Statistik, Wahrscheinlichkeit, Machine-Learning-Mathe. Verteilungen, Tests, Regression mit Live-Plots.
Themen sind die Basis. Studiengänge sind nur Filter. Hier sind die für Data Science relevanten Themen, gruppiert nach Kategorie.
Wie speichert ein Programm Werte? Wie unterscheiden sich int, double, String und boolean?
if, else, else if. Wie trifft ein Programm Entscheidungen, und welche Vergleichsoperatoren brauchst du?
for, while, Iteration. Wie wiederhole ich Code, ohne mich zu verzetteln?
Methoden, Parameter, Rückgabewerte. Code, der wiederverwendbar wird.
Funktionen, die sich selbst aufrufen. Mit Call-Stack-Visualisierung am Beispiel Fakultät.
Geordnete Sammlungen mit Index-Zugriff. Statisches Array (fixe Größe) vs dynamische Liste (ArrayList, list). Welche Operationen sind O(1), welche O(n)? Klausurwichtige Datenstruktur Nummer 1.
Der Bauplan-Trick: Datenstruktur und Verhalten zusammen. Klassen, Konstruktor, Felder, Methoden, this/self. Die Grundlage objektorientierter Programmierung.
Eine Klasse erbt von einer anderen: gemeinsamer Code wandert nach oben, Spezifisches bleibt unten. Override, super, dynamischer Dispatch — das Fundament für jede OOP-Architektur. Mit Tier-Hierarchie-Visualizer.
Sequenzen von Zeichen — indexiert, immutable, end ist exklusiv. substring, indexOf, replace, split — die 80%-Operationen jeder Programmieraufgabe. Mit String-Lab und animiertem indexOf.
try, catch, finally — wie reagiert dein Programm auf Fehler ohne abzustürzen? Exception-Hierarchie, Checked vs. Unchecked, eigene Exceptions, try-with-resources. Mit Try-Catch-Simulator und 4 Live-Snippets.
int, double, String, boolean — wie wandelst du sicher um? Auto-Widening, Truncation, parseInt, Integer-Division (5/2 = 2 vs. 2.5). Mit Cast-Lab und Java/Python parallel.
abs, sqrt, pow, max/min, round/floor/ceil, log, sin, random — die wichtigsten Funktionen der Standard-Mathematik. Mit Math-Lab und Java/Python parallel. Praktisch + klausurrelevant.
y = mx + b verstehen, Graph zeichnen, Werte berechnen. Die Grundlage für Algorithmus-Laufzeit, Kostenmodelle und einfache Regression.
f(x) = ax² + bx + c. Parabeln verstehen, Scheitelpunkt finden, Nullstellen berechnen mit pq- und abc-Formel. Drei Darstellungsformen und wann welche.
Vom Differenzenquotienten zum Differentialquotienten: Tangentensteigung als Grenzwert der Sekantensteigungen. Grundregeln (Potenz, Faktor, Summe, Differenz) und erweiterte Regeln (Produkt, Quotient, Kette). Extremwerte über die notwendige Bedingung f'(x) = 0 und hinreichende Bedingung mit f''.
Zeilen zu Gruppen zusammenfassen, pro Gruppe COUNT/SUM/AVG/MIN/MAX. HAVING als Filter auf Aggregaten. Mit Live-Tabelle die zeigt welche Zeilen ins Ergebnis fließen.
Daten modellieren BEVOR Tabellen entstehen. Entitäten, Beziehungen, Kardinalitäten (1:1, 1:n, n:m). Mit Visualizer der zeigt welche Tabellen-Struktur aus welcher Beziehung entsteht — inklusive Junction-Tables.
SELECT, FROM, WHERE, ORDER BY — die universelle Sprache für Datenbanken. Mit Query-Builder und Live-Result-Set auf einer Beispiel-Tabelle.
Die wichtigste stetige Verteilung der Statistik. Glockenkurve, Standardisierung, Z-Score, 68-95-99,7-Regel und Tabellen-Lookup für Klausur-Aufgaben.
Die zwei wichtigsten diskreten Verteilungen. Binomial zählt Erfolge bei n Versuchen, Poisson zählt seltene Ereignisse pro Intervall — mit Approximations-Tricks zwischen Binomial, Poisson und Normal.
Bereich um den Stichprobenmittelwert, in dem der wahre Populationsmittelwert mit (1−α) Sicherheit liegt. Standard-Quantile, Wurzel-Gesetz, Stichprobenplanung — Klausur-Pflicht.
Das fundamentale Modell der Mikroökonomie. Marktgleichgewicht aus Schnittpunkt der Kurven, komparative Statik bei Verschiebungen, Höchst- und Mindestpreise.
Wie stark reagiert die Menge auf Preisänderungen? Punkt- und Bogen-Elastizität, fünf Klassifikations-Klassen, Umsatz-Effekte und Determinanten der Preissensibilität.
Konsumentenmodell für zwei Güter mit Cobb-Douglas-Nutzenfunktion. Tangentialpunkt von Indifferenzkurve und Budgetgerade liefert das optimale Konsumbündel.
Wie wächst der Aufwand eines Algorithmus mit der Eingabe-Größe? Konstant, linear, quadratisch, und wann macht der Unterschied wirklich was aus?
Der intuitive Sortieralgorithmus: zwei verschachtelte Schleifen, größere Werte blubbern nach oben. Einfach zu erklären, in der Praxis aber zu langsam: O(n²).
Teile und Herrsche. Garantierte O(n log n) durch rekursives Halbieren plus Merge. Stabil, aber braucht O(n) Zusatzspeicher. Klausur-Klassiker schlechthin.
Der schnellste der Klassiker im Average Case: O(n log n), in-place, partitioniert um einen Pivot. Bei sortiertem Input rutscht er aber auf O(n²) ab.
Fläche unter der Kurve: Riemann-Summen, Stammfunktion und Hauptsatz. Bestimmtes vs. unbestimmtes Integral, Potenzregel rückwärts. Die zweite Säule der Analysis.
Tabellen verknüpfen — INNER, LEFT, RIGHT, FULL OUTER. Mit Two-Table-Visualizer der zeigt welche Zeilen ins Ergebnis kommen, plus generierte SQL-Query und NULL-Handling.
Datenbasierte Entscheidung über Behauptungen zur Population. Hypothesen H₀/H₁, einseitig vs. zweiseitig, z-Test, p-Wert, Fehler 1. und 2. Art — Klausur-Pflicht.
Optimale Konsumentscheidung über Grenznutzen pro Euro. Drei klassische Nutzenfunktionen (Cobb-Douglas, perfekte Substitute, perfekte Komplemente) mit unterschiedlichen Optima.