051121 UE Mathematical Foundations of Computer Science 2 (2021S)
Continuous assessment of course work
Labels
Summary
Registration/Deregistration
Note: The time of your registration within the registration period has no effect on the allocation of places (no first come, first served).
- Registration is open from Mo 15.02.2021 09:00 to Mo 22.02.2021 09:00
- Deregistration possible until Su 14.03.2021 23:59
Registration information is available for each group.
Groups
Group 1
max. 25 participants
Language: German
LMS: Moodle
Lecturers
Classes
Individuelle Termine (digital), Details siehe Moodle
Aims, contents and method of the course
Die Studierenden kennen die Grundlagen der ein- und mehrdimensionalen Analysis und können diese Kenntnisse auf einfache Fragestellungen in Wirtschaft, Technik und Naturwissenschaften anwenden. Sie sind in der Lage, geeignete Softwarewerkzeuge zur Modellierung, grafischen Darstellung und Lösung der Fragestellungen effizient einzusetzen. Studierende können dieses Wissen im Rahmen einer mündlichen Präsentation vermitteln. Ziel dieser Übung ist es, den Stoff der Vorlesung zu vertiefen und anwenden zu lernen. Es wird überprüft, inwieweit das in der Vorlesung Gelernte umgesetzt werden kann. Weiters sollen Unklarheiten in Bezug auf das Verständnis des Stoffes beseitigt werden.
Assessment and permitted materials
Als Softwarewerkzeug wird im Rahmen der Übung SymPy eingesetzt, für die Abgabe und Präsentation der Beispiele werden Jupyter-Notebooks verwendet.
Es gibt insgesamt 12 Aufgabenblätter mit zu lösenden Aufgaben. 30 % der Gesamtbewertung werden für das beste Ergebnis bei freiwilligen mündlichen Präsentationen von Beispielen der ersten 4 Blätter vergeben, 30 % für das beste Ergebnis für die weiteren 4 Blätter und 40 % für das beste Ergebnis für die restlichen 4 Blätter. Für ein bestimmtes Aufgabenblatt kann maximal eine Aufgabe präsentiert werden. Alle Beispiele sind sowohl manuell in Markdown und LaTeX als auch mit Hilfe von SymPy zu lösen, außer es ist für ein Beispiel explizit anders vermerkt.
Es gibt insgesamt 12 Aufgabenblätter mit zu lösenden Aufgaben. 30 % der Gesamtbewertung werden für das beste Ergebnis bei freiwilligen mündlichen Präsentationen von Beispielen der ersten 4 Blätter vergeben, 30 % für das beste Ergebnis für die weiteren 4 Blätter und 40 % für das beste Ergebnis für die restlichen 4 Blätter. Für ein bestimmtes Aufgabenblatt kann maximal eine Aufgabe präsentiert werden. Alle Beispiele sind sowohl manuell in Markdown und LaTeX als auch mit Hilfe von SymPy zu lösen, außer es ist für ein Beispiel explizit anders vermerkt.
Minimum requirements and assessment criteria
Diese Lehrveranstaltung wird ausschließlich digital abgehalten, alle mündliche Präsentationen werden via Video Calls durchgeführt.
Die Aufgabenblätter werden als Jupyter-Notebooks über Moodle-Aufgaben zur Verfügung gestellt und müssen bis zur angegebenen Frist abgegeben werden. Nach jeder Deadline wird eine Lösung für jede Aufgabe zufällig ausgewählt, wobei Studierende mit einem niedrigeren bisher erreichten Prozentanteil für diesen Bewertungsaspekt priorisiert werden. Die ausgewählten Studierenden werden kontaktiert, um einen Zeitslot für eine mündliche Fernpräsentation auszuwählen.
Die Notenskala lautet wie folgt: 1: zumindest 90 %, 2: zumindest 80 %, 3: zumindest 65 %, 4: zumindest 50 %.
