LFU:online

Anmeldevoraussetzung: keine

Lernergebnis: Die Studierenden sind in der Lage, die Denkweise und Sprache der Mathematik im Bereich der linearen Algebra und Geometrie zu verstehen und Aufgaben in diesen Bereichen zu lösen.

Anmeldevoraussetzung: keine

Lernergebnis: Die Studierenden sind in der Lage, die Denkweise und Sprache der Mathematik im Bereich der Analysis zu verstehen und Aufgaben in diesem Bereich zu lösen.

Anmeldevoraussetzung: Positive Beurteilung der Pflichtmodule 4 und 8.

Lernergebnis: Die Studierenden beherrschen die Grundlagen der Geoinformatik und kennen die grundlegenden Funktionalitäten eines Geographischen Informationssystems.

Anmeldevoraussetzung: Positive Beurteilung der Pflichtmodule 1 bis 3, 5 und 8.

Lernergebnis: Die Studierenden beherrschen die Grundlagen der Geoinformatik und kennen die grundlegenden Funktionalitäten eines Geographischen Informationssystems.

Anmeldevoraussetzung: positiv absolviertes Pflichtmodul 1

Lernergebnis: Die Studierenden beherrschen die Grundlagen der Geoinformatik und kennen die grundlegenden Funktionalitäten eines Geographischen Informationssystems.

Anmeldevoraussetzung: positiv absolvierte Pflichtmodule 1 und 15

Lernergebnis: Die Studierenden verfügen über umfangreiche Kenntnisse und Kompetenzen im Bereich der Datenerfassung und über den Aufbau und die Organisation von Geodatenbanken.

Anmeldevoraussetzung: positiv absolviertes Pflichtmodul 1

Lernergebnis: Die Studierenden sind in der Lage, selbstständig eine schriftliche Arbeit zu einem Thema aus der Geographie (Physischen Geographie oder Humangeographie) zu verfassen, die den Anforderungen einer good scientific practice entspricht, und können die Ergebnisse in Form eines Vortrags vorstellen.

Anmeldevoraussetzung: Positive Beurteilung der Pflichtmodule 1 und 4.

Lernergebnis: Die Studierenden beherrschen die Grundlagen der Geoinformatik und kennen die grundlegenden Funktionalitäten eines Geographischen Informationssystems.

Anmeldevoraussetzung: Positive Beurteilung der Pflichtmodule 1 und 4.

Lernergebnis: Die Studierenden verfügen über umfangreiche Kenntnisse im Bereich der Datenerfassung und über den Aufbau und die Organisation von Geodatenbanken.

Anmeldevoraussetzung: Positive Beurteilung der Pflichtmodule 1 und 4.

Lernergebnis: Die Studierenden sind in der Lage, selbstständig eine schriftliche Arbeit zu einem Thema aus der Geographie (Physischen Geographie oder Humangeographie) zu verfassen, die den Anforderungen einer good scientific practice entspricht und können die Ergebnisse in Form eines Vortrags vorstellen.

Anmeldevoraussetzung: keine

Lernergebnis: Die Studierenden verfügen über umfangreiche Kenntnisse der Theorie und Praxis geographischer Arbeitsmethoden und sind in der Lage, diese im Rahmen unterschiedlicher Fragestellungen einzusetzen.

Anmeldevoraussetzung: keine

Lernergebnis: Die Studierenden kennen und verstehen nach Abschluss dieses Moduls grundlegende Begriffe und Methoden der Wahrscheinlichkeitstheorie und Statistik. Sie sind in der Lage, mit wissenschaftlichen Methoden und unter Wahrung rechtlicher und gesellschaftlicher Normen Daten zu erheben, Schlüsse aus Daten zu ziehen, sie visuell und in Textform aufzubereiten sowie deren Zuverlässigkeit zu bewerten.

Anmeldevoraussetzung: Die in den jeweiligen Curricula festgelegten Anmeldungsvoraussetzungen sind zu erfüllen.

Lernergebnis: Das Modul dient dem Erwerb von Zusatzqualifikationen.

Anmeldevoraussetzung: keine

Lernergebnis: Die Studierenden beherrschen die Grundbegriffe der linearen Algebra und können diese zur Lösung von Problemen in diesem Bereich handhaben. Sie sind in der Lage, sich ähnliche Inhalte selbstständig zu erarbeiten, und können geeignete Methoden der linearen Algebra auswählen, um sie zur Lösung von Problemen der Physik anzuwenden.

Anmeldevoraussetzung: keine

Lernergebnis: Die Studierenden beherrschen die Grundbegriffe der Analysis und können diese zur Lösung von Problemen in diesem Bereich handhaben. Sie sind in der Lage, sich ähnliche Inhalte selbstständig zu erarbeiten, und können geeignete Methoden der Differential- und Integralrechnung in einer Variablen auswählen, um sie zur Lösung von Problemen der Physik anzuwenden.

Anmeldevoraussetzung: keine

Lernergebnis: Absolventinnen und Absolventen dieses Moduls verstehen die Inhalte der Vorlesung und können diese wiedergeben und anwenden. Sie haben die Fertigkeit erworben, sich ähnliche Inhalte selbständig zu erarbeiten. Sie sind in der Lage, die grundlegenden Konzepte der Analysis situationsgerecht anzuwenden. Weiters haben sie ein Grundverständnis für die Denkweise der Mathematik erlangt.

