output2.txt

table begin
                                                  B.Phy.1102: Experimentalphysik II - Elektromagnetismus (mit Praktikum) (9 C, 9 SWS).............. 11042
0                                              B.Phy.1103: Experimentalphysik III - Wellen und Optik (mit Praktikum) (9 C, 9 SWS).................. 11044
1                                                      B.Phy.1104: Experimentalphysik IV - Atom- und Quantenphysik (mit Praktikum) (9 C, 9 SWS).... 11046
2                                             B.Phy.1602: Computergestütztes wissenschaftliches Rechnen (6 C, 6 SWS)............................... 11048
3                                          B.Phy.5601: Theoretical and Computational Neuroscience I (3 C, 2 SWS)................................... 11049
4                                          B.Phy.5602: Theoretical and Computational Neuroscience II (3 C, 2 SWS).................................. 11050
5                          B.Phy.5623: Theoretical Biophysics (6 C, 4 SWS)......................................................................... 11051
6                      B.Phy.5625: X-ray Physics (6 C, 4 SWS).......................................................................................11052
7                                   B.Phy.5639: Optical measurement techniques (3 C, 2 SWS)........................................................ 11054
8                                           B.Phy.5648: Theoretische und computergestützte Biophysik (4 C, 2 SWS)...................................11055
9                                     B.Phy.5649: Biomolecular Physics and Simulations (4 C, 2 SWS)................................................ 11057
10                                                    B.Phy.5654: Vorlesung: Principles and Applications of Synchrotron and Free Electron Laser Radiation
11  (3 C, 4 SWS)................................................................................................................................... 11058
12                                B.Phy.5811: Statistical methods in data analysis (3 C, 3 SWS).....................................................11060
13                                               B.Phy.5815: Seminar zu einführenden Themen der Teilchenphysik (4 C, 2 SWS)........................ 11061
table end

table begin
                                     Lehrveranstaltung: Bioinformatik (Vorlesung, Übung) 4 SWS
0                                                                               Inhalte:   NaN
1        Im Rahmen dieser Veranstaltung werden grundlegende Verfahren zur elektronischen   NaN
2           Datenerfassung und Grundlagen der Internet-basierten Bioinformatik behandelt   NaN
3              (Datenbanksysteme). Es werden Methoden zur Analyse und Visualisierung der   NaN
4   erhobenen Daten vorgestellt. Ein wichtiger Anspekt ist darüber hinaus die Einführung   NaN
5          in R-Programmierung. Alle behandelten Konzepte werden praktisch im Rahmen von   NaN
6                                                          (Computer-) Übungen vertieft.   NaN
7                                                     Prüfung: Mündlich (ca. 20 Minuten)   6 C
8                                                                 Prüfungsanforderungen:   NaN
9             Grundlegende Kenntnisse von Datenbanken,  Programmierung sowie Analyse und   NaN
10                                                             Visualisierung von Daten.   NaN
table end

table begin
      Zugangsvoraussetzungen:  Empfohlene Vorkenntnisse:
0                       keine                      keine
1                    Sprache:   Modulverantwortliche[r]:
2                     Deutsch          Dr. Mehmet Gültas
3         Angebotshäufigkeit:                     Dauer:
4        jedes Sommersemester                 1 Semester
5           Wiederholbarkeit:  Empfohlenes Fachsemester:
6                   zweimalig                        NaN
7  Maximale Studierendenzahl:                        NaN
8                          36                        NaN
table end

table begin
                 Lehrveranstaltung: Agrarökologie und Agrobiodiversität (Vorlesung) 2 SWS
0                                                                          Inhalte:   NaN
1   Biodiversität in Agrarsystemen, Ökosystemfunktionen, Gratisleistungen der Natur   NaN
2   und Globale Umweltveränderungen, Populationsökologie und Naturschutz, weltweite   NaN
3   Muster der Primär- und Sekundärproduktion, Vergleich gemanagter und natürlicher   NaN
4     Wasser- und Landökosysteme, Größe und Isolation von Lebensräumen, Saumbiotope   NaN
5     und Ausbreitungsverhalten in Agrarlandschaften, Historische Biogeographie und   NaN
6                                                                      Klimawandel.   NaN
7                                                     Prüfung: Klausur (45 Minuten)   3 C
8                                                            Prüfungsanforderungen:   NaN
9              Grundlegende Kenntnisse der Agrarökologie, der Biodiversität und der   NaN
10        Ökosystemfunktionen in Agrarsystemen in Abhängigkeit vom Globalen Wandel,   NaN
11                                  Naturschutzperspektiven in der Agrarlandschaft.   NaN
table end

table begin
      Zugangsvoraussetzungen:  Empfohlene Vorkenntnisse:
0                       keine                      keine
1                    Sprache:   Modulverantwortliche[r]:
2                     Deutsch  Prof. Dr. Catrin Westphal
3         Angebotshäufigkeit:                     Dauer:
4        jedes Sommersemester                 1 Semester
5           Wiederholbarkeit:  Empfohlenes Fachsemester:
6                   zweimalig                        NaN
7  Maximale Studierendenzahl:                        NaN
8                          30                        NaN
table end

table begin
                                      Lehrveranstaltung: Forschungspraktikum Biometrie mit R 4 SWS
0                                                                                   Inhalte:   NaN
1      Einführung in die Biostatistik: Deskriptive Statistik (insbes. Häufigkeitsverteilung,   NaN
2      statistische Maßzahlen, graphische Veranschaulichung von Daten), statistische Schätz-   NaN
3        und Testverfahren, Regressionsanalyse, ANOVA. Darstellung statistischer Ergebnisse.   NaN
4           Alle behandelten Konzepte werden praktisch im Rahmen von (Computer-) Übungen mit   NaN
5                                                        dem statistischen Paket R vertieft.   NaN
6          Prüfung: Referat mit schriftlicher Ausarbeitung Referat (ca. 20 Minuten, 50%) mit   6 C
7                              schriftlicher Ausarbeitung (max. 10 Seiten, 50%) (20 Minuten)   NaN
8                                                                     Prüfungsanforderungen:   NaN
9   Grundkenntnisse der (Bio-)Statistik, insbes. deskriptive Statistik, statistische Schätz-   NaN
10        und Testverfahren, Regressionsanalyse, ANOVA. Praktische Datenanalyse. Darstellung   NaN
11                                                                 statistischer Ergebnisse.   NaN
table end

table begin
                                 Zugangsvoraussetzungen:                          Empfohlene Vorkenntnisse:
0          Erfolgreiche Teilnahme sowohl an Bionformatik  Vorkenntnisse in R-Programierung sind von Vorteil
1   (B.Agr.0375) und als auch Mathematik und Statistik -                                                NaN
2                                           (B.Agr.0013)                                                NaN
3                                               Sprache:                           Modulverantwortliche[r]:
4                                      Deutsch, Englisch                            Prof. Dr. Armin Schmitt
5                                    Angebotshäufigkeit:                                             Dauer:
6                                         jedes Semester                                         1 Semester
7                                      Wiederholbarkeit:                          Empfohlenes Fachsemester:
8                                              zweimalig                                                NaN
9                             Maximale Studierendenzahl:                                                NaN
10                                                    25                                                NaN
table end

table begin
                            Lehrveranstaltung: Grundlagen der Biochemie (Vorlesung) 4 SWS
0                                                     Prüfung: Klausur (90 Minuten)   6 C
1                                                            Prüfungsanforderungen:   NaN
2       Grundlegende Kenntnis biochemischer Reaktionen und ihrer Komponenten, sowie   NaN
3                                                           biochemischer Methoden.   NaN
4         Anabolismus und Katabolismus von Aminosäuren, Kohlenhydraten, Lipiden und   NaN
5  Nukleinsäuren; Synthese, Struktur und Funktion von Makromolekülen; Erzeugung und   NaN
6                                               Speicherung von Stoffwechselenergie   NaN
table end

table begin
                   Zugangsvoraussetzungen: Empfohlene Vorkenntnisse:
0                                  keine Biologische Grundkenntnisse
1                                  Sprache: Modulverantwortliche[r]:
2                                Deutsch Dr. rer. nat. Ellen Hornung
3                                         Angebotshäufigkeit: Dauer:
4                                    jedes Wintersemester 1 Semester
5                        Wiederholbarkeit: Empfohlenes Fachsemester:
6                                                    zweimalig 3 - 5
7                                         Maximale Studierendenzahl:
8                                                                 20
9                                                       Bemerkungen:
10  Das Modul kann nicht in Kombination mit B.Bio.112 belegt werden.
table end

table begin
  Georg-August-Universität Göttingen\rModul B.Bio-NF.116: Allgemeine Entwicklungs- und Zellbiologie\rEnglish title: General developmental and cell biology  6 C\r4 SWS
0                                                                                             odul B.Bio-NF.116: Allgemeine Entwicklungs- und Zellbiologie         NaN
1                                                                                                     nglish title: General developmental and cell biology         NaN
table end

table begin
Empty DataFrame
Columns: [Lernziele/Kompetenzen:
Die Studierenden lernen entwicklungsbiologisch relevante Aspekte der Zellbiologie,
zentrale Themen der tierischen und pflanzlichen Entwicklungsbiologie, klassische
und molekularbiologische Methoden der Entwicklungsbiologie und Modellorganismen
kennen., Arbeitsaufwand:
Präsenzzeit:
56 Stunden
Selbststudium:
124 Stunden]
Index: []
table end

table begin
  Lehrveranstaltung: Allgemeine Entwicklungs- und Zellbiologie (Vorlesung)
0                                 llgemeine Entwicklungs- und Zellbiologie
table end

table begin
                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                           Lehrveranstaltung: Allgemeine Entwicklungs- und Zellbiologie (Vorlesung) 4 SWS
0                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                          llgemeine Entwicklungs- und Zellbiologie   NaN
1  Prüfung: Klausur (90 Minuten)\rPrüfungsanforderungen:\rDie Studierenden sollen zu folgenden Themen Aussagen auf ihren Wahrheitsgehalt\rüberprüfen können, stichpunktartig Fragen dazu beantworten können und die\rjeweiligen Grundlagen korrekt darstellen bzw. miteinander vergleichen können:Aufbau\rder Zelle, Zellkompartimente, Zytoskelett, Mitochondrien, Membranstruktur und -\rtransport, Zellkontakte und -kommunikation, Zellzyklus, Zellteilung, programmierter\rZelltod, Kontrolle der eukaryotischen Genexpression, Allgemeine Mechanismen der\rEntwicklung, Keimzellen und Befruchtung, Furchung, Prinzipien der Musterbildung,\rGestaltbildung, Gastrulation, Neurulation, Organogenese, Zellbewegungen,\rZellformveränderungen, Methoden der experimentellen Embryologie, Methoden\rder Entwicklungsgenetik, Kenntnis von Modellorganismen, Achsenbildung,\rSegmentierungsgene, Homöotische Selektorgene, Evolutionäre Entwicklungsbiologie,\rNeuronale Entwicklung, Stammzellen und Regeneration, Homöostase,\rKrebsentstehung, Pflanzenembryogenese, Dormanz und Keimung, Lichtabhängige\rEntwicklung, Phytohormone, Evolution und Genetik der Blütenbildung.   6 C
table end

table begin
  Zugangsvoraussetzungen:\rkeine
0                           eine
table end

table begin
                                                   Zugangsvoraussetzungen:\rkeine Empfohlene Vorkenntnisse:\rBiologische Grundkenntnisse
0                                                                            eine                                                    NaN
1                                                               Sprache:\rDeutsch    Modulverantwortliche[r]:\rProf. Dr. Ernst A. Wimmer
2                                       Angebotshäufigkeit:\rjedes Wintersemester                                     Dauer:\r1 Semester
3                                                    Wiederholbarkeit:\rzweimalig                       Empfohlenes Fachsemester:\r3 - 5
4                                                  Maximale Studierendenzahl:\r25                                                    NaN
5  Bemerkungen:\rDas Modul kann nicht in Kombination mit B.Bio.116 belegt werden.                                                    NaN
table end

table begin
                                   Lehrveranstaltung: Genomanalyse (Vorlesung, Übung) 4 SWS
0                             nach Absprache als Online-Veranstaltung oder in Präsenz   NaN
1                                                  Prüfung: Mündlich (ca. 30 Minuten)   6 C
2                                                              Prüfungsanforderungen:   NaN
3            Grundlegende Methoden der Genomanalyse, insbesondere Genomassemblierung,   NaN
4  Sequenzalignment, und grundlegende Algorithmen zur Rekonstruktion phylogenetischer   NaN
5                                         Bäume auf der Grundlage von Genomsequenzen.   NaN
table end

table begin
                                    Zugangsvoraussetzungen: Empfohlene Vorkenntnisse:
0   BSc Bio: mindestens 40 C aus dem ersten Für die Veranstaltung werden grundlegende
1                       Studienabschnitt Programmierkenntnisse wie beispielsweise aus
2                                     dem LINUX/Python-Kurs (SK.Bio.307) oder anderen
3                                                         Programmierkursen erwartet.
4                                                   Sprache: Modulverantwortliche[r]:
5                                              Deutsch Prof. Dr. Burkhard Morgenstern
6                                                          Angebotshäufigkeit: Dauer:
7                                                     jedes Sommersemester 1 Semester
8                                         Wiederholbarkeit: Empfohlenes Fachsemester:
9                                                                     zweimalig 3 - 6
10                                                         Maximale Studierendenzahl:
11                                                                                 14
12                                                                       Bemerkungen:
13   Das Modul kann nicht in Kombination mit B.Bio.117 oder SK.Bio.117 belegt werden.
table end

table begin
                               Lehrveranstaltung: Allgemeine Mikrobiologie (Vorlesung) 4 SWS
0                                                       Prüfung: Klausur (120 Minuten)   6 C
1                                                               Prüfungsanforderungen:   NaN
2  In der Prüfung werden die Grundlagen der Mikrobiologie bezüglich der systematischen   NaN
3          Einordnung, verschiedener Stoffwechselwege, Zellbiologie, der Bedeutung von   NaN
4    Mikroorganismen für Industrie, Umwelt und Medizin sowie ihre praktische Umsetzung   NaN
5          addressiert. Die Studierenden sollen tagesaktuelle Ereignisse mit Bezug zur   NaN
6                                                      Mikrobiologie einordnen können.   NaN
table end

table begin
                   Zugangsvoraussetzungen: Empfohlene Vorkenntnisse:
0                                  keine Biologische Grundkenntnisse
1                                  Sprache: Modulverantwortliche[r]:
2                                      Deutsch Prof. Dr. Jörg Stülke
3                                         Angebotshäufigkeit: Dauer:
4                                    jedes Sommersemester 1 Semester
5                        Wiederholbarkeit: Empfohlenes Fachsemester:
6                                                    zweimalig 4 - 6
7                                         Maximale Studierendenzahl:
8                                                                 15
9                                                       Bemerkungen:
10  Das Modul kann nicht in Kombination mit B.Bio.118 belegt werden.
table end

table begin
                   Lehrveranstaltung: Zell- und Molekularbiologie der Pflanze (Vorlesung) 4 SWS
0                                                           Prüfung: Klausur (75 Minuten)   6 C
1                                                                  Prüfungsanforderungen:   NaN
2  Arabidopsis thaliana als Modellsystem zur Erforschung zell – und molekularbiologischer   NaN
3            Prozesse, Methoden zur Erforschung zell- und molekularbiologischer Prozesse,   NaN
4       Mechanismen des Transport von Proteinen in unterschiedliche Zellorganellen und in   NaN
5     die Zellwand, Mechanismen pflanzlicher Signaltransduktion, Mechanismen pflanzlicher   NaN
6                                                                               Immunität   NaN
table end

table begin
                   Zugangsvoraussetzungen: Empfohlene Vorkenntnisse:
0                                  keine Biologische Grundkenntnisse
1                                  Sprache: Modulverantwortliche[r]:
2                                  Deutsch Prof. Dr. Christiane Gatz
3                                         Angebotshäufigkeit: Dauer:
4                                    jedes Wintersemester 1 Semester
5                        Wiederholbarkeit: Empfohlenes Fachsemester:
6                                                    zweimalig 3 - 5
7                                         Maximale Studierendenzahl:
8                                                                 15
9                                                       Bemerkungen:
10  Das Modul kann nicht in Kombination mit B.Bio.125 belegt werden.
table end

table begin
                      Lehrveranstaltung: Genetik und mikrobielle Zellbiologie (Vorlesung) 4 SWS
0                                                           Prüfung: Klausur (90 Minuten)   6 C
1                                                                  Prüfungsanforderungen:   NaN
2        Die Studierenden sollen stichpunktartig Fragen aus den Bereichen der Genetik und   NaN
3    Zellbiologie beantworten und Aussagen zu genetischen und zellbiologischen Fakten und   NaN
4         Zusammenhänge auf ihren Wahrheitsgehalt überprüfen können. Als Grundlage dienen   NaN
5         erworbene Kenntnisse der Lerninhalte der Lehrveranstaltung, die Bearbeitung von   NaN
6   vorlesungsbegleitenden Fragen in Tutorien, für den Teil Genetik das Lehrbuch: Watson,   NaN
7     6th Edition, Molecular Biology of the Gene (Pearson) und für den Teil Zellbiologie:   NaN
8  Ausgewählte Kapitel aus dem Lehrbuch Alberts et al., 5th Edition, Molecular Biology of   NaN
9                                                              the Cell (Garland Science)   NaN
table end

table begin
                   Zugangsvoraussetzungen: Empfohlene Vorkenntnisse:
0                                  keine Biologische Grundkenntnisse
1                                  Sprache: Modulverantwortliche[r]:
2                                    Deutsch Prof. Dr. Gerhard Braus
3                                         Angebotshäufigkeit: Dauer:
4                                    jedes Sommersemester 1 Semester
5                        Wiederholbarkeit: Empfohlenes Fachsemester:
6                                                    zweimalig 4 - 6
7                                         Maximale Studierendenzahl:
8                                                                 15
9                                                       Bemerkungen:
10  Das Modul kann nicht in Kombination mit B.Bio.129 belegt werden.
table end

table begin
                                               Lehrveranstaltung: Biologische Ringvorlesung 6 SWS
0                                                             Prüfung: Klausur (90 Minuten)   8 C
1                                                                    Prüfungsanforderungen:   NaN
2          Grundlegende Kenntnisse und Kompetenzen in den Disziplinen Entwicklungsbiologie,   NaN
3            Mikrobiologie und Pflanzenphysiologie, dies beinhaltet Kenntnisse der Konzepte   NaN
4                  der Entwicklungsbiologie und ihrer Modellorganismen; Vielfalt, Bedeutung   NaN
5                      und Aufbau von Mikroorganismen, Wachstum und Vermehrung, mikrobielle   NaN
6                    Stoffwechseltypen; Grundlegende Kenntnisse der Pflanzenphysiologie wie   NaN
7              Photosynthese, Wassertransport, Pflanzenhormone und pflanzliche Reproduktion   NaN
8                                                             Prüfung: Klausur (90 Minuten)   8 C
9                                                                    Prüfungsanforderungen:   NaN
10        Grundlegende Kenntnisse und Kompetenzen in den Disziplinen Biochemie, Genetik und   NaN
11  Bioinformatik, dies beinhaltet die chemische Struktur von Kohlenhydraten, Proteinen und   NaN
12       Fetten; Grundlagenkenntnisse von einfachen Stoffwechselprozessen wie Glykolyse und   NaN
13    Citratzyklus, Redoxreaktionen und Atmungskette, Abbau von Proteinen, Harnstoffzyklus,   NaN
14               Verdauungsenzyme, Struktur von DNA und RNA, Transkription und Translation,   NaN
15           Prinzipien der Vererbung und Genregulation in Pro-und Eukaryoten; grundlegende   NaN
16        Kenntnisse der Bioinformatik zum Erstellen von Alignements und zur Rekonstruktion   NaN
17                                                                  phylogenetischer Bäume.   NaN
table end

table begin
      Zugangsvoraussetzungen:    Empfohlene Vorkenntnisse:
0                       keine                        keine
1                    Sprache:     Modulverantwortliche[r]:
2                     Deutsch  Prof. Dr. Stefanie Pöggeler
3         Angebotshäufigkeit:                       Dauer:
4        jedes Sommersemester                   1 Semester
5           Wiederholbarkeit:    Empfohlenes Fachsemester:
6                   dreimalig                            2
7  Maximale Studierendenzahl:                          NaN
8                         240                          NaN
table end

table begin
     Lehrveranstaltung: Einführung in die digitale Text- und Sprachanalyse (Vorlesung) 2 SWS
0                                             Prüfung: Klausur (90 Minuten), unbenotet   6 C
1                                                               Prüfungsvorleistungen:   NaN
2     regelmäßige Teilnahme am Tutorium sowie Ausarbeitung einer praktischen Anwendung   NaN
3                                                         im Umfang von max. 5 Seiten.   NaN
4                                                               Prüfungsanforderungen:   NaN
5       Die Studierenden weisen im Bereich der Text- und Sprachwissenschaft Kenntnisse   NaN
6            spezifisch geisteswissenschaftlicher Fragestellungen, Vorgehensweisen und   NaN
7        Forschungsergebnisse auf Grundlage digitaler Datenverarbeitung nach sowie die   NaN
8  Fähigkeit, Methoden und Theoriebildungen in den Digital Humanities nachzuvollziehen   NaN
9                                                     und in Ansätzen zu reflektieren.   NaN
table end

table begin
                               Zugangsvoraussetzungen: Empfohlene Vorkenntnisse:
0                                                                    keine keine
1                                              Sprache: Modulverantwortliche[r]:
2                                 Deutsch, Englisch Prof. Dr. Caroline Sporleder
3                                                     Angebotshäufigkeit: Dauer:
4                                                jedes Wintersemester 1 Semester
5                                    Wiederholbarkeit: Empfohlenes Fachsemester:
6                                                                zweimalig 1 - 2
7                                                     Maximale Studierendenzahl:
8                                                                             25
9                                                                   Bemerkungen:
10  Das Modul B.DH.01 kann nicht gemeinsam mit dem Modul B.DH.01a belegt werden.
table end

table begin
             Lehrveranstaltung: Einführung in die Digitale Bild- und Objektiwssenschaft 2 SWS
0                                                                           (Vorlesung)   NaN
1                                              Prüfung: Klausur (90 Minuten), unbenotet   6 C
2                                                                Prüfungsvorleistungen:   NaN
3      regelmäßige Teilnahme am Tutorium sowie Ausarbeitung einer praktischen Anwendung   NaN
4                                                          im Umfang von max. 5 Seiten.   NaN
5                                                                Prüfungsanforderungen:   NaN
6      Die Studierenden weisen im Bereich der Bild- und Objektwissenschaften Kenntnisse   NaN
7             spezifisch geisteswissenschaftlicher Fragestellungen, Vorgehensweisen und   NaN
8         Forschungsergebnisse auf Grundlage digitaler Datenverarbeitung nach sowie die   NaN
9   Fähigkeit, Methoden und Theoriebildungen in den Digital Humanities nachzuvollziehen   NaN
10                                                     und in Ansätzen zu reflektieren.   NaN
table end

table begin
                               Zugangsvoraussetzungen: Empfohlene Vorkenntnisse:
0                                                                    keine keine
1                                              Sprache: Modulverantwortliche[r]:
2                                     Deutsch, Englisch Prof. Dr. Martin Langner
3                                                     Angebotshäufigkeit: Dauer:
4                                                jedes Sommersemester 1 Semester
5                                    Wiederholbarkeit: Empfohlenes Fachsemester:
6                                                                zweimalig 1 - 2
7                                                     Maximale Studierendenzahl:
8                                                                             25
9                                                                   Bemerkungen:
10  Das Modul B.DH.02 kann nicht gemeinsam mit dem Modul B.DH.02a belegt werden.
table end

table begin
      Zugangsvoraussetzungen:     Empfohlene Vorkenntnisse:
0                       keine                         keine
1                    Sprache:      Modulverantwortliche[r]:
2           Deutsch, Englisch  Prof. Dr. Caroline Sporleder
3         Angebotshäufigkeit:                        Dauer:
4        jedes Wintersemester                    1 Semester
5           Wiederholbarkeit:     Empfohlenes Fachsemester:
6                   zweimalig                         4 - 6
7  Maximale Studierendenzahl:                           NaN
8                          25                           NaN
table end

table begin
                                           Lehrveranstaltung: Vorlesung (Vorlesung)  2 SWS
0                                              Lehrveranstaltung: Seminar (Seminar)  2 SWS
1   Prüfung: Referat (max. 30 Min.) mit schriftlicher Ausarbeitung (max. 15 Seiten)    9 C
2                                              oder Projektbericht (max. 15 Seiten)    NaN
3                                                            Prüfungsvorleistungen:    NaN
4                                                  regelmäßige Teilnahme am Seminar    NaN
5                                                            Prüfungsanforderungen:    NaN
6     Die Studierenden weisen vertiefte Kenntnisse in der digitalen Umsetzung einer    NaN
7  spezifischen sprachwissenschaftlichen Fragestellung nach und können verschiedene    NaN
8         Vorgehensweisen und Forschungsergebnisse nachvollziehen und reflektieren.    NaN
9                                          Die Prüfung ist im Seminar zu erbringen.    NaN
table end

table begin
      Zugangsvoraussetzungen:     Empfohlene Vorkenntnisse:
0                       keine                         keine
1                    Sprache:      Modulverantwortliche[r]:
2           Deutsch, Englisch  Prof. Dr. Caroline Sporleder
3         Angebotshäufigkeit:                        Dauer:
4        jedes Sommersemester                    1 Semester
5           Wiederholbarkeit:     Empfohlenes Fachsemester:
6                   zweimalig                         4 - 6
7  Maximale Studierendenzahl:                           NaN
8                          25                           NaN
table end

table begin
                                              Lehrveranstaltung: Vorlesung (Vorlesung)  2 SWS
0                                                 Lehrveranstaltung: Seminar (Seminar)  2 SWS
1      Prüfung: Referat (max. 30 Min.) mit schriftlicher Ausarbeitung (max. 15 Seiten)    9 C
2                                                               Prüfungsvorleistungen:    NaN
3                                                     regelmäßige Teilnahme am Seminar    NaN
4                                                               Prüfungsanforderungen:    NaN
5     Die Studierenden beherrschen verschiedene Methoden des Information Retrieval und    NaN
6  der Korpusbildung, die sie in praktischer Anwendung und zum Teil in experimenteller    NaN
7                               Weise auf gegebene Forschungsprobleme anwenden können.    NaN
8                                    Die Prüfungsleistung ist im Seminar zu erbringen.    NaN
table end

table begin
      Zugangsvoraussetzungen:     Empfohlene Vorkenntnisse:
0                       keine                         keine
1                    Sprache:      Modulverantwortliche[r]:
2           Deutsch, Englisch  Prof. Dr. Caroline Sporleder
3         Angebotshäufigkeit:                        Dauer:
4        jedes Sommersemester                    1 Semester
5           Wiederholbarkeit:     Empfohlenes Fachsemester:
6                   zweimalig                         4 - 6
7  Maximale Studierendenzahl:                           NaN
8                          25                           NaN
table end

table begin
                                           Lehrveranstaltung: Vorlesung (Vorlesung)  2 SWS
0                                              Lehrveranstaltung: Seminar (Seminar)  2 SWS
1   Prüfung: Referat (max. 30 Min.) mit schriftlicher Ausarbeitung (max. 15 Seiten)    9 C
2                                                            Prüfungsvorleistungen:    NaN
3                                                  regelmäßige Teilnahme am Seminar    NaN
4                                                            Prüfungsanforderungen:    NaN
5                Die Studierenden beherrschen verschiedene Methoden der Korpus- und    NaN
6  Computerlinguistik sowie der Sprachtechnologie, die sie in praktischer Anwendung    NaN
7    und zum Teil in experimenteller Weise auf gegebene Forschungsprobleme anwenden    NaN
8                                                                           können.    NaN
9                                  Die Prüfungsleistung ist im Seminar zu erbringen    NaN
table end

