Veranstaltungsverzeichnis

Lehrveranstaltungen WiSe 2022/2023

Fachbereich 03: Mathematik/Informatik

Digitale Medien, B.Sc.

1. Studienjahr

Dieses Digitale Medien Verzeichnis enthält nur die Veranstaltungen des Fachbereichs 3 der Uni Bremen.
Die Angebote der HfK sind zu finden unter Angebote der Hochschule für Künste http://www.hfk-bremen.de/t/digitale-medien

Die Veranstaltung 'Grundlagen der Gestaltung' findet an der HfK statt.

B-MI-1

VAKTitel der VeranstaltungDozentIn
03-IBGA-FI-MI1 (03-B-MI-1.1)Grundlagen der Medieninformatik 1
Media Informatics

Vorlesung
ECTS: 6

Termine:
wöchentlich Mo 16:00 - 18:00 MZH 5600 Übung Präsenz
wöchentlich Mo 16:00 - 18:00 MZH 1470 Übung Präsenz
wöchentlich Di 08:00 - 10:00 MZH 1090 Übung Präsenz
wöchentlich Di 08:00 - 10:00 Übung Online
wöchentlich Di 08:00 - 10:00 MZH 1110 Übung Präsenz
wöchentlich Di 10:00 - 12:00 MZH 1110 Übung Präsenz
wöchentlich Mi 10:00 - 12:00 MZH 1090 Übung Präsenz
wöchentlich Mi 10:00 - 12:00 MZH 1100 Übung Präsenz
wöchentlich Mi 12:00 - 14:00 MZH 1450 Übung Präsenz
wöchentlich Mi 12:00 - 14:00 MZH 5600 Übung Präsenz
wöchentlich Do 10:00 - 12:00 MZH 1110 Übung Präsenz
wöchentlich Do 10:00 - 12:00 MZH 5500 Übung Präsenz
wöchentlich Do 10:00 - 12:00 MZH 6200 Übung Präsenz
wöchentlich Do 12:00 - 14:00 HS 2010 (Großer Hörsaal) Vorlesung Präsenz

Einzeltermine:
Do 23.02.23 09:00 - 13:00 HS 2010 (Großer Hörsaal)
Do 23.02.23 09:00 - 13:00 HS 1010 (Kleiner Hörsaal)
Do 23.02.23 09:00 - 13:00 GW1-HS H0070
Do 23.02.23 09:00 - 13:00 NW1 H 1 - H0020
Udo Frese

B-MI-21 / B-MI-2

VAKTitel der VeranstaltungDozentIn
03-05-H-509.06Grundlagen der Programmierung
Introduction to Programming

Vorlesung
ECTS: 6

Termine:
wöchentlich Do 14:00 - 16:00 GEO 1550 (Hörsaal) Vorlesung Präsenz
wöchentlich Do 16:00 - 18:00 MZH 1090 Übung Präsenz
wöchentlich Do 16:00 - 18:00 MZH 1100 Übung Präsenz
wöchentlich Fr 12:00 - 14:00 MZH 5500 Übung Präsenz
wöchentlich Fr 14:00 - 16:00 Übung Online

Einzeltermine:
Mo 06.03.23 09:00 - 13:00 HS 2010 (Großer Hörsaal)

Dieser Kurs ist für Studierende der HfK, Studierende der Digitalen Medien und Komplementärfach Informatik an der Universität Bremen und als General Studies Kurs für alle Studiengänge der Universität Bremen. Für Studierende der Informatik, Wirtschaftsinformatik und Systems Engineering gibt es die Veranstaltung Praktische Informatik 1.
Achtung: Studierende des Studiengangs Bachelor Berufliche Bildung - Mechantronik müssen nur 3 CP statt 6 CP erbringen und besuchen die erste Hälfte der Veranstaltung.

Dr. Tim Laue

B-MI-31

VAKTitel der VeranstaltungDozentIn
03-IBGT-M1Mathematik 1: Logik, Kombinatorik und Lineare Algebra
Mathematics 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 1090 Übung Präsenz
wöchentlich Mo 14:00 - 16:00 Übung Online
wöchentlich Di 10:00 - 12:00 NW1 H 1 - H0020 Vorlesung Präsenz
wöchentlich Di 12:00 - 14:00 MZH 1090 Übung Präsenz
wöchentlich Di 12:00 - 14:00 MZH 1100 Übung Präsenz
wöchentlich Di 16:00 - 18:00 GW2 B1820 Übung Präsenz
wöchentlich Mi 08:00 - 10:00 MZH 1090 Übung Präsenz
wöchentlich Mi 08:00 - 10:00 MZH 5600 Übung Präsenz
wöchentlich Do 12:00 - 14:00 MZH 5500 Übung Präsenz
wöchentlich Fr 10:00 - 12:00 GW1-HS H0070 Vorlesung Präsenz

Die Vorlesungen finden entweder online synchron oder in Präsenz statt.
Die Übungen sind in Präsenz geplant.

Übungsternmine für Studierende der Wirtschaftsinformatik primär am Do 12-14h, für Systems Engineering am ...... und für Digitale Medien am Di 12-14h.

Dr. Tim Haga

2. Studienjahr

Lehrveranstaltungs-Überblick

VAKTitel der VeranstaltungDozentIn
03-05-H-505Überblick über das Wahlangebot im Fach Informatik

Vorlesung

Die Veranstaltung findet online asynchron statt und gibt einen Überblick über das Wahlangebot im Fach Informatik, das auch für die Bachelorstudiengänge Digitale Medien/Medieninformatik, Wirtschaftsinformatik und Systems Engineering gilt.

Ute Bormann

B-MI-5

VAKTitel der VeranstaltungDozentIn
03-06-G-517.01Media Engineering

Vorlesung
ECTS: 6

Termine:
wöchentlich Di 16:00 - 18:00 MZH 5600 Vorlesung Präsenz
wöchentlich Do 16:00 - 18:00 MZH 6200 Übung Präsenz

Nicht für Vollfach-Informatik-Studierende anrechenbar.

Dr. Rene Weller

B-MI-6

VAKTitel der VeranstaltungDozentIn
03-IBAP-CG (03-BB-708.01)Computergraphik
Computer Graphics

Vorlesung
ECTS: 6

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 1110 Übung Präsenz
wöchentlich Di 10:00 - 14:00 MZH 1380/1400 Vorlesung Präsenz
wöchentlich Do 08:00 - 10:00 MZH 1090 MZH 1450 Übung Präsenz

Schwerpunkt: DMI, VMC

Programmierkenntnisse sind Voraussetzung (ein erfolgreicher Abschluss des "Propädeutikums C" wird empfohlen), ebenso wie algorithmisches Denken, eine gewisse Vertrautheit mit mathematischer Begriffsbildung und Vorgehensweise.

Diese Vorlesung soll sowohl eine Einführung in die theoretischen und methodischen Grundlagen der Computergraphik geben, als auch die Grundlagen für die praktische Implementierung von computergraphischen Systemen legen. Der Schwerpunkt liegt auf Algorithmen und Konzepten zur Repräsentation und Visualisierung von polygonalen, 3-dimensionalen graphischen Szenen.
Der Inhalt umfasst in der Regel folgende Themen:
Mathematische Grundlagen; OpenGL and C
; 2D Algorithmen der Computergrafik (Scan Conversion, Visibility Computations, etc.); Theorie der Farben, Farbräume (hauptsächlich physikalische, neurologische, und technische Aspekte); 3D Computergraphik (Rendering Pipeline, Transformationen, Beleuchtung, etc.); Techniken zum Echtzeit-Rendering; Das Konzept und die Programmierung von Shadern; Texturierung (Einordnung in die Pipeline, einfache Parametrisierung, etc.).

Die Übungsaufgaben werden teils theoretisch, teils praktisch sein, wobei die praktischen Aufgaben gewisse Programmierfähigkeiten in C verlangen. (Zu Beginn der Vorlesung wird deshalb nochmals ein kurzer "Refresh" Ihrer C/C-Kenntnisse gemacht.) Die Vorlesung setzt eine gewisse mathematische, algorithmische und programmiertechnische Gewandtheit voraus, fördert diese aber auch und führt sie weiter.
https://cgvr.cs.uni-bremen.de/teaching/

Prof. Dr. Gabriel Zachmann

B-MI-7

VAKTitel der VeranstaltungDozentIn
03-IBAA-MTI (03-BB-801.01)Mensch-Technik-Interaktion
Human Computer Interaction

Kurs
ECTS: 6

Termine:
wöchentlich Mo 10:00 - 12:00 MZH 1090 Übung Präsenz
wöchentlich Di 10:00 - 12:00 MZH 5600 Übung Präsenz
wöchentlich Do 08:00 - 10:00 MZH 4140 Übung Präsenz
wöchentlich Do 10:00 - 12:00 SFG 0140 Übung Präsenz
wöchentlich Do 10:00 - 12:00 WiWi1 A1100 Übung Präsenz
wöchentlich Do 12:00 - 14:00 MZH 1380/1400 Vorlesung Präsenz

Schwerpunkt: DMI

Prof. Dr. Tanja Döring
Dr. Susanne Putze
Dr. Dmitry Alexandrovsky

B-MA-1

Für Veranstaltungen dieses Moduls, die von der Hochschule für Künste angeboten werden, bitte das dortige Lehrveranstaltungsverzeichnis ansehen: http://www.hfk-bremen.de/t/digitale-medien
VAKTitel der VeranstaltungDozentIn
03-06-B-520.01Wetter in Bremen und umzu (Interdisziplinäres Modul)

Kurs
ECTS: 6

Termine:
wöchentlich Mi 10:00 - 14:00 Externer Ort: HfK, Speicher XI, 1 07.060

Das Wetter in Bremen und umzu überrascht, unterliegt möglicherweise Vorurteilen, verändert sich, nervt, ärgert, oder freut uns, ist oft interessant und lässt uns trotzdem meistens kalt. Wir erleben es im Hier und Jetzt und wissen doch, dass es Teil ist vom Klima: Von globalen Strömen, von politischen Debatten, von Kontroversen, von menschlichem Handeln und unserer Zukunft. Naturgemäß sind daran viele unterschiedliche Disziplinen beteiligt. Indirekt kaum eine, die nicht irgendwie beteiligt sein könnte, oder beteiligt sein wird. Mit Blick auf unsere eigene Umgebung, gegebenenfalls unter Einbezug der Sichtweisen anderer Disziplinen, im Bewusstsein der Zusammenhänge zwischen konkreter Wettervorhersage und allgemeinen Klimaprognosen, zwischen harten, auf gemessenen Daten basierenden Fakten, Mythen und Vermutungen, wollen wir Software Interfaces, Anwendungen, Ambient- und/oder physische Interfaces gestalten und prototypisch umsetzen.

Dozenten sind Tim Laue und Peter von Maydell (HfK), der Kurs findet in der HfK statt.

Ort: HfK, Speicher XI, Raum 1 07.060
Zeit: Mittwoch 10:00 - 14:00
Erster Termin: 19.10.2022

Dr. Tim Laue
03-06-B-520.02Digitale Sucht

Kurs
ECTS: 6

Termine:
wöchentlich Mi 14:00 - 18:00 Kurs Präsenz

Dozenten: Robert Porzel und Roland Kerstein (HfK)
Der Kurs findet in der HfK statt.

Robert Porzel

B-MW-12

Für Veranstaltungen dieses Moduls an der Hochschule für Künste bitte das dortige Lehrveranstaltungsverzeichnis ansehen: http://www.hfk-bremen.de/t/digitale-medien
VAKTitel der VeranstaltungDozentIn
09-60-M1Einführung in die Kommunikations- und Medienwissenschaft 1
Introduction into Communication and Media Studies 1

Vorlesung

Termine:
wöchentlich Di 08:00 - 10:00 HS 2010 (Großer Hörsaal) (2 SWS)

Einzeltermine:
Di 07.02.23 10:00 - 12:00 HS 1010 (Kleiner Hörsaal)
Di 07.02.23 10:00 - 12:00 HS 2010 (Großer Hörsaal)


Prof. Dr. Andreas Hepp

3. Studienjahr

Lehrveranstaltungs-Überblick

VAKTitel der VeranstaltungDozentIn
03-05-H-505Überblick über das Wahlangebot im Fach Informatik

Vorlesung

Die Veranstaltung findet online asynchron statt und gibt einen Überblick über das Wahlangebot im Fach Informatik, das auch für die Bachelorstudiengänge Digitale Medien/Medieninformatik, Wirtschaftsinformatik und Systems Engineering gilt.

Ute Bormann

B-MI-8

VAKTitel der VeranstaltungDozentIn
03-IBAP-DBS (03-BB-703.01)Datenbanksysteme
Database Systems

Vorlesung
ECTS: 6

Termine:
wöchentlich Di 12:00 - 14:00 SFG 0150 Vorlesung Präsenz
wöchentlich Mi 10:00 - 12:00 SFG 0150 Vorlesung Präsenz
wöchentlich Mi 14:00 - 16:00 HS 1010 (Kleiner Hörsaal) Übung Präsenz
Prof. Dr. Sebastian Maneth

B-MI-9

Auch Module aus B-MI-8 hier wählbar.
Hinweis: Studierende, die das Software-Projekt machen möchten, müssen bitte alle drei angebotenen Veranstaltungen hierzu belegen: 03-BA-901.01a (SWP1), 03-BA-901.01b (Datenbankgrundlagen) und 03-BA-901.01c (SWP Praktikum).
Bei Vorliegen der jeweiligen inhaltlichen Voraussetzungen auch: M-MI/ M-MI-d des Master
VAKTitel der VeranstaltungDozentIn
03-IBAP-ISEC (03-BB-707.01)Informationssicherheit
Information Security

Vorlesung
ECTS: 6

Termine:
wöchentlich Di 14:00 - 18:00 MZH 6200 Vorlesung Präsenz

Schwerpunkt: SQ

Prof. Dr.-Ing. Carsten Bormann
Karsten Sohr
Stefanie Gerdes
03-IBAP-ML (03-BB-710.10)Grundlagen des Maschinellen Lernens
Fundamentals of Machine Learning

Kurs
ECTS: 6

Termine:
wöchentlich Mo 10:00 - 12:00 MZH 1380/1400 CART Rotunde - 0.67 Übung Präsenz
wöchentlich Mi 10:00 - 12:00 MZH 1380/1400 Kurs Präsenz
wöchentlich Do 14:00 - 16:00 MZH 5600 Übung Präsenz

Einzeltermine:
Mi 15.02.23 09:00 - 12:00 HS 2010 (Großer Hörsaal)

Die Vorlesungsinhalte werden über Videos und Folien asynchron bereitgestellt ("flipped classroom"-Konzept).
Schwerpunkt: AI

Felix Putze
Tanja Schultz
Mazen Salous
Lars Steinert
Saurav Pahuja
03-IBAP-SDV (03-BB-709.01)Sensordatenverarbeitung
Sensor Data Processing

Vorlesung
ECTS: 6

Termine:
wöchentlich Mo 10:00 - 12:00 NW2 A0242 (Stufenhörsaal) Übung

Einzeltermine:
Do 09.02.23 09:00 - 13:00 HS 2010 (Großer Hörsaal)

Die Vorlesungsinhalte werden über Videos und Folien asynchron bereitgestellt ("flipped classroom"-Konzept).
Schwerpunkt: VMC

Udo Frese
Tanja Schultz
03-IBGP-SWPSoftware-Projekt

Vorlesung
ECTS: 6

Tutoriumstermine werden individuell von den Tutor*innen für jede Gruppe vereinbart.

Karsten Hölscher
Dr. Hui Shi
Amadou Amadou

B-MA-2

Auch Module aus den Bereichen B-MI-8 und B-MI-9 sind hier wählbar.
Für Lehrveranstaltungen dieses Moduls der Hochschule für Künste bitte das dortige Lehrveranstaltungsverzeichnis ansehen: http://www.hfk-bremen.de/t/digitale-medien
VAKTitel der VeranstaltungDozentIn
03-06-M-315The birth of digital media from algorithmic art. Surveying 60 years
An astonishing story, told by one who is part of it

Seminar
ECTS: 6

Termine:
wöchentlich Di 14:00 - 18:00 MZH 1450 Seminar Präsenz
Frieder Nake
03-IBAA-ECA (03-BB-805.05)E-Commerce-Anwendungen
E-Commerce Applications

Kurs
ECTS: 6

Termine:
wöchentlich Mo 16:00 - 18:00 SFG 0150 Vorlesung Präsenz

Für Studierende des Zertifikatsstudiums DiMePäd ist eine Teilnahme nur bei ausreichender Kapazität möglich.

Markus Haydl
03-IBFW-PVS (03-BE-709.11)Proseminar: Visuelle Sprachen
Seminar on visual languages

Blockveranstaltung
ECTS: 3
PD Dr. Björn Gottfried
03-IBFW-SPORI (03-BE-804.98b)Sportinformatik
Sport Informatics

Blockveranstaltung
ECTS: 3

Einzeltermine:
Do 24.11.22 18:00 - 19:00 MZH 1470
Mi 08.03.23 - Do 09.03.23 (Mi, Do) 09:00 - 18:00 MZH 1470

Die Veranstaltung ist ein zweitägiger Blockkurs in Präsenz, am 8. und 9. März.
Die Anzahl der Teilnehmenden ist auf 20 - 30 begrenzt.

Technik hält in immer mehr Bereiche des Sports Einzug und wird unter anderem zur Leistungsdiagnostik, im Training sowie zur Analyse in der Nachbetrachtung eingesetzt. Dies erstreckt sich vom Profisport mittlerweile bis hinein in den Hobby-Bereich.

In diesem Seminar wollen wir unterschiedliche Anwendungen aus dem Bereich der Sportinformatik betrachten. Der Fokus soll dabei jeweils auf den Methoden zur Gewinnung der Daten sowie deren Verarbeitung liegen.

Teilnehmende erstellen in Zweiergruppen jeweils eine Ausarbeitung und eine Präsentation zu einem zuvor gewählten Thema.

Der erste kurze Termin im November dient der Vorstellung der Themen. Das Seminar selbst ist ein zweitägiger Block in der vorlesungsfreien Zeit.

Profil: DMI

Dr. Tim Laue
03-IMAA-MITR (03-MB-803.04)Medien- und IT-Recht
Media and IT-Law

Kurs
ECTS: 6

Termine:
wöchentlich Mo 10:00 - 12:00 Kurs Online

Profil: SQ, DMI.
Schwerpunkt: IMA-DMI, SQ

Prof. Dr. Iris Kirchner-Freis, LL.M.Eur.

Graduiertenseminare

VAKTitel der VeranstaltungDozentIn
03-05-H-708.92Graduate Seminar Computer Graphics and Virtual Reality

Seminar

Termine:
wöchentlich Mo 14:00 - 16:00 Graduiertenseminar

Das Graduiertenseminar findet immer am 1. Montag des Monats im MZH 3470, von 14 bis ca. 18 Uhr, statt.

Prof. Dr. Gabriel Zachmann
03-IGRAD-agdb (03-05-H-703.91)Graduiertenseminar Datenbanksysteme

Seminar

Termine:
wöchentlich Fr 14:00 - 16:00 (2 SWS) Graduiertenseminar
Martin Gogolla
03-IGRAD-AGDM (03-05-H-804.93)Graduiertenseminar Digitale Medien

Colloquium

Termine:
wöchentlich Mi 11:00 - 12:00
Prof. Dr. Rainer Malaka
03-IGRAD-AGIM (03-05-H-805.91)Graduiertenseminar IT- und Wissensmanagement

Seminar

Termine nach Vereinbarung

Prof. Dr. Andreas Breiter
03-IGRAD-agmsis (03-05-H-709.91)Graduiertenseminar Multisensorische interaktive Systeme

Seminar

nach Vereinbarung

Udo Frese
03-IGRAD-AGRN (03-05-H-704.91)Graduiertenseminar Rechnernetze

Seminar

Termine:
wöchentlich Fr 14:00 - 16:00 Seminar
Ute Bormann
03-IGRAD-CoSy (03-05-H-711.91)Graduiertenseminar Cognitive Systems (in englischer Sprache)

Seminar

Termine:
zweiwöchentlich (Startwoche: 16) Mi 14:00 - 17:00 Graduiertenseminar
Thomas Dieter Barkowsky
03-IGRAD-HCI (03-05-H-801.91)Graduiertenseminar Mensch-Computer-Interaktion

Seminar

Termine:
wöchentlich Di 16:00 - 18:00
Prof. Dr. Tanja Döring

General Studies/Veranstaltungen anderer Studiengänge

VAKTitel der VeranstaltungDozentIn
03-IBFW-TSTUDTeilnahme an Studien (Proband*innenstunden)
Participation in Studies

Seminar
ECTS: 1

Einzeltermine:
Do 17.11.22 11:00 - 12:00 SFG 0140

Zu Beginn jedes Semesters findet eine Infoveranstaltung statt, wo die Scheinkriterien für Versuchspersonen erläutert werden. Außerdem werden (aufbauend auf den Inhalten von WA1) Forschungsmethoden von Studien mit Versuchspersonen vermittelt.
Im weiteren Verlauf des Studiums sollen Studierende 15 Versuchspersonenstunden absolvieren (d.h. an mehreren Studien teilnehmen). Jede Studienteilnahme wird mit Versuchspersonenstunden vergütet, die in ECTS anerkannt werden können. Die Versuchspersonenstunden können über mehre Semester gesammelt werden.
Die Teilnahme an den Studien soll in einer schriftlichen Ausarbeitung dokumentiert und reflektiert werden.



At the beginning of each semester, an information session is held where the certificate criteria for subjects are explained. In addition, research methods of studies with test subjects are taught (building on the contents of WA1).

Later in the program, students are expected to complete 15 subject hours (i.e., participate in different studies). Each study participation is compensated with subject hours, which can be recognized in ECTS. The subject hours may be accumulated over multiple semesters.

Participation in the studies should be documented and reflected upon in a written paper at the end.
The selection of participants is made manually after registration.

Users who wish to register for this event will receive more detailed information and can then still decide against participation.

Prof. Dr. Tanja Döring
Prof. Dr. Rainer Malaka
Dr. Susanne Putze
Dr. Dmitry Alexandrovsky
09-51-M7-12digital: Grafikdesign: Einführung in Photoshop und Illustrator (Schwerpunkt Illustrator)

Kurs
ECTS: 3

Termine:
wöchentlich Mi 10:00 - 14:00 (4 SWS)

In diesem Praxiskurs geht es grundlegend aber umfangreich darum, wie ihr digitale Mittel zur Umsetzung eurer Kunst nutzen könnt. Ihr könnt folgendes lernen und erleben:
  • Theoretische Grundlagen zum Thema Grafikdesign (Technisches, Rechtliches, Best Practice etc.)
  • Anleitung und Hilfestellung zur praktischen Umsetzung verschiedener Grafikprojekte mit Photoshop und Illustrator
  • Auseinandersetzung mit verschiedenen typischen Anwendungsfeldern
  • Kennenlernen verschiedener, nützlicher Plattformen
  • Reinschnuppern in weiterführende Software (Annimation, 3D-Modellierung etc.)
Die Veranstaltung findet als Online-Lehre statt.

Nina Grüning
10-GS-2-05; "Ringvorlesung und Workshop"Eine Uni, ein Buch: Gedichtalternativen für Deutschland

Vorlesung
ECTS: 2 (oder mehr)

Termine:
wöchentlich Di 16:15 - 17:45 (2 SWS)

Diese ganz besondere Veranstaltung steht im Zusammenhang mit dem vom Stifterverband ausgelobten Projekt "Eine Uni, ein Buch". Unser Universität Bremen-Projekt heißt "Gedichtalternativen für Deutschland" (vgl. https://www.stifterverband.org/eine-uni-ein-buch/2022). Anders als üblich gibt es das zu lesende Buch für "eine Uni, ein Buch" aber noch gar nicht. Dieses entsteht gerade erst, in dieser Veranstaltung.

Wir laden Sie also ganz herzlich ein, an diesem einmaligen Projekt aktiv mitzuwirken!

Im Sommer haben wir Lehrerinnen und Lehrer an Bremer Schulen, ihre Klassen, Studierende hier an der Uni sowie Kolleginnen und Kollegen gebeten, uns Gedichte einzureichen, die man heutzutage, gerade heutzutage nicht nur in den Schulen lesen sollte. Eine ganze Reihe von Leuten hat darauf reagiert, und wir haben eine erste Sammlung von Gedichten, die unterschiedlicher und interessanter nicht sein könnten. Das sind sie also, unsere „Gedichtalternativen für Deutschland“.

Unsere Veranstaltung hat deshalb den Charakter einer Ringvorlesung, weil wir die Menschen, die uns Gedichte eingereicht und vorgeschlagen haben, bitten werden, uns die Gedichte und die Gründe, sie heute für besonders wichtig zu halten, vorzustellen.

Und sie hat den Charakter eines Workshops, weil wir die Gedichte, ihre Kontexte, Hintergründe, mögliche Deutungen und eben diese Gründe für ihre Relevanz gemeinsam diskutieren wollen. Das genaue Programm stimmen wir gerade mit den Gedichte-Vorschlagenden ab, wir geben es hier in Stud.IP bekannt, sobald es fertig ist.

Fest steht aber jetzt schon: Wir haben einen Veranstaltungsraum (SFG 2070), den wir / Sie nutzen können, unsere Dienstagsveranstaltungen werden aber auch digital (per Zoom) zugänglich sein. Die Auftaktveranstaltung am 18. Oktober wird im Rahmen von Campus City stattfinden, ab 17 Uhr in der Markthalle 8 am Domshof in der Innenstadt (vgl. https://www.uni-bremen.de/campus-city).

Die aktive Teilnahme an unserer Veranstaltung bringt Ihnen 2 General Studies- oder Schlüsselqualifikationen-CPs, allerdings keine Note. Wir kooperieren aber mit einem curricularen Seminar, an dem auch Sie als Teilnehmer*innen unseres Workshops mitarbeiten, wo Sie weitere CPs erwerben und ggf. eine (benotete) Prüfung ablegen können. Dieses Kooperationsseminar findet jeweils donnerstags von 10:15 bis 11:45 Uhr statt, ebenfalls im Raum SFG 2070. Hier wollen und werden wir das in Workshop und Ringvorlesung Vorgestellte diskutieren, vertiefen und dokumentieren -- und gemeinsam weitere Gedichtvorschläge entwickeln und realisieren. Am Ende dieses Seminars wird das im Projekt "Eine Uni, ein Buch" zu lesende Buch vielleicht noch nicht ganz fertig, aber doch entscheidend vorangekommen sein.

Sabine Oda Doff
Dr. Uwe Spörl

Sonstige Veranstaltungen ohne Kreditpunkte

VAKTitel der VeranstaltungDozentIn
03-05-G-709.65Spiele-AG

Seminar

Termine:
wöchentlich Mo 18:00 - 20:00 (1 SWS) Sitzung


Prof. Dr. Rainer Malaka

Digitale Medien, M.Sc.

1st academic year

Veranstaltungen von MG ( Media Design) und MT ( Media Theory) finden primär in der HfK statt.
Das Seminar Introduction to Digital Media wird von der HfK angeboten.

M-MI (Media Informatics)

VAKTitel der VeranstaltungDozentIn
03-IMAA-STMW (03-MB-804.05)Search Technology for Media & Web (in englischer Sprache)
Search Technology for Media + Web

Vorlesung
ECTS: 6

Termine:
wöchentlich Mi 08:00 - 10:00 MZH 6200 Vorlesung Präsenz
wöchentlich Do 08:00 - 10:00 MZH 5600 Übung Präsenz

Profil: KIKR, DMI
Schwerpunkt: DMI, AI

M. Sc Rishabh Haria
03-IMAP-VRSIM (03-ME-708.03)Virtual Reality and Physically-Based Simulation (in englischer Sprache)
Virtuelle Realität und physikalisch-basierte Simulation

Vorlesung
ECTS: 6

Termine:
wöchentlich Mi 08:00 - 10:00 MZH 1380/1400 Übung Präsenz
wöchentlich Do 10:00 - 12:00 MZH 1090 Vorlesung Präsenz

Profil: KIKR, DMI
Schwerpunkt: IMAP-DMI, IMAP-VMC.
English or German.
Over the past two decades, VR has established itself as an important tool in several industries, such as manufacturing (e.g., automotive, airspace, ship building), architecture, and pharmaceutical industries. During the past few years, we have been witnessing the second "wave" of VR, this time in the consumer, in particular, in the entertainment markets.

Some of the topics to be covered (tentatively):
• Introduction, basic notions of VR, several example applications
• VR technologies: displays, tracking, input devices, scene graphs, game engines
• The human visual system and Stereo rendering
• Techniques for real-time rendering
• Fundamental immersive interaction techniques: fundamentals and principles, 3D navigation, user models, 3D selection, redirected walking, system control
• Complex immersive interaction techniques: world-in-miniature, action-at-a-distance, magic lens, etc.
• Particle systems
• Spring-mass systems
• Haptics and force feedback
• Collision detection
• Acoustic rendering
The assignments will be mostly practical ones, based on the cross-platform game engine Unreal. Participants will start developing with "visual programming", and later use C++ to solve the assignments.
You are encouraged to work on assignments in small teams.
https://cgvr.cs.uni-bremen.de/teaching/

Prof. Dr. Gabriel Zachmann
03-IMVA-3DMFT (03-ME-899.08)3D Modelling and Design at the FabLab - From Origami to Algorithmic Folding (in englischer Sprache)
3D Modelling with FabLab Technologies

Kurs
ECTS: 6

Termine:
wöchentlich Mi 14:00 - 16:00 GW2 A4100 (FabLab) Vorlesung Präsenz
wöchentlich Mi 16:00 - 18:00 GW2 A4100 (FabLab) Übung Präsenz

4 SWS, Profil: DMI
Schwerpunkt: DMI
Kurzbeschreibung unter: http://dimeb.informatik.uni-bremen.de/FabLab/GenerativeDesign.pdf
Präsenz-Meeting mittwochs 14-16h und anschließend 2 Std Übungen im FabLab wöchentlich.

Dr. Bernhard Robben
03-IMVA-MAD (03-ME-804.06)Mobile App Development (in englischer Sprache)

Vorlesung
ECTS: 6

Termine:
wöchentlich Mo 10:00 - 14:00 GW2 B1410 Vorlesung und Übung Präsenz

Profil: DMI
Schwerpunkt: DMI

Die Veranstaltung richtet sich an Studenten der Informatik und Digitalen Medien. In Gruppenarbeit sollen die Studierenden semesterbegleitend ein App-Projekt umsetzen. In der Vorlesung werden alle relevanten Informationen der modernen Softwareentwicklung, mit Fokus auf die mobile App-Entwickung, vermittelt. Dazu gehören Themen wie mobiles Testing, Scrum, UX Design, Evaluation & Nutzertests, Design Patterns und Cross-Plattform-Entwicklung. Das Ziel dabei ist die Vermittlung von praxisrelevantem Wissen aus dem Alltag eines erfolgreichen Unternehmens.

Prof. Dr. Rainer Malaka
David Ruh
Nicolas Autzen

M-MI-d ( Media Informatics in deutscher Sprache )

VAKTitel der VeranstaltungDozentIn
03-IMAP-ASE (03-MB-711.13)Automatische Spracherkennung
Automatic Speech Recognition

Vorlesung
ECTS: 6

Termine:
wöchentlich Di 14:00 - 16:00 MZH 1090 Vorlesung Präsenz
wöchentlich Do 14:00 - 16:00 MZH 6200 Vorlesung Präsenz

Profil KIKR
Schwerpunkt: IMA-AI
Modultyp C (6 CP) im Studiengang Language Sciences M.A.

Die Vorlesungsinhalte werden über Videos und Folien asynchron bereitgestellt ("flipped classroom"-Konzept). Darüber hinaus gibt es einen Präsenz-Termin am Dienstag. Dieser Präsenz-Termin ist als "Interaktives Repititorium" gestaltet und wird nicht aufgezeichnet. Donnerstags finden im Zwei-Wochen-Rhythmus Übungen statt.

Der Kurs "Automatische Spracherkennung" bietet eine Einführung in die automatische Spracherkennung. In diesem Kurs werden die Sprachverarbeitung beim Menschen, Signalverarbeitung, statistische Modellierung von Sprache sowie die wesentlichen praktischen Ansätze und Methoden für den Einsatz automatischer Spracherkennung behandelt.

Tanja Schultz
Ayimnisagul Ablimit
03-IMAP-RNMN (03-MB-704.02)Rechnernetze - Media Networking
Computer Networks - Media Networking

Kurs
ECTS: 6

Termine:
wöchentlich Mi 14:00 - 16:00 Kurs online
wöchentlich Do 12:00 - 14:00 MZH 6200 Kurs Präsenz

Profil: SQ, DMI.
Schwerpunkt: SQ, DMI, VMC

Ute Bormann
03-IMS-APMSK (03-ME-711.09)Ausgewählte Probleme der multisensorischen Kognition
advanced problems for multisensoric cognition

Seminar
ECTS: 3

Termine:
wöchentlich Do 12:00 - 14:00 CART Rotunde - 0.67 Seminar Präsenz
Christop W. Zetzsche-Schill
Kerstin Schill
03-IMS-SOFTC (03-MB-711.04)Soft Computing

Seminar
ECTS: 3

Termine:
wöchentlich Do 10:00 - 12:00 CART Rotunde - 0.67 Seminar Präsenz

Nach der MPO 2020 ist diese LV ein Masterseminar, keine Master-Aufbau Veranstaltung.

Kerstin Schill
Joachim Clemens
Verena Schwarting

M-MT (Media Theory)

Additional courses can be found at the HfK website (http://www.hfk-bremen.de/t/digitale-medien).
VAKTitel der VeranstaltungDozentIn
09-71-A.1-1Approaches to Digital Media (in englischer Sprache)

Seminar

Termine:
wöchentlich Di 16:00 - 18:00 SFG 2030 (2 SWS)

Description:

Prof. Dr. Andreas Hepp
09-71-A.1-2Digital Life (in englischer Sprache)

Seminar

Termine:
wöchentlich Di 10:00 - 12:00 SH D1020 (2 SWS)


Prof. Dr. Christian Katzenbach

M-MA-2 (Special Topics in Digital Media)

All M-MI, M-MD, M-MT courses can be taken as M-MA-2
VAKTitel der VeranstaltungDozentIn
03-06-M-315The birth of digital media from algorithmic art. Surveying 60 years
An astonishing story, told by one who is part of it

Seminar
ECTS: 6

Termine:
wöchentlich Di 14:00 - 18:00 MZH 1450 Seminar Präsenz
Frieder Nake
03-06-M-316Understanding Language with Computers

Kurs
ECTS: 6

Termine:
wöchentlich Do 12:00 - 14:00 Kurs Präsenz

Die Übung findet in den Räumen der AG statt.

Robert Porzel
03-IMAA-ITMDS (03-MB-802.02)IT-Management und Data Science (in englischer Sprache)
IT Management and Data Science

Blockveranstaltung
ECTS: 6

Termine:
wöchentlich Di 16:00 - 18:00 GW2 B1410 Vorlesung Präsenz
wöchentlich Mi 12:00 - 14:00 MZH 1100 MZH 3150 Übung Präsenz/ Seminar 1
wöchentlich Mi 14:00 - 16:00 MZH 1100 Übung Präsenz / Seminar 2

Einzeltermine:
Mo 06.02.23 08:30 - 19:00 MZH 1090

Profil: SQ, DMI
Schwerpunkt: IMA-SQ, IMA-AI, DMI
Die Veranstaltung beginnt am 25.10.2022

Prof. Dr. Andreas Breiter

M-MA-2d ( Special Topics in Digital Media in deutscher Sprache)

VAKTitel der VeranstaltungDozentIn
03-IMS-IUAG (03-MB-899.02/1)Intelligente Umgebungen für die alternde Gesellschaft
smart environment for the aging society

Seminar
ECTS: 3

Termine:
wöchentlich Do 14:00 - 16:00 CART Rotunde - 0.67 Seminar Präsenz
Christop W. Zetzsche-Schill
Kerstin Schill
Torsten Kluß

2nd academic year

M-MA-32 (Master Project)

VAKTitel der VeranstaltungDozentIn
03-06-MP.21Projekt CSS4Impact

Projektplenum
ECTS: 30

Termine:
wöchentlich Fr 08:00 - 12:00 MZH 1100 Plenum Präsenz

Schwerpunkt: DMI, AI

Prof. Dr. Andreas Breiter
03-06-MP.22Projekt Creabots

Projektplenum
ECTS: 30

Termine:
wöchentlich Fr 10:00 - 12:00 MZH 5500 Plenum Präsenz

Schwerpunkt: DMI, VMC, AI

Prof. Dr. Gabriel Zachmann

Graduate Seminars

VAKTitel der VeranstaltungDozentIn
03-05-H-708.92Graduate Seminar Computer Graphics and Virtual Reality

Seminar

Termine:
wöchentlich Mo 14:00 - 16:00 Graduiertenseminar

Das Graduiertenseminar findet immer am 1. Montag des Monats im MZH 3470, von 14 bis ca. 18 Uhr, statt.

