Hasso-Plattner-InstitutSDG am HPI
Hasso-Plattner-InstitutDSG am HPI
Login
 

Mathematik III (Wintersemester 2022/2023)

Dozent: Prof. Dr. Bernhard Renard (Data Analytics and Computational Statistics) , Dr. Katharina Baum (Data Analytics and Computational Statistics)

Allgemeine Information

  • Semesterwochenstunden: 4
  • ECTS: 6
  • Benotet: Ja
  • Einschreibefrist: 01.10.2022 - 31.10.2022
  • Prüfungszeitpunkt §9 (4) BAMA-O: 05.12.2022
  • Lehrform: Vorlesung / Übung
  • Belegungsart: Pflichtmodul
  • Lehrsprache: Deutsch

Studiengänge, Modulgruppen & Module

IT-Systems Engineering BA
  • Mathematische und theoretische Grundlagen
    • Stochastik

Beschreibung

Wahrscheinlichkeitstheorie und Statistik spielen auch für die Informatik und IT Systems Engineers eine zunehmend große Rolle. Methoden aus Data Science und Maschinelles Lernen basieren sehr häufig auf stochastischen Verfahren, Prozesse werden über probabilistische Verläufe modelliert und Algorithmen beinhalten randomisierte Elemente. Schließlich werden auch empirische Techniken zur Evaluierung zunehmend eingesetzt.

Im Rahmen der Mathematik III Vorlesung wollen wir Sie mit den Grundlagen der Wahrscheinlichkeitstheorie und Statistik vertraut machen und Ihnen formale Techniken zur Analyse zur Hand geben. Dies umfasst die Einführung eines Wahrscheinlichkeitsraums, Wahrscheinlichkeitsverteilungen mit ihren Eigenschaften, Grenzwertsätze und schließlich Simulationen und Modelle sowie das Testen von Hypothesen. Während wir uns mathematischer Notation und Formulierung bedienen werden, ist es uns ganz wichtig, dass Sie eine Intuition aufbauen und an Beispielen die praktische Relevanz der Fragestellungen wahrnehmen und selbst – mit Papier und Bleistift wie mit Code – eigene Erfahrung in der Modellierung, Analyse und Interpretation von Zufallsereignissen sammeln.

Lernziele:

  • Sie haben ein intuitives Verständnis für Zufallsereignisse.
  • Sie können Zufallsereignisse in ein formales System einordnen und adäquat beschreiben.
  • Sie können das Zusammenspiel von komplexeren Ereignissen entsprechend modellieren.
  • Sie können formale Beschreibungen von Zufallsprozessen interpretieren und Handlungsempfehlungen ableiten.
  • Sie können zufallsbehaftete Daten praktisch analysieren und Analysemethoden in Software automatisieren.

Voraussetzungen

  • Mathematik II muss bestanden sein; Ausnahmen sind nur nach Rücksprache mit Prof. Renard möglich
  • Grundlegende Programmierkenntnisse
  • Die Abgabe und Bearbeitung der Übungen und wichtige Benachrichtigungen werden über das Moodle-System der Uni Potsdam erfolgen: https://moodle.hpi.de/course/view.php?id=354. Bitte melden Sie sich vor der ersten Vorlesung dort an. Das System wird ebenfalls zur Zuordnung der Übungstermine verwendet.

Literatur

Hans-Otto Georgii: Stochastik - Einführung in die Wahrscheinlichkeitstheorie und Statistik (http://dx.doi.org/10.1515/9783110215274), frei verfügbar aus dem UP-Netz

Lern- und Lehrformen

Wir werden in Präsenz zu lehren, sofern dies möglich ist. In Ergänzung werden wir uns auch bemühen, eine Übertragung per zoom sowie eine Aufzeichnung der Vorlesungen in Tele-Task bereitzustellen.

Parallel zum Vorlesungsbetrieb bieten wir Übungen an. Die Anmeldung wird über Moodle erfolgen (Achtung: Start der Übungen bereits in der ersten Vorlesungswoche, Anmeldung online noch in der ersten Vorlesung). In den Übungen (Präsenz, keine Aufzeichnung) wird der Vorlesungsstoff anhand von Beispielaufgaben vertieft, ein wöchentliches Übungsblatt vorbesprochen und in der darauffolgenden Woche mit seinen Lösungen diskutiert.

Zum Selbststudium stellen wir zu allen Lernzielen einer jeden Vorlesung jeweils ein Quiz in Moodle zur Verfügung.

Leistungserfassung

Abschlussklausur (70% der Endnote)

Zwischenklausur (30% der Endnote)

Wöchentliche Übungsblattabgabe (50% der Punkte für die Zulassung zur Abschlussklausur)

Aktive Teilnahme (d.h. insbesondere auch Vorstellung von Lösungen von Übungsblättern sowie die regelmäßige Teilnahme an Moodle-Quizzes als Voraussetzung zur Teilnahme an der Abschlussklausur)

Termine

Montag 13.30-15h (HS1)

Mittwoch 11-12.30h (Hörsaal L)

Übungen: (Zuordnung erfolgt nach Ankündigung über Moodle)

Mo    9:15h 
Mo  17:00h 
Di   13:30h 
Di   15:15h 
Mi  15:15h
 

Der Rücktritt von der Veranstaltung kann bis spätestens zum 28.11.2022 erfolgen.

Zurück