Veranstaltungsverzeichnis

Lehrveranstaltungen WiSe 2020/2021

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

Veranstaltungen vor dem 1. Semester

VAKTitel der VeranstaltungDozentIn
03-M-BM-1BrückenMathematik
Bridge-Course Mathematics at the University Bremen
- Brückenkurs Mathematik an der Universität Bremen -

Blockveranstaltung

Einzeltermine:
Mo 12.10.20 - Fr 16.10.20 (Mo, Di, Mi, Do, Fr) 08:00 - 16:00
Mo 19.10.20 - Fr 23.10.20 (Mo, Di, Mi, Do, Fr) 08:00 - 16:00

Der Brückenkurs findet in der Zeit vom 12.10.2020 bis 23.10.2020 statt.
Für neu beginnende Studenten und Studentinnen in allen (Techno-)Mathe- und Informatik-Studiengängen des FB3. Anmeldungsdetails auf
http://www.math.uni-bremen.de/brueckenmathematik
Die Rauminformationen kommen nach der Anmeldung.
Die Teilnehmenden sind in Gruppen A und B eingeteilt.
Die Vorlesungen finden vom 12.10 bis 23.10.2020 von 10-11:30h und 12:30-14:00h im GW1 H0070 statt.
Die Übungen finden vom 12.10.2020 bis 23.10.2020 von 08-12h und 12-16h in den Räumen 1090, 1460, 1470 und 1380/1400 statt.

Dr. Ingolf Schäfer
Prof. Dr. Thorsten-Ingo Dickhaus
PD Dr. Hendrik Vogt
Eugenia Saorin Gomez
Tobias Kluth
Prof. Dr. Andreas Rademacher
Dr. Christoph Duchhardt
Prof. Dr. Jens Rademacher

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 Di 14:00 - 16:00 Vorlesung online
wöchentlich Di 16:00 - 19:00 Übung
wöchentlich Mi 08:00 - 11:00 Übung
wöchentlich Mi 12:00 - 15:00 Übung
wöchentlich Do 10:00 - 13:00 Übung
wöchentlich Do 16:00 - 18:00 Vorlesung online

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 Vorlesungen finden online statt und die Übungen in Präsenz in der Ebene 0.

Thomas Röfer
03-M-ALG-1Algebra

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 08:00 - 10:00 MZH 1380/1400 HS 2010 (Großer Hörsaal) Vorlesung
wöchentlich Mo 10:00 - 12:00 MZH 1460 Übung
wöchentlich Fr 08:00 - 10:00 MZH 1380/1400 Vorlesung
Dr. Tim Haga
03-M-ANA-1.1Analysis 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 09:30 - 10:30 virtuelle Sprechstunde (Rademacher)
wöchentlich Mo 12:00 - 13:00 virtuelle Sprechstunde (Pribnow)
wöchentlich Mo 13:00 - 14:00 virtuelle Sprechstunde (Greve)
wöchentlich Mo 14:30 - 15:30 virtuelle Sprechstunde (Evers)
wöchentlich Mo 14:30 - 15:30 virtuelle Sprechstunde
wöchentlich Mo 16:00 - 18:00 MZH 1090 Übung
wöchentlich Di 08:00 - 10:00 MZH 1460 Übung (Lehramt)
wöchentlich Di 10:00 - 11:00 virtuelle Sprechstunde (Suckau)
wöchentlich Di 16:00 - 18:00 Übung online
wöchentlich Mi 08:00 - 10:00 Übung online
wöchentlich Mi 10:00 - 12:00 MZH 1090 Übung (Lehramt)
wöchentlich Mi 13:00 - 14:00 virtuelle Sprechstunde (Gödeke)
wöchentlich Mi 14:00 - 16:00 MZH 1090 Übung
wöchentlich Do 10:00 - 11:00 virtuelle Sprechstunde (Freudenberg)
wöchentlich Do 11:00 - 13:00 Online Fragestunde
Prof. Dr. Jens Rademacher
03-M-ANA-1.2Vertiefung zur Analysis 1 für Vollfach
Additional Topics in Calculus 1