table begin
      Zugangsvoraussetzungen:     Empfohlene Vorkenntnisse:
0                       keine                         keine
1                    Sprache:      Modulverantwortliche[r]:
2           Deutsch, Englisch  Prof. Dr. Caroline Sporleder
3         Angebotshäufigkeit:                        Dauer:
4        jedes Wintersemester                    1 Semester
5           Wiederholbarkeit:     Empfohlenes Fachsemester:
6                   zweimalig                         4 - 6
7  Maximale Studierendenzahl:                           NaN
8                          25                           NaN
table end

table begin
                                          Lehrveranstaltung: Vorlesung (Vorlesung)  2 SWS
0                                             Lehrveranstaltung: Seminar (Seminar)  2 SWS
1  Prüfung: Referat (max. 30 Min.) mit schriftlicher Ausarbeitung (max. 15 Seiten)    9 C
2                                                           Prüfungsvorleistungen:    NaN
3                                                 regelmäßige Teilnahme am Seminar    NaN
4                                                           Prüfungsanforderungen:    NaN
5   Die Studierenden weisen vertiefte Kenntnisse spezifisch bildwissenschaftlicher    NaN
6    Fragestellungen, Vorgehensweisen und Forschungsergebnisse und deren Umsetzung    NaN
7          mit digitalen Methoden nach und können verschiedene Vorgehensweisen und    NaN
8                            Forschungsergebnisse nachvollziehen und reflektieren.    NaN
9                                    Die Prüfungsleistung im Seminar zu erbringen.    NaN
table end

table begin
      Zugangsvoraussetzungen:  Empfohlene Vorkenntnisse:
0                       keine                      keine
1                    Sprache:   Modulverantwortliche[r]:
2           Deutsch, Englisch   Prof. Dr. Martin Langner
3         Angebotshäufigkeit:                     Dauer:
4        jedes Wintersemester                 1 Semester
5           Wiederholbarkeit:  Empfohlenes Fachsemester:
6                   zweimalig                      4 - 6
7  Maximale Studierendenzahl:                        NaN
table end

table begin
Empty DataFrame
Columns: [25]
Index: []
table end

table begin
  Zugangsvoraussetzungen:  Empfohlene Vorkenntnisse:
0                   keine                      keine
1                Sprache:   Modulverantwortliche[r]:
2       Deutsch, Englisch   Prof. Dr. Martin Langner
3     Angebotshäufigkeit:                     Dauer:
4    jedes Sommersemester                 1 Semester
5       Wiederholbarkeit:  Empfohlenes Fachsemester:
6               zweimalig                      4 - 6
table end

table begin
Empty DataFrame
Columns: [Maximale Studierendenzahl:
25, Unnamed: 0]
Index: []
table end

table begin
                                            Lehrveranstaltung: Vorlesung (Vorlesung)  2 SWS
0                                               Lehrveranstaltung: Seminar (Seminar)  2 SWS
1    Prüfung: Referat (max. 30 Min.) mit schriftlicher Ausarbeitung (max. 15 Seiten)    9 C
2                                                             Prüfungsvorleistungen:    NaN
3                                                   regelmäßige Teilnahme am Seminar    NaN
4                                                             Prüfungsanforderungen:    NaN
5   Die Studierenden weisen vertiefte Kenntnisse spezifisch objektwissenschaftlicher    NaN
6      Fragestellungen, Vorgehensweisen und Forschungsergebnisse und deren Umsetzung    NaN
7            mit digitalen Methoden nach und können verschiedene Vorgehensweisen und    NaN
8                              Forschungsergebnisse nachvollziehen und reflektieren.    NaN
9                                      Die Prüfungsleistung im Seminar zu erbringen.    NaN
10              Vorlesung und/oder Seminar können nach Angebot auch durch e-learning    NaN
11       Komponenten, die erfolgreiche Teilnahme an einem Workshop oder einer Summer    NaN
12                                                            School ersetzt werden.    NaN
table end

table begin
  Zugangsvoraussetzungen: Empfohlene Vorkenntnisse:
0                   keine                     keine
1                Sprache:  Modulverantwortliche[r]:
2       Deutsch, Englisch  Prof. Dr. Martin Langner
3     Angebotshäufigkeit:                    Dauer:
4    jedes Wintersemester                1 Semester
table end

table begin
     Wiederholbarkeit:\rzweimalig  Empfohlenes Fachsemester:\r4 - 6
0  Maximale Studierendenzahl:\r25                               NaN
table end

table begin
                                               Lehrveranstaltung: Vorlesung (Vorlesung)  2 SWS
0                                                  Lehrveranstaltung: Seminar (Seminar)  2 SWS
1       Prüfung: Referat (max. 30 Min.) mit schriftlicher Ausarbeitung (max. 15 Seiten)    9 C
2                                                  oder Projektbericht (max. 15 Seiten)    NaN
3                                                                Prüfungsvorleistungen:    NaN
4                                                      regelmäßige Teilnahme am Seminar    NaN
5                                                                Prüfungsanforderungen:    NaN
6                      Die Studierenden beherrschen verschiedene Methoden der digitalen    NaN
7   Geowissenschaften, die sie in praktischer Anwendung und zum Teil in experimenteller    NaN
8                                Weise auf gegebene Forschungsprobleme anwenden können.    NaN
9                                     Die Prüfungsleistung ist im Seminar zu erbringen.    NaN
10                 Vorlesung und/oder Seminar können nach Angebot auch durch e-learning    NaN
11          Komponenten, die erfolgreiche Teilnahme an einem Workshop oder einer Summer    NaN
12                                                               School ersetzt werden.    NaN
table end

table begin
  Zugangsvoraussetzungen:  Empfohlene Vorkenntnisse:
0                   keine                      keine
1                Sprache:   Modulverantwortliche[r]:
2       Deutsch, Englisch   Prof. Dr. Martin Langner
3     Angebotshäufigkeit:                     Dauer:
4    jedes Sommersemester                 1 Semester
5       Wiederholbarkeit:  Empfohlenes Fachsemester:
table end

table begin
                        zweimalig  4 - 6
0  Maximale Studierendenzahl:\r25    NaN
table end

table begin
                                                 Lehrveranstaltung: Vorlesung (Vorlesung)  2 SWS
0                                                    Lehrveranstaltung: Seminar (Seminar)  2 SWS
1         Prüfung: Referat (max. 30 Min.) mit schriftlicher Ausarbeitung (max. 15 Seiten)    9 C
2                                                                  Prüfungsvorleistungen:    NaN
3                                                        regelmäßige Teilnahme am Seminar    NaN
4                                                                  Prüfungsanforderungen:    NaN
5          Die Studierenden beherrschen verschiedene Methoden des Image Retrieval und der    NaN
6   Korpusbildung, die sie in praktischer Anwendung und zum Teil in experimenteller Weise    NaN
7                                        auf gegebene Forschungsprobleme anwenden können.    NaN
8                                       Die Prüfungsleistung ist im Seminar zu erbringen.    NaN
9                    Vorlesung und/oder Seminar können nach Angebot auch durch e-learning    NaN
10            Komponenten, die erfolgreiche Teilnahme an einem Workshop oder einer Summer    NaN
11                                                                 School ersetzt werden.    NaN
table end

table begin
      Zugangsvoraussetzungen:  Empfohlene Vorkenntnisse:
0                       keine                      keine
1                    Sprache:   Modulverantwortliche[r]:
2           Deutsch, Englisch   Prof. Dr. Martin Langner
3         Angebotshäufigkeit:                     Dauer:
4        jedes Wintersemester                 1 Semester
5           Wiederholbarkeit:  Empfohlenes Fachsemester:
6                   zweimalig                      4 - 6
7  Maximale Studierendenzahl:                        NaN
8                          25                        NaN
table end

table begin
      Zugangsvoraussetzungen:  Empfohlene Vorkenntnisse:
0                       keine                      keine
1                    Sprache:   Modulverantwortliche[r]:
2           Deutsch, Englisch   Prof. Dr. Martin Langner
3         Angebotshäufigkeit:                     Dauer:
4        jedes Sommersemester                 1 Semester
5           Wiederholbarkeit:  Empfohlenes Fachsemester:
6                   zweimalig                      4 - 6
7  Maximale Studierendenzahl:                        NaN
8                          25                        NaN
table end

table begin
  Georg-August-Universität Göttingen\rModul B.Forst.1106: Bioklimatologie\rEnglish title: Bioclimatology  6 C\r4 SWS
0                                                                     odul B.Forst.1106: Bioklimatologie         NaN
1                                                                           nglish title: Bioclimatology         NaN
table end

table begin
Empty DataFrame
Columns: [Lernziele/Kompetenzen:
Verständnis der grundlegenden atmosphärischen Faktoren wie Wind, Strahlung,
Lufttemperatur und -feuchte und ihres Einflusses auf den Wald, des Kohlenstoff- und
Wasserkreislaufes auf lokaler bis globaler Skala sowie des Klimawandels., Arbeitsaufwand:
Präsenzzeit:
56 Stunden
Selbststudium:
124 Stunden]
Index: []
table end

table begin
  Lehrveranstaltung: Bioklimatologie (Vorlesung)
0                                 ioklimatologie
table end

table begin
  Lehrveranstaltung: Bioklimatologie (Vorlesung) 4 SWS
0                                 ioklimatologie   NaN
1                  Prüfung: Klausur (90 Minuten)   6 C
table end

table begin
Empty DataFrame
Columns: [Prüfungsanforderungen:
Nachweis, die wichtigsten Prozesse in der Atmosphäre und ihrer Wechselwirkung
mit Vegetation verstanden zu haben; quantitative Analysen mit Hilfe von
grundlegenden Gleichungen; Erstellen und Interpretation von Grafiken, die funktionale
Zusammenhänge abbilden., Unnamed: 0]
Index: []
table end

table begin
                          Zugangsvoraussetzungen:\rkeine                     Empfohlene Vorkenntnisse:\rkeine
0                                                   eine                                                  NaN
1                                      Sprache:\rDeutsch  Modulverantwortliche[r]:\rProf. Dr. Alexander Knohl
2              Angebotshäufigkeit:\rjedes Sommersemester                                   Dauer:\r1 Semester
3  Wiederholbarkeit:\rgemäß Prüfungs- und Studienordnung                         Empfohlenes Fachsemester:\r2
4             Maximale Studierendenzahl:\rnicht begrenzt                                                  NaN
table end

table begin
  Zugangsvoraussetzungen:\rkeine
0                           eine
table end

table begin
                    Lehrveranstaltung: Bioklimatologische Experimente (Exkursion, Übung) 2 SWS
0                                                                               Inhalte:   NaN
1   Die Studierenden sollen eigene bioklimatologische Fragestellungen entwickeln und ein   NaN
2   detailliertes Versuchsprotokoll zur Durchführung eines selbstgestalteten Experiments   NaN
3        anlegen. Mithilfe von bioklimatologischen Messboxen soll diesen Fragestellungen   NaN
4          nachgegangen werden und die Daten eigens und wissenschaftlich korrekt erhoben   NaN
5             werden. Anhand von geeigneten Datenbearbeitungsprogrammen sollen die Daten   NaN
6       ausgewertet und zu Präsentation anschaulich dargestellt werden. Diese Ergebnisse   NaN
7       sollen mithilfe ihres erlangten Fachwissens modulbegleitend interpretiert werden   NaN
8        und mit vorrangegangen Hypothesen verglichen werden. Die Studierenden sollen so   NaN
9      erlernen, eigene Messdaten zu erheben und wissenschaftlich korrekt zu bearbeiten,   NaN
10   sowie zu interpretieren. Es wird eine 1-Tages Exkursion zu einem Klimaturm der Abt.   NaN
11                                                         Bioklimatologie durchgeführt.   NaN
12     Prüfung: Präsentation (ca. 20 Minuten, 50%) und Hausarbeit (max. 10 Seiten, 50%),   3 C
13                                                                             unbenotet   NaN
14                                                                Prüfungsanforderungen:   NaN
15       Kenntnis, Verständnis und die Fähigkeit zur Interpretation von selbst erhobenen   NaN
16               Messergebnissen bioklimatologischer Größen. Fähigkeit zur Anwendung von   NaN
17             spezifischen Arbeitsmethoden zur Auswertung, Darstellung und qualitativer   NaN
18   Beschreibung, sowie Interpretation bioklimatologischer Erhebungen. Erstellung eines   NaN
19         Versuchsprotokolls zur Beschreibung der Fragestellung und Durchführung, sowie   NaN
20            die Auswertung eigens erhobener Messdaten. Präsentation der Ergebnisse und   NaN
21                                                       Erkenntnisse in digitaler Form.   NaN
22                             Die Prüfungsleistungen können in Gruppen erbracht werden.   NaN
table end

table begin
  Zugangsvoraussetzungen:  Empfohlene Vorkenntnisse:
0                   keine                      keine
1                Sprache:   Modulverantwortliche[r]:
2                 Deutsch  Prof. Dr. Alexander Knohl
3     Angebotshäufigkeit:                     Dauer:
4    jedes Sommersemester                 1 Semester
table end

table begin
  Wiederholbarkeit:\rgemäß Prüfungs- und Studienordnung  Empfohlenes Fachsemester:\r2
0                        Maximale Studierendenzahl:\r24                           NaN
table end

table begin
             Lehrveranstaltung: Räumliche Daten in den Forstwissenschaften (Vorlesung)  2 SWS
0                                                                             Inhalte:    NaN
1       Die Studierenden erlernen in dieser Vorlesung grundlegende Kompetenzen die für    NaN
2           einen professionellen Umgang mit räumlichen Daten auf verschiedenen Skalen    NaN
3            und im forstlichen Zusammenhang notwendig sind. Wir spannen den Bogen von    NaN
4     der Datenerhebung, über die Verarbeitung und Darstellung bis hin zur Analyse von    NaN
5         räumlichen Daten aus dem Wald. Konkrete Beispiele aus Forschung (und Praxis)    NaN
6   und von verschiedenen räumlichen Skalen dienen der Vertiefung der Inhalte. Die IT-    NaN
7       basierte Auswertung der Daten und Genese von wissenschaftlicher Erkenntnis mit    NaN
8                              entsprechenden Routinen wird vorgestellt und erläutert.    NaN
9                                                       Prüfung: Klausur (120 Minuten)    NaN
10                                                              Prüfungsanforderungen:    NaN
11     • Kenntnis der Verfahren zur Erzeugung räumlicher Daten in Wäldern, gängiger 3D    NaN
12                                              Formate und des Handlings von 3D Daten    NaN
13                              • Grundlegende Kenntnisse im Bereich 3D Visualisierung    NaN
14         • Kenntnis der Methoden zur Analyse und Interpretation räumlicher Daten auf    NaN
15                 Landschafts-, Bestandes- und Einzelbaumebene mit direktem Bezug zur    NaN
16                                                                        Waldökologie    NaN
17        • Grundlegendes Verständnis von 3D Modellen in der walökologischen Forschung    NaN
table end

table begin
              Zugangsvoraussetzungen:           Empfohlene Vorkenntnisse:
0                               keine                               keine
1                            Sprache:            Modulverantwortliche[r]:
2                             Deutsch  Prof. Dr. rer. nat. Dominik Seidel
3                 Angebotshäufigkeit:                              Dauer:
4                jedes Wintersemester                          1 Semester
5                   Wiederholbarkeit:           Empfohlenes Fachsemester:
6  gemäß Prüfungs- und Studienordnung                                 NaN
7          Maximale Studierendenzahl:                                 NaN
8                      nicht begrenzt                                 NaN
table end

table begin
                                    Lehrveranstaltung: ReIief und Boden (Vorlesung)  4 SWS
0           Lehrveranstaltung: Geomorphologische und bodenkundliche Arbeitsmethoden  2 SWS
1                                                                           (Übung)    NaN
2                                                               inkl. 2 Exkursionen    NaN
3                                                     Prüfung: Klausur (90 Minuten)    8 C
4                                                            Prüfungsvorleistungen:    NaN
5  Regelmäßige Teilnahme an der Übung; 2 Geländeprotokolle zu den Exkursionstagen à    NaN
6                                                                          ca. 5 S.    NaN
table end

table begin
      Zugangsvoraussetzungen:  Empfohlene Vorkenntnisse:
0                       keine                      keine
1                    Sprache:   Modulverantwortliche[r]:
2                     Deutsch         Dr. Steffen Möller
3         Angebotshäufigkeit:                     Dauer:
4        jedes Sommersemester                 1 Semester
5           Wiederholbarkeit:  Empfohlenes Fachsemester:
6                   zweimalig                        NaN
7  Maximale Studierendenzahl:                        NaN
8                          80                        NaN
table end

table begin
  Lehrveranstaltung: Klima und Gewässer (Vorlesung) 2 SWS
0                     Prüfung: Klausur (90 Minuten)   3 C
table end

table begin
                                                   Zugangsvoraussetzungen: Empfohlene Vorkenntnisse:
0                                                                                        keine keine
1                                                                  Sprache: Modulverantwortliche[r]:
2                                                                         Deutsch Dr. Steffen Möller
3                                                                         Angebotshäufigkeit: Dauer:
4                                                                    jedes Wintersemester 1 Semester
5                                                        Wiederholbarkeit: Empfohlenes Fachsemester:
6                                                           zweimalig Bachelor: 1 - 6; Master: 1 - 4
7                                                                         Maximale Studierendenzahl:
8                                                                                                 50
9                                                                                       Bemerkungen:
10  Eintragung zur Lehrveranstaltung in Stud.IP empfohlen. Dieses Schlüsselkompetenzmodul darf nicht
11                      absolviert werden, wenn die Module B.Geg.16 oder B.Geg.06 absolviert werden.
table end

table begin
                                     Lehrveranstaltung: Informatik I (Vorlesung, Übung) 6 SWS
0                    Prüfung: Klausur (90 Minuten) oder mündliche Prüfung (ca. 20 Min.)  10 C
1                                                                Prüfungsvorleistungen:   NaN
2       Nachweis von 50% der in den Übungsaufgaben erreichbaren Punkte. Kontinuierliche   NaN
3                                                             Teilnahme an den Übungen.   NaN
4                                                                Prüfungsanforderungen:   NaN
5   In der Prüfung wird das Verständnis der vermittelten Grundbegriffe sowie die aktive   NaN
6                Beherrschung der vermittelten Inhalte und Techniken nachgewiesen, z.B.   NaN
7        • Kenntnis von Grundbegriffen nachweisen durch Umschreibung in eigenen Worten.   NaN
8              • Standards der Informationsdarstellung in konkreter Situation umsetzen.   NaN
9        • Ausdrücke auswerten oder Bedingungen als logische Ausdrücke formulieren usw.   NaN
10                            • Programmablauf auf gegebenen Daten geeignet darstellen.   NaN
11                 • Programmcode auch in nicht offensichtlichen Situationen verstehen.   NaN
12                        • Fehler im Programmcode erkennen/korrigieren/klassifizieren.   NaN
13      • Datenstrukturen für einfache Anwendungssituationen auswählen bzw. geeignet in   NaN
14                                                             einem Kontext verwenden.   NaN
15             • Algorithmen für einfache Probleme auswählen und beschreiben (ggf. nach   NaN
16             Hinweisen) und/oder einen vorgegebenen Algorithmus (ggf. fragmentarisch)   NaN
17                                                         programmieren bzw. ergänzen.   NaN
18                  • einfache Algorithmen/Programme nach Ressourcenbedarf analysieren.   NaN
19                              • einfachsten Programmcode auf Korrektheit analysieren.   NaN
20      • einfache Anwendungssituation geeignet durch Modul- oder Klassenschnittstellen   NaN
21                                                                         modellieren.   NaN
table end

table begin
Empty DataFrame
Columns: [eine]
Index: []
table end

table begin
                           Sprache:\rDeutsch Modulverantwortliche[r]:\rProf. Dr. Carsten Damm
0  Angebotshäufigkeit:\rjedes Wintersemester                               Dauer:\r1 Semester
1               Wiederholbarkeit:\rzweimalig                Empfohlenes Fachsemester:\rab bis
2            Maximale Studierendenzahl:\r300                                              NaN
table end

table begin
         Lehrveranstaltung: Grundlagen der Praktischen Informatik (Vorlesung, Übung) 6 SWS
0                                                      Prüfung: Klausur (90 Minuten)  10 C
1                                                             Prüfungsvorleistungen:   NaN
2    Nachweis von 50% der in den Übungsaufgaben erreichbaren Punkte. Kontinuierliche   NaN
3                                                          Teilnahme an den Übungen.   NaN
4                                                             Prüfungsanforderungen:   NaN
5  Deklarative Programmierung, Programmierung von Skripten, Betriebssysteme, formale   NaN
6    Sprachen, Compilerbau, formale Logik, Telematik, Kryptographie, Softwaretechnik   NaN
table end

table begin
  Zugangsvoraussetzungen: Empfohlene Vorkenntnisse:
0                   keine                B.Inf.1101
1                Sprache:  Modulverantwortliche[r]:
2                 Deutsch       Dr. Henrik Brosenne
3     Angebotshäufigkeit:                    Dauer:
table end

table begin
              jedes Sommersemester                 1 Semester
0     Wiederholbarkeit:\rzweimalig  Empfohlenes Fachsemester:
1  Maximale Studierendenzahl:\r300                        NaN
table end

table begin
  Georg-August-Universität Göttingen\rModul B.Inf.1103: Algorithmen und Datenstrukturen\rEnglish title: Algorithms and Data Structures  10 C\r6 SWS
0                                                                                     odul B.Inf.1103: Algorithmen und Datenstrukturen          NaN
1                                                                                         nglish title: Algorithms and Data Structures          NaN
table end

table begin
Empty DataFrame
Columns: [Lernziele/Kompetenzen:
Erwerb grundlegender Fähigkeiten im Umgang mit den Konzepten der theoretischen
Informatik, insbesondere mit dem Verhältnis von Determinismus zu Nichtdeterminismus;
Analyse und Entwurfsmethoden für effiziente Algorithmen zu wichtigen
Problemstellungen., Arbeitsaufwand:
Präsenzzeit:
84 Stunden
Selbststudium:
216 Stunden]
Index: []
table end

table begin
  Lehrveranstaltung: Informatik III (Vorlesung, Übung)
0                                        nformatik III
table end

table begin
                                                                                                                                                                                                                                                                                                                                                                                        Lehrveranstaltung: Informatik III (Vorlesung, Übung) 6 SWS
0                                                                                                                                                                                                                                                                                                                                                                                                                              nformatik III   NaN
1  Prüfung: Klausur (90 Minuten) oder mündliche Prüfung (ca. 20 Min.)\rPrüfungsvorleistungen:\rNachweis von 50% der in den Übungsaufgaben erreichbaren Punkte. Kontinuierliche\rTeilnahme an den Übungen.\rPrüfungsanforderungen:\rEffiziente Algorithmen für grundlegende Probleme (z.B. Suchen, Sortieren,\rGraphalgorithmen), Rekursive Algorithmen, Greedy-Algorithmen, Branch and Bound,\rDynamische Programmierung, NP-Vollständigkeit  10 C
table end

table begin
              Zugangsvoraussetzungen:\rkeine              Empfohlene Vorkenntnisse:\rB.Inf.1101
0                                       eine                                                NaN
1                          Sprache:\rDeutsch  Modulverantwortliche[r]:\rProf. Dr. Stephan Waack
2  Angebotshäufigkeit:\rjedes Wintersemester                                 Dauer:\r1 Semester
3               Wiederholbarkeit:\rzweimalig                          Empfohlenes Fachsemester:
4            Maximale Studierendenzahl:\r200                                                NaN
table end

table begin
  Zugangsvoraussetzungen:\rkeine
0                           eine
table end

table begin
                                                 Zugangsvoraussetzungen: Empfohlene Vorkenntnisse:
0                                                                  keine Grundkenntnisse in Python
1                                                                Sprache: Modulverantwortliche[r]:
2                                                          Deutsch, Englisch Prof. Dr. Fabian Sinz
3                                                                       Angebotshäufigkeit: Dauer:
4                                                                  jedes Sommersemester 1 Semester
5                                                      Wiederholbarkeit: Empfohlenes Fachsemester:
6                                                                                      zweimalig 2
7                                                                       Maximale Studierendenzahl:
8                                                                                              100
9                                                                                     Bemerkungen:
10  Durch erfolgreiches Lösen und Erklären der Übungsaufgaben können Bonus-Prozent für die Klausur
11                                                                                erworben werden.
table end

table begin
          Lehrveranstaltung: Data Science: Numerische Methoden (Vorlesung, Übung) 4 SWS
0          Prüfung: Klausur (120 Minuten) oder mündliche Prüfung (ca. 20 Minuten)   6 C
1                                                          Prüfungsvorleistungen:   NaN
2                                                 Mindestens 50% der Übungspunkte   NaN
3                                                          Prüfungsanforderungen:   NaN
4  Kenntnis von numerischen Methoden für Datenanalyse und maschinelles Lernen und   NaN
5                                                                   deren Einsatz   NaN
table end

table begin
  Zugangsvoraussetzungen:                       Empfohlene Vorkenntnisse:
0                   keine  Mathematik für Studierende der Informatik I+II
1                     NaN    (B.Mat.0801 und B.Mat.0802) oder äquivalent,
2                     NaN        grundlegende Programmierkenntnisse (z.B.
3                     NaN                                    B.Inf.1842).
4                Sprache:                        Modulverantwortliche[r]:
5                 Deutsch                    Prof. Dr. Bernhard Schmitzer
6     Angebotshäufigkeit:                                          Dauer:
table end

table begin
           jedes Wintersemester                    1 Semester
0  Wiederholbarkeit:\rzweimalig  Empfohlenes Fachsemester:\r3
table end

table begin
                              Lehrveranstaltung: Theoretische Informatik (Vorlesung, Übung) 3 SWS
0                        Prüfung: Klausur (90 Minuten) oder mündliche Prüfung (ca. 20 Min.)   5 C
1                                                                    Prüfungsvorleistungen:   NaN
2              Bearbeitung von 50% aller Übungsblätter, Vorführung mindestens einer Aufgabe   NaN
3                              während der Übung, kontinuierliche Teilnahme an den Übungen.   NaN
4                                                                    Prüfungsanforderungen:   NaN
5            In der Prüfung wird neben dem theoretischen Verständnis zentraler Begriffe der   NaN
6   theoretischen Informatik die aktive Beherrschung der vermittelten Inhalte und Techniken   NaN
7                                                                        nachgewiesen, z.B.   NaN
8                        • durch Grammatik oder Akzeptormodell gegebene formale Sprache der   NaN
9                 nachweisbar richtigen Hierarchiestufe zuordnen, für gegebenes Wortproblem   NaN
10                einen möglichst effizienten Entscheidungsalgorithmus konstruieren, dessen   NaN
11                                                           Laufzeitverhalten analysieren.   NaN
12                   • aus Grammatik entsprechenden Akzeptor konstruieren (oder umgekehrt),   NaN
13            Grammatik in Normalform überführen, reguläre Ausdrücke in endlichen Automaten   NaN
14                                   überführen, Typ3-Grammatik in regulären Ausdruck  usw.   NaN
15                        • Algorithmus in vorgegebener Formalisierung darstellen, einfache   NaN
16                                Nichtentscheidbarkeitsbeweise durch Reduktion führen oder   NaN
17                Abschlusseigenschaften von Sprachklassen herleiten, Semi-Entscheidbarkeit   NaN
18                                                           konkreter Probleme nachweisen.   NaN
table end

