Online-Archiv

Lehrveranstaltungen WiSe 2024/2025

Mathematik, B.Sc./M.Sc. (Studienbeginn vor 2022)

Veranstaltungen vor dem 1. Semester

VAKTitel der VeranstaltungDozentIn
03-M-BMBrückenkurs Mathematik
Preparation Course Mathematics at the University Bremen

Blockveranstaltung

Einzeltermine:
Mo 16.09.24 09:00 - 12:00
Mo 16.09.24 12:00 - 15:00 MZH 1460
Mo 16.09.24 12:00 - 15:00 MZH 1470
Mo 16.09.24 12:00 - 15:00
Di 17.09.24 09:00 - 12:00
Di 17.09.24 12:00 - 15:00 MZH 1470
Di 17.09.24 12:00 - 15:00 MZH 1460
Di 17.09.24 12:00 - 15:00
Mi 18.09.24 09:00 - 12:00
Mi 18.09.24 12:00 - 15:00
Mi 18.09.24 12:00 - 15:00 MZH 1460
Mi 18.09.24 12:00 - 15:00 MZH 1470
Do 19.09.24 09:00 - 12:00
Do 19.09.24 12:00 - 15:00 MZH 1470
Do 19.09.24 12:00 - 15:00 MZH 1460
Do 19.09.24 12:00 - 15:00
Fr 20.09.24 09:00 - 12:00
Fr 20.09.24 12:00 - 15:00 MZH 1460
Fr 20.09.24 12:00 - 15:00 MZH 1470
Fr 20.09.24 12:00 - 15:00
Mo 23.09.24 09:00 - 12:00
Mo 23.09.24 12:00 - 15:00 MZH 1460
Mo 23.09.24 12:00 - 15:00
Mo 23.09.24 12:00 - 15:00
Di 24.09.24 09:00 - 12:00
Di 24.09.24 12:00 - 15:00 MZH 1460
Di 24.09.24 12:00 - 15:00
Di 24.09.24 12:00 - 15:00
Mi 25.09.24 09:00 - 12:00
Mi 25.09.24 12:00 - 15:00
Mi 25.09.24 12:00 - 15:00 MZH 1460
Mi 25.09.24 12:00 - 15:00
Do 26.09.24 09:00 - 12:00
Do 26.09.24 12:00 - 15:00 MZH 1460
Do 26.09.24 12:00 - 15:00
Do 26.09.24 12:00 - 15:00
Fr 27.09.24 09:00 - 12:00
Fr 27.09.24 12:00 - 15:00
Fr 27.09.24 12:00 - 15:00 MZH 1460
Fr 27.09.24 12:00 - 15:00

Wichtig: Anmeldung über http://unihb.eu/bmath erforderlich!

Vorlesungen täglich 10:00 - 11:30 Uhr im HS 1010 (am 27.09 & 29.09 im HS 2010)
Übungen täglich 12:30 - 14:30 Uhr (Räume werde in der ersten Vorlesung bekannt gegeben)

Lars Siemer
Dr. Ingolf Schäfer
Dr. Christoph Duchhardt
Dr. rer. nat. Arsen Narimanyan

Bachelor: Pflichtveranstaltungen

Pflichtveranstaltungen für den Studiengang Mathematik B.Sc.
VAKTitel der VeranstaltungDozentIn
03-IBGP-PI1Praktische Informatik 1: Imperative Programmierung und Objektorientierung
Practical Computer Science 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 10:00 - 13:00 Übung
wöchentlich Mo 13:00 - 16:00 Übung
wöchentlich Mo 16:00 - 19:00 Übung
wöchentlich Di 14:00 - 16:00 HS 2010 (Großer Hörsaal) Vorlesung
wöchentlich Mi 08:00 - 11:00 Übung
wöchentlich Mi 11:00 - 14:00 Übung
wöchentlich Mi 14:00 - 17:00 Übung
wöchentlich Do 08:00 - 10:00 HS 2010 (Großer Hörsaal) Vorlesung

Für Studierende des Vollfachs Informatik, Systems Engineering, Wirtschaftinformatik, Mathematik und Industriemathematik. Für Studierende der Digitalen Medien, Komplementärfach Informatik und Berufliche Bildung - Mechatronik gibt es die Veranstaltung Grundlagen der Programmierung.
Die Übungen finden im MZH in der Ebene 0 statt. Der Übungsbetrieb startet in der 2. Semesterwoche.