Prof. Dr. Gabriel Zachmann
03-IGRAD-agdb (03-05-H-703.91)Graduiertenseminar Datenbanksysteme

Seminar

Termine:
wöchentlich Fr 14:00 - 16:00 (2 SWS) Graduiertenseminar
Martin Gogolla
03-IGRAD-AGDM (03-05-H-804.93)Graduiertenseminar Digitale Medien

Colloquium

Termine:
wöchentlich Mi 11:00 - 12:00
Prof. Dr. Rainer Malaka
03-IGRAD-AGIM (03-05-H-805.91)Graduiertenseminar IT- und Wissensmanagement

Seminar

Termine nach Vereinbarung

Prof. Dr. Andreas Breiter
03-IGRAD-agmsis (03-05-H-709.91)Graduiertenseminar Multisensorische interaktive Systeme

Seminar

nach Vereinbarung

Udo Frese
03-IGRAD-AGRN (03-05-H-704.91)Graduiertenseminar Rechnernetze

Seminar

Termine:
wöchentlich Fr 14:00 - 16:00 Seminar
Ute Bormann
03-IGRAD-CoSy (03-05-H-711.91)Graduiertenseminar Cognitive Systems (in englischer Sprache)

Seminar

Termine:
zweiwöchentlich (Startwoche: 16) Mi 14:00 - 17:00 Graduiertenseminar
Thomas Dieter Barkowsky
03-IGRAD-HCI (03-05-H-801.91)Graduiertenseminar Mensch-Computer-Interaktion

Seminar

Termine:
wöchentlich Di 16:00 - 18:00
Prof. Dr. Tanja Döring

General Studies

Concerning the language, usually you can see by the title whether a course is in English or German.
VAKTitel der VeranstaltungDozentIn
03-IBFW-TSTUDTeilnahme an Studien (Proband*innenstunden)
Participation in Studies

Seminar
ECTS: 1

Einzeltermine:
Do 17.11.22 11:00 - 12:00 SFG 0140

Zu Beginn jedes Semesters findet eine Infoveranstaltung statt, wo die Scheinkriterien für Versuchspersonen erläutert werden. Außerdem werden (aufbauend auf den Inhalten von WA1) Forschungsmethoden von Studien mit Versuchspersonen vermittelt.
Im weiteren Verlauf des Studiums sollen Studierende 15 Versuchspersonenstunden absolvieren (d.h. an mehreren Studien teilnehmen). Jede Studienteilnahme wird mit Versuchspersonenstunden vergütet, die in ECTS anerkannt werden können. Die Versuchspersonenstunden können über mehre Semester gesammelt werden.
Die Teilnahme an den Studien soll in einer schriftlichen Ausarbeitung dokumentiert und reflektiert werden.



At the beginning of each semester, an information session is held where the certificate criteria for subjects are explained. In addition, research methods of studies with test subjects are taught (building on the contents of WA1).

Later in the program, students are expected to complete 15 subject hours (i.e., participate in different studies). Each study participation is compensated with subject hours, which can be recognized in ECTS. The subject hours may be accumulated over multiple semesters.

Participation in the studies should be documented and reflected upon in a written paper at the end.
The selection of participants is made manually after registration.

Users who wish to register for this event will receive more detailed information and can then still decide against participation.

Prof. Dr. Tanja Döring
Prof. Dr. Rainer Malaka
Dr. Susanne Putze
Dr. Dmitry Alexandrovsky

M-MA-2 Special Topics of Digital Media (alt: M-105)

VAKTitel der VeranstaltungDozentIn
09-71-A.1-1Approaches to Digital Media (in englischer Sprache)

Seminar

Termine:
wöchentlich Di 16:00 - 18:00 SFG 2030 (2 SWS)

Description:

Prof. Dr. Andreas Hepp
09-71-A.1-2Digital Life (in englischer Sprache)

Seminar

Termine:
wöchentlich Di 10:00 - 12:00 SH D1020 (2 SWS)


Prof. Dr. Christian Katzenbach

Elementarmathematik B.A. BiPEb / M.Ed. (Grundschule)

Bachelor: 1. Semester

VAKTitel der VeranstaltungDozentIn
03-M-EM1-1Mathematisches Denken in Arithmetik und Geometrie 1 "EM1"
für Studierende mit großem Fach Elementarmathematik

Vorlesung
ECTS: 6

Termine:
wöchentlich Mi 08:00 - 10:00 NW1 H 1 - H0020 Vorlesung
wöchentlich Fr 12:00 - 16:00 MZH 1110 Workshop
wöchentlich Fr 12:00 - 16:00 GW2 B1400 NUR Mi. - So. Workshop
wöchentlich Fr 12:00 - 16:00 MZH 1100 Workshop
wöchentlich Fr 12:00 - 16:00 GW2 B1410 Workshop

Einzeltermine:
Fr 17.02.23 14:00 - 17:00 HS 1010 (Kleiner Hörsaal)
Fr 17.02.23 14:00 - 17:00 HS 2010 (Großer Hörsaal)

Vorlesung zusammen mit EMDG1a

Dr. Christoph Duchhardt
Martin Große-Schulte
Birgit Reinkensmeier
Wolters Marcel
Stella-Liana Brannath
Birgit Staffhorst
Benjamin Buck
03-M-EMDG1aMathematisches Denken in Arithmetik und Geometrie 1 "EMDG1a"
für Studierende mit kleinem Fach Elementarmathematik

Vorlesung
ECTS: 6

Termine:
wöchentlich Mi 08:00 - 10:00 Vorlesung m NW1 H0020
wöchentlich Mi 12:00 - 14:00 MZH 1470 Übung
wöchentlich Mi 12:00 - 14:00 SFG 0140 Übung
wöchentlich Do 10:00 - 12:00 GW2 B1400 NUR Mi. - So. Übung
wöchentlich Fr 12:00 - 16:00 SFG 0140 Workshop
wöchentlich Fr 12:00 - 16:00 SFG 0150 Workshop

L-EM
Vorlesung zusammen mit 03-M-EM-1 am Mittwoch 8-10h im NW1 H0020

Dr. Christoph Duchhardt
Aylin Thomaneck
Martin Ohrndorf

Bachelor: 3. Semester

VAKTitel der VeranstaltungDozentIn
03-M-EL-1Elementarmathematik und Lernen
Elementary Mathematics and Lerning

Vorlesung
ECTS: 6

Termine:
wöchentlich Mo 10:00 - 12:00 GW2 B1820 Vorlesung
wöchentlich Do 16:00 - 18:00 MZH 1110 Übung
wöchentlich Do 18:00 - 20:00 MZH 1110 Übung
wöchentlich Fr 10:00 - 12:00 HS 1010 (Kleiner Hörsaal) MZH 1110 Seminar
wöchentlich Fr 12:00 - 14:00 MZH 1470 Seminar

Einzeltermine:
Mo 06.02.23 09:00 - 13:00 HS 1010 (Kleiner Hörsaal)
Prof. Dr. Maike Vollstedt

Bachelor: 5. Semester

VAKTitel der VeranstaltungDozentIn
03-M-EM4-1Mathematisches Modellieren

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 16:00 - 18:00 MZH 1110 Übung
wöchentlich Mo 16:00 - 18:00 MZH 1450 Übung
wöchentlich Mo 16:00 - 18:00 MZH 7200 Übung
wöchentlich Mi 10:00 - 16:00 Computerübung
wöchentlich Fr 08:00 - 10:00 GW2 B1400 NUR Mi. - So. Vorlesung
Dr. Arsen Narimanyan

Master: 1. Studienjahr

VAKTitel der VeranstaltungDozentIn
03-M-EMDG3-1Math. Lernumgebungen - Analyse aus fachlicher und didaktischer Perspektive - Gruppe 1
Mathematical learning contexts - analysis from mathematical and didactical perspectives

Seminar
ECTS: 6

Termine:
wöchentlich Di 08:00 - 10:00 MZH 6200 Seminar

Einzeltermine:
Di 14.02.23 09:00 - 13:00 HS 1010 (Kleiner Hörsaal)
Di 14.02.23 09:00 - 13:00 HS 2010 (Großer Hörsaal)
Dr. Christoph Duchhardt
03-M-EMDG3-2Math. Lernumgebungen - Analyse aus fachlicher und didaktischer Perspektive - Gruppe 2 (sämtliche IP-Studis)
Mathematical learning contexts - analysis from mathematical and didactical perspectives

Seminar
ECTS: 6

Termine:
wöchentlich Fr 10:00 - 12:00 MZH 5600 Seminar
Dr. Christoph Duchhardt
03-M-EMDG3-3Math. Lernumgebungen - Analyse aus fachlicher und didaktischer Perspektive - Gruppe 3
Mathematical learning contexts - analysis from mathematical and didactical perspectives

Seminar
ECTS: 6

Termine:
wöchentlich Fr 12:00 - 14:00 MZH 5600 Seminar

Zeit und Raum stehen noch nicht endgültig fest.
2SWS Seminar.
Studiengang: L-EM

Dr. Christoph Duchhardt

Master: 2. Studienjahr

VAKTitel der VeranstaltungDozentIn
03-M-EM5-1Ausgewählte Kapitel der Elementarmathematik
Elementare Graphentheorie

Vorlesung
ECTS: 6

Termine:
wöchentlich Mi 16:00 - 18:00 MZH 6200 SFG 2060 Vorlesung
wöchentlich Mi 18:00 - 20:00 MZH 6200 Übung

Einzeltermine:
Fr 10.02.23 10:00 - 13:00 MZH 1380/1400
Dr. Christoph Duchhardt

Industrial Mathematics & Data Analysis, M.Sc.

Foundations (33 CP)

Module: Mathematical Methods for Data Analysis and Image Processing (9 CP)

Compulsory module in which you must attend the following lecture(s):
VAKTitel der VeranstaltungDozentIn
03-M-MDAIP-1Mathematical Foundations of Data Analysis (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 08:00 - 10:00 MZH 4140 Lecture
wöchentlich Mo 10:00 - 12:00 MZH 4140 Exercise
wöchentlich Mi 08:00 - 10:00 MZH 1100 Lecture
Peter Maaß

Module: Numerical Methods for Partial Differential Equations (9 CP)

Compulsory module in which you must attend the following lecture:
VAKTitel der VeranstaltungDozentIn
03-M-NPDE-1Numerical Methods for Partial Differential Equations (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 MZH 2340 Exercise
wöchentlich Di 10:00 - 12:00 MZH 2340 Lecture
wöchentlich Do 10:00 - 12:00 MZH 2340 Lecture
Prof. Dr. Andreas Rademacher

Area of Focus: Data Analysis (45 CP)

Area of Focus (27 CP)

The modules Special Topics Data Analysis A and Special Topics Data Analysis B (9 CP each) are mandatory. In addition, EITHER the module Special Topics Data Analysis C OR the module Advanced Communications Data Analysis (9 CP each) must be studied.

Module: Advanced Communications Data Analysis (2 x 4,5 CP = 9 CP)

Compulsory module in which you must attend a total of two seminars with 4,5 CP each. This semester you can choose from the following seminars:
VAKTitel der VeranstaltungDozentIn
03-M-AC-2High-Performance-Visualisierung (in englischer Sprache)
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 1100 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-3Semiparametric Statistics (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Do 14:00 - 16:00 MZH 2340 Seminar

Statistical problems are described by statistical models. This means interpreting the data as realizations of random variables whose unconditional or conditional densities are described and estimated by statistical (regression) models. These models are usually identified by a set of parameters, which can be finite but also infinite dimensional. For this purpose, there are usually three types of possible models, depending on the structure of the data and the problem at hand: parametric, nonparametric, and semiparametric. A semiparametric model is characterized by the inclusion of both finite dimensional parametric and infinite dimensional nonparametric components. The main interest is usually in the finite dimensional parametric component, with the infinite dimensional component being co-estimated for the purpose of statistical inference and efficiency. In this seminar we will study the definition, properties, and applications of semiparametric models. Examples of semiparametric models include single-index models and Cox regression models for censored survival time data. We will also consider approaches to dealing with missing information in data sets. The use of semiparametric models plays a major role for medical studies, for example.

Prerequisites for participation in the seminar are basic knowledge of mathematical statistics (e.g. from Statistics 1) and of regression models (e.g. from Statistics 2). English speaking students are welcome.

In order to gain a good insight into the extensive theory of semi-parametric models, we will use the master thesis by Karel Vermeulen as our primary literature and study the chapters that are important for us in more detail, presenting the knowledge gained through the thesis in the form of individual presentations.

A list with the name of the thesis and further literature can be found below.

  • Master thesis of Karel Vermeulen. Semiparametric Efficiency
  • A. W. van der Vaart. Asymptotic Statistics. Cambridge Series in Statistical and Probabilistic Mathematics. Cambridge University Press, 1998.
  • A. W. van der Vaart. ”On Differentiable Functionals“. In: Ann. Statist. 19.1 (März 1991), S. 178–204.
  • Tsiatis, Anastasios. Semiparametric Theory and Missing Data. Vereinigtes Königreich, Springer New York, 2010.

Prof. Dr. Werner Brannath
03-M-AC-4Mathematical Modelling and Scientific Computing (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 6200 Seminar
Prof. Dr. Andreas Rademacher
03-M-AC-6Mathematical Foundations of AI (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mi 11:00 - 12:00 MZH 2340 Seminar
Sören Dittmer
03-M-AC-7Advanced Topics in Statistics (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Di 16:00 - 18:00 BIPS 1550 Seminar

regelmäßige Veranstaltung dienstags 14-16 im BIPS Raum 1550.

Prof. Dr. Vanessa Didelez

Modules: Special Topics Data Analysis (A, B, and C with 9 CP each)

Compulsory modules in which you must attend one lecture each. This semester you can choose from the following lectures:
VAKTitel der VeranstaltungDozentIn
03-IMAT-AU (03-ME-602.99c)Algorithms and Uncertainty (in englischer Sprache)

Kurs
ECTS: 6 (9)

Termine:
wöchentlich Di 12:00 - 14:00 MZH 1470 Kurs Präsenz
wöchentlich Do 14:00 - 16:00 MZH 1470 Kurs Präsenz

Profil: SQ
Schwerpunkt: IMA-SQ, IMA-AI

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
Dr. Felix Christian Hommelsheim
03-M-SP-1Inverse Problems (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 2340 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 2340 Exercise
wöchentlich Fr 10:00 - 12:00 MZH 2340 Lecture
Peter Maaß
Dr. Matthias Beckmann
03-M-SP-2Basics of Mathematical Statistics (Statistics I) (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 08:00 - 10:00 MZH 1100 Lecture
wöchentlich Do 08:00 - 10:00 MZH 1100 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 1450 Exercise
Prof. Dr. Werner Brannath
03-M-SP-3Mathematical Foundations of Deep Learning (in englischer Sprache)

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mo 08:00 - 12:00 MZH 2340 Lecture/Exercise
wöchentlich Mi 08:00 - 10:00 MZH 2340 Lecture / Exercise
Sören Dittmer
03-M-SP-5Theory of Nonparametric Tests (Statistics III) (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 10:00 - 12:00 MZH 1100 Lecture
wöchentlich Do 10:00 - 12:00 MZH 4140 Lecture
wöchentlich Do 16:00 - 18:00 MZH 4140 Exercise
Prof. Dr. Thorsten-Ingo Dickhaus

Extension (18 CP)

Module: Advanced Communications Industrial Mathematics (2 x 4,5 CP = 9 CP)

Compulsory module in which you must attend a total of two seminars with 4,5 CP each. This semester you can choose from the following seminars:
VAKTitel der VeranstaltungDozentIn
03-M-AC-1Numerical Methods for Partial Differential Equations (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mo 16:00 - 18:00 MZH 2340 Seminar
Alfred Schmidt
03-M-AC-3Semiparametric Statistics (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Do 14:00 - 16:00 MZH 2340 Seminar

Statistical problems are described by statistical models. This means interpreting the data as realizations of random variables whose unconditional or conditional densities are described and estimated by statistical (regression) models. These models are usually identified by a set of parameters, which can be finite but also infinite dimensional. For this purpose, there are usually three types of possible models, depending on the structure of the data and the problem at hand: parametric, nonparametric, and semiparametric. A semiparametric model is characterized by the inclusion of both finite dimensional parametric and infinite dimensional nonparametric components. The main interest is usually in the finite dimensional parametric component, with the infinite dimensional component being co-estimated for the purpose of statistical inference and efficiency. In this seminar we will study the definition, properties, and applications of semiparametric models. Examples of semiparametric models include single-index models and Cox regression models for censored survival time data. We will also consider approaches to dealing with missing information in data sets. The use of semiparametric models plays a major role for medical studies, for example.

Prerequisites for participation in the seminar are basic knowledge of mathematical statistics (e.g. from Statistics 1) and of regression models (e.g. from Statistics 2). English speaking students are welcome.

In order to gain a good insight into the extensive theory of semi-parametric models, we will use the master thesis by Karel Vermeulen as our primary literature and study the chapters that are important for us in more detail, presenting the knowledge gained through the thesis in the form of individual presentations.

A list with the name of the thesis and further literature can be found below.

  • Master thesis of Karel Vermeulen. Semiparametric Efficiency
  • A. W. van der Vaart. Asymptotic Statistics. Cambridge Series in Statistical and Probabilistic Mathematics. Cambridge University Press, 1998.
  • A. W. van der Vaart. ”On Differentiable Functionals“. In: Ann. Statist. 19.1 (März 1991), S. 178–204.
  • Tsiatis, Anastasios. Semiparametric Theory and Missing Data. Vereinigtes Königreich, Springer New York, 2010.

Prof. Dr. Werner Brannath
03-M-AC-4Mathematical Modelling and Scientific Computing (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 6200 Seminar
Prof. Dr. Andreas Rademacher
03-M-AC-6Mathematical Foundations of AI (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mi 11:00 - 12:00 MZH 2340 Seminar
Sören Dittmer
03-M-AC-8Combinatorial Optimization: Introduction and Algorithms (in englischer Sprache)
Application of Optimization and Optimal Control

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mo 10:00 - 12:00 Seminar

Die Veranstaltung findet im NEOS Gebäude statt.

Prof. Dr. Christof Büskens
Dr. Amin Mallek

Module: Special Topics Industrial Mathematics A (9 CP)

Compulsory module in which you must attend one lecture. This semester you can choose from the following lectures:
VAKTitel der VeranstaltungDozentIn
03-IMAT-AU (03-ME-602.99c)Algorithms and Uncertainty (in englischer Sprache)

Kurs
ECTS: 6 (9)

Termine:
wöchentlich Di 12:00 - 14:00 MZH 1470 Kurs Präsenz
wöchentlich Do 14:00 - 16:00 MZH 1470 Kurs Präsenz

Profil: SQ
Schwerpunkt: IMA-SQ, IMA-AI

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
Dr. Felix Christian Hommelsheim
03-M-SP-1Inverse Problems (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 2340 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 2340 Exercise
wöchentlich Fr 10:00 - 12:00 MZH 2340 Lecture
Peter Maaß
Dr. Matthias Beckmann
03-M-SP-2Basics of Mathematical Statistics (Statistics I) (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 08:00 - 10:00 MZH 1100 Lecture
wöchentlich Do 08:00 - 10:00 MZH 1100 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 1450 Exercise
Prof. Dr. Werner Brannath
03-M-SP-5Theory of Nonparametric Tests (Statistics III) (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 10:00 - 12:00 MZH 1100 Lecture
wöchentlich Do 10:00 - 12:00 MZH 4140 Lecture
wöchentlich Do 16:00 - 18:00 MZH 4140 Exercise
Prof. Dr. Thorsten-Ingo Dickhaus
03-M-SP-6Algorithmic Game Theory (in englischer Sprache)

Vorlesung
ECTS: 9 (6)

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 4140 Exercise
wöchentlich Do 12:00 - 14:00 MZH 2340 Lecture
wöchentlich Fr 12:00 - 14:00 MZH 2340 Lecture

Many every-day processes can seen as a game between autonomous interacting players, where each player acts stategically in order to pursue her own objectives. This lecture is an introduction to game-theoretic concepts and techniques, mainly with connections to applications. Use-cases are distributed systems, auctions, online-markets, resource allocation, traffic routing, and sports. The goal of the lecture is to provide an overview over state-of-the-art results in the area of algorithmic game theory. Main topics that we will cover in the course are games in normal form, efficiency of equilibria, auctions, truthfulness and VCG-mechanisms, social choice, cake cutting, and cooperative games.

The lectures and homework sheets will be in English language. If all participants agree, the exercise session could be held in German. If there is an oral exam, the language can be chosen by the candidate. In case of a written exam the questions will be in English, answering them in German or English is fine.

Prof. Dr. Daniel Schmand
03-M-SP-9Introduction to Nonlinear Optimization and Optimal Control (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 Lecture
wöchentlich Di 08:00 - 10:00 Lecture
wöchentlich Di 14:00 - 16:00 Exercise

Die Veranstaltung findet im NEOS Gebäude statt.

Prof. Dr. Christof Büskens
04-M30-CP-SFT-3Trajectory Optimization (in englischer Sprache)

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mo 14:00 - 17:00 GW1 B0100
Matthias Knauer
Prof. Dr. Christof Büskens

Area of Focus: Industrial Mathematics (45 CP)

Area of Focus (27 CP)

The modules Special Topics Industrial Mathematics A and Special Topics Industrial Mathematics B (9 CP each) are mandatory. In addition, EITHER the module Special Topics Industrial Mathematics C OR the module Advanced Communications Industrial Mathematics (9 CP each) must be studied.

Module: Advanced Communications Industrial Mathematics (2 x 4,5 CP = 9 CP)

Compulsory module in which you must attend a total of two seminars with 4,5 CP each. This semester you can choose from the following seminars:
VAKTitel der VeranstaltungDozentIn
03-M-AC-1Numerical Methods for Partial Differential Equations (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mo 16:00 - 18:00 MZH 2340 Seminar
Alfred Schmidt
03-M-AC-3Semiparametric Statistics (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Do 14:00 - 16:00 MZH 2340 Seminar

Statistical problems are described by statistical models. This means interpreting the data as realizations of random variables whose unconditional or conditional densities are described and estimated by statistical (regression) models. These models are usually identified by a set of parameters, which can be finite but also infinite dimensional. For this purpose, there are usually three types of possible models, depending on the structure of the data and the problem at hand: parametric, nonparametric, and semiparametric. A semiparametric model is characterized by the inclusion of both finite dimensional parametric and infinite dimensional nonparametric components. The main interest is usually in the finite dimensional parametric component, with the infinite dimensional component being co-estimated for the purpose of statistical inference and efficiency. In this seminar we will study the definition, properties, and applications of semiparametric models. Examples of semiparametric models include single-index models and Cox regression models for censored survival time data. We will also consider approaches to dealing with missing information in data sets. The use of semiparametric models plays a major role for medical studies, for example.

Prerequisites for participation in the seminar are basic knowledge of mathematical statistics (e.g. from Statistics 1) and of regression models (e.g. from Statistics 2). English speaking students are welcome.

In order to gain a good insight into the extensive theory of semi-parametric models, we will use the master thesis by Karel Vermeulen as our primary literature and study the chapters that are important for us in more detail, presenting the knowledge gained through the thesis in the form of individual presentations.

A list with the name of the thesis and further literature can be found below.

  • Master thesis of Karel Vermeulen. Semiparametric Efficiency
  • A. W. van der Vaart. Asymptotic Statistics. Cambridge Series in Statistical and Probabilistic Mathematics. Cambridge University Press, 1998.
  • A. W. van der Vaart. ”On Differentiable Functionals“. In: Ann. Statist. 19.1 (März 1991), S. 178–204.
  • Tsiatis, Anastasios. Semiparametric Theory and Missing Data. Vereinigtes Königreich, Springer New York, 2010.

Prof. Dr. Werner Brannath
03-M-AC-4Mathematical Modelling and Scientific Computing (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 6200 Seminar
Prof. Dr. Andreas Rademacher
03-M-AC-6Mathematical Foundations of AI (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mi 11:00 - 12:00 MZH 2340 Seminar
Sören Dittmer
03-M-AC-8Combinatorial Optimization: Introduction and Algorithms (in englischer Sprache)
Application of Optimization and Optimal Control

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mo 10:00 - 12:00 Seminar

Die Veranstaltung findet im NEOS Gebäude statt.

Prof. Dr. Christof Büskens
Dr. Amin Mallek

Modules: Special Topics Industrial Mathematics (A, B, and C with 9 CP each)

Compulsory modules in which you must attend one lecture each. This semester you can choose from the following lectures:
VAKTitel der VeranstaltungDozentIn
03-IMAT-AU (03-ME-602.99c)Algorithms and Uncertainty (in englischer Sprache)

Kurs
ECTS: 6 (9)

Termine:
wöchentlich Di 12:00 - 14:00 MZH 1470 Kurs Präsenz
wöchentlich Do 14:00 - 16:00 MZH 1470 Kurs Präsenz

Profil: SQ
Schwerpunkt: IMA-SQ, IMA-AI

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
Dr. Felix Christian Hommelsheim
03-M-SP-1Inverse Problems (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 2340 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 2340 Exercise
wöchentlich Fr 10:00 - 12:00 MZH 2340 Lecture
Peter Maaß
Dr. Matthias Beckmann
03-M-SP-2Basics of Mathematical Statistics (Statistics I) (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 08:00 - 10:00 MZH 1100 Lecture
wöchentlich Do 08:00 - 10:00 MZH 1100 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 1450 Exercise
Prof. Dr. Werner Brannath
03-M-SP-5Theory of Nonparametric Tests (Statistics III) (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 10:00 - 12:00 MZH 1100 Lecture
wöchentlich Do 10:00 - 12:00 MZH 4140 Lecture
wöchentlich Do 16:00 - 18:00 MZH 4140 Exercise
Prof. Dr. Thorsten-Ingo Dickhaus
03-M-SP-6Algorithmic Game Theory (in englischer Sprache)

Vorlesung
ECTS: 9 (6)

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 4140 Exercise
wöchentlich Do 12:00 - 14:00 MZH 2340 Lecture
wöchentlich Fr 12:00 - 14:00 MZH 2340 Lecture

Many every-day processes can seen as a game between autonomous interacting players, where each player acts stategically in order to pursue her own objectives. This lecture is an introduction to game-theoretic concepts and techniques, mainly with connections to applications. Use-cases are distributed systems, auctions, online-markets, resource allocation, traffic routing, and sports. The goal of the lecture is to provide an overview over state-of-the-art results in the area of algorithmic game theory. Main topics that we will cover in the course are games in normal form, efficiency of equilibria, auctions, truthfulness and VCG-mechanisms, social choice, cake cutting, and cooperative games.

The lectures and homework sheets will be in English language. If all participants agree, the exercise session could be held in German. If there is an oral exam, the language can be chosen by the candidate. In case of a written exam the questions will be in English, answering them in German or English is fine.

Prof. Dr. Daniel Schmand
03-M-SP-9Introduction to Nonlinear Optimization and Optimal Control (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 Lecture
wöchentlich Di 08:00 - 10:00 Lecture
wöchentlich Di 14:00 - 16:00 Exercise

Die Veranstaltung findet im NEOS Gebäude statt.

Prof. Dr. Christof Büskens
04-M30-CP-SFT-3Trajectory Optimization (in englischer Sprache)

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mo 14:00 - 17:00 GW1 B0100
Matthias Knauer
Prof. Dr. Christof Büskens

Extension (18 CP)

Module: Advanced Communications Data Analysis (2 x 4,5 CP = 9 CP)

Compulsory module in which you must attend a total of two seminars with 4,5 CP each. This semester you can choose from the following seminars:
VAKTitel der VeranstaltungDozentIn
03-M-AC-2High-Performance-Visualisierung (in englischer Sprache)
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 1100 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-3Semiparametric Statistics (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Do 14:00 - 16:00 MZH 2340 Seminar

Statistical problems are described by statistical models. This means interpreting the data as realizations of random variables whose unconditional or conditional densities are described and estimated by statistical (regression) models. These models are usually identified by a set of parameters, which can be finite but also infinite dimensional. For this purpose, there are usually three types of possible models, depending on the structure of the data and the problem at hand: parametric, nonparametric, and semiparametric. A semiparametric model is characterized by the inclusion of both finite dimensional parametric and infinite dimensional nonparametric components. The main interest is usually in the finite dimensional parametric component, with the infinite dimensional component being co-estimated for the purpose of statistical inference and efficiency. In this seminar we will study the definition, properties, and applications of semiparametric models. Examples of semiparametric models include single-index models and Cox regression models for censored survival time data. We will also consider approaches to dealing with missing information in data sets. The use of semiparametric models plays a major role for medical studies, for example.

Prerequisites for participation in the seminar are basic knowledge of mathematical statistics (e.g. from Statistics 1) and of regression models (e.g. from Statistics 2). English speaking students are welcome.

In order to gain a good insight into the extensive theory of semi-parametric models, we will use the master thesis by Karel Vermeulen as our primary literature and study the chapters that are important for us in more detail, presenting the knowledge gained through the thesis in the form of individual presentations.

A list with the name of the thesis and further literature can be found below.

  • Master thesis of Karel Vermeulen. Semiparametric Efficiency
  • A. W. van der Vaart. Asymptotic Statistics. Cambridge Series in Statistical and Probabilistic Mathematics. Cambridge University Press, 1998.
  • A. W. van der Vaart. ”On Differentiable Functionals“. In: Ann. Statist. 19.1 (März 1991), S. 178–204.
  • Tsiatis, Anastasios. Semiparametric Theory and Missing Data. Vereinigtes Königreich, Springer New York, 2010.

Prof. Dr. Werner Brannath
03-M-AC-4Mathematical Modelling and Scientific Computing (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 6200 Seminar
Prof. Dr. Andreas Rademacher
03-M-AC-6Mathematical Foundations of AI (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mi 11:00 - 12:00 MZH 2340 Seminar
Sören Dittmer
03-M-AC-7Advanced Topics in Statistics (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Di 16:00 - 18:00 BIPS 1550 Seminar

regelmäßige Veranstaltung dienstags 14-16 im BIPS Raum 1550.

Prof. Dr. Vanessa Didelez

Module: Special Topics Data Analysis A (9 CP)

Compulsory module in which you must attend one lecture. This semester you can choose from the following lectures:
VAKTitel der VeranstaltungDozentIn
03-IMAT-AU (03-ME-602.99c)Algorithms and Uncertainty (in englischer Sprache)

Kurs
ECTS: 6 (9)

Termine:
wöchentlich Di 12:00 - 14:00 MZH 1470 Kurs Präsenz
wöchentlich Do 14:00 - 16:00 MZH 1470 Kurs Präsenz

Profil: SQ
Schwerpunkt: IMA-SQ, IMA-AI

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
Dr. Felix Christian Hommelsheim
03-M-SP-1Inverse Problems (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 2340 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 2340 Exercise
wöchentlich Fr 10:00 - 12:00 MZH 2340 Lecture
Peter Maaß
Dr. Matthias Beckmann
03-M-SP-2Basics of Mathematical Statistics (Statistics I) (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 08:00 - 10:00 MZH 1100 Lecture
wöchentlich Do 08:00 - 10:00 MZH 1100 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 1450 Exercise
Prof. Dr. Werner Brannath
03-M-SP-3Mathematical Foundations of Deep Learning (in englischer Sprache)

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mo 08:00 - 12:00 MZH 2340 Lecture/Exercise
wöchentlich Mi 08:00 - 10:00 MZH 2340 Lecture / Exercise
Sören Dittmer
03-M-SP-5Theory of Nonparametric Tests (Statistics III) (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 10:00 - 12:00 MZH 1100 Lecture
wöchentlich Do 10:00 - 12:00 MZH 4140 Lecture
wöchentlich Do 16:00 - 18:00 MZH 4140 Exercise
Prof. Dr. Thorsten-Ingo Dickhaus

Industriemathematik, B.Sc.

Vor dem ersten Semester

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

Blockveranstaltung

Einzeltermine:
Mo 19.09.22 - Fr 23.09.22 (Mo, Di, Mi, Do, Fr) 10:00 - 14:30
Mo 26.09.22 - Fr 30.09.22 (Mo, Di, Mi, Do, Fr) 10:00 - 14:30

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. Arsen Narimanyan
03-M-OWO-Woche

Blockveranstaltung

Einzeltermine:
Mo 10.10.22 - Fr 14.10.22 (Mo, Di, Mi, Do, Fr) 08:00 - 19:00 1. Ebene im MZH Gebäude

Orientierungswoche für Erstsemesterstudierende in den mathematischen Studiengängen. Alle Details und Infos findest du unter https://math.stugen.de/wordpress/service/o-woche/

Lars Siemer

Bachelor 1. Semester

Modul: Analysis 1-2 (21 CP)

Pflichtmodul im 1. und 2. Semester (zwei-semestrig), wobei im 1. Semester folgende Veranstaltungen belegt werden sollten:
VAKTitel der VeranstaltungDozentIn
03-M-ANA-1.1Analysis 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 MZH 4140 Übung
wöchentlich Di 10:00 - 12:00 GW2 B1820 Vorlesung
wöchentlich Di 12:00 - 14:00 MZH 1450 Übung
wöchentlich Di 14:00 - 16:00 MZH 1110 Übung
wöchentlich Mi 16:00 - 18:00 MZH 2340 Übung
wöchentlich Fr 08:00 - 10:00 HS 1010 (Kleiner Hörsaal) Vorlesung
Prof. Dr. Marc Keßeböhmer
03-M-ANA-1.2Vertiefung zur Analysis 1 (Vollfach)
Additional Topics in Analysis 1 (Single Major Subject)

Projektplenum
ECTS: 1,5

Termine:
wöchentlich Do 16:00 - 18:00 MZH 1470 Plenum
Prof. Dr. Marc Keßeböhmer

Modul: Lineare Algebra 1-2 (21 CP)

Pflichtmodul im 1. und 2. Semester (zwei-semestrig), wobei im 1. Semester folgende Veranstaltungen belegt werden sollten:
VAKTitel der VeranstaltungDozentIn
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 Mo 12:00 - 14:00 MZH 1110 Übung
wöchentlich Di 08:00 - 10:00 MZH 4140 Übung
wöchentlich Di 08:00 - 10:00 MZH 7200 Übung
wöchentlich Mi 10:00 - 12:00 MZH 7200 Übung
wöchentlich Fr 12:00 - 14:00 MZH 1380/1400 Vorlesung

Einzeltermine:
Do 16.02.23 10:00 - 13:00 MZH 1380/1400
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
Eugenia Saorin Gomez

Modul: Mathematisches Computerpraktikum (3 CP)

Pflichtmodul im 1. Semester mit folgender Veranstaltung:
VAKTitel der VeranstaltungDozentIn
03-M-MCP-1Mathematisches Computerpraktikum
Computer Laboratory

Kurs
ECTS: 3

Veranstaltung findet am Ende des Wintersemesters als Blockveranstaltung statt. Zeiten und Räume werden noch bekannt gegeben.

Prof. Dr. Daniel Schmand

Bachelor 3. Semester

Modul: Analysis 3 (9 CP)

Pflichtmodul im 3. Semester mit folgender Veranstaltung:
VAKTitel der VeranstaltungDozentIn
03-M-ANA-3Analysis 3

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 10:00 - 12:00 MZH 1100 Übung
wöchentlich Di 14:00 - 16:00 MZH 1470 Vorlesung
wöchentlich Mi 12:00 - 14:00 MZH 6200 Vorlesung
Prof. Dr. Anke Dorothea Pohl

Modul: Numerik 1 (9 CP)

Pflichtmodul im 3. Semester mit folgender Veranstaltung:
VAKTitel der VeranstaltungDozentIn
03-M-NUM-1Numerik 1
Numerical Analysis 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 MZH 6200 Vorlesung
wöchentlich Mi 10:00 - 12:00 MZH 6200 Vorlesung
wöchentlich Do 12:00 - 14:00 MZH 1470 Übung
Alfred Schmidt

Bachelor 4. Semester und höher

Modul: Fortgeschrittene Themen Industriemathematik (9 CP)

Pflichtmodul, welches im 5. Semester belegt werden sollte. Dazu muss EINE der zugehörigen Veranstaltungen belegt werden, wobei dieses Semester aus folgenden Veranstaltungen gewählt werden kann:
VAKTitel der VeranstaltungDozentIn
03-M-FTH-4Altes und neues über konvexe Geometrie
old and new about Convex Geometry

Vorlesung
ECTS: 9

Termine:
wöchentlich Mi 12:00 - 14:00 MZH 4140 Vorlesung
wöchentlich Mi 14:00 - 16:00 MZH 3150 Übung
wöchentlich Fr 08:00 - 10:00 MZH 7200 Übung
wöchentlich Fr 10:00 - 12:00 MZH 7200 Vorlesung
Eugenia Saorin Gomez
03-M-Gy4-1Funktionentheorie
Complex Analysis

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 1470 Vorlesung
wöchentlich Mo 16:00 - 18:00 MZH 3150 Übung
wöchentlich Mo 16:00 - 18:00 MZH 4140 Übung
wöchentlich Mi 14:00 - 16:00 MZH 1470 Vorlesung
PD Dr. Hendrik Vogt
Dr. Ingolf Schäfer

Modul: Mathematische Modellierung (9 CP)

Pflichtmodul im 5. Semester mit folgender Veranstaltung:
VAKTitel der VeranstaltungDozentIn
03-M-MMOD-1Mathematische Modellierung
Mathematical Modelling

Kurs
ECTS: 9

Termine:
wöchentlich Di 12:00 - 14:00 MZH 2340 Vorlesung
wöchentlich Di 14:00 - 16:00 MZH 2340 Übung
wöchentlich Mi 12:00 - 14:00 MZH 2340 Vorlesung
Prof. Dr. Andreas Rademacher

Modul: Bachelorarbeit (15 CP)

Abschlussmodul im 6. Semester. Weitere Informationen finden Sie unter www.szmathe.uni-bremen.de und in Stud.IP unter folgender Veranstaltung:
VAKTitel der VeranstaltungDozentIn
03-M-BA-IM-1Bachelorarbeit Industriemathematik
Bachelor Thesis Industiral Mathematics

Kurs

Wie finde ich ein Thema, bei wem schreibe ich meine Bachelorarbeit, wie muss diese aussehen und was beinhaltet die Bachelorarbeit alles?

Antworten zu diesen und weiteren Fragen finden Sie unter www.szmathe.uni-bremen.de und eine Liste der aktuellen Abschlusstehemen hier im Wiki.

N. N.

General Studies - Fachergänzende Studien

Fachergänzendes Studienangebot aus der Mathematik bzw. Industriemathematik.
VAKTitel der VeranstaltungDozentIn
03-M-GS-2Modelle und Mathematik
Models and Mathematics

Seminar
ECTS: 2

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 1100 Seminar
Ronald Stöver
03-M-GS-3Grundlegende Methoden der angewandten Statistik
Basic Methods of Applied Statistics

Vorlesung
ECTS: 6

Termine:
wöchentlich Fr 08:00 - 10:00 MZH 1470 Vorlesung
wöchentlich Fr 10:00 - 12:00 MZH 1470 Übung
Dr. Martin Scharpenberg
03-M-GS-6Data Science in Natural Sciences using R (in englischer Sprache)
a course on R programming and data science methods with practicals and projects

Vorlesung
ECTS: 3

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 0230/0240 (P3) (2 SWS) mix of lectures and practicals

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
CC-02-WiSe22-23Betriebswirtschaftslehre für Ingenieurs- und Naturwissenschaftler:innen
Essentials of business studies for students and graduates of engineering and natural sciences

Blockveranstaltung
ECTS: empfohlen 1 & Zertifikat

Einzeltermine:
Mo 24.10.22 - Mi 26.10.22 (Mo, Di, Mi) 16:00 - 20:00 Online

Mitarbeitende mit technischem oder naturwissenschaftlichem Hintergrund werden im beruflichen Kontext immer auch mit betriebswirtschaftlichen Fragen konfrontiert.