table begin
  Zugangsvoraussetzungen:                          Empfohlene Vorkenntnisse:
0                   keine  Grundlagen der Informatik, der Programmierung und
1                     NaN                          der diskreten Mathematik.
2                Sprache:                           Modulverantwortliche[r]:
3                 Deutsch                             Prof. Dr. Carsten Damm
4     Angebotshäufigkeit:                                             Dauer:
5                jährlich                                         1 Semester
6       Wiederholbarkeit:                          Empfohlenes Fachsemester:
table end

table begin
                        Lehrveranstaltung: Formale Systeme (Vorlesung, Übung) Unnamed: 0
0          Prüfung: Klausur (90 Minuten) oder mündliche Prüfung (ca. 20 Min.)        5 C
1                                                      Prüfungsvorleistungen:        NaN
2   Aktive Teilnahme an den Übungen, belegt durch Nachweis von 50% der in den        NaN
3                         Übungsaufgaben eines Semesters erreichbaren Punkte.        NaN
4                                                      Prüfungsanforderungen:        NaN
5        • Strukturen, Syntax und Semantik von Aussagen- und Prädikatenlogik.        NaN
6               • Einführung in weitere Logiken (z.B. Logiken höherer Stufe).        NaN
7        • Entscheidbarkeit, Unentscheidbarkeit und Komplexität von logischen        NaN
8                                                            Spezifikationen.        NaN
9    • Grundlagen zu algebraischen Strukturen und partiell geordneten Mengen.        NaN
10                • Syntaxdefinitionen durch Regelsysteme und ihre Anwendung.        NaN
11                    • Transformation und Analyseverfahren für Regelsysteme.        NaN
12                  • Einfache Modelle der Nebenläufigkeit (z.B. Petrinetze).        NaN
table end

table begin
      Zugangsvoraussetzungen:  Empfohlene Vorkenntnisse:
0                       keine                 B.Inf.1101
1                    Sprache:   Modulverantwortliche[r]:
2                     Deutsch   Prof. Dr. Winfried Kurth
3         Angebotshäufigkeit:                     Dauer:
4                    jährlich                 1 Semester
5           Wiederholbarkeit:  Empfohlenes Fachsemester:
6                   zweimalig                        NaN
7  Maximale Studierendenzahl:                        NaN
8                         100                        NaN
table end

table begin
  Georg-August-Universität Göttingen\rModul B.Inf.1203: Betriebssysteme\rEnglish title: Operating Systems  5 C\r3 SWS
0                                                                        odul B.Inf.1203: Betriebssysteme         NaN
1                                                                         nglish title: Operating Systems         NaN
table end

table begin
Empty DataFrame
Columns: [Lernziele/Kompetenzen:
Die Studierenden
•kennen Aufgaben, Betriebsarten und Struktur eines Betriebssystems.
•kennen die Verfahren zu Verwaltung, Scheduling, Kommunikation und
Synchronisation von Prozessen und Threads, sie können diese Verfahren jeweils
anwenden, analysieren und vergleichen.
•kennen die Definition und die Voraussetzungen für Deadlocks, sowie Strategien
zur Deadlock-Behandlung und können diese Strategien anwenden, analysieren
und vergleichen.
•kennen die Unterschiede und den Zusammenhang zwischen logischem,
physikalischem und virtuellem Speicher, sie kennen Methoden zur
Speicherverwaltung und Verfahren zur Speicherabbildung und können diese
anwenden, analysieren und vergleichen.
•kennen die Schichtung von Abstraktionsebenen zur Verwaltung von Ein-/Ausgabe-
Geräten, sowie verschiedene Ein-/Ausgabe-Hardwareanbindungen.
•kennen unterschiedliche Konzepte zur Dateiverwaltung und
Verzeichnisimplementierung und können diese anwenden, analysieren und
vergleichen.
•kennen die Benutzerschnittstelle eines ausgewählten Betriebssystems und können
diese benutzen.
•kennen die Systemschnittstelle eines ausgewählten Betriebssystems. Sie
können Programme, die die Systemschnittstelle benutzen, in einer aktuellen
Programmiersprache erstellen, testen und analysieren., Arbeitsaufwand:
Präsenzzeit:
42 Stunden
Selbststudium:
108 Stunden]
Index: []
table end

table begin
                                                                                                                                                                                                                                                                                                                                                                                                                                                                                     Lehrveranstaltung: Betriebssysteme (Vorlesung, Übung) 3 SWS
0  Prüfung: Klausur (90 Minuten)\rPrüfungsvorleistungen:\rErarbeiten und Vorstellen der Lösung mindestens einer Übungsaufgabe (Präsentation\rund schriftliche Ausarbeitung), sowie die aktive Teilnahme an den Übungen.\rPrüfungsanforderungen:\rAufgaben, Betriebsarten und Struktur eines Betriebssystems; Verwaltung, Scheduling,\rKommunikation und Synchronisation von Prozessen und Threads; Deadlocks;\rSpeicherverwaltung; Ein-/Ausgabe; Dateien und Dateisysteme; Benutzerschnittstelle;\rProgrammierung der Systemschnittstelle.   5 C
table end

table begin
  Zugangsvoraussetzungen:\rB.Inf.1801 oder B.Inf.1841 oder B.Phy.1601          Empfohlene Vorkenntnisse:\rB.Inf.1101
0                                                   Sprache:\rDeutsch  Modulverantwortliche[r]:\rDr. Henrik Brosenne
1                                                 Angebotshäufigkeit:                                         Dauer:
table end

table begin
                          jährlich                 1 Semester
0     Wiederholbarkeit:\rzweimalig  Empfohlenes Fachsemester:
1  Maximale Studierendenzahl:\r100                        NaN
table end

table begin
  Georg-August-Universität Göttingen\rModule B.Inf.1204: Telematics / Computer Networks  5 C\r3 WLH
0                                      odule B.Inf.1204: Telematics / Computer Networks         NaN
table end

table begin
Empty DataFrame
Columns: [Learning outcome, core skills:
The students
•know the core principles and concepts of computer networks.
•know the principle of layering and the coherences and differences between the
layers of the internet protocol stack.
•know the properties of protocols that are used for data forwarding in wired and
wireless networks. They are able to analyse and compare these protocols.
•know details of the internet protocol.
•know the different kinds of routing protocols, both in the intra-domain and inter-
domain level. They are able to apply, analyse and compare these protocols.
•know the differences between transport layer protocols as well as their
commonalities. They are able to use the correct protocol based on the demands of
an application.
•know the principles of Quality-of-Service infrastructures and networked multimedia
•know the basics of both symmetric and asymmetric encryption with regards
to network security. They know the various advantages and disadvantages of
each kind of encryption when compared to each other and can apply the correct
encryption method based on application demands., Workload:
Attendance time:
42 h
Self-study time:
108 h]
Index: []
table end

table begin
                                                                                                                                                                                                                                                                                                         Course: Computernetworks (Lecture, Exercise) 3 WLH
0  Examination: Written examination (90 minutes)\rExamination requirements:\rLayering; ethernet; forwarding in wired and wireless networks; IPv4 and IPv6; inter-\rdomain and intra-domain routing protocols; transport layer protocols; congestion control;\rflow control; Quality-of-Service infrastructures; asymmetric and symmetric cryptography   5 C
table end

table begin
                     Admission requirements:\rnone Recommended previous knowledge:\rB.Inf.1101, B.Inf.1801
0                               Language:\rEnglish   Person responsible for module:\rProf. Dr. Xiaoming Fu
1                   Course frequency:\ronce a year                                Duration:\r1 semester[s]
2  Number of repeat examinations permitted:\rtwice                                   Recommended semester:
3                 Maximum number of students:\r100                                                     NaN
table end

table begin
  Georg-August-Universität Göttingen\rModul B.Inf.1206: Datenbanken\rEnglish title: Databases  5 C\r4 SWS
0                                                                odul B.Inf.1206: Datenbanken         NaN
1                                                                     nglish title: Databases         NaN
table end

table begin
Empty DataFrame
Columns: [Lernziele/Kompetenzen:
Die Studierenden kennen die theoretischen Grundlagen sowie technischen Konzepte
von Datenbanksystemen. Mit den erworbenen Kenntnissen in konzeptueller
Modellierung und praktischen Grundkenntnissen in der am weitesten verbreiteten
Anfragesprache "SQL" können sie einfache Datenbankprojekte durchführen. Sie wissen,
welche grundlegende Funktionalität ihnen ein Datenbanksystem dabei bietet und
können diese nutzen. Sie können sich ggf. auf der Basis dieser Kenntnisse mit Hilfe
der üblichen Dokumentation in diesem Bereich selbständig weitergehend einarbeiten.
Die Studierenden verstehen den Nutzen eines fundierten mathematisch-theoretischen
Hintergrundes auch im Bereich praktischer Informatik., Arbeitsaufwand:
Präsenzzeit:
56 Stunden
Selbststudium:
94 Stunden]
Index: []
table end

table begin
  Lehrveranstaltung: Datenbanken (Vorlesung, Übung)\rInhalte:\rKonzeptuelle Modellierung (ER-Modell), relationales Modell, relationale Algebra\r(als theoretische Grundlage der Anfragekonzepte), SQL-Anfragen, -Updates und\rSchemaerzeugung, Transaktionen, Normalisierungstheorie.\rLiteratur: R. Elmasri, S.B. Navathe: Grundlagen von Datenbanksystemen - Ausgabe\rGrundstudium (dt. Übers.), Pearson Studium (nach Praxisrelevanz ausgewählte\rThemen).
0                                                                                                                                                                                                                                                                                                                                                                                                                                                  atenbanken
table end

table begin
  Lehrveranstaltung: Datenbanken (Vorlesung, Übung)\rInhalte:\rKonzeptuelle Modellierung (ER-Modell), relationales Modell, relationale Algebra\r(als theoretische Grundlage der Anfragekonzepte), SQL-Anfragen, -Updates und\rSchemaerzeugung, Transaktionen, Normalisierungstheorie.\rLiteratur: R. Elmasri, S.B. Navathe: Grundlagen von Datenbanksystemen - Ausgabe\rGrundstudium (dt. Übers.), Pearson Studium (nach Praxisrelevanz ausgewählte\rThemen). 4 SWS
0                                                                                                                                                                                                                                                                                                                                                                                                                                                  atenbanken   NaN
1                                                                                                                                                                                                                                                                                                                                                                                            Prüfung: Klausur (120 Min.) oder mündliche Prüfung (ca. 20 Min.)   5 C
table end

table begin
Empty DataFrame
Columns: [Prüfungsanforderungen:
Nachweis über aufgebaute weiterführende Kompetenzen in den folgenden Bereichen:
theoretische Grundlagen sowie technische Konzepte von Datenbanksystemen,
konzeptuelle Modellierung und praktische Grundkenntnisse in der am weitesten
verbreiteten Anfragesprache "SQL" in ihrer Anwendung auf einfache Datenbankprojekte,
Nutzung grundlegender Funktionalitäten von Datenbanksystem, mathematisch-
theoretischer Hintergründe in der praktischen Informatik. Fähigkeit, die vorstehenden
Kompetenzen weiter zu vertiefen., Unnamed: 0]
Index: []
table end

table begin
  Zugangsvoraussetzungen:\rkeine
0                           eine
table end

table begin
    Zugangsvoraussetzungen:\rkeine             Empfohlene Vorkenntnisse:\rB.Inf.1101
0                             eine                                               NaN
1                Sprache:\rDeutsch  Modulverantwortliche[r]:\rProf. Dr. Wolfgang May
2    Angebotshäufigkeit:\rjährlich                                Dauer:\r1 Semester
3     Wiederholbarkeit:\rzweimalig                         Empfohlenes Fachsemester:
4  Maximale Studierendenzahl:\r100                                               NaN
table end

table begin
                                 Lehrveranstaltung: Softwaretechnik (Vorlesung, Übung) 3 SWS
0                                                                             Inhalte:   NaN
1    Software-Qualitätsmerkmale, Projekte, Vorgehensmodelle, Requirements-Engineering,   NaN
2            Machbarkeitsstudie, Analyse, Entwurf, Implementierung, Qualitätssicherung   NaN
3                   Prüfung: Klausur (90 Minuten) oder mündliche Prüfung (ca. 20 Min.)   5 C
4                                                               Prüfungsvorleistungen:   NaN
5   B.Inf.1209.Ue: Erarbeiten und Vorstellen der Lösung mindestens einer Übungsaufgabe   NaN
6      (Präsentation und schriftliche Ausarbeitung), sowie die aktive Teilnahme an den   NaN
7                                                                             Übungen.   NaN
8                                                               Prüfungsanforderungen:   NaN
9             Definition und Aufgaben der Softwaretechnik, Definition Softwareprojekt,   NaN
10       Personen und Rollen in Softwareprojekten, Einbettung von Softwareprojekten in   NaN
11          Unternehmensstrukturen, Vorgehens- und Prozessmodelle und deren Bewertung,   NaN
12       Aufwands- und Kostenabschätzung, Anforderungsanalyse, Design, Implementierung   NaN
13                                                              und Qualitätssicherung   NaN
table end

table begin
  Zugangsvoraussetzungen:           Empfohlene Vorkenntnisse:
0                   keine  B.Inf.1101, B.Inf.1801, B.Inf.1802
1                Sprache:            Modulverantwortliche[r]:
2                 Deutsch            Prof. Dr. Jens Grabowski
3     Angebotshäufigkeit:                              Dauer:
4                jährlich                          1 Semester
table end

table begin
      Wiederholbarkeit:\rzweimalig  Empfohlenes Fachsemester:
0  Maximale Studierendenzahl:\r100                        NaN
table end

table begin
     Lehrveranstaltung: Einführung in Computersicherheit und Privatheit (Vorlesung, 4 SWS
0                                                                            Übung)   NaN
1                   Prüfung: Klausur (90 Min.) oder mündliche Prüfung (ca. 20 Min.)   5 C
2                                                            Prüfungsvorleistungen:   NaN
3                                         Kontinuierliche Teilnahme an den Übungen.   NaN
4                                                            Prüfungsanforderungen:   NaN
5  Grundbegriffe der Computersicherheit und Privatheit, kryptographische Verfahren,   NaN
6     Authentisierung und Zugriffskontrolle, Softwaresicherheit, Networksicherheit,   NaN
7                          Websicherheit, Grundkonzepte des Sicherheitsmanagements.   NaN
table end

table begin
      Zugangsvoraussetzungen:     Empfohlene Vorkenntnisse:
0                       keine                         keine
1                    Sprache:      Modulverantwortliche[r]:
2           Deutsch, Englisch  Prof. Dr. Delphine Reinhardt
3         Angebotshäufigkeit:                        Dauer:
4        jedes Sommersemester                    1 Semester
5           Wiederholbarkeit:     Empfohlenes Fachsemester:
6                   zweimalig                           NaN
7  Maximale Studierendenzahl:                           NaN
8                          50                           NaN
table end

table begin
                                   Course: Infrastructures of Data Science (Lecture, Exercise) 4 WLH
0                                                                                    Contents:   NaN
1                                                       • Data types and their characteristics   NaN
2                                           • Common functions of data science infrastructures   NaN
3                               • Storage, compute, and cloud infrastructures for data science   NaN
4                                                                     • Concept of a data lake   NaN
5                                             • Data pre-processing methods and selected tools   NaN
6                       • Time series and graph data, the respective DBMS, and query languages   NaN
7                                                                   • Data analytics platforms   NaN
8                                                        • Data presentation and visualization   NaN
9                              • Data science workflows and selected infrastructure components   NaN
10                 Examination: In-class, written exam (90 min) or oral exam (approx. 30 min.)   6 C
11                                                                  Examination prerequisites:   NaN
12                                            Students complete 50% of the homework exercises.   NaN
13                                                                   Examination requirements:   NaN
14           Through the examination students demonstrate that they are able to describe basic   NaN
15  functions of (cloud-based) data science infrastructures as well as to specify and identify   NaN
16         basic data types. Students can also prove their understanding of data lakes and can   NaN
17          apply their knowledge of MapReduce and Hadoop in that particular context. They can   NaN
18             analyse basic data pre-processing problems and sketch common solutions. Student   NaN
19       can show that they understand time series and graph data as well as the corresponding   NaN
20         DBMS and that they can present common tasks of data analysis platforms. Through the   NaN
21      examination, students also demonstrate their ability to select appropriate methods for   NaN
22        visualising data and show that they are able to create basic data science workflows.   NaN
table end

table begin
                    Admission requirements:      Recommended previous knowledge:
0                                      none  Python and basic database knowledge
1                                       NaN         (recommended, not mandatory)
2                                 Language:       Person responsible for module:
3                                   English        Hon.-Prof. Dr. Philipp Wieder
4                         Course frequency:                            Duration:
5                      each summer semester                        1 semester[s]
6  Number of repeat examinations permitted:                Recommended semester:
7                                     twice       Bachelor: 3 - 6; Master: 1 - 2
8               Maximum number of students:                                  NaN
9                                        50                                  NaN
table end

table begin
                                  Lehrveranstaltung: Text Mining (Vorlesung, Übung) 3 SWS
0          Prüfung: Klausur oder mündliche Prüfung Klausur (90 Min.) oder mündliche   5 C
1                                                             Prüfung (ca. 20 Min.)   NaN
2                                                            Prüfungsanforderungen:   NaN
3  Kenntnis von der Terminologie des Text Mining, Methoden zur Textvorverarbeitung,   NaN
4     Repräsentationen von Text, Information Retrieval und Ranking verfahren, Topic   NaN
5                          Modelling, Clustering und Klassifikation von Dokumenten.   NaN
table end

table begin
      Zugangsvoraussetzungen:     Empfohlene Vorkenntnisse:
0                       keine                    B.Inf.1131
1                    Sprache:      Modulverantwortliche[r]:
2                     Deutsch  Prof. Dr. Caroline Sporleder
3         Angebotshäufigkeit:                        Dauer:
4        jedes Sommersemester                    1 Semester
5           Wiederholbarkeit:     Empfohlenes Fachsemester:
6                   zweimalig                           NaN
7  Maximale Studierendenzahl:                           NaN
8                          50                           NaN
table end

table begin
                                                    Course: Machine Learning (Lecture) 2 WLH
0            Bishop: Pattern recognition and machine learning. https://cs.ugoe.de/prml   NaN
1                                        Examination: Written examination (90 minutes)   6 C
2                                                           Examination prerequisites:   NaN
3  B.Inf.1236.Ex: At least 50% of homework exercises solved and N-1 attempts presented   NaN
4                                                                            to tutors   NaN
5                                                            Examination requirements:   NaN
6     Knowledge of the working principles, advantages and disadvantages of the machine   NaN
7                                              learning methods covered in the lecture   NaN
table end

table begin
                    Admission requirements:                    Recommended previous knowledge:
0                                      none  Knowledge of basic linear algebra and probability
1                                       NaN    English language proficiency at level B2 (CEFR)
2                                 Language:                     Person responsible for module:
3                                   English                          Prof. Dr. Alexander Ecker
4                         Course frequency:                                          Duration:
5                      each summer semester                                      1 semester[s]
6  Number of repeat examinations permitted:                              Recommended semester:
7                                     twice                                                  4
8               Maximum number of students:                                                NaN
9                                       100                                                NaN
table end

table begin
                                     Course: Deep Learning for Computer Vision (Lecture) 2 WLH
0         Goodfellow, Bengio, Courville: Deep Learning. https://www.deeplearningbook.org   NaN
1              Bishop: Pattern Recognition and Machine Learning. https://cs.ugoe.de/prml   NaN
2                                          Examination: Written examination (90 minutes)   6 C
3                                                             Examination prerequisites:   NaN
4    B.Inf.1237.Ex: At least 50% of homework exercises solved and N-1 attempts presented   NaN
5                                                                              to tutors   NaN
6                                                              Examination requirements:   NaN
7    Knowledge of basic deep learning techniques, their advantages and disadvantages and   NaN
8  approaches to optimization and regularization. Ability to implement these techniques.   NaN
table end

table begin
                     Admission requirements:                    Recommended previous knowledge:
0                                       none  Basic knowledge of linear algebra and probability
1                                        NaN       Completion of B.Inf.1236 Machine Learning or
2                                        NaN                                         equivalent
3                                  Language:                     Person responsible for module:
4                                    English                          Prof. Dr. Constantin Pape
5                                        NaN                          Prof. Dr. Alexander Ecker
6                          Course frequency:                                          Duration:
7                       each winter semester                                      1 semester[s]
8   Number of repeat examinations permitted:                              Recommended semester:
9                                      twice                                                  5
10               Maximum number of students:                                                NaN
11                                       100                                                NaN
table end

table begin
                                               Course: Visualization (Lecture, Exercise) 3 WLH
0      Examination: Practical project (2-3 weeks) with presentation and questions during   5 C
1                                 oral exam in groups (approx. 20 minutes per examinee).   NaN
2                                                             Examination prerequisites:   NaN
3                                             At least 50% of homework exercises solved.   NaN
4                                                              Examination requirements:   NaN
5  Knowledge of potentials and limitations of data visualization, fundamentals of visual   NaN
6       perception and their implications for good design choices, techniques for visual   NaN
7                                                    representation and how to use them.   NaN
table end

table begin
                     Admission requirements:                    Recommended previous knowledge:
0                                       none   Foundations of linear algebra and analysis (e.g.
1                                        NaN  B.Mat.0801 and B.Mat.0802) and programming skills
2                                        NaN                                 (e.g. B.Inf.1842).
3                                  Language:                     Person responsible for module:
4                                    English                       Prof. Dr. Bernhard Schmitzer
5                          Course frequency:                                          Duration:
6                                once a year                                      1 semester[s]
7   Number of repeat examinations permitted:                              Recommended semester:
8                                      twice                                              3 - 6
9                Maximum number of students:                                                NaN
10                                        50                                                NaN
table end

table begin
                        Course: Computational Optimal Transport (Lecture, Exercise) 4 WLH
0          Examination: Written exam (90 minutes) or oral exam (approx. 20 minutes)   6 C
1                                                        Examination prerequisites:   NaN
2                                        At least 50% of homework exercises solved.   NaN
3                                                         Examination requirements:   NaN
4  Knowledge of Kantorovich duality, Wasserstein distances, standard algorithms and   NaN
5                                      implications for data analysis applications.   NaN
table end

table begin
                     Admission requirements:                    Recommended previous knowledge:
0                                       none   Foundations of linear algebra and analysis (e.g.
1                                        NaN  B.Mat.0801 and B.Mat.0802) and programming skills
2                                        NaN                                 (e.g. B.Inf.1842).
3                                  Language:                     Person responsible for module:
4                                    English                       Prof. Dr. Bernhard Schmitzer
5                          Course frequency:                                          Duration:
6                                once a year                                      1 semester[s]
7   Number of repeat examinations permitted:                              Recommended semester:
8                                      twice                                              4 - 6
9                Maximum number of students:                                                NaN
10                                        50                                                NaN
table end

table begin
                 Lehrveranstaltung: Lecture Introduction to Information Retrieval and Natural 2 SWS
0                                                             Language Processing (Vorlesung)   NaN
1                                                                                    Inhalte:   NaN
2                                                The lecture will cover the following topics:   NaN
3            • Basics: Background, Text Preprocessing, Documents, Terms, Vocabulary, Inverted   NaN
4                                                                                       Index   NaN
5                               • Boolean Retrieval, Positional Retrieval, Tolerant Retrieval   NaN
6                                           • Efficient Index Construction, Index Compression   NaN
7                                       • Term Weighting, Relevance Scoring, Ranked Retrieval   NaN
8                                                     • Semantic Text Analysis, Link Analysis   NaN
9                                                                • Complete Retrieval Systems   NaN
10                                                    • Results Visualization and Exploration   NaN
11                                                          • Evaluation of Retrieval Systems   NaN
12                          Please visit www.gipplab.org/teaching for details on this course.   NaN
13                             Prüfung: Written test (90 min.) or oral exam (approx. 20 min.)   2 C
14                                                                     Prüfungsvorleistungen:   NaN
15         Successful completion of the examination in the practical course component of this   NaN
16                                                                                    module.   NaN
17                                                                     Prüfungsanforderungen:   NaN
18                                               • Knowledge of major IR and NLP applications   NaN
19                   • Ability to explain important IR and NLP algorithms and data structures   NaN
20           • Ability to analyze the conceptual requirements of specific IR and NLP problems   NaN
21  • Ability to compare the suitability of algorithms and data structures for specific tasks   NaN
22                    • Ability to evaluate IR and NLP methods and systems quantitatively and   NaN
23                                                                              qualitatively   NaN
table end

table begin
                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                       Unnamed: 0 Unnamed: 1
0  Prüfung: Präsentation (ca. 20 Minuten)\rPrüfungsvorleistungen:\rSuccessful completion of an applied research project including at least one intermediate\rmilestone or presentation.\rPrüfungsanforderungen:\r•Ability to analyze the conceptual requirements of specific IR and NLP problems\r•Ability to compare the suitability of algorithms and data structures for specific tasks\r•Ability to determine the conceptual requirements of specific IR and NLP problems\r•Ability to devise solutions for complex IR and NLP tasks by implementing and\radapting suitable algorithms\r•Ability to evaluate IR and NLP methods and systems quantitatively and\rqualitatively        4 C
table end

table begin
  Zugangsvoraussetzungen:\rkeine
0                           eine
table end

table begin
                                                                                                                                                                        Zugangsvoraussetzungen:\rkeine Empfohlene Vorkenntnisse:\rKnowledge of at least one object-oriented\rprogramming language, preferably Python, is\rrequired to complete the course. Python is used as\rpart of the exercise sessions. For participants who\rare unfamiliar with Python, a fast-paced introduction\rinto the essentials of the language will be provided.
0                                                                                                                                                                                                 eine                                                                                                                                                                                                                                                                                                                                      NaN
1                                                                                                                                                                                   Sprache:\rEnglisch                                                                                                                                                                                                                                                                                            Modulverantwortliche[r]:\rProf. Dr. Bela Gipp
2                                                                                                                                                                       Angebotshäufigkeit:\rirregular                                                                                                                                                                                                                                                                                                                       Dauer:\r1 Semester
3                                                                                                                                                                         Wiederholbarkeit:\rzweimalig                                                                                                                                                                                                                                                                                                                Empfohlenes Fachsemester:
4                                                                                                                                                                       Maximale Studierendenzahl:\r30                                                                                                                                                                                                                                                                                                                                      NaN
5  Bemerkungen:\rThis course provides a good foundation for a bachelor's or master's thesis in our\rgroup. Visit www.gipplab.org/students-corner/graduation-projects for our current theses proposals.                                                                                                                                                                                                                                                                                                                                      NaN
table end

table begin
Empty DataFrame
Columns: [Prüfung: Klausur bzw. E-Prüfung (120 Min.) oder mündliche Prüfung (ca. 30 Min.)
Prüfungsvorleistungen:
regelmäßige Teilnahme an Seminarterminen, Bearbeitung von max. 3 Arbeitsaufträgen
im Seminar und Präsentation der Ergebnisse im Seminar (jeweils max. 5 Seiten
schriftlich oder 10 Min. mündlich)., 9 C]
Index: []
table end

table begin
Empty DataFrame
Columns: [Prüfungsanforderungen:
In der Prüfung wird neben dem theoretischen Verständnis zentraler Begriffe
und Methoden deren Auswahl, Einsatz und Überprüfung anhand von
Fallbeispielen nachgewiesen. Lernziele werden zu jeder Lehreinheit ausgegeben.
Prüfungsanforderungen werden in der Lehrveranstaltung durch geeignete
Übungsaufgaben und/oder Repetitorien vermittelt. In Klausuren bzw. E-Prüfungen
sind grundsätzlich offene Fragen in Textform zu bearbeiten, weitere Fragetypen (z. B.
MC) sind in geringem Umfang möglich. Prüfungsanforderungen in Seminarvorträgen
und Hausarbeiten sind einer schriftlichen Aufgabenstellung zu entnehmen,
Bewertungskriterien werden zu Beginn des jeweiligen Semesters ausgegeben., Unnamed: 0]
Index: []
table end

