Lehrveranstaltungen im Wintersemester 2023/24
Diese Seite wird laufend aktualisiert.
Bitte melden Sie sich zu unseren Lehrveranstaltungen (Vorlesungen, Seminare, Tutorien) des WiSe 2023/24 in FlexNow an! Bitte beachten Sie die jeweiligen Fristen (s. Info in UnivIS)! Für Übungen ist keine Anmeldung erforderlich.
Kurz vor Semesterstart erhalten alle in FlexNow angemeldeten Studierenden den Einschreibeschlüssel für den entsprechenden VC-Kurs. Dort finden Sie das Veranstaltungsmaterial und weiterführende Informationen.
Detaillierte Veranstaltungsinformationen:
- Informationen zu den früheren Modulen Wirtschaftsmathematik I/II bzw. Mathematik in den Wirtschaftswissenschaften I/II (einschl. aktueller Präsenzangebote) finden Sie hier.
- Wirtschaftsmathematik: Lineare Algebra
- 1. Semesterhälfte: wöchentlich 2 Vorlesungen, 1 Übung, 1 Tutorium
- Veranstaltungszeiten: siehe UnivIS
- FlexNow-Anmeldung erforderlich: Details folgen über UnivIS
- Einführungsveranstaltung: 16.10.2023, 8:15 Uhr, Audimax (F21/01.57)
- Wirtschaftsmathematik: Analysis
- 2. Semesterhälfte (ab 06.12.): wöchentlich 2 Vorlesungen, 1 Übung, 1 Tutorium
- Veranstaltungszeiten: siehe UnivIS
- FlexNow-Anmeldung erforderlich: Details folgen über UnivIS
- Einführungsveranstaltung: 16.10.2023, 8:15 Uhr, Audimax (F21/01.57)
- Advanced Mathematical Methods (vormals Dynamik, Stabilität und Optimierung)
- Veranstaltungszeiten: siehe UnivIS
- FlexNow-Anmeldung erforderlich: Details folgen über UnivIS
- Übung 14tägig plus zusätzliche Repetitoriumstermine nach Bedarf
- Zeitreihenanalyse
- Veranstaltungszeiten: siehe UnivIS
- FlexNow-Anmeldung erforderlich: Details folgen über UnivIS
- Übung 14tägig plus zusätzliche Repetitoriumstermine nach Bedarf
- Master-Seminar zur Mathematischen Statistik
- Veranstaltungszeiten: siehe UnivIS (falls gewünscht, Umstellung auf Blockformat möglich)
- Thema: Hochdimensionale Statistik,u.a.
- Lasso-Verfahren
- funktionale Datenanalyse
- statistische Analyse von Netzwerken
- Literatur: u.a.
- Hastie et al. (2015). Statistical learning with sparsity: the lasso and generalizations.
- Kokoszka, Reimherr (2017). Introduction to Functional Data Analysis.
- Lederer (2022). Fundamentals of high-dimensional statistics : with exercises and R labs.
- Richter (2019). Statistisches und maschinelles Lernen : gängige Verfahren im Überblick.
- Die Themen umfassen jeweils die Vorstellung eines Verfahrens einschließlich mathematischer Eigenschaften (mit kürzeren Beweisen aus der Literatur) und eine kleine Simulationsstudie oder Anwendung des entsprechenden Verfahrens auf Daten.
- Prüfungsleistung: Hausarbeit & Referat
- FlexNow-Anmeldung erforderlich: vor Semesterstart über UnivIS (Details folgen)
- empfohlene Vorkenntnisse:
- Inhalte einer der Veranstaltungen: Grundlagen der Ökonometrie, Methoden der Statistik III oder Analyse von Zeitreihendaten
- Grundkenntnisse in R