Die Aufgabenblätter werden als Jupyter-Notebooks über Moodle-Aufgaben zur Verfügung gestellt und müssen bis zur angegebenen Frist abgegeben werden. Nach jeder Deadline wird eine Lösung für jede Aufgabe zufällig ausgewählt, wobei Studierende mit einem niedrigeren bisher erreichten Prozentanteil für diesen Bewertungsaspekt priorisiert werden. Die ausgewählten Studierenden werden kontaktiert, um einen Zeitslot für eine mündliche Fernpräsentation auszuwählen.
Die Notenskala lautet wie folgt: 1: zumindest 90 %, 2: zumindest 80 %, 3: zumindest 65 %, 4: zumindest 50 %.
Examination topics
Es werden Übungsblätter zu folgenden Inhalten durchgenommen: Eindimensionale Analysis - Differentialrechnung, Grenzwerte, Taylorreihen, Unbestimmte Integrale, Bestimmte Integrale; Mehrdimensionale Analysis - Partielle Ableitungen, Mehrfachintegrale.
Group 2
max. 25 participants
Language: German
LMS: Moodle
Lecturers
Classes
Individuelle Termine (digital), Details siehe Moodle
Aims, contents and method of the course
Die Studierenden kennen die Grundlagen der ein- und mehrdimensionalen Analysis und können diese Kenntnisse auf einfache Fragestellungen in Wirtschaft, Technik und Naturwissenschaften anwenden. Sie sind in der Lage, geeignete Softwarewerkzeuge zur Modellierung, grafischen Darstellung und Lösung der Fragestellungen effizient einzusetzen. Studierende können dieses Wissen im Rahmen einer mündlichen Präsentation vermitteln. Ziel dieser Übung ist es, den Stoff der Vorlesung zu vertiefen und anwenden zu lernen. Es wird überprüft, inwieweit das in der Vorlesung Gelernte umgesetzt werden kann. Weiters sollen Unklarheiten in Bezug auf das Verständnis des Stoffes beseitigt werden.
Assessment and permitted materials
Als Softwarewerkzeug wird im Rahmen der Übung SymPy eingesetzt, für die Abgabe und Präsentation der Beispiele werden Jupyter-Notebooks verwendet.
Es gibt insgesamt 12 Aufgabenblätter mit zu lösenden Aufgaben. 30 % der Gesamtbewertung werden für das beste Ergebnis bei freiwilligen mündlichen Präsentationen von Beispielen der ersten 4 Blätter vergeben, 30 % für das beste Ergebnis für die weiteren 4 Blätter und 40 % für das beste Ergebnis für die restlichen 4 Blätter. Für ein bestimmtes Aufgabenblatt kann maximal eine Aufgabe präsentiert werden. Alle Beispiele sind sowohl manuell in Markdown und LaTeX als auch mit Hilfe von SymPy zu lösen, außer es ist für ein Beispiel explizit anders vermerkt.
Es gibt insgesamt 12 Aufgabenblätter mit zu lösenden Aufgaben. 30 % der Gesamtbewertung werden für das beste Ergebnis bei freiwilligen mündlichen Präsentationen von Beispielen der ersten 4 Blätter vergeben, 30 % für das beste Ergebnis für die weiteren 4 Blätter und 40 % für das beste Ergebnis für die restlichen 4 Blätter. Für ein bestimmtes Aufgabenblatt kann maximal eine Aufgabe präsentiert werden. Alle Beispiele sind sowohl manuell in Markdown und LaTeX als auch mit Hilfe von SymPy zu lösen, außer es ist für ein Beispiel explizit anders vermerkt.
Minimum requirements and assessment criteria
Diese Lehrveranstaltung wird ausschließlich digital abgehalten, alle mündliche Präsentationen werden via Video Calls durchgeführt.