Projektplenum
ECTS: 1,5

Termine:
wöchentlich Di 12:00 - 14:00 MZH 1380/1400 Plenum
Prof. Dr. Jens Rademacher
03-M-ANA-3Analysis 3

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 14:00 - 16:00 MZH 1090 Online
wöchentlich Mi 10:00 - 12:00 Vorlesung online
wöchentlich Do 14:00 - 16:00 Übung online
wöchentlich Fr 10:00 - 12:00 Vorlesung online
PD Dr. Hendrik Vogt
03-M-COM-1Computerpraktikum
Computer Laboratory

Kurs
ECTS: 3

Einzeltermine:
Mo 01.03.21 - Fr 05.03.21 (Mo, Di, Mi, Do, Fr) 10:00 - 18:00
Mo 08.03.21 14:00 - 18:00
Di 09.03.21 - Fr 12.03.21 (Di, Mi, Do, Fr) 10:00 - 18:00

Weitere Infos auf der Vorlesungshomepage

Johannes Leuschner
03-M-LAG-1.1Lineare Algebra 1
Linear Algebra 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 08:00 - 10:00 Vorlesung online
wöchentlich Mo 11:00 - 12:00 helpdesk online (Friedrich)
wöchentlich Mo 12:00 - 14:00 MZH 1090 Übung (von Mickwitz)
wöchentlich Mo 12:00 - 14:00 Übung online (Friedrich)
wöchentlich Mo 14:00 - 16:00 MZH 1090 Übung (Csiky)
wöchentlich Di 14:00 - 16:00 Übung online (de Vries)
wöchentlich Di 16:00 - 18:00 MZH 1090 Übung (Grimpen)
wöchentlich Mi 12:00 - 13:00 MZH 1460 helpdesk (Wiegmann)
zweiwöchentlich (Startwoche: 1) Mi 16:00 - 18:00 MZH 1470 Übung (Vahl, gerade KW online)
wöchentlich Do 13:00 - 14:00 helpdesk online (Friedrich)
wöchentlich Do 14:00 - 16:00 Vorlesung online
wöchentlich Fr 12:00 - 13:00 helpdesk online (Wiegmann)
Eugenia Saorin Gomez
03-M-LAG-1.2Vertiefung zur Linearen Algebra 1 für Vollfach
Additional Topics in Linear Algebra 1

Projektplenum
ECTS: 1,5

Termine:
wöchentlich Mi 08:00 - 10:00 MZH 1380/1400 Plenum
Eugenia Saorin Gomez
03-M-MM-1Mathematische Modellierung
Mathematical Modelling

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 Übung online
wöchentlich Mo 14:00 - 16:00 virtuelle Sprechstunde
wöchentlich Do 14:00 - 16:00 virtuelle Sprechstunde

Weitere Infos auf der ZeTeM-AG-Homepage

Michael Eden
03-M-NUM-1Numerik 1
Numerical Analysis 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 10:00 - 12:00 Vorlesung online
wöchentlich Mi 14:00 - 16:00 Vorlesung online
wöchentlich Do 10:00 - 12:00 Übung online

Einzeltermine:
Di 02.03.21 12:00 - 15:00
Prof. Dr. Andreas Rademacher

Bachelor: Wahlpflichtveranstaltungen

Wahlpflichtveranstaltungen für den Studiengang Mathematik B.Sc.
VAKTitel der VeranstaltungDozentIn
03-M-Gy4-1Funktionentheorie
Complex Analysis

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 14:00 - 16:00 Vorlesung online
wöchentlich Mi 12:00 - 14:00 Übung online
wöchentlich Mi 14:00 - 16:00 Vorlesung online
wöchentlich Fr 08:00 - 10:00 Übung online
Dr. Ingolf Schäfer
03-M-VOR-1Vorstellung der Mathematik-Lehrveranstaltungen im WiSe 2020/21
Presentation of Upper-Level Math Courses