Nico Hochgeschwender
03-M-ALG-1Algebra

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 08:00 - 10:00 MZH 7200 Vorlesung
wöchentlich Do 08:00 - 10:00 MZH 7200 Vorlesung
wöchentlich Do 14:00 - 16:00 MZH 7200 Übung
Prof. Dr. Eva-Maria Feichtner
03-M-ANA-1.1Analysis 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 MZH 4140 Übung
wöchentlich Mo 12:00 - 14:00 MZH 5500 MZH 1110 Übung
wöchentlich Mo 14:00 - 16:00 MZH 5500 MZH 4140 Übung
wöchentlich Di 10:00 - 12:00 MZH 1090 Vorlesung
wöchentlich Fr 08:00 - 10:00 HS 1010 (Kleiner Hörsaal) Vorlesung

Einzeltermine:
Do 06.02.25 09:00 - 12:00 HS 1010 (Kleiner Hörsaal)

Die Vorlesung Analysis 1 ist eine Pflichtveranstaltung für alle mathematischen Studiengänge. Hauptobjekte der Analysis 1 sind die reellen und komplexen Zahlen (und damit z.B. auch der Funktionen auf diesen Zahlbereichen). Das zentrale Konzept ist das des Grenzwertes, mit dem wir diverse weitere Konzepte präzise und elegant beschreiben können.

Prof. Dr. Anke Dorothea Pohl
03-M-ANA-1.2Vertiefung zur Analysis 1 (Vollfach)
Additional Topics in Analysis 1 (Single Major Subject)

Projektplenum
ECTS: 1,5

Termine:
wöchentlich Fr 10:00 - 12:00 MZH 5500 Plenum
Prof. Dr. Anke Dorothea Pohl
03-M-ANA-3Analysis 3

Vorlesung
ECTS: 9

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 4140 Vorlesung
wöchentlich Fr 08:00 - 10:00 MZH 4140 Übung
wöchentlich Fr 10:00 - 12:00 MZH 4140 Vorlesung
PD Dr. Hendrik Vogt
03-M-LAG-1.1Lineare Algebra 1
Linear Algebra 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 08:00 - 10:00 HS 1010 (Kleiner Hörsaal) Vorlesung
wöchentlich Mi 10:00 - 12:00 MZH 7200 Übung
wöchentlich Mi 12:00 - 14:00 MZH 7200 Übung
wöchentlich Mi 14:00 - 16:00 MZH 7200 Übung
wöchentlich Do 14:00 - 16:00 HS 1010 (Kleiner Hörsaal) Vorlesung
wöchentlich Fr 12:00 - 14:00 MZH 5500 Übung

Einzeltermine:
Di 18.02.25 09:30 - 12:30 GW2 B3009 (Großer Studierraum)

Die lineare Algebra und die Analysis sind unverzichtbare Bestandteile des Lehrplans im ersten Studienjahr eines Mathematikstudiums. Sie legen die Grundlagen für nahezu alle mathematischen Disziplinen und weiterführenden Kurse. Jede weitere Veranstaltung in der Mathematik baut auf den Kenntnissen aus diesen beiden Pflichtvorlesungen auf.

Eugenia Saorin Gomez
03-M-LAG-1.2Vertiefung zur Linearen Algebra 1 (Vollfach)
Additional Topics in Linear Algebra 1 (Single Major Subject)

Projektplenum
ECTS: 1,5

Termine:
wöchentlich Mo 10:00 - 12:00 MZH 1470 Plenum

Das Projektplenum: Vertiefung zur Linearen Algebra 1 ist ein Bestandteil des Moduls Lineare Algebra. Die Lehrveranstaltung, mit 2 SWS, begleitet die Lineare Algebra 1 Vorlesung und die erfolgreiche Teilnahme dessen ist notwendiger Teil um die Studienleistung des Moduls Lineare Algebra zu erwerben. Es wird für Vollfach und Lehramt Mathematik Studierende parallel bzw. getrennt gehalten.