In diesem Seminar lernen Sie die wichtigsten Teilgebiete der Betriebswirtschaft, sowie die dazugehörigen Zusammenhänge kennen, um diese in Ihrem beruflichen Umfeld anzuwenden. Neben den Grundzügen der BWL umfasst das Seminar u.a. die Bereiche Innovations- und Qualitätsmanagement, Supply-Chain-Management, F+E (Forschung und Entwicklung), Produktions- und Fertigungsplanung, technische Infrastruktur und IT.

Anmeldungen für Oktober laufen vom 07. Juli bis Donnerstag, 08. September 2022 über https://elearning.uni-bremen.de/ (Veranstaltungssuche / Suche im Vorlesungsverzeichnis / Fachübergreifende Studienangebote / Career Center unter: Betriebswirtschaftliche Kompetenzen).

Sobald das Anmeldeverfahren geschlossen ist, bekommen Sie von uns eine E-Mail mit den Zugangsdaten!

Ausführliche Informationen unter:
https://www.uni-bremen.de/career-center/veranstaltungen.html
www.uni-bremen.de/career-center/veranstaltungen/uebersicht
www.uni-bremen.de/career-center/veranstaltungen/uebersicht/detailbeschreibungen
www.uni-bremen.de/career-center/veranstaltungen/kalenderuebersicht

Lars Kaletka
CC-43-WiSe22-23Handwerkszeug für den Berufseinstieg für Studierende der Naturwissenschaften und Ingenieurstudiengänge
Tools for career entry for students of natural sciences and engineering

Blockveranstaltung

Einzeltermine:
Mo 27.02.23 09:00 - 17:00 Online

Ziel:
„Warum soll ich genau Sie einstellen?“ – Es lohnt sich, sich mit dieser Frage intensiv auseinanderzusetzen.

Für angehende Absolvierende der Naturwissenschaften und Ingenieurstudiengänge ist dies wichtig, da viele Ansprechpersonen die Faszination der entsprechenden Studienfächer nicht genau kennen und aufgrund der vielseitigen Spezialisierungsmöglichkei-ten in diesen Fächern eine klare Kommunikation entscheidend ist.

Im Workshop lernen Sie Recruiting aus neuer Perspektive kennen und erarbeiten Handwerkszeug für eine selbstbewusste und chancenorientierte Strategie für Ihr „Marketing in eigener Sache“. Durch die ausführliche Beschäftigung mit Ihren Stärken, Ihrer Motivation und Ihrem Begeisterungsvermögen werden Sie Sicherheit für Ihre Präsentation beim potentiellen Arbeitgeber gewinnen und Vorstellungsgespräche souveräner angehen können.

Workshopinhalte:
• Wie funktioniert Personalauswahl heute?
• Arbeitsfelder für Absolvierende der Naturwissenschaften und Ingenieurstudiengänge.

Praxisbeispiele
• Was hebt mich von anderen Bewerbern/Bewerberinnen ab, was zeichnet mich mit einem naturwissenschaftlichen oder Ingenieurstudienabschluss besonders aus?
• Erarbeitung geeigneter Argumentationsideen und Strategien für eine optimale Selbstpräsentation mit einem naturwissenschaftlichen oder Ingenieurstudienabschluss
• Welche Möglichkeiten der Initiativbewerbung gibt es?
• Wie kann ich verschiedene Kontaktpunkte zu potentiellen Arbeitgebern nutzen?
• Tipps für die erfolgreiche Umsetzung der Kommunikationsstrategie in den Bewerbungsunterlagen und im Vorstellungsgespräch

Anmeldungen für Februar 2023 laufen vom 24. November 2022 bis Donnerstag, 19. Januar 2023 über https://elearning.uni-bremen.de/ (Veranstaltungssuche / Suche im Vorlesungsverzeichnis / Fachübergreifende Studienangebote / Career Center unter: Arbeitsmärkte

Sobald das Anmeldeverfahren geschlossen ist, bekommen Sie von uns eine E-Mail mit den Zugangsdaten!

Ausführliche Informationen unter:
www.uni-bremen.de/career-center/veranstaltungen.html
www.uni-bremen.de/career-center/veranstaltungen/uebersicht
www.uni-bremen.de/career-center/veranstaltungen/uebersicht/detailbeschreibungen
www.uni-bremen.de/career-center/veranstaltungen/kalenderuebersicht

Wolfgang Leybold

Informatik, B.Sc./M.Sc.

Bachelor Informatik

Einführung Bachelor-Informatik

Ab dem 11.10.2021 gibt es eine Woche lang allgemeine Informationen für Erstsemester, erste Vor- und Pflichtkurse, Einführungen in die Rechnerumgebung und IT-Ressourcen u.v.m.
Die Teilnahme an den Orientierungswochen wird dringend empfohlen.
Link zu den Orientierungswochen: szi.uni-bremen.de/eso/orientierungswochen
VAKTitel der VeranstaltungDozentIn
03-IBG-OWOCHEOrientierungswoche Informatik/Wirtschaftsinformatik

Vorlesung

Einzeltermine:
Mo 10.10.22 08:00 - 10:00 NW1 H 1 - H0020
Mo 10.10.22 10:00 - 11:00 NW1 H 1 - H0020
Mo 10.10.22 14:00 - 16:00 MZH 1380/1400
Mo 10.10.22 16:00 - 18:00 MZH 1090
Di 11.10.22 09:00 - 10:00 MZH 1110
Di 11.10.22 10:00 - 12:00 HS 1010 (Kleiner Hörsaal)
Di 11.10.22 12:00 - 14:00 MZH 1090
Di 11.10.22 14:00 - 16:00 MZH 1090
Di 11.10.22 16:00 - 18:00 MZH 1090
Mi 12.10.22 08:00 - 10:00 HS 1010 (Kleiner Hörsaal)
Mi 12.10.22 10:00 - 12:00 MZH 1380/1400
Mi 12.10.22 12:00 - 14:00 HS 1010 (Kleiner Hörsaal)
Do 13.10.22 14:00 - 16:00 MZH 1090
Do 13.10.22 16:00 - 18:00 MZH 1090
Fr 14.10.22 13:00 - 16:00 MZH 1090

In der O-Woche finden folgende Veranstaltungen statt:
10.10.2022 von 08-10h im NW1 H1 H0020 "Begrüßung durch den Dekan & Infos zum Studium"
10.10.2022 von 10-11h im NW1 H0020 "Vorstellung Stugen und Studienzentrum"
10.10.2022 von 14-16h im MZH 1380/1400 "Fachbereichsnetze"
10.10.2022 von 16-18h im MZH 1090 "Einblicke ins Studium"
11.10.2022 von 09-10h im MZH 1110 "Einführung Duales Studium Informatik"
11.10.2022 von 10- 12h im kl. Hörsaal HS 1010 "Vorstellung der Fachinformatiken"
11.10.2022 von 10-16h im MAC- Raum und Selbstarbeitbereiche MZH Ebene 0 "FB-Netze-Übungen"
11.10.2022 von 12-14h im MZH 1090 "Einführung Wirtschaftsinformatik"
11.10.2022 von 14-16h im MZH 1090 "Unterstützung bei Schwierigkeiten mit der Tutorien-Eintragung in Stud.IP"
11.10.2022 von 16-18h im MZH 1090 "Ein kleiner Einblick in die wundervolle Welt der Informatik"
12.10.2022 von 8-10h im kl. Hörsaal HS 1010 "Java (Plenum)"
12.10.2022 von 10-12h im 1380/1400 "Frühstück"
12.10.2022 von 12-14h im kl. Hörsaal HS 1010 "Service Einrichtungen/kulturelle Angebote der Uni"
13.10.2022 von 14-16h im MZH 1090 "Begrüßung Informatik als Komplementärfach"
13.10.2022 von 16-18h im MZH 1090 "Spannende Themen abseits der reinen Programmierung - was Informatik sonst noch bietet"
14.10.2022 von 13-16h im MZH 1090 "Kleines Informatik-Praktikum"

Ute Bormann
Dr. Sabine Kuske
Udo Frese
Dr. rer. nat. Teena Hassan
Dipl.-Inf. Andreas Bresser
M. Sc. Mihaela Popescu
Dr. Julia Maria Kensbock
Dr. Hui Shi
03-M-BMBrückenMathematik
Preparation Course Mathematics at the University Bremen

Blockveranstaltung

Einzeltermine:
Mo 19.09.22 - Fr 23.09.22 (Mo, Di, Mi, Do, Fr) 10:00 - 14:30
Mo 26.09.22 - Fr 30.09.22 (Mo, Di, Mi, Do, Fr) 10:00 - 14:30

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. Arsen Narimanyan

Bachelor 1. Semester

Die Zuteilung der Übungstermine der Erstsemesterveranstaltungen erfolgt auf Basis von Musterstundenplänen, die bis Mitte Oktober unter der Stud.IP-Veranstaltung ,,Stundenplanwahl Erstsemester`` hochgeladen werden. Die Anmeldung zu einem der Stundenpläne ist von Dienstag, 12.10.2021 um 12:00 Uhr bis Donnerstag, 24.10.2021 um 14:00 Uhr über die genannte Stud.IP-Veranstaltung möglich. Näheres dazu während der Informationsveranstaltungen in der Erstsemesterorientierung (https://www.szi.uni-bremen.de/eso/orientierungswochen/).

Komplementärfach Informatik

VAKTitel der VeranstaltungDozentIn
03-05-H-509.06Grundlagen der Programmierung
Introduction to Programming

Vorlesung
ECTS: 6

Termine:
wöchentlich Do 14:00 - 16:00 GEO 1550 (Hörsaal) Vorlesung Präsenz
wöchentlich Do 16:00 - 18:00 MZH 1090 Übung Präsenz
wöchentlich Do 16:00 - 18:00 MZH 1100 Übung Präsenz
wöchentlich Fr 12:00 - 14:00 MZH 5500 Übung Präsenz
wöchentlich Fr 14:00 - 16:00 Übung Online

Einzeltermine:
Mo 06.03.23 09:00 - 13:00 HS 2010 (Großer Hörsaal)

Dieser Kurs ist für Studierende der HfK, Studierende der Digitalen Medien und Komplementärfach Informatik an der Universität Bremen und als General Studies Kurs für alle Studiengänge der Universität Bremen. Für Studierende der Informatik, Wirtschaftsinformatik und Systems Engineering gibt es die Veranstaltung Praktische Informatik 1.
Achtung: Studierende des Studiengangs Bachelor Berufliche Bildung - Mechantronik müssen nur 3 CP statt 6 CP erbringen und besuchen die erste Hälfte der Veranstaltung.

Dr. Tim Laue

Grundlagen Mathematik und Theoretische Informatik

VAKTitel der VeranstaltungDozentIn
03-IBGT-M1Mathematik 1: Logik, Kombinatorik und Lineare Algebra
Mathematics 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 1090 Übung Präsenz
wöchentlich Mo 14:00 - 16:00 Übung Online
wöchentlich Di 10:00 - 12:00 NW1 H 1 - H0020 Vorlesung Präsenz
wöchentlich Di 12:00 - 14:00 MZH 1090 Übung Präsenz
wöchentlich Di 12:00 - 14:00 MZH 1100 Übung Präsenz
wöchentlich Di 16:00 - 18:00 GW2 B1820 Übung Präsenz
wöchentlich Mi 08:00 - 10:00 MZH 1090 Übung Präsenz
wöchentlich Mi 08:00 - 10:00 MZH 5600 Übung Präsenz
wöchentlich Do 12:00 - 14:00 MZH 5500 Übung Präsenz
wöchentlich Fr 10:00 - 12:00 GW1-HS H0070 Vorlesung Präsenz

Die Vorlesungen finden entweder online synchron oder in Präsenz statt.
Die Übungen sind in Präsenz geplant.

Übungsternmine für Studierende der Wirtschaftsinformatik primär am Do 12-14h, für Systems Engineering am ...... und für Digitale Medien am Di 12-14h.

Dr. Tim Haga

Grundlagen Praktische und Technische Informatik

VAKTitel der VeranstaltungDozentIn
03-IBGP-PI1Praktische Informatik 1: Imperative Programmierung und Objektorientierung
Practical Computer Science 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 08:00 - 11:00 Übung Online
wöchentlich Mo 11:00 - 14:00 MZH 5500 Übung Präsenz
wöchentlich Mo 11:00 - 14:00 Übung Online
wöchentlich Mo 14:00 - 17:00 Übung Online
wöchentlich Mo 14:00 - 17:00 MZH 5500 Übung Präsenz
wöchentlich Mo 17:00 - 20:00 Übung Online
wöchentlich Mo 17:00 - 20:00 MZH 5500 Übung Präsenz
wöchentlich Di 14:00 - 16:00 HS 2010 (Großer Hörsaal) Vorlesung Präsenz
wöchentlich Mi 08:00 - 11:00 MZH 5500 Übung Präsenz
wöchentlich Mi 08:00 - 11:00 Übung Online
wöchentlich Mi 11:00 - 14:00 MZH 5500 Übung Präsenz
wöchentlich Mi 11:00 - 14:00 Übung Online
wöchentlich Mi 14:00 - 17:00 Übung Online
wöchentlich Mi 14:00 - 17:00 MZH 5500 Übung Präsenz
wöchentlich Mi 17:00 - 20:00 Übung Online
wöchentlich Mi 17:00 - 20:00 MZH 5500 Übung Präsenz
wöchentlich Do 08:00 - 10:00 HS 2010 (Großer Hörsaal) Vorlesung Präsenz

Für Studierende des Vollfachs Informatik, Systems Engineering und Wirtschaftinformatik. Für Studierende der Digitalen Medien und Komplementärfach Informatik gibt es die Veranstaltung Grundlagen der Programmierung.
Die Studierenden der Beruflichen Bildung - Mechatronik besuchen PI1 anstatt Grundlagen der Programmierung mit einer reduzierten CP-Anzahl, nämlich 6 CP durch reduzierten Übungsbetrieb.
Die Übungen finden online und in Präsenz statt. Der Übungsbetrieb startet in der 2. Semesterwoche.

Thomas Röfer

Grundlagen Angewandte Informatik

VAKTitel der VeranstaltungDozentIn
03-IBGA-FI-MI1 (03-B-MI-1.1)Grundlagen der Medieninformatik 1
Media Informatics

Vorlesung
ECTS: 6

Termine:
wöchentlich Mo 16:00 - 18:00 MZH 5600 Übung Präsenz
wöchentlich Mo 16:00 - 18:00 MZH 1470 Übung Präsenz
wöchentlich Di 08:00 - 10:00 MZH 1090 Übung Präsenz
wöchentlich Di 08:00 - 10:00 Übung Online
wöchentlich Di 08:00 - 10:00 MZH 1110 Übung Präsenz
wöchentlich Di 10:00 - 12:00 MZH 1110 Übung Präsenz
wöchentlich Mi 10:00 - 12:00 MZH 1090 Übung Präsenz
wöchentlich Mi 10:00 - 12:00 MZH 1100 Übung Präsenz
wöchentlich Mi 12:00 - 14:00 MZH 1450 Übung Präsenz
wöchentlich Mi 12:00 - 14:00 MZH 5600 Übung Präsenz
wöchentlich Do 10:00 - 12:00 MZH 1110 Übung Präsenz
wöchentlich Do 10:00 - 12:00 MZH 5500 Übung Präsenz
wöchentlich Do 10:00 - 12:00 MZH 6200 Übung Präsenz
wöchentlich Do 12:00 - 14:00 HS 2010 (Großer Hörsaal) Vorlesung Präsenz

Einzeltermine:
Do 23.02.23 09:00 - 13:00 HS 2010 (Großer Hörsaal)
Do 23.02.23 09:00 - 13:00 HS 1010 (Kleiner Hörsaal)
Do 23.02.23 09:00 - 13:00 GW1-HS H0070
Do 23.02.23 09:00 - 13:00 NW1 H 1 - H0020
Udo Frese
03-IBGA-FI-RDLRobot Design Lab (in englischer Sprache)

Vorlesung
ECTS: 6

Termine:
wöchentlich Mi 10:00 - 12:00 DFKI RH1 B0.10 Vorlesung Q&A
wöchentlich Do 10:00 - 12:00 DFKI RH1 B0.10 Übung Präsenz

Die Vorlesung findet online asynchron statt.
Die Präsenz-Übungen am Donnerstag finden im Raum RH1 B0.10 des DFKI statt.

Frank Kirchner
Dr. rer. nat. Teena Hassan
M. Sc. Mihaela Popescu

General Studies

VAKTitel der VeranstaltungDozentIn
03-IBFS-WKWAWissenschaftskultur und Wissenschaftliches Arbeiten

Seminar
ECTS: 3

Termine:
wöchentlich Do 16:00 - 19:00 MZH 1380/1400 Seminar Präsenz

• Der Kurs findet im WiSe 2022/2023 in Präsenz statt.
• Die genauen Termine werden im Kurs abgesprochen.
• VORBESPRECHUNG mit weiteren Informationen:
• am Donnerstag 20.10.2022 um 16:15 Uhr im MZH 1400.

Ralf Eric Streibl
03-IBFW-ZÜPZusatzübung Programmieren

Übung
ECTS: 3

Termine:
wöchentlich Mo 08:00 - 10:00 Online
wöchentlich Mi 16:00 - 18:00 Online

Die Teilnehmer werden von den Lehrenden zugeordnet. Keine eigenständige Anmeldung möglich.
Nur für Studierende ohne oder mit sehr wenigen Programmierkenntnissen.
Die Übungen finden voraussichtlich in Ebene 0 und/oder online statt.

Karsten Hölscher

Bachelor 3. Semester

VAKTitel der VeranstaltungDozentIn
03-IBGA-IUGInformatik und Gesellschaft
Computer and Society

Seminar
ECTS: 3

Termine:
wöchentlich Fr 08:00 - 10:00 MZH 1090 Seminar Präsenz
wöchentlich Fr 10:00 - 12:00 MZH 1090 Seminar Präsenz
wöchentlich Fr 12:00 - 14:00 MZH 1090 Seminar Präsenz

„Informatik und Gesellschaft“ richtet sich zum einen an Bachelor-Studierende der Informatik und wird JEDES Semester (Sommer- wie Wintersemester) angeboten. In der Regel besuchen Informatik-Bachelor-Studierende diesen Kurs im zweiten oder dritten Fachsemester.
Zum anderen sind interessierte Studierende anderer Fächer herzlich eingeladen, an „Informatik und Gesellschaft“ teilzunehmen. Viele der behandelten Themen sind im Kern interdisziplinär und unterschiedliche fachliche Hintergründe sind damit in der Regel sehr bereichernd.

Der Beginn und die gemeinsame Vorbesprechung dieses Kurses findet am Freitag, den 21.10.2022 von 12 bis 14 Uhr im MZH 1090 statt. An dem genannten Termin erfolgen im Plenum die Vorstellung des Kurses, die Klärung der organisatorischen Abläufe und der Scheinbedingungen. Außerdem erfolgt an diesem Termin die Aufteilung der Teilnehmer*innen auf die einzelnen Seminar- bzw. „Übungs“-Termine. Daher finden vor dieser Vorbesprechung auch noch keine Seminartermine statt.

Im weiteren Verlauf der Veranstaltung wird es vereinzelte online-Termine geben (z.B. zur Beratung der einzelnen Arbeitsgruppen) - insb die Präsentation von Referaten (aufgeteilt in mehrere Seminargruppen) ist aber als Präsenzveranstaltung geplant.

Ralf Eric Streibl
03-IBGP-PI3 (03-BA-700.03)Praktische Informatik 3: Funktionale Programmierung
Practical Computer Science 3

Vorlesung
ECTS: 6

Termine:
wöchentlich Di 12:00 - 14:00 MZH 1110 Übung Präsenz
wöchentlich Di 12:00 - 14:00 MZH 5600 Übung Präsenz
wöchentlich Di 14:00 - 16:00 NW2 C0290 (Hörsaal 1) NW2 A0242 (Stufenhörsaal) Vorlesung Präsenz
wöchentlich Mi 14:00 - 16:00 MZH 1110 Übung Präsenz
wöchentlich Mi 14:00 - 16:00 Übung Online
wöchentlich Mi 14:00 - 16:00 MZH 1450 Übung Präsenz
Christoph Lüth
03-IBGP-SWPSoftware-Projekt

Vorlesung
ECTS: 6

Tutoriumstermine werden individuell von den Tutor*innen für jede Gruppe vereinbart.

Karsten Hölscher
Dr. Hui Shi
Amadou Amadou
03-IBGP-TI2 (03-BA-700.12)Technische Informatik 2: Betriebssysteme und Nebenläufigkeit
Technical Computer Science 2

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 10:00 - 12:00 HS 1010 (Kleiner Hörsaal) Vorlesung Präsenz
wöchentlich Di 10:00 - 12:00 MZH 1090 Übung Präsenz
wöchentlich Di 10:00 - 12:00 MZH 1470 Übung Präsenz
wöchentlich Mi 16:00 - 18:00 MZH 1380/1400 MZH 1450 Übung Präsenz
wöchentlich Mi 16:00 - 18:00 Übung Online
wöchentlich Mi 16:00 - 18:00 MZH 1470 Übung Präsenz
wöchentlich Do 08:00 - 10:00 HS 1010 (Kleiner Hörsaal) Vorlesung Präsenz

Die Kenntnisse aus dem Propädeutikum C/C++ werden vorausgesetzt.

Ute Bormann
Olaf Bergmann
03-IBGT-THI1-AFSAutomaten und formale Sprachen
Automata and Formal Languages

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mo 08:00 - 10:00 MZH 1090 Übung Präsenz
wöchentlich Mo 08:00 - 10:00 MZH 1110 Übung Präsenz
wöchentlich Mo 14:00 - 16:00 Übung Online
wöchentlich Mo 14:00 - 16:00 MZH 5600 Übung Präsenz
wöchentlich Di 16:00 - 18:00 NW2 C0290 (Hörsaal 1) GW2 B3009 (Großer Studierraum) Vorlesung Präsenz
wöchentlich Mi 10:00 - 12:00 GW2 B1410 Fragestunde Präsenz

Einzeltermine:
Fr 28.10.22 12:00 - 14:00 MZH 1460
Di 28.02.23 10:00 - 16:00 GW1-HS H0070
Di 28.03.23 10:00 - 16:00 HS 2010 (Großer Hörsaal)
Malin Rau
Prof. Dr. Sebastian Siebertz
03-IBGT-THI1-AT (03-BE-699.11)Algorithmentheorie
Algorithm Theory

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mo 10:00 - 12:00 MZH 5600 Übung
wöchentlich Mo 12:00 - 14:00 MZH 5600 Übung Präsenz
wöchentlich Do 10:00 - 12:00 MZH 1380/1400 Vorlesung Präsenz
wöchentlich Do 12:00 - 14:00 MZH 1450 Übung Präsenz
wöchentlich Do 12:00 - 14:00 MZH 5600 Übung Präsenz
wöchentlich Do 14:00 - 16:00 MZH 5500 Übung Präsenz

Einzeltermine:
Do 16.02.23 08:00 - 12:00 NW1 H 1 - H0020
Do 16.02.23 08:00 - 12:00 NW1 H 3 - W0040/W0050
Di 21.03.23 08:00 - 12:00 MZH 1380/1400

Algorithmentheorie

Algorithmen bilden eine der wichtigsten Grundlagen der
Informatik. Anschaulich beschreibt ein Algorithmus eine Vorgehensweise
um ein Problem zu lösen. Somit bilden Algorithmen eine Grundlage der
Programmierung, sind aber unabhängig von der konkreten
Programmiersprache und Umsetzung. Algorithmen sind so vielfältig wie
ihre Anwendungen, darum ist es umso wichtiger die fundamentalen
Prinzipien des effizienten Algorithmenentwurfs und in den wichtigsten
Problembereichen die grundlegenden Lösungsverfahren zu kennen.

Die Vorlesung hat zum Ziel diese fundamentalen Prinzipien des
Algorithmenentwurfs zu vermitteln. Die Prinzipien werden anhand
klassischer Algorithmen für wichtige Probleme illustriert und
eingeübt. Auf der theoretischen Seite werden die Grundlagen
abstrakter Maschinenmodelle, formale Korrektheitsbeweise und
Laufzeitanalyse vermittelt. Das erworbene Wissen ermöglicht es den
Studierenden für ein gegebenes algorithmisches Problem verschiedene
Lösungsansätze bezüglich ihrer Effizienz zu beurteilen, den am besten
geeigneten Ansatz zur Lösung auszuwählen und seine Korrektheit zu
beweisen.

• Algorithmenparadigmen: Greedy, Divide-and-Conquer, Dynamische Programmierung
• Sortierverfahren
• Grundlegende Begriffe der Graphentheorie
• Graphenprobleme: Kürzeste-Wege, minimale aufspannende Bäume, maximale Netzwerkflüsse

Prof. Dr. Nicole Megow

Bachelor 4. Semester und Folgende

Zusätzlich zu den nachfolgend aufgeführten Veranstaltungen gelten für die Freie Wahl auch die Angebote der "General Studies" (soweit diese nicht inhaltlich mit den Lehrveranstaltungen des Studiengangs Informatik überlappen). Bachelor-Studierende müssen in ihrem Studium zudem zwei Module außerhalb der Informatik erbringen (Fach "General Studies" innerhalb der Bachelor-Prüfungsordnung).
VAKTitel der VeranstaltungDozentIn
03-05-H-505Überblick über das Wahlangebot im Fach Informatik

Vorlesung

Die Veranstaltung findet online asynchron statt und gibt einen Überblick über das Wahlangebot im Fach Informatik, das auch für die Bachelorstudiengänge Digitale Medien/Medieninformatik, Wirtschaftsinformatik und Systems Engineering gilt.

Ute Bormann
03-IBFS-EOBAErste Orientierung zur Bachelor-Arbeit

Blockveranstaltung
ECTS: 1

Termine:
wöchentlich Fr 14:00 - 16:00 MZH 1090 Präsenz
wöchentlich Fr 16:00 - 18:00 MZH 1090 Präsenz

Dieser Veranstaltung richtet sich an Informatikstudierende, die in absehbarer Zeit mit den Vorarbeiten zu ihrer Bachelor-Arbeit beginnen wollen und sich zum einen über einige Formalia informieren wollen und beim Einblick in bereits geschriebene Bachelor-Arbeiten ein Gefühl dafür entwickeln möchten, wie so etwas aussehen kann.

Die Veranstaltung beginnt mit wenigen Informationsterminen zu Semesterbeginn (für Organisatorisches und Formales). Im sp’teren Verlauf des Semesters werden dann an verschiedenen Terminen, die noch im Kurs abgesprochen werden, Präsentationen von Bachelor-Arbeiten statt.

Vorbesprechung:
Fr. 21.10.2022 – 16:00 Uhr im MZH 1090

Nächster Termin („Formalia und interessante Informationen zur Bachelor-Arbeit“):
Fr. 04.11.2022 – 16:00 Uhr im MZH 1090

Die weiteren Termine werden später im Kurs vereinbart.


HINWEIS FÜR STUDIERENDE NACH DER „ALTEN“ INFORMATIK-BPO:
Diese Veranstaltung ist inhaltsgleicher Ersatz für die frühere Veranstaltung „Wissenschaftliches Arbeiten 2“.

Ralf Eric Streibl

Bachelorprojekte

Bachelorprojekte 5. Semester

VAKTitel der VeranstaltungDozentIn
03-BP-902.00bPROBE (5. Semester)

Blockeinheit

Einzeltermine:
Di 18.10.22 16:00 - 18:00

Die Veranstaltung gibt einen Überblick über das Projektstudium und findet online statt.

Ute Bormann
03-IBPJ-ATACProjekt ATACAMA
(WiSe 22/23 bis SoSe 2023)

Projektplenum
ECTS: 12

Termine:
wöchentlich Fr 12:00 - 18:00 MZH 6200 Plenum Präsenz
Ute Bormann
Prof. Dr.-Ing. Carsten Bormann
Olaf Bergmann
Stefanie Gerdes
03-IBPJ-E2EPProjekt E2E-Player
(WiSe 22/23 bis SoSe 2023)

Projektplenum
ECTS: 12

Termine:
wöchentlich Fr 10:00 - 12:00 CART Rotunde - 0.67 Plenum Präsenz
Kerstin Schill
03-IBPJ-ESPOProjekt eSports
(Wise 22/23 bis SoSe 2023)

Projektplenum
ECTS: 12

Termine:
wöchentlich Fr 14:00 - 16:00 MZH 1470 Plenum Präsenz
Björn Niehaves
Bastian Kordyaka
03-IBPJ-GeACProjekt GenArC
(WiSe 22/23 bis SoSe 2023)

Projektplenum
ECTS: 12

Termine:
wöchentlich Fr 08:00 - 10:00 MZH 3150 Plenum Präsenz
Prof. Dr. Rolf Drechsler
03-IBPJ-INAIProjekt Inside-AI
(WiSe 22/23 bis SoSe 2023)

Projektplenum
ECTS: 12

Termine:
wöchentlich Fr 10:00 - 12:00 MZH 6200 Plenum Präsenz
Prof. Dr. Sebastian Maneth
03-IBPJ-LAMIProjekt LastMILE
(das Projekt ist einsemestrig - nur WiSe 22/23)

Projektplenum
ECTS: 18

Termine:
wöchentlich Fr 08:00 - 12:00 MZH 1380/1400 Plenum Präsenz

Einzeltermine:
Do 13.10.22 10:00 - 14:00 MZH 1100
Fr 04.11.22 14:00 - 22:00 MZH 5500
Sa 05.11.22 08:00 - 20:00 MZH 5500
Sa 05.11.22 08:00 - 16:00 MZH 1100
Prof. Dr. Nicole Megow
Dr. Felix Christian Hommelsheim
03-IBPJ-SEEProjekt SEE
(WiSe 22/23 bis SoSe 2023)

Projektplenum
ECTS: 12

Termine:
wöchentlich Fr 08:00 - 12:00 MZH 4140 Plenum Präsenz
Prof. Dr. Rainer Koschke
03-IBPJ-VRLLProjekt VR-LL
(WiSe 22/23 bis SoSe 2023)

Projektplenum
ECTS: 12

Termine:
wöchentlich Fr 12:00 - 16:00 Plenum
Tanja Schultz
Felix Putze

Wahlbereich Bachelor-Aufbau (IBA) / Bachelor-Basis (BB)

IBAT / BB-6: Theoretische Informatik und Mathematik

Nach BPO 2020 mindestens ein Lehrangebot aus dieser Kategorie wählen.
Für ,,Bachelor - TheoInfWahl`` ein Modul aus dieser Kategorie wählen: BB-6xx.xx. Nach der BPO 2010 auf Antrag auch Modul aus den Kategorien BE-/MB-/ME-6xx.xx oder fortgeschrittenes Mathematik-Modul möglich.
VAKTitel der VeranstaltungDozentIn
03-IBAT-ATA (03-ME-699.99)Automatentheorie und ihre Anwendungen
Automata Theory and Its Applications

Kurs
ECTS: 6

Termine:
wöchentlich Mo 08:00 - 10:00 MZH 1470 Kurs Präsenz
wöchentlich Di 08:00 - 10:00 MZH 1470 Kurs Präsenz

Hinweis: Automatentheorie und ihre Anwendungen ist im WiSe 22/23 ein einmaliges Angebot für IBAT

Mario Grobler

IBAP / BB-7: Praktische und Technische Informatik

Nach BPO 2020 mindestens ein Lehrangebot aus dieser Kategorie wählen.
Für ,,Bachelor - PrakTechInfWahl`` zwei Module aus dieser Kategorie wählen: BB-7xx.xx. Keine Ausnahmeanträge.
VAKTitel der VeranstaltungDozentIn
03-IBAP-BS (03-BB-702.01)Betriebssysteme
Operating Systems

Vorlesung
ECTS: 6

Termine:
wöchentlich Mo 16:00 - 18:00 MZH 1090 Vorlesung Präsenz
wöchentlich Mi 16:00 - 18:00 MZH 4140 Übung Präsenz
Prof. Dr. Jan Peleska
03-IBAP-CG (03-BB-708.01)Computergraphik
Computer Graphics

Vorlesung
ECTS: 6

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 1110 Übung Präsenz
wöchentlich Di 10:00 - 14:00 MZH 1380/1400 Vorlesung Präsenz
wöchentlich Do 08:00 - 10:00 MZH 1090 MZH 1450 Übung Präsenz

Schwerpunkt: DMI, VMC

Programmierkenntnisse sind Voraussetzung (ein erfolgreicher Abschluss des "Propädeutikums C" wird empfohlen), ebenso wie algorithmisches Denken, eine gewisse Vertrautheit mit mathematischer Begriffsbildung und Vorgehensweise.

Diese Vorlesung soll sowohl eine Einführung in die theoretischen und methodischen Grundlagen der Computergraphik geben, als auch die Grundlagen für die praktische Implementierung von computergraphischen Systemen legen. Der Schwerpunkt liegt auf Algorithmen und Konzepten zur Repräsentation und Visualisierung von polygonalen, 3-dimensionalen graphischen Szenen.
Der Inhalt umfasst in der Regel folgende Themen:
Mathematische Grundlagen; OpenGL and C
; 2D Algorithmen der Computergrafik (Scan Conversion, Visibility Computations, etc.); Theorie der Farben, Farbräume (hauptsächlich physikalische, neurologische, und technische Aspekte); 3D Computergraphik (Rendering Pipeline, Transformationen, Beleuchtung, etc.); Techniken zum Echtzeit-Rendering; Das Konzept und die Programmierung von Shadern; Texturierung (Einordnung in die Pipeline, einfache Parametrisierung, etc.).

Die Übungsaufgaben werden teils theoretisch, teils praktisch sein, wobei die praktischen Aufgaben gewisse Programmierfähigkeiten in C verlangen. (Zu Beginn der Vorlesung wird deshalb nochmals ein kurzer "Refresh" Ihrer C/C-Kenntnisse gemacht.) Die Vorlesung setzt eine gewisse mathematische, algorithmische und programmiertechnische Gewandtheit voraus, fördert diese aber auch und führt sie weiter.
https://cgvr.cs.uni-bremen.de/teaching/

Prof. Dr. Gabriel Zachmann
03-IBAP-DBS (03-BB-703.01)Datenbanksysteme
Database Systems

Vorlesung
ECTS: 6

Termine:
wöchentlich Di 12:00 - 14:00 SFG 0150 Vorlesung Präsenz
wöchentlich Mi 10:00 - 12:00 SFG 0150 Vorlesung Präsenz
wöchentlich Mi 14:00 - 16:00 HS 1010 (Kleiner Hörsaal) Übung Präsenz
Prof. Dr. Sebastian Maneth
03-IBAP-ISEC (03-BB-707.01)Informationssicherheit
Information Security

Vorlesung
ECTS: 6

Termine:
wöchentlich Di 14:00 - 18:00 MZH 6200 Vorlesung Präsenz

Schwerpunkt: SQ

Prof. Dr.-Ing. Carsten Bormann
Karsten Sohr
Stefanie Gerdes
03-IBAP-ML (03-BB-710.10)Grundlagen des Maschinellen Lernens
Fundamentals of Machine Learning

Kurs
ECTS: 6

Termine:
wöchentlich Mo 10:00 - 12:00 MZH 1380/1400 CART Rotunde - 0.67 Übung Präsenz
wöchentlich Mi 10:00 - 12:00 MZH 1380/1400 Kurs Präsenz
wöchentlich Do 14:00 - 16:00 MZH 5600 Übung Präsenz

Einzeltermine:
Mi 15.02.23 09:00 - 12:00 HS 2010 (Großer Hörsaal)

Die Vorlesungsinhalte werden über Videos und Folien asynchron bereitgestellt ("flipped classroom"-Konzept).
Schwerpunkt: AI

Felix Putze
Tanja Schultz
Mazen Salous
Lars Steinert
Saurav Pahuja
03-IBAP-RA (03-BB-701.01)Rechnerarchitektur und Eingebettete Systeme (in englischer Sprache)
Computer Architecture and Embedded Systems

Vorlesung
ECTS: 6

Termine:
wöchentlich Mo 12:00 - 14:00 MZH 1090 Vorlesung Präsenz
wöchentlich Mi 08:00 - 10:00 MZH 1110 Übung Präsenz
Prof. Dr. Rolf Drechsler
03-IBAP-SDV (03-BB-709.01)Sensordatenverarbeitung
Sensor Data Processing

Vorlesung
ECTS: 6

Termine:
wöchentlich Mo 10:00 - 12:00 NW2 A0242 (Stufenhörsaal) Übung

Einzeltermine:
Do 09.02.23 09:00 - 13:00 HS 2010 (Großer Hörsaal)

Die Vorlesungsinhalte werden über Videos und Folien asynchron bereitgestellt ("flipped classroom"-Konzept).
Schwerpunkt: VMC

Udo Frese
Tanja Schultz
03-IBAP-SWT (03-BB-706.02)Softwaretechnik
Software Engineering

Vorlesung
ECTS: 6

Termine:
wöchentlich Mo 08:00 - 10:00 MZH 6200 Übung Präsenz
wöchentlich Do 14:00 - 16:00 MZH 1090 Übung Präsenz

Schwerpunkt: SQ

Prof. Dr. Rainer Koschke

IBAA / BB-8: Angewandte Informatik

Nach BPO 2020 mindestens ein Lehrangebot aus dieser Kategorie wählen.
Für ,,Bachelor - AnwInfWahl`` ein Modul aus dieser Kategorie wählen: BB-8xx.xx. Nach BPO 2010 auf Antrag auch Modul aus den Kategorien BE-/MB-/ME-8xx.xx möglich.
VAKTitel der VeranstaltungDozentIn
03-IBAA-ECA (03-BB-805.05)E-Commerce-Anwendungen
E-Commerce Applications

Kurs
ECTS: 6

Termine:
wöchentlich Mo 16:00 - 18:00 SFG 0150 Vorlesung Präsenz

Für Studierende des Zertifikatsstudiums DiMePäd ist eine Teilnahme nur bei ausreichender Kapazität möglich.

