Analysis, wissenschaftliches Rechnen und Datenvisualisierung

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