Eugenia Saorin Gomez
03-M-MCP-1Mathematisches Computerpraktikum

Kurs
ECTS: 3

Einzeltermine:
Mi 19.02.25 - Fr 21.02.25 (Mi, Do, Fr) 08:00 - 18:00 MZH 1090
Mo 24.02.25 - Fr 28.02.25 (Mo, Di, Mi, Do, Fr) 08:00 - 18:00 MZH 1090
Mo 03.03.25 - Di 04.03.25 (Mo, Di) 08:00 - 18:00 MZH 1090
Fr 07.03.25 08:00 - 12:00

Veranstaltung findet am Ende des Wintersemesters als Blockveranstaltung statt.
Zeiten und Räume werden noch bekannt gegeben.
KW 8 und 9/ 2025 sind in der Ebene reserviert

Marek Wiesner
03-M-NUM-1Numerik 1
Numerical Analysis 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 10:00 - 12:00 MZH 1100 Vorlesung
wöchentlich Di 10:00 - 12:00 MZH 1100 Vorlesung
wöchentlich Di 12:00 - 14:00 MZH 1100 Übung

Die Numerische Mathematik behandelt die Entwicklung und die mathematische Analyse von Verfahren und Algorithmen, die zur computergestützten Lösung von Problemen und zur Simulation mathematischer Modelle auf modernen Computern implementiert werden.

Prof. Dr. Christof Büskens

Bachelor: Wahlpflichtveranstaltungen

Wahlpflichtveranstaltungen für den Studiengang Mathematik B.Sc.
VAKTitel der VeranstaltungDozentIn
03-IMAT-KRYPTEinführung in die Kryptographie

Kurs
ECTS: 6

Termine:
wöchentlich Mo 08:00 - 10:00 MZH 1090 Übung
wöchentlich Mi 10:00 - 12:00 MZH 5500 Vorlesung

Profil: SQ
Schwerpunkt: IMA-SQ.
https://lvb.informatik.uni-bremen.de/imat/03-imat-krypt.pdf
mit Zusatzleistung(en) (wird in der Veranstaltung bekannt gegeben) 9 CP für Studierende in den mathematischen Studiengängen

Dieter Hutter
Karsten Sohr
03-M-FTH-1Maß- und Wahrscheinlichkeitstheorie
Measure Theory and Probability

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 10:00 - 12:00 MZH 4140 Vorlesung
wöchentlich Di 12:00 - 14:00 MZH 4140 Vorlesung
wöchentlich Mi 12:00 - 14:00 Übung
Prof. Dr. Marc Keßeböhmer
03-M-FTH-9Algebraic Topology (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 08:00 - 10:00 Externer Ort: MZH 7200 Vorlesung
wöchentlich Mi 08:00 - 10:00 Externer Ort: MZH 7200 Vorlesung
wöchentlich Fr 12:00 - 14:00 Externer Ort: MZH 7200 Übung

Die Veranstaltung finden zusammen statt mit 03-M-SP-26 !

Prof. Dr. Dmitry Feichtner-Kozlov
03-M-FTH-10Basics of mathematical Statistics (Statistics I) (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 08:00 - 10:00 LINZ4 4010 Lecture
wöchentlich Do 08:00 - 10:00 LINZ4 4010 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 1100 Übung

Die Veranstaltung findet zusammen mit der 03-M-SP-2 statt

Prof. Dr. Werner Brannath
03-M-Gy4-1Funktionentheorie
Complex Analysis

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 6200 Vorlesung
wöchentlich Mo 16:00 - 18:00 MZH 4140 Übung
wöchentlich Di 10:00 - 12:00 MZH 6200 Vorlesung
wöchentlich Mi 16:00 - 18:00 MZH 4140 Übung

Einzeltermine:
Mo 10.02.25 12:00 - 14:00 MZH 1380/1400
Dr. Ingolf Schäfer
Claudio Meneses-Torres
03-M-MMOD-1Mathematische Modellierung
Mathematical Modelling

Kurs
ECTS: 9

Termine:
wöchentlich Mo 08:00 - 10:00 MZH 2340 Vorlesung
wöchentlich Do 12:00 - 14:00 MZH 2490 (Seminarraum) Vorlesung
wöchentlich Do 14:00 - 16:00 MZH 2490 (Seminarraum) Übung

Unter Mathematischer Modellierung versteht man die Erstellung von Beschreibungen von Prozessen aus den verschiedensten Bereichen wie z.B. der Biologie, der Chemie, der Physik oder der Soziologie mittels mathematischer Ausdrücke wie (Differential) Gleichungen. Aufbauend auf den wesentlichen Grundprinzipien, die zu Beginn der Veranstaltung eingeführt werden, erfolgt die Modellierung von verschiedenen Beispielen z.B. aus der Festkörpermechanik.