Markus Haydl
03-IBAA-MTI (03-BB-801.01)Mensch-Technik-Interaktion
Human Computer Interaction

Kurs
ECTS: 6

Termine:
wöchentlich Mo 10:00 - 12:00 MZH 1090 Übung Präsenz
wöchentlich Di 10:00 - 12:00 MZH 5600 Übung Präsenz
wöchentlich Do 08:00 - 10:00 MZH 4140 Übung Präsenz
wöchentlich Do 10:00 - 12:00 SFG 0140 Übung Präsenz
wöchentlich Do 10:00 - 12:00 WiWi1 A1100 Übung Präsenz
wöchentlich Do 12:00 - 14:00 MZH 1380/1400 Vorlesung Präsenz

Schwerpunkt: DMI

Prof. Dr. Tanja Döring
Dr. Susanne Putze
Dr. Dmitry Alexandrovsky

Wahlbereich Bachelor-Vertiefung (IBV) / Bachelor-Ergänzung (BE)

Weitere Wahlangebote können aus dem Wahlbreich IBA/BB und bei Vorliegen der inhaltlichen Voraussetzungen aus dem Wahlangebot des Masterstudiengangs Informatik gewählt werden.
BPO \'10: weitere BE-Angebote unter Wahlbereich IBFW

IBVP / BE-7: Praktische und Technische Informatik

VAKTitel der VeranstaltungDozentIn
03-IBVP-RPWL (03-BE-710.98b)Robot Programming with Lisp (in englischer Sprache)

Vorlesung
ECTS: 6

Termine:
wöchentlich Do 14:00 - 16:00 Vorlesung Präsenz
wöchentlich Do 16:00 - 18:00 Übung Präsenz

Profil: AI
Die Veranstaltung findet im TAB statt.

Michael Beetz

IBFW / BE - Freie Wahl inkl. Seminare

Informationen zum Thema General Studies findet ihr auch hier: https://www.szi.uni-bremen.de/wp-content/uploads/2021/10/GSListe.pdf
VAKTitel der VeranstaltungDozentIn
03-06-M-315The birth of digital media from algorithmic art. Surveying 60 years
An astonishing story, told by one who is part of it

Seminar
ECTS: 6

Termine:
wöchentlich Di 14:00 - 18:00 MZH 1450 Seminar Präsenz
Frieder Nake
03-BE-701.06 (03-IBS-VTI1)Vertiefungsveranstaltung Technische Informatik 1
In-depth Seminar Technical Computer Science 1

Blockveranstaltung
ECTS: 3
Prof. Dr. Rolf Drechsler
03-IBFW-EDBSErgänzung Datenbanksysteme

Vorlesung
ECTS: 3

Termine:
wöchentlich Di 12:00 - 14:00 SFG 0150 Vorlesung Präsenz
wöchentlich Mi 10:00 - 12:00 SFG 0150 Vorlesung Präsenz
wöchentlich Mi 14:00 - 16:00 HS 1010 (Kleiner Hörsaal) Übung Präsenz
Prof. Dr. Sebastian Maneth
03-IBFW-KuK (03-GS-509.11)Kommunikation und Konflikt

Blockveranstaltung
ECTS: 2

Die Anmeldung für dieses Seminar läuft über die Bachelor Projekte bzw. Ute Bormann.

Christine Fangmann
Ute Bormann
03-IBFW-PEG (03-BE-799.98a)Plattformübergreifende Entwicklung für Geräte im Internet of Things
Platform-independent Development for Devices in the Internet of Things

Blockveranstaltung
ECTS: 1

Einzeltermine:
Mo 10.10.22 10:00 - 12:00 MZH 1450
Mo 10.10.22 12:00 - 17:00
Di 11.10.22 - Mi 12.10.22 (Di, Mi) 10:00 - 17:00
Do 13.10.22 10:00 - 12:00 MZH 6200
Do 13.10.22 10:00 - 17:00
Do 13.10.22 16:00 - 17:00 MZH 6200
Fr 14.10.22 10:00 - 16:00

Modulbereich "Spezielle Themen der Praktischen Informatik".
Dieser Blockkurs richtet sich in erster Linie an Studierende mit Vorkenntnissen in der hardware-nahen Programmierung von Mikrocontroller-Plattformen wie z. B. Arduino. Die Teilnehmerzahl ist auf 32 beschränkt. Zur Auffrischung der Kenntnisse in der Programmiersprache C wird der vorherige Besuch des Propädeutikums C/C++ empfohlen.

Olaf Bergmann
Prof. Dr.-Ing. Carsten Bormann
03-IBFW-PVS (03-BE-709.11)Proseminar: Visuelle Sprachen
Seminar on visual languages

Blockveranstaltung
ECTS: 3
PD Dr. Björn Gottfried
03-IBFW-SPORI (03-BE-804.98b)Sportinformatik
Sport Informatics

Blockveranstaltung
ECTS: 3

Einzeltermine:
Do 24.11.22 18:00 - 19:00 MZH 1470
Mi 08.03.23 - Do 09.03.23 (Mi, Do) 09:00 - 18:00 MZH 1470

Die Veranstaltung ist ein zweitägiger Blockkurs in Präsenz, am 8. und 9. März.
Die Anzahl der Teilnehmenden ist auf 20 - 30 begrenzt.

Technik hält in immer mehr Bereiche des Sports Einzug und wird unter anderem zur Leistungsdiagnostik, im Training sowie zur Analyse in der Nachbetrachtung eingesetzt. Dies erstreckt sich vom Profisport mittlerweile bis hinein in den Hobby-Bereich.

In diesem Seminar wollen wir unterschiedliche Anwendungen aus dem Bereich der Sportinformatik betrachten. Der Fokus soll dabei jeweils auf den Methoden zur Gewinnung der Daten sowie deren Verarbeitung liegen.

Teilnehmende erstellen in Zweiergruppen jeweils eine Ausarbeitung und eine Präsentation zu einem zuvor gewählten Thema.

Der erste kurze Termin im November dient der Vorstellung der Themen. Das Seminar selbst ist ein zweitägiger Block in der vorlesungsfreien Zeit.

Profil: DMI

Dr. Tim Laue
03-IBFW-TSTUDTeilnahme an Studien (Proband*innenstunden)
Participation in Studies

Seminar
ECTS: 1

Einzeltermine:
Do 17.11.22 11:00 - 12:00 SFG 0140

Zu Beginn jedes Semesters findet eine Infoveranstaltung statt, wo die Scheinkriterien für Versuchspersonen erläutert werden. Außerdem werden (aufbauend auf den Inhalten von WA1) Forschungsmethoden von Studien mit Versuchspersonen vermittelt.
Im weiteren Verlauf des Studiums sollen Studierende 15 Versuchspersonenstunden absolvieren (d.h. an mehreren Studien teilnehmen). Jede Studienteilnahme wird mit Versuchspersonenstunden vergütet, die in ECTS anerkannt werden können. Die Versuchspersonenstunden können über mehre Semester gesammelt werden.
Die Teilnahme an den Studien soll in einer schriftlichen Ausarbeitung dokumentiert und reflektiert werden.



At the beginning of each semester, an information session is held where the certificate criteria for subjects are explained. In addition, research methods of studies with test subjects are taught (building on the contents of WA1).

Later in the program, students are expected to complete 15 subject hours (i.e., participate in different studies). Each study participation is compensated with subject hours, which can be recognized in ECTS. The subject hours may be accumulated over multiple semesters.

Participation in the studies should be documented and reflected upon in a written paper at the end.
The selection of participants is made manually after registration.

Users who wish to register for this event will receive more detailed information and can then still decide against participation.

Prof. Dr. Tanja Döring
Prof. Dr. Rainer Malaka
Dr. Susanne Putze
Dr. Dmitry Alexandrovsky
10-GS-2-05; "Ringvorlesung und Workshop"Eine Uni, ein Buch: Gedichtalternativen für Deutschland

Vorlesung
ECTS: 2 (oder mehr)

Termine:
wöchentlich Di 16:15 - 17:45 (2 SWS)

Diese ganz besondere Veranstaltung steht im Zusammenhang mit dem vom Stifterverband ausgelobten Projekt "Eine Uni, ein Buch". Unser Universität Bremen-Projekt heißt "Gedichtalternativen für Deutschland" (vgl. https://www.stifterverband.org/eine-uni-ein-buch/2022). Anders als üblich gibt es das zu lesende Buch für "eine Uni, ein Buch" aber noch gar nicht. Dieses entsteht gerade erst, in dieser Veranstaltung.

Wir laden Sie also ganz herzlich ein, an diesem einmaligen Projekt aktiv mitzuwirken!

Im Sommer haben wir Lehrerinnen und Lehrer an Bremer Schulen, ihre Klassen, Studierende hier an der Uni sowie Kolleginnen und Kollegen gebeten, uns Gedichte einzureichen, die man heutzutage, gerade heutzutage nicht nur in den Schulen lesen sollte. Eine ganze Reihe von Leuten hat darauf reagiert, und wir haben eine erste Sammlung von Gedichten, die unterschiedlicher und interessanter nicht sein könnten. Das sind sie also, unsere „Gedichtalternativen für Deutschland“.

Unsere Veranstaltung hat deshalb den Charakter einer Ringvorlesung, weil wir die Menschen, die uns Gedichte eingereicht und vorgeschlagen haben, bitten werden, uns die Gedichte und die Gründe, sie heute für besonders wichtig zu halten, vorzustellen.

Und sie hat den Charakter eines Workshops, weil wir die Gedichte, ihre Kontexte, Hintergründe, mögliche Deutungen und eben diese Gründe für ihre Relevanz gemeinsam diskutieren wollen. Das genaue Programm stimmen wir gerade mit den Gedichte-Vorschlagenden ab, wir geben es hier in Stud.IP bekannt, sobald es fertig ist.

Fest steht aber jetzt schon: Wir haben einen Veranstaltungsraum (SFG 2070), den wir / Sie nutzen können, unsere Dienstagsveranstaltungen werden aber auch digital (per Zoom) zugänglich sein. Die Auftaktveranstaltung am 18. Oktober wird im Rahmen von Campus City stattfinden, ab 17 Uhr in der Markthalle 8 am Domshof in der Innenstadt (vgl. https://www.uni-bremen.de/campus-city).

Die aktive Teilnahme an unserer Veranstaltung bringt Ihnen 2 General Studies- oder Schlüsselqualifikationen-CPs, allerdings keine Note. Wir kooperieren aber mit einem curricularen Seminar, an dem auch Sie als Teilnehmer*innen unseres Workshops mitarbeiten, wo Sie weitere CPs erwerben und ggf. eine (benotete) Prüfung ablegen können. Dieses Kooperationsseminar findet jeweils donnerstags von 10:15 bis 11:45 Uhr statt, ebenfalls im Raum SFG 2070. Hier wollen und werden wir das in Workshop und Ringvorlesung Vorgestellte diskutieren, vertiefen und dokumentieren -- und gemeinsam weitere Gedichtvorschläge entwickeln und realisieren. Am Ende dieses Seminars wird das im Projekt "Eine Uni, ein Buch" zu lesende Buch vielleicht noch nicht ganz fertig, aber doch entscheidend vorangekommen sein.

Sabine Oda Doff
Dr. Uwe Spörl

Master Informatik

Einführung Master-Informatik

VAKTitel der VeranstaltungDozentIn
03-05-H-505Überblick über das Wahlangebot im Fach Informatik

Vorlesung

Die Veranstaltung findet online asynchron statt und gibt einen Überblick über das Wahlangebot im Fach Informatik, das auch für die Bachelorstudiengänge Digitale Medien/Medieninformatik, Wirtschaftsinformatik und Systems Engineering gilt.

Ute Bormann
03-MA-503Einführungsveranstaltung Master Informatik
Alle Erstsemester im Masterstudiengang Informatik werden gebeten, zu dieser Einführungsveranstaltung zu gehen

Vorlesung

Einzeltermine:
Mo 17.10.22 08:00 - 10:00

Dozentin: Ute Bormann
Diese Veranstaltung findet am Mo 17.10.2022 von 08:30-10:00 Uhr voraussichtlich in Präsenz im MZH 6200 statt und richtet sich ausdrücklich an alle Studienanfänger im Masterstudium Informatik - unabhängig davon, ob sie neu an die Uni Bremen kommen oder hier bereits das Bachelorstudium absolviert haben. Es wird ein Überblick über die wesentlichen Rahmenbedingungen und Formalia des Masterstudiums Informatik gegeben, ferner werden wichtige organisatorische Fragen und Prozesse besprochen.

Ute Bormann

Pflicht Master

VAKTitel der VeranstaltungDozentIn
03-IMG-PMWK (03-MA-904.0) (Projektmanagement und Wissenschaftskultur
project management and scientific culture
Vorbereitung auf das Projekt-Studium im Masterstudiengang Informatik

Kurs
ECTS: 6

Termine:
wöchentlich Di 08:00 - 12:00 CART Rotunde - 0.67 Kurs Präsenz

Neben organisatorischen Themen wird in der ersten Veranstaltung die Prüfungsleistung besprochen.
Die endgültige Gruppenfindung wird am 01.11.2022 abgeschlossen. Der Einstieg in den Kurs ist nur bis zu diesem Zeitpunkt möglich!
Erster Veranstaltungstermin ist der 25.10.2022.

Dr. Jörn Syrbe
Michael Beetz

Wahlbereich Master-Aufbau (IMA) / Master-Basis (MB)

Nach der Prüfunsordnung von 2020 heißt dieser Bereich Master-Aufbau (IMA), nach der Prüfungsordnung von 2012 Master-Basis (MB).

IMAT / MB-6 - Theoretische Informatik und Mathematik

Nach MPO 2020 und MPO 2012 mindestens ein Lehrangebot aus dieser Kategorie wählen.
Nach MPO 2012 auf Antrag auch ME-6xx.xx-Lehrangebot oder fortgeschrittenes Mathematik-Lehrangebot möglich.
VAKTitel der VeranstaltungDozentIn
03-IMAT-AU (03-ME-602.99c)Algorithms and Uncertainty (in englischer Sprache)

Kurs
ECTS: 6 (9)

Termine:
wöchentlich Di 12:00 - 14:00 MZH 1470 Kurs Präsenz
wöchentlich Do 14:00 - 16:00 MZH 1470 Kurs Präsenz

Profil: SQ
Schwerpunkt: IMA-SQ, IMA-AI

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
Dr. Felix Christian Hommelsheim
03-IMAT-FSGT (03-MB-603.01/1)Formale Sprachen: Graphtransformation
Formal Languages: Graph Transformation

Kurs
ECTS: 6

Termine:
wöchentlich Di 16:00 - 18:00 MZH 1470 Kurs Präsenz
wöchentlich Do 12:00 - 14:00 MZH 1090 Kurs Präsenz

Profil: SQ, KIKR
Schwerpunkt: SQ, AI

Dr. Sabine Kuske
03-IMAT-KRYPT (03-MB-699.09)Einführung in die Kryptographie

Kurs
ECTS: 6

Termine:
wöchentlich Mi 10:00 - 12:00 MZH 5600 Kurs Präsenz
wöchentlich Do 08:00 - 10:00 Übung Online

Profil: SQ
Schwerpunkt: IMA-SQ.
mit Zusatzleistung(en) (wird in der Veranstaltung bekannt gegeben) 9 CP für Studierende in den mathematischen Studiengängen

Dieter Hutter
Karsten Sohr
03-IMAT-STMTSet Theory and Model Theory (in englischer Sprache)

Vorlesung
ECTS: 6

Termine:
wöchentlich Di 08:00 - 10:00 MZH 5600 Vorlesung Präsenz
wöchentlich Di 14:00 - 16:00 MZH 5600 Übung Präsenz

Profil: SQ
Schwerpunkt: SQ

Set theory and model theory

Intuitively, a set is a collection of all elements that satisfy a certain property. This intuition, however, is false! The following example is known as Russell's Paradox. Consider the set S whose elements are exactly those that are not members of themselves: S = { X : X is not element of X }. Is S an element of S? If S is an element of S, then S is not an element of S. On the other hand, if S is not an element of S, then S belongs to S. In either case we have a contradiction. We must revise our intuitive notion of a set. In the first part of the lecture we develop axiomatic set theory (ZFC) in the framework of first-order logic, which forms the foundation of modern mathematics. We cover the axioms of set theory, ordinal numbers and induction and recursion over well-founded relations, cardinal numbers and the axiom of choice.

In the second part of the lecture we turn to classical topics of first-order model theory. Model theory studies classes of mathematical structures, such as groups, fields, or graphs, from the point of view of mathematical logic. Many notions, such as homomorphisms, substructures, or free structures, that are commonly studied in specific fields of mathematics are unified by the general approach of model theory. We study ways to construct models with desired properties from first-order theories and the expressive power of first-order logic.

Prof. Dr. Sebastian Siebertz
Alexandre Vigny

IMAP / MB-7 - Praktische und technische Informatik

Nach MPO 2020 mindestens ein Lehrangebot aus dieser Kategorie wählen. Nach MPO 2012 gilt zwei Lehrangebote aus dieser Kategorie wählen.
VAKTitel der VeranstaltungDozentIn
03-IMAP-ASE (03-MB-711.13)Automatische Spracherkennung
Automatic Speech Recognition

Vorlesung
ECTS: 6

Termine:
wöchentlich Di 14:00 - 16:00 MZH 1090 Vorlesung Präsenz
wöchentlich Do 14:00 - 16:00 MZH 6200 Vorlesung Präsenz

Profil KIKR
Schwerpunkt: IMA-AI
Modultyp C (6 CP) im Studiengang Language Sciences M.A.

Die Vorlesungsinhalte werden über Videos und Folien asynchron bereitgestellt ("flipped classroom"-Konzept). Darüber hinaus gibt es einen Präsenz-Termin am Dienstag. Dieser Präsenz-Termin ist als "Interaktives Repititorium" gestaltet und wird nicht aufgezeichnet. Donnerstags finden im Zwei-Wochen-Rhythmus Übungen statt.

Der Kurs "Automatische Spracherkennung" bietet eine Einführung in die automatische Spracherkennung. In diesem Kurs werden die Sprachverarbeitung beim Menschen, Signalverarbeitung, statistische Modellierung von Sprache sowie die wesentlichen praktischen Ansätze und Methoden für den Einsatz automatischer Spracherkennung behandelt.

Tanja Schultz
Ayimnisagul Ablimit
03-IMAP-IIS (03-ME-710.04)Integrated Intelligent Systems (in englischer Sprache)

Vorlesung
ECTS: 6

Termine:
wöchentlich Di 16:00 - 18:00 Übung Online

Profil: KIKR
Schwerpunkt: IMA-AI
Die Vorlesung findet asynchron und die Übung online statt.

Michael Beetz
Dr. Jörn Syrbe
03-IMAP-KIWAR (03-MB-710.02)KI - Wissensakquisition und Wissensrepräsentation
AI - Knowledge Acquisition and Knowledge Representation

Vorlesung
ECTS: 6

Termine:
wöchentlich Di 16:00 - 18:00 ECO5 0.30 Vorlesung Präsenz
wöchentlich Mi 12:00 - 14:00 ECO5 0.30 Übung Präsenz

MPO 2012: Profil KIKR, MC
MPO 2020 Schwerpunkt: IMK-Ai, IMVP-VMC

Daniel Nyga
03-IMAP-RNMN (03-MB-704.02)Rechnernetze - Media Networking
Computer Networks - Media Networking

Kurs
ECTS: 6

Termine:
wöchentlich Mi 14:00 - 16:00 Kurs online
wöchentlich Do 12:00 - 14:00 MZH 6200 Kurs Präsenz

Profil: SQ, DMI.
Schwerpunkt: SQ, DMI, VMC

Ute Bormann
03-IMAP-SHSQ (03-MB-700.31)Systeme hoher Sicherheit und Qualität
Systems Assuring High Safety, Security and Quality

Vorlesung
ECTS: 6

Termine:
wöchentlich Mo 12:00 - 14:00 MZH 1380/1400 Vorlesung Präsenz
wöchentlich Do 16:00 - 18:00 MZH 1450 Übung Präsenz

Profil SQ
Schwerpunkt: IMK-SQ , VMC

Prof. Dr. Jan Peleska
03-IMAP-SWRE (03-MB-706.01)Software-Reengineering

Vorlesung
ECTS: 6

Termine:
wöchentlich Di 14:00 - 16:00 MZH 1380/1400 Vorlesung Präsenz
wöchentlich Mi 16:00 - 18:00 MZH 5600 Übung Präsenz

Profil: SQ
Schwerpunkt: IMAP-SQ, VMC

Prof. Dr. Rainer Koschke
03-IMAP-TA (03-ME-706.04)Testautomatisierung
Test Automation

Kurs
ECTS: 6

Termine:
wöchentlich Di 08:00 - 10:00 MZH 5500 Kurs Präsenz
wöchentlich Mi 10:00 - 12:00 MZH 1450 Kurs Präsenz

Profil: SQ.
Schwerpunkt: IMAP-SQ

Prof. Dr. Jan Peleska
Dr. Robert Sachtleben
03-IMAP-TSS (03-MB-701.08)Test von Schaltungen und Systemen
Test Methods of Circuits and Systems

Vorlesung
ECTS: 6

Termine:
wöchentlich Di 12:00 - 14:00 MZH 5500 Übung Präsenz
wöchentlich Do 14:00 - 16:00 MZH 1110 Vorlesung Präsenz

Profil SQ
Schwerpunkt: IMAP-SQ

Prof. Dr. Rolf Drechsler
Dr. Sebastian Huhn
03-IMAP-VRSIM (03-ME-708.03)Virtual Reality and Physically-Based Simulation (in englischer Sprache)
Virtuelle Realität und physikalisch-basierte Simulation

Vorlesung
ECTS: 6

Termine:
wöchentlich Mi 08:00 - 10:00 MZH 1380/1400 Übung Präsenz
wöchentlich Do 10:00 - 12:00 MZH 1090 Vorlesung Präsenz

Profil: KIKR, DMI
Schwerpunkt: IMAP-DMI, IMAP-VMC.
English or German.
Over the past two decades, VR has established itself as an important tool in several industries, such as manufacturing (e.g., automotive, airspace, ship building), architecture, and pharmaceutical industries. During the past few years, we have been witnessing the second "wave" of VR, this time in the consumer, in particular, in the entertainment markets.

Some of the topics to be covered (tentatively):
• Introduction, basic notions of VR, several example applications
• VR technologies: displays, tracking, input devices, scene graphs, game engines
• The human visual system and Stereo rendering
• Techniques for real-time rendering
• Fundamental immersive interaction techniques: fundamentals and principles, 3D navigation, user models, 3D selection, redirected walking, system control
• Complex immersive interaction techniques: world-in-miniature, action-at-a-distance, magic lens, etc.
• Particle systems
• Spring-mass systems
• Haptics and force feedback
• Collision detection
• Acoustic rendering
The assignments will be mostly practical ones, based on the cross-platform game engine Unreal. Participants will start developing with "visual programming", and later use C++ to solve the assignments.
You are encouraged to work on assignments in small teams.
https://cgvr.cs.uni-bremen.de/teaching/

Prof. Dr. Gabriel Zachmann

IMAA / MB-8 - Angewandte Informatik

Nach MPO 2012 gilt ein Lehrangebot aus dieser Kategorie wählen. Nur nach MPO 2012 auf Antrag auch ME-8xx.xx-Modul möglich.
VAKTitel der VeranstaltungDozentIn
03-IMAA-ITMDS (03-MB-802.02)IT-Management und Data Science (in englischer Sprache)
IT Management and Data Science

Blockveranstaltung
ECTS: 6

Termine:
wöchentlich Di 16:00 - 18:00 GW2 B1410 Vorlesung Präsenz
wöchentlich Mi 12:00 - 14:00 MZH 1100 MZH 3150 Übung Präsenz/ Seminar 1
wöchentlich Mi 14:00 - 16:00 MZH 1100 Übung Präsenz / Seminar 2

Einzeltermine:
Mo 06.02.23 08:30 - 19:00 MZH 1090

Profil: SQ, DMI
Schwerpunkt: IMA-SQ, IMA-AI, DMI
Die Veranstaltung beginnt am 25.10.2022

Prof. Dr. Andreas Breiter
03-IMAA-MITR (03-MB-803.04)Medien- und IT-Recht
Media and IT-Law

Kurs
ECTS: 6

Termine:
wöchentlich Mo 10:00 - 12:00 Kurs Online

Profil: SQ, DMI.
Schwerpunkt: IMA-DMI, SQ

Prof. Dr. Iris Kirchner-Freis, LL.M.Eur.
03-IMAA-STMW (03-MB-804.05)Search Technology for Media & Web (in englischer Sprache)
Search Technology for Media + Web

Vorlesung
ECTS: 6

Termine:
wöchentlich Mi 08:00 - 10:00 MZH 6200 Vorlesung Präsenz
wöchentlich Do 08:00 - 10:00 MZH 5600 Übung Präsenz

Profil: KIKR, DMI
Schwerpunkt: DMI, AI

M. Sc Rishabh Haria

Wahlbereich Master-Vertiefung (IMV) / Master-Ergänzung (ME)

MPO 2012: weitere ME-Angebote unter Wahlbereich IMS/ME und unter General Studies IMGS

IMVT / ME-6 - Theoretische Informatik

VAKTitel der VeranstaltungDozentIn
03-IMVT-SGA (03-ME-602.21)Sparsity - Graphs and algorithms

Vorlesung
ECTS: 6

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 3150 Übung Präsenz
wöchentlich Do 10:00 - 12:00 MZH 3150 Vorlesung Präsenz

Profil: SQ
Siehe folgenden Link:
https://www.szi.uni-bremen.de/lehre/modulhandbuecher/
(ganz unten).

Prof. Dr. Sebastian Siebertz
03-IMVT-TSF (03-ME-699.05)Theorie der Sensorfusion
Theory of Sensor Fusion

Kurs
ECTS: 6

Termine:
wöchentlich Mo 12:00 - 14:00 MZH 1470 Vorlesung Präsenz
wöchentlich Mi 10:00 - 12:00 MZH 1470 Übung Präsenz

MPO 2012 Profil: KIKR
MPO 2020 Schwerpunkt: AI, VMC
http://www.informatik.uni-bremen.de/agebv/de/VeranstaltungTdS16

Udo Frese
03-M-AC-2High-Performance-Visualisierung (in englischer Sprache)
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 1100 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-SP-6Algorithmic Game Theory (in englischer Sprache)

Vorlesung
ECTS: 9 (6)

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 4140 Exercise
wöchentlich Do 12:00 - 14:00 MZH 2340 Lecture
wöchentlich Fr 12:00 - 14:00 MZH 2340 Lecture

Many every-day processes can seen as a game between autonomous interacting players, where each player acts stategically in order to pursue her own objectives. This lecture is an introduction to game-theoretic concepts and techniques, mainly with connections to applications. Use-cases are distributed systems, auctions, online-markets, resource allocation, traffic routing, and sports. The goal of the lecture is to provide an overview over state-of-the-art results in the area of algorithmic game theory. Main topics that we will cover in the course are games in normal form, efficiency of equilibria, auctions, truthfulness and VCG-mechanisms, social choice, cake cutting, and cooperative games.

The lectures and homework sheets will be in English language. If all participants agree, the exercise session could be held in German. If there is an oral exam, the language can be chosen by the candidate. In case of a written exam the questions will be in English, answering them in German or English is fine.

Prof. Dr. Daniel Schmand

IMVP / ME-7 - Praktische Informatik

VAKTitel der VeranstaltungDozentIn
03-IMVP-BCOD (03-ME-711.08)Codierung und Datenkompression
Coding and data compression

Kurs
ECTS: 6

Termine:
wöchentlich Di 14:00 - 16:00 CART Rotunde - 0.67 Kurs Präsenz
wöchentlich Di 16:00 - 18:00 CART 0.01 (Besprechungsraum) Kurs Präsenz

MPO 2012 Profil: KIKR.
MPO 2020 Schwerpunkt: AI, VMC

Christop W. Zetzsche-Schill
Konrad Gadzicki
03-IMVP-GME (03-ME-711.05)Gehirn-Muster-Erkennung
Brain-Pattern-Recognition

Blockveranstaltung
ECTS: 6

Profil: KIKR
Schwerpunkt: AI
Termine: 10-tägiger Blockkurs nach der Vorlesungszeit.

Wird als hybrider Blockkurs nach der Vorlesungszeit angeboten. Bei Interesse bei felix.putze@uni-bremen.de anmelden, da begrenzte Teilnehmer:innen-Zahl.

Felix Putze
03-IMVP-MLAR (03-ME-712.07)Machine Learning for autonomous Robots (in englischer Sprache)
Machine Learning for autonomous Robots

Vorlesung
ECTS: 6

Termine:
wöchentlich Di 10:00 - 12:00 DFKI RH1 A1.03 Q & A Session Präsenz
wöchentlich Do 14:00 - 16:00 DFKI RH1 B0.10 Übung Präsenz

Profil: KIKR
Schwerpunkt: AI
Die Vorlesung findet asynchron per Video Lectures statt.

Frank Kirchner
Melvin Laux
03-IMVP-VHSHybrid Systems: Verification and Synthesis (in englischer Sprache)

Vorlesung
ECTS: 6

Termine:
wöchentlich Mo 12:00 - 14:00 MZH 1100 Vorlesung Präsenz
wöchentlich Mi 16:00 - 18:00 MZH 1110 Übung Präsenz

Schwerpunkt: SQ

Dr. Mario Gleirscher
03-IMVP-VSDVerteilte Sensornetzwerke mit Datenaggregation
Distributed Sensor Networks and Data Aggregation

Kurs
ECTS: 6

Termine:
wöchentlich Mo 16:00 - 18:00 MZH 6200 Vorlesung Präsenz
wöchentlich Di 12:00 - 14:00 MZH 6200 Übung Präsenz

Profil: KIKR
Schwerpunkt: AI

PD Dr. Stefan Bosse

IMVA / ME-8 - Angewandte Informatik

VAKTitel der VeranstaltungDozentIn
03-IMVA-3DMFT (03-ME-899.08)3D Modelling and Design at the FabLab - From Origami to Algorithmic Folding (in englischer Sprache)
3D Modelling with FabLab Technologies

Kurs
ECTS: 6

Termine:
wöchentlich Mi 14:00 - 16:00 GW2 A4100 (FabLab) Vorlesung Präsenz
wöchentlich Mi 16:00 - 18:00 GW2 A4100 (FabLab) Übung Präsenz

4 SWS, Profil: DMI
Schwerpunkt: DMI
Kurzbeschreibung unter: http://dimeb.informatik.uni-bremen.de/FabLab/GenerativeDesign.pdf
Präsenz-Meeting mittwochs 14-16h und anschließend 2 Std Übungen im FabLab wöchentlich.

Dr. Bernhard Robben
03-IMVA-MAD (03-ME-804.06)Mobile App Development (in englischer Sprache)

Vorlesung
ECTS: 6

Termine:
wöchentlich Mo 10:00 - 14:00 GW2 B1410 Vorlesung und Übung Präsenz

Profil: DMI
Schwerpunkt: DMI

Die Veranstaltung richtet sich an Studenten der Informatik und Digitalen Medien. In Gruppenarbeit sollen die Studierenden semesterbegleitend ein App-Projekt umsetzen. In der Vorlesung werden alle relevanten Informationen der modernen Softwareentwicklung, mit Fokus auf die mobile App-Entwickung, vermittelt. Dazu gehören Themen wie mobiles Testing, Scrum, UX Design, Evaluation & Nutzertests, Design Patterns und Cross-Plattform-Entwicklung. Das Ziel dabei ist die Vermittlung von praxisrelevantem Wissen aus dem Alltag eines erfolgreichen Unternehmens.

Prof. Dr. Rainer Malaka
David Ruh
Nicolas Autzen
03-IMVA-MMLVMenschliches und maschinelles Lernen und Verstehen
Human and machine learning and understanding

Vorlesung
ECTS: 6

Termine:
wöchentlich Mo 10:00 - 12:00 MZH 1110 Vorlesung Präsenz
wöchentlich Mo 12:00 - 14:00 MZH 1450 Übung Präsenz

Schwerpunkt: AI

Britta Wrede
Michael Beetz

Wahlbereich IMS / ME - Master Seminare

VAKTitel der VeranstaltungDozentIn
03-IMS-APKS (03-ME-712.07)Ausgewählte Probleme kognitiver Systeme
Selected topics of cognitive systems

Seminar
ECTS: 3

Termine:
Auftakttermin: 25.10.2022 von 12:00 bis 14:00 Uhr in Raum 2.43 Cartesium.

Tanja Schultz
Felix Putze
03-IMS-APMSK (03-ME-711.09)Ausgewählte Probleme der multisensorischen Kognition
advanced problems for multisensoric cognition

Seminar
ECTS: 3

Termine:
wöchentlich Do 12:00 - 14:00 CART Rotunde - 0.67 Seminar Präsenz
Christop W. Zetzsche-Schill
Kerstin Schill
03-IMS-FGCFine-Grained Complexity and Related Topics

Seminar
ECTS: 3

Termine:
wöchentlich Di 10:00 - 12:00 MZH 6200 Seminar Präsenz
Malin Rau
03-IMS-IUAG (03-MB-899.02/1)Intelligente Umgebungen für die alternde Gesellschaft
smart environment for the aging society

Seminar
ECTS: 3

Termine:
wöchentlich Do 14:00 - 16:00 CART Rotunde - 0.67 Seminar Präsenz
Christop W. Zetzsche-Schill
Kerstin Schill
Torsten Kluß
03-IMS-SHARHot Topics in Sensors and Human Activity Research (in englischer Sprache)

Seminar
ECTS: 3

Termine:
wöchentlich Do 14:00 - 16:00 CART 2.43 Seminar
Dr.-Ing. Hui Liu
03-IMS-SOFTC (03-MB-711.04)Soft Computing

Seminar
ECTS: 3

Termine:
wöchentlich Do 10:00 - 12:00 CART Rotunde - 0.67 Seminar Präsenz

Nach der MPO 2020 ist diese LV ein Masterseminar, keine Master-Aufbau Veranstaltung.

Kerstin Schill
Joachim Clemens
Verena Schwarting

Wahlbereich IMPJ - Master-Projekte

VAKTitel der VeranstaltungDozentIn
03-06-MP.21Projekt CSS4Impact

Projektplenum
ECTS: 30

Termine:
wöchentlich Fr 08:00 - 12:00 MZH 1100 Plenum Präsenz

Schwerpunkt: DMI, AI

Prof. Dr. Andreas Breiter
03-06-MP.22Projekt Creabots

Projektplenum
ECTS: 30

Termine:
wöchentlich Fr 10:00 - 12:00 MZH 5500 Plenum Präsenz

Schwerpunkt: DMI, VMC, AI

Prof. Dr. Gabriel Zachmann
03-IMPJ-BHUMProjekt B-HUMAN
(WiSe 22/23 bis SoSe 2023)

Projektplenum
ECTS: 12

Termine:
wöchentlich Fr 12:00 - 16:00 CART Rotunde - 0.67 Plenum Präsenz

Schwerpunkt: AI

Dr. Tim Laue
Udo Frese
Thomas Röfer
03-IMPJ-CRASHProjekt CRASHES
(das Projekt ist einsemestrig - nur WiSe 22/23)

Projektplenum
ECTS: 24

Termine:
wöchentlich Fr 08:00 - 10:00 CART Rotunde - 0.67 Plenum Präsenz

Schwerpunkt: AI

Kerstin Schill
03-IMPJ-DANAProjekt DeepAnatomy
(WiSe 22/23 bis SoSe 2023)

Projektplenum
ECTS: 12

Schwerpunkt: VMC, AI

Prof. Dr.-Ing. Horst Karl Hahn
03-IMPJ-IOT4UProjekt IOT4U
(WiSe 22/23 bis SoSe 2023)

Projektplenum
ECTS: 12

Termine:
wöchentlich Fr 08:00 - 10:00 MZH 1110 Plenum Präsenz

Schwerpunkt: SQ

Prof. Dr. Rolf Drechsler
03-IMPJ-MOB4DProjekt MOBILE4D
(WiSe 22/23 bis SoSe 2023)

Projektplenum
ECTS: 12

Termine:
wöchentlich Fr 08:00 - 10:00 MZH 5500 Plenum Präsenz

Schwerpunkt: AI, DMI, SQ, VMC

Thomas Dieter Barkowsky
03-IMPJ-SUTProjekt SUTURO
(WiSe 22/23 bis SoSe 2023)

Projektplenum
ECTS: 12

Termine:
wöchentlich Fr 08:00 - 10:00 MZH 5600 Plenum Präsenz

Schwerpunkt: AI

Michael Beetz

General Studies

Informationen zum Thema General Studies findet ihr auch hier: https://www.szi.uni-bremen.de/wp-content/uploads/2021/10/GSListe.pdf

IMGS - Veranstaltungen des Master-Studiengangs Informatik

VAKTitel der VeranstaltungDozentIn
03-06-M-315The birth of digital media from algorithmic art. Surveying 60 years
An astonishing story, told by one who is part of it

Seminar
ECTS: 6

Termine:
wöchentlich Di 14:00 - 18:00 MZH 1450 Seminar Präsenz
Frieder Nake
03-IBFW-TSTUDTeilnahme an Studien (Proband*innenstunden)
Participation in Studies

Seminar
ECTS: 1

Einzeltermine:
Do 17.11.22 11:00 - 12:00 SFG 0140

Zu Beginn jedes Semesters findet eine Infoveranstaltung statt, wo die Scheinkriterien für Versuchspersonen erläutert werden. Außerdem werden (aufbauend auf den Inhalten von WA1) Forschungsmethoden von Studien mit Versuchspersonen vermittelt.
Im weiteren Verlauf des Studiums sollen Studierende 15 Versuchspersonenstunden absolvieren (d.h. an mehreren Studien teilnehmen). Jede Studienteilnahme wird mit Versuchspersonenstunden vergütet, die in ECTS anerkannt werden können. Die Versuchspersonenstunden können über mehre Semester gesammelt werden.
Die Teilnahme an den Studien soll in einer schriftlichen Ausarbeitung dokumentiert und reflektiert werden.



