Suchergebnis: Katalogdaten im Herbstsemester 2018

Nummer	Titel	Typ	ECTS	Umfang	Dozierende
Rechnergestützte Wissenschaften DZ Detaillierte Informationen zum Ausbildungsgang auf: www.didaktischeausbildung.ethz.ch
Erziehungswissenschaften Das allgemeine Lehrangebot für den Bereich Erziehungwissenschaften ist unter "Studiengang: Ausbildung in Erziehungswissenschaften für Lehrdiplom und DZ" aufgeführt.
851-0240-00L	Menschliches Lernen (EW1) Die Veranstaltung sollte nur besucht werden, wenn man vorhat, sich in den Studiengang "Lehrdiplom für Maturitätsschulen" oder in den Ausbildungsgang "Didaktik-Zerfitikat" einzuschreiben. Der Inhalt ist auf schulisches Lernen im Kindes- und Jugendalter abgestimmt.	O	2 KP	2G	E. Stern
Kurzbeschreibung	Es werden wissenschaftliche Theorien sowie empirische Untersuchungen zum menschlichen Lernen behandelt und auf die Schule bezogen.
Lernziel	Wer erfolgreich lehren will, muss zunächst einmal das Lernen verstehen. Vor diesem Hintergrund werden Theorien und Befunde zur menschlichen Informationsverarbeitung und zum menschlichen Verhalten so aufbereitet, dass sie für die Planung und Durchführung von Unterricht genutzt werden können. Zudem soll ein Verständnis für das Vorgehen in der lern- und verhaltenswissenschaftlichen Forschung aufgebaut werden, so dass Lehrpersonen befähigt werden, sich im Gebiet der Lehr- und Lernforschung selbständig weiterzubilden.
Inhalt	Thematische Schwerpunkte: Lernen als Verhaltensänderung und als Informationsverarbeitung; Das menschliche Gedächtnis unter besonderer Berücksichtigung der Verarbeitung symbolischer Information; Lernen als Wissenskonstruktion und Kompetenzerwerb unter besonderer Berücksichtigung des Wissenstransfers; Lernen durch Instruktion und Erklärungen; Die Rolle von Emotion und Motivation beim Lernen; Interindividuelle Unterschiede in der Lernfähigkeit und ihre Ursachen: Intelligenztheorien, Geschlechtsunterschiede beim Lernen Lernformen: Theorien und wissenschaftliche Konstrukte werden zusammen mit ausgewählten wissenschaftlichen Untersuchungen in Form einer Vorlesung präsentiert. Die Studierenden vertiefen nach jeder Stunde die Inhalte durch die Bearbeitung von Aufträgen in einem elektronischen Lerntagebuch. Über die Bedeutung des Gelernten für den Schulalltag soll reflektiert werden. Ausgewählte Tagebucheinträge werden zu Beginn jeder Vorlesung thematisiert.
Skript	Folien werden zur Verfügung gestellt.
Literatur	1) Marcus Hasselhorn & Andreas Gold (2006). Pädagogische Psychologie: Erfolgreiches Lernen und Lehren. Stuttgart: Kohlhammer. 2) Jeanne Omrod (2006): Human Learning. Upper Saddle River: Pearson Prentice Hall.
Voraussetzungen / Besonderes	Die Veranstaltung sollte nur besucht werden, wenn man vorhat, sich in die Studiengänge Lehrdiplom oder Didaktisches Zertifikat einzuschreiben. Der Inhalt ist auf schulisches Lernen im Kindes- und Jugendalter abgestimmt.
851-0240-03L	Einführung in die Testkonstruktion: Theorie und Praxis (Universität Zürich) Belegung nur mit Zusatzimmatrikulation Lehrdiplom für Maturitätsschulen oder Didaktik-Zertifikat möglich. Der Kurs muss direkt an der UZH belegt werden. UZH Modulkürzel: 200c968 Beachten Sie die Einschreibungstermine an der UZH: https://www.uzh.ch/cmsssl/de/studies/application/mobilitaet.html	W	4 KP	2S	Uni-Dozierende
Kurzbeschreibung	Die Lehrveranstaltung soll Studierenden theoretische und praktische Kenntnisse in der Konstruktion von Fragebogen vermitteln. Es werden Instrumente aus verschiedenen Bereichen durch die Studierenden konstruiert, übersetzt und adaptiert. Danach erfolgt eine Online-Erhebung dieser Instrumente, die anschliessend unter Anleitung ausgewertet und in einem wissenschaftlichen Bericht präsentiert wird.
