Master Elektrotechnik 2020
PDF Studiengangsverzeichnis Studienverlaufspläne Master Elektrotechnik
Version: 1 | Letzte Änderung: 01.03.2021 11:40 | Entwurf: 0 | Status: vom Modulverantwortlichen freigegeben | Verantwortlich: Knospe
Anerkannte Lehrveranstaltungen | HIM_Knospe |
---|---|
Fachsemester | 1 |
Dauer | 1 Semester |
ECTS | 5 |
Zeugnistext (de) | Höhere Ingenieurmathematik |
Zeugnistext (en) | Advanced Mathematics for Engineers |
Unterrichtssprache | deutsch oder englisch |
abschließende Modulprüfung | Ja |
Benotet | Ja | |
---|---|---|
Frequenz | Jedes Semester | |
Schrifftliche Prüfung (Klausur)
Kompetenz | Ausprägung |
---|---|
MINT Fachwissen erweitern und vertiefen | Vermittelte Kompetenzen |
Komplexe Systeme abstrahieren | Vermittelte Voraussetzungen für Kompetenzen |
Anerkannte Methoden für wissenschaftliches Arbeiten beherrschen | Vermittelte Kompetenzen |
Komplexe technische Systeme entwickeln | Vermittelte Voraussetzungen für Kompetenzen |
Eine Kombination von Themen aus folgenden Bereichen:
- Vektoranalysis
- Wahrscheinlichkeitstheorie, Statistik und Multivariate Statistik
- Stochastische Prozesse
- Optimierung
Vector Analysis
- Vector Spaces
- Scalar and Vector Functions
- Differential Operators
- Line Integrals
- Double Integrals
- Triple Integrals
- Change of Variables
- Surface Integrals
- Divergence Theorem
- Theorem of Stokes
- Maxwell Equations
Probability and Statistics
- Descriptive Statistics
- Two-dimensional Data
- Simple Linear Regression
- Probability Spaces
- Random Variables
- Expectation, Variance, Moments
- Jointly Distributed Random Variables
- Independent Random Variables
- Covariance
- Binomial Random Variable
- Poisson Random Variable
- Uniform Random Variable
- Normal Random Variable
- Chi-Square Distribution
- t-Distribution
- Central Limit Theorem
- Distributions of Sampling Statistics
- Confidence Intervals
- Hypothesis Testing
- t-Test, f-Test, Chi-Square Test
- Overview of various Tests
Multivariate Statistics
- Analysis of multidimensional data
- Multivariate Random Variables
- Matrix decompositions, Singular Value Decomposition (SVD)
- Factor analysis, Principal Component Analysis (PCA)
- Multiple Linear Regression
Stochastic Processes
- Discrete and continuous time processes
- Random walk
- Markov chain
- Poisson process
- Queuing theory
Optimization
- Linear Programming
- Unconstrained Optimization: Gradient method, Newton's method, Trust Region method
- Constrained Optimization: Karush–Kuhn–Tucker (KKT) conditions, Lagrange multipliers, Penalty and Barrier functions
- Special optimization problems: Mixed Integer Nonlinear Programming, Nonlinear Stochastic Optimization
keine
© 2022 Technische Hochschule Köln