Anmeldevoraussetzung: keine

Lernergebnis: Absolventinnen und Absolventen dieses Moduls haben die Fertigkeit erworben, ausgewählte mathematische Software zu benutzen und einfache Algorithmen in einer ausgewählten Programmiersprache zu implementieren. Sie haben gelernt, Kriterien an mathematische Inhalte und formale Gestaltung in einem Text selbst umzusetzen. Weiters kennen sie das Berufsbild einer Mathematikerin bzw. eines Mathematikers und haben einen Überblick über den Themenbereich Gleichstellung und Gender sowie über das Studium.

Anmeldevoraussetzung: keine

Lernergebnis: Absolventinnen und Absolventen dieses Moduls sind in der Lage, sich methodisch korrekt mit einem Teilgebiet der Mathematik auseinanderzusetzen und das Ergebnis dieser Auseinandersetzung schriftlich und mündlich gut verständlich darzulegen.

Anmeldevoraussetzung: keine

Lernergebnis: Absolventinnen und Absolventen dieses Moduls haben einen Einblick in Themengebiete erhalten, die über die Inhalte der Module 1-22 hinausgehen.

Anmeldevoraussetzung: keine

Lernergebnis: Absolventinnen und Absolventen dieses Moduls haben aufbauend auf Modul 5 vertiefte Kenntnisse in einem oder mehreren Teilgebieten der höheren Mathematik erworben. Sie haben weitere aktuelle Probleme und Methoden zu deren Lösung kennengelernt. Sie sind in der Lage innovative Lösungen für Probleme aus diesen Teilgebieten der Mathematik zu entwickeln.

Anmeldevoraussetzung: keine

Lernergebnis: Die Studierenden sind in der Lage, sich aktiv mit dem aktuellen Wissensstand im Bereich des Dissertationsthemas und verwandter Wissenschaftsdisziplinen auseinanderzusetzen. Die Studierenden verfügen über didaktische Fähigkeiten, die es ihnen erlauben, ihre Forschungsergebnisse in einem interdisziplinären Kontext klar darzustellen und komplizierte Zusammenhänge verständlich zu vermitteln.

Anmeldevoraussetzung: keine

Lernergebnis: Die Studierenden sind in der Lage, sich aktiv mit dem aktuellen Wissensstand im Bereich des Dissertationsthemas und verwandter Wissenschaftsdisziplinen auseinanderzusetzen. Die Studierenden verfügen über didaktische Fähigkeiten, die es ihnen erlauben, ihre Forschungsergebnisse in einem interdisziplinären Kontext klar darzustellen und komplizierte Zusammenhänge verständlich zu vermitteln.

Anmeldevoraussetzung: keine

Lernergebnis: Die Studierenden sind in der Lage, sich aktiv mit dem aktuellen Wissensstand im Bereich des Dissertationsthemas und verwandter Wissenschaftsdisziplinen auseinanderzusetzen. Die Studierenden verfügen über didaktische Fähigkeiten, die es ihnen erlauben, ihre Forschungsergebnisse in einem interdisziplinären Kontext klar darzustellen und komplizierte Zusammenhänge verständlich zu vermitteln.

Anmeldevoraussetzung: keine

Lernergebnis: Die Studierenden erwerben ein tiefgehendes Verständnis für Learning-Umgebungen zur Behandlung von Data-Science-Aufgaben. Sie können mathematische Konzepte anwenden, um grundlegende Methoden des Data Science zu entwickeln und zu analysieren. Darüber hinaus haben sie einen Überblick über Erweiterungen solcher Methoden und deren Anwendungen. Die Studierenden können grundlegende Data-Science-Aufgaben mit einem geeigneten Softwaresystem wie etwa R oder Python ausführen, beispielsweise importieren, reinigen/transformieren, visualisieren und modellieren von Daten unter Verwendung grundlegender Werkzeuge. Sie können Zwischen- und Endergebnisse von Data-Science-Projekten sowohl gegenüber Fachexpertinnen und -experten als auch Endbenutzerinnen und -benutzern kommunizieren, beispielsweise in Form eines schriftlichen Berichts, von Präsentationsfolien, einer Web-App oder als Dashboard. Studierende können Daten verschiedenen Typs (numerisch, kategorial, räumlich und zeitlich) aus unterschiedlichen Quellen (Einzeldateien, Datenbanken, webbasierte Formate) zusammenführen und zusammenfassen, um sie anschließend mittels Data-Science-Methoden zu analysieren.

Anmeldevoraussetzung: keine

Lernergebnis: Beherrschung der Grundlagen der Mathematik, Geometrie und Informatik für ein ingenieurwissenschaftliches Studium (lineare Algebra, Differential- und Integralrechnung, Differentialgleichungen, Wahrscheinlichkeitstheorie und Statistik, Abbildungsmethoden und ihre Anwendung bei der Darstellung von Objekten, Program- miersprachen, mathematische Software); diese Kompetenzen werden einerseits fächerübergreifend im Studium benötigt, andererseits in zunehmendem Maße in der Berufspraxis von den AbsolventInnen erwartet;