Blockeinheit

Aktuelle Informationsbroschüren finden Sie unter www.szmathe.uni-bremen.de

Prof. Dr. Thorsten-Ingo Dickhaus
03-M-WP-11Maß- und Wahrscheinlichkeitstheorie
Measure Theory and Probability 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 10:00 - 12:00 Vorlesung online
wöchentlich Di 12:00 - 14:00 Übung online
wöchentlich Do 10:00 - 12:00 Vorlesung online
Prof. Dr. Marc Keßeböhmer
03-M-WP-15Statistik 1
Statistics 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 08:00 - 10:00 Vorlesung online
wöchentlich Do 08:00 - 10:00 Vorlesung online
wöchentlich Fr 09:00 - 11:00 Übung online
Prof. Dr. Werner Brannath
03-M-WP-18Algorithmische Diskrete Mathematik

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 10:00 - 12:00 Vorlesung online
wöchentlich Do 10:00 - 12:00 Vorträge der Teilnehmer (Seminaranteil)
wöchentlich Do 16:00 - 18:00 Übung online

Die algorithmische diskrete Mathematik ist ein recht junges Gebiet mit Wurzeln in der Algebra, Graphentheorie, Kombinatorik, Informatik (Algorithmik) und Optimierung. Sie behandelt diskrete Strukturen wie Mengen, Graphen, Permutationen, Partitionen und diskrete Optimierungsprobleme.

Diese Veranstaltung gibt eine Einführung in die algorithmische diskrete Mathematik. Es werden strukturelle und algorithmische Grundlagen der Graphentheorie und kombinatorischen Optimierung vermittelt. Im Vordergrund steht die Entwicklung und mathematische Analyse von Algorithmen zum exakten Lösen von kombinatorischen Optimierungsproblemen. Es werden u.a. folgende Themen behandelt:

* Einführung in Graphentheorie, kombinatorische und lineare Optimierung
* Graphentheorie: Grundbegriffe, Wege in Graphen, Euler- und Hamiltonkreise, Bäume
* Algorithmische Grundlagen (Kodierungslänge, Laufzeit, Polynomialzeitalgorithmen)
* Spannbäume, Matchings, Netzwerkflüsse und -schnitte (kombinatorische Algorithmen)
* Einblick in lineare Optimierung: Modellierung, Polyedertheorie, Optimalitätskriterien, Dualität
* Elemente der Komplexitätstheorie

Die Veranstaltung richtet sich vorrangig an fortgeschrittene Bachelorstudierende, ist aber auch für Masterstudierende geeignet.

6 SWS setzen sich zusammen aus
* 2 SWS Vorlesung (zunächst livestream, später asynchron per video)
* 2 SWS interaktive Übung (livestream)
* 2 SWS seminaristischer Anteil, Eigenstudium eines aktuellen Forschungsartikels und Vortrag

Prof. Dr. Nicole Megow
Dr. Franziska Eberle
03-M-WP-26Mathematische Grundlagen der Datenanalyse und Bildverarbeitung
Mathematical Basics of Data Analysis and Image Processing

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 14:00 - 16:00 Vorlesung online
wöchentlich Mi 08:00 - 10:00 Übung online
wöchentlich Mi 10:00 - 12:00 Vorlesung online
N. N.
03-M-WP-44Einführung in die Optimierung und optimale Steuerung

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 Vorlesung online
wöchentlich Di 12:00 - 14:00 Vorlesung online
wöchentlich Di 14:00 - 16:00 Übung online
Prof. Dr. Christof Büskens
03-M-WP-46Algebraische Topologie
Algebraic Topology

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 08:00 - 10:00 MZH 1100 Vorlesung
wöchentlich Do 08:00 - 10:00 MZH 1100 Vorlesung
wöchentlich Do 10:00 - 12:00 MZH 1100 Übung

2x 2SWS Vorlesung und 2SWS Übung.
Studiengänge: M-BM-Alg

Prof. Dr. Dmitry Feichtner-Kozlov

Bachelor: Proseminare

VAKTitel der VeranstaltungDozentIn
03-M-PS-1Forschungserfahrungen im Bachelor
Research Experiences for Undergraduates

