Vorlesungsverzeichnis

Suchen Sie hier über ein Suchformular im Vorlesungsverzeichnis der Leuphana.


Lehrveranstaltungen

Brückenkurs zur Mathematik und Statistik für Wirtschaftswissenschaften (Studienbegleitende Veranstaltung)

Dozent/in: Arne Johannssen

Termin:
Einzeltermin | Fr, 08.10.2021, 09:00 - Fr, 08.10.2021, 16:30 | Online-Veranstaltung | Onlineveranstaltung
Einzeltermin | Sa, 09.10.2021, 09:00 - Sa, 09.10.2021, 16:30 | Online-Veranstaltung | Onlineveranstaltung
Einzeltermin | So, 10.10.2021, 09:00 - So, 10.10.2021, 16:30 | Online-Veranstaltung | Onlineveranstaltung

Inhalt: Es werden die relevanten Inhalte der Mathematik- und Statistik-Grundvorlesungen, die im Rahmen des Bachelor-Studiums der Wirtschaftswissenschaften gelehrt werden, wiederholt und aufgefrischt. Hierzu zählen die folgenden Inhalte: Mathematik: - Differentialrechnung und Optimierung in R - Integralrechnung in R - Differentialrechnung und Optimierung im R^n - Approximationsverfahren (nächstes Mal herausnehmen!) Statistik: - Deskription univariater und bivariater Datensätze - Das lineare Regressionsmodell - Spezielle diskrete und stetige Verteilungen - Schließende Statistik

Meet your faculty - Welcome of our students of the Master programme Management & Sustainable Accounting and Finance (Studienbegleitende Veranstaltung)

Dozent/in: Patrick Velte

Termin:
Einzeltermin | Di, 19.10.2021, 18:00 - Di, 19.10.2021, 19:00 | C 40.601 Seminarraum | Wenn Präsenz nicht möglich, dann ZOOM Meetings

Inhalt: Welcome to our new master students in the programme Management & Sustainable Accounting and Finance!

Prep course Mathematics (for Data Science and Engineering) (Studienbegleitende Veranstaltung)

Dozent/in: Dieter Riebesehl

Termin:
Einzeltermin | Do, 07.10.2021, 09:00 - Do, 07.10.2021, 16:30 | C 40.154 Seminarraum
Einzeltermin | Fr, 08.10.2021, 09:00 - Fr, 08.10.2021, 16:30 | C 40.154 Seminarraum
Einzeltermin | Mo, 11.10.2021, 09:00 - Mo, 11.10.2021, 16:30 | C 40.154 Seminarraum

Inhalt: The prep course is particularly designed for students in the Data Science and Engineering master program and refreshes the mathematical foundations. Contents: linear algebra, finite-dimensional vectorspaces, matrices, linear mappings, kernel, image of ~, eigenvalues and -vectors; calculus, vector and scalar fields, vector analysis, gradient, nabla, directional derivative, gradient descent, difference operator; descriptive statistics