnen_Datenvisualisierung_FS16 2 von 11
10.02.2016
Seite
Modulplan AWD Analysis, wissenschaftliches Rechnen und Datenvisualisierung Gültig ab FS16
1
Stoffplan
Elementare Funktionen o Polynome o Potenz-, Exponential- und Logarithmusfunktionen o Trigonometrische und Arkus-Funktionen Folgen und Reihen Differentialrechnung I o Grenzwerte und Stetigkeit o Differentialrechnung mit einer Variablen o Splines o Newton-Verfahren Differentialrechnung II o Taylorreihen o Monotonie, Krümmung und Extremwerte o Iterationsverfahren Differentialrechnung mit zwei oder mehreren Variablen o Grenzwert und Stetigkeit o Ableitung o Extrema Integralrechnung o Stammfunktion o Bestimmte Integration o Unbestimmte Integrale o Numerische Integration Grundlagen von Python Wichtige Python Bibliotheken für mathematische Berechnungen o Sympy, numpy und scipy o matplotlib
AWD_Analysis_Wissenschaftliches_Rechnen_Datenvisualisierung_FS16 3 von 11
10.02.2016
Seite