Proseminar
ECTS: 5

Homepage zur Veranstaltung: http://www.feb.uni-bremen.de
Termine nach Vereinbarung

Prof. Dr. Marc Keßeböhmer
Prof. Dr. Jens Rademacher
Lars Siemer
03-M-PS-12Proseminar Lineare Algebra: Miniaturen zur Linearen Algebra

Proseminar
ECTS: 5

Termine:
wöchentlich Di 10:00 - 12:00 Seminar online
Eugenia Saorin Gomez
03-M-PS-13Proseminar Statistik/ Stochastik: Grundlagen der Zeitreihenanalyse

Proseminar
ECTS: 5

Termine:
wöchentlich Do 14:00 - 16:00 Proseminar online
Prof. Dr. Thorsten-Ingo Dickhaus
03-M-PS-14(Pro-) Seminar Analysis: Einführung in dynamische Systeme

Proseminar
ECTS: 5/6

Termine:
wöchentlich Mi 14:00 - 16:00 Seminar online
Prof. Dr. Jens Rademacher
03-M-SEM-17High-Performance-Visualisierung
High-Performance Visualization
Ausgewählte Publikationen aus dem Bereich der Visualisierung großer wissenschaftlicher Datensätze

Seminar
ECTS: 6

Termine:
wöchentlich Do 14:00 - 16:00 Seminar online

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

Master: Wahlpflichtveranstaltungen

VAKTitel der VeranstaltungDozentIn
03-M-VOR-1Vorstellung der Mathematik-Lehrveranstaltungen im WiSe 2020/21
Presentation of Upper-Level Math Courses

Blockeinheit

Aktuelle Informationsbroschüren finden Sie unter www.szmathe.uni-bremen.de

Prof. Dr. Thorsten-Ingo Dickhaus

Vertiefungsrichtung Algebra

VAKTitel der VeranstaltungDozentIn
03-M-WP-18Algorithmische Diskrete Mathematik

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 10:00 - 12:00 Vorlesung online
wöchentlich Do 10:00 - 12:00 Vorträge der Teilnehmer (Seminaranteil)
wöchentlich Do 16:00 - 18:00 Übung online

Die algorithmische diskrete Mathematik ist ein recht junges Gebiet mit Wurzeln in der Algebra, Graphentheorie, Kombinatorik, Informatik (Algorithmik) und Optimierung. Sie behandelt diskrete Strukturen wie Mengen, Graphen, Permutationen, Partitionen und diskrete Optimierungsprobleme.

Diese Veranstaltung gibt eine Einführung in die algorithmische diskrete Mathematik. Es werden strukturelle und algorithmische Grundlagen der Graphentheorie und kombinatorischen Optimierung vermittelt. Im Vordergrund steht die Entwicklung und mathematische Analyse von Algorithmen zum exakten Lösen von kombinatorischen Optimierungsproblemen. Es werden u.a. folgende Themen behandelt:

* Einführung in Graphentheorie, kombinatorische und lineare Optimierung
* Graphentheorie: Grundbegriffe, Wege in Graphen, Euler- und Hamiltonkreise, Bäume
* Algorithmische Grundlagen (Kodierungslänge, Laufzeit, Polynomialzeitalgorithmen)
* Spannbäume, Matchings, Netzwerkflüsse und -schnitte (kombinatorische Algorithmen)
* Einblick in lineare Optimierung: Modellierung, Polyedertheorie, Optimalitätskriterien, Dualität
* Elemente der Komplexitätstheorie

Die Veranstaltung richtet sich vorrangig an fortgeschrittene Bachelorstudierende, ist aber auch für Masterstudierende geeignet.