Prof. Dr. Andreas Rademacher

Bachelor: Proseminare

VAKTitel der VeranstaltungDozentIn
03-M-FEB-1FEB-Projekte
REU-Projects

Blockveranstaltung
ECTS: 3 / 5
Prof. Dr. Marc Keßeböhmer
Prof. Dr. Anke Dorothea Pohl
03-M-MKOM-5Algebra

Proseminar
ECTS: 3 / 5

Termine:
wöchentlich Fr 08:00 - 10:00 MZH 7200 Proseminar
Prof. Dr. Eva-Maria Feichtner
03-M-MKOM-9Exponentialfamilien
Exponential Families

Proseminar
ECTS: 3 / 5

Termine:
wöchentlich Di 14:00 - 16:00 Externer Ort: MZH 5500 Proseminar

Die Veranstaltung findet zusammen mit 03-M-AC-27 statt.

Prof. Dr. Thorsten-Ingo Dickhaus
03-M-MKOM-11Lineare Algebra und Geometrie
Linear Algebra and Geometry

Blockveranstaltung
ECTS: 3/5

Einzeltermine:
Mo 24.02.25 - Fr 28.02.25 (Mo, Di, Mi, Do, Fr) 10:00 - 14:00 MZH 6200
Mo 03.03.25 - Fr 07.03.25 (Mo, Di, Mi, Do, Fr) 10:00 - 14:00 MZH 6200

Ein Proseminar bietet eine Einführung in die Präsentation mathematischer Inhalte. Es dient dazu, das Sprechen über Mathematik und das Schreiben von mathematischen Inhalten zu üben, um einen mathematisch korrekten und wissenschaftlich angemessenen Stil zu entwickeln. Es wird von den Teilnehmern erwartet, dass sie einen Vortrag halten und eine schriftliche Ausarbeitung dazu erstellen.

Eugenia Saorin Gomez
03-M-MKOM-12Differentialgleichungen

Proseminar
ECTS: 3/ 5

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 5410 Proseminar

Das Proseminar findet in Raum 5410 statt.

Hans Crauel

Master: Wahlpflichtveranstaltungen

Vertiefungsrichtung Algebra

VAKTitel der VeranstaltungDozentIn
03-IMAT-AUAlgorithms and Uncertainty (in englischer Sprache)

Kurs
ECTS: 6 (9)

Termine:
wöchentlich Di 12:00 - 14:00 MZH 5600 Kurs
wöchentlich Do 08:00 - 10:00 MZH 1470 Kurs

Profil: SQ
Schwerpunkt: IMA-SQ, IMA-AI
https://lvb.informatik.uni-bremen.de/imat/03-imat-au.pdf


A key assumption of many powerful optimization methods is that all the data is fully accessible from the beginning.

However, from the point of view of many real-world applications (e.g., in logistics, production or project planning, cloud computing, etc.) this assumption is simply not true. Large data centers allocate resources to tasks without knowledge of exact execution times or energy requirements; transit times in networks are often uncertain; or, parameters such as bandwidth, demands or energy consumption are highly fluctuating. The current trend of data collection and data-driven applications often amplifies this phenomenon. As the amount of available data is increasing tremendously due to internet technology, cloud systems and sharing markets, modern algorithms are expected to be highly adaptive and learn and benefit from the dynamically changing mass of data.

In the above examples, our knowledge of the current data is only partial or based on historical estimates. The class ``Algorithms and Uncertainty'' will teach students about the most common models of such uncertain data and how to design and analyze efficient algorithms in these models.

Specifically, we will cover the theory of online optimization, where the input arrives without any prior information (such as network packets arriving to a router) and also needs to be processed immediately, before the next piece of input arrives. This model is best suited for analyzing critical networking and scheduling systems where devices and algorithms must perform well even in the worst-case scenario.

In the cases where previous history can be used to model the upcoming data, we often employ robust optimization or stochastic optimization. In robust optimization, the aim is to optimize the worst-case of all possible realizations of the input data. Hence, this model is rather conservative.
In stochastic optimization however, the algorithms work with the assumption that data is drawn from some probability distribution known ahead of time and typically the goal is to optimize the expected value.

Nowadays, another source of information is often available: machine learning algorithms can generate predictions which are accurate most of the time. However, there is no guarantee on the quality of the prediction, as the current instance may not be covered by the training set. This statement motivated a very recent research domain that will be covered in this course: how to use error-prone predictions in order to improve guaranteed algorithms.

Organization: The course will be taught in English in two sessions per week (4 SWS) including interactive exercise sessions.