Lernziel	Ziele der Lehrveranstaltung sind: - Theoretische Grundlagen und praktische Umsetzung der Konstruktion, Übersetzung und Adaptation von Fragebogen - Online-Datenerhebung und statistische Auswertung - Kennenlernen relevanter statistischer Methoden (z.B. Faktorenanalyse, Reliabilität, Korrelationen, Regressionsanalysen) - Bestimmung und Beurteilung der psychometrischen Kennwerte von Fragebogen - Wissenschaftliche Beschreibung und Kommunikation der Ergebnisse (APA-Style)
Inhalt	Die Lehrveranstaltung soll Studierenden theoretische und praktische Kenntnisse in der Konstruktion von Fragebogen vermitteln. Es werden Instrumente aus verschiedenen Bereichen durch die Studierenden konstruiert, übersetzt und adaptiert. Danach erfolgt eine Online-Erhebung dieser Instrumente, die anschliessend unter Anleitung ausgewertet und in einem wissenschaftlichen Bericht präsentiert wird.
Skript	Alle Unterlagen werden im OLAT-Kurs zur Verfügung gestellt Voraussetzung für die Teilnahme ist ein eigener Laptop mit einem Statistikprogramm (z.B. SPSS) und einem Office-Paket.
Literatur	Alle Unterlagen werden zur Verfügung gestellt.
Voraussetzungen / Besonderes	Der Leistungsnachweis besteht aus einem schriftlichen Leistungsnachweis, der benotet wird, ausserdem werden die unten genannten Aspekte von aktiver Teilnahme für das Bestehen des Moduls vorausgesetzt. Der schriftliche Leistungsnachweis besteht aus einem wissenschaftlichen Bericht zur psychometrischen Prüfung einer im Rahmen des Seminars selbst adaptierten, konstruierten oder übersetzten Skala. Die aktive Teilnahme besteht aus Vorbereitung auf die Sitzungen, Rekrutierung von Teilnehmenden für die gemeinsame Datenerhebung, zwei kurzen Präsentationen zur praktischen Aufgabe sowie aktiver Teilnahme am Seminar. Voraussetzung für die Teilnahme ist ein eigener Laptop mit einem Statistikprogramm (z.B. SPSS) und einem Office-Paket.
851-0240-16L	Kolloquium Lehr-Lern-Forschung und Fachdidaktik	W	1 KP	1K	E. Stern, P. Greutmann, weitere Dozierende
Kurzbeschreibung	Im Kolloquium werden wissenschaftliche Arbeiten zu Fragen der Vermittlung von Mathematik, Informatik, Naturwissenschaften und Technik (MINT) und weiteren an Mittelschulen unterrichteten Fächern präsentiert und diskutiert. Im Mittelpunkt stehen die Arbeiten der am Kompetenzzentrum EducETH der ETH sowie der an der Lehrerinnen- und Lehrerbildung Maturitätsschulen der UZH beteiligten Professuren.
Lernziel	Die Teilnehmer sollen exemplarisch unterschiedliche Methoden der Lehr- und Unterrichtsforschung und die damit einhergehenden Probleme kennen lernen.
851-0240-22L	Bewältigung psychosozialer Anforderungen im Lehrberuf (EW4 DZ) Maximale Teilnehmerzahl: 20 Der erfolgreiche Abschluss von EW1 und EW2 stellt eine wünschenswerte, jedoch nicht obligatorische Voraussetzung dar.	W	2 KP	3S	A. Deiglmayr, P. Greutmann, U. Markwalder, S. Peteranderl
Kurzbeschreibung	In diesem Seminar werden Kenntnisse und Kompetenzen für die Bewältigung psychosozialer Anforderungen im Lehrberuf vermittelt.
Lernziel	Die Teilnehmenden verfügen über Hintergrundwissen und Handlungskompetenzen, um mit den psychosozialen Anforderungen im Lehrberuf produktiv umgehen zu können. (1) Sie kennen wichtige Regeln der Gesprächsführung und des Konfliktmanagements (z.B. Mediation) und können diese im schulischen Rahmen (z.B. Gespräche mit Eltern) adäquat einsetzen. (2) Sie können Massnahmen des Classroom Managements gezielt anwenden (z.B. Verhinderung von Disziplinschwierigkeiten) und kennen entsprechende Anlaufstellen (z.B. rechtliche Rahmenbedingungen).
