Modulbeschreibung

Die Studierenden

• können endlich-dimensionale Vektoren in verschiedenen Basen darstellen.

• können Eigenwerte und Eigenvektoren von Matrizen berechnen

• kennen die Bedeutung der Eigenwertzerlegung von Matrizen und können sie in praktischen Situationen anwenden.

• können das Konzept der Orthogonalbasis auf Funktionenräume übertragen.

• können mit linearen Operatoren arbeiten und deren Eigenfunktionen bestimmen.

• können die Fourierreihendarstellung berechnen und als Basisentwicklung interpretieren.

• können die Fouriertransformation als lineare Abbildung verstehen und anwenden.
• verstehen das Konzept der Faltung und können den Faltungssatz anwenden.

• können die Programmiersprache Python zur Lösung wissenschaftlicher Fragestellung verwenden.

• können in Python Klassen und Funktionen selber schreiben und verwenden.

• kennen die Vor- und Nachteile des iterativen, rekursiven und funktionalen Programmierens sowie deren Unterschiede.

• können die Kondition eines Problems beurteilen sowie die Stabilität eines einfachen Algorithmus abschätzen.

• können numerische Verfahren zur Lösung von eindimensionalen Gleichungen anwenden.

• können Polynome und Splines in 1D zur Interpolation verwenden.

• können Quadraturverfahren zur numerischen Approximation von eindimensionalen Integralen verwenden.

• wissen, wie ein Computer Pseudo-Zufallszahlen generiert und können Monte-Carlo-Methoden zur approximativen Lösung von mathematischen Problemen einsetzen.

• kennen Graphen als Werkzeuge zur Modellierung diskreter Probleme.

• können einfache Suchverfahren in Graphen verwenden.

• können die theoretischen Konzepte in praktischen Anwendung umsetzen.

• können Messdaten auslesen uns visualisieren.

• können reale Messdaten quantisieren und interpolieren.

• können ein Relationales Datenmodell entwerfen.

• können Datenmodelle in einer relationalen Datenbank implementieren. können die Abfragesprache SQL einsetzen (DML, DDL).

• können mit JDBC auf eine DB zugreifen.

• verstehen verschiedene Informationssystem-Architekturen. können ein einfaches Data Warehouse planen und realisieren.

• kennen die Arbeitsweise von events, slots und signals.

• können in Python GUIs mit unterschiedlichen layouts und widgets erzeugen .

• Können Web-Apps/Data-Apps für Daten Visualisierung und Analyse auf Data Dashboards wie z.B. streamlit, Plotly Dash, Voila o.ä. entwickeln.

• wissen wir man den Qt Model View Controller einsetzt.

• können Daten aus einer Gegebenen Quelle und Format laden und zur weiteren Verarbeitung aufbereiten.
• können Daten mithilfe einer Backend-Bibliothek wie Pandas bearbeiten und analysieren.
• sind in der Lage, Diagramme und Grafiken mit Hilfe einer Grafikbibliothek wie z.B. Matplotlib, Plotly, Bokeh,  zu erstellen.
• können Nutzerinput über eine Frontend-Bibliothek wie z.B. React (über Streamlit) entgegennehmen.
• sind in der Lage, Nutzeranfragen zu bearbeiten und die Ergebnisse dann als Webseite über Webframework wie Tornado bereitzustellen.
• sind in der Lage ein Projekt auf einer Software Entwicklungsplattform (GitHub, GitLab) einzurichten und diese korrekt zu verwenden.