Die Aufgabenblätter werden als Jupyter-Notebooks über Moodle-Aufgaben zur Verfügung gestellt und müssen bis zur angegebenen Frist abgegeben werden. Nach jeder Deadline wird eine Lösung für jede Aufgabe zufällig ausgewählt, wobei Studierende mit einem niedrigeren bisher erreichten Prozentanteil für diesen Bewertungsaspekt priorisiert werden. Die ausgewählten Studierenden werden kontaktiert, um einen Zeitslot für eine mündliche Fernpräsentation auszuwählen.
Die Notenskala lautet wie folgt: 1: zumindest 90 %, 2: zumindest 80 %, 3: zumindest 65 %, 4: zumindest 50 %.
Die Aufgabenblätter werden als Jupyter-Notebooks über Moodle-Aufgaben zur Verfügung gestellt und müssen bis zur angegebenen Frist abgegeben werden. Nach jeder Deadline wird eine Lösung für jede Aufgabe zufällig ausgewählt, wobei Studierende mit einem niedrigeren bisher erreichten Prozentanteil für diesen Bewertungsaspekt priorisiert werden. Die ausgewählten Studierenden werden kontaktiert, um einen Zeitslot für eine mündliche Fernpräsentation auszuwählen.
Die Notenskala lautet wie folgt: 1: zumindest 90 %, 2: zumindest 80 %, 3: zumindest 65 %, 4: zumindest 50 %.
Examination topics
Es werden Übungsblätter zu folgenden Inhalten durchgenommen: Eindimensionale Analysis - Differentialrechnung, Grenzwerte, Taylorreihen, Unbestimmte Integrale, Bestimmte Integrale; Mehrdimensionale Analysis - Partielle Ableitungen, Mehrfachintegrale.
Group 3
max. 25 participants
Language: German
LMS: Moodle
Lecturers
Classes
Individuelle Termine (digital), Details siehe Moodle
Aims, contents and method of the course
Die Studierenden kennen die Grundlagen der ein- und mehrdimensionalen Analysis und können diese Kenntnisse auf einfache Fragestellungen in Wirtschaft, Technik und Naturwissenschaften anwenden. Sie sind in der Lage, geeignete Softwarewerkzeuge zur Modellierung, grafischen Darstellung und Lösung der Fragestellungen effizient einzusetzen. Studierende können dieses Wissen im Rahmen einer mündlichen Präsentation vermitteln. Ziel dieser Übung ist es, den Stoff der Vorlesung zu vertiefen und anwenden zu lernen. Es wird überprüft, inwieweit das in der Vorlesung Gelernte umgesetzt werden kann. Weiters sollen Unklarheiten in Bezug auf das Verständnis des Stoffes beseitigt werden.
Assessment and permitted materials
Als Softwarewerkzeug wird im Rahmen der Übung SymPy eingesetzt, für die Abgabe und Präsentation der Beispiele werden Jupyter-Notebooks verwendet.Es gibt insgesamt 12 Aufgabenblätter mit zu lösenden Aufgaben. 30 % der Gesamtbewertung werden für das beste Ergebnis bei freiwilligen mündlichen Präsentationen von Beispielen der ersten 4 Blätter vergeben, 30 % für das beste Ergebnis für die weiteren 4 Blätter und 40 % für das beste Ergebnis für die restlichen 4 Blätter. Für ein bestimmtes Aufgabenblatt kann maximal eine Aufgabe präsentiert werden. Alle Beispiele sind sowohl manuell in Markdown und LaTeX als auch mit Hilfe von SymPy zu lösen, außer es ist für ein Beispiel explizit anders vermerkt.