851-0242-06L	Kognitiv aktivierender Unterricht in den MINT-Fächern Belegung für Studierende des Didaktik-Zertifikats (DZ) und des Lehrdiploms (LD) ohne das Fach Sport. Diese Veranstaltung kann nur parallel zu oder nach dem erfolgreichen Abschluss von der Veranstaltung 851-0240-00L "Menschliches Lernen (EW 1)" belegt werden.	W	2 KP	2S	R. Schumacher
Kurzbeschreibung	Die am MINT-Lernzentrum der ETH erarbeiteten Unterrichtseinheiten zu Themen der Chemie, Physik und Mathematik stehen im Mittelpunkt. In der ersten Veranstaltung wird die Mission des MINT-Zentrums vermittelt. In Zweiergruppen müssen die Studierenden sich intensiv in eine Einheit einarbeiten und sie im Sinne eines vorab besprochenen Ziel erweitern und optimieren.
Lernziel	- Kognitiv aktivierende Lernformen kennen lernen - Mit didaktischer Forschungsliteratur vertraut werden
Voraussetzungen / Besonderes	Für eine reibungslose Semesterplanung wird um frühe Anmeldung und persönliches Erscheinen zum ersten Lehrveranstaltungstermin ersucht.
851-0242-08L	Forschungsmethoden der empirischen Bildungsforschung Maximale Teilnehmerzahl: 30 Diese Veranstaltung kann nur parallel zu oder nach dem erfolgreichen Abschluss von der Veranstaltung 851-0240-00L "Menschliches Lernen (EW 1)" belegt werden.	W	1 KP	1S	P. Edelsbrunner, M. Berkowitz Biran, Z. Lue, C. M. Thurn
Kurzbeschreibung	Literatur aus der empirischen Bildungsforschung wird gelesen und diskutiert. Forschungsmethodische Aspekte stehen im Vordergrund. Am ersten Termin werden alle Teilnehmer in Kleingruppen eingeteilt und mit den Gruppen Einzeltermine vereinbart. Die Kleingruppen verfassen kritische Kurzessays zur gelesenen Literatur. Die Essays werden am dritten Termin im Plenum vorgestellt und diskutiert.
Lernziel	- Empirische bildungswissenschaftliche Forschungsmethoden verstehen - Information aus wissenschaftlichen Journals und Medien verstehen und kritisch beleuchten - Pädagogisch relevante Befunde der Bildungsforschung verstehen
851-0242-07L	Menschliche Intelligenz Belegung für Studierende des Didaktik-Zertifikats (DZ) und des Lehrdiploms (LD) ohne das Fach Sport. Maximale Teilnehmerzahl: 30 Diese Veranstaltung kann nur parallel zu oder nach dem erfolgreichen Abschluss von der Veranstaltung 851-0240-00L "Menschliches Lernen (EW 1)" belegt werden!	W	1 KP	1S	E. Stern
Kurzbeschreibung	Das Buch "Intelligenz: Grosse Unterschiede und ihre Folgen" von Stern/Neubauer steht im Mittelpunkt. Zum ersten Termin müssen alle Teilnehmer kommen. Danach muss das Buch vollständig gelesen werden. In zwei 90-minütigen Sitzungen werden in Kleingruppen (5-10 Personen) von den Studierenden ausgearbeitete Konzeptpapiere diskutiert.
Lernziel	- Empirische humanwissenschaftliche Forschungsmethoden verstehen - Intelligenztests kennenlernen - Pädagogisch relevante Befunde der Intelligenzforschung verstehen

Fachdidaktik und Berufspraktische Ausbildung WICHTIG: die Lerneinheiten in dieser Kategorie können nur belegt werden, wenn allfällige Auflagen bis auf maximal 12 KP erfüllt sind.
Nummer	Titel	Typ	ECTS	Umfang	Dozierende
401-9908-00L	Unterrichtspraktikum mit Prüfungslektionen Rechnergestützte Wissenschaften Unterrichtspraktikum Rechnergestützte Wissenchaften für DZ. Das Unterrichtspraktikum kann erst nach Abschluss aller anderen Lehrveranstaltungen des DZ absolviert werden. Bei Repetition der Prüfungslektionen kann das Praktikum nicht nochmals besucht werden.	O	6 KP	13P	J. Hromkovic, G. Serafini
Kurzbeschreibung	Die Studierenden setzen die erworbenen Einsichten, Fähigkeiten und Fertigkeiten im Schulalltag ein: Sie hospitieren 10 Lektionen und erteilen selber 20 Lektionen Unterricht. Zwei davon werden als Prüfungslektionen bewertet.