6 SWS setzen sich zusammen aus
* 2 SWS Vorlesung (zunächst livestream, später asynchron per video)
* 2 SWS interaktive Übung (livestream)
* 2 SWS seminaristischer Anteil, Eigenstudium eines aktuellen Forschungsartikels und Vortrag

Prof. Dr. Nicole Megow
Dr. Franziska Eberle
03-M-WP-46Algebraische Topologie
Algebraic Topology

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 08:00 - 10:00 MZH 1100 Vorlesung
wöchentlich Do 08:00 - 10:00 MZH 1100 Vorlesung
wöchentlich Do 10:00 - 12:00 MZH 1100 Übung

2x 2SWS Vorlesung und 2SWS Übung.
Studiengänge: M-BM-Alg

Prof. Dr. Dmitry Feichtner-Kozlov

Vertiefungsrichtung Analysis

VAKTitel der VeranstaltungDozentIn
03-M-MM-1Mathematische Modellierung
Mathematical Modelling

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 Übung online
wöchentlich Mo 14:00 - 16:00 virtuelle Sprechstunde
wöchentlich Do 14:00 - 16:00 virtuelle Sprechstunde

Weitere Infos auf der ZeTeM-AG-Homepage

Michael Eden
03-M-WP-11Maß- und Wahrscheinlichkeitstheorie
Measure Theory and Probability 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 10:00 - 12:00 Vorlesung online
wöchentlich Di 12:00 - 14:00 Übung online
wöchentlich Do 10:00 - 12:00 Vorlesung online
Prof. Dr. Marc Keßeböhmer
03-M-WP-26Mathematische Grundlagen der Datenanalyse und Bildverarbeitung
Mathematical Basics of Data Analysis and Image Processing

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 14:00 - 16:00 Vorlesung online
wöchentlich Mi 08:00 - 10:00 Übung online
wöchentlich Mi 10:00 - 12:00 Vorlesung online
N. N.
03-M-WP-48Nichtlineare Funktionalanalysis

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Di 10:00 - 12:00 Vorlesung online
PD Dr. Hendrik Vogt

Vertiefungsrichtung Numerik

VAKTitel der VeranstaltungDozentIn
03-M-PDE-1Numerik partieller Differentialgleichungen
Numerical Methods for Partial Differential Equations

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 10:00 - 12:00 MZH 1470 Vorlesung
wöchentlich Do 12:00 - 14:00 Vorlesung online
wöchentlich Do 14:00 - 16:00 Übung online


Alfred Schmidt
03-M-WP-18Algorithmische Diskrete Mathematik

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 10:00 - 12:00 Vorlesung online
wöchentlich Do 10:00 - 12:00 Vorträge der Teilnehmer (Seminaranteil)
wöchentlich Do 16:00 - 18:00 Übung online

Die algorithmische diskrete Mathematik ist ein recht junges Gebiet mit Wurzeln in der Algebra, Graphentheorie, Kombinatorik, Informatik (Algorithmik) und Optimierung. Sie behandelt diskrete Strukturen wie Mengen, Graphen, Permutationen, Partitionen und diskrete Optimierungsprobleme.

Diese Veranstaltung gibt eine Einführung in die algorithmische diskrete Mathematik. Es werden strukturelle und algorithmische Grundlagen der Graphentheorie und kombinatorischen Optimierung vermittelt. Im Vordergrund steht die Entwicklung und mathematische Analyse von Algorithmen zum exakten Lösen von kombinatorischen Optimierungsproblemen. Es werden u.a. folgende Themen behandelt:

* Einführung in Graphentheorie, kombinatorische und lineare Optimierung
* Graphentheorie: Grundbegriffe, Wege in Graphen, Euler- und Hamiltonkreise, Bäume
* Algorithmische Grundlagen (Kodierungslänge, Laufzeit, Polynomialzeitalgorithmen)
* Spannbäume, Matchings, Netzwerkflüsse und -schnitte (kombinatorische Algorithmen)
* Einblick in lineare Optimierung: Modellierung, Polyedertheorie, Optimalitätskriterien, Dualität
* Elemente der Komplexitätstheorie

Die Veranstaltung richtet sich vorrangig an fortgeschrittene Bachelorstudierende, ist aber auch für Masterstudierende geeignet.