Minimum requirements and assessment criteria
Diese Lehrveranstaltung wird ausschließlich digital abgehalten, alle mündliche Präsentationen werden via Video Calls durchgeführt.Die Aufgabenblätter werden als Jupyter-Notebooks über Moodle-Aufgaben zur Verfügung gestellt und müssen bis zur angegebenen Frist abgegeben werden. Nach jeder Deadline wird eine Lösung für jede Aufgabe zufällig ausgewählt, wobei Studierende mit einem niedrigeren bisher erreichten Prozentanteil für diesen Bewertungsaspekt priorisiert werden. Die ausgewählten Studierenden werden kontaktiert, um einen Zeitslot für eine mündliche Fernpräsentation auszuwählen.Die Notenskala lautet wie folgt: 1: zumindest 90 %, 2: zumindest 80 %, 3: zumindest 65 %, 4: zumindest 50 %.
Examination topics
Es werden Übungsblätter zu folgenden Inhalten durchgenommen: Eindimensionale Analysis - Differentialrechnung, Grenzwerte, Taylorreihen, Unbestimmte Integrale, Bestimmte Integrale; Mehrdimensionale Analysis - Partielle Ableitungen, Mehrfachintegrale.
Group 4
max. 25 participants
Language: German
LMS: Moodle
Lecturers
Classes
Individuelle Termine (digital), Details siehe Moodle
Aims, contents and method of the course
Die Studierenden kennen die Grundlagen der ein- und mehrdimensionalen Analysis und können diese Kenntnisse auf einfache Fragestellungen in Wirtschaft, Technik und Naturwissenschaften anwenden. Sie sind in der Lage, geeignete Softwarewerkzeuge zur Modellierung, grafischen Darstellung und Lösung der Fragestellungen effizient einzusetzen. Studierende können dieses Wissen im Rahmen einer mündlichen Präsentation vermitteln. Ziel dieser Übung ist es, den Stoff der Vorlesung zu vertiefen und anwenden zu lernen. Es wird überprüft, inwieweit das in der Vorlesung Gelernte umgesetzt werden kann. Weiters sollen Unklarheiten in Bezug auf das Verständnis des Stoffes beseitigt werden.
Assessment and permitted materials
Als Softwarewerkzeug wird im Rahmen der Übung SymPy eingesetzt, für die Abgabe und Präsentation der Beispiele werden Jupyter-Notebooks verwendet.Es gibt insgesamt 12 Aufgabenblätter mit zu lösenden Aufgaben. 30 % der Gesamtbewertung werden für das beste Ergebnis bei freiwilligen mündlichen Präsentationen von Beispielen der ersten 4 Blätter vergeben, 30 % für das beste Ergebnis für die weiteren 4 Blätter und 40 % für das beste Ergebnis für die restlichen 4 Blätter. Für ein bestimmtes Aufgabenblatt kann maximal eine Aufgabe präsentiert werden. Alle Beispiele sind sowohl manuell in Markdown und LaTeX als auch mit Hilfe von SymPy zu lösen, außer es ist für ein Beispiel explizit anders vermerkt.
Minimum requirements and assessment criteria
Diese Lehrveranstaltung wird ausschließlich digital abgehalten, alle mündliche Präsentationen werden via Video Calls durchgeführt.Die Aufgabenblätter werden als Jupyter-Notebooks über Moodle-Aufgaben zur Verfügung gestellt und müssen bis zur angegebenen Frist abgegeben werden. Nach jeder Deadline wird eine Lösung für jede Aufgabe zufällig ausgewählt, wobei Studierende mit einem niedrigeren bisher erreichten Prozentanteil für diesen Bewertungsaspekt priorisiert werden. Die ausgewählten Studierenden werden kontaktiert, um einen Zeitslot für eine mündliche Fernpräsentation auszuwählen.Die Notenskala lautet wie folgt: 1: zumindest 90 %, 2: zumindest 80 %, 3: zumindest 65 %, 4: zumindest 50 %.
Examination topics
Es werden Übungsblätter zu folgenden Inhalten durchgenommen: Eindimensionale Analysis - Differentialrechnung, Grenzwerte, Taylorreihen, Unbestimmte Integrale, Bestimmte Integrale; Mehrdimensionale Analysis - Partielle Ableitungen, Mehrfachintegrale.
