Analysis, wissenschaftliches Rechnen und Datenvisualisierung
Werbung
Modulplan AWD Analysis, wissenschaftliches Rechnen und Datenvisualisierung Gültig ab FS16 Analysis, wissenschaftliches Rechnen und Datenvisualisierung Code AWD Fachbereich(e) Mathematik Studiengang /-gänge BSc Informatik Vertiefungsrichtung(en) - Art des Studiengangs Bachelor Studienniveau * Basic Typus ** Core course Master Intermediate CAS/MAS/EMBA Advanced Related course Specialised Minor course ECTS-Credits 5 Präsenzverpflichtung 100% Arbeitsaufwand in Std. Verantwortliche Ansprechperson 150 Fachbereichsleiter: Urs-Martin Künzi Zu entwickelnde Kompetenzen Die Studierenden verstehen den Begriff des Grenzwertes. Sie kennen die Grundlagen der Differential- und Integralrechnung für Funktionen mit einer Variablen. Sie können diese Methoden auf Probleme aus der Informatik anwenden; ferner beherrschen sie die mathematischen Grundlagen für die Wahrscheinlichkeitsrechnung und der Statistik und können technische Artikel verstehen. Auf der angewandten Seite können die Studierenden Python nutzen, um Berechnungen und Datenmanipulationen durchzuführen. Sie kennen die dazu notwendigen Python Bibliotheken. Die Studierenden können Daten mit Hilfe von Python visualisieren. Folgen, Reihen, Funktionen Grenzwertbegriff und Stetigkeit Differentialrechnung (mit einer und mehrernVariablen) und deren Anwendungen Integralrechnung und deren Anwendungen Funktionen und funktionale Programmierung Anwendungen: Wissenschaftliches Rechnen und Datenvisualisierung Python als funktionale und objektorientierte Sprache Berechnungen mit Python Graphische Darstellung von Daten mit der Python-Bibliothek Matplotlib Formales Rechnen mit Python Selbststudium Online-Studium Präsenzstudium Lerninhalte Lehr- und Lernmethoden (Fernstudium nach dem BlendedLearning-Konzept) Erarbeiten des Stoffes Lektüre Lösen von Aufgaben Programmierübungen mit Python Autor: Urs-Martin Künzi/ Jörg Osterrieder Unterrichtssprache Leistungsbewertung Lehrmittel Forumsdiskussion: Beantworten von fachlichen Fragen, Besprechung von Aufgaben Einreichung von Aufgaben Vertiefung der Theorie Besprechung von Aufgaben Gruppendiskussionen Deutsch Semesterarbeit inkl. praxisbezogener Anwendungen, 4 Kurztests Teschl+Teschl, Mathematik für Informatiker, Bd 1, Springer, 2013, ISBN 978-3-64237972-7 (e-Book), Download-Link http://link.springer.com/book/10.1007/978-3-64237972-7 Teschl+Teschl, Mathematik für Informatiker, Bd 2, Springer, 2014, ISBN 978-3-64254274-9 (e-Book), Download-Link http://link.springer.com/book/10.1007/978-3-64254274-9 H.-B. Woyand, Python, Einführung in die Programmierung und mathematische AWD_Analysis_Wissenschaftliches_Rechnen_Datenvisualisierung_FS16 1 von 11 10.02.2016 Seite Modulplan AWD Analysis, wissenschaftliches Rechnen und Datenvisualisierung Gültig ab FS16 Anwendungen, Schlembach Verlag, 1. Auflage, 2012, ISBN 978-3935340731 Vorkenntnisse: Modul(e) OEMF Anschlussmodul(e) WSWP, LinAlg, MaLe; für Python auch EWS Bemerkungen - *Studienniveau B I A S Basic level course: Modul zur Einführung in das Basiswissen eines Gebiets. Intermediate level course: Modul zur Vertiefung der Basiskenntnisse. Advanced level course: Modul zur Förderung und Verstärkung der Fachkompetenz. Specialised level course: Modul zum Aufbau von Kenntnissen und Erfahrungen in einem Spezialgebiet. **Typus C Core course: Modul des Kerngebiets eines Studienprogramms. R Related course: Unterstützungsmodul zum Kerngebiet (z.B. Vermittlung von Vor- oder Zusatzkenntnissen). M Minor course: Wahl- oder Ergänzungsmodul. AWD_Analysis_Wissenschaftliches_Rechnen_Datenvisualisierung_FS16 2 von 11 10.02.2016 Seite Modulplan AWD Analysis, wissenschaftliches Rechnen und Datenvisualisierung Gültig ab FS16 1 Stoffplan Elementare Funktionen o Polynome o Potenz-, Exponential- und Logarithmusfunktionen o Trigonometrische und Arkus-Funktionen Folgen und Reihen Differentialrechnung I o Grenzwerte und Stetigkeit o Differentialrechnung mit einer Variablen o Splines o Newton-Verfahren Differentialrechnung II o Taylorreihen o Monotonie, Krümmung und Extremwerte o Iterationsverfahren Differentialrechnung mit zwei oder mehreren Variablen o Grenzwert und Stetigkeit o Ableitung o Extrema Integralrechnung o Stammfunktion o Bestimmte Integration o Unbestimmte Integrale o Numerische Integration Grundlagen von Python Wichtige Python Bibliotheken für mathematische Berechnungen o Sympy, numpy und scipy o matplotlib AWD_Analysis_Wissenschaftliches_Rechnen_Datenvisualisierung_FS16 3 von 11 10.02.2016 Seite
