Diese Seite wird laufend aktualisiert.

Bitte melden Sie sich zu unseren Lehrveranstaltungen (Vorlesungen, Tutorien) des SoSe 2024 in FlexNow an! Bitte beachten Sie die jeweiligen Fristen (Informationen hierzu werden zeitnah in UnivIS zur Verfügung gestellt)! 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.

Bei Fragen oder Problemen zur Einschreibung wenden Sie sich bitte ab dem 01.04.2024 an support.statmath@uni-bamberg.de.

Detaillierte Veranstaltungsinformationen:

• Informationen zu den früheren Modulen Wirtschaftsmathematik I/II bzw. Mathematik in den Wirtschaftswissenschaften I/II finden Sie hier.

• Wirtschaftsmathematik: Lineare Algebra
  • 1. Semesterhälfte: wöchentlich 2 Vorlesungen, 1 Übung, 1 Tutorium
  • Veranstaltungszeiten: siehe UnivIS
  • FlexNow-Anmeldung erforderlich: Details siehe über UnivIS
  • Einführungsveranstaltung: 15.04.2024, 8:15 Uhr, Audimax (F21/01.57)

• Wirtschaftsmathematik: Analysis
  • 2. Semesterhälfte (ab 05.06.24): wöchentlich 2 Vorlesungen, 1 Übung, 1 Tutorium
  • Veranstaltungszeiten: siehe UnivIS
  • FlexNow-Anmeldung erforderlich: Details siehe UnivIS
  • Einführungsveranstaltung: 15.04.2024, 8:15 Uhr, Audimax (F21/01.57)

• Master-Veranstaltung: Mathematische Grundlagen des statistischen Lernens
  • Veranstaltungszeiten: siehe UnivIS
  • FlexNow-Anmeldung erforderlich: Details siehe UnivIS
  • Inhalt:
    • Grundlagen des Supervised Learnings (Regression & Klassifikation) und der statistischen
      Entscheidungstheorie,
    • Trainings-, Validierungs- und Testmethoden
    • mathematische Analyse der Qualität von Lernverfahren
    •  Ausblick auf Unsupervised Learning
  • Prüfungsleistung: mündliche Prüfung
  • empfohlene Vorkenntnisse:
    • Inhalte einer der Veranstaltungen: Grundlagen der Ökonometrie, Methoden der Statistik III/Fortgeschrittene Statistik oder Analyse von Zeitreihendaten