Group 5
max. 25 participants
Language: German
LMS: Moodle
Lecturers
Classes
Individuelle Termine (digital), Details siehe Moodle
Aims, contents and method of the course
Die Studierenden kennen die Grundlagen der ein- und mehrdimensionalen Analysis und können diese Kenntnisse auf einfache Fragestellungen in Wirtschaft, Technik und Naturwissenschaften anwenden. Sie sind in der Lage, geeignete Softwarewerkzeuge zur Modellierung, grafischen Darstellung und Lösung der Fragestellungen effizient einzusetzen. Studierende können dieses Wissen im Rahmen einer mündlichen Präsentation vermitteln. Ziel dieser Übung ist es, den Stoff der Vorlesung zu vertiefen und anwenden zu lernen. Es wird überprüft, inwieweit das in der Vorlesung Gelernte umgesetzt werden kann. Weiters sollen Unklarheiten in Bezug auf das Verständnis des Stoffes beseitigt werden.
Assessment and permitted materials
Als Softwarewerkzeug wird im Rahmen der Übung SymPy eingesetzt, für die Abgabe und Präsentation der Beispiele werden Jupyter-Notebooks verwendet.Es gibt insgesamt 12 Aufgabenblätter mit zu lösenden Aufgaben. 30 % der Gesamtbewertung werden für das beste Ergebnis bei freiwilligen mündlichen Präsentationen von Beispielen der ersten 4 Blätter vergeben, 30 % für das beste Ergebnis für die weiteren 4 Blätter und 40 % für das beste Ergebnis für die restlichen 4 Blätter. Für ein bestimmtes Aufgabenblatt kann maximal eine Aufgabe präsentiert werden. Alle Beispiele sind sowohl manuell in Markdown und LaTeX als auch mit Hilfe von SymPy zu lösen, außer es ist für ein Beispiel explizit anders vermerkt.
Minimum requirements and assessment criteria
Diese Lehrveranstaltung wird ausschließlich digital abgehalten, alle mündliche Präsentationen werden via Video Calls durchgeführt.Die Aufgabenblätter werden als Jupyter-Notebooks über Moodle-Aufgaben zur Verfügung gestellt und müssen bis zur angegebenen Frist abgegeben werden. Nach jeder Deadline wird eine Lösung für jede Aufgabe zufällig ausgewählt, wobei Studierende mit einem niedrigeren bisher erreichten Prozentanteil für diesen Bewertungsaspekt priorisiert werden. Die ausgewählten Studierenden werden kontaktiert, um einen Zeitslot für eine mündliche Fernpräsentation auszuwählen.Die Notenskala lautet wie folgt: 1: zumindest 90 %, 2: zumindest 80 %, 3: zumindest 65 %, 4: zumindest 50 %.
Examination topics
Es werden Übungsblätter zu folgenden Inhalten durchgenommen: Eindimensionale Analysis - Differentialrechnung, Grenzwerte, Taylorreihen, Unbestimmte Integrale, Bestimmte Integrale; Mehrdimensionale Analysis - Partielle Ableitungen, Mehrfachintegrale.
Group 6
max. 25 participants
Language: German
LMS: Moodle
Lecturers
Classes
Individuelle Termine (digital), Details siehe Moodle
Aims, contents and method of the course
Die Studierenden kennen die Grundlagen der ein- und mehrdimensionalen Analysis und können diese Kenntnisse auf einfache Fragestellungen in Wirtschaft, Technik und Naturwissenschaften anwenden. Sie sind in der Lage, geeignete Softwarewerkzeuge zur Modellierung, grafischen Darstellung und Lösung der Fragestellungen effizient einzusetzen. Studierende können dieses Wissen im Rahmen einer mündlichen Präsentation vermitteln. Ziel dieser Übung ist es, den Stoff der Vorlesung zu vertiefen und anwenden zu lernen. Es wird überprüft, inwieweit das in der Vorlesung Gelernte umgesetzt werden kann. Weiters sollen Unklarheiten in Bezug auf das Verständnis des Stoffes beseitigt werden.