6 SWS setzen sich zusammen aus
* 2 SWS Vorlesung (zunächst livestream, später asynchron per video)
* 2 SWS interaktive Übung (livestream)
* 2 SWS seminaristischer Anteil, Eigenstudium eines aktuellen Forschungsartikels und Vortrag

Prof. Dr. Nicole Megow
Dr. Franziska Eberle
03-M-WP-26Mathematische Grundlagen der Datenanalyse und Bildverarbeitung
Mathematical Basics of Data Analysis and Image Processing

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 14:00 - 16:00 Vorlesung online
wöchentlich Mi 08:00 - 10:00 Übung online
wöchentlich Mi 10:00 - 12:00 Vorlesung online
N. N.
03-M-WP-44Einführung in die Optimierung und optimale Steuerung

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 12:00 - 14:00 Vorlesung online
wöchentlich Di 12:00 - 14:00 Vorlesung online
wöchentlich Di 14:00 - 16:00 Übung online
Prof. Dr. Christof Büskens
03-M-WP-47Nicht-linearen inversen Probleme: Analysis, Anwendungen und Algorithmen

Vorlesung
ECTS: 9

Termine:
wöchentlich Mo 10:00 - 12:00 MZH 5210 -gesperrt- Vorlesung online
wöchentlich Mo 12:00 - 14:00 Übung online (Zoom)
wöchentlich Di 12:00 - 14:00 MZH 5210 -gesperrt- Vorlesung online

4V+2Ü

Peter Maaß
Tobias Kluth
04-M30-CP-SFT-3Trajectory Optimization (in englischer Sprache)

Vorlesung
ECTS: 4,5

Termine:
wöchentlich Mo 14:00 - 15:30 Fragestunde + Tutorium (online)

online asynchron, Fragestunde/Questions Mo 14-16/mo 2pm-4pm

Matthias Knauer
Prof. Dr. Christof Büskens

Vertiefungsrichtung Stochastik & Statistik

VAKTitel der VeranstaltungDozentIn
03-M-WP-11Maß- und Wahrscheinlichkeitstheorie
Measure Theory and Probability 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 10:00 - 12:00 Vorlesung online
wöchentlich Di 12:00 - 14:00 Übung online
wöchentlich Do 10:00 - 12:00 Vorlesung online
Prof. Dr. Marc Keßeböhmer
03-M-WP-15Statistik 1
Statistics 1

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 08:00 - 10:00 Vorlesung online
wöchentlich Do 08:00 - 10:00 Vorlesung online
wöchentlich Fr 09:00 - 11:00 Übung online
Prof. Dr. Werner Brannath
03-M-WP-45Statistik 3 (Nichtparametrische Testtheorie)

Vorlesung
ECTS: 9

Termine:
wöchentlich Di 10:00 - 12:00 virtuelle Sprechstunde
wöchentlich Do 08:00 - 10:00 Übung online
wöchentlich Do 10:00 - 12:00 virtuelle Sprechstunde

2SWS Vorlesung, 2SWS Übung.
Studiengänge: M-BM-StS

Prof. Dr. Thorsten-Ingo Dickhaus

Master: Seminare

Vertiefungsrichtung Analysis

VAKTitel der VeranstaltungDozentIn
03-M-PS-14(Pro-) Seminar Analysis: Einführung in dynamische Systeme

Proseminar
ECTS: 5/6

Termine:
wöchentlich Mi 14:00 - 16:00 Seminar online
Prof. Dr. Jens Rademacher
03-M-SEM-19C*-Algebren

Seminar
ECTS: 6

Termine:
wöchentlich Mo 10:00 - 12:00 Online
PD Dr. Hendrik Vogt

Vertiefungsrichtung Numerik

VAKTitel der VeranstaltungDozentIn
03-M-SEM-1Seminar zur Numerik partieller Differentialgleichungen
Seminar on Numerical Methods for Partial Differential Equations