Lernziel	- Die Studierenden nutzen ihre fachwissenschaftliche, erziehungswissenschaftliche und fachdidaktische Expertise zum Entwurf von Unterricht. - Sie können die Bedeutung von Unterrichtsthemen in ihrem Fach unter verschiedenen - auch interdisziplinären - Blickwinkeln einschätzen und den Schülerinnen und Schülern vermitteln. - Sie erlernen das unterrichtliche Handwerk. - Sie üben sich darin, die Balance zwischen Anleitung und Offenheit zu finden, so dass die Lernenden kognitive Eigenleistungen erbringen können und müssen. - Sie lernen die Leistungen der Schülerinnen und Schüler zu beurteilen. - Gemeinsam mit der Praktikumslehrperson evaluieren die Studierenden laufend ihre eigene Leistung.
Inhalt	Die Studierenden sammeln Erfahrungen in der Unterrichtsführung, der Auseinandersetzung mit Lernenden, der Klassenbetreuung und der Leistungsbeurteilung. Zu Beginn des Praktikums plant die Praktikumslehrperson gemeinsam mit dem/der Studierenden das Praktikum und die Arbeitsaufträge. Die schriftlich dokumentierten Ergebnisse der Arbeitsaufträge sind Bestandteil des Portfolios der Studierenden. Anlässlich der Hospitationen erläutert die Praktikumslehrperson ihre fachlichen, fachdidaktischen und pädagogischen Überlegungen, auf deren Basis sie den Unterricht geplant hat und tauscht sich mit dem/der Studierenden aus. Die von dem/der Studierenden gehaltenen Lektionen werden vor- und nachbesprochen. Die Themen für die beiden Prüfungslektionen am Schluss des Praktikums erfahren die Studierenden in der Regel eine Woche vor dem Prüfungstermin. Sie erstellen eine Vorbereitung gemäss Anleitung und reichen sie bis am Vortrag um 12 Uhr den beiden Prüfungsexperten (Fachdidaktiker/-in, Departementsvertreter/-in) ein. Die gehaltenen Lektionen werden kriteriumsbasiert beurteilt. Die Beurteilung umfasst auch die schriftliche Vorbereitung und eine mündliche Reflexion des Kandidaten/der Kandidatin über die gehaltenen Lektionen im Rahmen eines kurzen Kolloquiums.
Skript	Dokument: schriftliche Vorbereitung für Prüfungslektionen.
Literatur	Wird von der Praktikumslehrperson bestimmt.
272-0101-00L	Fachdidaktik Informatik I Lehrdiplom-Studierende müssen diese Lerneinheit zusammen mit dem Einführungspraktikum Informatik - 272-0201-00L - belegen.	O	4 KP	3G	G. Serafini, J. Hromkovic
Kurzbeschreibung	Die "Fachdidaktik Informatik I" befasst sich mit der überlegten Auswahl von allgemein bildenden Unterrichtsinhalten für den Informatikunterricht, ihrer Zugänglichkeit im entsprechenden Alter sowie mit geeigneten didaktischen Ansätzen für einen erfolgreichen Wissenstransfer.
Lernziel	Das übergeordnete Lernziel der Lerneinheit besteht darin, die enge Verknüpfung der mathematischen und der algorithmischen Denkweise mit der ingenieurwissenschaftlichen Denkweise aufzuzeigen, sowie deren Nutzen für die Konzeption und die Durchführung eines nachhaltigen Informatikunterrichts zu reflektieren. Die Studierenden verstehen die grundlegenden Konzepte der Informatik im breiten und tiefen Kontext. Aus diesem Verständnis heraus sind sie in der Lage, Unterrichtsunterlagen zum erfolgreichen Wissenstransfer zu erarbeiten und ihre Begeisterung für das Fach an die Schülerinnen und Schüler weiterzugeben. Die Studierenden kennen unterschiedliche Unterrichtsmethoden sowie ihre Vor- und Nachteile. Sie können mit den oft stark unterschiedlichen Vorkenntnissen der Lernenden umgehen. Neben dem Klassenunterricht legen die Studierenden Wert auf die Einzelbetreuung von Schülerinnen und Schülern. Sie fördern die Selbständigkeit der Lernenden. Sie schaffen es, mit verschiedenartigen Zielgruppen zu arbeiten und ein gutes Lernklima aufzubauen. Die Studierenden sind in der Lage, sich in einer verständlichen und gepflegten Fachsprache mündlich und schriftlich auszudrücken und beherrschen die grundlegenden Begriffe der Informatik. Neben den englischen Fachausdrücken sind ihnen auch die deutschen Benennungen geläufig. Sie sind fähig, ausführliche, ausgereifte, sprachlich einwandfreie und ansprechend gestaltete Unterrichtsunterlagen anzufertigen.