At the beginning of each semester, an information session is held where the certificate criteria for subjects are explained. In addition, research methods of studies with test subjects are taught (building on the contents of WA1).

Later in the program, students are expected to complete 15 subject hours (i.e., participate in different studies). Each study participation is compensated with subject hours, which can be recognized in ECTS. The subject hours may be accumulated over multiple semesters.

Participation in the studies should be documented and reflected upon in a written paper at the end.
The selection of participants is made manually after registration.

Users who wish to register for this event will receive more detailed information and can then still decide against participation.

Prof. Dr. Tanja Döring
Prof. Dr. Rainer Malaka
Dr. Susanne Putze
Dr. Dmitry Alexandrovsky

Veranstaltungen aus anderen Studiengängen (Auswahl)

VAKTitel der VeranstaltungDozentIn
04-326-FT-041Material-integrierte Sensorische Systeme (MISS) mit Labor
Material-Integrated Sensoric Systems (MISS), incl. Lab-Exercise
Online Kurs mit interaktiven Übungen - Labor @home und vor Ort nV!

Kurs
ECTS: 6

Termine:
wöchentlich Mi 14:00 - 17:00

Die Teilnahme an der Veranstaltung soll Studenten interdisziplinär einen praxisnahen und system-orientierten Zugang für die Modellierung, den Entwurf und die Anwendung von material-eingebetteten oder material-applizierten Sensorischen Systemen bieten, die aufgrund der technischen Realisierung und des Einsatzes spezielle Anforderungen an die Datenverarbeitung stellen und ein Verständnis des Gesamtsystems (inklusive Aspekte der Materialwissenschaften und Technologien) voraussetzen. Diese neuen Sensorischen Materialen finden z. B. in der Robotik (Kognition) oder in der Produktionstechnik für die Material- und Produktüberwachung Anwendung.

Sensorischen Materialien sind charakterisiert durch eine starke Kopplung von Sensorik, Datenverarbeitung, und Kommunikation und bestehen aus einem Trägerwerkstoff, der u. U. eine mechanisch tragende Struktur darstellen kann, und aus eingebetteten Sensornetzwerken, die neben Sensoren auch Elektronik für die Sensorsignalverarbeitung, Datenverarbeitung, Kommunikation, und Kommunikations- und Energieversorgungsnetzwerke integrieren.

Die Lehrinhalte und die folgenden Kompetenzen sollen praxisnah mit einem Labor und einem Hardwarepraktikum im Sinne des Forschenden Lernens erworben werden, wo Programmierung, Sensorverabeitung, und Entwurf von Sensornetzwerken anhand verschiedener Themen erlernt werden.

  • Grundverständnis des technischen Aufbaus und der Funktionweise von Sensorischen Materialien

  • Elektronische Signalverarbeitung von Sensoren, Mechanisches Verhalten, Einfluss von Sensoren und Elektronik auf mechanische Eigenschaften des Trägermaterials

  • Datenverarbeitung mit eingebetteten Systemen in Sensornetzwerken unter harten Randbedingungen wie limitierten Energieangebot, Rechenleistung und Speicher, Fehleranfälligkeit

  • Parallele und verteilte Datenverarbeitung geeignet für low-resource Sensornetzwerke: Architekturen, Kommunikation, Kooperation, Wettbewerb um Ressourcen, Programmiermodelle

  • Grundlagen der Robustheit, Fehlernanalyse, und Redundanz in solchen Sensornetzwerken

PD Dr. Stefan Bosse

General Studies/Veranstaltungen anderer Studiengänge - alt

Bachelor-Studierende nach der PO 2009/10 müssen mindestens zwei Module General Studies erfolgreich absolvieren. Nähere Informationen dazu unter: www.szi.uni-bremen.de/lehre/general-study. Zusätzlich zu den nachfolgend aufgeführten Veranstaltungen gelten auch die Angebote der \"General Studies\" (soweit diese nicht inhaltlich mit den Lehrveranstaltungen des Studiengangs Informatik überlappen).

General Studies/Veranstaltungen von anderen Studiengängen

VAKTitel der VeranstaltungDozentIn
03-IBFW-PROMAN (03-GS-509.14)Projektmanagement Seminar

Blockveranstaltung
ECTS: 2

Die Anmeldung für dieses Seminar läuft über die Bachelor Projekte bzw. Ute Bormann.
Das Seminar findet online statt, voraussichtlich am 26.11. und 10.12.

Ute Bormann
Thomas Wittpahl

Graduiertenseminare

VAKTitel der VeranstaltungDozentIn
03-05-H-708.92Graduate Seminar Computer Graphics and Virtual Reality

Seminar

Termine:
wöchentlich Mo 14:00 - 16:00 Graduiertenseminar

Das Graduiertenseminar findet immer am 1. Montag des Monats im MZH 3470, von 14 bis ca. 18 Uhr, statt.

Prof. Dr. Gabriel Zachmann
03-05-H-711.90SFB/IQN-Colloquium Spatial Cognition (in englischer Sprache)

Colloquium

Termine:
wöchentlich Fr 15:15 - 16:45 Kolloquium
Prof. John Arnold Bateman, Ph.D.
Kerstin Schill
03-IGRAD-AGBS (03-05-H-702.91)Graduiertenseminar Test und Modellprüfung

Colloquium

Termine:
wöchentlich Fr 13:00 - 15:00 Seminar
Prof. Dr. Jan Peleska
03-IGRAD-agdb (03-05-H-703.91)Graduiertenseminar Datenbanksysteme

Seminar

Termine:
wöchentlich Fr 14:00 - 16:00 (2 SWS) Graduiertenseminar
Martin Gogolla
03-IGRAD-AGDM (03-05-H-804.93)Graduiertenseminar Digitale Medien

Colloquium

Termine:
wöchentlich Mi 11:00 - 12:00
Prof. Dr. Rainer Malaka
03-IGRAD-AGIM (03-05-H-805.91)Graduiertenseminar IT- und Wissensmanagement

Seminar

Termine nach Vereinbarung

Prof. Dr. Andreas Breiter
03-IGRAD-agki (03-05-H-605.91)Graduiertenseminar Theorie der Künstlichen Intelligenz

Seminar

Termine:
wöchentlich Mi 14:00 - 16:00 (2 SWS) Graduiertenseminar
N. N.
03-IGRAD-agmsis (03-05-H-709.91)Graduiertenseminar Multisensorische interaktive Systeme

Seminar

nach Vereinbarung

Udo Frese
03-IGRAD-AGRA (03-05-H-701.91)Graduiertenseminar Rechnerarchitektur

Seminar

Das Graduiertenseminar findet nach Vereinbarung statt.

Prof. Dr. Rolf Drechsler
03-IGRAD-AGRN (03-05-H-704.91)Graduiertenseminar Rechnernetze

Seminar

Termine:
wöchentlich Fr 14:00 - 16:00 Seminar
Ute Bormann
03-IGRAD-AGROBO (03-05-H-712.91)Graduiertenseminar Robotik

Seminar

Termine:
wöchentlich Mi 13:00 - 14:00 (1 SWS) Graduiertenseminar
Frank Kirchner
Dr. Elsa Kirchner
03-IGRAD-CoSy (03-05-H-711.91)Graduiertenseminar Cognitive Systems (in englischer Sprache)

Seminar

Termine:
zweiwöchentlich (Startwoche: 16) Mi 14:00 - 17:00 Graduiertenseminar
Thomas Dieter Barkowsky
03-IGRAD-CSL (03-05-H-711.93)Graduiertenseminar Spezielle Themen der Kognitiven Systeme

Seminar

nach Vereinbarung

Tanja Schultz
03-IGRAD-CSLogGraduiertenseminar Combinatorial Optimization

Seminar

nach Vereinbarung

Prof. Dr. Nicole Megow
03-IGRAD-HCI (03-05-H-801.91)Graduiertenseminar Mensch-Computer-Interaktion

Seminar

Termine:
wöchentlich Di 16:00 - 18:00
Prof. Dr. Tanja Döring
03-IGRAD-softtech (03-05-H-706.92)Graduiertenseminar Softwaretechnik

Seminar

nach Vereinbarung

Prof. Dr. Rainer Koschke
03-IGRAD-ThI (03-05-H-601.91)Graduiertenseminar Theoretische Informatik

Seminar

Das Graduiertenseminar findet nach Vereinbarung statt.

Hans-Jörg Kreowski
Dr. Sabine Kuske

Veranstaltungen für andere Studiengänge

VAKTitel der VeranstaltungDozentIn
META-2022/IF-G-09Grundkurs Datenschutz
Basiswissen und Anwendung des Datenschutzes in einer betrieblichen Organisation

Blockveranstaltung
ECTS: 1-3

Einzeltermine:
Fr 28.10.22 16:00 - 18:30 Online-Kurs
Sa 29.10.22 10:00 - 13:00 Online-Kurs
Sa 29.10.22 14:00 - 16:30 Online-Kurs
Fr 04.11.22 16:00 - 18:30 Online-Kurs
Sa 05.11.22 10:00 - 13:00 Online-Kurs
Sa 05.11.22 14:00 - 16:30 Online-Kurs

In diesem Online-Kurs können Teilnehmende die Inhalte der DSGVO, die Verantwortlichkeit der Beteiligten bei der Datenverarbeitung und den systematischen Aufbau eines betrieblichen Datenschutzkonzeptes kennenlernen.
Anhand von ausgewählten Beispielen wird ein Datenschutzkonzept einer betrieblichen Organisation entwickelt.
Dieses General Studies-Lehrangebot richtet sich an Studentinnen aller Fächer als Einführung in das Thema.

Kursinhalte:

Grundlagen des Datenschutzes
• Aufbau und Inhalte von DSGVO und BDSG
• Rechtmäßigkeit der Verarbeitung
• Datenschutz und Informationssicherheit
• Gewährleistungsziele des Datenschutzes

Praktische Umsetzung des Datenschutzes
• Privacy by Design und Privacy by Default
• Rechte Betroffener
• Anonymisierung und Pseudonymisierung
• Technische und organisatorische Maßnahmen nach DS-GVO

Datenschutzmanagement
• Das Standard-Datenschutzmodell (DSK)
• IT-Sicherheitsstandards (ISO 27001, BSI)

Konformität und Sanktion
• Aufgabenbereich und Zuständigkeiten von Datenschutzbeauftragten
• Sanktionen nach DSGVO und BDSG

Termine:
Freitag, 28.10.22, 16.00 Uhr bis 18.30 Uhr (Vortrag)
Samstag, 29.10.22, 10.00 Uhr bis 13.00 Uhr und 14.00 Uhr bis 16.30 Uhr (Vortrag und Teamwork)
Freitag, 04.11.22, 16.00 Uhr bis 18.30 Uhr (Vortrag)
Samstag, 05.11.22, 10.00 Uhr bis 13.00 Uhr und 14.00 Uhr bis 16.30 Uhr (Vortrag und Teamwork)
sowie Abschlussprojekt

Anmeldung über Stud.IP.

Selma Gebhardt
META-2022/IF-G-10Grundkurs Datenschutz
Basiswissen und Anwendung des Datenschutzes in einer betrieblichen Organisation

Blockveranstaltung
ECTS: 1-3

Einzeltermine:
Fr 09.12.22 16:00 - 18:30 Online-Kurs
Sa 10.12.22 10:00 - 13:00 Online-Kurs
Sa 10.12.22 14:00 - 16:30 Online-Kurs
Fr 16.12.22 16:00 - 18:30 Online-Kurs
Sa 17.12.22 10:00 - 13:00 Online-Kurs
Sa 17.12.22 14:00 - 16:30 Online-Kurs

In diesem Online-Kurs können Teilnehmende die Inhalte der DSGVO, die Verantwortlichkeit der Beteiligten bei der Datenverarbeitung und den systematischen Aufbau eines betrieblichen Datenschutzkonzeptes kennenlernen.
Anhand von ausgewählten Beispielen wird ein Datenschutzkonzept einer betrieblichen Organisation entwickelt.
Dieses General Studies-Lehrangebot richtet sich an Studentinnen aller Fächer als Einführung in das Thema.

Kursinhalte:

Grundlagen des Datenschutzes
• Aufbau und Inhalte von DSGVO und BDSG
• Rechtmäßigkeit der Verarbeitung
• Datenschutz und Informationssicherheit
• Gewährleistungsziele des Datenschutzes

Praktische Umsetzung des Datenschutzes
• Privacy by Design und Privacy by Default
• Rechte Betroffener
• Anonymisierung und Pseudonymisierung
• Technische und organisatorische Maßnahmen nach DS-GVO

Datenschutzmanagement
• Das Standard-Datenschutzmodell (DSK)
• IT-Sicherheitsstandards (ISO 27001, BSI)

Konformität und Sanktion
• Aufgabenbereich und Zuständigkeiten von Datenschutzbeauftragten
• Sanktionen nach DSGVO und BDSG

Termine:
Freitag, 09.12.22, 16.00 Uhr bis 18.30 Uhr (Vortrag)
Samstag, 10.12.22, 10.00 Uhr bis 13.00 Uhr und 14.00 Uhr bis 16.30 Uhr (Vortrag und Teamwork)
Freitag, 16.12.22, 16.00 Uhr bis 18.30 Uhr (Vortrag)
Samstag, 17.12.22, 10.00 Uhr bis 13.00 Uhr und 14.00 Uhr bis 16.30 Uhr (Vortrag und Teamwork)
sowie Abschlussprojekt

Anmeldung über Stud.IP.

Selma Gebhardt
META-2022/IF-P-12Einführung in Python

Blockveranstaltung
ECTS: 1

Einzeltermine:
Mo 21.11.22 09:00 - 12:30 MZH 0.245 (MIR)
Mo 21.11.22 13:30 - 16:00 MZH 0.245 (MIR)
Di 22.11.22 09:00 - 12:30 MZH 0.245 (MIR)
Di 22.11.22 13:30 - 16:00 MZH 0.245 (MIR)

Termine: Mo 21. November - Di 22. November 2022
jeweils von 9.00-12.30 Uhr und von 13.30-16.00 Uhr (mit Pausen in den beiden Blöcken)
Präsenz-Praktikum im Raum MZH 0.245 (MIR)

Der Kurs richtet sich an Teilnehmerinnen mit keinen bzw geringen Programmierkenntnissen.

Python ist eine Programmiersprache, die auf Klarheit und Einfachheit setzt. Sie hat niedrige Einstiegshürden und lässt sich vielfältig in den Wissenschaften einsetzen. Dadurch ermöglicht sie es, viele Programmierprobleme mit geringem Aufwand zu lösen.

Das Ziel ist es, die grundlegenden Konzepte der Programmiersprache Python zu verstehen und anwenden zu können. Zu diesem Zweck wird es zu jedem Bereich Übungseinheiten geben.

Inhalt der Lehrveranstaltung:
  • Grundlegende Programmierung in Python
  • Datenstrukturen in Python
  • Grundlagen der objektorientierten Programmierung in Python
  • Installation und Einsatz von Zusatzpaketen
  • Ein- und Ausgabe
  • Fehlerbehandlung

Anmeldung über Stud.IP.

Anke Böthig

Sonstige Veranstaltungen ohne Kreditpunkte

VAKTitel der VeranstaltungDozentIn
03-05-G-709.65Spiele-AG

Seminar

Termine:
wöchentlich Mo 18:00 - 20:00 (1 SWS) Sitzung


Prof. Dr. Rainer Malaka
03-D-800.01EDM Journal Club (in englischer Sprache)

Seminar

Einzeltermine:
Mo 10.02.20 14:00 - 16:00 MZH 5300

Veranstaltung für Doktoranten, jeden 1. Montag im Monat von 14-16h in Raum 5300.

Robert Porzel
Sebastian Höffner
Dr. Nina Wenig
Prof. Dr. Rainer Malaka
03-IB-CSPCoding-Support-Projekt

Seminar

Termine:
wöchentlich Do 16:00 - 18:00 MZH 5600

Wir sind Johanna, Jethro und Pascal, 3 engagierte Studierende der Wirtschaftsinformatik und Informatik, und in dieser Veranstaltung wollen wir euch bei dem Einstieg in die Programmierung unterstützen,
indem wir in einem lockeren Rahmen Donnerstags von 16-18 Uhr mit euch gemeinsam Java üben.

Wir bringen euch kleine und größere Aufgaben mit, die wir dann gemeinsam lösen. Dabei richten wir uns besonders an Anfänger*innen.

Gegen Ende der Veranstaltungszeit möchten wir gerne kleine Exkursthemen einbringen, so wollen wir euch z.B. eine Einführung in die GUI-Programmierung geben.

Sehr gerne könnt ihr auch eigene Ideen an Aufgaben oder Inhalten mitbringen, die ihr noch nicht vollständig verstanden habt oder die euch vielleicht besonders interessieren.

Die Veranstaltung richtet sich in erster Linie an alle Studierenden, die gerade PI1 belegen.
Wir können euch für diese Veranstaltung keine CPs geben, seht es aber als Chance nicht nur eure Kommiliton*innen kennenzulernen, sondern auch Unterstützung beim Programmieren zu bekommen oder auch einfach nur als entspanntes zusammensitzen und gemeinsam coden.

Bitte nicht wundern:
Wir starten erst in der 2.Woche (27.10.2022) und treffen uns im Raum 5600.

Unsere Email-Adresse bei Fragen: coding-projekt@groups.uni-bremen.de

Karsten Hölscher

Veranstaltungen von anderen Studiengängen

VAKTitel der VeranstaltungDozentIn
10-GS-2-05; "Ringvorlesung und Workshop"Eine Uni, ein Buch: Gedichtalternativen für Deutschland

Vorlesung
ECTS: 2 (oder mehr)

Termine:
wöchentlich Di 16:15 - 17:45 (2 SWS)

Diese ganz besondere Veranstaltung steht im Zusammenhang mit dem vom Stifterverband ausgelobten Projekt "Eine Uni, ein Buch". Unser Universität Bremen-Projekt heißt "Gedichtalternativen für Deutschland" (vgl. https://www.stifterverband.org/eine-uni-ein-buch/2022). Anders als üblich gibt es das zu lesende Buch für "eine Uni, ein Buch" aber noch gar nicht. Dieses entsteht gerade erst, in dieser Veranstaltung.

Wir laden Sie also ganz herzlich ein, an diesem einmaligen Projekt aktiv mitzuwirken!

Im Sommer haben wir Lehrerinnen und Lehrer an Bremer Schulen, ihre Klassen, Studierende hier an der Uni sowie Kolleginnen und Kollegen gebeten, uns Gedichte einzureichen, die man heutzutage, gerade heutzutage nicht nur in den Schulen lesen sollte. Eine ganze Reihe von Leuten hat darauf reagiert, und wir haben eine erste Sammlung von Gedichten, die unterschiedlicher und interessanter nicht sein könnten. Das sind sie also, unsere „Gedichtalternativen für Deutschland“.

Unsere Veranstaltung hat deshalb den Charakter einer Ringvorlesung, weil wir die Menschen, die uns Gedichte eingereicht und vorgeschlagen haben, bitten werden, uns die Gedichte und die Gründe, sie heute für besonders wichtig zu halten, vorzustellen.

Und sie hat den Charakter eines Workshops, weil wir die Gedichte, ihre Kontexte, Hintergründe, mögliche Deutungen und eben diese Gründe für ihre Relevanz gemeinsam diskutieren wollen. Das genaue Programm stimmen wir gerade mit den Gedichte-Vorschlagenden ab, wir geben es hier in Stud.IP bekannt, sobald es fertig ist.

Fest steht aber jetzt schon: Wir haben einen Veranstaltungsraum (SFG 2070), den wir / Sie nutzen können, unsere Dienstagsveranstaltungen werden aber auch digital (per Zoom) zugänglich sein. Die Auftaktveranstaltung am 18. Oktober wird im Rahmen von Campus City stattfinden, ab 17 Uhr in der Markthalle 8 am Domshof in der Innenstadt (vgl. https://www.uni-bremen.de/campus-city).

Die aktive Teilnahme an unserer Veranstaltung bringt Ihnen 2 General Studies- oder Schlüsselqualifikationen-CPs, allerdings keine Note. Wir kooperieren aber mit einem curricularen Seminar, an dem auch Sie als Teilnehmer*innen unseres Workshops mitarbeiten, wo Sie weitere CPs erwerben und ggf. eine (benotete) Prüfung ablegen können. Dieses Kooperationsseminar findet jeweils donnerstags von 10:15 bis 11:45 Uhr statt, ebenfalls im Raum SFG 2070. Hier wollen und werden wir das in Workshop und Ringvorlesung Vorgestellte diskutieren, vertiefen und dokumentieren -- und gemeinsam weitere Gedichtvorschläge entwickeln und realisieren. Am Ende dieses Seminars wird das im Projekt "Eine Uni, ein Buch" zu lesende Buch vielleicht noch nicht ganz fertig, aber doch entscheidend vorangekommen sein.

Sabine Oda Doff
Dr. Uwe Spörl

Mathematics, M.Sc.

Area of Specialization: Algebra

Modules: Specialization (A, B, and C with 9 CP each)

The modules Specialization A and Specialization B are compulsory modules (2 x 9 CP = 18 CP). The module Specialization C (9 CP) is a compulsory elective module. This semester you can choose from the following lectures:
VAKTitel der VeranstaltungDozentIn
03-IMAT-AU (03-ME-602.99c)Algorithms and Uncertainty (in englischer Sprache)

Kurs
ECTS: 6 (9)

Termine:
wöchentlich Di 12:00 - 14:00 MZH 1470 Kurs Präsenz
wöchentlich Do 14:00 - 16:00 MZH 1470 Kurs Präsenz

Profil: SQ
Schwerpunkt: IMA-SQ, IMA-AI

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
Dr. Felix Christian Hommelsheim
03-M-SP-7Commutative Algebra

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 7200 Lecture
wöchentlich Mi 14:00 - 16:00 MZH 7200 Lecture
wöchentlich Do 14:00 - 16:00 MZH 7200 Exercise
Anastasios Stefanou

Modules: Diversification (A, B, and C with 9 CP each)

The modules Diversification A and Diversification B are compulsory modules (2 x 9 CP = 18 CP). The module Diversification C (9 CP) is a compulsory elective module. This semester you can choose from the following lectures:
VAKTitel der VeranstaltungDozentIn
03-M-MDAIP-1Mathematical Foundations of Data Analysis (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 08:00 - 10:00 MZH 4140 Lecture
wöchentlich Mo 10:00 - 12:00 MZH 4140 Exercise
wöchentlich Mi 08:00 - 10:00 MZH 1100 Lecture
Peter Maaß
03-M-NPDE-1Numerical Methods for Partial Differential Equations (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 MZH 2340 Exercise
wöchentlich Di 10:00 - 12:00 MZH 2340 Lecture
wöchentlich Do 10:00 - 12:00 MZH 2340 Lecture
Prof. Dr. Andreas Rademacher
03-M-SP-1Inverse Problems (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 2340 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 2340 Exercise
wöchentlich Fr 10:00 - 12:00 MZH 2340 Lecture
Peter Maaß
Dr. Matthias Beckmann
03-M-SP-2Basics of Mathematical Statistics (Statistics I) (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 08:00 - 10:00 MZH 1100 Lecture
wöchentlich Do 08:00 - 10:00 MZH 1100 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 1450 Exercise
Prof. Dr. Werner Brannath
03-M-SP-3Mathematical Foundations of Deep Learning (in englischer Sprache)

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mo 08:00 - 12:00 MZH 2340 Lecture/Exercise
wöchentlich Mi 08:00 - 10:00 MZH 2340 Lecture / Exercise
Sören Dittmer
03-M-SP-5Theory of Nonparametric Tests (Statistics III) (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 10:00 - 12:00 MZH 1100 Lecture
wöchentlich Do 10:00 - 12:00 MZH 4140 Lecture
wöchentlich Do 16:00 - 18:00 MZH 4140 Exercise
Prof. Dr. Thorsten-Ingo Dickhaus
03-M-SP-6Algorithmic Game Theory (in englischer Sprache)

Vorlesung
ECTS: 9 (6)

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 4140 Exercise
wöchentlich Do 12:00 - 14:00 MZH 2340 Lecture
wöchentlich Fr 12:00 - 14:00 MZH 2340 Lecture

Many every-day processes can seen as a game between autonomous interacting players, where each player acts stategically in order to pursue her own objectives. This lecture is an introduction to game-theoretic concepts and techniques, mainly with connections to applications. Use-cases are distributed systems, auctions, online-markets, resource allocation, traffic routing, and sports. The goal of the lecture is to provide an overview over state-of-the-art results in the area of algorithmic game theory. Main topics that we will cover in the course are games in normal form, efficiency of equilibria, auctions, truthfulness and VCG-mechanisms, social choice, cake cutting, and cooperative games.

The lectures and homework sheets will be in English language. If all participants agree, the exercise session could be held in German. If there is an oral exam, the language can be chosen by the candidate. In case of a written exam the questions will be in English, answering them in German or English is fine.

Prof. Dr. Daniel Schmand
03-M-SP-8Sampling Theory and Methods (in englischer Sprache)

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mi 08:00 - 10:00 MZH 7200 Lecture / Exercise
wöchentlich Fr 14:00 - 16:00 MZH 7200 Lecture
Maryam Movahedifar
03-M-SP-9Introduction to Nonlinear Optimization and Optimal Control (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 Lecture
wöchentlich Di 08:00 - 10:00 Lecture
wöchentlich Di 14:00 - 16:00 Exercise

Die Veranstaltung findet im NEOS Gebäude statt.

Prof. Dr. Christof Büskens
04-M30-CP-SFT-3Trajectory Optimization (in englischer Sprache)

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mo 14:00 - 17:00 GW1 B0100
Matthias Knauer
Prof. Dr. Christof Büskens

Module: Advanced Communications A (2 x 4,5 CP = 9 CP)

Compulsory module in the area of specialization in which you must attend a total of two seminars with 4,5 CP each. This semester you can choose from the following seminars:
VAKTitel der VeranstaltungDozentIn
03-M-AC-9Knots, the Universe and Everything (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Di 14:00 - 16:00 MZH 7200 Seminar
Dr. Tim Haga

Module: Advanced Communications B (2 x 4,5 CP = 9 CP)

Compulsory module in the area of diversification and in which you must attend a total of two seminars with 4,5 CP each. This semester you can choose from the following seminars:
VAKTitel der VeranstaltungDozentIn
03-M-AC-1Numerical Methods for Partial Differential Equations (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mo 16:00 - 18:00 MZH 2340 Seminar
Alfred Schmidt
03-M-AC-2High-Performance-Visualisierung (in englischer Sprache)
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 1100 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-3Semiparametric Statistics (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Do 14:00 - 16:00 MZH 2340 Seminar

Statistical problems are described by statistical models. This means interpreting the data as realizations of random variables whose unconditional or conditional densities are described and estimated by statistical (regression) models. These models are usually identified by a set of parameters, which can be finite but also infinite dimensional. For this purpose, there are usually three types of possible models, depending on the structure of the data and the problem at hand: parametric, nonparametric, and semiparametric. A semiparametric model is characterized by the inclusion of both finite dimensional parametric and infinite dimensional nonparametric components. The main interest is usually in the finite dimensional parametric component, with the infinite dimensional component being co-estimated for the purpose of statistical inference and efficiency. In this seminar we will study the definition, properties, and applications of semiparametric models. Examples of semiparametric models include single-index models and Cox regression models for censored survival time data. We will also consider approaches to dealing with missing information in data sets. The use of semiparametric models plays a major role for medical studies, for example.

Prerequisites for participation in the seminar are basic knowledge of mathematical statistics (e.g. from Statistics 1) and of regression models (e.g. from Statistics 2). English speaking students are welcome.

In order to gain a good insight into the extensive theory of semi-parametric models, we will use the master thesis by Karel Vermeulen as our primary literature and study the chapters that are important for us in more detail, presenting the knowledge gained through the thesis in the form of individual presentations.

A list with the name of the thesis and further literature can be found below.

  • Master thesis of Karel Vermeulen. Semiparametric Efficiency
  • A. W. van der Vaart. Asymptotic Statistics. Cambridge Series in Statistical and Probabilistic Mathematics. Cambridge University Press, 1998.
  • A. W. van der Vaart. ”On Differentiable Functionals“. In: Ann. Statist. 19.1 (März 1991), S. 178–204.
  • Tsiatis, Anastasios. Semiparametric Theory and Missing Data. Vereinigtes Königreich, Springer New York, 2010.

Prof. Dr. Werner Brannath
03-M-AC-4Mathematical Modelling and Scientific Computing (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 6200 Seminar
Prof. Dr. Andreas Rademacher
03-M-AC-6Mathematical Foundations of AI (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mi 11:00 - 12:00 MZH 2340 Seminar
Sören Dittmer
03-M-AC-7Advanced Topics in Statistics (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Di 16:00 - 18:00 BIPS 1550 Seminar

regelmäßige Veranstaltung dienstags 14-16 im BIPS Raum 1550.

Prof. Dr. Vanessa Didelez
03-M-AC-8Combinatorial Optimization: Introduction and Algorithms (in englischer Sprache)
Application of Optimization and Optimal Control

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mo 10:00 - 12:00 Seminar

Die Veranstaltung findet im NEOS Gebäude statt.

Prof. Dr. Christof Büskens
Dr. Amin Mallek
03-M-AC-10Dirichlet Forms on Graphs (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Fr 12:00 - 14:00 MZH 4140 Seminar
PD Dr. Hendrik Vogt
03-M-MKOM-3Fourier-Analysis
(Proseminar / Seminar)

Kurs
ECTS: 3 / 4,5 / 5 / 6

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 4140 (Pro)Seminar
Prof. Dr. Marc Keßeböhmer

Module: Reading Course A (9 CP)

Compulsory module in the area of specialization and with the following course:
VAKTitel der VeranstaltungDozentIn
03-M-RC-ALGReading Course Algebra (in englischer Sprache)

Seminar
ECTS: 9
Prof. Dr. Dmitry Feichtner-Kozlov
N. N.

Module: Reading Course B (9 CP)

Compulsory module either in the area of specialization or area of diversification and with the following courses:
VAKTitel der VeranstaltungDozentIn
03-M-RC-ALGReading Course Algebra (in englischer Sprache)

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

Seminar
ECTS: 9

Termine:
wöchentlich Di 16:00 - 18:00 MZH 4140
Prof. Dr. Anke Dorothea Pohl
03-M-RC-NUMReading Course Numerical Analysis

Seminar
ECTS: 9
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

Area of Specialization: Analysis

Modules: Specialization (A, B, and C with 9 CP each)

The modules Specialization A and Specialization B are compulsory modules (2 x 9 CP = 18 CP). The module Specialization C (9 CP) is a compulsory elective module. This semester you can choose from the following lectures:
VAKTitel der VeranstaltungDozentIn
03-M-SP-1Inverse Problems (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 2340 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 2340 Exercise
wöchentlich Fr 10:00 - 12:00 MZH 2340 Lecture
Peter Maaß
Dr. Matthias Beckmann

Modules: Diversification (A, B, and C with 9 CP each)

The modules Diversification A and Diversification B are compulsory modules (2 x 9 CP = 18 CP). The module Diversification C (9 CP) is a compulsory elective module. This semester you can choose from the following lectures:
VAKTitel der VeranstaltungDozentIn
03-IMAT-AU (03-ME-602.99c)Algorithms and Uncertainty (in englischer Sprache)

Kurs
ECTS: 6 (9)

Termine:
wöchentlich Di 12:00 - 14:00 MZH 1470 Kurs Präsenz
wöchentlich Do 14:00 - 16:00 MZH 1470 Kurs Präsenz

Profil: SQ
Schwerpunkt: IMA-SQ, IMA-AI

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
Dr. Felix Christian Hommelsheim
03-M-MDAIP-1Mathematical Foundations of Data Analysis (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 08:00 - 10:00 MZH 4140 Lecture
wöchentlich Mo 10:00 - 12:00 MZH 4140 Exercise
wöchentlich Mi 08:00 - 10:00 MZH 1100 Lecture
Peter Maaß
03-M-NPDE-1Numerical Methods for Partial Differential Equations (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 MZH 2340 Exercise
wöchentlich Di 10:00 - 12:00 MZH 2340 Lecture
wöchentlich Do 10:00 - 12:00 MZH 2340 Lecture
Prof. Dr. Andreas Rademacher
03-M-SP-2Basics of Mathematical Statistics (Statistics I) (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 08:00 - 10:00 MZH 1100 Lecture
wöchentlich Do 08:00 - 10:00 MZH 1100 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 1450 Exercise
Prof. Dr. Werner Brannath
03-M-SP-3Mathematical Foundations of Deep Learning (in englischer Sprache)

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mo 08:00 - 12:00 MZH 2340 Lecture/Exercise
wöchentlich Mi 08:00 - 10:00 MZH 2340 Lecture / Exercise
Sören Dittmer
03-M-SP-5Theory of Nonparametric Tests (Statistics III) (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 10:00 - 12:00 MZH 1100 Lecture
wöchentlich Do 10:00 - 12:00 MZH 4140 Lecture
wöchentlich Do 16:00 - 18:00 MZH 4140 Exercise
Prof. Dr. Thorsten-Ingo Dickhaus
03-M-SP-6Algorithmic Game Theory (in englischer Sprache)

Vorlesung
ECTS: 9 (6)

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 4140 Exercise
wöchentlich Do 12:00 - 14:00 MZH 2340 Lecture
wöchentlich Fr 12:00 - 14:00 MZH 2340 Lecture

Many every-day processes can seen as a game between autonomous interacting players, where each player acts stategically in order to pursue her own objectives. This lecture is an introduction to game-theoretic concepts and techniques, mainly with connections to applications. Use-cases are distributed systems, auctions, online-markets, resource allocation, traffic routing, and sports. The goal of the lecture is to provide an overview over state-of-the-art results in the area of algorithmic game theory. Main topics that we will cover in the course are games in normal form, efficiency of equilibria, auctions, truthfulness and VCG-mechanisms, social choice, cake cutting, and cooperative games.

The lectures and homework sheets will be in English language. If all participants agree, the exercise session could be held in German. If there is an oral exam, the language can be chosen by the candidate. In case of a written exam the questions will be in English, answering them in German or English is fine.

Prof. Dr. Daniel Schmand
03-M-SP-7Commutative Algebra

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 7200 Lecture
wöchentlich Mi 14:00 - 16:00 MZH 7200 Lecture
wöchentlich Do 14:00 - 16:00 MZH 7200 Exercise
Anastasios Stefanou
03-M-SP-8Sampling Theory and Methods (in englischer Sprache)

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mi 08:00 - 10:00 MZH 7200 Lecture / Exercise
wöchentlich Fr 14:00 - 16:00 MZH 7200 Lecture
Maryam Movahedifar
03-M-SP-9Introduction to Nonlinear Optimization and Optimal Control (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 Lecture
wöchentlich Di 08:00 - 10:00 Lecture
wöchentlich Di 14:00 - 16:00 Exercise

Die Veranstaltung findet im NEOS Gebäude statt.

Prof. Dr. Christof Büskens
04-M30-CP-SFT-3Trajectory Optimization (in englischer Sprache)

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mo 14:00 - 17:00 GW1 B0100
Matthias Knauer
Prof. Dr. Christof Büskens

Module: Advanced Communications A (2 x 4,5 CP = 9 CP)

Compulsory module in the area of specialization and in which you must attend a total of two seminars with 4,5 CP each. This semester you can choose from the following seminars:
VAKTitel der VeranstaltungDozentIn
03-M-AC-10Dirichlet Forms on Graphs (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Fr 12:00 - 14:00 MZH 4140 Seminar
PD Dr. Hendrik Vogt
03-M-MKOM-3Fourier-Analysis
(Proseminar / Seminar)

Kurs
ECTS: 3 / 4,5 / 5 / 6

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 4140 (Pro)Seminar
Prof. Dr. Marc Keßeböhmer

Module: Advanced Communications B (2 x 4,5 CP = 9 CP)

Compulsory module in the area of diversification and in which you must attend a total of two seminars with 4,5 CP each. This semester you can choose from the following seminars:
VAKTitel der VeranstaltungDozentIn
03-M-AC-1Numerical Methods for Partial Differential Equations (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mo 16:00 - 18:00 MZH 2340 Seminar
Alfred Schmidt
03-M-AC-2High-Performance-Visualisierung (in englischer Sprache)
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 1100 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-3Semiparametric Statistics (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Do 14:00 - 16:00 MZH 2340 Seminar

Statistical problems are described by statistical models. This means interpreting the data as realizations of random variables whose unconditional or conditional densities are described and estimated by statistical (regression) models. These models are usually identified by a set of parameters, which can be finite but also infinite dimensional. For this purpose, there are usually three types of possible models, depending on the structure of the data and the problem at hand: parametric, nonparametric, and semiparametric. A semiparametric model is characterized by the inclusion of both finite dimensional parametric and infinite dimensional nonparametric components. The main interest is usually in the finite dimensional parametric component, with the infinite dimensional component being co-estimated for the purpose of statistical inference and efficiency. In this seminar we will study the definition, properties, and applications of semiparametric models. Examples of semiparametric models include single-index models and Cox regression models for censored survival time data. We will also consider approaches to dealing with missing information in data sets. The use of semiparametric models plays a major role for medical studies, for example.

Prerequisites for participation in the seminar are basic knowledge of mathematical statistics (e.g. from Statistics 1) and of regression models (e.g. from Statistics 2). English speaking students are welcome.

In order to gain a good insight into the extensive theory of semi-parametric models, we will use the master thesis by Karel Vermeulen as our primary literature and study the chapters that are important for us in more detail, presenting the knowledge gained through the thesis in the form of individual presentations.