Seminar
ECTS: 6

Termine:
wöchentlich Mo 16:00 - 18:00 MZH 1460 Seminar


Alfred Schmidt
03-M-SEM-13Wissenschaftliches Rechnen

Seminar
ECTS: 6

Termine:
wöchentlich Mo 14:00 - 16:00 Seminar online
Prof. Dr. Andreas Rademacher
03-M-SEM-17High-Performance-Visualisierung
High-Performance Visualization
Ausgewählte Publikationen aus dem Bereich der Visualisierung großer wissenschaftlicher Datensätze

Seminar
ECTS: 6

Termine:
wöchentlich Do 14:00 - 16:00 Seminar online

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

Vertiefungsrichtung Stochastik & Statistik

VAKTitel der VeranstaltungDozentIn
03-M-SEM-2Seminar Spezialgebiete der Statistik
Seminar Advanced Topics in Statistics

Seminar
ECTS: 6

Termine:
wöchentlich Mo 14:00 - 16:00 Seminar online

regelmäßige Veranstaltung montags 14-16 im BIPS Raum 1550. Erstes Treffen .....

Prof. Dr. Vanessa Didelez

Master: Reading Courses

VAKTitel der VeranstaltungDozentIn
03-M-MS-2Modellierungsseminar (Teil 2)
Modeling Seminar

Seminar
ECTS: 9

Termine:
wöchentlich Di 10:00 - 12:00 Seminar online


N. N.
03-M-RC-1Reading Course zur Algebra

Seminar
ECTS: 9
Prof. Dr. Dmitry Feichtner-Kozlov
03-M-RC-2Reading Course zur Analysis

Seminar
ECTS: 9
Prof. Dr. Jens Rademacher
03-M-RC-3Reading Course zur Numerik

Seminar
ECTS: 9
Prof. Dr. Christof Büskens
03-M-RC-4Reading Course zur Stochastik/Statistik

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

Oberseminare

VAKTitel der VeranstaltungDozentIn
03-M-OS-2Oberseminar Angewandte Analysis

Seminar

Termine:
wöchentlich Di 14:00 - 16:00
Prof. Dr. Jens Rademacher
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

Weitere Infos auf der Seminar-Homepage

Prof. Dr. Marc Keßeböhmer
Prof. Dr. Anke Dorothea Pohl
03-M-OS-6Oberseminar: Deep Learning, Inverse Probleme und Datenanalyse
Research Seminar: Deep Learning, Inverse Problems and Data Analysis

Seminar

Termin nach Vereinbarung.
Studiengang: T-M

Peter Maaß
03-M-OS-7Oberseminar Mathematical Parameter Identification (in englischer Sprache)
Research Seminar - Mathematical Parameter Identification

Seminar

Termine:
wöchentlich Mi 12:00 - 14:00


Tobias Kluth
03-M-OS-9Oberseminar Optimierung & Optimale Steuerung
Seminar Optimisation and Optimal Control

Seminar

Termine:
wöchentlich Do 08:00 - 10:00


Prof. Dr. Christof Büskens
03-M-OS-11Oberseminar Algebra und Topologie

Seminar
Prof. Dr. Dmitry Feichtner-Kozlov
Prof. Dr. Eva-Maria Feichtner

Kolloquien

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

Colloquium

Termine:
wöchentlich Di 16:00 - 18:00
Prof. Dr. Christine Knipping
Prof. Dr. Jens Rademacher

General Studies

VAKTitel der VeranstaltungDozentIn
03-M-GS-2Modelle und Mathematik
Models and Math

Seminar
ECTS: 2

Termine:
wöchentlich Mi 12:00 - 14:00 MZH 1090 Vorlesung
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
wöchentlich Fr 12:00 - 14:00 Übung
wöchentlich Fr 14:00 - 16:00 Übung
Dr. Martin Scharpenberg
03-M-GS-5Statistische Beratung (in englischer Sprache)
Statistical Consulting

Seminar
ECTS: 2

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 Vorlesung online

Die LV findet in der Ebene 0 im Linux-Raum 0240 statt.