Inhalt	Die Fachdidaktik Informatik I befasst sich mit allgemein bildenden Inhalten des Informatikunterrichts. Diese fördern einerseits die Entwicklung der Denkweise der Jugendlichen auf einzigartige Art und Weise, und tragen andererseits zum Verständnis unserer Welt sowie zur Hochschulreife bei. Die Hauptthemen der Fachdidaktik Informatik I sind die Didaktik der Automatentheorie, der formalen Sprachen und der Grundlagen der Programmierung. Im Mittelpunkt der Lerneinheit stehen Informatikinhalte, die allgemeine Bildungswerte vermitteln. Dabei geht es um das Verständnis für Grundbegriffe der Wissenschaft wie Algorithmus, Komplexität, Determinismus, Berechnung, Automat, Verifikation, Testen und Programmiersprache, sowie um deren Einbettung in einen fachlich korrekten und didaktisch nachhaltigen Informatikunterricht. Im Rahmen einer semesterbegleitenden Übung entwickeln und dokumentieren die Studierenden eine adaptive Unterrichtseinheit für den Informatikunterricht. Dabei lernen sie den Umgang mit den im Unterricht eingeführten Lehrmethoden und -techniken.
Skript	Unterlagen und Folien werden zur Verfügung gestellt.
Literatur	J. Hromkovic: Sieben Wunder der Informatik: Eine Reise an die Grenze des Machbaren, mit Aufgaben und Lösungen. Vieweg+Teubner; Auflage: 2 (2008). K. Freiermuth, J. Hromkovic, L. Keller und B. Steffen: Einfuehrung in die Kryptologie: Lehrbuch für Unterricht und Selbststudium. Springer Vieweg; Auflage: 2 (2014). J. Hromkovic: Berechenbarkeit: Logik, Argumentation, Rechner und Assembler, Unendlichkeit, Grenzen der Automatisierbarkeit. Vieweg+Teubner; Auflage: 1 (2011). H.-J. Böckenhauer, J. Hromkovic: Formale Sprachen: Endliche Automaten, Grammatiken, lexikalische und syntaktische Analyse. Springer Vieweg; Auflage: 1 (Januar 2013). J. Hromkovic: Einführung in die Programmierung mit LOGO: Lehrbuch für Unterricht und Selbststudium. Springer Vieweg; Auflage: 3 (2014)
Voraussetzungen / Besonderes	Lehrdiplom-Studierende müssen diese Lerneinheit zusammen mit dem Einführungspraktikum Informatik - 272-0201-00L - belegen.
401-9901-00L	Mentorierte Arbeit Fachdidaktik Rechnergestützte Wissenschaften	O	2 KP	4A	J. Hromkovic, G. Serafini
Kurzbeschreibung	In der mentorierten Arbeit in Fachdidaktik setzen die Studierenden Inhalte der Fachdidaktikvorlesungen praktisch um und vertiefen sie. Unter Anleitung erstellen sie lernwirksame Unterrichtsmaterialien und/oder analysieren und reflektieren bestimmte Themen unter fachdidaktischen und pädagogischen Gesichtspunkten..
Lernziel	Das Ziel ist, dass die Studierenden - sich in ein Unterrichtsthema einarbeiten können, indem sie verschiedene Quellen sichten, Materialien beschaffen und über die Relevanz des Themas und des von ihnen gewählten Zugangs in fachlicher, fachdidaktischer, pädagogischer und eventuell gesellschaftlicher Hinsicht reflektieren. - zeigen, dass sie selbstständig eine lernwirksame Unterrichtssequenz erstellen und zur Einsatzreife bringen können.
Inhalt	Thematische Schwerpunkte Die Gegenstände der mentorierten Arbeit in Fachdidaktik stammen in der Regel aus dem gymnasialen Unterricht. Lernformen Alle Studierenden erhalten ein individuelles Thema und erstellen dazu eine eigenständige Arbeit. Sie werden dabei von ihrer Betreuungsperson begleitet. Gegebenenfalls stellen sie ihre Arbeit oder Aspekte daraus in einem Kurzvortrag vor. Die mentorierte Arbeit ist Teil des Portfolios der Studierenden.