Examination: The examination will be by individual oral exam. As admission to the oral exam it is mandatory to present solutions in the exercise session at least twice during the term.

Prerequisites: Having heard an introductory course to discrete algorithms and their mathematical analysis (e.g. Algorithmentheorie, Algorithmische Diskrete Mathematik) or graph theory is beneficial but not required.

Prof. Dr. Nicole Megow
03-M-SP-26Algebraic Topology (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 08:00 - 10:00 MZH 7200 Lecture
wöchentlich Mi 08:00 - 10:00 MZH 7200 Lecture
wöchentlich Fr 12:00 - 14:00 MZH 7200 Exercise

Findet zusammen mit der LV 03-M-FTH-9 statt.

Prof. Dr. Dmitry Feichtner-Kozlov

Vertiefungsrichtung Analysis

VAKTitel der VeranstaltungDozentIn
03-M-SP-37Spectral Geometry of Hyperbolic Surfaces (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 10:00 - 12:00 MZH 5410 Lecture
wöchentlich Mo 16:00 - 18:00 MZH 5410 Exercise
wöchentlich Di 12:00 - 14:00 MZH 5410 Lecture
Claudio Meneses-Torres

Vertiefungsrichtung Numerik

VAKTitel der VeranstaltungDozentIn
03-IMAT-AUAlgorithms and Uncertainty (in englischer Sprache)

Kurs
ECTS: 6 (9)

Termine:
wöchentlich Di 12:00 - 14:00 MZH 5600 Kurs
wöchentlich Do 08:00 - 10:00 MZH 1470 Kurs

Profil: SQ
Schwerpunkt: IMA-SQ, IMA-AI
https://lvb.informatik.uni-bremen.de/imat/03-imat-au.pdf


A key assumption of many powerful optimization methods is that all the data is fully accessible from the beginning.

However, from the point of view of many real-world applications (e.g., in logistics, production or project planning, cloud computing, etc.) this assumption is simply not true. Large data centers allocate resources to tasks without knowledge of exact execution times or energy requirements; transit times in networks are often uncertain; or, parameters such as bandwidth, demands or energy consumption are highly fluctuating. The current trend of data collection and data-driven applications often amplifies this phenomenon. As the amount of available data is increasing tremendously due to internet technology, cloud systems and sharing markets, modern algorithms are expected to be highly adaptive and learn and benefit from the dynamically changing mass of data.

In the above examples, our knowledge of the current data is only partial or based on historical estimates. The class ``Algorithms and Uncertainty'' will teach students about the most common models of such uncertain data and how to design and analyze efficient algorithms in these models.

Specifically, we will cover the theory of online optimization, where the input arrives without any prior information (such as network packets arriving to a router) and also needs to be processed immediately, before the next piece of input arrives. This model is best suited for analyzing critical networking and scheduling systems where devices and algorithms must perform well even in the worst-case scenario.

In the cases where previous history can be used to model the upcoming data, we often employ robust optimization or stochastic optimization. In robust optimization, the aim is to optimize the worst-case of all possible realizations of the input data. Hence, this model is rather conservative.
In stochastic optimization however, the algorithms work with the assumption that data is drawn from some probability distribution known ahead of time and typically the goal is to optimize the expected value.

Nowadays, another source of information is often available: machine learning algorithms can generate predictions which are accurate most of the time. However, there is no guarantee on the quality of the prediction, as the current instance may not be covered by the training set. This statement motivated a very recent research domain that will be covered in this course: how to use error-prone predictions in order to improve guaranteed algorithms.

Organization: The course will be taught in English in two sessions per week (4 SWS) including interactive exercise sessions.

Examination: The examination will be by individual oral exam. As admission to the oral exam it is mandatory to present solutions in the exercise session at least twice during the term.

Prerequisites: Having heard an introductory course to discrete algorithms and their mathematical analysis (e.g. Algorithmentheorie, Algorithmische Diskrete Mathematik) or graph theory is beneficial but not required.