Prof. Dr. Stephan Frickenhaus (Lecturer/ Tutor)
03-M-GS-13Forschungsdatenmanagement und Data Science
Research Data Management and Data Science

Seminar
ECTS: 3

Termine:
wöchentlich Mi 16:00 - 18:00 Online Seminar online

Einzeltermine:
Do 03.12.20 16:00 - 18:00 Online
Fr 29.01.21 11:15 - 12:45 Online

In den letzten Jahren schreitet die Digitalisierung in allen Lebensbereichen immer weiter voran. Innovative Technologien werden etabliert, neue Möglichkeiten eröffnen sich und gleichzeitig fallen immense Datenmengen an. Der digitale Wandel findet nicht nur in allen Fachdisziplinen der Wissenschaft, sondern auch in der Wirtschaft statt. Dabei hat sich das interdisziplinäre Wissenschaftsfeld Data Science entwickelt. Unter Anwendungen von verifizierten Methoden und Algorithmen werden Datensätze, ob strukturiert, komplex oder riesig groß zweckorientiert analysiert. Gängige Schlagwörter sind hierbei Data Mining, Machine Learning, Deep Learning und Artificial Intelligence. Data Science wird häufig als Schlüsseldisziplin angesehen, da sie zur Erkenntnisgewinnung in allen Fachrichtungen Anwendung findet. An Datenanalysemethoden und Softwaretools besteht demnach fächerübergreifend großes Interesse. Voraussetzung für Data Science sind Daten, die langfristig zugänglich sowie nutzbar sind. Zudem müssen die erzielten Analyseergebnisse reproduzierbar sein, was eine detaillierte Dokumentation der Daten selber und aller Vorgänge vorsieht. Dies erfordert ein gut durchdachtes Forschungsdatenmanagement gemäß den sogenannten „FAIR-Principles“ (Findable, Accessible, Interoperable und Reusable; Wilkinson et al., 2016). Hierbei gilt es neben intelligenten technischen Lösungen, besonders bei personenbezogenen Daten juristische und ethische Aspekte zu beachten, die in der wissenschaftlichen Gemeinschaft zurzeit stark diskutiert werden.

Laut der Gesellschaft für Informatik wird Data Science von folgenden übergeordneten Kompetenzfeldern begleitet: (1) Mathematik, (2) Informatik, (3) Kryptographie und Sicherheit, (4) Datenethik und Data Privacy, (5) Data Governance (Datenmanagement), (6) Datenintegration, (7) Datenvisualisierung, (8) Data Mining, (9) Maschinelles Lernen, (10) Business Intelligence, (11) Domänenspezifische Anwendungen und Kommunikation mit Fachexperten, (12) Implementierung von Data Science in der Organisation (Gesellschaft für Informatik e.V., 2019).

Ziel des Seminars ist es, einen interdisziplinären Überblick über aktuelle Themen aus diesen Kompetenzfeldern zu vermitteln. Dabei werden wenig technische und methodische Fähigkeiten vermittelt, sondern vielmehr die wesentlichen Anwendungsfelder und grundlegenden Ideen möglichst interdisziplinär erarbeitet. Dies geschieht nach einer generellen Einführung in Form von ausgearbeiteten Vorträgen und anschließenden Diskussionsrunden, zu denen wir Fachexperten und Expertinnen einladen werden. Des Weiteren werden basierend auf den Vorträgen Factsheets zu den einzelnen Themen ausgearbeitet, die bei späterer Anwendung der Inhalte behilflich sein sollen.

Gesellschaft für Informatik e.V. (2019): Arbeitspapier: Data Science: Lern- und Ausbildungsinhalte, https://gi.de/fileadmin/GI/Allgemein/PDF/GI_Arbeitspapier_Data-Science_2019-12_01.pdf. (Abgerufen am: 03.02.2020)

Wilkinson M et al. (2016) The FAIR Guiding Principles for scientific data management and stewardship. Sci Data 3, 160018. doi: 10.1038/sdata.2016.18

http://www.math.uni-bremen.de/~pigeot/pigeot_l.html

Prof. Dr. Iris Pigeot-Kübler
Frank Oliver Glöckner
Prof. Dr. Rolf Drechsler