table begin
   Zugangsvoraussetzungen:\rkeine                                                               Empfohlene Vorkenntnisse:\rkeine
0               Sprache:\rDeutsch  Modulverantwortliche[r]:\rProf. Dr. rer. nat. Dagmar Krefting\rProf. Dr. rer. nat. Ulrich Sax
1   Angebotshäufigkeit:\rjährlich                                                                             Dauer:\r1 Semester
2    Wiederholbarkeit:\rzweimalig                                                               Empfohlenes Fachsemester:\r2 - 6
3  Maximale Studierendenzahl:\r50                                                                                            NaN
table end

table begin
  Georg-August-Universität Göttingen\rModul B.Inf.1302: Biosignalverarbeitung\rEnglish title: Bio-Signal Processing  5 C\r3 SWS
0                                                                            odul B.Inf.1302: Biosignalverarbeitung         NaN
1                                                                               nglish title: Bio-Signal Processing         NaN
table end

table begin
Empty DataFrame
Columns: [Lernziele/Kompetenzen:
Die Studierenden
•beschreiben den Prozess der Biosignalverarbeitung in allen Schritten von der
Signalaufnahme, Signaltransformation, Parameterschätzung und Klassifikation bis
zur ärztlichen Auswertung.
•können insbesondere die aus medizininformatischer Sicht relevanten Schritte
ausführlich erläutern und gegenüber anderen Fachbereichen abgrenzen.
•können die mathematischen Grundlagen der Biosignalverarbeitung
zusammenfassen.
•identifizieren und interpretieren Artefakte.
•benutzen die erlernten Verfahren, um Biosignale mit Python zu verarbeiten.
•überprüfen die praktisch erzielten Ergebnisse.
•klassifizieren und beurteilen praktische Beispielfälle der Biosignalverarbeitung.
•erläutern die Bedeutung der Biosignalverarbeitung in der medizinischen
Versorgung, insbesondere in der Telemedizin und bei assistierenden
Gesundheitstechnologien., Arbeitsaufwand:
Präsenzzeit:
42 Stunden
Selbststudium:
108 Stunden]
Index: []
table end

table begin
  Lehrveranstaltung: Biosignalverarbeitung (Vorlesung, Übung, Seminar)\rInhalte:\rProzess, Standards und mathematische Methoden der Biosignalverarbeitung, Artefakte,\rParameterschätzung, Telemedizin und assistierende Gesundheitstechnologien. Die\rInhalte werden aktuellen Entwicklungen angepasst. Aktuelle Literaturempfehlungen\rwerden zu Beginn des jeweiligen Semesters ausgegeben.
0                                                                                                                                                                                                                                                                                                                                                                         iosignalverarbeitung
table end

table begin
  Lehrveranstaltung: Biosignalverarbeitung (Vorlesung, Übung, Seminar)\rInhalte:\rProzess, Standards und mathematische Methoden der Biosignalverarbeitung, Artefakte,\rParameterschätzung, Telemedizin und assistierende Gesundheitstechnologien. Die\rInhalte werden aktuellen Entwicklungen angepasst. Aktuelle Literaturempfehlungen\rwerden zu Beginn des jeweiligen Semesters ausgegeben. Unnamed: 0
0                                                                                                                                                                                                                                                                                                                                                                         iosignalverarbeitung        NaN
1                                                                                                                                                                                                                         Prüfung: Klausur bzw. E-Prüfung (90 Min.) oder mündliche Prüfung (ca. 25 Min.).\rPrüfungsvorleistungen:\rNachweis von mind. 50% erfolgreich gelösten Übungsaufgaben.        5 C
table end

table begin
Empty DataFrame
Columns: [Prüfungsanforderungen:
In der Prüfung wird neben dem theoretischen Verständnis zentraler Begriffe
und Methoden deren Auswahl, Einsatz und Überprüfung anhand von
Fallbeispielen nachgewiesen. Lernziele werden zu jeder Lehreinheit ausgegeben.
Prüfungsanforderungen werden in der Lehrveranstaltung durch geeignete
Übungsaufgaben und/oder Repetitorien vermittelt. In Klausuren bzw. E-Prüfungen
sind grundsätzlich offene Fragen in Textform zu bearbeiten, weitere Fragetypen (z. B.
MC) sind in geringem Umfang möglich. Prüfungsanforderungen in Seminarvorträgen
und Hausarbeiten sind einer schriftlichen Aufgabenstellung zu entnehmen,
Bewertungskriterien werden zu Beginn des jeweiligen Semesters ausgegeben., Unnamed: 0]
Index: []
table end

table begin
  Zugangsvoraussetzungen:\rkeine Empfohlene Vorkenntnisse:\rkeine
0                       Sprache:         Modulverantwortliche[r]:
table end

table begin
                          Deutsch Prof. Dr. rer. nat. Dagmar Krefting\rProf. Dr. Ulrich Sax
0   Angebotshäufigkeit:\rjährlich                                        Dauer:\r1 Semester
1    Wiederholbarkeit:\rzweimalig                          Empfohlenes Fachsemester:\r3 - 6
2  Maximale Studierendenzahl:\r50                                                       NaN
table end

table begin
                                                Lehrveranstaltung: IT-Projekte (Seminar) Unnamed: 0
0                                                                               Inhalte:        NaN
1                 Methoden des agilen Projektmanagements, Phasenmodell, Netzplantechnik,        NaN
2    Schätzmethoden, Projektsteuerung, Projektcontrolling, Projektrisiken, Gantt-Charts,        NaN
3  Meilensteinplanung, Projektteam, -koordination, - organisation, Projektdokumentation.        NaN
4     Die Inhalte werden aktuellen Entwicklungen angepasst. Literaturempfehlungen werden        NaN
5                                         zu Beginn des jeweiligen Semesters ausgegeben.        NaN
6      Prüfung: Klausur bzw. E-Prüfung (60 Min.) oder Seminarvortrag (ca. 20 Min.) (50%)        7 C
7                     sowie schriftliche Ausarbeitung (min. 10 bis max. 15 Seiten) (50%)        NaN
8                                                                 Prüfungsvorleistungen:        NaN
9                                               Regelmäßige Teilnahme an Seminarterminen        NaN
table end

table begin
   Zugangsvoraussetzungen:\rkeine                                                     Empfohlene Vorkenntnisse:\rkeine
0               Sprache:\rDeutsch  Modulverantwortliche[r]:\rProf. Dr. rer. nat. Dagmar Krefting\rProf. Dr. Ulrich Sax
1   Angebotshäufigkeit:\rjährlich                                                                   Dauer:\r2 Semester
2    Wiederholbarkeit:\rzweimalig                                                     Empfohlenes Fachsemester:\r4 - 6
3  Maximale Studierendenzahl:\r25                                                                                  NaN
table end

table begin
  Georg-August-Universität Göttingen\rModul B.Inf.1330: Medical Data Science\rEnglish title: Medical Data Science  7 C\r4 SWS
0                                                                           odul B.Inf.1330: Medical Data Science         NaN
1                                                                              nglish title: Medical Data Science         NaN
table end

table begin
Empty DataFrame
Columns: [Lernziele/Kompetenzen:
Die Studierenden können verschiedene Terminologien und standardisierte
Datenmodelle zur Verwendung im Gesundheitswesen sowie in der biomedizinischen
Forschung beschreiben und bewerten. Die Studierenden können die Bedeutung der
Standards in der aktuellen Forschung beschreiben.
Die Studierenden können wesentliche Werkzeuge zur Erstellung, Verarbeitung und
Analyse der jeweiligen Datentypen benennen und geeignete Beispiele für deren Einsatz
nennen.
Die Studierenden können mit ausgewählten Datentypen in der Praxis umgehen, kennen
die jeweiligen Einsatzszenarien und können die jeweiligen Werkzeuge bedienen., Arbeitsaufwand:
Präsenzzeit:
56 Stunden
Selbststudium:
154 Stunden]
Index: []
table end

table begin
                                                                                                                                                                                                                                                                                                                                                                                                                                                                         Lehrveranstaltung: Medical Data Science (Vorlesung, Übung, Seminar)\rLiteraturempfehlungen werden der aktuellen Entwicklung entsprechend regelmäßig\rangepasst und in der Lehrveranstaltung bekanntgegeben. 4 SWS
0                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                edical Data Science   NaN
1  Prüfung: Klausur oder mündliche Prüfung Klausur (120 Min.) oder mündliche\rPrüfung (ca. 30 Min.)\rPrüfungsvorleistungen:\rTeilnahme an Präsenzterminen in Seminar und Übung.\rPrüfungsanforderungen:\rDie Studierenden können spezifisches Wissen im Rahmen der genannten Lernziele\rwiedergeben, erläutern und in Beispielen anwenden.\rDie Studierenden können die Erstellung, Verarbeitung und Analyse ausgewählter\rDatentypen in der Biomedizinischen Informatik umfassend darstellen.\rDie Studierenden können mit den ausgewählten Datentypen arbeiten, die jeweiligen\rEinsatzszenarien erläutern, die Daten in geeigneter Form darstellen und exemplarisch\ranalysieren.   7 C
table end

table begin
  Lehrveranstaltung: Medical Data Science (Vorlesung, Übung, Seminar)\rLiteraturempfehlungen werden der aktuellen Entwicklung entsprechend regelmäßig\rangepasst und in der Lehrveranstaltung bekanntgegeben.
0                                                                                                                                                                                         edical Data Science
table end

table begin
  Zugangsvoraussetzungen:\rkeine
0                           eine
table end

table begin
              Zugangsvoraussetzungen:\rkeine                                                            Empfohlene Vorkenntnisse:\rkeine
0                                       eine                                                                                         NaN
1                          Sprache:\rDeutsch  Modulverantwortliche[r]:\rUnivProf. Dr. rer. nat. Ulrich Sax\rProf. Dr. med. Otto Rienhoff
2  Angebotshäufigkeit:\rjedes Sommersemester                                                                          Dauer:\r1 Semester
3               Wiederholbarkeit:\rzweimalig                                                                   Empfohlenes Fachsemester:
4             Maximale Studierendenzahl:\r50                                                                                         NaN
table end

table begin
                             Lehrveranstaltung: Grundlagen der Biomedizin I (Vorlesung) Unnamed: 0
0                                                                              Inhalte:        NaN
1  Biologie der Zelle, Bakterien, Viren, Genetik/Genomik, DNA/RNA/Phänotyp, Mutationen,        NaN
2    Genexpressionsanalyse, genetisch bedingte Krankheiten, Gentherapie, Biobanken. Die        NaN
3     Inhalte werden aktuellen Entwicklungen angepasst. Literaturempfehlungen werden zu        NaN
4                                           Beginn des jeweiligen Semesters ausgegeben.        NaN
5                                              Angebotshäufigkeit: jedes Wintersemester        NaN
6         Prüfung: Klausur oder mündliche Prüfung Klausur bzw. E-Prüfung (60 Min.) oder        3 C
7                                                       mündliche Prüfung (ca. 20 Min.)        NaN
table end

table begin
                       Lehrveranstaltung: Grundlagen der Biomedizin II (Vorlesung) Unnamed: 0
0                                                                         Inhalte:        NaN
1  Gewebe, Organe, Organsysteme, Anatomie; Erkrankungen und Therapiemöglichkeiten,        NaN
2  medizinische Disziplinen. Die Inhalte werden aktuellen Entwicklungen angepasst.        NaN
3      Literaturempfehlungen werden zu Beginn des jeweiligen Semesters ausgegeben.        NaN
4                                         Angebotshäufigkeit: jedes Sommersemester        NaN
5    Prüfung: Klausur oder mündliche Prüfung Klausur bzw. E-Prüfung (60 Min.) oder        3 C
6                                                  mündliche Prüfung (ca. 20 Min.)        NaN
table end

table begin
Empty DataFrame
Columns: [Prüfung: Vortrag Seminarvortrag (ca. 20 Min.) (ca. 20 Minuten)
Prüfungsvorleistungen:
regelmäßige Teilnahme an Seminarterminen, 2 C]
Index: []
table end

table begin
Empty DataFrame
Columns: [Prüfungsanforderungen:
In der Prüfung wird neben dem theoretischen Verständnis zentraler Begriffe
und Methoden deren Auswahl, Einsatz und Überprüfung anhand von
Fallbeispielen nachgewiesen. Lernziele werden zu jeder Lehreinheit ausgegeben.
Prüfungsanforderungen werden in der Lehrveranstaltung durch geeignete
Übungsaufgaben und/oder Repetitorien vermittelt. In Klausuren bzw. E-Prüfungen
sind grundsätzlich offene Fragen in Textform zu bearbeiten, weitere Fragetypen (z. B.
MC) sind in geringem Umfang möglich. Prüfungsanforderungen in Seminarvorträgen
und Hausarbeiten sind einer schriftlichen Aufgabenstellung zu entnehmen,
Bewertungskriterien werden zu Beginn des jeweiligen Semesters ausgegeben., Unnamed: 0]
Index: []
table end

table begin
        Zugangsvoraussetzungen:\rkeine Empfohlene Vorkenntnisse:\rEs wird empfohlen, die Lehrveranstaltungen in der\rdurch die Nummerierung vorgegebenen Reihenfolge\rzu besuchen.
0                    Sprache:\rDeutsch                                                         Modulverantwortliche[r]:\rProf. Dr. rer. nat. Dagmar Krefting\rProf. Dr. Ulrich Sax
1  Angebotshäufigkeit:\rjedes Semester                                                                                                                          Dauer:\r3 Semester
2         Wiederholbarkeit:\rzweimalig                                                                                                            Empfohlenes Fachsemester:\r3 - 6
3       Maximale Studierendenzahl:\r50                                                                                                                                         NaN
table end

table begin
                   Lehrveranstaltung: Algorithmen der Bioinformatik I (Vorlesung, Übung) 4 SWS
0                                                     Prüfung: Mündlich (ca. 20 Minuten)   5 C
1                                                                 Prüfungsanforderungen:   NaN
2      Die Studierenden sollen die Spezifik der Modellbildung und der Algorithmik in der   NaN
3               Bioinformatik kennen und verstehen. Ausgehend von konkreten biologischen   NaN
4  Fragestellungen sollen die Studierenden die Fähigkeit haben, geeignete Algorithmen zu   NaN
5                                                              entwerfen und anzuwenden.   NaN
table end

table begin
      Zugangsvoraussetzungen:                      Empfohlene Vorkenntnisse:
0  B.Bio-NF.117: Genomanalyse  Biologische und mathematische Grundkenntnisse
1                    Sprache:                       Modulverantwortliche[r]:
2                     Deutsch                 Prof. Dr. Burkhard Morgenstern
3         Angebotshäufigkeit:                                         Dauer:
4        jedes Wintersemester                                     1 Semester
5           Wiederholbarkeit:                      Empfohlenes Fachsemester:
6                   zweimalig                                              3
7  Maximale Studierendenzahl:                                            NaN
8                          20                                            NaN
table end

table begin
  Lehrveranstaltung: Maschinelles Lernen (Vorlesung, Übung) 4 SWS
0                        Prüfung: Mündlich (ca. 20 Minuten)   5 C
table end

table begin
      Zugangsvoraussetzungen:                      Empfohlene Vorkenntnisse:
0                       keine  Biologische und mathematische Grundkenntnisse
1                    Sprache:                       Modulverantwortliche[r]:
2                     Deutsch                             Dr. Peter Meinicke
3         Angebotshäufigkeit:                                         Dauer:
4        jedes Wintersemester                                     1 Semester
5           Wiederholbarkeit:                      Empfohlenes Fachsemester:
6                   zweimalig                                          3 - 5
7  Maximale Studierendenzahl:                                            NaN
8                          15                                            NaN
table end

table begin
  Lehrveranstaltung: Vorlesungen zur Codierungstheorie, Informationstheorie oder Unnamed: 0
0                                         Komplexitätstheorie (Vorlesung, Übung)        NaN
1                                                                       Inhalte:        NaN
2  Vertiefung in einem der folgenden Gebiete: Komplexitätstheorie (Erkundung der        NaN
3    Grenzen effizienter Algorithmen), Datenstrukturen für boolesche Funktionen,        NaN
4     Kryptographie, Informationstheorie, Codierungstheorie, Signalverarbeitung.        NaN
5             Prüfung: Klausur (90 Minuten) oder mündliche Prüfung (ca. 20 Min.)        5 C
table end

table begin
      Zugangsvoraussetzungen:  Empfohlene Vorkenntnisse:
0                       keine     B.Inf.1201, B.Inf.1202
1                    Sprache:   Modulverantwortliche[r]:
2           Deutsch, Englisch    Prof. Dr. Stephan Waack
3                         NaN   (Prof. Dr. Carsten Damm)
4         Angebotshäufigkeit:                     Dauer:
5                unregelmäßig                 1 Semester
6           Wiederholbarkeit:  Empfohlenes Fachsemester:
7                   zweimalig                        NaN
8  Maximale Studierendenzahl:                        NaN
9                          30                        NaN
table end

table begin
  Georg-August-Universität Göttingen\rModul B.Inf.1705: Vertiefung Softwaretechnik\rEnglish title: Advanced Software Engineering  5 C\r3 SWS
0                                                                                    odul B.Inf.1705: Vertiefung Softwaretechnik         NaN
1                                                                                    nglish title: Advanced Software Engineering         NaN
table end

table begin
Empty DataFrame
Columns: [Lernziele/Kompetenzen:
Die Studierenden haben vertiefte Kenntnisse und Kompetenzen aus einem Gebiet
der Softwaretechnik erworben. Beispiele für Gebiete der Softwaretechnik in denen
vertiefte Kenntnisse und Kompetenzen erworben werden können sind Requirements
Engineering, Qualitätssicherung oder Softwareevolution., Arbeitsaufwand:
Präsenzzeit:
42 Stunden
Selbststudium:
108 Stunden]
Index: []
table end

table begin
  Lehrveranstaltung: Software Testing (Vorlesung, Übung)\rInhalte:\rThe students\r•can define the term software quality and acquire knowledge on the principles of\rsoftware quality assurance.\r•become acquainted with the general test process and know how the general test\rprocess can be embedded into the overall software development process.\r•gain knowledge about manual static analysis and about methods for applying\rmanual static analysis.\r•gain knowledge about computer-based static analysis and about methods for\rapplying computer-based static analysis.\r•gain knowlege about black-box testing and about the most important methods for\rderiving test cases for black-box testing.\r•gain knowlege about glass-box testing and about the most important methods for\rderiving test cases for glass-box testing.\r•acquire knowledge about the specialities of testing of object oriented software.\r•acquire knowledge about tools that support software testing.\r•gain knowledge about the principles of test managment. 3 SWS
0                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                        oftware Testing   NaN
1                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                  Prüfung: Klausur (90 Minuten) oder mündliche Prüfung (ca. 20 Min.)\rPrüfungsvorleistungen:\rDevelop and present the solution of at least one exercise (presentation and report) and\ractive participation in the exercises.\rPrüfungsanforderungen:\rSoftware quality, principles of software quality assurance, general test process, static\ranalysis, dynamic analysis, black-box testing, glass-box testing, testing of object-\roriented systems, testing tools, test management   5 C
table end

table begin
  Lehrveranstaltung: Software Testing (Vorlesung, Übung)\rInhalte:\rThe students\r•can define the term software quality and acquire knowledge on the principles of\rsoftware quality assurance.\r•become acquainted with the general test process and know how the general test\rprocess can be embedded into the overall software development process.\r•gain knowledge about manual static analysis and about methods for applying\rmanual static analysis.\r•gain knowledge about computer-based static analysis and about methods for\rapplying computer-based static analysis.\r•gain knowlege about black-box testing and about the most important methods for\rderiving test cases for black-box testing.\r•gain knowlege about glass-box testing and about the most important methods for\rderiving test cases for glass-box testing.\r•acquire knowledge about the specialities of testing of object oriented software.\r•acquire knowledge about tools that support software testing.\r•gain knowledge about the principles of test managment.
0                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                        oftware Testing
table end

table begin
  Zugangsvoraussetzungen:\rkeine
0                           eine
table end

table begin
      Zugangsvoraussetzungen:\rkeine   Empfohlene Vorkenntnisse:\rB.Inf.1101, B.Inf.1209
0                               eine                                                 NaN
1                 Sprache:\rEnglisch  Modulverantwortliche[r]:\rProf. Dr. Jens Grabowski
2  Angebotshäufigkeit:\runregelmäßig                                  Dauer:\r1 Semester
3                  Wiederholbarkeit:                           Empfohlenes Fachsemester:
table end

table begin
                        zweimalig  Unnamed: 0
0  Maximale Studierendenzahl:\r30         NaN
table end

table begin
               Lehrveranstaltung: Semistrukturierte Daten und XML (Vorlesung, Übung)  4 SWS
0                                 Lehrveranstaltung: Semantic Web (Vorlesung, Übung)  4 SWS
1                        Lehrveranstaltung: Deduktive Datenbanken (Vorlesung, Übung)  4 SWS
2                 Prüfung: Klausur (90 Minuten) oder mündliche Prüfung (ca. 25 Min.)    6 C
3                                                             Prüfungsanforderungen:    NaN
4                                                    Semistrukturierte Daten und XML    NaN
5   • Konzepte semistrukturierter Datenmodelle und die Parallelen sowie Unterschiede    NaN
6         zum "klassischen" strukturierten, relationalen Datenmodell;. Fähigkeit zur    NaN
7            Beurteilung, welche Technologien in einer konkreten Anwendung zu wählen    NaN
8       und zu kombinieren sind; praktische Grundkenntnisse in den üblichen Sprachen    NaN
9      dieses Bereiches; Überblick über die historische Entwicklung von Modellen und    NaN
10     Sprachen im Datenbankbereich; Fähigkeit zum Nachvollziehen wissenschaftlicher    NaN
11                                              Fragestellungen und Vorgehensweisen.    NaN
12                                                                      Semantic Web    NaN
13            • Kenntnisse der theoretischen Grundlagen und technischen Konzepte des    NaN
14            Semantic Web; Fähigkeit zum Abschätzen des Nutzens und der Grenzen der    NaN
15      verwendeten Technologien; Fähigkeit zur Abwägung realer Szenarien; Fähigkeit    NaN
16        zum Nachvollziehen wissenschaftlicher Fragestellungen und Vorgehensweisen.    NaN
17                                                             Deduktive Datenbanken    NaN
18         • Vertiefte Kenntnisse der im Datenbankbereich zugrundeliegenden Theorie.    NaN
19                          Praktische Anwendung logikbasierter Programmiersprachen.    NaN
table end

table begin
      Zugangsvoraussetzungen:  Empfohlene Vorkenntnisse:
0      B.Inf.1202, B.Inf.1206                      keine
1                    Sprache:   Modulverantwortliche[r]:
2           Deutsch, Englisch     Prof. Dr. Wolfgang May
3         Angebotshäufigkeit:                     Dauer:
4                unregelmäßig                 1 Semester
5           Wiederholbarkeit:  Empfohlenes Fachsemester:
6                   zweimalig                        NaN
7  Maximale Studierendenzahl:                        NaN
8                          30                        NaN
table end

table begin
                                            Course: Mobile Communication (Lecture, Exercise) 3 WLH
0                                                                                  Contents:   NaN
1                                    On completion of the module students should be able to:   NaN
2                    • explain the fundamentals of mobile communication including the use of   NaN
3                              frequencies, modulation, antennas and how mobility is managed   NaN
4               • distinguish different multiple access schemes such as SDMA (Space Division   NaN
5                    Multiple Access), FDMA (Frequency Division Multiple Access), TDMA (Time   NaN
6                  Division Multiple Access), CDMA (Code Division Multiple Access) and their   NaN
7                                                    variations as used in cellular networks   NaN
8      • describe the history of cellular network generations from the first generation (1G)   NaN
9             up to now (4G), recall their different ways of functioning and compare them to   NaN
10                                                       complementary systems such as TETRA   NaN
11                       • explain the fundamental idea and functioning of satellite systems   NaN
12        • classify different types of wireless networks including WLAN (IEEE 802.11), WPAN   NaN
13                    (IEEE 802.15) such as Bluetooth and ZigBee, WMAN (IEEE 802.16) such as   NaN
14                                                        WiMAX and recall their functioning   NaN
15         • explain the challenges of routing in mobile ad hoc and wireless sensor networks   NaN
16          • compare the transport layer of static systems to the transport layer in mobile   NaN
17                  systems and explain the approaches to improve the mobile transport layer   NaN
18                                                                               performance   NaN
19          • differentiate between the security concepts used in GSM and 802.11 security as   NaN
20                                                 well as describe the way tunnelling works   NaN
21                    Examination: Klausur (90 Minuten) oder mündliche Prüfung (ca. 20 Min.)   5 C
22                                                                Examination prerequisites:   NaN
23         Erarbeiten und Vorstellen der Lösung mindestens einer Übungsaufgabe (Präsentation   NaN
24                und schriftliche Ausarbeitung), sowie die aktive Teilnahme an den Übungen.   NaN
25                                                                 Examination requirements:   NaN
26         Fundamentals of mobile communication (frequencies, modulation, antennas, mobility   NaN
27                  management); multiple access schemes  (SDMA, FDMA, TDMA, CDMA) and their   NaN
28  variations; history of cellular network generations (first (1G) up to current generation   NaN
29              (4G) and outlook to future generations); complementary systems (e.g. TETRA);   NaN
30            fundamentals of satellite systems; wireless networks (WLAN (IEEE 802.11), WPAN   NaN
31            (IEEE 802.15) such as Bluetooth and ZigBee, WMAN (IEEE 802.16) such as WiMAX);   NaN
32    routing in MANETs and WSNs; transport layer for mobile systems; security challenges in   NaN
33                                      mobile networks such as GSM and 802.11 and tunneling   NaN
table end

table begin
                    Admission requirements: Recommended previous knowledge:
0                                      none          B.Inf.1101, B.Inf.1204
1                                 Language:  Person responsible for module:
2                                   English        Prof. Dr. Dieter Hogrefe
3                         Course frequency:                       Duration:
4                              unregelmäßig                   1 semester[s]
5  Number of repeat examinations permitted:           Recommended semester:
6                                     twice                             NaN
7               Maximum number of students:                             NaN
8                                        30                             NaN
table end

table begin
      Zugangsvoraussetzungen:                           Empfohlene Vorkenntnisse:
0                       keine  Basic programming skills, Basic knowledge of Linux
1                         NaN                           operating systems, Python
2                    Sprache:                            Modulverantwortliche[r]:
3                    Englisch                             Prof. Dr. Julian Kunkel
4         Angebotshäufigkeit:                                              Dauer:
5                unregelmäßig                                          1 Semester
6           Wiederholbarkeit:                           Empfohlenes Fachsemester:
7                   zweimalig                      Bachelor: 5 - 6; Master: 1 - 4
8  Maximale Studierendenzahl:                                                 NaN
9                          50                                                 NaN
table end

table begin
    Lehrveranstaltung: Ethische, gesellschaftliche und rechtliche Grundlagen für Data 2 SWS
0                                                                 Science (Vorlesung)   NaN
1                                      Prüfung: Hausarbeit (max. 4 Seiten), unbenotet   3 C
2                                                              Prüfungsanforderungen:   NaN
3  Angewandte Ethik, ethische und rechtliche Rahmenwerke, Datenschutz und Privatheit,   NaN
4             Anonymität, Dateneigentümerschaft, Nutzereinverständnis, Datensammlung,   NaN
5   Datenverarbeitung, Datenspeicherung, Datenverwaltung, Datenfreigabe, Überwachung.   NaN
table end