Prof. Dr. Nicole Megow
03-M-MDAIP-1Mathematical Methods for Data Analysis and Image Processing (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 MZH 1470 Lecture
wöchentlich Do 10:00 - 12:00 MZH 1470 Lecture
wöchentlich Do 14:00 - 16:00 MZH 6200 Exercise
Dirk Lorenz
03-M-NPDE-1Numerical Methods for Partial Differential Equations (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 10:00 - 12:00 Companion Course (MZH 2490)
wöchentlich Di 10:00 - 12:00 MZH 2340 Lecture
wöchentlich Di 12:00 - 14:00 MZH 2340 Exercise
wöchentlich Do 12:00 - 14:00 MZH 2340 Lecture

The lecture deals with the discretisation of partial differential equations and the estimation of the error between continuous and discrete solution. The connection of theory, numerical analysis and implementation is particularly important. The numerical algorithms are to be implemented in programming tasks under guidance.

Alfred Schmidt
03-M-SP-38Finite Elements - Selected Chapters (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 08:00 - 10:00 MZH 2340 Lecture
wöchentlich Mi 08:00 - 10:00 MZH 2340 Lecture
wöchentlich Mi 10:00 - 12:00 MZH 2340 Exercise

The finite element method is used for the discretisation of partial differential equations in many different applications. In this course we will deepen existing knowledge in finite element methods with respect to different applications and learn new techniques to increase their computational speed.

Prof. Dr. Andreas Rademacher
03-M-SP-39Advanced Topics in Image Processing - The Beauty of Variational Calculus (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mi 10:00 - 12:00 MZH 4140 Lecture
wöchentlich Fr 12:00 - 14:00 MZH 2340 Lecture
wöchentlich Fr 14:00 - 16:00 MZH 2340 Exercise

This course focusses on two advanced tools in modern mathematical image processing, namely the direct method of variational calculus and the iterated soft thresholding algorithm.

Peter Maaß
Dr. Matthias Beckmann
Dr. rer. nat. Pascal Fernsel
03-M-SP-40Convex Analysis and Optimization (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 2340 Lecture
wöchentlich Mi 12:00 - 14:00 MZH 2340 Lecture
wöchentlich Mi 14:00 - 16:00 MZH 2340 Exercise
Dirk Lorenz
04-M30-CP-SFT-3Trajectory Optimization (in englischer Sprache)

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mo 14:00 - 18:00 FZB 0240
Prof. Dr. Christof Büskens
Matthias Knauer

Vertiefungsrichtung Stochastik & Statistik

VAKTitel der VeranstaltungDozentIn
03-M-SP-2Basics of Mathematical Statistics (Statistics I) (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 08:00 - 10:00 Externer Ort: LINZ4 4010 Lecture
wöchentlich Do 08:00 - 10:00 Externer Ort: LINZ4 4010 Lecture
wöchentlich Fr 08:00 - 10:00 Externer Ort: MZH 1100 Exercise

Die Veranstaltung findet zusammen mit 03-M-FTH-10 statt.

Prof. Dr. Werner Brannath
03-M-SP-28Mathematical Concepts of Risk Management (Statistics III) (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 10:00 - 12:00 MZH 7200 Exercise
wöchentlich Di 10:00 - 12:00 MZH 7200 Lecture
wöchentlich Do 10:00 - 12:00 MZH 7200 Lecture

The quantitative assessment and the management of (extreme) risks are key tools for policy makers and stakeholders in many areas such as climate and environmental research, economics, or finance and insurance. In this course, we will get familiar with basic mathematical concepts of (quantitative) risk assessment and management.

Prof. Dr. Thorsten-Ingo Dickhaus

Master: Seminare

Vertiefungsrichtung Algebra

VAKTitel der VeranstaltungDozentIn
03-M-AC-30Geometry of Polynomials (in englischer Sprache)

Seminar
ECTS: 4,5/ 6

Termine:
wöchentlich Do 12:00 - 14:00 MZH 7200 Seminar

The study of the geometry of univariate polynomials has roots in the pioneering work of Gauss in the early 19th century and has been advanced by numerous distinguished mathematicians over the years. Despite its long-standing history, this field continues to present intriguing challenges and notable conjectures.

Eugenia Saorin Gomez

Vertiefungsrichtung Analysis

VAKTitel der VeranstaltungDozentIn
03-M-AC-5Mathematical Methods in Machine Learning (in englischer Sprache)

Seminar
ECTS: 4,5/ 6

Termine:
wöchentlich Fr 10:00 - 12:00 MZH 2340 Seminar
Peter Maaß
Dr. Matthias Beckmann
03-M-AC-22Advanced Communication Analysis (in englischer Sprache)

Seminar
ECTS: 4,5/6

Termine:
wöchentlich Di 14:00 - 16:00 MZH 5600 Seminar

Advanced Communication Analysis is a master seminar in which advanced topics in the area of analysis are discussed. The precise topics for the Winter Semester 2024/25 will be decided upon with the participants.

