Materialien
Access to this page is restricted. Please log in with your credentials.
Aktuelle Semester
HWS 2025
Quantum Computing und dessen mathematische Grundlagen (für BA machbar)
Dozent: Prof. Dr. Martin Schlather
ECTS: 8
Lehrinhalte: • Quantencomputing und seine Grundlagen, wie (Quanten)Informationstheorie • Quanten-Wahrscheinlichkeitstheorie
Vorausgesetzte Kenntnisse: • Lineare Algebra 1 • Stochastik 1 • Grundkenntnisse einer Programmiersprache (z. B. Kurs “High Performance Computing”) • Hilbert-Räume (z. B. Kurs “Stochastik 2B”)
Vorlesung: Dienstags, 12:00 – 13:30 Uhr in B 6, 26 in Raum D 007
Donnerstags, 12:00 – 13:30 Uhr in B 6, 26 in Raum D 007Übungen:
Donnerstags, 08:30 – 10:00 Uhr in B6, 26 in Raum D 007
Harmonische Analysis auf Halbgruppen und ihre Anwendung in der Statistik
Dozent: Prof. Dr. Martin Schlather
ECTS: 8
Lehrinhalte: • Halbgruppen • Positiv definite Funktionen • Satz von Bochner in der allgemeinsten Form • Anwendungen in der Statistik
Vorausgesetzte Kenntnisse: • Stochastik 1 • Lineare Algebra 1
Vorlesung: Dienstags, 08:30 – 10:00 Uhr in B 6, 26 in Raum D 007 bzw A 5, 6 in Raum C 014
Mittwochs, 08:30 – 10:00 Uhr in A 5, 6 in Raum C 015
Übungen: Mitwoch, 12:00 – 13:30 Uhr in B 6, 26 in Raum D 007
Seminar Computational Methods
Dozent:
Prof. Dr. Martin Schlather
Inhalt: • Ausgewählte Themen innerhalb des Gebietes „Computational Methods”
Vorausgesetzte Kenntnisse: • Vorlesung „Computational Statistics“ oder „High Performance Computing
Vorbesprechung: 02.09.2025 um 10:15 Uhr in B6 im Raum B 3.18
Falls Sie nicht an der Vorbesprechung teilnehmen können, aber dennoch das Seminar belegen möchten, schreiben Sie bitte eine Mail mit Angabe Ihrer Matrikelnummer und Ihres Studiengangs an
sekretariat.math
uni-mannheim.de
FSS 2026
Stochastik II A Schätzverfahren; Stochastik 2 für VWL
Dozent: Prof. Dr. Martin Schlather
ECTS: 4
Lehrinhalte: Statistisches Modell • multivariate Normalverteilung • Projektionen • Schätzverfahren • beste Schätzer • allgemeines lineares Modell • Konsistenz; asymptotische Normalität • Explorative Statistik
Vorausgesetzte Kenntnisse: Analysis I & II, Lineare Algebra I & II, Stochastik I
Vorlesung: Dienstags, 12:00 – 13:30 Uhr in A 5, Raum C 014
Donnerstags, 08:30 – 10:00 Uhr in A 5, Raum C 014Vorlesungsende: zu Ostern.
Übungen:
tba
Übungsende: tba.
!!!Bitte beachten!!!
Ausnahmslos finden alle Prüfungen zu Stochastik 2A und Stochastik 2 schriftlich statt. Auch Drittversuche sind ausnahmlos schriftlich.
Stochastik II B Tests
Dozent: Prof. Dr. Martin Schlather
ECTS: 4 (nicht 5 wie früher mal angegeben)
Lehrinhalte: Tests; Likelihood-Ratio-Test • Neyman-Pearson-Test • Test beim Lineares Modell • Vertrauensintervalle • Grundlagen zu Stochastik 2A
Vorausgesetzte Kenntnisse: Analysis I & II, Lineare Algebra I & II, Stochastik I, Stochastik IIA
Vorlesung: Dienstags, 12:00 – 13:30 Uhr in A 5, Raum C 014
Donnerstags, 08:30 – 10:00 Uhr in A 5, Raum C 014Vorlesungsstart: nach Ostern
Übungen:
tba
!!!Bitte beachten!!!
Ausnahmslos finden alle Prüfungen zu Stochastik 2B mündlich statt.
High Performance Computing
Dozent: Prof. Dr. Martin Schlather
ECTS: 6 (nicht 8, wie früher mal angegeben)
Lehrinhalte: • Kurzeinstieg in C • Einstieg in die Problematik des schnellen Rechnens anhand der Matrixmultiplikation • Paralleles Rechnen (OMP, SIMD, GPU) in C • Komplexitätsberechnung
Vorausgesetzte Kenntnisse: • Lineare Algebra I • Linux oder MacOS
Vorlesung: Dienstags, 08:30 – 10:00 Uhr in B 6 im Raum D 007
Donnerstags, 12:00 – 13:30 Uhr in B 6 im Raum D 007
Übungen: tba
Seminar zur Definitheit (BA/MA)