A list with the name of the thesis and further literature can be found below.

  • Master thesis of Karel Vermeulen. Semiparametric Efficiency
  • A. W. van der Vaart. Asymptotic Statistics. Cambridge Series in Statistical and Probabilistic Mathematics. Cambridge University Press, 1998.
  • A. W. van der Vaart. ”On Differentiable Functionals“. In: Ann. Statist. 19.1 (März 1991), S. 178–204.
  • Tsiatis, Anastasios. Semiparametric Theory and Missing Data. Vereinigtes Königreich, Springer New York, 2010.

Prof. Dr. Werner Brannath
03-M-AC-4Mathematical Modelling and Scientific Computing (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 6200 Seminar
Prof. Dr. Andreas Rademacher
03-M-AC-6Mathematical Foundations of AI (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mi 11:00 - 12:00 MZH 2340 Seminar
Sören Dittmer
03-M-AC-7Advanced Topics in Statistics (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Di 16:00 - 18:00 BIPS 1550 Seminar

regelmäßige Veranstaltung dienstags 14-16 im BIPS Raum 1550.

Prof. Dr. Vanessa Didelez
03-M-AC-8Combinatorial Optimization: Introduction and Algorithms (in englischer Sprache)
Application of Optimization and Optimal Control

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mo 10:00 - 12:00 Seminar

Die Veranstaltung findet im NEOS Gebäude statt.

Prof. Dr. Christof Büskens
Dr. Amin Mallek
03-M-AC-9Knots, the Universe and Everything (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Di 14:00 - 16:00 MZH 7200 Seminar
Dr. Tim Haga

Module: Reading Course A (9 CP)

Compulsory module in the area of specialization and with the following course:
VAKTitel der VeranstaltungDozentIn
03-M-RC-ANAReading Course Analysis (in englischer Sprache)

Seminar
ECTS: 9

Termine:
wöchentlich Di 16:00 - 18:00 MZH 4140
Prof. Dr. Anke Dorothea Pohl

Module: Reading Course B (9 CP)

Compulsory module either in the area of specialization or area of diversification and with the following courses:
VAKTitel der VeranstaltungDozentIn
03-M-RC-ALGReading Course Algebra (in englischer Sprache)

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

Seminar
ECTS: 9

Termine:
wöchentlich Di 16:00 - 18:00 MZH 4140
Prof. Dr. Anke Dorothea Pohl
03-M-RC-NUMReading Course Numerical Analysis

Seminar
ECTS: 9
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

Area of Specialization: Numerical Analysis

Modules: Specialization (A, B, and C with 9 CP each)

The modules Specialization A and Specialization B are compulsory modules (2 x 9 CP = 18 CP). The module Specialization C (9 CP) is a compulsory elective module. This semester you can choose from the following lectures:
VAKTitel der VeranstaltungDozentIn
03-IMAT-AU (03-ME-602.99c)Algorithms and Uncertainty (in englischer Sprache)

Kurs
ECTS: 6 (9)

Termine:
wöchentlich Di 12:00 - 14:00 MZH 1470 Kurs Präsenz
wöchentlich Do 14:00 - 16:00 MZH 1470 Kurs Präsenz

Profil: SQ
Schwerpunkt: IMA-SQ, IMA-AI

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
Dr. Felix Christian Hommelsheim
03-M-MDAIP-1Mathematical Foundations of Data Analysis (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 08:00 - 10:00 MZH 4140 Lecture
wöchentlich Mo 10:00 - 12:00 MZH 4140 Exercise
wöchentlich Mi 08:00 - 10:00 MZH 1100 Lecture
Peter Maaß
03-M-NPDE-1Numerical Methods for Partial Differential Equations (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 MZH 2340 Exercise
wöchentlich Di 10:00 - 12:00 MZH 2340 Lecture
wöchentlich Do 10:00 - 12:00 MZH 2340 Lecture
Prof. Dr. Andreas Rademacher
03-M-SP-1Inverse Problems (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 2340 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 2340 Exercise
wöchentlich Fr 10:00 - 12:00 MZH 2340 Lecture
Peter Maaß
Dr. Matthias Beckmann
03-M-SP-3Mathematical Foundations of Deep Learning (in englischer Sprache)

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mo 08:00 - 12:00 MZH 2340 Lecture/Exercise
wöchentlich Mi 08:00 - 10:00 MZH 2340 Lecture / Exercise
Sören Dittmer
03-M-SP-6Algorithmic Game Theory (in englischer Sprache)

Vorlesung
ECTS: 9 (6)

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 4140 Exercise
wöchentlich Do 12:00 - 14:00 MZH 2340 Lecture
wöchentlich Fr 12:00 - 14:00 MZH 2340 Lecture

Many every-day processes can seen as a game between autonomous interacting players, where each player acts stategically in order to pursue her own objectives. This lecture is an introduction to game-theoretic concepts and techniques, mainly with connections to applications. Use-cases are distributed systems, auctions, online-markets, resource allocation, traffic routing, and sports. The goal of the lecture is to provide an overview over state-of-the-art results in the area of algorithmic game theory. Main topics that we will cover in the course are games in normal form, efficiency of equilibria, auctions, truthfulness and VCG-mechanisms, social choice, cake cutting, and cooperative games.

The lectures and homework sheets will be in English language. If all participants agree, the exercise session could be held in German. If there is an oral exam, the language can be chosen by the candidate. In case of a written exam the questions will be in English, answering them in German or English is fine.

Prof. Dr. Daniel Schmand
03-M-SP-9Introduction to Nonlinear Optimization and Optimal Control (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 Lecture
wöchentlich Di 08:00 - 10:00 Lecture
wöchentlich Di 14:00 - 16:00 Exercise

Die Veranstaltung findet im NEOS Gebäude statt.

Prof. Dr. Christof Büskens
04-M30-CP-SFT-3Trajectory Optimization (in englischer Sprache)

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mo 14:00 - 17:00 GW1 B0100
Matthias Knauer
Prof. Dr. Christof Büskens

Modules: Diversification (A, B, and C with 9 CP each)

The modules Diversification A and Diversification B are compulsory modules (2 x 9 CP = 18 CP). The module Diversification C (9 CP) is a compulsory elective module. This semester you can choose from the following lectures:
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 MZH 1100 Lecture
wöchentlich Do 08:00 - 10:00 MZH 1100 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 1450 Exercise
Prof. Dr. Werner Brannath
03-M-SP-5Theory of Nonparametric Tests (Statistics III) (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 10:00 - 12:00 MZH 1100 Lecture
wöchentlich Do 10:00 - 12:00 MZH 4140 Lecture
wöchentlich Do 16:00 - 18:00 MZH 4140 Exercise
Prof. Dr. Thorsten-Ingo Dickhaus
03-M-SP-7Commutative Algebra

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 7200 Lecture
wöchentlich Mi 14:00 - 16:00 MZH 7200 Lecture
wöchentlich Do 14:00 - 16:00 MZH 7200 Exercise
Anastasios Stefanou
03-M-SP-8Sampling Theory and Methods (in englischer Sprache)

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mi 08:00 - 10:00 MZH 7200 Lecture / Exercise
wöchentlich Fr 14:00 - 16:00 MZH 7200 Lecture
Maryam Movahedifar

Module: Advanced Communications A (2 x 4,5 CP = 9 CP)

Compulsory module in the area of specialization and in which you must attend a total of two seminars with 4,5 CP each. This semester you can choose from the following seminars:
VAKTitel der VeranstaltungDozentIn
03-M-AC-1Numerical Methods for Partial Differential Equations (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mo 16:00 - 18:00 MZH 2340 Seminar
Alfred Schmidt
03-M-AC-2High-Performance-Visualisierung (in englischer Sprache)
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 1100 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-4Mathematical Modelling and Scientific Computing (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 6200 Seminar
Prof. Dr. Andreas Rademacher
03-M-AC-6Mathematical Foundations of AI (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mi 11:00 - 12:00 MZH 2340 Seminar
Sören Dittmer
03-M-AC-8Combinatorial Optimization: Introduction and Algorithms (in englischer Sprache)
Application of Optimization and Optimal Control

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mo 10:00 - 12:00 Seminar

Die Veranstaltung findet im NEOS Gebäude statt.

Prof. Dr. Christof Büskens
Dr. Amin Mallek

Module: Advanced Communications B (2 x 4,5 CP = 9 CP)

Compulsory module in the area of diversification and in which you must attend a total of two seminars with 4,5 CP each. This semester you can choose from the following seminars:
VAKTitel der VeranstaltungDozentIn
03-M-AC-3Semiparametric Statistics (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Do 14:00 - 16:00 MZH 2340 Seminar

Statistical problems are described by statistical models. This means interpreting the data as realizations of random variables whose unconditional or conditional densities are described and estimated by statistical (regression) models. These models are usually identified by a set of parameters, which can be finite but also infinite dimensional. For this purpose, there are usually three types of possible models, depending on the structure of the data and the problem at hand: parametric, nonparametric, and semiparametric. A semiparametric model is characterized by the inclusion of both finite dimensional parametric and infinite dimensional nonparametric components. The main interest is usually in the finite dimensional parametric component, with the infinite dimensional component being co-estimated for the purpose of statistical inference and efficiency. In this seminar we will study the definition, properties, and applications of semiparametric models. Examples of semiparametric models include single-index models and Cox regression models for censored survival time data. We will also consider approaches to dealing with missing information in data sets. The use of semiparametric models plays a major role for medical studies, for example.

Prerequisites for participation in the seminar are basic knowledge of mathematical statistics (e.g. from Statistics 1) and of regression models (e.g. from Statistics 2). English speaking students are welcome.

In order to gain a good insight into the extensive theory of semi-parametric models, we will use the master thesis by Karel Vermeulen as our primary literature and study the chapters that are important for us in more detail, presenting the knowledge gained through the thesis in the form of individual presentations.

A list with the name of the thesis and further literature can be found below.

  • Master thesis of Karel Vermeulen. Semiparametric Efficiency
  • A. W. van der Vaart. Asymptotic Statistics. Cambridge Series in Statistical and Probabilistic Mathematics. Cambridge University Press, 1998.
  • A. W. van der Vaart. ”On Differentiable Functionals“. In: Ann. Statist. 19.1 (März 1991), S. 178–204.
  • Tsiatis, Anastasios. Semiparametric Theory and Missing Data. Vereinigtes Königreich, Springer New York, 2010.

Prof. Dr. Werner Brannath
03-M-AC-7Advanced Topics in Statistics (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Di 16:00 - 18:00 BIPS 1550 Seminar

regelmäßige Veranstaltung dienstags 14-16 im BIPS Raum 1550.

Prof. Dr. Vanessa Didelez
03-M-AC-9Knots, the Universe and Everything (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Di 14:00 - 16:00 MZH 7200 Seminar
Dr. Tim Haga
03-M-AC-10Dirichlet Forms on Graphs (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Fr 12:00 - 14:00 MZH 4140 Seminar
PD Dr. Hendrik Vogt
03-M-MKOM-3Fourier-Analysis
(Proseminar / Seminar)

Kurs
ECTS: 3 / 4,5 / 5 / 6

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 4140 (Pro)Seminar
Prof. Dr. Marc Keßeböhmer

Module: Reading Course A (9 CP)

Compulsory module in the area of specialization and with the following course:
VAKTitel der VeranstaltungDozentIn
03-M-RC-NUMReading Course Numerical Analysis

Seminar
ECTS: 9
Prof. Dr. Christof Büskens

Module: Reading Course B (9 CP)

Compulsory module either in the area of specialization or area of diversification and with the following courses:
VAKTitel der VeranstaltungDozentIn
03-M-RC-ALGReading Course Algebra (in englischer Sprache)

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

Seminar
ECTS: 9

Termine:
wöchentlich Di 16:00 - 18:00 MZH 4140
Prof. Dr. Anke Dorothea Pohl
03-M-RC-NUMReading Course Numerical Analysis

Seminar
ECTS: 9
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

Area of Specialization: Statistics/Stochastics

Modules: Specialization (A, B, and C with 9 CP each)

The modules Specialization A and Specialization B are compulsory modules (2 x 9 CP = 18 CP). The module Specialization C (9 CP) is a compulsory elective module. This semester you can choose from the following lectures:
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 MZH 1100 Lecture
wöchentlich Do 08:00 - 10:00 MZH 1100 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 1450 Exercise
Prof. Dr. Werner Brannath
03-M-SP-5Theory of Nonparametric Tests (Statistics III) (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 10:00 - 12:00 MZH 1100 Lecture
wöchentlich Do 10:00 - 12:00 MZH 4140 Lecture
wöchentlich Do 16:00 - 18:00 MZH 4140 Exercise
Prof. Dr. Thorsten-Ingo Dickhaus
03-M-SP-8Sampling Theory and Methods (in englischer Sprache)

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mi 08:00 - 10:00 MZH 7200 Lecture / Exercise
wöchentlich Fr 14:00 - 16:00 MZH 7200 Lecture
Maryam Movahedifar

Modules: Diversification (A, B, and C with 9 CP each)

The modules Diversification A and Diversification B are compulsory modules (2 x 9 CP = 18 CP). The module Diversification C (9 CP) is a compulsory elective module. This semester you can choose from the following lectures:
VAKTitel der VeranstaltungDozentIn
03-IMAT-AU (03-ME-602.99c)Algorithms and Uncertainty (in englischer Sprache)

Kurs
ECTS: 6 (9)

Termine:
wöchentlich Di 12:00 - 14:00 MZH 1470 Kurs Präsenz
wöchentlich Do 14:00 - 16:00 MZH 1470 Kurs Präsenz

Profil: SQ
Schwerpunkt: IMA-SQ, IMA-AI

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
Dr. Felix Christian Hommelsheim
03-M-MDAIP-1Mathematical Foundations of Data Analysis (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 08:00 - 10:00 MZH 4140 Lecture
wöchentlich Mo 10:00 - 12:00 MZH 4140 Exercise
wöchentlich Mi 08:00 - 10:00 MZH 1100 Lecture
Peter Maaß
03-M-NPDE-1Numerical Methods for Partial Differential Equations (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 MZH 2340 Exercise
wöchentlich Di 10:00 - 12:00 MZH 2340 Lecture
wöchentlich Do 10:00 - 12:00 MZH 2340 Lecture
Prof. Dr. Andreas Rademacher
03-M-SP-1Inverse Problems (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 2340 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 2340 Exercise
wöchentlich Fr 10:00 - 12:00 MZH 2340 Lecture
Peter Maaß
Dr. Matthias Beckmann
03-M-SP-3Mathematical Foundations of Deep Learning (in englischer Sprache)

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mo 08:00 - 12:00 MZH 2340 Lecture/Exercise
wöchentlich Mi 08:00 - 10:00 MZH 2340 Lecture / Exercise
Sören Dittmer
03-M-SP-6Algorithmic Game Theory (in englischer Sprache)

Vorlesung
ECTS: 9 (6)

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 4140 Exercise
wöchentlich Do 12:00 - 14:00 MZH 2340 Lecture
wöchentlich Fr 12:00 - 14:00 MZH 2340 Lecture

Many every-day processes can seen as a game between autonomous interacting players, where each player acts stategically in order to pursue her own objectives. This lecture is an introduction to game-theoretic concepts and techniques, mainly with connections to applications. Use-cases are distributed systems, auctions, online-markets, resource allocation, traffic routing, and sports. The goal of the lecture is to provide an overview over state-of-the-art results in the area of algorithmic game theory. Main topics that we will cover in the course are games in normal form, efficiency of equilibria, auctions, truthfulness and VCG-mechanisms, social choice, cake cutting, and cooperative games.

The lectures and homework sheets will be in English language. If all participants agree, the exercise session could be held in German. If there is an oral exam, the language can be chosen by the candidate. In case of a written exam the questions will be in English, answering them in German or English is fine.

Prof. Dr. Daniel Schmand
03-M-SP-7Commutative Algebra

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 7200 Lecture
wöchentlich Mi 14:00 - 16:00 MZH 7200 Lecture
wöchentlich Do 14:00 - 16:00 MZH 7200 Exercise
Anastasios Stefanou
03-M-SP-9Introduction to Nonlinear Optimization and Optimal Control (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 Lecture
wöchentlich Di 08:00 - 10:00 Lecture
wöchentlich Di 14:00 - 16:00 Exercise

Die Veranstaltung findet im NEOS Gebäude statt.

Prof. Dr. Christof Büskens
04-M30-CP-SFT-3Trajectory Optimization (in englischer Sprache)

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mo 14:00 - 17:00 GW1 B0100
Matthias Knauer
Prof. Dr. Christof Büskens

Module: Advanced Communications A (2 x 4,5 CP = 9 CP)

Compulsory module in the area of specialization and in which you must attend a total of two seminars with 4,5 CP each. This semester you can choose from the following seminars:
VAKTitel der VeranstaltungDozentIn
03-M-AC-3Semiparametric Statistics (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Do 14:00 - 16:00 MZH 2340 Seminar

Statistical problems are described by statistical models. This means interpreting the data as realizations of random variables whose unconditional or conditional densities are described and estimated by statistical (regression) models. These models are usually identified by a set of parameters, which can be finite but also infinite dimensional. For this purpose, there are usually three types of possible models, depending on the structure of the data and the problem at hand: parametric, nonparametric, and semiparametric. A semiparametric model is characterized by the inclusion of both finite dimensional parametric and infinite dimensional nonparametric components. The main interest is usually in the finite dimensional parametric component, with the infinite dimensional component being co-estimated for the purpose of statistical inference and efficiency. In this seminar we will study the definition, properties, and applications of semiparametric models. Examples of semiparametric models include single-index models and Cox regression models for censored survival time data. We will also consider approaches to dealing with missing information in data sets. The use of semiparametric models plays a major role for medical studies, for example.

Prerequisites for participation in the seminar are basic knowledge of mathematical statistics (e.g. from Statistics 1) and of regression models (e.g. from Statistics 2). English speaking students are welcome.

In order to gain a good insight into the extensive theory of semi-parametric models, we will use the master thesis by Karel Vermeulen as our primary literature and study the chapters that are important for us in more detail, presenting the knowledge gained through the thesis in the form of individual presentations.

A list with the name of the thesis and further literature can be found below.

  • Master thesis of Karel Vermeulen. Semiparametric Efficiency
  • A. W. van der Vaart. Asymptotic Statistics. Cambridge Series in Statistical and Probabilistic Mathematics. Cambridge University Press, 1998.
  • A. W. van der Vaart. ”On Differentiable Functionals“. In: Ann. Statist. 19.1 (März 1991), S. 178–204.
  • Tsiatis, Anastasios. Semiparametric Theory and Missing Data. Vereinigtes Königreich, Springer New York, 2010.

Prof. Dr. Werner Brannath
03-M-AC-7Advanced Topics in Statistics (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Di 16:00 - 18:00 BIPS 1550 Seminar

regelmäßige Veranstaltung dienstags 14-16 im BIPS Raum 1550.

Prof. Dr. Vanessa Didelez

Module: Advanced Communications B (2 x 4,5 CP = 9 CP)

Compulsory module in the area of diversification and in which you must attend a total of two seminars with 4,5 CP each. This semester you can choose from the following seminars:
VAKTitel der VeranstaltungDozentIn
03-M-AC-1Numerical Methods for Partial Differential Equations (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mo 16:00 - 18:00 MZH 2340 Seminar
Alfred Schmidt
03-M-AC-2High-Performance-Visualisierung (in englischer Sprache)
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 1100 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-4Mathematical Modelling and Scientific Computing (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 6200 Seminar
Prof. Dr. Andreas Rademacher
03-M-AC-6Mathematical Foundations of AI (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mi 11:00 - 12:00 MZH 2340 Seminar
Sören Dittmer
03-M-AC-8Combinatorial Optimization: Introduction and Algorithms (in englischer Sprache)
Application of Optimization and Optimal Control

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mo 10:00 - 12:00 Seminar

Die Veranstaltung findet im NEOS Gebäude statt.

Prof. Dr. Christof Büskens
Dr. Amin Mallek
03-M-AC-9Knots, the Universe and Everything (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Di 14:00 - 16:00 MZH 7200 Seminar
Dr. Tim Haga
03-M-AC-10Dirichlet Forms on Graphs (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Fr 12:00 - 14:00 MZH 4140 Seminar
PD Dr. Hendrik Vogt
03-M-MKOM-3Fourier-Analysis
(Proseminar / Seminar)

Kurs
ECTS: 3 / 4,5 / 5 / 6

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 4140 (Pro)Seminar
Prof. Dr. Marc Keßeböhmer

Module: Reading Course A (9 CP)

Compulsory module in the area of specialization and with the following course:
VAKTitel der VeranstaltungDozentIn
03-M-RC-STSReading Course Statistics/Stochastics (in englischer Sprache)

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

Module: Reading Course B (9 CP)

Compulsory module either in the area of specialization or area of diversification and with the following courses:
VAKTitel der VeranstaltungDozentIn
03-M-RC-ALGReading Course Algebra (in englischer Sprache)

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

Seminar
ECTS: 9

Termine:
wöchentlich Di 16:00 - 18:00 MZH 4140
Prof. Dr. Anke Dorothea Pohl
03-M-RC-NUMReading Course Numerical Analysis

Seminar
ECTS: 9
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

Mathematik, B.Sc.

Vor dem ersten Semester

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

Blockveranstaltung

Einzeltermine:
Mo 19.09.22 - Fr 23.09.22 (Mo, Di, Mi, Do, Fr) 10:00 - 14:30
Mo 26.09.22 - Fr 30.09.22 (Mo, Di, Mi, Do, Fr) 10:00 - 14:30

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. Arsen Narimanyan
03-M-OWO-Woche

Blockveranstaltung

Einzeltermine:
Mo 10.10.22 - Fr 14.10.22 (Mo, Di, Mi, Do, Fr) 08:00 - 19:00 1. Ebene im MZH Gebäude

Orientierungswoche für Erstsemesterstudierende in den mathematischen Studiengängen. Alle Details und Infos findest du unter https://math.stugen.de/wordpress/service/o-woche/

Lars Siemer

Bachelor 1. Semester

Modul: Analysis 1-2 (21 CP)

Pflichtmodul im 1. und 2. Semester (zwei-semestrig), wobei im 1. Semester folgende Veranstaltungen belegt werden sollten:
VAKTitel der VeranstaltungDozentIn
03-M-ANA-1.1Analysis 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 MZH 4140 Übung
wöchentlich Di 10:00 - 12:00 GW2 B1820 Vorlesung
wöchentlich Di 12:00 - 14:00 MZH 1450 Übung
wöchentlich Di 14:00 - 16:00 MZH 1110 Übung
wöchentlich Mi 16:00 - 18:00 MZH 2340 Übung
wöchentlich Fr 08:00 - 10:00 HS 1010 (Kleiner Hörsaal) Vorlesung
Prof. Dr. Marc Keßeböhmer
03-M-ANA-1.2Vertiefung zur Analysis 1 (Vollfach)
Additional Topics in Analysis 1 (Single Major Subject)

Projektplenum
ECTS: 1,5

Termine:
wöchentlich Do 16:00 - 18:00 MZH 1470 Plenum
Prof. Dr. Marc Keßeböhmer

Modul: Lineare Algebra 1-2 (21 CP)

Pflichtmodul im 1. und 2. Semester (zwei-semestrig), wobei im 1. Semester folgende Veranstaltungen belegt werden sollten:
VAKTitel der VeranstaltungDozentIn
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 Mo 12:00 - 14:00 MZH 1110 Übung
wöchentlich Di 08:00 - 10:00 MZH 4140 Übung
wöchentlich Di 08:00 - 10:00 MZH 7200 Übung
wöchentlich Mi 10:00 - 12:00 MZH 7200 Übung
wöchentlich Fr 12:00 - 14:00 MZH 1380/1400 Vorlesung

Einzeltermine:
Do 16.02.23 10:00 - 13:00 MZH 1380/1400
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
Eugenia Saorin Gomez

Modul: Mathematisches Computerpraktikum (3 CP)

Pflichtmodul im 1. Semester mit folgender Veranstaltung:
VAKTitel der VeranstaltungDozentIn
03-M-MCP-1Mathematisches Computerpraktikum
Computer Laboratory

Kurs
ECTS: 3

Veranstaltung findet am Ende des Wintersemesters als Blockveranstaltung statt. Zeiten und Räume werden noch bekannt gegeben.

Prof. Dr. Daniel Schmand

Bachelor 3. Semester

Modul: Algebra (9 CP)

Pflichtmodul im 3. Semester mit folgender Veranstaltung:
VAKTitel der VeranstaltungDozentIn
03-M-ALG-1Algebra

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 08:00 - 10:00 MZH 5600 MZH 7200 Vorlesung
wöchentlich Do 08:00 - 10:00 MZH 6200 Vorlesung
wöchentlich Do 10:00 - 12:00 MZH 7200 Übung
Dr. Tim Haga

Modul: Analysis 3 (9 CP)

Pflichtmodul im 3. Semester mit folgender Veranstaltung:
VAKTitel der VeranstaltungDozentIn
03-M-ANA-3Analysis 3

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 10:00 - 12:00 MZH 1100 Übung
wöchentlich Di 14:00 - 16:00 MZH 1470 Vorlesung
wöchentlich Mi 12:00 - 14:00 MZH 6200 Vorlesung
Prof. Dr. Anke Dorothea Pohl

Modul: Numerik 1 (9 CP)

Pflichtmodul im 3. Semester mit folgender Veranstaltung:
VAKTitel der VeranstaltungDozentIn
03-M-NUM-1Numerik 1
Numerical Analysis 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 MZH 6200 Vorlesung
wöchentlich Mi 10:00 - 12:00 MZH 6200 Vorlesung
wöchentlich Do 12:00 - 14:00 MZH 1470 Übung
Alfred Schmidt

Bachelor 4. Semester und höher

Module: Fortgeschrittene Themen (A, B und C mit je 9 CP)

Pflichtmodule, welche im 4. und 5. Semester belegt werden sollten. Für jedes der DREI Module (Fortgeschrittene Themen A / B / C) muss jeweils EINE der zugehörigen Veranstaltungen belegt werden, wobei dieses Semester aus folgenden Veranstaltungen gewählt werden kann:
VAKTitel der VeranstaltungDozentIn
03-IMAT-KRYPT (03-MB-699.09)Einführung in die Kryptographie

Kurs
ECTS: 6

Termine:
wöchentlich Mi 10:00 - 12:00 MZH 5600 Kurs Präsenz
wöchentlich Do 08:00 - 10:00 Übung Online

Profil: SQ
Schwerpunkt: IMA-SQ.
mit Zusatzleistung(en) (wird in der Veranstaltung bekannt gegeben) 9 CP für Studierende in den mathematischen Studiengängen

Dieter Hutter
Karsten Sohr
03-M-FTH-4Altes und neues über konvexe Geometrie
old and new about Convex Geometry

Vorlesung
ECTS: 9

Termine:
wöchentlich Mi 12:00 - 14:00 MZH 4140 Vorlesung
wöchentlich Mi 14:00 - 16:00 MZH 3150 Übung
wöchentlich Fr 08:00 - 10:00 MZH 7200 Übung
wöchentlich Fr 10:00 - 12:00 MZH 7200 Vorlesung
Eugenia Saorin Gomez
03-M-Gy4-1Funktionentheorie
Complex Analysis

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 1470 Vorlesung
wöchentlich Mo 16:00 - 18:00 MZH 3150 Übung
wöchentlich Mo 16:00 - 18:00 MZH 4140 Übung
wöchentlich Mi 14:00 - 16:00 MZH 1470 Vorlesung
PD Dr. Hendrik Vogt
Dr. Ingolf Schäfer
03-M-MMOD-1Mathematische Modellierung
Mathematical Modelling

Kurs
ECTS: 9

Termine:
wöchentlich Di 12:00 - 14:00 MZH 2340 Vorlesung
wöchentlich Di 14:00 - 16:00 MZH 2340 Übung
wöchentlich Mi 12:00 - 14:00 MZH 2340 Vorlesung
Prof. Dr. Andreas Rademacher

Module: Mathematisches Kommunizieren (A und B mit je 3 CP)

Pflichtmodule, welche im 4. und 5. Semester belegt werden sollten. Für jedes der ZWEI Module (Mathematisches Kommunizieren A / B) muss jeweils EINE der zugehörigen Veranstaltungen belegt werden, wobei dieses Semester aus folgenden Veranstaltungen gewählt werden kann:
VAKTitel der VeranstaltungDozentIn
03-M-FEB-1Forschungserfahrungen im Bachelor
Research Experiences for Undergraduates

Proseminar
ECTS: 3 / 5

Weitere Infos unter http://www.feb.uni-bremen.de
Termine nach Vereinbarung

Prof. Dr. Marc Keßeböhmer
03-M-MKOM-1Lineare Algebra
Linear Algebra (33 Miniatures in Linear Algebra)
33 Miniaturen zur Linearen Algebra

Proseminar
ECTS: 3 / 5

Einzeltermine:
Mo 20.02.23 - Fr 24.02.23 (Mo, Di, Mi, Do, Fr) 08:00 - 14:00 MZH 4140
Eugenia Saorin Gomez
03-M-MKOM-3Fourier-Analysis
(Proseminar / Seminar)

Kurs
ECTS: 3 / 4,5 / 5 / 6

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 4140 (Pro)Seminar
Prof. Dr. Marc Keßeböhmer

Modul: Bachelorarbeit (15 CP)

Abschlussmodul im 6. Semester. Weitere Informationen finden Sie unter www.szmathe.uni-bremen.de und in Stud.IP unter folgender Veranstaltung:
VAKTitel der VeranstaltungDozentIn
03-M-BA-M-1Bachelorarbeit Mathematik
Bachelor Thesis Mathematics

Kurs

Wie finde ich ein Thema, bei wem schreibe ich meine Bachelorarbeit, wie muss diese aussehen und was beinhaltet die Bachelorarbeit alles?

Antworten zu diesen und weiteren Fragen finden Sie unter www.szmathe.uni-bremen.de und eine Liste der aktuellen Abschlusstehemen hier im Wiki.

N. N.

General Studies - Fachergänzende Studien

Fachergänzendes Studienangebot aus der Mathematik bzw. Industriemathematik
VAKTitel der VeranstaltungDozentIn
03-M-GS-2Modelle und Mathematik
Models and Mathematics

Seminar
ECTS: 2

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 1100 Seminar
Ronald Stöver
03-M-GS-3Grundlegende Methoden der angewandten Statistik
Basic Methods of Applied Statistics

Vorlesung
ECTS: 6

Termine:
wöchentlich Fr 08:00 - 10:00 MZH 1470 Vorlesung
wöchentlich Fr 10:00 - 12:00 MZH 1470 Übung
Dr. Martin Scharpenberg
03-M-GS-6Data Science in Natural Sciences using R (in englischer Sprache)
a course on R programming and data science methods with practicals and projects

Vorlesung
ECTS: 3

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 0230/0240 (P3) (2 SWS) mix of lectures and practicals

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
CC-02-WiSe22-23Betriebswirtschaftslehre für Ingenieurs- und Naturwissenschaftler:innen
Essentials of business studies for students and graduates of engineering and natural sciences

Blockveranstaltung
ECTS: empfohlen 1 & Zertifikat

Einzeltermine:
Mo 24.10.22 - Mi 26.10.22 (Mo, Di, Mi) 16:00 - 20:00 Online

Mitarbeitende mit technischem oder naturwissenschaftlichem Hintergrund werden im beruflichen Kontext immer auch mit betriebswirtschaftlichen Fragen konfrontiert.

In diesem Seminar lernen Sie die wichtigsten Teilgebiete der Betriebswirtschaft, sowie die dazugehörigen Zusammenhänge kennen, um diese in Ihrem beruflichen Umfeld anzuwenden. Neben den Grundzügen der BWL umfasst das Seminar u.a. die Bereiche Innovations- und Qualitätsmanagement, Supply-Chain-Management, F+E (Forschung und Entwicklung), Produktions- und Fertigungsplanung, technische Infrastruktur und IT.

Anmeldungen für Oktober laufen vom 07. Juli bis Donnerstag, 08. September 2022 über https://elearning.uni-bremen.de/ (Veranstaltungssuche / Suche im Vorlesungsverzeichnis / Fachübergreifende Studienangebote / Career Center unter: Betriebswirtschaftliche Kompetenzen).

Sobald das Anmeldeverfahren geschlossen ist, bekommen Sie von uns eine E-Mail mit den Zugangsdaten!

Ausführliche Informationen unter:
https://www.uni-bremen.de/career-center/veranstaltungen.html
www.uni-bremen.de/career-center/veranstaltungen/uebersicht
www.uni-bremen.de/career-center/veranstaltungen/uebersicht/detailbeschreibungen
www.uni-bremen.de/career-center/veranstaltungen/kalenderuebersicht

Lars Kaletka
CC-43-WiSe22-23Handwerkszeug für den Berufseinstieg für Studierende der Naturwissenschaften und Ingenieurstudiengänge
Tools for career entry for students of natural sciences and engineering

Blockveranstaltung

Einzeltermine:
Mo 27.02.23 09:00 - 17:00 Online

Ziel:
„Warum soll ich genau Sie einstellen?“ – Es lohnt sich, sich mit dieser Frage intensiv auseinanderzusetzen.

Für angehende Absolvierende der Naturwissenschaften und Ingenieurstudiengänge ist dies wichtig, da viele Ansprechpersonen die Faszination der entsprechenden Studienfächer nicht genau kennen und aufgrund der vielseitigen Spezialisierungsmöglichkei-ten in diesen Fächern eine klare Kommunikation entscheidend ist.

Im Workshop lernen Sie Recruiting aus neuer Perspektive kennen und erarbeiten Handwerkszeug für eine selbstbewusste und chancenorientierte Strategie für Ihr „Marketing in eigener Sache“. Durch die ausführliche Beschäftigung mit Ihren Stärken, Ihrer Motivation und Ihrem Begeisterungsvermögen werden Sie Sicherheit für Ihre Präsentation beim potentiellen Arbeitgeber gewinnen und Vorstellungsgespräche souveräner angehen können.

Workshopinhalte:
• Wie funktioniert Personalauswahl heute?
• Arbeitsfelder für Absolvierende der Naturwissenschaften und Ingenieurstudiengänge.

Praxisbeispiele
• Was hebt mich von anderen Bewerbern/Bewerberinnen ab, was zeichnet mich mit einem naturwissenschaftlichen oder Ingenieurstudienabschluss besonders aus?
• Erarbeitung geeigneter Argumentationsideen und Strategien für eine optimale Selbstpräsentation mit einem naturwissenschaftlichen oder Ingenieurstudienabschluss
• Welche Möglichkeiten der Initiativbewerbung gibt es?
• Wie kann ich verschiedene Kontaktpunkte zu potentiellen Arbeitgebern nutzen?
• Tipps für die erfolgreiche Umsetzung der Kommunikationsstrategie in den Bewerbungsunterlagen und im Vorstellungsgespräch

Anmeldungen für Februar 2023 laufen vom 24. November 2022 bis Donnerstag, 19. Januar 2023 über https://elearning.uni-bremen.de/ (Veranstaltungssuche / Suche im Vorlesungsverzeichnis / Fachübergreifende Studienangebote / Career Center unter: Arbeitsmärkte

Sobald das Anmeldeverfahren geschlossen ist, bekommen Sie von uns eine E-Mail mit den Zugangsdaten!

Ausführliche Informationen unter:
www.uni-bremen.de/career-center/veranstaltungen.html
www.uni-bremen.de/career-center/veranstaltungen/uebersicht
www.uni-bremen.de/career-center/veranstaltungen/uebersicht/detailbeschreibungen
www.uni-bremen.de/career-center/veranstaltungen/kalenderuebersicht

Wolfgang Leybold

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

Veranstaltungen vor dem 1. Semester

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

Blockveranstaltung

Einzeltermine:
Mo 19.09.22 - Fr 23.09.22 (Mo, Di, Mi, Do, Fr) 10:00 - 14:30
Mo 26.09.22 - Fr 30.09.22 (Mo, Di, Mi, Do, Fr) 10:00 - 14:30

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. Arsen Narimanyan
03-M-OWO-Woche

Blockveranstaltung

Einzeltermine:
Mo 10.10.22 - Fr 14.10.22 (Mo, Di, Mi, Do, Fr) 08:00 - 19:00 1. Ebene im MZH Gebäude

Orientierungswoche für Erstsemesterstudierende in den mathematischen Studiengängen. Alle Details und Infos findest du unter https://math.stugen.de/wordpress/service/o-woche/

Lars Siemer

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 08:00 - 11:00 Übung Online
wöchentlich Mo 11:00 - 14:00 MZH 5500 Übung Präsenz
wöchentlich Mo 11:00 - 14:00 Übung Online
wöchentlich Mo 14:00 - 17:00 Übung Online
wöchentlich Mo 14:00 - 17:00 MZH 5500 Übung Präsenz
wöchentlich Mo 17:00 - 20:00 Übung Online
wöchentlich Mo 17:00 - 20:00 MZH 5500 Übung Präsenz
wöchentlich Di 14:00 - 16:00 HS 2010 (Großer Hörsaal) Vorlesung Präsenz
wöchentlich Mi 08:00 - 11:00 MZH 5500 Übung Präsenz
wöchentlich Mi 08:00 - 11:00 Übung Online
wöchentlich Mi 11:00 - 14:00 MZH 5500 Übung Präsenz
wöchentlich Mi 11:00 - 14:00 Übung Online
wöchentlich Mi 14:00 - 17:00 Übung Online
wöchentlich Mi 14:00 - 17:00 MZH 5500 Übung Präsenz
wöchentlich Mi 17:00 - 20:00 Übung Online
wöchentlich Mi 17:00 - 20:00 MZH 5500 Übung Präsenz
wöchentlich Do 08:00 - 10:00 HS 2010 (Großer Hörsaal) Vorlesung Präsenz

Für Studierende des Vollfachs Informatik, Systems Engineering und Wirtschaftinformatik. Für Studierende der Digitalen Medien und Komplementärfach Informatik gibt es die Veranstaltung Grundlagen der Programmierung.
Die Studierenden der Beruflichen Bildung - Mechatronik besuchen PI1 anstatt Grundlagen der Programmierung mit einer reduzierten CP-Anzahl, nämlich 6 CP durch reduzierten Übungsbetrieb.
Die Übungen finden online und in Präsenz statt. Der Übungsbetrieb startet in der 2. Semesterwoche.