Prof. Dr. Anke Dorothea Pohl
03-M-AC-26Analysis/Stochastics/Statistics (in englischer Sprache)

Seminar
ECTS: 4,5/6

Termine:
wöchentlich Mi 12:00 - 14:00 MZH 4140 Seminar
Prof. Dr. Marc Keßeböhmer

Vertiefungsrichtung Numerik

VAKTitel der VeranstaltungDozentIn
03-IMS-RTATRecent Trends in Algorithm Theory (in englischer Sprache)

Blockveranstaltung
ECTS: 3 (4,5 / 6)

Frequency: The seminar is planned as a block seminar, meaning that all talks will be at up to three days, most likely in the middle of December. We will discuss this in the first meeting. The first (organizational) meeting is planned as follows: Wednesday, October 16, at 14:00 pm in the room MZH 3150.

Learning Outcome:
Students learn how recent advances in algorithm theory can be used to improve state-of-the-art algorithms to obtain faster, better or new types of algorithms. They learn about relevant problems that are important and used in many applications. The main goals are to understand, design, and analyze algorithms for solving such problems.
Furthermore, the students will learn how to read and thoroughly understand original research papers. They learn how to prepare slides for these papers and give an oral presentation to other students who have no prior knowledge about the paper.

Contents: This seminar focuses on recent advances in algorithm theory. Most topics considered include important problems on graphs, typically related to optimization problems. These advances include faster running times of the algorithms, solutions with improved performance guarantees or new concepts in algorithm design, such as algorithms with machine-learned predictions.

Dr. Felix Christian Hommelsheim
03-M-AC-2High-Performance-Visualisierung
High-Performance Visualization
Ausgewählte Publikationen aus dem Bereich der Visualisierung großer wissenschaftlicher Datensätze

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Do 14:00 - 16:00 MZH 1110 Seminar

Das Seminar beschäftigt sich mit den mathematischen Grundlagen der wissenschaftlichen Visualisierung und behandelt Methoden für das parallele Post-Processing großer wissenschaftlicher Datensätze. Solche Daten fallen in unterschiedlichsten wissenschaftlichen Anwendungen an. Sie entstehen zum einen durch Simulationen auf Hochleistungsrechnern (z.\ B. zur Unterstützung der Klimaforschung oder für die Vorhersage von Umströmung von Flugzeugflügeln). Sie können aber auch durch Messungen, wie bspw. durch Erdbeobachtungsmissionen, erzeugt werden. Um überhaupt erst aussagekräftige Informationen für die Visualisierung zu erhalten, müssen diese enorm großen Rohdaten zunächst prozessiert werden. Für eine anschließende explorative Analyse werden echtzeitfähige, interaktive Methoden benötigt, die wiederum auf hochparallele und effiziente Verfahren beruhen. Das Seminar greift daher aktuelle Trends in der wissenschaftlichen Visualisierung auf. Zur Auswahl stehen herausragende Publikationen führender Wissenschaftler, die Themen von Multi-Resolution-Extraktion von Toplologiemerkmalen bis hin zu parallelen Beschleunigungsverfahren für das Volumenrendering in virtuellen Arbeitsumgebungen behandeln.

Prof. Dr. Andreas Gerndt
03-M-AC-5Mathematical Methods in Machine Learning (in englischer Sprache)

Seminar
ECTS: 4,5/ 6

Termine:
wöchentlich Fr 10:00 - 12:00 MZH 2340 Seminar
Peter Maaß
Dr. Matthias Beckmann
03-M-AC-28Advanced Numerical Methods for Partial Differential Equations (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mo 16:00 - 18:00 MZH 2340 Seminar

This is a seminar with subjects from numerical methods for PDEs, expecially finite element methods, with applications to real world problems.

Alfred Schmidt
03-M-AC-29Challenges in Inverse Problems

Seminar
ECTS: 4,5/ 6

Termine:
wöchentlich Mo 16:00 - 18:00 Seminar online
Peter Maaß
03-M-AC-31Introduction to Robust Control (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mi 10:00 - 12:00 MZH 1450 Seminar
Dr. Chathura Wanigasekara

Vertiefungsrichtung Stochastik & Statistik

VAKTitel der VeranstaltungDozentIn
03-M-AC-26Analysis/Stochastics/Statistics (in englischer Sprache)

Seminar
ECTS: 4,5/6

Termine:
wöchentlich Mi 12:00 - 14:00 MZH 4140 Seminar
Prof. Dr. Marc Keßeböhmer
03-M-AC-27Exponential Families (in englischer Sprache)

Seminar
ECTS: 4,5/6

Termine:
wöchentlich Di 14:00 - 16:00 MZH 5500 Seminar

This is a seminar in the specialization area "Stochastics / Statistics". The seminar deals with (univariate and multivariate) exponential families, which arguably constitute the most important classes of statistical models.

