105.632 Model-based Decision Support
Diese Lehrveranstaltung ist in allen zugeordneten Curricula Teil der STEOP.
Diese Lehrveranstaltung ist in mindestens einem zugeordneten Curriculum Teil der STEOP.

2021S, VU, 2.0h, 3.0EC
TUWEL

Merkmale

  • Semesterwochenstunden: 2.0
  • ECTS: 3.0
  • Typ: VU Vorlesung mit Übung
  • Format der Abhaltung: Online

Lernergebnisse

Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage

  • ausgewählte Methoden der modelbasierten Entscheidungsunterstützung einzusetzen,
  • die Einsatzmöglichkeiten von modelbasierter Entscheidungsunterstützung in Organisationen abzuschätzen
  • grundlegende Inhalte der Mathematischen Progammierung zu diskutieren und anzuwenden
  • Entscheidungsprobleme computerunterstützt zu modellieren und zu analysieren

Inhalt der Lehrveranstaltung

Decision-Analysis, Modellbasierte Entscheidungsunterstützung mit einem Fokus auf mathematische Modelle, Simulation vs. mathematische Modelle, Modellierungsprozess, Modellierungssprachen (GAMS),  Optimierungsmodelle, Produktivitäts- und Effizienzmessung Warteschlangenmodelle, Netzwerkplanungs- und graphentheoretische Modelle, Intertemporale und stochastische Optimierung

Methoden

ACHTUNG: Aufgrund der aktuellen Covid19 Lage wird diese LVA im 2021S vollständig online via TUWEL abgewickelt. Die Methoden sind Screencatchvideos, ZOOM Fragestunden, (teilweise selbständiges und teilweise unter Anleitung) Durcharbeiten von Research Papers, Online Aufgaben, Abgaben von Haussübungen

Prüfungsmodus

Prüfungsimmanent

Weitere Informationen

Information meeting on March 4, 2021, 11 a.m., TUWEL ZOOM online

Vortragende Personen

Institut

Leistungsnachweis

Home assignments (TUWEL online submission) and TUWEL online tests.

LVA-Anmeldung

Von Bis Abmeldung bis
01.03.2021 00:00 30.04.2021 23:59 30.05.2021 13:00

Curricula

StudienkennzahlVerbindlichkeitSemesterAnm.Bed.Info
066 926 Business Informatics Gebundenes Wahlfach
066 926 Business Informatics Gebundenes Wahlfach

Literatur

Es wird kein Skriptum zur Lehrveranstaltung angeboten.

Vorkenntnisse

Es ist empfohnen, dass Studierende mit Matrizen rechnen, elementare Funktionen diskutieren , den Satz von Bayes anwenden, bedingte Wahrscheinlichkeiten erklären, mit Algorithmen experimentieren und Programmiercodes bearbeiten und benutzen können.

Sprache

Englisch