Thomas Röfer
03-M-ALG-1Algebra

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 08:00 - 10:00 MZH 5600 MZH 7200 Vorlesung
wöchentlich Do 08:00 - 10:00 MZH 6200 Vorlesung
wöchentlich Do 10:00 - 12:00 MZH 7200 Übung
Dr. Tim Haga
03-M-ANA-1.1Analysis 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 MZH 4140 Übung
wöchentlich Di 10:00 - 12:00 GW2 B1820 Vorlesung
wöchentlich Di 12:00 - 14:00 MZH 1450 Übung
wöchentlich Di 14:00 - 16:00 MZH 1110 Übung
wöchentlich Mi 16:00 - 18:00 MZH 2340 Übung
wöchentlich Fr 08:00 - 10:00 HS 1010 (Kleiner Hörsaal) Vorlesung
Prof. Dr. Marc Keßeböhmer
03-M-ANA-1.2Vertiefung zur Analysis 1 (Vollfach)
Additional Topics in Analysis 1 (Single Major Subject)

Projektplenum
ECTS: 1,5

Termine:
wöchentlich Do 16:00 - 18:00 MZH 1470 Plenum
Prof. Dr. Marc Keßeböhmer
03-M-ANA-3Analysis 3

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 10:00 - 12:00 MZH 1100 Übung
wöchentlich Di 14:00 - 16:00 MZH 1470 Vorlesung
wöchentlich Mi 12:00 - 14:00 MZH 6200 Vorlesung
Prof. Dr. Anke Dorothea Pohl
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 Mo 12:00 - 14:00 MZH 1110 Übung
wöchentlich Di 08:00 - 10:00 MZH 4140 Übung
wöchentlich Di 08:00 - 10:00 MZH 7200 Übung
wöchentlich Mi 10:00 - 12:00 MZH 7200 Übung
wöchentlich Fr 12:00 - 14:00 MZH 1380/1400 Vorlesung

Einzeltermine:
Do 16.02.23 10:00 - 13:00 MZH 1380/1400
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
Eugenia Saorin Gomez
03-M-MCP-1Mathematisches Computerpraktikum
Computer Laboratory

Kurs
ECTS: 3

Veranstaltung findet am Ende des Wintersemesters als Blockveranstaltung statt. Zeiten und Räume werden noch bekannt gegeben.

Prof. Dr. Daniel Schmand
03-M-NUM-1Numerik 1
Numerical Analysis 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 MZH 6200 Vorlesung
wöchentlich Mi 10:00 - 12:00 MZH 6200 Vorlesung
wöchentlich Do 12:00 - 14:00 MZH 1470 Übung
Alfred Schmidt

Bachelor: Wahlpflichtveranstaltungen

Wahlpflichtveranstaltungen für den Studiengang Mathematik B.Sc.
VAKTitel der VeranstaltungDozentIn
03-IMAT-KRYPT (03-MB-699.09)Einführung in die Kryptographie

Kurs
ECTS: 6

Termine:
wöchentlich Mi 10:00 - 12:00 MZH 5600 Kurs Präsenz
wöchentlich Do 08:00 - 10:00 Übung Online

Profil: SQ
Schwerpunkt: IMA-SQ.
mit Zusatzleistung(en) (wird in der Veranstaltung bekannt gegeben) 9 CP für Studierende in den mathematischen Studiengängen

Dieter Hutter
Karsten Sohr
03-M-FTH-4Altes und neues über konvexe Geometrie
old and new about Convex Geometry

Vorlesung
ECTS: 9

Termine:
wöchentlich Mi 12:00 - 14:00 MZH 4140 Vorlesung
wöchentlich Mi 14:00 - 16:00 MZH 3150 Übung
wöchentlich Fr 08:00 - 10:00 MZH 7200 Übung
wöchentlich Fr 10:00 - 12:00 MZH 7200 Vorlesung
Eugenia Saorin Gomez
03-M-Gy4-1Funktionentheorie
Complex Analysis

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 1470 Vorlesung
wöchentlich Mo 16:00 - 18:00 MZH 3150 Übung
wöchentlich Mo 16:00 - 18:00 MZH 4140 Übung
wöchentlich Mi 14:00 - 16:00 MZH 1470 Vorlesung
PD Dr. Hendrik Vogt
Dr. Ingolf Schäfer
03-M-MMOD-1Mathematische Modellierung
Mathematical Modelling

Kurs
ECTS: 9

Termine:
wöchentlich Di 12:00 - 14:00 MZH 2340 Vorlesung
wöchentlich Di 14:00 - 16:00 MZH 2340 Übung
wöchentlich Mi 12:00 - 14:00 MZH 2340 Vorlesung
Prof. Dr. Andreas Rademacher
03-M-SP-2Basics of Mathematical Statistics (Statistics I) (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 08:00 - 10:00 MZH 1100 Lecture
wöchentlich Do 08:00 - 10:00 MZH 1100 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 1450 Exercise
Prof. Dr. Werner Brannath

Bachelor: Proseminare

VAKTitel der VeranstaltungDozentIn
03-M-FEB-1Forschungserfahrungen im Bachelor
Research Experiences for Undergraduates

Proseminar
ECTS: 3 / 5

Weitere Infos unter http://www.feb.uni-bremen.de
Termine nach Vereinbarung

Prof. Dr. Marc Keßeböhmer
03-M-MKOM-1Lineare Algebra
Linear Algebra (33 Miniatures in Linear Algebra)
33 Miniaturen zur Linearen Algebra

Proseminar
ECTS: 3 / 5

Einzeltermine:
Mo 20.02.23 - Fr 24.02.23 (Mo, Di, Mi, Do, Fr) 08:00 - 14:00 MZH 4140
Eugenia Saorin Gomez
03-M-MKOM-3Fourier-Analysis
(Proseminar / Seminar)

Kurs
ECTS: 3 / 4,5 / 5 / 6

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 4140 (Pro)Seminar
Prof. Dr. Marc Keßeböhmer

Master: Wahlpflichtveranstaltungen

Vertiefungsrichtung Algebra

VAKTitel der VeranstaltungDozentIn
03-IMAT-AU (03-ME-602.99c)Algorithms and Uncertainty (in englischer Sprache)

Kurs
ECTS: 6 (9)

Termine:
wöchentlich Di 12:00 - 14:00 MZH 1470 Kurs Präsenz
wöchentlich Do 14:00 - 16:00 MZH 1470 Kurs Präsenz

Profil: SQ
Schwerpunkt: IMA-SQ, IMA-AI

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
Dr. Felix Christian Hommelsheim
03-M-SP-7Commutative Algebra

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 7200 Lecture
wöchentlich Mi 14:00 - 16:00 MZH 7200 Lecture
wöchentlich Do 14:00 - 16:00 MZH 7200 Exercise
Anastasios Stefanou

Vertiefungsrichtung Analysis

VAKTitel der VeranstaltungDozentIn
03-M-SP-1Inverse Problems (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 2340 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 2340 Exercise
wöchentlich Fr 10:00 - 12:00 MZH 2340 Lecture
Peter Maaß
Dr. Matthias Beckmann

Vertiefungsrichtung Numerik

VAKTitel der VeranstaltungDozentIn
03-IMAT-AU (03-ME-602.99c)Algorithms and Uncertainty (in englischer Sprache)

Kurs
ECTS: 6 (9)

Termine:
wöchentlich Di 12:00 - 14:00 MZH 1470 Kurs Präsenz
wöchentlich Do 14:00 - 16:00 MZH 1470 Kurs Präsenz

Profil: SQ
Schwerpunkt: IMA-SQ, IMA-AI

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
Dr. Felix Christian Hommelsheim
03-M-MDAIP-1Mathematical Foundations of Data Analysis (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 08:00 - 10:00 MZH 4140 Lecture
wöchentlich Mo 10:00 - 12:00 MZH 4140 Exercise
wöchentlich Mi 08:00 - 10:00 MZH 1100 Lecture
Peter Maaß
03-M-NPDE-1Numerical Methods for Partial Differential Equations (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 MZH 2340 Exercise
wöchentlich Di 10:00 - 12:00 MZH 2340 Lecture
wöchentlich Do 10:00 - 12:00 MZH 2340 Lecture
Prof. Dr. Andreas Rademacher
03-M-SP-1Inverse Problems (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 2340 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 2340 Exercise
wöchentlich Fr 10:00 - 12:00 MZH 2340 Lecture
Peter Maaß
Dr. Matthias Beckmann
03-M-SP-3Mathematical Foundations of Deep Learning (in englischer Sprache)

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mo 08:00 - 12:00 MZH 2340 Lecture/Exercise
wöchentlich Mi 08:00 - 10:00 MZH 2340 Lecture / Exercise
Sören Dittmer
03-M-SP-6Algorithmic Game Theory (in englischer Sprache)

Vorlesung
ECTS: 9 (6)

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 4140 Exercise
wöchentlich Do 12:00 - 14:00 MZH 2340 Lecture
wöchentlich Fr 12:00 - 14:00 MZH 2340 Lecture

Many every-day processes can seen as a game between autonomous interacting players, where each player acts stategically in order to pursue her own objectives. This lecture is an introduction to game-theoretic concepts and techniques, mainly with connections to applications. Use-cases are distributed systems, auctions, online-markets, resource allocation, traffic routing, and sports. The goal of the lecture is to provide an overview over state-of-the-art results in the area of algorithmic game theory. Main topics that we will cover in the course are games in normal form, efficiency of equilibria, auctions, truthfulness and VCG-mechanisms, social choice, cake cutting, and cooperative games.

The lectures and homework sheets will be in English language. If all participants agree, the exercise session could be held in German. If there is an oral exam, the language can be chosen by the candidate. In case of a written exam the questions will be in English, answering them in German or English is fine.

Prof. Dr. Daniel Schmand
03-M-SP-9Introduction to Nonlinear Optimization and Optimal Control (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 Lecture
wöchentlich Di 08:00 - 10:00 Lecture
wöchentlich Di 14:00 - 16:00 Exercise

Die Veranstaltung findet im NEOS Gebäude statt.

Prof. Dr. Christof Büskens
04-M30-CP-SFT-3Trajectory Optimization (in englischer Sprache)

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mo 14:00 - 17:00 GW1 B0100
Matthias Knauer
Prof. Dr. Christof Büskens

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 MZH 1100 Lecture
wöchentlich Do 08:00 - 10:00 MZH 1100 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 1450 Exercise
Prof. Dr. Werner Brannath
03-M-SP-5Theory of Nonparametric Tests (Statistics III) (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 10:00 - 12:00 MZH 1100 Lecture
wöchentlich Do 10:00 - 12:00 MZH 4140 Lecture
wöchentlich Do 16:00 - 18:00 MZH 4140 Exercise
Prof. Dr. Thorsten-Ingo Dickhaus
03-M-SP-8Sampling Theory and Methods (in englischer Sprache)

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mi 08:00 - 10:00 MZH 7200 Lecture / Exercise
wöchentlich Fr 14:00 - 16:00 MZH 7200 Lecture
Maryam Movahedifar

Master: Seminare

Vertiefungsrichtung Algebra

VAKTitel der VeranstaltungDozentIn
03-M-AC-9Knots, the Universe and Everything (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Di 14:00 - 16:00 MZH 7200 Seminar
Dr. Tim Haga

Vertiefungsrichtung Analysis

VAKTitel der VeranstaltungDozentIn
03-M-AC-10Dirichlet Forms on Graphs (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Fr 12:00 - 14:00 MZH 4140 Seminar
PD Dr. Hendrik Vogt
03-M-MKOM-3Fourier-Analysis
(Proseminar / Seminar)

Kurs
ECTS: 3 / 4,5 / 5 / 6

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 4140 (Pro)Seminar
Prof. Dr. Marc Keßeböhmer

Vertiefungsrichtung Numerik

VAKTitel der VeranstaltungDozentIn
03-M-AC-1Numerical Methods for Partial Differential Equations (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mo 16:00 - 18:00 MZH 2340 Seminar
Alfred Schmidt
03-M-AC-2High-Performance-Visualisierung (in englischer Sprache)
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 1100 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-4Mathematical Modelling and Scientific Computing (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 6200 Seminar
Prof. Dr. Andreas Rademacher
03-M-AC-6Mathematical Foundations of AI (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mi 11:00 - 12:00 MZH 2340 Seminar
Sören Dittmer
03-M-AC-8Combinatorial Optimization: Introduction and Algorithms (in englischer Sprache)
Application of Optimization and Optimal Control

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mo 10:00 - 12:00 Seminar

Die Veranstaltung findet im NEOS Gebäude statt.

Prof. Dr. Christof Büskens
Dr. Amin Mallek

Vertiefungsrichtung Stochastik & Statistik

VAKTitel der VeranstaltungDozentIn
03-M-AC-3Semiparametric Statistics (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Do 14:00 - 16:00 MZH 2340 Seminar

Statistical problems are described by statistical models. This means interpreting the data as realizations of random variables whose unconditional or conditional densities are described and estimated by statistical (regression) models. These models are usually identified by a set of parameters, which can be finite but also infinite dimensional. For this purpose, there are usually three types of possible models, depending on the structure of the data and the problem at hand: parametric, nonparametric, and semiparametric. A semiparametric model is characterized by the inclusion of both finite dimensional parametric and infinite dimensional nonparametric components. The main interest is usually in the finite dimensional parametric component, with the infinite dimensional component being co-estimated for the purpose of statistical inference and efficiency. In this seminar we will study the definition, properties, and applications of semiparametric models. Examples of semiparametric models include single-index models and Cox regression models for censored survival time data. We will also consider approaches to dealing with missing information in data sets. The use of semiparametric models plays a major role for medical studies, for example.

Prerequisites for participation in the seminar are basic knowledge of mathematical statistics (e.g. from Statistics 1) and of regression models (e.g. from Statistics 2). English speaking students are welcome.

In order to gain a good insight into the extensive theory of semi-parametric models, we will use the master thesis by Karel Vermeulen as our primary literature and study the chapters that are important for us in more detail, presenting the knowledge gained through the thesis in the form of individual presentations.

A list with the name of the thesis and further literature can be found below.

  • Master thesis of Karel Vermeulen. Semiparametric Efficiency
  • A. W. van der Vaart. Asymptotic Statistics. Cambridge Series in Statistical and Probabilistic Mathematics. Cambridge University Press, 1998.
  • A. W. van der Vaart. ”On Differentiable Functionals“. In: Ann. Statist. 19.1 (März 1991), S. 178–204.
  • Tsiatis, Anastasios. Semiparametric Theory and Missing Data. Vereinigtes Königreich, Springer New York, 2010.

Prof. Dr. Werner Brannath
03-M-AC-7Advanced Topics in Statistics (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Di 16:00 - 18:00 BIPS 1550 Seminar

regelmäßige Veranstaltung dienstags 14-16 im BIPS Raum 1550.

Prof. Dr. Vanessa Didelez

Master: Reading Courses

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

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

Seminar
ECTS: 9

Termine:
wöchentlich Di 16:00 - 18:00 MZH 4140
Prof. Dr. Anke Dorothea Pohl
03-M-RC-NUMReading Course Numerical Analysis

Seminar
ECTS: 9
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
03-M-OS-3Oberseminar Angewandte Statistik

Seminar

Homepage zur Veranstaltung: http://anstat.uni-bremen.de/node/6

Prof. Dr. Werner Brannath
03-M-OS-4Oberseminar Dynamische Systeme und Geometrie
Seminar: Dynamical Systems and Geometry

Seminar

Termine:
wöchentlich Do 14:00 - 16:00 MZH 4140 Seminar

Weitere Infos auf der Seminar-Homepage

Prof. Dr. Marc Keßeböhmer
Prof. Dr. Anke Dorothea Pohl
03-M-OS-6Oberseminar Mathematische Datenanalyse in der Bioinformatik
Mathematical data analysis in bioinformatics

Seminar

Termin nach Vereinbarung.
Studiengang: T-M

Tobias Boskamp
03-M-OS-9Oberseminar Optimierung & Optimale Steuerung
Seminar Optimisation and Optimal Control

Seminar

Termin nach Vereinbarung.
Homepage zur Veranstaltung: http://zetem.uni-bremen.de/o2c/veranstaltungen

Prof. Dr. Christof Büskens
03-M-OS-11Oberseminar Algebra und Topologie

Seminar
Prof. Dr. Dmitry Feichtner-Kozlov
03-M-OS-13Oberseminar Deep Learning

Seminar
Peter Maaß

General Studies

VAKTitel der VeranstaltungDozentIn
03-M-GS-2Modelle und Mathematik
Models and Mathematics

Seminar
ECTS: 2

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 1100 Seminar
Ronald Stöver
03-M-GS-3Grundlegende Methoden der angewandten Statistik
Basic Methods of Applied Statistics

Vorlesung
ECTS: 6

Termine:
wöchentlich Fr 08:00 - 10:00 MZH 1470 Vorlesung
wöchentlich Fr 10:00 - 12:00 MZH 1470 Übung
Dr. Martin Scharpenberg
03-M-GS-5Statistical Consulting (in englischer Sprache)

Seminar
ECTS: 3

Termine:
wöchentlich Fr 10:00 - 12:00 Seminar
Dr. Martin Scharpenberg
03-M-GS-6Data Science in Natural Sciences using R (in englischer Sprache)
a course on R programming and data science methods with practicals and projects

Vorlesung
ECTS: 3

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 0230/0240 (P3) (2 SWS) mix of lectures and practicals

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-7Introduction to R (in englischer Sprache)

Seminar
ECTS: 3

Termine:
wöchentlich Do 12:00 - 13:00 Seminar im KKSB
wöchentlich Fr 08:00 - 10:00 SFG 1040 Seminar Präsenz
Prof. Dr. Werner Brannath
Eike Voß
CC-02-WiSe22-23Betriebswirtschaftslehre für Ingenieurs- und Naturwissenschaftler:innen
Essentials of business studies for students and graduates of engineering and natural sciences

Blockveranstaltung
ECTS: empfohlen 1 & Zertifikat

Einzeltermine:
Mo 24.10.22 - Mi 26.10.22 (Mo, Di, Mi) 16:00 - 20:00 Online

Mitarbeitende mit technischem oder naturwissenschaftlichem Hintergrund werden im beruflichen Kontext immer auch mit betriebswirtschaftlichen Fragen konfrontiert.

In diesem Seminar lernen Sie die wichtigsten Teilgebiete der Betriebswirtschaft, sowie die dazugehörigen Zusammenhänge kennen, um diese in Ihrem beruflichen Umfeld anzuwenden. Neben den Grundzügen der BWL umfasst das Seminar u.a. die Bereiche Innovations- und Qualitätsmanagement, Supply-Chain-Management, F+E (Forschung und Entwicklung), Produktions- und Fertigungsplanung, technische Infrastruktur und IT.

Anmeldungen für Oktober laufen vom 07. Juli bis Donnerstag, 08. September 2022 über https://elearning.uni-bremen.de/ (Veranstaltungssuche / Suche im Vorlesungsverzeichnis / Fachübergreifende Studienangebote / Career Center unter: Betriebswirtschaftliche Kompetenzen).

Sobald das Anmeldeverfahren geschlossen ist, bekommen Sie von uns eine E-Mail mit den Zugangsdaten!

Ausführliche Informationen unter:
https://www.uni-bremen.de/career-center/veranstaltungen.html
www.uni-bremen.de/career-center/veranstaltungen/uebersicht
www.uni-bremen.de/career-center/veranstaltungen/uebersicht/detailbeschreibungen
www.uni-bremen.de/career-center/veranstaltungen/kalenderuebersicht

Lars Kaletka
CC-43-WiSe22-23Handwerkszeug für den Berufseinstieg für Studierende der Naturwissenschaften und Ingenieurstudiengänge
Tools for career entry for students of natural sciences and engineering

Blockveranstaltung

Einzeltermine:
Mo 27.02.23 09:00 - 17:00 Online

Ziel:
„Warum soll ich genau Sie einstellen?“ – Es lohnt sich, sich mit dieser Frage intensiv auseinanderzusetzen.

Für angehende Absolvierende der Naturwissenschaften und Ingenieurstudiengänge ist dies wichtig, da viele Ansprechpersonen die Faszination der entsprechenden Studienfächer nicht genau kennen und aufgrund der vielseitigen Spezialisierungsmöglichkei-ten in diesen Fächern eine klare Kommunikation entscheidend ist.

Im Workshop lernen Sie Recruiting aus neuer Perspektive kennen und erarbeiten Handwerkszeug für eine selbstbewusste und chancenorientierte Strategie für Ihr „Marketing in eigener Sache“. Durch die ausführliche Beschäftigung mit Ihren Stärken, Ihrer Motivation und Ihrem Begeisterungsvermögen werden Sie Sicherheit für Ihre Präsentation beim potentiellen Arbeitgeber gewinnen und Vorstellungsgespräche souveräner angehen können.

Workshopinhalte:
• Wie funktioniert Personalauswahl heute?
• Arbeitsfelder für Absolvierende der Naturwissenschaften und Ingenieurstudiengänge.

Praxisbeispiele
• Was hebt mich von anderen Bewerbern/Bewerberinnen ab, was zeichnet mich mit einem naturwissenschaftlichen oder Ingenieurstudienabschluss besonders aus?
• Erarbeitung geeigneter Argumentationsideen und Strategien für eine optimale Selbstpräsentation mit einem naturwissenschaftlichen oder Ingenieurstudienabschluss
• Welche Möglichkeiten der Initiativbewerbung gibt es?
• Wie kann ich verschiedene Kontaktpunkte zu potentiellen Arbeitgebern nutzen?
• Tipps für die erfolgreiche Umsetzung der Kommunikationsstrategie in den Bewerbungsunterlagen und im Vorstellungsgespräch

Anmeldungen für Februar 2023 laufen vom 24. November 2022 bis Donnerstag, 19. Januar 2023 über https://elearning.uni-bremen.de/ (Veranstaltungssuche / Suche im Vorlesungsverzeichnis / Fachübergreifende Studienangebote / Career Center unter: Arbeitsmärkte

Sobald das Anmeldeverfahren geschlossen ist, bekommen Sie von uns eine E-Mail mit den Zugangsdaten!

Ausführliche Informationen unter:
www.uni-bremen.de/career-center/veranstaltungen.html
www.uni-bremen.de/career-center/veranstaltungen/uebersicht
www.uni-bremen.de/career-center/veranstaltungen/uebersicht/detailbeschreibungen
www.uni-bremen.de/career-center/veranstaltungen/kalenderuebersicht

Wolfgang Leybold

Mathematik 2-Fächer Bachelor/M.Ed. (Gymnasien/Oberschule)

Veranstaltungen vor dem 1. Semester

VAKTitel der VeranstaltungDozentIn
03-M-OWO-Woche

Blockveranstaltung

Einzeltermine:
Mo 10.10.22 - Fr 14.10.22 (Mo, Di, Mi, Do, Fr) 08:00 - 19:00 1. Ebene im MZH Gebäude

Orientierungswoche für Erstsemesterstudierende in den mathematischen Studiengängen. Alle Details und Infos findest du unter https://math.stugen.de/wordpress/service/o-woche/

Lars Siemer

Bachelor: 1. Semester

VAKTitel der VeranstaltungDozentIn
03-M-Gy1-1bVertiefung zur Linearen Algebra 1 für Lehramt
Additional Topics in Linear Algebra 1

Projektplenum
ECTS: 3

Termine:
wöchentlich Mo 10:00 - 12:00 MZH 6200 Plenum
Dr. Ingolf Schäfer
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 Mo 12:00 - 14:00 MZH 1110 Übung
wöchentlich Di 08:00 - 10:00 MZH 4140 Übung
wöchentlich Di 08:00 - 10:00 MZH 7200 Übung
wöchentlich Mi 10:00 - 12:00 MZH 7200 Übung
wöchentlich Fr 12:00 - 14:00 MZH 1380/1400 Vorlesung

Einzeltermine:
Do 16.02.23 10:00 - 13:00 MZH 1380/1400
Eugenia Saorin Gomez

Bachelor: 3. Semester

VAKTitel der VeranstaltungDozentIn
03-M-ANA-1.1Analysis 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 MZH 4140 Übung
wöchentlich Di 10:00 - 12:00 GW2 B1820 Vorlesung
wöchentlich Di 12:00 - 14:00 MZH 1450 Übung
wöchentlich Di 14:00 - 16:00 MZH 1110 Übung
wöchentlich Mi 16:00 - 18:00 MZH 2340 Übung
wöchentlich Fr 08:00 - 10:00 HS 1010 (Kleiner Hörsaal) Vorlesung
Prof. Dr. Marc Keßeböhmer
03-M-D1-1Grundzüge der Mathematikdidaktik - Teil 1
Main Features of Mathematics Education - Part 1

Vorlesung
ECTS: 4

Termine:
wöchentlich Mo 16:00 - 18:00 MZH 1100 Übung
wöchentlich Mi 14:00 - 16:00 MZH 5600 Vorlesung
wöchentlich Mi 16:00 - 18:00 MZH 1100 Übung
Dr. Ingolf Schäfer
Luisa Gunia
03-M-Gy3-1bVertiefung zur Analysis 1 für Lehramt
Additional Topics in Analysis 1

Projektplenum
ECTS: 3

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 6200 Plenum
Dr. Ingolf Schäfer

Bachelor: 5. Semester

VAKTitel der VeranstaltungDozentIn
03-M-D2-2Diagnostizieren und Fördern mit Praxisanteilen (Didaktik der Arithmetik)
Diagnosing and Fostering with Practical Parts: Arithmetic Education

Seminar
ECTS: 6

Termine:
wöchentlich Do 10:00 - 12:00 MZH 5600 Seminar
wöchentlich Do 12:00 - 14:00 MZH 1100 Seminar
wöchentlich Do 12:00 - 14:00 MZH 1110 Seminar

Einzeltermine:
Sa 22.10.22 10:00 - 13:30 MZH 1100
Sa 22.10.22 10:00 - 13:30 MZH 1110
Prof. Dr. Christine Knipping
Fiene Bredow
03-M-Gy5-1Angewandte Mathematik
Applied Mathematics

Vorlesung
ECTS: 6

Termine:
wöchentlich Di 14:00 - 16:00 MZH 1100 Übung
wöchentlich Di 14:00 - 16:00 MZH 5500 Übung
wöchentlich Mi 08:00 - 10:00 MZH 1470 Vorlesung
Prof. Dr. Thorsten-Ingo Dickhaus

Master: 1. Semester

VAKTitel der VeranstaltungDozentIn
03-M-D3-1Stoffdidaktisch denken lernen
Learning to Think in a "Stoffdidactical" Way

Seminar
ECTS: 3

Termine:
wöchentlich Di 10:00 - 12:00 MZH 5500 Seminar
Prof. Dr. Christine Knipping
03-M-Gy4-1Funktionentheorie
Complex Analysis

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 1470 Vorlesung
wöchentlich Mo 16:00 - 18:00 MZH 3150 Übung
wöchentlich Mo 16:00 - 18:00 MZH 4140 Übung
wöchentlich Mi 14:00 - 16:00 MZH 1470 Vorlesung
PD Dr. Hendrik Vogt
Dr. Ingolf Schäfer

Master: 3. Semester

VAKTitel der VeranstaltungDozentIn
03-M-D5-1Mathematisch denken und handeln (Didaktik der Analysis)
Thinking and Acting Mathematically (Epistemological Beliefs)

Seminar
ECTS: 3

Termine:
wöchentlich Do 10:00 - 12:00 MZH 1100 Seminar

Einzeltermine:
Do 10.11.22 12:00 - 14:00 MZH 4140

Das Seminar findet im Unicom statt

Dr. Ingolf Schäfer
03-M-D6-1Forschungsmethoden anwenden und reflektieren (Masterarbeit)
Degree Module (Research Design)

Seminar
ECTS: 3

Termine:
wöchentlich Di 16:00 - 18:00 MZH 2495 Matelier Seminar

Das Seminar findet im Unicom statt.

Fiene Bredow

Master 4. Semester

VAKTitel der VeranstaltungDozentIn
03-M-Gy8-1Proseminar Differentialgeometrie
Introductory Seminar Differential Geometry

Seminar
ECTS: 3

Termine:
wöchentlich Fr 14:00 - 16:00 MZH 1380/1400 Seminar
Dr. Ingolf Schäfer
PD Dr. Hendrik Vogt
Prof. Dr. Marc Keßeböhmer

Forschungsseminar

VAKTitel der VeranstaltungDozentIn
03-M-FS-1Forschungsseminar zur Mathematikdidaktik

Seminar

Termine:
wöchentlich Di 14:00 - 16:00 MZH 6240 Seminar
Prof. Dr. Christine Knipping
Prof. Dr. Maike Vollstedt

General Studies

VAKTitel der VeranstaltungDozentIn
03-M-GS-2Modelle und Mathematik
Models and Mathematics

Seminar
ECTS: 2

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 1100 Seminar
Ronald Stöver
03-M-GS-3Grundlegende Methoden der angewandten Statistik
Basic Methods of Applied Statistics

Vorlesung
ECTS: 6

Termine:
wöchentlich Fr 08:00 - 10:00 MZH 1470 Vorlesung
wöchentlich Fr 10:00 - 12:00 MZH 1470 Übung
Dr. Martin Scharpenberg

Medical Biometry / Biostatistics, M.Sc.

1. Modulbereich Biometrie

VAKTitel der VeranstaltungDozentIn
03-BioStat-A-1-1Biometrical Methods (in englischer Sprache)

Vorlesung
ECTS: 6

Termine:
wöchentlich Mo 14:00 - 14:45 BIPS 1550 Übung Präsenz
wöchentlich Di 09:00 - 09:45 BIPS 1550 Vorlesung Präsenz
wöchentlich Do 14:15 - 15:45 BIPS 1550 Vorlesung Präsenz
Prof. Dr. Marvin Nils Ole Wright
03-BioStat-A-2-1Statistical Modelling I (in englischer Sprache)

Vorlesung
ECTS: 6

Termine:
wöchentlich Mo 13:00 - 14:00 BIPS 1550 Übung Präsenz
wöchentlich Di 14:15 - 15:00 BIPS 1550 Vorlesung Präsenz
wöchentlich Mi 10:00 - 11:30 BIPS 1550 Lecture

Einzeltermine:
Di 01.11.22 14:00 - 15:30 1550
Mi 02.11.22 10:00 - 10:45 1550
Mi 02.11.22 11:00 - 12:00 BIPS 1550
Di 15.11.22 14:15 - 15:00
Mi 16.11.22 10:00 - 11:30
Di 22.11.22 14:15 - 15:30 BIPS 1550
Mi 23.11.22 11:00 - 12:00 BIPS 1550
Di 29.11.22 14:15 - 15:00
Di 29.11.22 14:15 - 15:00 BIPS 1550
Mi 30.11.22 10:00 - 11:30
Di 06.12.22 14:15 - 15:00
Mo 12.12.22 14:00 - 15:00 1550
Di 13.12.22 14:15 - 15:00
Mi 14.12.22 10:00 - 11:30
Di 20.12.22 14:15 - 15:00
Mi 21.12.22 10:00 - 11:30
Di 10.01.23 14:15 - 15:00
Mi 11.01.23 10:00 - 11:30
Di 17.01.23 14:15 - 15:00
Mi 18.01.23 10:00 - 11:30
Di 24.01.23 14:15 - 15:00
Mi 25.01.23 10:00 - 11:30
Di 31.01.23 14:15 - 15:00
Mi 01.02.23 10:00 - 11:30
Prof. Dr. Iris Pigeot-Kübler
03-BioStat-A-3-1Data Management (in englischer Sprache)

Praktikum
ECTS: 4

Termine:
wöchentlich Do 08:00 - 12:00 MZH 1470 Praktikum Präsenz

Room (Raum): Cognium 0.320

Dr. Martin Scharpenberg

2. Modulbereich Anwendungsfelder und biomedizinische Grundlagen

VAKTitel der VeranstaltungDozentIn
03-BioStat-B-1-1Clinical Trials I (in englischer Sprache)

Vorlesung
ECTS: 4

Termine:
wöchentlich Di 10:00 - 12:00 Vorlesung Präsenz
wöchentlich Di 13:00 - 14:00 Übung Präsenz
wöchentlich Mi 13:00 - 14:00 Übung Präsenz

Einzeltermine:
Mo 06.02.23 10:00 - 12:00 MZH 1470

Raum wird nach Anmeldung im Stud.IP bekannt gegeben.
Room will be anounced after registration in StudIP.

Dr. Martin Scharpenberg
03-BioStat-B-1-3Ethical Aspects (in englischer Sprache)

Vorlesung
ECTS: 2

Termine:
wöchentlich Mo 16:00 - 18:00 BIPS 1550 Vorlesung Präsenz

Einzeltermine:
Do 09.02.23 10:00 - 12:00 MZH 1470

Raum wird nach Anmeldung im Stud.IP bekannt gegeben.
Room will be anounced after registration in StudIP.

Dr. Martin Scharpenberg
03-BioStat-B-2-1Medical Basics - Common Diseases and Molecular Medicine (in englischer Sprache)

Vorlesung
ECTS: 6

Termine:
wöchentlich Fr 11:00 - 15:00 Vorlesung

Einzeltermine:
Fr 17.02.23 10:00 - 12:00 MZH 1470

Raum wird nach Anmeldung im Stud.IP bekannt gegeben.
Room will be anounced after registration in StudIP.
Lecturer (DozentInnen): MedizinerInnen des Kooperationszentrums Medizin der Universität Bremen (KOM) Homepage

Dr. Martin Scharpenberg

3. Wahlbereich

VAKTitel der VeranstaltungDozentIn
03-BioStat-E-1Mathematical Basics in Biostatistics (in englischer Sprache)

Seminar
ECTS: 3

Termine:
wöchentlich Mi 14:00 - 16:00 SFG 2010 Seminar Präsenz

Raum wird nach Anmeldung im Stud.IP bekannt gegeben.
Room will be anounced after restristration in StudIP

Prof. Dr. Werner Brannath
03-M-AC-7Advanced Topics in Statistics (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Di 16:00 - 18:00 BIPS 1550 Seminar

regelmäßige Veranstaltung dienstags 14-16 im BIPS Raum 1550.

Prof. Dr. Vanessa Didelez

4. Sonstige Veranstaltungen

VAKTitel der VeranstaltungDozentIn
Block Course: Introduction into SAS

Blockveranstaltung

Einzeltermine:
Mo 17.10.22 - Mi 19.10.22 (Mo, Di, Mi) 08:00 - 17:00 COG 0320
Marieke Niemeyer
Alina Ludewig
03-M-GS-5Statistical Consulting (in englischer Sprache)

Seminar
ECTS: 3

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

Seminar
ECTS: 3

Termine:
wöchentlich Do 12:00 - 13:00 Seminar im KKSB
wöchentlich Fr 08:00 - 10:00 SFG 1040 Seminar Präsenz
Prof. Dr. Werner Brannath
Eike Voß

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

Veranstaltungen vor dem 1. Semester

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

Blockveranstaltung

Einzeltermine:
Mo 19.09.22 - Fr 23.09.22 (Mo, Di, Mi, Do, Fr) 10:00 - 14:30
Mo 26.09.22 - Fr 30.09.22 (Mo, Di, Mi, Do, Fr) 10:00 - 14:30

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. Arsen Narimanyan

Bachelor: Pflichtveranstaltungen

VAKTitel der VeranstaltungDozentIn
03-M-ANA-1.1Analysis 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 MZH 4140 Übung
wöchentlich Di 10:00 - 12:00 GW2 B1820 Vorlesung
wöchentlich Di 12:00 - 14:00 MZH 1450 Übung
wöchentlich Di 14:00 - 16:00 MZH 1110 Übung
wöchentlich Mi 16:00 - 18:00 MZH 2340 Übung
wöchentlich Fr 08:00 - 10:00 HS 1010 (Kleiner Hörsaal) Vorlesung
Prof. Dr. Marc Keßeböhmer
03-M-ANA-1.2Vertiefung zur Analysis 1 (Vollfach)
Additional Topics in Analysis 1 (Single Major Subject)

Projektplenum
ECTS: 1,5

Termine:
wöchentlich Do 16:00 - 18:00 MZH 1470 Plenum
Prof. Dr. Marc Keßeböhmer
03-M-ANA-3Analysis 3

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 10:00 - 12:00 MZH 1100 Übung
wöchentlich Di 14:00 - 16:00 MZH 1470 Vorlesung
wöchentlich Mi 12:00 - 14:00 MZH 6200 Vorlesung
Prof. Dr. Anke Dorothea Pohl
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 Mo 12:00 - 14:00 MZH 1110 Übung
wöchentlich Di 08:00 - 10:00 MZH 4140 Übung
wöchentlich Di 08:00 - 10:00 MZH 7200 Übung
wöchentlich Mi 10:00 - 12:00 MZH 7200 Übung
wöchentlich Fr 12:00 - 14:00 MZH 1380/1400 Vorlesung

Einzeltermine:
Do 16.02.23 10:00 - 13:00 MZH 1380/1400
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
Eugenia Saorin Gomez
03-M-MCP-1Mathematisches Computerpraktikum
Computer Laboratory

Kurs
ECTS: 3

Veranstaltung findet am Ende des Wintersemesters als Blockveranstaltung statt. Zeiten und Räume werden noch bekannt gegeben.