table begin
      Zugangsvoraussetzungen:     Empfohlene Vorkenntnisse:
0                       keine                         keine
1                    Sprache:      Modulverantwortliche[r]:
2           Deutsch, Englisch  Prof. Dr. Delphine Reinhardt
3         Angebotshäufigkeit:                        Dauer:
4                    jährlich                    1 Semester
5           Wiederholbarkeit:     Empfohlenes Fachsemester:
6                   zweimalig                             1
7  Maximale Studierendenzahl:                           NaN
8                          40                           NaN
table end

table begin
            Lehrveranstaltung: Anwendungsgebiete der Data Science (Vorlesung) 2 SWS
0                                                Angebotshäufigkeit: jährlich   NaN
1    Prüfung: Klausur oder mündliche Prüfung Klausur (90 Min.) oder mündliche   3 C
2                                                       Prüfung (ca. 20 Min.)   NaN
3                                                      Prüfungsvorleistungen:   NaN
4                                       Bearbeitung von praktischen Aufgaben.   NaN
5                                                      Prüfungsanforderungen:   NaN
6   Kenntnis von Data Science Anwendungen in der Biologie, der Bioinformatik,   NaN
7  den Wirtschaftswissenschaften, der medizinischen Informatik, den digitalen   NaN
8               Geisteswissenschaften, der Züchtungsinformatik und der Physik   NaN
table end

table begin
      Zugangsvoraussetzungen:  Empfohlene Vorkenntnisse:
0                       keine                      keine
1                    Sprache:   Modulverantwortliche[r]:
2           Deutsch, Englisch                       N.N.
3         Angebotshäufigkeit:                     Dauer:
4        jedes Wintersemester                 1 Semester
5           Wiederholbarkeit:  Empfohlenes Fachsemester:
6                   zweimalig                          1
7  Maximale Studierendenzahl:                        NaN
8                          50                        NaN
table end

table begin
  Georg-August-Universität Göttingen\rModul B.Inf.1833: Fachpraktikum Data Science\rEnglish title: Training Data Science  9 C\r6 SWS
0                                                                            odul B.Inf.1833: Fachpraktikum Data Science         NaN
1                                                                                    nglish title: Training Data Science         NaN
table end

table begin
Empty DataFrame
Columns: [Lernziele/Kompetenzen:
Das Praktikum ist in einem speziellen Fachgebiet der Data Science (siehe Wahlmodule
„Data Science“) angesiedelt. Die Lernziele und Kompetenzen ergeben sich aus den dort
dargestellten., Arbeitsaufwand:
Präsenzzeit:
84 Stunden
Selbststudium:
186 Stunden]
Index: []
table end

table begin
                                                                                                                                                                                                                                                                                                                                                  Lehrveranstaltung: Fachpraktikum Data Science (Praktikum) 6 SWS
0  Prüfung: Vortrag (ca. 15 Min.) mit schriftlicher Ausarbeitung (max. 15 Seiten),\runbenotet\rPrüfungsvorleistungen:\rBearbeitung von praktischen Aufgaben.\rPrüfungsanforderungen:\rNachweis über den Erwerb der folgenden Kenntnisse und Fähigkeiten: Die in den\rModulen B.Inf.1131, B.WIWI-QMW.0011, B.Inf.1841 und B.Inf.1842 erworbenen\rKompetenzen und Fähigkeiten werden fachspezifisch vertieft.   9 C
table end

table begin
  Zugangsvoraussetzungen:\rkeine
0                           eine
table end

table begin
   Zugangsvoraussetzungen:\rkeine Empfohlene Vorkenntnisse:\rB.Inf.1131, B.Inf.1841, B.Inf.1842, B.WIWI-\rQMW.0011
0                            eine                                                                              NaN
1     Sprache:\rDeutsch, Englisch                              Modulverantwortliche[r]:\rProf. Dr. Alexander Ecker
2   Angebotshäufigkeit:\rjährlich                                                               Dauer:\r1 Semester
3    Wiederholbarkeit:\rzweimalig                                                 Empfohlenes Fachsemester:\r5 - 6
4  Maximale Studierendenzahl:\r50                                                                              NaN
table end

table begin
                Lehrveranstaltung: Fachpraktikum Data Science I (klein) (Praktikum) 3 SWS
0                                     Prüfung: Mündlich (ca. 15 Minuten), unbenotet   5 C
1                                                            Prüfungsvorleistungen:   NaN
2                                Erfolgreiche Bearbeitung von praktischen Aufgaben.   NaN
3                                                            Prüfungsanforderungen:   NaN
4                Nachweis über den Erwerb der folgenden Kenntnisse und Fähigkeiten:   NaN
5                     Die in einem Module aus dem Professionalisierungsbereich Data   NaN
6                Science erworbenen Kompetenzen und Fähigkeiten werden, mit den als   NaN
7  Schlüsselkompetenzen erworbenen Programmierkenntnissen, fachspezifisch vertieft.   NaN
table end

table begin
                                                   Zugangsvoraussetzungen: Empfohlene Vorkenntnisse:
0                                                     Die zugehörige Fachvorlesung; imperative keine
1                                                              und objektorientierte Programmierung;
2                                                               Programmierwerkzeuge; Verwendung von
3                                                  Application Programming Interfaces; Dokumentation
4                                                    von Softwaresystemen; Softwaretests; Prinzipien
5                                                      und Methoden der projektbasierten Teamarbeit.
6                                                                  Sprache: Modulverantwortliche[r]:
7                                                            Deutsch, Englisch Prof. Dr. Fabian Sinz
8                                                                         Angebotshäufigkeit: Dauer:
9                                                                          jedes Semester 1 Semester
10                                                       Wiederholbarkeit: Empfohlenes Fachsemester:
11                                                                                         zweimalig
12                                                                        Maximale Studierendenzahl:
13                                                                                                30
14                                                                                      Bemerkungen:
15  Das in Modul B.Inf.1834 eingebrachte Praktikum darf nicht dasselbe sein wie in Modul B.Inf.1835.
table end

table begin
               Lehrveranstaltung: Fachpraktikum Data Science II (klein) (Praktikum) 3 SWS
0                                     Prüfung: Mündlich (ca. 15 Minuten), unbenotet   5 C
1                                                            Prüfungsvorleistungen:   NaN
2                                Erfolgreiche Bearbeitung von praktischen Aufgaben.   NaN
3                                                            Prüfungsanforderungen:   NaN
4                Nachweis über den Erwerb der folgenden Kenntnisse und Fähigkeiten:   NaN
5                     Die in einem Module aus dem Professionalisierungsbereich Data   NaN
6                Science erworbenen Kompetenzen und Fähigkeiten werden, mit den als   NaN
7  Schlüsselkompetenzen erworbenen Programmierkenntnissen, fachspezifisch vertieft.   NaN
table end

table begin
                                                   Zugangsvoraussetzungen: Empfohlene Vorkenntnisse:
0                                                     Die zugehörige Fachvorlesung; imperative keine
1                                                              und objektorientierte Programmierung;
2                                                               Programmierwerkzeuge; Verwendung von
3                                                  Application Programming Interfaces; Dokumentation
4                                                    von Softwaresystemen; Softwaretests; Prinzipien
5                                                      und Methoden der projektbasierten Teamarbeit.
6                                                                  Sprache: Modulverantwortliche[r]:
7                                                            Deutsch, Englisch Prof. Dr. Fabian Sinz
8                                                                         Angebotshäufigkeit: Dauer:
9                                                                          jedes Semester 1 Semester
10                                                       Wiederholbarkeit: Empfohlenes Fachsemester:
11                                                                                         zweimalig
12                                                                        Maximale Studierendenzahl:
13                                                                                                30
14                                                                                      Bemerkungen:
15  Das in Modul B.Inf.1835 eingebrachte Praktikum darf nicht dasselbe sein wie in Modul B.Inf.1834.
table end

table begin
                  Lehrveranstaltung: Mitarbeit in einer Forschungsgruppe (Praktikum) 0,5 SWS
0                                    Prüfung: Hausarbeit (max. 12 Seiten), unbenotet     6 C
1                                                             Prüfungsanforderungen:     NaN
2    Nachweis über den Erwerb der folgenden Kenntnisse und Fähigkeiten: Erfolgreiche     NaN
3        Bearbeitung der gestellten Aufgaben gemäß den Studienzielen im Rahmen eines     NaN
4         Forschungsvorhabens in einem Anwendungsfach. Vermittlung von umfangreichen     NaN
5  Kompetenzen im Bereich der projektbezogenen und forschungsorientierten Teamarbeit     NaN
6     und des Projektmanagements. Anzufertigen ist ein Praktikumsbericht, in dem die     NaN
7    Aufgabenstellung, die verwendeten Methoden und Resultate angemessen dargestellt     NaN
8                                                                              sind.     NaN
table end

table begin
  Zugangsvoraussetzungen:      Empfohlene Vorkenntnisse:
0                   keine  Die zugehörige Fachvorlesung.
1                Sprache:       Modulverantwortliche[r]:
2       Deutsch, Englisch                           Alle
3     Angebotshäufigkeit:                         Dauer:
4          jedes Semester                     1 Semester
5       Wiederholbarkeit:      Empfohlenes Fachsemester:
6               zweimalig                          5 - 6
table end

table begin
              Lehrveranstaltung: Programmierpraktikum für Data Scientists (Praktikum, 3 SWS
0                                                                          Vorlesung)   NaN
1            Prüfung: Projektarbeit und mündliche Prüfung (ca. 20 Minuten), unbenotet   5 C
2                                                              Prüfungsvorleistungen:   NaN
3                                              Lösung von 50% der Programmieraufgaben   NaN
4                                                              Prüfungsanforderungen:   NaN
5  Kenntnis der Syntax und Semantik der Programmiersprache, Kenntnis von Bibliotheken   NaN
6     und Befehlen zur Lösung von Data Science Problemen, statistischen Tests und zur   NaN
7                 Visualisierung, grundlegende Kenntnisse von Pytorch und Tensorflow.   NaN
table end

table begin
      Zugangsvoraussetzungen:      Empfohlene Vorkenntnisse:
0                       keine                          keine
1                    Sprache:       Modulverantwortliche[r]:
2           Deutsch, Englisch  Hon.-Prof. Dr. Philipp Wieder
3                         NaN            Prof. Dr. Bela Gipp
4         Angebotshäufigkeit:                         Dauer:
5              jedes Semester                     1 Semester
6           Wiederholbarkeit:      Empfohlenes Fachsemester:
7                   zweimalig                              1
8  Maximale Studierendenzahl:                            NaN
9                          50                            NaN
table end

table begin
                      Lehrveranstaltung: Einführung in wissenschaftliches Arbeiten (Übung) 1 SWS
0              Prüfung: Bearbeitung der im Rahmen der Übung behandelten Themen am Beispiel   3 C
1                                                    der eigenen Bachelorarbeit, unbenotet   NaN
2                                                                   Prüfungsanforderungen:   NaN
3     Die Studierenden wenden die in der begleitenden Übung vermittelten Methoden auf Ihre   NaN
4  Bachelorarbeit an. Sie erstellen beispielsweise Entwürfe für die einführenden Teile der   NaN
5           Bachelorarbeit wie den theoretischen Hintergrund oder den Stand der Forschung.   NaN
table end

table begin
  Zugangsvoraussetzungen:  Empfohlene Vorkenntnisse:
0      gemäß §10 (1) PStO                      keine
1                Sprache:   Modulverantwortliche[r]:
2       Deutsch, Englisch                       Alle
3                     NaN      Prof. Dr. Fabian Sinz
4     Angebotshäufigkeit:                     Dauer:
5          jedes Semester                 1 Semester
6       Wiederholbarkeit:  Empfohlenes Fachsemester:
7               zweimalig                          6
table end

table begin
Empty DataFrame
Columns: [Maximale Studierendenzahl:
50, Unnamed: 0]
Index: []
table end

table begin
                        Lehrveranstaltung: Differenzial- und Integralrechnung I 4 SWS
0                                                Prüfung: Klausur (120 Minuten)   9 C
1                                                        Prüfungsvorleistungen:   NaN
2  B.Mat.0011.Ue: Erreichen von mindestens 50% der Übungspunkte und zweimaliges   NaN
3                                        Vorstellen von Lösungen in den Übungen   NaN
table end

table begin
                                                                  Sprache: Modulverantwortliche[r]:
0                                                                Deutsch Studiendekan/in Mathematik
1                                                                        Angebotshäufigkeit: Dauer:
2                                                                   jedes Wintersemester 1 Semester
3                                                       Wiederholbarkeit: Empfohlenes Fachsemester:
4                                                                             gemäß Bemerkung 1 - 3
5                                                                        Maximale Studierendenzahl:
6                                                                                    nicht begrenzt
7                                                                                      Bemerkungen:
8                                            • Dozent/in: Lehrpersonen des Mathematischen Instituts
9          • Pflichtmodul in den Bachelor-Studiengängen Mathematik und Physik sowie im Zwei-Fächer-
10                                                          Bachelorstudiengang mit Fach Mathematik
11    • Im Bachelor-Studiengang Angewandte Informatik kann dieses Modul zusammen mit B.Mat.0012 die
12                                                       Module B.Mat.0801 und B.Mat.0802 ersetzen.
13  • Universitätsweites Schlüsselkompetenzangebot; als solches nicht verwendbar für Studierende im
14   Zwei-Fächer-Bachelor Studiengang mit Fach Mathematik, Studiengang Master of Education mit Fach
15        Mathematik, Bachelor/Master-Studiengang Mathematik und Promotionsstudiengang Mathematical
16                                                                                        Sciences.
17                                                                          Wiederholungsregelungen
18                   • Nicht bestandene Prüfungen zu diesem Modul können dreimal wiederholt werden.
19  • Ein vor Beginn der Vorlesungszeit des ersten Fachsemesters, z.B. im Rahmen des mathematischen
20  Sommerstudiums, absolvierter Prüfungsversuch im Modul B.Mat.0011 "Analysis I" gilt im Falle des
21  Nichtbestehens als nicht unternommen (Freiversuch); eine im Freiversuch bestandene Modulprüfung
22           kann einmal zur Notenverbesserung wiederholt werden; durch die Wiederholung kann keine
23      Verschlechterung der Note eintreten. Eine Wiederholung von bestandenen Prüfungen zum Zwecke
24   der Notenverbesserung ist im Übrigen nicht möglich; die Bestimmung des §16 a Abs. 3 Satz 2 APO
25                                                                                bleibt unberührt.
table end

table begin
                 Lehrveranstaltung: Analytische Geometrie und Lineare Algebra I 4 SWS
0                                                Prüfung: Klausur (120 Minuten)   9 C
1                                                        Prüfungsvorleistungen:   NaN
2  B.Mat.0012.Ue: Erreichen von mindestens 50% der Übungspunkte und zweimaliges   NaN
3                                        Vorstellen von Lösungen in den Übungen   NaN
table end

table begin
                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                         Zugangsvoraussetzungen:\rkeine                      Empfohlene Vorkenntnisse:\rkeine
0                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                  eine                                                   NaN
1                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                     Sprache:\rDeutsch  Modulverantwortliche[r]:\rStudiendekan/in Mathematik
2                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                             Angebotshäufigkeit:\rjedes Wintersemester                                    Dauer:\r1 Semester
3                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                          Wiederholbarkeit:\rdreimalig                      Empfohlenes Fachsemester:\r1 - 3
4                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                            Maximale Studierendenzahl:\rnicht begrenzt                                                   NaN
5  Bemerkungen:\r•Dozent/in: Lehrpersonen des Mathematischen Instituts\r•Pflichtmodul in den Bachelor-Studiengängen Mathematik und Physik sowie im Zwei-Fächer-\rBachelorstudiengang mit Fach Mathematk\r•Im Bachelor-Studiengang Angewandte Informatik kann dieses Modul zusammen mit B.Mat.0011 die\rModule B.Mat.0801 und B.Mat.0802 ersetzen.\r•Universitätsweites Schlüsselkompetenzangebot; als solches nicht verwendbar für Studierende im\rZwei-Fächer-Bachelor Studiengang mit Fach Mathematik, Studiengang Master of Education mit Fach\rMathematik, Bachelor/Master-Studiengang Mathematik und Promotionsstudiengang Mathematical\rSciences.                                                   NaN
table end

table begin
  Zugangsvoraussetzungen:\rkeine
0                           eine
table end

table begin
  Georg-August-Universität Göttingen\rModul B.Mat.0801: Mathematik für Studierende der Informatik I\rEnglish title: Mathematics for computer science I  9 C\r6 SWS
0                                                                                         odul B.Mat.0801: Mathematik für Studierende der Informatik I         NaN
1                                                                                                     nglish title: Mathematics for computer science I         NaN
table end

table begin
Empty DataFrame
Columns: [Lernziele/Kompetenzen:
Lernziele:
Nach erfolgreichem Absolvieren des Moduls sind die Studierenden mit der
mathematischen Denk- und Argumentationsweise vertraut und können mit den
Grundbegriffen der linearen Algebra und Analysis umgehen. Sie
•sind mit Grundbegriffen der Logik, Relationen und den grundlegenden
Zahlensystemen vertraut;
•gehen sicher mit den grundlegenden Eigenschaften von Vektorräumen, linearen
Abbildungen und Matrizen um;
•lösen lineare Gleichungssysteme mit dem Gaußschen Eliminationsverfahren;
•erfassen grundlegende Eigenschaften von Eigenwerten und -vektoren von
Matrizen;
•gehen sicher mit Eigenschaften von Metriken und Normen sowie dem
Grenzwertbegriff um und untersuchen die Konvergenz von Zahlenfolgen und -
reihen;
•sind mit Definition und Eigenschaften von trigonometrischen, Exponential- und
Logarithmusfunktionen vertraut.
Kompetenzen:
Nach erfolgreichem Absolvieren des Moduls sind die Studierenden in der Lage,
•mit mathematischer Sprache umzugehen und einfache mathematische
Sachverhalte in mündlicher und schriftlicher Form darzustellen;
•grundlegende Eigenschaften von Zahlenfolgen und -reihen zu erfassen;
•das Konzept der Linearität zu erfassen;
•mathematische Probleme anhand von Fragestellung der linearen Algebra und der
eindimensionalen reellen Analysis zu lösen., Arbeitsaufwand:
Präsenzzeit:
84 Stunden
Selbststudium:
186 Stunden]
Index: []
table end

table begin
                                                                                                     Lehrveranstaltung: Mathematik für Informatik-Anfänger/innen I (Vorlesung) 4 SWS
0  Prüfung: Klausur (120 Minuten)\rPrüfungsvorleistungen:\rB.mat.801.Ue: Erreichen von mindestens 50% der Übungspunkte und zweimaliges\rVorstellen von Lösungen in den Übungen   9 C
table end

table begin
  Lehrveranstaltung: Mathematik für Informatik-Anfänger/innen I - Übung (Übung)  2 SWS
0                              athematik für Informatik-Anfänger/innen I - Übun    NaN
table end

table begin
  Lehrveranstaltung: Mathematik für Informatik-Anfänger/innen I - Übung (Übung)
0                              athematik für Informatik-Anfänger/innen I - Übun
table end

table begin
Empty DataFrame
Columns: [Prüfungsanforderungen:
Grundkenntnisse der Analysis und der linearen Algebra, Beweistechniken, Fähigkeit des
Problemlösens, Unnamed: 0]
Index: []
table end

table begin
  Zugangsvoraussetzungen:\rkeine  Empfohlene Vorkenntnisse:\rkeine
0                           eine                               NaN
table end

table begin
  Zugangsvoraussetzungen:\rkeine
0                           eine
table end

table begin
                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                Sprache:\rDeutsch Modulverantwortliche[r]:\rStudiendekan/in Mathematik
0                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                       Angebotshäufigkeit:\rjedes Wintersemester                                   Dauer:\r1 Semester
1                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                    Wiederholbarkeit:\rzweimalig                     Empfohlenes Fachsemester:\r1 - 3
2                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                      Maximale Studierendenzahl:\rnicht begrenzt                                                  NaN
3  Bemerkungen:\r•Dozent/in: Lehrpersonen des Instituts für Numerische und Angewandte Mathematik\r•Exportmodul für den Bachelor-Studiengang "Angewandte Informatik"\r•Die Module B.Mat.0801 und B.Mat.0802 zusammen können durch B.Mat.0011 und B.Mat.0012\rersetzt werden.\r•Universitätsweites Schlüsselkompetenzangebot; als solches nicht verwendbar für Studierende im\rZwei-Fächer-Bachelor Studiengang mit Fach Mathematik, Studiengang Master of Education mit Fach\rMathematik, Bachelor/Master-Studiengang Mathematik und Promotionsstudiengang Mathematical\rSciences.                                                  NaN
table end

table begin
     Lehrveranstaltung: Mathematik für Informatik-Anfänger/innen II (Vorlesung) 4 SWS
0                                                Prüfung: Klausur (120 Minuten)   9 C
1                                                        Prüfungsvorleistungen:   NaN
2  B.Mat.0802.Ue: Erreichen von mindestens 50% der Übungspunkte und zweimaliges   NaN
3                                        Vorstellen von Lösungen in den Übungen   NaN
table end

table begin
      Zugangsvoraussetzungen:   Empfohlene Vorkenntnisse:
0                       keine                  B.Mat.0801
1                    Sprache:    Modulverantwortliche[r]:
2                     Deutsch  Studiendekan/in Mathematik
3         Angebotshäufigkeit:                      Dauer:
4        jedes Sommersemester                  1 Semester
5           Wiederholbarkeit:   Empfohlenes Fachsemester:
6                   zweimalig                       2 - 4
7  Maximale Studierendenzahl:                         NaN
table end

table begin
                             Lehrveranstaltung: Diskrete Stochastik (Vorlesung) 4 SWS
0                                                Prüfung: Klausur (120 Minuten)   9 C
1                                                        Prüfungsvorleistungen:   NaN
2  B.Mat.0804.Ue: Erreichen von mindestens 50% der Übungspunkte und zweimaliges   NaN
3                                        Vorstellen von Lösungen in den Übungen   NaN
table end

table begin
  Zugangsvoraussetzungen:   Empfohlene Vorkenntnisse:
0                   keine                  B.Mat.0801
1                Sprache:    Modulverantwortliche[r]:
2                 Deutsch  Studiendekan/in Mathematik
3     Angebotshäufigkeit:                      Dauer:
4    jedes Wintersemester                  1 Semester
5       Wiederholbarkeit:   Empfohlenes Fachsemester:
table end

table begin
                                                                                    zweimalig 1 - 3
0                                                                        Maximale Studierendenzahl:
1                                                                                    nicht begrenzt
2                                                                                      Bemerkungen:
3                              • Dozent/in: Lehrpersonen des Instituts für Mathematische Stochastik
4                               • Export-Modul für den Bachelor-Studiengang "Angewandte Informatik"
5      • Es wird empfohlen, dieses Modul nach oder parallel zu dem Modul B.Mat.0801 "Mathematik für
6                                                     Studierende der Informatik I" zu absolvieren.
7   • Universitätsweites Schlüsselkompetenzangebot; als solches nicht verwendbar für Studierende im
8    Zwei-Fächer-Bachelor Studiengang mit Fach Mathematik, Studiengang Master of Education mit Fach
9         Mathematik, Bachelor/Master-Studiengang Mathematik und Promotionsstudiengang Mathematical
10                                                                                        Sciences.
table end

table begin
                         Lehrveranstaltung: Numerische Mathematik I (Vorlesung) 4 SWS
0                                                Prüfung: Klausur (120 Minuten)   9 C
1                                                        Prüfungsvorleistungen:   NaN
2  B.Mat.1300.Ue: Erreichen von mindestens 50% der Übungspunkte und zweimaliges   NaN
3                                        Vorrechnen von Lösungen in den Übungen   NaN
table end

table begin
                                                                                                                                                                                                                                                                                                                                                                                               Deutsch         Studiengangsbeauftragte/r
0                                                                                                                                                                                                                                                                                                                                                            Angebotshäufigkeit:\rjedes Wintersemester                Dauer:\r1 Semester
1                                                                                                                                                                                                                                                                                                                                                                         Wiederholbarkeit:\rzweimalig  Empfohlenes Fachsemester:\r3 - 5
2                                                                                                                                                                                                                                                                                                                                                           Maximale Studierendenzahl:\rnicht begrenzt                               NaN
3  Bemerkungen:\r•Dozent/in: Lehrpersonen des Instituts für Numerische und Angewandte Mathematik\r•Universitätsweites Schlüsselkompetenzangebot; als solches nicht verwendbar für Studierende im\rZwei-Fächer-Bachelor Studiengang mit Fach Mathematik, Studiengang Master of Education mit Fach\rMathematik, Bachelor/Master-Studiengang Mathematik und Promotionsstudiengang Mathematical\rSciences.                               NaN
table end

table begin
                                       Lehrveranstaltung: Vorlesung (Vorlesung) 4 SWS
0                                                Prüfung: Klausur (120 Minuten)   9 C
1                                                        Prüfungsvorleistungen:   NaN
2  B.Mat.2310.Ue: Erreichen von mindestens 50% der Übungspunkte und zweimaliges   NaN
3                                        Vorrechnen von Lösungen in den Übungen   NaN
table end

table begin
  Zugangsvoraussetzungen:  Empfohlene Vorkenntnisse:
0                   keine     B.Mat.0021, B.Mat.0022
1                Sprache:   Modulverantwortliche[r]:
2                 Deutsch  Studiengangsbeauftragte/r
3     Angebotshäufigkeit:                     Dauer:
4    jedes Sommersemester                 1 Semester
5       Wiederholbarkeit:  Empfohlenes Fachsemester:
6               zweimalig                      4 - 6
table end

table begin
                                                                                                                                                                                                                                                                                                                                                            Maximale Studierendenzahl:\rnicht begrenzt  Unnamed: 0
0  Bemerkungen:\r•Dozent/in: Lehrpersonen des Instituts für Numerische und Angewandte Mathematik\r•Universitätsweites Schlüsselkompetenzangebot; als solches nicht verwendbar für Studierende im\rZwei-Fächer-Bachelor Studiengang mit Fach Mathematik, Studiengang Master of Education mit Fach\rMathematik, Bachelor/Master-Studiengang Mathematik und Promotionsstudiengang Mathematical\rSciences.         NaN
table end

table begin
                                                Lehrveranstaltung: Vorlesung mit Übungen  6 SWS
0                                                         Prüfung: Klausur (180 Minuten)    NaN
1                                                                 Prüfungsvorleistungen:    NaN
2            Mindestens 50% der Hausaufgaben in den Übungen müssen bestanden worden sein    NaN
3                         sowie Anwesenheit bei mindestens der Hälfte der Übungstermine.    NaN
4                                                                 Prüfungsanforderungen:    NaN
5               Physikalische Größen (Dimensionen, Messfehler); Kinematik (Bezugsysteme,    NaN
6                Bahnkurve); Dynamik (Newton’sche Gesetze, Bewegungsgleichungen, schwere    NaN
7          und träge Masse); Erhaltungssätze für Energie; Impuls, und Drehimpuls; Stöße;    NaN
8   Zentralkraftproblem; Schwingungen (harmonischer Oszillator, Resonanz); Beschleunigte    NaN
9          Bezugsysteme und Trägheitskräfte; Starre Körper (Drehmoment, Trägheitsmoment,    NaN
10                                                                    Steinersche Satz).    NaN
11       Deformierbare Medien und Kontinuumsmechanik (Hooke'sche Gesetz, hydrostatisches    NaN
12                                                            Gleichgewicht, Bernoulli).    NaN
13          Die drei Hauptsätze der Thermodynamik; Wärme, Energie, Entropie, Temperatur,    NaN
14                   und Druck; Zustandsgleichungen; Thermodynamische Gleichgewichte und    NaN
15                                 Phasenübergänge; Kreisprozess; Ideale und reale Gase.    NaN
table end