Assessment and permitted materials
Als Softwarewerkzeug wird im Rahmen der Übung SymPy eingesetzt, für die Abgabe und Präsentation der Beispiele werden Jupyter-Notebooks verwendet.Es gibt insgesamt 12 Aufgabenblätter mit zu lösenden Aufgaben. 30 % der Gesamtbewertung werden für das beste Ergebnis bei freiwilligen mündlichen Präsentationen von Beispielen der ersten 4 Blätter vergeben, 30 % für das beste Ergebnis für die weiteren 4 Blätter und 40 % für das beste Ergebnis für die restlichen 4 Blätter. Für ein bestimmtes Aufgabenblatt kann maximal eine Aufgabe präsentiert werden. Alle Beispiele sind sowohl manuell in Markdown und LaTeX als auch mit Hilfe von SymPy zu lösen, außer es ist für ein Beispiel explizit anders vermerkt.
Minimum requirements and assessment criteria
Diese Lehrveranstaltung wird ausschließlich digital abgehalten, alle mündliche Präsentationen werden via Video Calls durchgeführt.Die Aufgabenblätter werden als Jupyter-Notebooks über Moodle-Aufgaben zur Verfügung gestellt und müssen bis zur angegebenen Frist abgegeben werden. Nach jeder Deadline wird eine Lösung für jede Aufgabe zufällig ausgewählt, wobei Studierende mit einem niedrigeren bisher erreichten Prozentanteil für diesen Bewertungsaspekt priorisiert werden. Die ausgewählten Studierenden werden kontaktiert, um einen Zeitslot für eine mündliche Fernpräsentation auszuwählen.Die Notenskala lautet wie folgt: 1: zumindest 90 %, 2: zumindest 80 %, 3: zumindest 65 %, 4: zumindest 50 %.
Examination topics
Es werden Übungsblätter zu folgenden Inhalten durchgenommen: Eindimensionale Analysis - Differentialrechnung, Grenzwerte, Taylorreihen, Unbestimmte Integrale, Bestimmte Integrale; Mehrdimensionale Analysis - Partielle Ableitungen, Mehrfachintegrale.
Information
Reading list
G. Bärwolff. Höhere Mathematik für Naturwissenschaftler und Ingenieure. Spektrum, 2017.
M. Precht, K. Voit, R. Kraft. Mathematik 1 für Nichtmathematiker. Oldenbourg, 2012.
M. Precht, K. Voit, R. Kraft. Mathematik 2 für Nichtmathematiker. Oldenbourg, 2005.
M. Bachmaier, R. Kraft, M. Precht. Aufgabensammlung mit Lösungen zur Mathematik für Nichtmathematiker. Oldenbourg, 2006.
D. Hachenberger. Mathematik für Informatiker. Pearson Studium, 2008.
B. Kreußler, G. Pfister. Mathematik für Informatiker. eXamen.press, 2009.
M. Precht, K. Voit, R. Kraft. Mathematik 1 für Nichtmathematiker. Oldenbourg, 2012.
M. Precht, K. Voit, R. Kraft. Mathematik 2 für Nichtmathematiker. Oldenbourg, 2005.
M. Bachmaier, R. Kraft, M. Precht. Aufgabensammlung mit Lösungen zur Mathematik für Nichtmathematiker. Oldenbourg, 2006.
D. Hachenberger. Mathematik für Informatiker. Pearson Studium, 2008.
B. Kreußler, G. Pfister. Mathematik für Informatiker. eXamen.press, 2009.
Association in the course directory
Module: MG2 UF-INF-12 GMA
Last modified: Mo 01.03.2021 15:48