Search result: Catalogue data in Autumn Semester 2022

Health Sciences and Technology Bachelor Information
Bachelor Studies (Programme Regulations 2020)
Second and Third Year Core Courses
Examination Blocks
Examination Block A
NumberTitleTypeECTSHoursLecturers
376-0151-00LAnatomy and Physiology IO5 credits4VD. P. Wolfer, K. De Bock, L. Slomianka, C. Spengler, M. Willecke
AbstractBasic knowledge of the anatomy and physiology of tissues, of the embryonal and postnatal development, the sensory organs, the neuro-muscular system, the cardiovascular system and the respiratory system.
Learning objectiveBasic knowledge of human anatomy and physiology and basics of clinical pathophysiology.
ContentThe lecture series provides a short overview of human anatomy and physiology

Anatomy and Physiology I (fall term):
Basics of cytology, histology, embryology; nervous system, sensory organs, muscles, cardiovascular system, respiratory system

Anatomy and Physiology II (spring term):
digestive tract, endocrine organs, metabolism and thermoregulation, skin, blood and immune system, urinary system, circadian rhythm, reproductive organs, pregnancy and birth.
Prerequisites / NoticeRequirements: 1st year, scientific part.
Part of the course is read and checked in English.
401-0293-00LMathematics III Information Restricted registration - show details O5 credits3V + 2UA. Caspar, N. Hungerbühler
AbstractVertiefung der mehrdimensionalen Analysis mit Schwerpunkt in der Anwendung der partiellen Differentialgleichungen, Vertiefung der Linearen Algebra und Einführung in die Systemanalyse und Modellbildung.
Learning objectiveDie Studierenden

- verstehen Mathematik als Sprache zur Modellbildung und als Werkzeug zur Lösung angewandter Probleme in den Naturwissenschaften.
- können anspruchsolle Modelle analysieren, Lösungen qualitativ beschreiben oder allenfalls explizit berechnen: diskret/kontinuierlich in Zeit, Ebene und Raum.
- können Beispiele und konkrete arithmetische und geometrische Situationen aus Anwendungen mit Methoden der höheren Mathematik interpretieren und bearbeiten.
ContentEinführung Modellbildung

- SIR-Modelle: Ausbreitung von Krankheiten bei Epidemien
- Pocken-Modell: Was ist der Effekt von Impfungen?

Lineare Modelle

- Vektorräume
- Lösungsraum eines Linearen DGL-Systems
- Diagonalisierbarkeit und Normalformen
- Exponential einer Matrix

Fourier-Reihen

- Euklidische Vektorräume
- Orthogonale Projektion
- Anwendungen

Nichtlineare Modelle

- Stationäre Lösungen, Qualitative Aussagen
- Mehrdimensionale Modelle: Räuber-Beute, Lotka-Volterra

Partielle Differentialgleichungen: Vorgänge, die von Raum und Zeit anhängen

- Einführung, Repetition, Beispiele
- Fourier-Methoden: Wärmeleitung, Laplace, Wellengleichung,
Filter, Computertomographie

Laplace-Transformation

- Definition und Notation
- Rechenregeln
- Anwendungsbeispiele
Lecture notesBuch: "Mathematische Modellbildung in den Life Sciences", A. Caspar und N. Hungerbühler
Literature- Buch: "Mathematische Modellbildung in den Life Sciences", A. Caspar und N. Hungerbühler
- Blatter, C.: Lineare Algebra für Ingenieure, Chemiker und Naturwissenschafter.
Prerequisites / NoticeVorlesungen Mathematik I/II
CompetenciesCompetencies
Subject-specific CompetenciesConcepts and Theoriesassessed
Techniques and Technologiesassessed
Method-specific CompetenciesAnalytical Competenciesassessed
Decision-makingassessed
Problem-solvingassessed
Social CompetenciesCooperation and Teamworkassessed
Personal CompetenciesCreative Thinkingassessed
Critical Thinkingassessed
401-0643-13LStatistics II Restricted registration - show details O3 credits2V + 1UJ. Dambon
AbstractVertiefung von Statistikmethoden. Nach dem detailierten Fundament aus Statistik I liegt nun der Fokus auf konzeptueller Breite und konkreter Problemlösungsfähigkeit mit der Statistiksoftware R.
Learning objectiveNach diesem Kurs können Sie mit der Statistiksoftware R Daten einlesen, auf vielfältige Art verarbeiten und Grafiken für Berichte oder Vorträge exportieren. Sie verstehen die Konzepte von Methoden wie Lineare Regression (mit Faktoren, Interaktion, Modellwahl), ANOVA (1-weg, 2-weg), Chi-Quadrat-Test, Fisher-Test, GLMs, Mixed Models, Clustering, PCA und können diese mit der Statistiksoftware R in der Praxis umsetzen. Zudem kennen Sie die Grundprinzipien von gutem experimentellem Design und können bestehende Studien kritisch hinterfragen.
  •  Page  1  of  1