Data Science and Artificial Intelligence

Repetitorium - review course

Tutorial, 5.00 ECTS


Course content

Repetition of important basics for your studies, such as:
I. Repetition of Mathematics and Higher Mathematics
Area 1: Basic mathematical terms
- Set theory and sets of numbers
- Solve equations and inequalities
- Elementary functions
- Compute with complex numbers
- Metric spaces
Area 2: Elementary Analysis
- Sequences and rows, limit value concept
- Differential calculus, extreme value problems, L'Hospital's Rule
- Integral, simple integrals, gamma function
Area 3: Basic concepts of linear algebra
- Vectors and matrices
- Solution of linear systems of equations
- Vector spaces including functional spaces
II. Information Science Repetitorium
Area 1: basic terms
- Data, knowledge and information management
- Information retrieval
Area 2: cognition
- Neurons, synapses, neurotransmitters, neuronal circuits
- Neuronal storage of information, macroscopic structure of the brain
- Cognitive psychological basics
Area 3: Communication
- Model / theorie of signal and message transmission
- Communication models and theories

Learning outcomes

The graduate has a sound knowledge of important basics for the study. The concrete contents of the offered répétiteur(s) are continuously evaluated on the basis of the experience of the entire teaching staff and are optimised or adapted to the respective needs by the course management in cooperation with the respective teaching staff of this course.

Recommended or required reading and other learning resources / tools

Recommended literature or books:
- Arens, T., Hettlich, F. (2018). Mathematik. Springer Spektrum, 4. Auflage.
- Bronstein, I. N., Mühlig, H. (2016). Taschenbuch der Mathematik. Europa-Lehrmittel, 10. Auflage.
- Burkhart, R. (2019). Kommunikationswissenschaft. Grundlagen und Problemfelder einer interdisziplinären Sozialwissenschaft. UTB, 5. Auflage.
- Funke, J., et al. (2013). Kognitive Psychologie. Springer VS, 7. Auflage.
- Gerrig, R. J., Zimardo, P. G. (2018). Psychologie. Mit E-Learning "MyLab / Psychologie". Pearson Studium, 21. Auflage.
- Homberger, D. (2003). Sachwörterbuch zur Sprachwissenschaft. Reclam, Philipp, jun. GmbH Verlag, 1. Auflage.
- Kahle, W., Frotscher, M. (2018). Taschenatlas Anatomie, Band 3: Nervensysteme und Sinnesorgane. Thieme, 12. Auflage.
- Kuhlen, R., e. al (2013). Grundlagen der praktischen Information und Dokumentation: Handbuch zur Einführung in die Informationswissenschaft und -praxis. De Gruyter Saur, 6. Auflage.
- Kuhlen, R., et al (2004). Grundlagen der praktischen Information und Dokumentation. K.G. Saur, 5. Auflage.
- Kunczik, M., Zipfel, A. (2005). Publizistik: Ein Studienhandbuch. UTB, 2. Auflage.
- Merziger, G., Wirth T. (2010). Repetitorium Höhere Mathematik. Binomi, 6. Auflage.
- Merziger, G., et al. (2013). Formeln und Hilfen zur Höheren Mathematik. Binomi, 7. Auflage.
- Neveling, U., et al (1976). Terminologie der Information und Dokumentation (DGD Schriftenreihe, Band 4). De Gruyter, 1. Auflage.
- Silbernagl, S., Draguhn, A. (2018). Taschenatlas Physiologie. Thieme, 9. Auflage.
- Teschl, G. (2013). Mathematik für Informatiker: Band 1: Diskrete Mathematik und Lineare Algebra. Springer Spektrum, 4. Auflage.
- Teschl, G. (2014). Mathematik für Informatiker: Band 2: Analysis und Statistik. Spinger Spektrum, 3. Auflage.
- Weitz, E. (2018). Konkrete Mathematik (nicht nur) für Informatiker: Mit vielen Grafiken und Algorithmen in Python. Springer Spektrum, 1. Auflage.
Recommended journals or selected articles:
Relevant journals and articles will be announced in the course.

Typical software for this course:
Python / Spyder / PyCharm, Matlab / Octave / Scilab etc.

Mode of delivery

2,5 ECTS Lecture, 2,5 ECTS Exercise

Prerequisites and co-requisites


Assessment methods and criteria

Lecture: final exam, Exercise: examination character