B6 Universitätsgebäude

Materialien

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 007

    Übungen:

    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.mathmail-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 014

    Vorlesungsende: 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 014

    Vorlesungsstart: 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)