Literatur	Die Literatur ist themenspezifisch. Die Studierenden beschaffen sie sich in der Regel selber (siehe Lernziele). In besonderen Fällen wird sie vom Betreuer zur Verfügung gestellt.
Voraussetzungen / Besonderes	Die Arbeit sollte vor Beginn des Praktikums abgeschlossen werden.

Weitere Fachdidaktik
Nummer	Titel	Typ	ECTS	Umfang	Dozierende
263-2800-00L	Design of Parallel and High-Performance Computing	W	7 KP	3V + 2U + 1A	T. Hoefler, M. Püschel
Kurzbeschreibung	Advanced topics in parallel / concurrent programming.
Lernziel	Understand concurrency paradigms and models from a higher perspective and acquire skills for designing, structuring and developing possibly large concurrent software systems. Become able to distinguish parallelism in problem space and in machine space. Become familiar with important technical concepts and with concurrency folklore.
252-0535-00L	Advanced Machine Learning	W	8 KP	3V + 2U + 2A	J. M. Buhmann
Kurzbeschreibung	Machine learning algorithms provide analytical methods to search data sets for characteristic patterns. Typical tasks include the classification of data, function fitting and clustering, with applications in image and speech analysis, bioinformatics and exploratory data analysis. This course is accompanied by practical machine learning projects.
Lernziel	Students will be familiarized with advanced concepts and algorithms for supervised and unsupervised learning; reinforce the statistics knowledge which is indispensible to solve modeling problems under uncertainty. Key concepts are the generalization ability of algorithms and systematic approaches to modeling and regularization. Machine learning projects will provide an opportunity to test the machine learning algorithms on real world data.
Inhalt	The theory of fundamental machine learning concepts is presented in the lecture, and illustrated with relevant applications. Students can deepen their understanding by solving both pen-and-paper and programming exercises, where they implement and apply famous algorithms to real-world data. Topics covered in the lecture include: Fundamentals: What is data? Bayesian Learning Computational learning theory Supervised learning: Ensembles: Bagging and Boosting Max Margin methods Neural networks Unsupservised learning: Dimensionality reduction techniques Clustering Mixture Models Non-parametric density estimation Learning Dynamical Systems
Skript	No lecture notes, but slides will be made available on the course webpage.
Literatur	C. Bishop. Pattern Recognition and Machine Learning. Springer 2007. R. Duda, P. Hart, and D. Stork. Pattern Classification. John Wiley & Sons, second edition, 2001. T. Hastie, R. Tibshirani, and J. Friedman. The Elements of Statistical Learning: Data Mining, Inference and Prediction. Springer, 2001. L. Wasserman. All of Statistics: A Concise Course in Statistical Inference. Springer, 2004.
Voraussetzungen / Besonderes	The course requires solid basic knowledge in analysis, statistics and numerical methods for CSE as well as practical programming experience for solving assignments. Students should have followed at least "Introduction to Machine Learning" or an equivalent course offered by another institution.
252-0417-00L	Randomized Algorithms and Probabilistic Methods	W	8 KP	3V + 2U + 2A	A. Steger
Kurzbeschreibung	Las Vegas & Monte Carlo algorithms; inequalities of Markov, Chebyshev, Chernoff; negative correlation; Markov chains: convergence, rapidly mixing; generating functions; Examples include: min cut, median, balls and bins, routing in hypercubes, 3SAT, card shuffling, random walks
Lernziel	After this course students will know fundamental techniques from probabilistic combinatorics for designing randomized algorithms and will be able to apply them to solve typical problems in these areas.
Inhalt	Randomized Algorithms are algorithms that "flip coins" to take certain decisions. This concept extends the classical model of deterministic algorithms and has become very popular and useful within the last twenty years. In many cases, randomized algorithms are faster, simpler or just more elegant than deterministic ones. In the course, we will discuss basic principles and techniques and derive from them a number of randomized methods for problems in different areas.
Skript	Yes.
Literatur	- Randomized Algorithms, Rajeev Motwani and Prabhakar Raghavan, Cambridge University Press (1995) - Probability and Computing, Michael Mitzenmacher and Eli Upfal, Cambridge University Press (2005)

Seite 1 von 1