Mathematik für Ingenieure
Bachelor ET, KIT
Die Vorlesungen zur Mathematik für Ingenieure richten sich an alle Studierende der Studiengänge ´Elektrotechnik´, ´Mikrotechnologien´ sowie ´Kommunikations- und Informationstechnik´ im Fachbereich EI. Das Ziel der Vorlesungen ist die Vermittlung der Grundlagen einer mathematischen Verfahrensweise und Methodik zur Beschreibung technisch-naturwissenschaftlicher Vorgänge. Obwohl dies nur den verhältnismäßig kleinen Teil der heutzutage in der Industriegenutzten Mathematik anspricht, kann in einer zweisemestrigen Vorlesung diesem Ziel nur exemplarisch Rechnung getragen werden. Daher nimmt neben der klassischen Vorstellung von Standardlösungsansätzen die Vermittlung der mathematischen Methodik und Denkweise einen wichtigen Platz ein. Hierdurch kann dem praktisch arbeitenden Ingenieur die Flexibilität mitgegeben werden, auch ihm unbekannte Problemstellungen mathematisch analysieren, modellieren und ggf. lösen zu können.
Höhere Mathematik
Master bis PO2016
Die Vorlesung 'Höhere Mathematik' des Masterstudienganges behandelt im besonderen Maße vektoranalytische Grundbegriffe in allgemeinen 'krummlinigen' Koordinatensystemen und entwickelt in diesem Kontext methodisches Abstraktionsvermögen und wissenschaftliches Arbeiten als Grundqualifikation für ein anschließendes Promotionsstudium.
Wahlmodule
Bachelor ET, KIT - Master
Das jeweils angebotene Wahlfach wird zu Beginn des Semesters nach einer gemeinsamen Erstbesprechung (Aushänge bachten!) festgelegt!
Die Vorlesung 'Wahrscheinlichkeitsrechnung und Stochastik' richtet sich an alle Studierende von Bachelor-Studiengängen der Kommunikations- und Informationstechnik sowie an interessierte Studierende der Elektrotechnik und des Wirtschaftsingenieurwesens und wird in der Regel im Wintersemester angeboten. Das Ziel der Vorlesung ist die Vermittlung mathematischer Standardmethoden und Verfahrensweisen der beschreibenden und schließenden Statistik sowie der Grundlegung stochastischer Methoden aus dem Bereich des 'Machine Learnings'.
Die Vorlesung 'Machine Learning' richtet sich an alle Studierende der Master-Studiengänge der HSD und wird in der Regel im Sommersemester angeboten. Ziel dieser Vorlesung ist die Vermittlung von Standardmethoden der stochastischen Mustererkennung sowie selbstlernender datengetriebener neuronaler Netzarchitekturen.