table begin
                                Lehrveranstaltung: Praktikum zu Experimentalphysik I 3 SWS
0                                  Prüfung: 5 Protokolle (max. 15 Seiten), unbenotet   3 C
1                                                             Prüfungsanforderungen:   NaN
2  Auswertung und Bewertung von physikalischen Experimenten sowie Interpretation der   NaN
3                                                        durchgeführten Experimente.   NaN
table end

table begin
              Zugangsvoraussetzungen:\rkeine                                                             Empfohlene Vorkenntnisse:\rkeine
0                                       eine                                                                                          NaN
1                          Sprache:\rDeutsch  Modulverantwortliche[r]:\rProf.in Cynthia Volkert\rProf. Sarah Köster, Prof. Ansgar Reiners
2  Angebotshäufigkeit:\rjedes Wintersemester                                                                           Dauer:\r1 Semester
3               Wiederholbarkeit:\rdreimalig                                                                 Empfohlenes Fachsemester:\r1
4            Maximale Studierendenzahl:\r210                                                                                          NaN
table end

table begin
  Zugangsvoraussetzungen:\rkeine
0                           eine
table end

table begin
                              Lehrveranstaltung: Experimentalphysik II - Elektromagnetismus 6 SWS
0                                                            Prüfung: Klausur (180 Minuten)   6 C
1                                                                    Prüfungsvorleistungen:   NaN
2              Mindestens 50% der Hausaufgaben in den Übungen müssen bestanden worden sein.   NaN
3                                                                    Prüfungsanforderungen:   NaN
4             Beherrschung und Anwendung der Grundbegriffe und Methoden der Elektrodynamik,   NaN
5                                                           insbesondere des Feldkonzeptes.   NaN
6    Elektro- und Magnetostatik; Elektrisches Feld, Potential und Spannung; Vektoranalysis,   NaN
7                Sätze von Gauß und Stokes; Elektrischer Strom und Widerstand, Stromkreise;   NaN
8         Randwertprobleme und Multipolentwicklung; Biot-Savart’sches Gesetz; Dielektrische   NaN
9           Polarisation und Magnetisierung; Induktion; Schwingkreise; Maxwell-Gleichungen;   NaN
10                  Elektromagnetische Potentiale; Teilchen in Feldern, Energie und Impuls;   NaN
11  Elektromagnetische Wellen, beschleunigte Ladungen; Relativitätstheorie (relativistische   NaN
12                                          Mechanik, Lorentzinvarianz der Elektrodynamik).   NaN
table end

table begin
                          Lehrveranstaltung: Praktikum zu Experimentalphysik II 3 SWS
0                                           Prüfung: Protokoll (max. 15 Seiten)   3 C
1                                                        Prüfungsvorleistungen:   NaN
2              6 testierte schriftliche Versuchsprotokolle des Praktikumsteils.   NaN
3                                                        Prüfungsanforderungen:   NaN
4  Kenntnisse in Auswertung und Bewertung von physikalischen Experimenten sowie   NaN
5                                Interpretation der durchgeführten Experimente.   NaN
table end

table begin
                           Sprache:\rDeutsch Modulverantwortliche[r]:\rProf. Dr. Angela Rizzi\rProf. Jörg Enderlein, Prof. Tim Salditt; Prof. Hans\rHofsäss
0  Angebotshäufigkeit:\rjedes Sommersemester                                                                                             Dauer:\r1 Semester
1               Wiederholbarkeit:\rdreimalig                                                                                   Empfohlenes Fachsemester:\r2
2            Maximale Studierendenzahl:\r210                                                                                                            NaN
table end

table begin
                                                  Lehrveranstaltung: Vorlesung mit Übung 6 SWS
0                                                         Prüfung: Klausur (120 Minuten)   6 C
1                                                                 Prüfungsvorleistungen:   NaN
2           Mindestens 50% der Hausaufgaben in den Übungen müssen bestanden worden sein.   NaN
3                                                                 Prüfungsanforderungen:   NaN
4           Beherrschung der grundlegenden Begriffe, Fakten und Methoden aus dem Bereich   NaN
5                                                                      Wellen und Optik.   NaN
6              Wellenphänomene und Wellengleichungen (mechanische und elektromagnetische   NaN
7        Wellen), Wellenleiter, Superpositionsprinzip, Dispersion, Absorption, Streuung,   NaN
8               Phasen- und Gruppengeschwindigkeit, Fourier-Transformation, Huygen’sches   NaN
9      Prinzip, Eikonalgleichung und Fermat’sches Prinzip, Geometrische Optik (Brechung,   NaN
10        Linsen, optische Instrumente, Prisma, Wellenleiter geometrisch), Polarisation,   NaN
11    Fresnelkoeffizienten (Reflexion, Transmission, Brewster-Winkel), Anisotrope Medien   NaN
12  und Kristalloptik, Interferenz und Beugung (Fresnel-Kirchhoff-Integral, Fresnel- und   NaN
13         Fraunhofer-Näherung), Auflösungsgrenze und Mikroskopie, Kohärenz, stimulierte   NaN
14                                                               Emission, Laserprinzip.   NaN
table end

table begin
                         Lehrveranstaltung: Praktikum zu Experimentalphysik III 3 SWS
0                                           Prüfung: Protokoll (max. 15 Seiten)   3 C
1                                                        Prüfungsvorleistungen:   NaN
2              7 testierte schriftliche Versuchsprotokolle des Praktikumsteils.   NaN
3                                                        Prüfungsanforderungen:   NaN
4  Kenntnisse in Auswertung und Bewertung von physikalischen Experimenten sowie   NaN
5                                Interpretation der durchgeführten Experimente.   NaN
table end

table begin
      Zugangsvoraussetzungen:                Empfohlene Vorkenntnisse:
0                       keine                    Experimentalphysik II
1                    Sprache:                 Modulverantwortliche[r]:
2                     Deutsch                   Prof. Dr. Claus Ropers
3                         NaN  Prof. Tim Salditt; Prof. Jörg Enderlein
4         Angebotshäufigkeit:                                   Dauer:
5        jedes Wintersemester                               1 Semester
6           Wiederholbarkeit:                Empfohlenes Fachsemester:
7                   dreimalig                                        3
8  Maximale Studierendenzahl:                                      NaN
9                         180                                      NaN
table end

table begin
                                               Lehrveranstaltung: Vorlesung mit Übung 6 SWS
0                                                      Prüfung: Klausur (120 Minuten)   6 C
1                                                              Prüfungsvorleistungen:   NaN
2        Mindestens 50% der Hausaufgaben in den Übungen müssen bestanden worden sein.   NaN
3                                                              Prüfungsanforderungen:   NaN
4      Das Photon (thermische Strahlung, Photoeffekt, Compton-Effekt); Materiewellen,   NaN
5    Schlüsselexperimente zur Quantentheorie und ihre Interpretation; Heisenberg’sche   NaN
6   Unbestimmtheitsrelation; Wasserstoffatom (Bahn- und Spinmagnetismus, Feinstruktur   NaN
7       und L-S Kopplung, Lamb Shift); Atome in elektrischen und magnetischen Feldern   NaN
8       (Zeeman-, Paschen-Back-, und Stark-Effekt); Emission und Absorption; Spektren   NaN
9          und Linienbreiten; Mehrelektronenatome; Grundlagen der chemischen Bindung;   NaN
10                           Molekülspektren (Rotations- und Vibrationsmoden); Laser.   NaN
table end

table begin
                          Lehrveranstaltung: Praktikum zu Experimentalphysik IV 3 SWS
0                   Prüfung: 7 testierte Protokolle (max. 15 Seiten), unbenotet   3 C
1                                                        Prüfungsanforderungen:   NaN
2  Kenntnisse in Auswertung und Bewertung von physikalischen Experimenten sowie   NaN
3                                Interpretation der durchgeführten Experimente.   NaN
table end

table begin
  Zugangsvoraussetzungen:               Empfohlene Vorkenntnisse:
0                   keine                                   keine
1                Sprache:                Modulverantwortliche[r]:
2                 Deutsch  StudiendekanIn der Fakultät für Physik
3     Angebotshäufigkeit:                                  Dauer:
4    jedes Sommersemester                              1 Semester
table end

table begin
      Wiederholbarkeit:\rdreimalig  Empfohlenes Fachsemester:\r4
0  Maximale Studierendenzahl:\r180                           NaN
table end

table begin
  Lehrveranstaltung: Computergestütztes wissenschaftliches Rechnen (Vorlesung, Unnamed: 0
0                                                                       Übung)        NaN
1                              Prüfung: Schriftlicher Bericht (max. 10 Seiten)        6 C
2                                                       Prüfungsvorleistungen:        NaN
3                                4 erfolgreich bearbeitete Programmieraufgaben        NaN
4                                                       Prüfungsanforderungen:        NaN
5   Umsetzung einer Aufgabenstellung in ein lauffähiges, effizientes Programm.        NaN
6               Anschließende wissenschaftliche Interpretation der Ergebnisse.        NaN
table end

table begin
      Zugangsvoraussetzungen:            Empfohlene Vorkenntnisse:
0                       keine  Kenntnisse der Programmiersprache C
1                    Sprache:             Modulverantwortliche[r]:
2                     Deutsch              Prof. Dr. Stefan Klumpp
3         Angebotshäufigkeit:                               Dauer:
4        jedes Sommersemester                           1 Semester
5           Wiederholbarkeit:            Empfohlenes Fachsemester:
6                   dreimalig                                    4
7  Maximale Studierendenzahl:                                  NaN
8                         200                                  NaN
table end

table begin
  Von den folgenden Prüfungen ist genau eine erfolgreich zu absolvieren: Unnamed: 0
0                                         Prüfung: Klausur (120 Minuten)        3 C
1                   Prüfung: Mündlich Mündliche Prüfung (ca. 30 Minuten)        3 C
2             Prüfung: Vortrag (2 Wochen Vorbereitungszeit) (30 Minuten)        3 C
table end

table begin
      Zugangsvoraussetzungen:   Empfohlene Vorkenntnisse:
0                       keine                       keine
1                    Sprache:    Modulverantwortliche[r]:
2                    Englisch         Prof. Dr. Fred Wolf
3         Angebotshäufigkeit:                      Dauer:
4        jedes Wintersemester                  1 Semester
5           Wiederholbarkeit:   Empfohlenes Fachsemester:
6                   dreimalig  Bachelor: 4 - 6; Master: 1
7  Maximale Studierendenzahl:                         NaN
8                          90                         NaN
table end

table begin
  Von den folgenden Prüfungen ist genau eine erfolgreich zu absolvieren: Unnamed: 0
0                                         Prüfung: Klausur (120 Minuten)        3 C
1                                     Prüfung: Mündlich (ca. 30 Minuten)        3 C
2      Prüfung: Seminarvortrag (2 Wochen Vorbereitungszeit) (30 Minuten)        3 C
table end

table begin
      Zugangsvoraussetzungen:   Empfohlene Vorkenntnisse:
0                       keine                       keine
1                    Sprache:    Modulverantwortliche[r]:
2                    Englisch         Prof. Dr. Fred Wolf
3         Angebotshäufigkeit:                      Dauer:
4        jedes Sommersemester                  1 Semester
5           Wiederholbarkeit:   Empfohlenes Fachsemester:
6                   dreimalig  Bachelor: 4 - 6; Master: 1
7  Maximale Studierendenzahl:                         NaN
8                          90                         NaN
table end

table begin
                                             Course: Vorlesung mit Selbststudium Literatur Unnamed: 0
0                                       Examination: Oral examination (approx. 30 minutes)        6 C
1                                                                Examination requirements:        NaN
2  Derivation of fundamental relations describing stochastic systems, derivation, handling        NaN
3    and explanation of differential equations, derivation of analytical and approximative        NaN
4                                           solutions for the various considered problems.        NaN
table end

table begin
                    Admission requirements: Recommended previous knowledge:
0                                      none                            none
1                                 Language:  Person responsible for module:
2                           English, German        Prof. Dr. Jörg Enderlein
3                         Course frequency:                       Duration:
4                        every 4th semester                   1 semester[s]
5  Number of repeat examinations permitted:           Recommended semester:
6                               three times  Bachelor: 4 - 6; Master: 1 - 4
7               Maximum number of students:                             NaN
8                                        20                             NaN
table end

table begin
                                                                      Course: X-ray Physics Unnamed: 0
0          Examination: Written examination (120 minutes) or oral examination (ca. 30 min.)        6 C
1                                                             or presentation (ca. 30 min.)        NaN
2                                                                Examination prerequisites:        NaN
3                                                                                      none        NaN
4                                                                 Examination requirements:        NaN
5         • solve problems of the topics mentioned above on a quantitative level, including        NaN
6                                 calculations  of structure factor, correlation functions,        NaN
7   • applications of Fourier theory to structure analysis and basic solutions to the phase        NaN
8                                                                                  problem,        NaN
9                              • solve problems of wave optical propagation and diffraction        NaN
10            • knowledge about interaction mechanisms and order -of-magnitude estimations,        NaN
11              • knowledge  about theoretical concepts and experimental implementations of        NaN
12                                                                    different techniques,        NaN
13                   • knowledge of laboratory skills (x-ray sources, detection, dosimetry)        NaN
table end

table begin
  Admission requirements: Recommended previous knowledge:
0                    none                            none
1               Language:  Person responsible for module:
2         English, German           Prof. Dr. Tim Salditt
table end

table begin
                 Course frequency:\reach summer semester                           Duration:\r1 semester[s]
0  Number of repeat examinations permitted:\rthree times  Recommended semester:\rBachelor: 6; Master: 1 - 2
1                        Maximum number of students:\r15                                                NaN
table end

table begin
                                  Course: Optical Measurement Techniques (Lecture) Unnamed: 0
0  Examination: Presentation with discussion (approx. 30 min.) or oral examination        3 C
1                                                                (approx. 30 Min.)        NaN
2                                                        Examination requirements:        NaN
3                         Understanding optical measurement principles and methods        NaN
table end

table begin
                    Admission requirements:           Recommended previous knowledge:
0                                      none                                      none
1                                 Language:            Person responsible for module:
2                           German, English  StudiendekanIn der Fakultät für Physik /
3                                       NaN               Ansprechpartner: Dr. Nobach
4                         Course frequency:                                 Duration:
5                      each winter semester                             1 semester[s]
6  Number of repeat examinations permitted:                     Recommended semester:
7                               three times            Bachelor: 5 - 6; Master: 1 - 4
8               Maximum number of students:                                       NaN
9                                        30                                       NaN
table end

table begin
                          Course: Theoretical and Computational Biophysics (Lecture, Exercise) Unnamed: 0
0                                           Examination: Oral examination (approx. 30 minutes)        4 C
1                                                                    Examination requirements:        NaN
2         Protein structure and function, physics of protein dynamics, relevant intermolecular        NaN
3   interactions, principles of molecular dynamics simulations, numeric integration, influence        NaN
4                                                                           of approximations,        NaN
5  efficient algorithms, parallel programing, methods of electrostatics, protonation balances,        NaN
6     influence of solvents, protein structure determination (NMR, X-ray), principal component        NaN
7           analysis, normal mode analysis, functional mechanisms in proteins, bioinformatics:        NaN
8           sequence comparison, protein structure prediction, homology modeling, and hands-on        NaN
9                                                                         computer simulation.        NaN
table end

table begin
                    Admission requirements:               Recommended previous knowledge:
0                                      none                  • Introduction to Biophysics
1                                       NaN  • Introduction to Physics of Complex Systems
2                                 Language:                Person responsible for module:
3                           English, German         Hon.-Prof. Dr. Karl Helmut Grubmüller
4                         Course frequency:                                     Duration:
5                      each winter semester                                 1 semester[s]
6  Number of repeat examinations permitted:                         Recommended semester:
7                               three times                Bachelor: 5 - 6; Master: 1 - 4
8               Maximum number of students:                                           NaN
table end

table begin
Empty DataFrame
Columns: [30]
Index: []
table end

table begin
                Course: Lecture with Exercises Biomolecular Physics and Simulations Unnamed: 0
0                                Examination: Oral examination (approx. 30 minutes)        4 C
1                                                         Examination requirements:        NaN
2  Basic knowledge and understanding of the material covered in the course such as:        NaN
3    Free energy calculations, Rate Theory, Non-equilibrium thermodynamics, Quantum        NaN
4        mechanical methods (Hartree-Fock and Density Functional Theory), enzymatic        NaN
5                   catalysis; “handson” computational calculations and simulations        NaN
table end

table begin
                    Admission requirements:           Recommended previous knowledge:
0                                      none  B.Phy.5648 Theoretical and Computational
1                                       NaN                                Biophysics
2                                 Language:            Person responsible for module:
3                           English, German     Hon.-Prof. Dr. Karl Helmut Grubmüller
4                         Course frequency:                                 Duration:
5                      each summer semester                             1 semester[s]
6  Number of repeat examinations permitted:                     Recommended semester:
7                               three times            Bachelor: 5 - 6; Master: 1 - 4
8               Maximum number of students:                                       NaN
9                                        30                                       NaN
table end

table begin
                                                                    Lehrveranstaltung: Lecture  SWS
0                                                                                     Inhalte:  NaN
1   Introduction to research with synchrotron radiation and radiation of free electron lasers:  NaN
2   generation of radiation and characteristics of the sources, basics of accelerator physics,  NaN
3        experimental setups (beam tubes), basics of X-ray diffraction and X-ray spectroscopy,  NaN
4                                                                    X ray short-time physics.  NaN
5                              Lehrveranstaltung: Block course Desy Campus, Hamburg (2,5 Days)  NaN
6                                                                                     Inhalte:  NaN
7             Introduction to the applications of X-ray physical methods (with annual changing  NaN
8                                                       emphases) using high-energy radiation:  NaN
9                 Introduction to coherent mapping, mathematical description of X-ray imaging,  NaN
10    applications in biophysics, molecular physics, crystallography, short-time physics, etc.  NaN
11                                                          Prüfung: Mündlich (ca. 45 Minuten)  3 C
12                                                                      Prüfungsanforderungen:  NaN
13    Understanding of the basic research in physics applied to synchrotron radiation and free  NaN
14   electron laser radiation: generation of the radiation and characteristics of the sources,  NaN
15            basics of accelerator physics, experimental setups (beam tubes), basics of X-ray  NaN
16      diffraction, X-ray imaging and X-ray spectroscopy; basics of X-ray short-time physics,  NaN
table end

table begin
Empty DataFrame
Columns: [application of physical X-ray methods (with annual changing emphases): coherent
mapping, mathematical description, applications in biophysics, molecular physics,
crystallography, short-term physics, etc., Unnamed: 0]
Index: []
table end

table begin
                                                                               Zugangsvoraussetzungen:\rkeine   Empfohlene Vorkenntnisse:\rIntroduction to X-ray physics
0                                                                                          Sprache:\rEnglisch         Modulverantwortliche[r]:\rProf. Dr. Simone Techert
1                                                                   Angebotshäufigkeit:\rjedes Wintersemester                                         Dauer:\r1 Semester
2                                                                                Wiederholbarkeit:\rdreimalig  Empfohlenes Fachsemester:\rBachelor: 5 - 6; Master: 1 - 4
3                                                                              Maximale Studierendenzahl:\r30                                                        NaN
4  Bemerkungen:\rEinbringbar in folgende Schwerpunkte:\rBiophysik/komplexe Systeme, Festkörper/Materialphysik                                                        NaN
table end

table begin
                              Course: Statistical methods in data analysis (Lecture) Unnamed: 0
0                Examination: oral exam (approx. 30 min.) or written exam (120 min.)        3 C
1                                                          Examination requirements:        NaN
2  Concepts, methods, can concrete examples of statistical methods in data analysis:        NaN
3   Introduction and description of data; theoretical probability density functions,        NaN
4        including Gaussian, Poisson, and multi-dimensional distributions; parameter        NaN
5             estimation; maximum likelihood method (and examples); chi^2 method and        NaN
6        chi^2-distribution; optimization; hypothesis tests; classification methods;        NaN
7                                                    Monte Carlo methods; unfolding.        NaN
table end

table begin
                    Admission requirements:           Recommended previous knowledge:
0                                      none  Introduction to Nuclear/Particle Physics
1                                 Language:            Person responsible for module:
2                           German, English                    Prof. Dr. Arnulf Quadt
3                         Course frequency:                                 Duration:
4                                 irregular                             1 semester[s]
5  Number of repeat examinations permitted:                     Recommended semester:
6                               three times            Bachelor: 5 - 6; Master: 1 - 4
7               Maximum number of students:                                       NaN
8                                        30                                       NaN
table end

table begin
                                                         Lehrveranstaltung: Seminar Unnamed: 0
0        Prüfung: Vortrag (ca. 30 Min.) mit schriflticher Ausarbeitung (max. 20 S.)        4 C
1                                                            Prüfungsvorleistungen:        NaN
2                                                                  Aktive Teilnahme        NaN
3                                                            Prüfungsanforderungen:        NaN
4  Selbständige Erarbeitung wissenschaftlicher Sachverhalte und deren Präsentation.        NaN
table end

table begin
      Zugangsvoraussetzungen:               Empfohlene Vorkenntnisse:
0                       keine  Einführung in die Kern-/Teilchenphysik
1                    Sprache:                Modulverantwortliche[r]:
2           Deutsch, Englisch                  Prof. Dr. Arnulf Quadt
3         Angebotshäufigkeit:                                  Dauer:
4        jedes Sommersemester                              1 Semester
5           Wiederholbarkeit:               Empfohlenes Fachsemester:
6                   dreimalig                                   5 - 6
7  Maximale Studierendenzahl:                                     NaN
8                          20                                     NaN
table end

table begin
                                    Course: Lecture Series in Physics for Data Scientists Unnamed: 0
0                                      Examination: Oral examination (approx. 30 minutes)        8 C
1                                                              Examination prerequisites:        NaN
2                      At least 50% of the homework/exercises must be solved successfully        NaN
3                                                               Examination requirements:        NaN
4  Understanding of concepts and various examples given in the lecture series. One should        NaN
5  be able to explain the physical context of data acquisition, simulation, and analysis.        NaN
table end

table begin
                    Admission requirements: Recommended previous knowledge:
0                                      none                            none
1                                 Language:  Person responsible for module:
2                           English, German              Prof. Dr. Stan Lai
3                         Course frequency:                       Duration:
4                               once a year                   1 semester[s]
5  Number of repeat examinations permitted:           Recommended semester:
6                               three times                           1 - 4
7               Maximum number of students:                             NaN
8                                        20                             NaN
table end

table begin
                Lehrveranstaltung: Veranstaltung aus dem Lehrangebot der Data Science Unnamed: 0
0  Prüfung: Klausur (120 Min.) oder mündl. Prüfung (ca. 30 Min.) oder Vortrag (ca. 30        6 C
1                                                   Min., 2 Wochen Vorbereitungszeit)        NaN
table end

table begin
      Zugangsvoraussetzungen:  Empfohlene Vorkenntnisse:
0                       keine                      keine
1                    Sprache:   Modulverantwortliche[r]:
2                     Deutsch         Prof. Dr. Stan Lai
3         Angebotshäufigkeit:                     Dauer:
4           jedes 4. Semester                 1 Semester
5           Wiederholbarkeit:  Empfohlenes Fachsemester:
6                   dreimalig                      5 - 6
7  Maximale Studierendenzahl:                        NaN
8                          90                        NaN
table end

table begin
                             Lehrveranstaltung: Spezielle Themen der Data Science IIa 3 SWS
0  Prüfung: Klausur (120 Min.) oder mündl. Prüfung (ca. 30 Min.) oder Vortrag (ca. 30   3 C
1                                                   Min., 2 Wochen Vorbereitungszeit)   NaN
2                                                              Prüfungsanforderungen:   NaN
3  Vertiefung der in den Einführungsveranstaltungen angeeigneten Kenntnisse in Astro-   NaN
4                         bzw. Geophysik. Aktuelle Forschungsthemen der Data Science.   NaN
table end

table begin
                             Lehrveranstaltung: Spezielle Themen der Data Science IIb 3 SWS
0                                                  Angebotshäufigkeit: jedes Semester   NaN
1  Prüfung: Klausur (120 Min.) oder mündl. Prüfung (ca. 30 Min.) oder Vortrag (ca. 30   3 C
2                                                   Min., 2 Wochen Vorbereitungszeit)   NaN
3                                                              Prüfungsanforderungen:   NaN
4  Vertiefung der in den Einführungsveranstaltungen angeeigneten Kenntnisse in Astro-   NaN
5                         bzw. Geophysik. Aktuelle Forschungsthemen der Data Science.   NaN
table end

table begin
      Zugangsvoraussetzungen:  Empfohlene Vorkenntnisse:
0                       keine                      keine
1                    Sprache:   Modulverantwortliche[r]:
2                     Deutsch         Prof. Dr. Stan Lai
3         Angebotshäufigkeit:                     Dauer:
4           jedes 4. Semester                 1 Semester
5           Wiederholbarkeit:  Empfohlenes Fachsemester:
6                   dreimalig                      5 - 6
7  Maximale Studierendenzahl:                        NaN
8                          90                        NaN
table end

table begin
  Georg-August-Universität Göttingen\rModul B.Phy.8005: Seminar zu speziellen Themen der Data Science\rEnglish title: Seminar Data Science  4 C\r2 SWS
0                                                                           odul B.Phy.8005: Seminar zu speziellen Themen der Data Science         NaN
1                                                                                                       nglish title: Seminar Data Science         NaN
table end

table begin
Empty DataFrame
Columns: [Lernziele/Kompetenzen:
Lernziele: Umgang mit Präsentationsmedien und Präsentation komplexer Sachverhalte
vor Experten und fachfremden Zuhörern, Kommunikations- und Diskussionsfähigkeit,
Kritikfähigkeit und Ausdrucksfähigkeit.
Kompetenzen: Die Studierenden sollen selbständig den Inhalt wissenschaftlicher
Publikationen (in der Regel englischsprachig) aus dem Bereich der Data Science
erarbeiten und vor einem breiten Publikum präsentieren können., Arbeitsaufwand:
Präsenzzeit:
28 Stunden
Selbststudium:
92 Stunden]
Index: []
table end

table begin
                                                                                                                                                                             Lehrveranstaltung: Seminar zu speziellen Themen der Data Science (Seminar) 2 SWS
0                                                                                                                                                                                                          eminar zu speziellen Themen der Data Science   NaN
1  Prüfung: Vortrag (ca. 30 Minuten)\rPrüfungsvorleistungen:\raktive Teilnahme\rPrüfungsanforderungen:\rSelbständige Erarbeitung wissenschaftlicher Publikationen und deren Präsentation aus\rdem Bereich der Data Science.\r4 Wochen Vorbereitungszeit   4 C
table end

table begin
  Lehrveranstaltung: Seminar zu speziellen Themen der Data Science (Seminar)
0                               eminar zu speziellen Themen der Data Science
table end

table begin
           Zugangsvoraussetzungen:\rkeine              Empfohlene Vorkenntnisse:\rkeine
0                                    eine                                           NaN
1             Sprache:\rDeutsch, Englisch  Modulverantwortliche[r]:\rProf. Dr. Stan Lai
2  Angebotshäufigkeit:\rjedes 4. Semester                            Dauer:\r1 Semester
3            Wiederholbarkeit:\rdreimalig              Empfohlenes Fachsemester:\r5 - 6
4          Maximale Studierendenzahl:\r20                                           NaN
table end

table begin
  Zugangsvoraussetzungen:\rkeine
0                           eine
table end