Prof. Dr. Daniel Schmand
03-M-MMOD-1Mathematische Modellierung
Mathematical Modelling

Kurs
ECTS: 9

Termine:
wöchentlich Di 12:00 - 14:00 MZH 2340 Vorlesung
wöchentlich Di 14:00 - 16:00 MZH 2340 Übung
wöchentlich Mi 12:00 - 14:00 MZH 2340 Vorlesung
Prof. Dr. Andreas Rademacher
03-M-NUM-1Numerik 1
Numerical Analysis 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 MZH 6200 Vorlesung
wöchentlich Mi 10:00 - 12:00 MZH 6200 Vorlesung
wöchentlich Do 12:00 - 14:00 MZH 1470 Übung
Alfred Schmidt

Bachelor: Wahlpflichtveranstaltungen

VAKTitel der VeranstaltungDozentIn
03-M-FTH-4Altes und neues über konvexe Geometrie
old and new about Convex Geometry

Vorlesung
ECTS: 9

Termine:
wöchentlich Mi 12:00 - 14:00 MZH 4140 Vorlesung
wöchentlich Mi 14:00 - 16:00 MZH 3150 Übung
wöchentlich Fr 08:00 - 10:00 MZH 7200 Übung
wöchentlich Fr 10:00 - 12:00 MZH 7200 Vorlesung
Eugenia Saorin Gomez
03-M-Gy4-1Funktionentheorie
Complex Analysis

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 1470 Vorlesung
wöchentlich Mo 16:00 - 18:00 MZH 3150 Übung
wöchentlich Mo 16:00 - 18:00 MZH 4140 Übung
wöchentlich Mi 14:00 - 16:00 MZH 1470 Vorlesung
PD Dr. Hendrik Vogt
Dr. Ingolf Schäfer
03-M-SP-2Basics of Mathematical Statistics (Statistics I) (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 08:00 - 10:00 MZH 1100 Lecture
wöchentlich Do 08:00 - 10:00 MZH 1100 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 1450 Exercise
Prof. Dr. Werner Brannath

Master: Pflichtveranstaltungen

VAKTitel der VeranstaltungDozentIn
03-M-MS-2Modellierungsseminar (Teil 2)
Modeling Seminar

Seminar
ECTS: 9

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 2340 Seminar


Tobias Kluth
03-M-NPDE-1Numerical Methods for Partial Differential Equations (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 MZH 2340 Exercise
wöchentlich Di 10:00 - 12:00 MZH 2340 Lecture
wöchentlich Do 10:00 - 12:00 MZH 2340 Lecture
Prof. Dr. Andreas Rademacher

Master: Wahlpflichtveranstaltungen

VAKTitel der VeranstaltungDozentIn
03-IMAT-AU (03-ME-602.99c)Algorithms and Uncertainty (in englischer Sprache)

Kurs
ECTS: 6 (9)

Termine:
wöchentlich Di 12:00 - 14:00 MZH 1470 Kurs Präsenz
wöchentlich Do 14:00 - 16:00 MZH 1470 Kurs Präsenz

Profil: SQ
Schwerpunkt: IMA-SQ, IMA-AI

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
Dr. Felix Christian Hommelsheim
03-M-MDAIP-1Mathematical Foundations of Data Analysis (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 08:00 - 10:00 MZH 4140 Lecture
wöchentlich Mo 10:00 - 12:00 MZH 4140 Exercise
wöchentlich Mi 08:00 - 10:00 MZH 1100 Lecture
Peter Maaß
03-M-SP-1Inverse Problems (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 2340 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 2340 Exercise
wöchentlich Fr 10:00 - 12:00 MZH 2340 Lecture
Peter Maaß
Dr. Matthias Beckmann
03-M-SP-2Basics of Mathematical Statistics (Statistics I) (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 08:00 - 10:00 MZH 1100 Lecture
wöchentlich Do 08:00 - 10:00 MZH 1100 Lecture
wöchentlich Fr 08:00 - 10:00 MZH 1450 Exercise
Prof. Dr. Werner Brannath
03-M-SP-3Mathematical Foundations of Deep Learning (in englischer Sprache)

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mo 08:00 - 12:00 MZH 2340 Lecture/Exercise
wöchentlich Mi 08:00 - 10:00 MZH 2340 Lecture / Exercise
Sören Dittmer
03-M-SP-5Theory of Nonparametric Tests (Statistics III) (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 10:00 - 12:00 MZH 1100 Lecture
wöchentlich Do 10:00 - 12:00 MZH 4140 Lecture
wöchentlich Do 16:00 - 18:00 MZH 4140 Exercise
Prof. Dr. Thorsten-Ingo Dickhaus
03-M-SP-6Algorithmic Game Theory (in englischer Sprache)

Vorlesung
ECTS: 9 (6)

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 4140 Exercise
wöchentlich Do 12:00 - 14:00 MZH 2340 Lecture
wöchentlich Fr 12:00 - 14:00 MZH 2340 Lecture

Many every-day processes can seen as a game between autonomous interacting players, where each player acts stategically in order to pursue her own objectives. This lecture is an introduction to game-theoretic concepts and techniques, mainly with connections to applications. Use-cases are distributed systems, auctions, online-markets, resource allocation, traffic routing, and sports. The goal of the lecture is to provide an overview over state-of-the-art results in the area of algorithmic game theory. Main topics that we will cover in the course are games in normal form, efficiency of equilibria, auctions, truthfulness and VCG-mechanisms, social choice, cake cutting, and cooperative games.

The lectures and homework sheets will be in English language. If all participants agree, the exercise session could be held in German. If there is an oral exam, the language can be chosen by the candidate. In case of a written exam the questions will be in English, answering them in German or English is fine.

Prof. Dr. Daniel Schmand
03-M-SP-9Introduction to Nonlinear Optimization and Optimal Control (in englischer Sprache)

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 Lecture
wöchentlich Di 08:00 - 10:00 Lecture
wöchentlich Di 14:00 - 16:00 Exercise

Die Veranstaltung findet im NEOS Gebäude statt.

Prof. Dr. Christof Büskens
04-M30-CP-SFT-3Trajectory Optimization (in englischer Sprache)

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mo 14:00 - 17:00 GW1 B0100
Matthias Knauer
Prof. Dr. Christof Büskens

Master: Seminare

VAKTitel der VeranstaltungDozentIn
03-M-AC-1Numerical Methods for Partial Differential Equations (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mo 16:00 - 18:00 MZH 2340 Seminar
Alfred Schmidt
03-M-AC-2High-Performance-Visualisierung (in englischer Sprache)
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 1100 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-3Semiparametric Statistics (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Do 14:00 - 16:00 MZH 2340 Seminar

Statistical problems are described by statistical models. This means interpreting the data as realizations of random variables whose unconditional or conditional densities are described and estimated by statistical (regression) models. These models are usually identified by a set of parameters, which can be finite but also infinite dimensional. For this purpose, there are usually three types of possible models, depending on the structure of the data and the problem at hand: parametric, nonparametric, and semiparametric. A semiparametric model is characterized by the inclusion of both finite dimensional parametric and infinite dimensional nonparametric components. The main interest is usually in the finite dimensional parametric component, with the infinite dimensional component being co-estimated for the purpose of statistical inference and efficiency. In this seminar we will study the definition, properties, and applications of semiparametric models. Examples of semiparametric models include single-index models and Cox regression models for censored survival time data. We will also consider approaches to dealing with missing information in data sets. The use of semiparametric models plays a major role for medical studies, for example.

Prerequisites for participation in the seminar are basic knowledge of mathematical statistics (e.g. from Statistics 1) and of regression models (e.g. from Statistics 2). English speaking students are welcome.

In order to gain a good insight into the extensive theory of semi-parametric models, we will use the master thesis by Karel Vermeulen as our primary literature and study the chapters that are important for us in more detail, presenting the knowledge gained through the thesis in the form of individual presentations.

A list with the name of the thesis and further literature can be found below.

  • Master thesis of Karel Vermeulen. Semiparametric Efficiency
  • A. W. van der Vaart. Asymptotic Statistics. Cambridge Series in Statistical and Probabilistic Mathematics. Cambridge University Press, 1998.
  • A. W. van der Vaart. ”On Differentiable Functionals“. In: Ann. Statist. 19.1 (März 1991), S. 178–204.
  • Tsiatis, Anastasios. Semiparametric Theory and Missing Data. Vereinigtes Königreich, Springer New York, 2010.

Prof. Dr. Werner Brannath
03-M-AC-4Mathematical Modelling and Scientific Computing (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mi 14:00 - 16:00 MZH 6200 Seminar
Prof. Dr. Andreas Rademacher
03-M-AC-6Mathematical Foundations of AI (in englischer Sprache)

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mi 11:00 - 12:00 MZH 2340 Seminar
Sören Dittmer
03-M-AC-8Combinatorial Optimization: Introduction and Algorithms (in englischer Sprache)
Application of Optimization and Optimal Control

Seminar
ECTS: 4,5 / 6

Termine:
wöchentlich Mo 10:00 - 12:00 Seminar

Die Veranstaltung findet im NEOS Gebäude statt.

Prof. Dr. Christof Büskens
Dr. Amin Mallek

Oberseminare

VAKTitel der VeranstaltungDozentIn
03-M-OS-6Oberseminar Mathematische Datenanalyse in der Bioinformatik
Mathematical data analysis in bioinformatics

Seminar

Termin nach Vereinbarung.
Studiengang: T-M

Tobias Boskamp
03-M-OS-9Oberseminar Optimierung & Optimale Steuerung
Seminar Optimisation and Optimal Control

Seminar

Termin nach Vereinbarung.
Homepage zur Veranstaltung: http://zetem.uni-bremen.de/o2c/veranstaltungen

Prof. Dr. Christof Büskens

General Studies

VAKTitel der VeranstaltungDozentIn
03-M-GS-2Modelle und Mathematik
Models and Mathematics

Seminar
ECTS: 2

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 1100 Seminar
Ronald Stöver
03-M-GS-3Grundlegende Methoden der angewandten Statistik
Basic Methods of Applied Statistics

Vorlesung
ECTS: 6

Termine:
wöchentlich Fr 08:00 - 10:00 MZH 1470 Vorlesung
wöchentlich Fr 10:00 - 12:00 MZH 1470 Übung
Dr. Martin Scharpenberg
03-M-GS-5Statistical Consulting (in englischer Sprache)

Seminar
ECTS: 3

Termine:
wöchentlich Fr 10:00 - 12:00 Seminar
Dr. Martin Scharpenberg
CC-02-WiSe22-23Betriebswirtschaftslehre für Ingenieurs- und Naturwissenschaftler:innen
Essentials of business studies for students and graduates of engineering and natural sciences

Blockveranstaltung
ECTS: empfohlen 1 & Zertifikat

Einzeltermine:
Mo 24.10.22 - Mi 26.10.22 (Mo, Di, Mi) 16:00 - 20:00 Online

Mitarbeitende mit technischem oder naturwissenschaftlichem Hintergrund werden im beruflichen Kontext immer auch mit betriebswirtschaftlichen Fragen konfrontiert.

In diesem Seminar lernen Sie die wichtigsten Teilgebiete der Betriebswirtschaft, sowie die dazugehörigen Zusammenhänge kennen, um diese in Ihrem beruflichen Umfeld anzuwenden. Neben den Grundzügen der BWL umfasst das Seminar u.a. die Bereiche Innovations- und Qualitätsmanagement, Supply-Chain-Management, F+E (Forschung und Entwicklung), Produktions- und Fertigungsplanung, technische Infrastruktur und IT.

Anmeldungen für Oktober laufen vom 07. Juli bis Donnerstag, 08. September 2022 über https://elearning.uni-bremen.de/ (Veranstaltungssuche / Suche im Vorlesungsverzeichnis / Fachübergreifende Studienangebote / Career Center unter: Betriebswirtschaftliche Kompetenzen).

Sobald das Anmeldeverfahren geschlossen ist, bekommen Sie von uns eine E-Mail mit den Zugangsdaten!

Ausführliche Informationen unter:
https://www.uni-bremen.de/career-center/veranstaltungen.html
www.uni-bremen.de/career-center/veranstaltungen/uebersicht
www.uni-bremen.de/career-center/veranstaltungen/uebersicht/detailbeschreibungen
www.uni-bremen.de/career-center/veranstaltungen/kalenderuebersicht

Lars Kaletka
CC-43-WiSe22-23Handwerkszeug für den Berufseinstieg für Studierende der Naturwissenschaften und Ingenieurstudiengänge
Tools for career entry for students of natural sciences and engineering

Blockveranstaltung

Einzeltermine:
Mo 27.02.23 09:00 - 17:00 Online

Ziel:
„Warum soll ich genau Sie einstellen?“ – Es lohnt sich, sich mit dieser Frage intensiv auseinanderzusetzen.

Für angehende Absolvierende der Naturwissenschaften und Ingenieurstudiengänge ist dies wichtig, da viele Ansprechpersonen die Faszination der entsprechenden Studienfächer nicht genau kennen und aufgrund der vielseitigen Spezialisierungsmöglichkei-ten in diesen Fächern eine klare Kommunikation entscheidend ist.

Im Workshop lernen Sie Recruiting aus neuer Perspektive kennen und erarbeiten Handwerkszeug für eine selbstbewusste und chancenorientierte Strategie für Ihr „Marketing in eigener Sache“. Durch die ausführliche Beschäftigung mit Ihren Stärken, Ihrer Motivation und Ihrem Begeisterungsvermögen werden Sie Sicherheit für Ihre Präsentation beim potentiellen Arbeitgeber gewinnen und Vorstellungsgespräche souveräner angehen können.

Workshopinhalte:
• Wie funktioniert Personalauswahl heute?
• Arbeitsfelder für Absolvierende der Naturwissenschaften und Ingenieurstudiengänge.

Praxisbeispiele
• Was hebt mich von anderen Bewerbern/Bewerberinnen ab, was zeichnet mich mit einem naturwissenschaftlichen oder Ingenieurstudienabschluss besonders aus?
• Erarbeitung geeigneter Argumentationsideen und Strategien für eine optimale Selbstpräsentation mit einem naturwissenschaftlichen oder Ingenieurstudienabschluss
• Welche Möglichkeiten der Initiativbewerbung gibt es?
• Wie kann ich verschiedene Kontaktpunkte zu potentiellen Arbeitgebern nutzen?
• Tipps für die erfolgreiche Umsetzung der Kommunikationsstrategie in den Bewerbungsunterlagen und im Vorstellungsgespräch

Anmeldungen für Februar 2023 laufen vom 24. November 2022 bis Donnerstag, 19. Januar 2023 über https://elearning.uni-bremen.de/ (Veranstaltungssuche / Suche im Vorlesungsverzeichnis / Fachübergreifende Studienangebote / Career Center unter: Arbeitsmärkte

Sobald das Anmeldeverfahren geschlossen ist, bekommen Sie von uns eine E-Mail mit den Zugangsdaten!

Ausführliche Informationen unter:
www.uni-bremen.de/career-center/veranstaltungen.html
www.uni-bremen.de/career-center/veranstaltungen/uebersicht
www.uni-bremen.de/career-center/veranstaltungen/uebersicht/detailbeschreibungen
www.uni-bremen.de/career-center/veranstaltungen/kalenderuebersicht

Wolfgang Leybold

Systems Engineering, B.Sc. / M.Sc.

VAKTitel der VeranstaltungDozentIn
03-IMVT-TSF (03-ME-699.05)Theorie der Sensorfusion
Theory of Sensor Fusion

Kurs
ECTS: 6

Termine:
wöchentlich Mo 12:00 - 14:00 MZH 1470 Vorlesung Präsenz
wöchentlich Mi 10:00 - 12:00 MZH 1470 Übung Präsenz

MPO 2012 Profil: KIKR
MPO 2020 Schwerpunkt: AI, VMC
http://www.informatik.uni-bremen.de/agebv/de/VeranstaltungTdS16

Udo Frese

Wirtschaftsinformatik, B.Sc.

1. Studienjahr

Pflichtmodule

BWL-4

Finanzwirtschaft
VAKTitel der VeranstaltungDozentIn
07-V10-5-BWL101Finanzwirtschaft
Finance

Vorlesung
ECTS: WIng PT: 6

Termine:
wöchentlich Di 08:00 - 10:00 MZH 1380/1400
Prof. Dr. Lars Hornuf, M.A. (Essex)
07-V10-5-BWL102Finanzwirtschaft Übungen

Übung

Termine:
wöchentlich Do 16:00 - 18:00 GW2 B1410
Prof. Dr. Lars Hornuf, M.A. (Essex)
Eliza Stenzhorn

INF-1

Praktische Informatik 1
VAKTitel der VeranstaltungDozentIn
03-IBGP-PI1Praktische Informatik 1: Imperative Programmierung und Objektorientierung
Practical Computer Science 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 08:00 - 11:00 Übung Online
wöchentlich Mo 11:00 - 14:00 MZH 5500 Übung Präsenz
wöchentlich Mo 11:00 - 14:00 Übung Online
wöchentlich Mo 14:00 - 17:00 Übung Online
wöchentlich Mo 14:00 - 17:00 MZH 5500 Übung Präsenz
wöchentlich Mo 17:00 - 20:00 Übung Online
wöchentlich Mo 17:00 - 20:00 MZH 5500 Übung Präsenz
wöchentlich Di 14:00 - 16:00 HS 2010 (Großer Hörsaal) Vorlesung Präsenz
wöchentlich Mi 08:00 - 11:00 MZH 5500 Übung Präsenz
wöchentlich Mi 08:00 - 11:00 Übung Online
wöchentlich Mi 11:00 - 14:00 MZH 5500 Übung Präsenz
wöchentlich Mi 11:00 - 14:00 Übung Online
wöchentlich Mi 14:00 - 17:00 Übung Online
wöchentlich Mi 14:00 - 17:00 MZH 5500 Übung Präsenz
wöchentlich Mi 17:00 - 20:00 Übung Online
wöchentlich Mi 17:00 - 20:00 MZH 5500 Übung Präsenz
wöchentlich Do 08:00 - 10:00 HS 2010 (Großer Hörsaal) Vorlesung Präsenz

Für Studierende des Vollfachs Informatik, Systems Engineering und Wirtschaftinformatik. Für Studierende der Digitalen Medien und Komplementärfach Informatik gibt es die Veranstaltung Grundlagen der Programmierung.
Die Studierenden der Beruflichen Bildung - Mechatronik besuchen PI1 anstatt Grundlagen der Programmierung mit einer reduzierten CP-Anzahl, nämlich 6 CP durch reduzierten Übungsbetrieb.
Die Übungen finden online und in Präsenz statt. Der Übungsbetrieb startet in der 2. Semesterwoche.

Thomas Röfer

MAT-1

Mathematik
VAKTitel der VeranstaltungDozentIn
03-IBGT-M1Mathematik 1: Logik, Kombinatorik und Lineare Algebra
Mathematics 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 14:00 - 16:00 MZH 1090 Übung Präsenz
wöchentlich Mo 14:00 - 16:00 Übung Online
wöchentlich Di 10:00 - 12:00 NW1 H 1 - H0020 Vorlesung Präsenz
wöchentlich Di 12:00 - 14:00 MZH 1090 Übung Präsenz
wöchentlich Di 12:00 - 14:00 MZH 1100 Übung Präsenz
wöchentlich Di 16:00 - 18:00 GW2 B1820 Übung Präsenz
wöchentlich Mi 08:00 - 10:00 MZH 1090 Übung Präsenz
wöchentlich Mi 08:00 - 10:00 MZH 5600 Übung Präsenz
wöchentlich Do 12:00 - 14:00 MZH 5500 Übung Präsenz
wöchentlich Fr 10:00 - 12:00 GW1-HS H0070 Vorlesung Präsenz

Die Vorlesungen finden entweder online synchron oder in Präsenz statt.
Die Übungen sind in Präsenz geplant.

Übungsternmine für Studierende der Wirtschaftsinformatik primär am Do 12-14h, für Systems Engineering am ...... und für Digitale Medien am Di 12-14h.

Dr. Tim Haga

WI-1

Einführung in die Wirtschaftsinformatik
VAKTitel der VeranstaltungDozentIn
03-BA-551 (03-WI-1)Einführung in die Wirtschaftsinformatik
Introduction to Business Informatics

Vorlesung
ECTS: 6

Termine:
wöchentlich Mi 14:00 - 18:00 MZH 1090 Vorlesung Präsenz
Benjamin Müller

2./3. Studienjahr

Pflichtmodule

BWL-1

Rechnungswesen und Abschluss
VAKTitel der VeranstaltungDozentIn
07-B37-1-01-01Vorkurs Rechnungswesen und Abschluss
Precourse Accounting and Accounts

Vorlesung

Einzeltermine:
Di 04.10.22 10:00 - 12:00 HS 2010 (Großer Hörsaal)
Di 04.10.22 14:00 - 16:00 WiWi1 A1070
Di 04.10.22 14:00 - 16:00 WiWi1 A1100
Di 04.10.22 14:00 - 16:00 SFG 0140
Di 04.10.22 14:00 - 16:00 SFG 0150
Mi 05.10.22 10:00 - 12:00 DIGITAL
Mi 05.10.22 14:00 - 16:00 WiWi1 A1070
Mi 05.10.22 14:00 - 16:00 WiWi1 A1100
Mi 05.10.22 14:00 - 16:00 SFG 1010
Mi 05.10.22 14:00 - 16:00 SFG 2040
Do 06.10.22 10:00 - 12:00 HS 2010 (Großer Hörsaal)
Do 06.10.22 14:00 - 16:00 WiWi1 A1070
Do 06.10.22 14:00 - 16:00 WiWi1 A1100
Do 06.10.22 14:00 - 16:00 SFG 0140
Do 06.10.22 14:00 - 16:00 SFG 0150
Fr 07.10.22 10:00 - 12:00 HS 2010 (Großer Hörsaal)
Fr 07.10.22 14:00 - 16:00 WiWi1 A1070
Fr 07.10.22 14:00 - 16:00 WiWi1 A1100
Fr 07.10.22 14:00 - 16:00 SFG 0140
Fr 07.10.22 14:00 - 16:00 SFG 0150
Prof. Dr. Dr. h.c. Jochen Zimmermann
Vanessa Behrmann, M. Sc
Johannes Voshaar, B. Sc
Moritz Hölzer, M. Sc.
07-B37-1-01-02Rechnungswesen und Abschluss
Accounting and Accounts

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 10:00 - 12:00 HS 2010 (Großer Hörsaal)


Prof. Dr. Dr. h.c. Jochen Zimmermann
Vanessa Behrmann, M. Sc
Johannes Voshaar, B. Sc
Moritz Hölzer, M. Sc.
Fabian Thorsten Albrecht, M. Sc
07-B37-1-01-03Rechnungswesen und Abschluss - Ü
Accounting and Accounts

Übung

Termine:
wöchentlich Mi 14:00 - 16:00 HS 2010 (Großer Hörsaal)


Prof. Dr. Dr. h.c. Jochen Zimmermann
Vanessa Behrmann, M. Sc
Johannes Voshaar, B. Sc
Moritz Hölzer, M. Sc.
Fabian Thorsten Albrecht, M. Sc
Benedikt Plate, B.Sc.

INF-4

Software-Projekt 2
VAKTitel der VeranstaltungDozentIn
03-IBGP-SWPSoftware-Projekt

Vorlesung
ECTS: 6

Tutoriumstermine werden individuell von den Tutor*innen für jede Gruppe vereinbart.

Karsten Hölscher
Dr. Hui Shi
Amadou Amadou

Wahlmodule

Überblick Wahlmodule

VAKTitel der VeranstaltungDozentIn
03-05-H-505Überblick über das Wahlangebot im Fach Informatik

Vorlesung

Die Veranstaltung findet online asynchron statt und gibt einen Überblick über das Wahlangebot im Fach Informatik, das auch für die Bachelorstudiengänge Digitale Medien/Medieninformatik, Wirtschaftsinformatik und Systems Engineering gilt.

Ute Bormann

Rechtliche Grundlagen (X-3)

Recht (X-3/1)

VAKTitel der VeranstaltungDozentIn
07-B37-2-29-01Recht
Law

Vorlesung
ECTS: 6

Termine:
zweiwöchentlich (Startwoche: 1) Fr 14:00 - 18:00 GW1-HS H0070

Einzeltermine:
Fr 09.12.22 14:00 - 18:00 GW1-HS H0070
Dr. Irene Pötting

Medien- und IT-Recht

VAKTitel der VeranstaltungDozentIn
03-IMAA-MITR (03-MB-803.04)Medien- und IT-Recht
Media and IT-Law

Kurs
ECTS: 6

Termine:
wöchentlich Mo 10:00 - 12:00 Kurs Online

Profil: SQ, DMI.
Schwerpunkt: IMA-DMI, SQ

Prof. Dr. Iris Kirchner-Freis, LL.M.Eur.

Schwerpunkt "Computational Finance"

WI-CF-WP

Auflistung der WInf-Schwerpunkt-Wahlmodule siehe unter WInf-Wahlmodule
VAKTitel der VeranstaltungDozentIn
07-B37-5-14-04Investments

Seminar
ECTS: 6

Termine:
wöchentlich Do 08:00 - 10:00 Externer Ort: digital

Das Seminar findet digital asynchron statt.

http://www.fiwi.uni-bremen.de

Dr. Daniel Metko
Prof. Dr. Thorsten Poddig
07-B37-5-14-05Behavioral Finance

Seminar
ECTS: 6

Termine:
wöchentlich Mo 08:00 - 10:00 WiWi1 A1070


Prof. Dr. Lars Hornuf, M.A. (Essex)

Schwerpunkt "E-Business"

WI-EB-WP

Auflistung der WInf-Schwerpunkt-Wahlmodule siehe unter Winf-Wahlmodule
VAKTitel der VeranstaltungDozentIn
03-IBAA-ECA (03-BB-805.05)E-Commerce-Anwendungen
E-Commerce Applications

Kurs
ECTS: 6

Termine:
wöchentlich Mo 16:00 - 18:00 SFG 0150 Vorlesung Präsenz

Für Studierende des Zertifikatsstudiums DiMePäd ist eine Teilnahme nur bei ausreichender Kapazität möglich.

Markus Haydl

Schwerpunkt "Informationstechnikmanagement"

WI-IM-WP

Auflistung der WInf-Schwerpunkt-Wahlmodule siehe unter WInf-Wahlmodule
VAKTitel der VeranstaltungDozentIn
03-IBAP-ISEC (03-BB-707.01)Informationssicherheit
Information Security

Vorlesung
ECTS: 6

Termine:
wöchentlich Di 14:00 - 18:00 MZH 6200 Vorlesung Präsenz

Schwerpunkt: SQ

Prof. Dr.-Ing. Carsten Bormann
Karsten Sohr
Stefanie Gerdes

Schwerpunkt "Logistik"

WI-LO-WP

Auflistung der WInf-Schwerpunkt-Wahlmodule siehe unter WInf-Wahlmodule
VAKTitel der VeranstaltungDozentIn
07-B37-5-15-04Supply Chain Operations Management

Seminar
ECTS: 6

Einzeltermine:
Di 18.10.22 10:00 - 12:00 WiWi1 A1070
Di 01.11.22 10:00 - 14:00 WiWi1 A1100
Di 15.11.22 10:00 - 14:00 WiWi1 A1100
Di 29.11.22 10:00 - 14:00 WiWi1 A1100
Di 13.12.22 10:00 - 14:00 WiWi1 A1100
Di 10.01.23 10:00 - 14:00 WiWi1 A1100
Di 24.01.23 10:00 - 14:00 WiWi1 A1100
Di 31.01.23 10:00 - 12:00 WiWi1 A1070
Prof. Dr. Herbert Walter Kotzab
07-B37-5-15-05Verkehrswirtschaft (in englischer Sprache)
Transport Economics

Seminar
ECTS: 6

Einzeltermine:
Fr 28.10.22 08:00 - 12:00 WiWi1 A1070
Fr 04.11.22 08:00 - 12:00 WiWi1 A1070
Fr 18.11.22 08:00 - 12:00 Digital via Zoom
Fr 02.12.22 08:00 - 12:00 WiWi1 A1070
Fr 16.12.22 08:00 - 12:00 WiWi1 A1070
Fr 20.01.23 08:00 - 12:00 WiWi1 A1070
Fr 03.02.23 08:00 - 12:00 WiWi1 A1070
Prof. Dr. Aseem Kinra

WInf-Wahlmodule

WI-W/01 Datenbanksysteme

Schwerpunkte: CF, EB, IM, LO
VAKTitel der VeranstaltungDozentIn
03-IBAP-DBS (03-BB-703.01)Datenbanksysteme
Database Systems

Vorlesung
ECTS: 6

Termine:
wöchentlich Di 12:00 - 14:00 SFG 0150 Vorlesung Präsenz
wöchentlich Mi 10:00 - 12:00 SFG 0150 Vorlesung Präsenz
wöchentlich Mi 14:00 - 16:00 HS 1010 (Kleiner Hörsaal) Übung Präsenz
Prof. Dr. Sebastian Maneth

WI-W/03 Softwaretechnik

Schwerpunkte: CF, EB, IM
VAKTitel der VeranstaltungDozentIn
03-IBAP-SWT (03-BB-706.02)Softwaretechnik
Software Engineering

Vorlesung
ECTS: 6

Termine:
wöchentlich Mo 08:00 - 10:00 MZH 6200 Übung Präsenz
wöchentlich Do 14:00 - 16:00 MZH 1090 Übung Präsenz

Schwerpunkt: SQ

Prof. Dr. Rainer Koschke

WI-W/06 Mensch-Technik-Interaktion

Schwerpunkt: EB, IM
VAKTitel der VeranstaltungDozentIn
03-IBAA-MTI (03-BB-801.01)Mensch-Technik-Interaktion
Human Computer Interaction

Kurs
ECTS: 6

Termine:
wöchentlich Mo 10:00 - 12:00 MZH 1090 Übung Präsenz
wöchentlich Di 10:00 - 12:00 MZH 5600 Übung Präsenz
wöchentlich Do 08:00 - 10:00 MZH 4140 Übung Präsenz
wöchentlich Do 10:00 - 12:00 SFG 0140 Übung Präsenz
wöchentlich Do 10:00 - 12:00 WiWi1 A1100 Übung Präsenz
wöchentlich Do 12:00 - 14:00 MZH 1380/1400 Vorlesung Präsenz

Schwerpunkt: DMI

Prof. Dr. Tanja Döring
Dr. Susanne Putze
Dr. Dmitry Alexandrovsky

WI-W/07 Grundlagen des Maschinellen Lernens

Schwerpunkte: CF, LO
VAKTitel der VeranstaltungDozentIn
03-IBAP-ML (03-BB-710.10)Grundlagen des Maschinellen Lernens
Fundamentals of Machine Learning

Kurs
ECTS: 6

Termine:
wöchentlich Mo 10:00 - 12:00 MZH 1380/1400 CART Rotunde - 0.67 Übung Präsenz
wöchentlich Mi 10:00 - 12:00 MZH 1380/1400 Kurs Präsenz
wöchentlich Do 14:00 - 16:00 MZH 5600 Übung Präsenz

Einzeltermine:
Mi 15.02.23 09:00 - 12:00 HS 2010 (Großer Hörsaal)

Die Vorlesungsinhalte werden über Videos und Folien asynchron bereitgestellt ("flipped classroom"-Konzept).
Schwerpunkt: AI

Felix Putze
Tanja Schultz
Mazen Salous
Lars Steinert
Saurav Pahuja

WI-W/51 International Business Environment

Schwerpunkt: EB
VAKTitel der VeranstaltungDozentIn
07-B37-5-13-12International Business Environment (in englischer Sprache)

Seminar
ECTS: 6

Termine:
wöchentlich Mo 12:00 - 14:00 WiWi1 A1070
Prof. Dr. Sarianna Maarit Lundan

WI-W/52 Strategisches Management

Schwerpunkte: EB, IM, LO
VAKTitel der VeranstaltungDozentIn
07-B37-5-13-09Strategisches Management (in englischer Sprache)
Strategic Management - Basics of Strategy in the Digital Age

Seminar
ECTS: 6

Termine:
zweiwöchentlich (Startwoche: 2) Mi 16:00 - 20:00 WiWi1 A1020
zweiwöchentlich (Startwoche: 2) Mi 16:00 - 20:00 WiWi1 A1070
Dr. Julia Maria Kensbock

WI-W/53 Personal und Organisation

Schwerpunkte: EB, IM, LO
VAKTitel der VeranstaltungDozentIn
07-B37-5-13-10Personal & Organisation
Human Resource Management and Organizational Theory

Seminar
ECTS: 6

Termine:
wöchentlich Di 14:00 - 16:00 GW1-HS H0070
Dr. Julia Maria Kensbock

WI-W/62 Gründungsmanagement II

VAKTitel der VeranstaltungDozentIn
07-B37-5-13-11Gründungsmanagement II
Entrepreneurship II

Seminar
ECTS: 6

Termine:
zweiwöchentlich (Startwoche: 1) Fr 14:00 - 18:00 WiWi1 A1070


Prof. Dr. Jörg-Rainer Freiling
Quynh Duong Phuong

Bachelor-Projekt (WI-PR)

Es können neben den Projekten der Wirtschaftsinformatik auch die Bachelorprojekte der Informatik angewählt werden:
https://elearning.uni-bremen.de/dispatch.php/course/details?sem_id=1257252297c0cc9e8785a100b86c656f
VAKTitel der VeranstaltungDozentIn
03-IBPJ-ESPOProjekt eSports
(Wise 22/23 bis SoSe 2023)

Projektplenum
ECTS: 12

Termine:
wöchentlich Fr 14:00 - 16:00 MZH 1470 Plenum Präsenz
Björn Niehaves
Bastian Kordyaka
07-B37-5-13-17Projekt IEM² I - Gründungsmanagement
Teaching Project SME Management

Projektplenum
ECTS: 12

Termine:
zweiwöchentlich (Startwoche: 2) Do 14:00 - 18:00 WiWi1 A1070

Einzeltermine:
Di 18.10.22 10:00 - 12:00 WiWi1 A1100
Dr. Jan Harima
07-B37-5-13-22Projekt IEM² VI - future concepts bremen - Innovative Praxisprojekte
Teaching Project - Digital Innovation Projects

Projektplenum
ECTS: 12

Termine:
zweiwöchentlich (Startwoche: 1) Do 14:00 - 18:00 WiWi1 A1070

Im Projektmodul „future concepts bremen – Innovative Praxisprojekte“ werden zukunftsorientierte Geschäfts- und Organisationskonzepte mit Praxispartner:innen aus Bremen entwickelt.

Alle teilnehmenden Studierenden erarbeiten in kleinen Teams in einem agilen, iterativen Prozess gemeinsam mit etablierten Unternehmen, Start-ups, Non-Profit-Organisationen und/oder öffentlichen Einrichtungen individuelle Lösungsansätze.

Ein Team aus Dozent:innen und Tutor:innen begleitet die verschiedenen Entwicklungsstadien in Form von individuellen Gruppencoachings. Zum Ende des Semesters werden alle Lösungen im Rahmen eines Demo Day öffentlich präsentiert.

Bei der Bearbeitung der Praxisprojekte werden eigenständig verschiedene Planungs- und Strategietools aus dem Startup-Management, wie bspw. Design Thinking, Business Model Canvas, Lean Startup oder Business Planning angewendet.

Die Teilnahme am Projektmodul bietet die Möglichkeit Wissen und Fähigkeiten in den Bereichen Ideengenerierung und Ideenselektion, strategisches Denken, Geschäftsmodellentwicklung, Teambuilding, Ressourcenallokation, Präsentationsfähigkeiten (Pitch) und Projektmanagement zu entwickeln. Darüber hinaus entstehen wertvolle Praxiskontakte zu zukünftigen Arbeitgebern. Passend für alle Studierenden im Bachelorstudium, die den Studienschwerpunkt Internationales Entrepreneurship, Management und Marketing (IEM²) gewählt haben oder im Rahmen der General Studies Schlüsselqualifikationen für den eigenen Berufsweg erwerben wollen.

https://www.uni-bremen.de/lemex/transfer/future-concepts-bremen

M. Sc Leon Marquardt
07-B37-5-14-11Projektmodul FiRSt II - Accounting and Information Systems
Teaching Project Accounting and Information Systems

Projektplenum
ECTS: 12

  • Die Veranstaltung entfällt -

Prof. Dr. Thomas Reinhard Loy

General Studies

VAKTitel der VeranstaltungDozentIn
07-B37-1-30-01Analyse von Wirtschaftsdaten
Analysis of Economic Data

Vorlesung
ECTS: 3

Termine:
wöchentlich Mo 08:00 - 10:00 HS 2010 (Großer Hörsaal) oder
wöchentlich Mo 16:00 - 18:00 MZH 1380/1400
Prof. Dr. Martin Missong

Weitere Veranstaltungen

VAKTitel der VeranstaltungDozentIn
07-B37-4-67-01Career Camp 2023 - Intensive Woche zum Berufseinstieg, Karriereentwicklung und Vernetzung mit Unternehmen der Region
Career Camp 2023 - Intensive week for career entry, career development and networking with companies in the region
Für Studierende der FB 01, 03, 04 und 07

Seminar

Einzeltermine:
Mo 20.03.23 - Mi 22.03.23 (Mo, Di, Mi) 08:00 - 20:00 WiWi1 A1070
Do 23.03.23 - Fr 24.03.23 (Do, Fr) 08:00 - 20:00

Modulbeschreibung:
https://www.uni-bremen.de/wiwi/praxis-und-transfer/angebote-fuer-studierende/praxisrelevante-seminare-und-events/career-camp

Event-Webseite, nähere Infos:
https://blogs.uni-bremen.de/careercamp/

Das finale Programm wird voraussichtlich im Januar/Februar dort sichbar sein. Bis dahin gewährt die Event-Webseite Einblicke in das Programm aus 2022.

Dipl.-Oec. Maren Hartstock
07-B37-4-69-012030 - Future Challenges - Praxisprojekte zu aktuellen Themen (in englischer Sprache)
2030 - Future Challenges - Practice Projects on Current Issues

Seminar
ECTS: 6

Termine:
wöchentlich Mi 16:00 - 18:00 Externer Ort: DIGITAL

In diesem Semester geht es um Nachhaltigkeits-Challenges von diversen Unternehmen.

Ihr erhaltet Einblicke in die Prozesses des Desing-Thinking und arbeitet an einem Pitch für eine konkrete Challenge zu dem SDG 13 (Climate Change).

Wir erhalten Unterstützung der Firma ekipa, die die Challenges organisatorisch unterstützt. Beispiele zu den bereits abgeschlossenen Challenges zu SDG 12:
https://app.ekipa.de/programs/innovate2030sdg12

Dipl.-Oec. Maren Hartstock