Hart und Trocken – Harter Stoff – Trocken Dargereicht

Wir sind Dirk Schieborn und Volker Reichenberger, Professoren für Mathematik, Data Science und Informatik an der ESB Business School der Hochschule Reutlingen.

Leider können wir aktuell aufgrund der Corona-Situation unsere Vorlesungen nicht live halten. Wir versuchen aber, das Beste aus dieser Zeit zu machen und stellen Euch Videos und interaktive Inhalte zu ausgewählten Themen aus unseren Vorlesungen online zur Verfügung. Diese findet Ihr hier auf unserer Website und auf unserem YouTube-Kanal. Und natürlich sind wir auch auf Facebook und Instagram.

Über Rückmeldungen aller Art (Lob, Kritik, Fragen, Wünsche zu weiteren Themen oder Aufgaben) freuen wir uns.

Kommt gut durch diese Zeit und bleibt gesund!

Volker und Dirk

Folgende Vorlesungen stehen in Videoform bereit: Mathematik 1 (teilweise in englisch), Mathematik 2, Statistik, Data Analysis 1 (englisch), Data Analysis 2, Informatik und Managerial Statistics (teilweise in englisch). Klicke auf die einzelnen Themen, um zu den Playlists zu gelangen, oder klicke auf den Button unten, um alle Videos zu sehen.

Informatik | Quicksort

Ein effizienter Sortieralgorithmus, der den Blickwinkel ändert. Introducing die linke und die rechte Tochter.

Informatik | Heapsort

Ein effizienter Sortieralgorithmus, der den Blickwinkel ändert. Introducing die linke und die rechte Tochter.

Mathematik 2 | Fourier-Reihen: Von Schwingungen, Atomen und Klängen

Wir erläutern die Idee, allgemeine periodische Funktionen mittels trigonometrischer Polynome bzw. mittels Fourier-Reihen zu approximieren.

Mathematik 2 | Höhen und Tiefen: Extrema ohne Nebenbedingungen

Mittels 3D-Grafik in GeoGebra leiten wir anschaulich die Kriterien zur Bestimmung von lokalen Hoch- und Tiefpunkten (Extrema) von Funktionen von zwei Variablen her.

Statistik | Lineare Regression: heiter bis punktwolkig

Lineare Regression, Methode der kleinsten Quadrate und Bestimmtheitsmaß: hart hergeleitet und trocken veranschaulicht.

Data Analytics | Maschinelles Lernen: Der K-Nearest-Neighbours-Algorithmus

Wir erläutern den K-Nearest-Neighbours-Algorithmus als Klassifikationsalgorithmus beim Maschinellen Lernen anhand von konkreten Beispielen.

Wir haben für Euch interaktive Inhalte zusammengetragen, die einzelne Themen in unseren Videos multimedial illustrieren – auf besonders harte und trockene Weise. Einfach draufklicken und den Anleitungen folgen.

Interaktive Inhalte