table begin
                             Lehrveranstaltung: Interne Unternehmensrechnung (Vorlesung)  2 SWS
0                                                                               Inhalte:    NaN
1                          1. Die Kosten- und Leistungsrechnung als Element der internen    NaN
2                                                                   Unternehmensrechnung    NaN
3                                         2. Kalkulation der Kosten von Produkteinheiten    NaN
4                                       3. Kalkulation der Leistung von Produkteinheiten    NaN
5                                             4. Kalkulatorische Periodenerfolgsrechnung    NaN
6                                5. Entwicklungslinien der Kosten- und Leistungsrechnung    NaN
7                             Lehrveranstaltung: Interne Unternehmensrechnung (Tutorium)  2 SWS
8                                                                               Inhalte:    NaN
9   Im Rahmen des begleitenden Tutoriums vertiefen und erweitern die Studierenden die in    NaN
10                                  der Vorlesung erworbenen Kenntnisse und Fähigkeiten.    NaN
11                                                         Prüfung: Klausur (90 Minuten)    6 C
table end

table begin
  Zugangsvoraussetzungen:        Empfohlene Vorkenntnisse:
0                   keine  B.WIWI-OPH.0005 Jahresabschluss
1                Sprache:         Modulverantwortliche[r]:
2                 Deutsch         Prof. Dr. Stefan Dierkes
3                     NaN          Prof. Dr. Michael Wolff
4     Angebotshäufigkeit:                           Dauer:
5    jedes Wintersemester                       1 Semester
6       Wiederholbarkeit:        Empfohlenes Fachsemester:
table end

table begin
                                    zweimalig  3 - 4
0  Maximale Studierendenzahl:\rnicht begrenzt    NaN
table end

table begin
       Stellhebel der Organisationsgestaltung und ihre Ausprägungen, Vor- und Nachteile Unnamed: 0
0                                                           sowie Anwendungsbedingungen        NaN
1              Lehrveranstaltung: Fallstudienübung Unternehmensführung und Organisation      2 SWS
2                                                                               (Übung)        NaN
3                                                                              Inhalte:        NaN
4   In der Übung werden die Vorlesungsinhalte vertieft und eine Anleitung zum Lösen von        NaN
5  Klausuraufgaben gegeben. Hierbei liegt der Fokus auf dem  Transfer von theoretischem        NaN
6       Wissen in praktisches Handeln sowie die Schulung von Problemlösekompetenzen bei        NaN
7                                    Fragestellungen mit unterschiedlicher Komplexität.        NaN
8                                                         Prüfung: Klausur (90 Minuten)        6 C
table end

table begin
      Zugangsvoraussetzungen:  Empfohlene Vorkenntnisse:
0                       keine                      keine
1                    Sprache:   Modulverantwortliche[r]:
2                     Deutsch     Prof. Dr. Indre Maurer
3         Angebotshäufigkeit:                     Dauer:
4        jedes Sommersemester                 1 Semester
5           Wiederholbarkeit:  Empfohlenes Fachsemester:
6                   zweimalig                      3 - 4
7  Maximale Studierendenzahl:                        NaN
8              nicht begrenzt                        NaN
table end

table begin
                                    Lehrveranstaltung: Produktion und Logistik (Vorlesung)  2 SWS
0                                                                                 Inhalte:    NaN
1       Die Vorlesung gibt einen Überblick über betriebliche Produktionsprozesse und zeigt    NaN
2              die enge Verzahnung von Produktion und Logistik auf. Es werden Methoden und    NaN
3   Planungsmodelle vorgestellt, mit denen betriebliche Abläufe effizient gestaltet werden    NaN
4         können. Insbesondere wird dabei auf die Bereiche Produktions- und Kostentheorie,    NaN
5                Produktionsprogrammplanung mit linearer Programmierung, Beschaffungs- und    NaN
6                             Produktionslogistik sowie Distributionslogistik eingegangen.    NaN
7                                    Lehrveranstaltung: Produktion und Logistik (Tutorium)  2 SWS
8                                                                                 Inhalte:    NaN
9       In den Tutorien werden dazu die Methodenanwendungen vermittelt, vor allem Simplex-    NaN
10           Algorithmus, Gozinto-Graphen und Verfahren zur Bestellplanung, Ablaufplanung,    NaN
11                                                         Transport- und Standortplanung.    NaN
12                                                           Prüfung: Klausur (90 Minuten)    6 C
table end

table begin
               Zugangsvoraussetzungen:\rkeine Empfohlene Vorkenntnisse:\rB.WIWI-OPH.0004 Mathematik
0                                        eine                                                   NaN
1                           Sprache:\rDeutsch  Modulverantwortliche[r]:\rProf. Dr. Jutta Geldermann
2   Angebotshäufigkeit:\rjedes Sommersemester                                    Dauer:\r1 Semester
3                Wiederholbarkeit:\rzweimalig                      Empfohlenes Fachsemester:\r3 - 5
4  Maximale Studierendenzahl:\rnicht begrenzt                                                   NaN
table end

table begin
  Zugangsvoraussetzungen:\rkeine
0                           eine
table end

table begin
                      Unnamed: 0 Unnamed: 1
0  Prüfung: Klausur (90 Minuten)        6 C
table end

table begin
Empty DataFrame
Columns: [Prüfungsanforderungen:
Nachweis von Kenntnissen zur Ausgestaltung des Absatzmarketings, Verständnis
von strategischen Entscheidungen, Grundlagen der Marktforschung und des
Konsumentenverhaltens., Unnamed: 0]
Index: []
table end

table begin
  Zugangsvoraussetzungen:\rkeine
0                           eine
table end

table begin
                                  Zugangsvoraussetzungen:\rkeine                         Empfohlene Vorkenntnisse:\rkeine
0                                                           eine                                                      NaN
1                                              Sprache:\rDeutsch  Modulverantwortliche[r]:\rProf. Dr. Waldemar Toporowski
2  Angebotshäufigkeit:\rjedes Semester; im SoSe als Aufzeichnung                                       Dauer:\r1 Semester
3                                   Wiederholbarkeit:\rzweimalig                         Empfohlenes Fachsemester:\r3 - 4
4                     Maximale Studierendenzahl:\rnicht begrenzt                                                      NaN
table end

table begin
       Zugangsvoraussetzungen:          Empfohlene Vorkenntnisse:
0                        keine  B.WIWI-OPH.0003 Informations- und
1                          NaN              Kommunikationssysteme
2                          NaN  B.WIWI-OPH.0004 Einführung in die
3                          NaN                   Finanzwirtschaft
4                     Sprache:           Modulverantwortliche[r]:
5                      Deutsch           Prof. Dr. Jan Muntermann
6          Angebotshäufigkeit:                             Dauer:
7         jedes Sommersemester                         1 Semester
8            Wiederholbarkeit:          Empfohlenes Fachsemester:
9                    zweimalig                              3 - 6
10  Maximale Studierendenzahl:                                NaN
11              nicht begrenzt                                NaN
table end

table begin
  Georg-August-Universität Göttingen\rModul B.WIWI-EXP.0001: Einführung in die Betriebswirtschaftslehre\rund Entrepreneurship\rEnglish title: Introduction to Business Economics and Entrepreneurship  6 C\r3 SWS
0                                                                                                               odul B.WIWI-EXP.0001: Einführung in die Betriebswirtschaftslehre\rnd Entrepreneurship         NaN
1                                                                                                                               nglish title: Introduction to Business Economics and Entrepreneurship         NaN
table end

table begin
Empty DataFrame
Columns: [Lernziele/Kompetenzen:
Die Studierenden verfügen nach dem erfolgreichen Abschluss des Moduls über
Kenntnisse zu grundlegenden Themengebieten der Betriebswirtschaftslehre als
Wissenschaft wie u.a. dem Managementprozess, die Organisation, die Personalführung,
Rechtsformen und Unternehmensverbindungen, die Funktionsbereiche Beschaffung,
Produktion und Absatz sowie das Rechnungswesen und die Finanzwirtschaft. Zudem
besitzen die Studierenden Kenntnisse zu dem Prozess einer Unternehmensgründung
und welche Bedeutung den behandelten betriebswirtschaftlichen Grundlagen hierbei
zukommt., Arbeitsaufwand:
Präsenzzeit:
42 Stunden
Selbststudium:
138 Stunden]
Index: []
table end

table begin
  Lehrveranstaltung: Einführung in die Betriebswirtschaftslehre und\rEntrepreneurship (Vorlesung)\rInhalte:\r1.Unternehmen und Management\r2.Funktionen des Managements\r3.Konstitutive Entscheidungen von Unternehmen\r4.Management des Leistungsbereichs\r5.Finanzwirtschaft und Rechnungswesen
0                                                                                                                                                                                                                                                                                 ntrepreneurship
table end

table begin
  Lehrveranstaltung: Einführung in die Betriebswirtschaftslehre und\rEntrepreneurship (Vorlesung)\rInhalte:\r1.Unternehmen und Management\r2.Funktionen des Managements\r3.Konstitutive Entscheidungen von Unternehmen\r4.Management des Leistungsbereichs\r5.Finanzwirtschaft und Rechnungswesen
0                                                                                                                                                                                                                                                   inführung in die Betriebswirtschaftslehre und
table end

table begin
  Lehrveranstaltung: Einführung in die Betriebswirtschaftslehre und\rEntrepreneurship (Übung)\rInhalte:\rIm Rahmen der begleitenden Übung vertiefen und erweitern die Studierenden die in der\rVorlesung erworbenen Kenntnisse und Fähigkeiten.
0                                                                                                                                                                                                 inführung in die Betriebswirtschaftslehre und
table end

table begin
  Lehrveranstaltung: Einführung in die Betriebswirtschaftslehre und\rEntrepreneurship (Übung)\rInhalte:\rIm Rahmen der begleitenden Übung vertiefen und erweitern die Studierenden die in der\rVorlesung erworbenen Kenntnisse und Fähigkeiten.
0                                                                                                                                                                                                                               ntrepreneurship
table end

table begin
  Lehrveranstaltung: Einführung in die Betriebswirtschaftslehre und\rEntrepreneurship (Vorlesung)\rInhalte:\r1.Unternehmen und Management\r2.Funktionen des Managements\r3.Konstitutive Entscheidungen von Unternehmen\r4.Management des Leistungsbereichs\r5.Finanzwirtschaft und Rechnungswesen                                          2 SWS
0                                                                                                                                                                                                                                                                                             NaN  inführung in die Betriebswirtschaftslehre und
1                                                                                                                                                                                                                                                                                 ntrepreneurship                                            NaN
2                                                   Lehrveranstaltung: Einführung in die Betriebswirtschaftslehre und\rEntrepreneurship (Übung)\rInhalte:\rIm Rahmen der begleitenden Übung vertiefen und erweitern die Studierenden die in der\rVorlesung erworbenen Kenntnisse und Fähigkeiten.                                          1 SWS
3                                                                                                                                                                                                                                                                                             NaN  inführung in die Betriebswirtschaftslehre und
4                                                                                                                                                                                                                                                                                 ntrepreneurship                                            NaN
5                                                                                                                                                                                                                                                                   Prüfung: Klausur (90 Minuten)                                            6 C
table end

table begin
Empty DataFrame
Columns: [Prüfungsanforderungen:
Die Studierenden müssen nachweisen, dass sie die grundlegenden Begriffe
der Betriebswirtschaftslehre beherrschen und die wesentlichen Probleme und
Lösungsansätze in den betriebswirtschaftlichen Teilgebieten verstanden haben. Zudem
werden Kenntnisse im Bereich der Unternehmensgründung verlangt. Letztlich müssen
die Studierenden in der Lage sein, die theoretischen Inhalte bei kleineren Fallstudien
und Aufgaben anzuwenden., Unnamed: 0]
Index: []
table end

table begin
              Zugangsvoraussetzungen:\rkeine                    Empfohlene Vorkenntnisse:\rkeine
0                                       eine                                                 NaN
1                          Sprache:\rDeutsch  Modulverantwortliche[r]:\rProf. Dr. Stefan Dierkes
2  Angebotshäufigkeit:\rjedes Sommersemester                                  Dauer:\r1 Semester
3                          Wiederholbarkeit:                           Empfohlenes Fachsemester:
table end

table begin
  Zugangsvoraussetzungen:\rkeine
0                           eine
table end

table begin
                                    zweimalig  1 - 4
0  Maximale Studierendenzahl:\rnicht begrenzt    NaN
table end

table begin
                      Lehrveranstaltung: Einführung in die Finanzwirtschaft (Vorlesung)  2 SWS
0                                                                              Inhalte:    NaN
1                           1. Die traditionelle Betrachtungsweise der Finanzwirtschaft    NaN
2                                 2. Die moderne Betrachtungsweise der Finanzwirtschaft    NaN
3                                                 3. Grundlagen der Investitionstheorie    NaN
4                                                  4. Methoden der Investitionsrechnung    NaN
5               5. Darstellung und Lösung von Entscheidungsproblemen unter Unsicherheit    NaN
6                                   6. Finanzierungskosten einzelner Finanzierungsarten    NaN
7                      7. Kapitalstruktur und Kapitalkosten bei gemischter Finanzierung    NaN
8                      Lehrveranstaltung: Einführung in die Finanzwirtschaft (Tutorium)  2 SWS
9                                                                              Inhalte:    NaN
10  Im Rahmen der begleitenden Tutorien vertiefen und erweitern die Studierenden die in    NaN
11                                 der Vorlesung erworbenen Kenntnisse und Fähigkeiten.    NaN
12                                                        Prüfung: Klausur (90 Minuten)    6 C
table end

table begin
      Zugangsvoraussetzungen:  Empfohlene Vorkenntnisse:
0                       keine                      keine
1                    Sprache:   Modulverantwortliche[r]:
2                     Deutsch        Prof. Dr. Olaf Korn
3                         NaN   Prof. Dr. Jan Muntermann
4         Angebotshäufigkeit:                     Dauer:
5              jedes Semester                 1 Semester
6           Wiederholbarkeit:  Empfohlenes Fachsemester:
7                   zweimalig                      1 - 2
8  Maximale Studierendenzahl:                        NaN
9              nicht begrenzt                        NaN
table end

table begin
                                             Lehrveranstaltung: Lineare Modelle (Vorlesung)  2 SWS
0                                                                                  Inhalte:    NaN
1          Lineare Einfachregression (Modellannahmen, Kleinste-Quadrate-Schätzer, Tests und    NaN
2             Konfidenzintervalle, Prognosen), multiple Regressionsmodelle (Modellannahmen,    NaN
3   Modelldarstellung in Matrixnotation, Kleinste-Quadrate-Schätzer und ihre Eigenschaften,    NaN
4   Tests und Konfidenzintervalle), Modellierung metrischer und kategorialer Einflussgrößen    NaN
5                   (Polynome, Splines, Dummy-Kodierung, Effekt-Kodierung, Varianzanalyse),    NaN
6             Modelldiagnose, Modellwahl, Variablenselektion, Erweiterungen des klassischen    NaN
7                 Regressionsmodells (allgemeine lineare Modelle, Ridge-Regression, LASSO).    NaN
8                                                Lehrveranstaltung: Lineare Modelle (Übung)  2 SWS
9                                                                                  Inhalte:    NaN
10       Im Rahmen der begleitenden Übung vertiefen die Studierenden die Kenntnisse aus der    NaN
11                                           Vorlesung anhand ausgewählter Fragestellungen.    NaN
12                                                            Prüfung: Klausur (90 Minuten)    6 C
table end

table begin
  Zugangsvoraussetzungen:                  Empfohlene Vorkenntnisse:
0                   keine  Gute Kenntnisse des Basismoduls Statistik
1                Sprache:                   Modulverantwortliche[r]:
2                 Deutsch                     Prof. Dr. Thomas Kneib
3     Angebotshäufigkeit:                                     Dauer:
4       jedes 2. Semester                                 1 Semester
table end

table begin
                 Wiederholbarkeit:\rzweimalig  Empfohlenes Fachsemester:\r4 - 6
0  Maximale Studierendenzahl:\rnicht begrenzt                               NaN
table end

table begin
  Georg-August-Universität Göttingen\rModul B.WIWI-QMW.0011: Data Science: Statistik\rEnglish title: Data Science: Statistics  6 C\r4 SWS
0                                                                               odul B.WIWI-QMW.0011: Data Science: Statistik         NaN
1                                                                                      nglish title: Data Science: Statistics         NaN
table end

table begin
Empty DataFrame
Columns: [Lernziele/Kompetenzen:
Die Studierenden:
•erlernen grundlegenden Konzepte der deskriptiven, explorativen und induktiven
Statistik,
•können die den Verfahren zugrunde liegenden Annahmen kritisch hinterfragen und
basierend auf dieser Einschätzung ein geeignetes Verfahren für eine gegebene
Problemstellung auswählen,
•können die behandelten Verfahren in statistischer Software umsetzen, die
erzielten Ergebnisse interpretieren und die Ergebnisse an Kooperationspartner
kommunizieren., Arbeitsaufwand:
Präsenzzeit:
56 Stunden
Selbststudium:
124 Stunden]
Index: []
table end

table begin
  Lehrveranstaltung: Data Science: Statistik (Vorlesung)\rInhalte:\r•Grundbegriffe der Statistik (Stichprobe und Grundgesamtheit, Skalenniveaus,\rZufallsvariable),\r•statistische Kennziffern, Häufigkeiten und ihre graphische Darstellung,\rHistogramm und Kerndichteschätzer, Kontingenztafeln, Korrelationskoeffizienten,\r•Hauptkomponentenanalyse, Diskriminanzanalyse, Clusteranalyse,\r•Frequentistische Inferenz: Grundzüge der Parameterschätzung, Maximum\rLikelihood-Schätzung, Konfidenzintervalle, statistische Tests,\r•Bayesianische Inferenz: Priori- und Posterioriverteilung, Kredibilitätsintervalle,\rBayes-Faktor,\r•Einführung in das lineare Modell, generalisierte lineare Modelle,\r•Einführung in die Zeitreihenanalyse.
0                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                             ata Science: Statistik
table end

table begin
  Lehrveranstaltung: Data Science: Statistik (Übung)
0                             ata Science: Statistik
table end

table begin
  Lehrveranstaltung: Data Science: Statistik (Vorlesung)\rInhalte:\r•Grundbegriffe der Statistik (Stichprobe und Grundgesamtheit, Skalenniveaus,\rZufallsvariable),\r•statistische Kennziffern, Häufigkeiten und ihre graphische Darstellung,\rHistogramm und Kerndichteschätzer, Kontingenztafeln, Korrelationskoeffizienten,\r•Hauptkomponentenanalyse, Diskriminanzanalyse, Clusteranalyse,\r•Frequentistische Inferenz: Grundzüge der Parameterschätzung, Maximum\rLikelihood-Schätzung, Konfidenzintervalle, statistische Tests,\r•Bayesianische Inferenz: Priori- und Posterioriverteilung, Kredibilitätsintervalle,\rBayes-Faktor,\r•Einführung in das lineare Modell, generalisierte lineare Modelle,\r•Einführung in die Zeitreihenanalyse.  2 SWS
0                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                             ata Science: Statistik    NaN
1                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                 Lehrveranstaltung: Data Science: Statistik (Übung)  2 SWS
2                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                             ata Science: Statistik    NaN
3                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                      Prüfung: Klausur (90 Minuten)    6 C
table end

table begin
Empty DataFrame
Columns: [Prüfungsanforderungen:
Die Studierenden weisen in der Modulprüfung nach, dass sie:
•mit den grundlegenden Verfahren der Statistik vertraut sind und ihre
mathematischen Eigenschaften untersuchen können,
•in der Lage sind, Annahmen dieser Verfahren kritisch zu prüfen und geeignete
Verfahren für eine gegebene Problemstellung zu identifizieren,
•statistische Verfahren mit Hilfe der Software R umsetzen und die entsprechendenn
Ergebnisse inhaltlich interpretieren können., Unnamed: 0]
Index: []
table end

table begin
  Zugangsvoraussetzungen:\rkeine                  Empfohlene Vorkenntnisse:\rkeine
0              Sprache:\rDeutsch  Modulverantwortliche[r]:\rProf. Dr. Thomas Kneib
table end

table begin
                                                                                                 Angebotshäufigkeit:\rjährlich            Dauer:\r1 Semester
0                                                                                                 Wiederholbarkeit:\rzweimalig  Empfohlenes Fachsemester:\r2
1                                                                                   Maximale Studierendenzahl:\rnicht begrenzt                           NaN
2  Bemerkungen:\rDas Modul darf nicht absolviert werden, wenn bereits Modul das B.WIWI-EXP.0009 erfolgreich absolviert\rwurde.                           NaN
table end

table begin
                                          • Objektmodell (z. B. Klassendiagramm)  Unnamed: 0 Unnamed: 1
0                 • Gestaltung der Benutzungsoberfläche (Prinzipien / Standards)         NaN        NaN
1                                                             • Datenbankmodelle         NaN        NaN
2                                                        - Implementierungsphase         NaN        NaN
3                                                • Prinzipien des Programmierens         NaN        NaN
4                                                • Arten von Programmiersprachen         NaN        NaN
5                                                        • Übersetzungsprogramme         NaN        NaN
6                                           • Werkzeuge (z. B. Anwendungsserver)         NaN        NaN
7                                                - Abnahme- und Einführungsphase         NaN        NaN
8                                       • Qualitätssicherung (z. B. Systemtests)         NaN        NaN
9                                              • Prinzipien der Systemeinführung         NaN        NaN
10                                                   - Wartungs- und Pflegephase         NaN        NaN
11                                                            • Wartungsaufgaben         NaN        NaN
12                                                           • Portfolio-Analyse         NaN        NaN
13              Lehrveranstaltung: Management der Informationssysteme (Tutorium)         NaN      1 SWS
14                                                                      Inhalte:         NaN        NaN
15                 • Vorstellung des grundlegenden Funktionsumfangs ausgewählter         NaN        NaN
16                                                        Modellierungssoftware,         NaN        NaN
17                              • Einführung in die Grundlagen des Modellierens,         NaN        NaN
18                  • Tutorielle Begleitung bei der Bearbeitung von Fallstudien.         NaN        NaN
19                                                 Prüfung: Klausur (90 Minuten)         NaN        6 C
20                                                        Prüfungsvorleistungen:         NaN        NaN
21  Erfolgreiche Bearbeitung von drei Modellierungsfallstudien und Bewertung von         NaN        NaN
22                  Lösungen im Rahmen eines kollegialen Peer-Review-Verfahrens.         NaN        NaN
table end

table begin
                                                                         Sprache:\rDeutsch Modulverantwortliche[r]:\rDr. Sebastian Hobert
0                                                      Angebotshäufigkeit:\rjedes Semester                             Dauer:\r1 Semester
1                                                             Wiederholbarkeit:\rzweimalig               Empfohlenes Fachsemester:\r3 - 6
2                                               Maximale Studierendenzahl:\rnicht begrenzt                                            NaN
3  Bemerkungen:\rIm Wintersemester werden die Vorlesungsinhalte mittels Videos vermittelt.                                            NaN
table end

table begin
          Lehrveranstaltung: Management der Informationswirtschaft (Vorlesung)  2 SWS
0                                                                     Inhalte:    NaN
1                                        • Modelle des Informationsmanagements    NaN
2                                      • Grundlagen der Informationswirtschaft    NaN
3                                • Strategisches IT-Management & IT-Governance    NaN
4                                                            • IT-Organisation    NaN
5                                • Sicherheitsmanagement & IT- Risk Management    NaN
6                                              • Außenwirksame IS & e-Commerce    NaN
7                                                  • IT-Performance Management    NaN
8                                              • Umsetzung & Betrieb, Green IT    NaN
9                                                          • Projektmanagement    NaN
10                                                          • Highlights / Q&A    NaN
11  Lehrveranstaltung: Methodische Übung Management der Informationswirtschaft  2 SWS
12                                                                     (Übung)    NaN
13  Lehrveranstaltung: Inhaltliche Übung Management der Informationswirtschaft  2 SWS
14                                                                     (Übung)    NaN
15                                               Prüfung: Klausur (90 Minuten)    6 C
16                                                      Prüfungsanforderungen:    NaN
17        Nachweis von Kenntnissen über Grundlagen der Informationswirtschaft.    NaN
table end

table begin
                                                                                                                                                                                                                                                                                                                                         Deutsch       Prof. Dr. Lutz M. Kolbe
0                                                                                                                                                                                                                                                                                                            Angebotshäufigkeit:\rjedes Semester            Dauer:\r1 Semester
1                                                                                                                                                                                                                                                                                                                   Wiederholbarkeit:\rzweimalig  Empfohlenes Fachsemester:\r3
2                                                                                                                                                                                                                                                                                                     Maximale Studierendenzahl:\rnicht begrenzt                           NaN
3  Bemerkungen:\rAngebotshäufigkeit\rDas Modul wird in jedem Semester angeboten. Im Wintersemester wird die Vorlesung und Übung regulär\rgehalten. Im Sommersemester findet nur die Übung statt. Die Vorlesung ist im Selbststudium zu erarbeiten.\rGrundlage dafür ist die aufgezeichnete Vorlesung des jeweils vorhergehenden Wintersemesters.                           NaN
table end

table begin
                 Lehrveranstaltung: Informationsverarbeitung in Dienstleistungsbetrieben 2 SWS
0                                                                            (Vorlesung)   NaN
1                                                                               Inhalte:   NaN
2                   • Grundlagen der Dienstleistungserbringung und der dafür notwendigen   NaN
3                                            Informationsverarbeitung (IV) (Systemarten)   NaN
4   • IV bei Finanzdienstleistern (Kreditgeschäft, Standardsoftware, Wertpapiergeschäft,   NaN
5                                                            Zahlungsverkehrsabwicklung)   NaN
6                         • IV in der Versicherungsbranche (Workflow-Management-Systeme,   NaN
7                                                          Dokumentenmanagement-Systeme)   NaN
8                              • IV in der Medienwirtschaft (Content-Management-Systeme)   NaN
9                                          • IV in der Touristik (Reisevertriebssysteme)   NaN
10                                                         Prüfung: Klausur (90 Minuten)   6 C
11                                                                Prüfungsvorleistungen:   NaN
12                             Drei erfolgreich testierte Bearbeitungen von Fallstudien.   NaN
table end

table begin
               Zugangsvoraussetzungen:\rkeine Empfohlene Vorkenntnisse:\rModul B.WIWI-OPH.0003: Informations- und\rKommunikationssysteme
0                                        eine                                                                                        NaN
1                           Sprache:\rDeutsch                                      Modulverantwortliche[r]:\rProf. Dr. Matthias Schumann
2   Angebotshäufigkeit:\rjedes Wintersemester                                                                         Dauer:\r1 Semester
3                Wiederholbarkeit:\rzweimalig                                                           Empfohlenes Fachsemester:\r3 - 6
4  Maximale Studierendenzahl:\rnicht begrenzt                                                                                        NaN
table end

table begin
  Zugangsvoraussetzungen:\rkeine
0                           eine
table end

table begin
     Lehrveranstaltung: Informationsverarbeitung in Industriebetrieben (Vorlesung) 2 SWS
0                                                                         Inhalte:   NaN
1               • Grundlagen der industriellen Fertigung und der dafür notwendigen   NaN
2                                                         Informationsverarbeitung   NaN
3   • Darstellung der IV entlang des industriellen Prozesses mit den Bereichen der   NaN
4         Forschung und Entwicklung, Vertrieb, Materialbeschaffung und Produktion,   NaN
5                                                                         Versand,   NaN
6                                                   • Kundennachsorge, CRM und SCM   NaN
7         • IV in den Querschnittsfunktionen Lagerhaltung und Logistik, Marketing,   NaN
8                             • Personalwirtschaft, Controlling und Rechnungswesen   NaN
9   • Integrationsaspekte von Anwendungssystemen durch EDI und Integrationsmodelle   NaN
10                          • Integrierte Datenauswertung durch ein Data Warehouse   NaN
11   • Darstellung eines integrierten Anwendungssystems im industriellen Umfeld am   NaN
12                                                                Beispiel SAP ERP   NaN
13                                                   Prüfung: Klausur (90 Minuten)   6 C
table end