Prof. Dr. Thorsten-Ingo Dickhaus

Master: Reading Courses

VAKTitel der VeranstaltungDozentIn
03-M-RC-ALGReading Course Algebra (in englischer Sprache)

Seminar
ECTS: 9
Prof. Dr. Dmitry Feichtner-Kozlov
03-M-RC-ANAReading Course Analysis (in englischer Sprache)

Seminar
ECTS: 9

In the Reading Course Analysis advanced topics in the area of analysis are discussed. The precise topic for the Winter Semester 2024/25 will be decided upon with the participants.

Prof. Dr. Anke Dorothea Pohl
03-M-RC-NUMReading Course Numerical Analysis

Seminar
ECTS: 9

Das Seminar findet im Neos Gebäude statt. Raum nach Absprache.
Students study special topics of numerical mathematics in this reading course. The aim is a self-study of selected topics on the basis of textbooks, scientific articles or other monographs.

Prof. Dr. Christof Büskens
03-M-RC-STSReading Course Statistics/Stochastics (in englischer Sprache)

Seminar
ECTS: 9
Prof. Dr. Werner Brannath
Prof. Dr. Thorsten-Ingo Dickhaus

Oberseminare

VAKTitel der VeranstaltungDozentIn
Oberseminar Mathematical Parameter Identification (RTG-Seminar) (in englischer Sprache)
Research Seminar - Mathematical Parameter Identification (RTG)

Seminar

Termine:
zweiwöchentlich (Startwoche: 1) Mi 12:00 - 14:00 MZH 2490 (Seminarraum) Seminar


Dr. rer. nat. Pascal Fernsel
03-M-OS-4Oberseminar Dynamische Systeme und Geometrie
Seminar: Dynamical Systems and Geometry

Seminar

Termine:
wöchentlich Do 14:00 - 16:00

Einzeltermine:
Di 04.06.24 09:00 - 10:00 MZH 4140
Mi 26.06.24 10:00 - 12:00 SFG 0140
Di 27.08.24 09:30 - 12:30 MZH 6200
Fr 28.03.25 08:00 - 18:00 MZH 5600

Weitere Infos auf der Seminar-Homepage

Prof. Dr. Marc Keßeböhmer
Prof. Dr. Anke Dorothea Pohl

Kolloquien

VAKTitel der VeranstaltungDozentIn
03-M-KOL-1Mathematisches Kolloquium

Colloquium

Termine:
wöchentlich Di 16:00 - 18:00
Prof. Dr. Christine Knipping
Prof. Dr. Thorsten-Ingo Dickhaus

General Studies

VAKTitel der VeranstaltungDozentIn
03-M-GS-5Statistical Consulting (in englischer Sprache)

Seminar
ECTS: 3

Termine:
wöchentlich Mo 10:00 - 12:00 Seminar
Dr. Martin Scharpenberg
03-M-GS-7Introduction to R (in englischer Sprache)

Seminar
ECTS: 3

Termine:
wöchentlich Fr 12:00 - 15:00 LINZ4 4010 Seminar

3 SWS Seminar
Die Veranstaltung kann nach BPO'10 als BE-6 angerechnet werden und nach BPO'20 nur in Freie Wahl

Homepage des KKSB und Uni-Lageplan

Prof. Dr. Werner Brannath
03-M-GS-14Starting Data Science in R (in englischer Sprache)
a course on R programming and data science methods with practicals and projects

Praktikum
ECTS: 3

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 2490 (Seminarraum) Lecture plus Exercise

The course provides an introductory level of programming skills in R.
Students are welcome to present own ideas, data and projects. I expect a project report or a method talk with demo on own data. Practicals in "R" will work also on synthetic data to illustrate methods features, limitations and differences.

Prof. Dr. Stephan Frickenhaus
03-M-GS-42Modelle und Mathematik
Models and Mathematics

Seminar
ECTS: 3

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 1100 Seminar
Ronald Stöver