DE / EN

CC 303: Quantitative Methoden

Lerninhalte
In der heutigen Welt treffen führende Unternehmen komplexe Entscheidungen selten aus dem Bauch, sondern sammeln systematisch Daten, analysieren diese und modellieren wichtige Zusammenhänge. Auf Basis der empirischen Einsichten werden ebenso systematisch Entscheidungen getroffen – mit Hilfe der Optimierung als Entscheidungs­unterstützung. Für viele „Business Analytics“ Methoden – ob deskriptiv, prädiktiv oder präskriptiv – ist die lineare Algebra eine wichtige Grundlage, die in diesem Kurs geschaffen wird. Darüber hinaus wird die Modellierung und Lösung praxisrelevanter Optimierungs­probleme diskutiert, inkl. Spreadsheet-basierter Tools.

Lern- und Qualifikations­ziele
Die Studierenden sollen grundlegende Methoden der Linearen Algebra sowie deren betriebs­wirtschaft­lichen Anwendungen kennen lernen und umsetzen können. Darüber hinaus sollen strukturierte Herangehensweise und analytische Fähigkeiten trainiert werden, z.B. die Modellierung von realen Entscheidungs­situationen als mathematisches Optimierungs­problem und deren Lösung mit Hilfe von Algorithmen.
Nach Abschluss der Vorlesung sollen Studierende fach­spezifisches Wissen haben und in der Lage sein, dieses anzuwenden, um Problemstellungen der jeweiligen wissenschaft­lichen Disziplinen zu analysieren, zu modellieren und zu lösen.

Notwendige Voraussetzungen

Inhaltliche Voraussetzungen

LehreSelbststudium
Vorlesung2 SWS1 SWS
Übung2 SWS1 SWS
Tutorium2 SWS1 SWS
ECTS3
SpracheDeutsch
Prüfungs­form und -umfangSchriftliche Prüfung (45 min.), optionale Bonusaufgaben während der Vorlesungs­zeit
Zulassungs­beschränktNein
Informationen zur Anmeldung
Geprüft durch
Durchführende Lehr­kraft
Prof. Dr. Cornelia Schön
Prof. Dr. Cornelia Schön
AngebotsturnusHerbst-/Wintersemester
Dauer des Moduls 0.5 Semester
VerwendbarkeitB.Sc. BWL
Vorleistungen
Programm­spezifische KompetenzzieleCG 1, CG 2, CG 4
Benotung Ja
Literaturs. syllabus
Gliederung
  • Fundamentals of linear algebra
  • Systems of linear equations
  • Linear optimization, Simplex algorithm
  • Integer optimization
  • Practice applications