table begin
               Zugangsvoraussetzungen:\rkeine Empfohlene Vorkenntnisse:\rB.WIWI-OPH.0003 Informations- und\rKommunikationssysteme
0                                        eine                                                                                 NaN
1                           Sprache:\rDeutsch                               Modulverantwortliche[r]:\rProf. Dr. Matthias Schumann
2   Angebotshäufigkeit:\rjedes Sommersemester                                                                  Dauer:\r1 Semester
3                Wiederholbarkeit:\rzweimalig                                                    Empfohlenes Fachsemester:\r3 - 6
4  Maximale Studierendenzahl:\rnicht begrenzt                                                                                 NaN
table end

table begin
  Zugangsvoraussetzungen:\rkeine
0                           eine
table end

table begin
   Lehrveranstaltung: Geschäftsprozesse und Informationstechnologie (Online- 2 SWS
0                                                                 Vorlesung)   NaN
1                                                                   Inhalte:   NaN
2                                     • Grundlagen der Wirtschaftsinformatik   NaN
3                                               • Geschäftsprozessmanagement   NaN
4                                                • Prozessmodellierung (EPK)   NaN
5                                                              • Integration   NaN
6                           • Datenmanagement und Datenbankmanagementsysteme   NaN
7                                          • Structured Query Language (SQL)   NaN
8                                           • Data Warehouse und Data-Mining   NaN
9                              • Standardsoftware und Software-Architekturen   NaN
10                                                      • Outsourcing von IT   NaN
11                             • Konzepte für betriebliche Anwendungssysteme   NaN
12                                                • Internet of Things (IoT)   NaN
13           • Informationsmanagement (IM) und Organisation RFID-Technologie   NaN
14                                             Prüfung: Klausur (90 Minuten)   4 C
table end

table begin
Empty DataFrame
Columns: [eine]
Index: []
table end

table begin
                            Sprache:\rDeutsch Modulverantwortliche[r]:\rProf. Dr. Matthias Schumann
0   Angebotshäufigkeit:\rjedes Wintersemester                                    Dauer:\r1 Semester
1                Wiederholbarkeit:\rzweimalig                      Empfohlenes Fachsemester:\r3 - 6
2  Maximale Studierendenzahl:\rnicht begrenzt                                                   NaN
table end

table begin
   Lehrveranstaltung: Modellierung betrieblicher Informationssysteme (Online- 2 SWS
0                                                                  Vorlesung)   NaN
1                                                                    Inhalte:   NaN
2                                   • Modellbegriff, Informationsmodellierung   NaN
3                                    • Informationsmodelle, ARIS Sichten, ERM   NaN
4                                     • Kardinalitäten, rekursive Beziehungen   NaN
5                             • Generalisierung/Spezialisierung, Datenmodelle   NaN
6                            • Integritätsbedingungen, SERM, Relationenmodell   NaN
7                            • Universalrelation, Normalform, ERM Modell, SQL   NaN
8                                           • Modellierung der Funktionssicht   NaN
9                                                      • Regeln für eEPK, SEQ   NaN
10                          • Hierarchisierung von Prozessketten, Petri Netze   NaN
11                                      • Objektorientierte Modellierung, UML   NaN
12                                       • Use Case Diagram, Activity Diagram   NaN
13                                          • Objektorientierung, Metamodelle   NaN
14                                              Prüfung: Klausur (90 Minuten)   4 C
table end

table begin
      Zugangsvoraussetzungen:    Empfohlene Vorkenntnisse:
0                       keine                        keine
1                    Sprache:     Modulverantwortliche[r]:
2                     Deutsch  Prof. Dr. Matthias Schumann
3         Angebotshäufigkeit:                       Dauer:
4        jedes Sommersemester                   1 Semester
5           Wiederholbarkeit:    Empfohlenes Fachsemester:
6                   zweimalig                        3 - 6
7  Maximale Studierendenzahl:                          NaN
8              nicht begrenzt                          NaN
table end

table begin
  Georg-August-Universität Göttingen\rModul B.WIWI-WIN.0027: Seminar zu Themen der\rWirtschaftsinformatik und BWL\rEnglish title: Seminar on Topics in Business Information Systems and Business\rAdministration  6 C\r2 SWS
0                                                                                                                                      odul B.WIWI-WIN.0027: Seminar zu Themen der\rirtschaftsinformatik und BWL         NaN
1                                                                                                                    nglish title: Seminar on Topics in Business Information Systems and Business\rdministration         NaN
table end

table begin
Empty DataFrame
Columns: [Lernziele/Kompetenzen:
Nach erfolgreicher Teilnahme sind die Studierenden in der Lage:
•die Grundlagen eines ausgewählten Themas der BWL und Wirtschaftsinformatik
(u. a. aus den Bereichen Informationsmanagement, Management-
Informationssysteme sowie Informations- und Kommunikationssystemen) zu
beschreiben und zu erklären,
•in der Literatur existierende Erkenntnisse zu den oben genannten Themengebieten
auf eine gegebene Problemstellung anzuwenden,
•auf Basis existierender Literatur eigene Erkenntnisse zu einer Problemstellung zu
entwerfen und zu analysieren., Arbeitsaufwand:
Präsenzzeit:
28 Stunden
Selbststudium:
152 Stunden]
Index: []
table end

table begin
  Lehrveranstaltung: Seminar zu Themen der Wirtschaftsinformatik und BWL\r(Seminar)\rInhalte:\r•Selbständiges Anfertigen einer wissenschaftlichen Hausarbeit. Erfordert das\rbearbeitete Thema die Entwicklung eines Programms, dann wird dieses im\rRahmen der Hausarbeit dokumentiert,\r•Präsentation der Hausarbeit vor einem Auditorium,\r•die Themen des Seminars orientieren sich an den aktuellen\rForschungsschwerpunkten des Lehrstuhls.
0                                                                                                                                                                                                                                                                                                                                                                                              eminar zu Themen der Wirtschaftsinformatik und BWL
table end

table begin
  Lehrveranstaltung: Seminar zu Themen der Wirtschaftsinformatik und BWL\r(Seminar)\rInhalte:\r•Selbständiges Anfertigen einer wissenschaftlichen Hausarbeit. Erfordert das\rbearbeitete Thema die Entwicklung eines Programms, dann wird dieses im\rRahmen der Hausarbeit dokumentiert,\r•Präsentation der Hausarbeit vor einem Auditorium,\r•die Themen des Seminars orientieren sich an den aktuellen\rForschungsschwerpunkten des Lehrstuhls. 2 SWS
0                                                                                                                                                                                                                                                                                                                                                                                              eminar zu Themen der Wirtschaftsinformatik und BWL   NaN
1                                                                                                                                                                                                                                             Prüfung: Hausarbeit (max. 20 Seiten) mit Präsentation (ca. 20 Minuten)\rPrüfungsvorleistungen:\rRegelmäßige Teilnahme am Seminar sowie am Blockkurs „Einführung in das\rwissenschaftliche Arbeiten“   6 C
table end

table begin
Empty DataFrame
Columns: [Prüfungsanforderungen:
Die Studierenden weisen in der Modulprüfung nach, dass sie...
•selbstständig in der Lage sind, eine gegebene Problemstellung der
BWL, Wirtschaftsinformatik und Informatik zu analysieren und mit Hilfe
wissenschaftlicher Literatur sowie wissenschaftlicher Vorgehensweisen zu lösen,
•eigene Lösungen kritisch reflektieren und Alternativen aufzeigen können,
•die erarbeiteten Ergebnisse in Form einer Seminararbeit verfassen sowie in Form
eines Vortrags präsentieren können,
•kritische Fragen zum gehaltenen Vortrag beantworten können und somit zu einem
intensiven und konstruktiven akademischen Diskurs beitragen können., Unnamed: 0]
Index: []
table end

table begin
  Zugangsvoraussetzungen:\rkeine
0                           eine
table end

table begin
  Zugangsvoraussetzungen:\rkeine  Empfohlene Vorkenntnisse:\rB.WIWI-OPH.0003 Informations- und\rKommunikationssysteme
0                           eine                                                                                  NaN
table end

table begin
                                                                          Sprache:\rDeutsch Modulverantwortliche[r]:\rProf. Dr. Lutz M. Kolbe\rProf. Dr. Manuel Trenz, Prof. Dr. Matthias Schumann
0                                                       Angebotshäufigkeit:\rjedes Semester                                                                                     Dauer:\r1 Semester
1                                                              Wiederholbarkeit:\rzweimalig                                                                       Empfohlenes Fachsemester:\r3 - 5
2                                                            Maximale Studierendenzahl:\r30                                                                                                    NaN
3  Bemerkungen:\rDie Prüfungsleistung kann neben Deutsch auch auf Englisch erbracht werden.                                                                                                    NaN
table end

table begin
                                    Lehrveranstaltung: Ökosystemmodellierung (Vorlesung)  2 SWS
0                                                                               Inhalte:    NaN
1            Das Modul vermittelt grundlegende Kenntnisse der Ökosystemmodellierung. Der    NaN
2            Schwerpunkt liegt auf theoretischen Grundlagen und klassischen Modellen der    NaN
3   terrestrischen Ökologie. Das Verständnis der in der Vorlesung vorgestellten Theorien    NaN
4                                              und Konzepte wird durch Übungen vertieft.    NaN
5                               Lehrveranstaltung: Ökosystemmodellierung - Übung (Übung)  2 SWS
6                                                                               Inhalte:    NaN
7                                                        Übungen zu dem Vorlesungsstoff.    NaN
8                                                 Prüfung: Präsentation (ca. 15 Minuten)    6 C
9                                                                 Prüfungsvorleistungen:    NaN
10                                                    Regelmäßige Teilnahme an der Übung    NaN
11                                                                Prüfungsanforderungen:    NaN
12     Anfertigen und Vorstellen eines themenbezogenen Posters (1 Seite) aus dem Bereich    NaN
13                                                            der Ökosystemmodellierung.    NaN
table end

table begin
                              Zugangsvoraussetzungen: Empfohlene Vorkenntnisse:
0                                    keine B.ÖSM.101 Waldökologie und B.ÖSM.106
1                                                                   Naturschutz
2                                             Sprache: Modulverantwortliche[r]:
3                                              Deutsch Dr. Katrin Mareike Meyer
4                                                    Angebotshäufigkeit: Dauer:
5                                               jedes Wintersemester 1 Semester
6                                   Wiederholbarkeit: Empfohlenes Fachsemester:
7                                                                zweimalig ab 5
8                                                    Maximale Studierendenzahl:
9                                                                            50
10                                                                 Bemerkungen:
11  Die maximale Anzahl an Studierenden bezieht sich lediglich auf die Übungen.
table end

table begin
     Lehrveranstaltung: Genome analysis and application of markers in plantbreeding 4 SWS
0                                                                (Vorlesung, Übung)   NaN
1                                                                          Inhalte:   NaN
2                        Überblick über verschiedene Typen von molekularen Markern.   NaN
3                                              Schätzung von genetischen Distanzen.   NaN
4                          Grundlagen der klassischen Genetik zur Kopplungsanalyse.   NaN
5                   Konstruktion von Kopplungskarten. Markergestützte Rückkreuzung.   NaN
6     Kartierung von QTL: Theorie und praktische Übungen mit großen Datensätzen aus   NaN
7                                                            früheren Experimenten.   NaN
8                        Grundlagen der Bioinformatik: Vergleich von DNA Sequenzen.   NaN
9                                                     Prüfung: Klausur (90 Minuten)   6 C
10                                                           Prüfungsvorleistungen:   NaN
11                                             Abgabe der Lösung von Übungsaufgaben   NaN
12                                                           Prüfungsanforderungen:   NaN
13  Grundlagenkenntnisse in klassischen und molekularen Methoden der Kartierung von   NaN
14                                                                           Genen.   NaN
15           Basiskenntnisse im Einsatz molekularer Marker in der Pflanzenzüchtung.   NaN
table end

table begin
      Zugangsvoraussetzungen:            Empfohlene Vorkenntnisse:
0                       keine                                keine
1                    Sprache:             Modulverantwortliche[r]:
2                    Englisch  Prof. Dr. Timothy Mathes Beissinger
3         Angebotshäufigkeit:                               Dauer:
4        jedes Wintersemester                           1 Semester
5           Wiederholbarkeit:            Empfohlenes Fachsemester:
6                   zweimalig                                  NaN
7  Maximale Studierendenzahl:                                  NaN
8                          20                                  NaN
table end

table begin
             Lehrveranstaltung: Quantitativ-genetische Methoden der Tierzucht (Vorlesung, 6 SWS
0                                                                                  Übung)   NaN
1                                                                                Inhalte:   NaN
2             In dieser Lehrveranstaltung werden die wesentlichen quantitativ-genetischen   NaN
3             Konzepte vorgestellt, die der Tierzucht zu Grunde liegen. Ausgehend von den   NaN
4          molekulargenetischen Grundlagen und den Regeln der Wahrscheinlichkeitsrechnung   NaN
5        werden die wichtigsten genetischen Mechanismen innerhalb von Populationen anhand   NaN
6          des Ein-Locus-Modells dargestellt. Behandelt werden Gen- und Genotypfrequenzen   NaN
7             unter Gleichgewichtsbedingungen und in dynamischen Systemen, wie etwa unter   NaN
8            Selektion. Aus Frequenzen und Genotypwerten werden Varianzen und Kovarianzen   NaN
9     sowie die daraus abgeleiteten Populationsparameter wie Heritabilität und genetische   NaN
10  Korrelation entwickelt. Auf dieser Basis wird die Selektionstheorie eingeführt und es   NaN
11     wird der Selektionsindex zur Kombination von Merkmalen und von Informationsquellen   NaN
12           vorgestellt. Das Konzept der Heterosis als Grundlage der Kreuzungszucht wird   NaN
13        erläutert und es werden verschiedene Strategien der Kreuzungszucht dargestellt.   NaN
14              An ausgewählten Beispielen wird erläutert, wie neue Technologien (z.B. im   NaN
15     Reproduktionsbereich) und Informationsquellen (z.B. molekulargenetische Marker) in   NaN
16                                                der Tierzüchtung genutzt werden können.   NaN
17                                                          Prüfung: Klausur (90 Minuten)   6 C
18                                                                 Prüfungsanforderungen:   NaN
19   Wesentliche Kenntnisse in Populationsgenetik in Ein-Locus-Modellen sowie genetischer   NaN
20      Parameter, Zuchtwertschätzung, Selektionsindex, in der Ableitung wirtschaftlicher   NaN
21                                                  Gewichte und von Kreuzungsparametern.   NaN
table end

table begin
      Zugangsvoraussetzungen:  Empfohlene Vorkenntnisse:
0                       keine                      keine
1                    Sprache:   Modulverantwortliche[r]:
2                     Deutsch  Prof. Dr. Henner Simianer
3         Angebotshäufigkeit:                     Dauer:
4        jedes Sommersemester                 1 Semester
5           Wiederholbarkeit:  Empfohlenes Fachsemester:
6                   zweimalig                        NaN
7  Maximale Studierendenzahl:                        NaN
table end

table begin
Empty DataFrame
Columns: [90]
Index: []
table end

table begin
                      Course: Quantitative genetics and population genetics (Lecture, Exercise) 6 WLH
0                                                                                     Contents:   NaN
1              The genetic composition of a population in a single locus model, changes of gene   NaN
2             and genotype frequencies, the polygenic model, components of phenotypic variance,   NaN
3      relationship and inbreeding, heterosis and inbreeding depression, genetic drift, linkage   NaN
4     disequilibrium, selection signatures. All contents are initially taught in theory and are   NaN
5                           consolidated in practical computer exercises (some with real data).   NaN
6         Literature: Falconer & Mackay, Introduction to Quantitative Genetics (Prentice Hall),   NaN
7                       Lynch and Walsh, Genetics and Analysis of Quantitative Traits (Sinauer)   NaN
8                                                 Examination: Written examination (90 minutes)   6 C
9                                                                     Examination requirements:   NaN
10              Advanced knowledge of the quantitative-genetic and population genetic basics of   NaN
11  breeding, ability to apply appropriate methods to real data sets. Final exam with practical   NaN
12                                                                     examination on computer.   NaN
table end

table begin
                    Admission requirements:               Recommended previous knowledge:
0                                      none  Basic knowledge of plant and animal breeding
1                                 Language:                Person responsible for module:
2                                   English                     Prof. Dr. Henner Simianer
3                         Course frequency:                                     Duration:
4                      each winter semester                                 1 semester[s]
5  Number of repeat examinations permitted:                         Recommended semester:
6                                     twice                                     Master: 1
7               Maximum number of students:                                           NaN
8                                        20                                           NaN
table end

table begin
  Georg-August-Universität Göttingen\rModule M.WIWI-QMW.0002: Advanced Statistical Inference\r(Likelihood & Bayes)  6 C\r4 WLH
0                                       odule M.WIWI-QMW.0002: Advanced Statistical Inference\rLikelihood & Bayes)         NaN
table end

table begin
Empty DataFrame
Columns: [Learning outcome, core skills:
Upon completion of the module, the students have acquired the following competencies:
•foundations and general properties of likelihood-based inference in statistics,
•bayesian approaches to statistical learning and their properties,
•implementation of both approaches in statistical software using appropriate
numerical procedures., Workload:
Attendance time:
56 h
Self-study time:
124 h]
Index: []
table end

table begin
  Course: Advanced Statistical Inference (Likelihood & Bayes) (Exercise)\rContents:\rThe likelihood function and likelihood principles, maximum likelihood estimates and their\rproperties, likelihood-based tests and confidence intervals (derived from Wald, score,\rand likelihood ratio statistics), expectation maximization algorithm, Bootstrap procedures\r(estimates for the standard deviation, the bias and confidence intervals), Bayes theorem,\rBayes estimates, Bayesian credible intervals, prior choices, computational approaches\rfor Bayesian inference, model choice, predictions
0                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                    dvanced Statistical Inference (Likelihood & Bayes)
table end

table begin
     Course: Advanced Statistical Inference (Likelihood & Baye) (Lecture)\rContents:\rThe likelihood function and likelihood principles, maximum likelihood estimates and their\rproperties, likelihood-based tests and confidence intervals (derived from Wald, score,\rand likelihood ratio statistics), expectation maximization algorithm, Bootstrap procedures\r(estimates for the standard deviation, the bias and confidence intervals), Bayes theorem,\rBayes estimates, Bayesian credible intervals, prior choices, computational approaches\rfor Bayesian inference, model choice, predictions  2 WLH
0                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                      dvanced Statistical Inference (Likelihood & Baye)    NaN
1  Course: Advanced Statistical Inference (Likelihood & Bayes) (Exercise)\rContents:\rThe likelihood function and likelihood principles, maximum likelihood estimates and their\rproperties, likelihood-based tests and confidence intervals (derived from Wald, score,\rand likelihood ratio statistics), expectation maximization algorithm, Bootstrap procedures\r(estimates for the standard deviation, the bias and confidence intervals), Bayes theorem,\rBayes estimates, Bayesian credible intervals, prior choices, computational approaches\rfor Bayesian inference, model choice, predictions  2 WLH
2                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                     dvanced Statistical Inference (Likelihood & Bayes)    NaN
3                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                Examination: Written examination (90 minutes) or oral examination (approx. 20\rminutes)    6 C
table end

table begin
  Course: Advanced Statistical Inference (Likelihood & Baye) (Lecture)\rContents:\rThe likelihood function and likelihood principles, maximum likelihood estimates and their\rproperties, likelihood-based tests and confidence intervals (derived from Wald, score,\rand likelihood ratio statistics), expectation maximization algorithm, Bootstrap procedures\r(estimates for the standard deviation, the bias and confidence intervals), Bayes theorem,\rBayes estimates, Bayesian credible intervals, prior choices, computational approaches\rfor Bayesian inference, model choice, predictions
0                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                   dvanced Statistical Inference (Likelihood & Baye)
table end

table begin
Empty DataFrame
Columns: [Examination requirements:
The students demonstrate their general understanding of likelihood-based and Bayesian
inference for different types of applications and research questions. They know about
the advantages and disadvantages as well as general properties of both approaches,
can critically assess the appropriateness for specific problems, and can implement them
in statistical software. The exam covers contents of both the lecture and the exercise
class., Unnamed: 0]
Index: []
table end

table begin
   Admission requirements:\rnone                   Recommended previous knowledge:\rnone
0                            one                                                     NaN
1             Language:\rEnglish  Person responsible for module:\rProf. Dr. Thomas Kneib
2  Course frequency:\revery year                                Duration:\r1 semester[s]
table end

table begin
  Admission requirements:\rnone
0                           one
table end

table begin
                                                                 Number of repeat examinations permitted:\rtwice  Recommended semester:\r1 - 2
0                                                                       Maximum number of students:\rnot limited                           NaN
1  Additional notes and regulations:\rThe actual examination will be published at the beginning of the semester.                           NaN
table end

table begin
  Georg-August-Universität Göttingen\rModule M.WIWI-QMW.0009: Introduction to Time Series Analysis  6 C\r4 WLH
0                                      odule M.WIWI-QMW.0009: Introduction to Time Series Analysis         NaN
table end

table begin
Empty DataFrame
Columns: [Learning outcome, core skills:
The students:
•learn concepts and techniques related to the analysis of time series and
forecasting,
•gain a solid understanding of the stochastic mechanisms underlying time series
data,
•learn how to analyse time series using statistical software packages and how to
interpret the results obtained., Workload:
Attendance time:
56 h
Self-study time:
124 h]
Index: []
table end

table begin
  Course: Introduction to Time Series Analysis (Lecture)\rContents:\rClassical time series decomposition analysis (moving averages, transformations of\rtime series, parametric trend estimates, seasonal and cyclic components), exponential\rsmoothing, stochastic models for time series (multivariate normal distribution,\rautocovariance and autocorrelation function), stationarity,spectral analysis, general\rlinear time series models and their properties, ARMA models, ARIMA models, ARCH\rand GARCH models.
0                                                                                                                                                                                                                                                                                                                                                                                                                                                                                     ntroduction to Time Series Analysis
table end

table begin
  Course: Introduction to Time Series Analysis (Lecture)\rContents:\rClassical time series decomposition analysis (moving averages, transformations of\rtime series, parametric trend estimates, seasonal and cyclic components), exponential\rsmoothing, stochastic models for time series (multivariate normal distribution,\rautocovariance and autocorrelation function), stationarity,spectral analysis, general\rlinear time series models and their properties, ARMA models, ARIMA models, ARCH\rand GARCH models.  2 WLH
0                                                                                                                                                                                                                                                                                                                                                                                                                                                                                     ntroduction to Time Series Analysis    NaN
1                                                                                                                                                                                                                             Course: Introduction to Time Series Analysis (Tutorial)\rContents:\rPractical and theoretical exercises covering the content of the lecture. Implementation\rof time series models and estimation by common statistical software (e.g. R or Matlab).\rInterpretation of estimation results.  2 WLH
2                                                                                                                                                                                                                                                                                                                                                                                                                                                                                     ntroduction to Time Series Analysis    NaN
3                                                                                                                                                                                                                                                                                                                                                                                                                                                                           Examination: Written examination (90 minutes)    6 C
table end

table begin
  Course: Introduction to Time Series Analysis (Tutorial)\rContents:\rPractical and theoretical exercises covering the content of the lecture. Implementation\rof time series models and estimation by common statistical software (e.g. R or Matlab).\rInterpretation of estimation results.
0                                                                                                                                                                                                                                                         ntroduction to Time Series Analysis
table end

table begin
Empty DataFrame
Columns: [Examination requirements:
The students show their ability to analyze time series using specific statistical
techniques, can derive and interpret properties of stochastic models for time series,
and can decide on appropriate models for given time series data. The students are
able to implement time series analyses using statistical software and to interpret the
corresponding results. The exam covers contents of both the lecture and the exercise
class., Unnamed: 0]
Index: []
table end

table begin
  Admission requirements:\rnone
0                           one
table end

table begin
                     Admission requirements:\rnone Recommended previous knowledge:\rB.WIWI-OPH.0006 Statistics and M.WIWI-\rQMW.0004 Econometrics I
0                                              one                                                                                              NaN
1                               Language:\rEnglish                                        Person responsible for module:\rProf. Dr. Helmut Herwartz
2                   Course frequency:\ronce a year                                                                         Duration:\r1 semester[s]
3  Number of repeat examinations permitted:\rtwice                                                                     Recommended semester:\r2 - 3
table end

table begin
Empty DataFrame
Columns: [Maximum number of students:
50, Unnamed: 0]
Index: []
table end

table begin
                                     Course: Breeding informatics (Lecture, Exercise) 4 WLH
0                                                                           Contents:   NaN
1                                                 • Bascics of Linux operating system   NaN
2                                                             • Basic data structures   NaN
3                                                                  • Programming in R   NaN
4                                                               • Regular expressions   NaN
5                          • Design and implementation of pipelines for data analysis   NaN
6                                                • Shell scripts on Linux (gawk, sed)   NaN
7                                                  • Relation of genotype - phenotype   NaN
8                                                  • Basic concepts of bioinformatics   NaN
9                                       Examination: Written examination (90 minutes)   6 C
10                                                          Examination requirements:   NaN
11  Profound knowledge of informatics methods to evaluate large datasets for breeding   NaN
12                                                                            issues.   NaN
table end

table begin
                    Admission requirements:                     Recommended previous knowledge:
0                                      none  Basic knowledge of molecular genetics, statistics,
1                                       NaN                                          programing
2                                 Language:                      Person responsible for module:
3                                   English                             Prof. Dr. Armin Schmitt
4                         Course frequency:                                           Duration:
5                      each summer semester                                       1 semester[s]
6  Number of repeat examinations permitted:                               Recommended semester:
7                                     twice                                                 NaN
8               Maximum number of students:                                                 NaN
9                                        20                                                 NaN
table end

table begin
                                   Course: Data Analysis with R (Block course, Lecture, Exercise) 2 WLH
0                                                                                       Contents:   NaN
1                     The fundamental concepts of the programming package R will be presented and   NaN
2               deepened during practical exercises. Statistical methods will be recapitulated if   NaN
3                                    necessary. Special emphasis is put on visualization methods.   NaN
4                                                                                     Literature:   NaN
5                                                                       Wiki-book "R programming"   NaN
6                                                     https://en.wikibooks.org/wiki/R_Programming   NaN
7                                                            "R for Beginners" by Emanuel Paradis   NaN
8                                   https://cran.r-project.org/doc/contrib/Paradis-rdebuts_en.pdf   NaN
9                                                                     "R tips" by Paul E. Johnson   NaN
10                                                          http://pj.freefaculty.org/R/Rtips.pdf   NaN
11                                             Examination: Oral examination (approx. 20 minutes)   3 C
12                                                                      Examination requirements:   NaN
13  Ability to analyze typical data sets with the statistical package R and interpretation of the   NaN
14                                                                                       results.   NaN
table end

table begin
                    Admission requirements:         Recommended previous knowledge:
0                                      none  Knowledge of basic statistics concepts
1                                 Language:          Person responsible for module:
2                                   English                 Prof. Dr. Armin Schmitt
3                         Course frequency:                               Duration:
4                             each semester                           1 semester[s]
5  Number of repeat examinations permitted:                   Recommended semester:
6                                     twice                               Master: 4
7               Maximum number of students:                                     NaN
8                                        24                                     NaN
table end