Suchergebnis: Katalogdaten im Herbstsemester 2023

Gesundheitswissenschaften und Technologie Bachelor Information
Bachelor-Studium (Studienreglement 2020)
Kernfächer des übrigen Bachelor-Studiums
Prüfungsblöcke
Prüfungsblock A
NummerTitelTypECTSUmfangDozierende
376-0151-00LAnatomie und Physiologie IO5 KP4VD. P. Wolfer, K. De Bock, L. Slomianka, C. Spengler, M. Willecke
KurzbeschreibungKenntnis der Grundlagen der Anatomie und Physiologie von Geweben, der embryonalen und postnatalen Entwicklung, des Nervensystems und der Sinnesorgane, der Muskulatur, des Herz/Kreislauf-Systems und der Atmung.
LernzielKenntnis der Grundlagen der Anatomie und Physiologie des Menschen und Kenntnis pathophysiologischer Zusammenhänge.
InhaltDie Vorlesung gibt einen kurzgefassten Überblick über die menschliche Anatomie und Physiologie

Anatomie und Physiologie I (HS):
Grundbegriffe der Zell- und Gewebelehre, der Embryologie; Nervensystem und Sinnesorgane, Muskulatur, Herz-Kreislaufsystem und Atmungssystem

Anatomie und Physiologie II (FS):
Verdauungstrakt, endokrine Organe, Stoffwechsel und Thermoregulation, Haut, Blut und Immunsystem, Harnapparat, zirkadianer Rhythmus, Reproduktionsorgane, Schwangerschaft und Geburt.
Voraussetzungen / BesonderesVoraussetzungen: 1. Jahr, naturwissenschaftlicher Teil.
Einzelne Kursinhalte werden auf Englisch gelesen und geprüft.
401-0293-00LMathematik III Information O5 KP3V + 2UE. W. Farkas
KurzbeschreibungVertiefung der mehrdimensionalen Analysis mit Schwerpunkt in der Anwendung der partiellen Differentialgleichungen, Vertiefung der Linearen Algebra und Einführung in die Systemanalyse und Modellbildung.
LernzielDie 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.
InhaltEinführung 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
SkriptBuch: "Mathematische Modellbildung in den Life Sciences", A. Caspar und N. Hungerbühler
Literatur- Buch: "Mathematische Modellbildung in den Life Sciences", A. Caspar und N. Hungerbühler
- Blatter, C.: Lineare Algebra für Ingenieure, Chemiker und Naturwissenschafter.
Voraussetzungen / BesonderesVorlesungen Mathematik I/II
KompetenzenKompetenzen
Fachspezifische KompetenzenKonzepte und Theoriengeprüft
Verfahren und Technologiengeprüft
Methodenspezifische KompetenzenAnalytische Kompetenzengeprüft
Entscheidungsfindunggeprüft
Problemlösunggeprüft
Soziale KompetenzenKooperation und Teamarbeitgeprüft
Persönliche KompetenzenKreatives Denkengeprüft
Kritisches Denkengeprüft
401-0643-13LStatistik II Belegung eingeschränkt - Details anzeigen O3 KP2V + 1UJ. Dambon
KurzbeschreibungVertiefung von Statistikmethoden. Nach dem detailierten Fundament aus Statistik I liegt nun der Fokus auf konzeptueller Breite und konkreter Problemlösungsfähigkeit mit der Statistiksoftware R.
LernzielNach 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.
  •  Seite  1  von  1