Master-Deutschkurse in Kooperation mit IBH e.V. - Master-Deutschkurse auf unterschiedlichen Niveau-Stufen
Sie sind in internationalen Studienprogrammen verpflichtend für Nicht-Muttersprachler bzw. für Studierende ohne DSH-Zertifikat oder äquivalentem TEST DAF-Ergebnis; Einstufung nach Eignungstest. Alle anderen Studierenden müssen stattdessen Module für insgesamt 4 ECTS aus dem Katalog der Nichttechnischen Ergänzungskurse belegen.
Leistungsnachweis:
lv1441 - Deutsch als Fremdsprache für Internationale Studiengänge (Seminar)<ul><li>654 - Deutsch als Fremdsprache für Internationale Studiengänge, Niveau A2.1: Leistungsschein</li><li>655 - Deutsch als Fremdsprache für Internationale Studiengänge, Niveau A2.2: Leistungsschein</li><li>656 - Deutsch als Fremdsprache für Internationale Studiengänge, Niveau B1.1: Leistungsschein</li><li>657 - Deutsch als Fremdsprache für Internationale Studiengänge, Niveau B1.2: Leistungsschein</li><li>658 - Deutsch als Fremdsprache für Internationale Studiengänge, Niveau B2.1: Leistungsschein</li><li>659 - Deutsch als Fremdsprache für Internationale Studiengänge, Niveau B2.2: Leistungsschein</li><li>668 - Deutsch als Fremdsprache für Internationale Studiengänge, Niveau A1.1: Leistungsschein</li><li>669 - Deutsch als Fremdsprache für Internationale Studiengänge, Niveau A1.2: Leistungsschein</li><li>698 - Deutsch für den Berufseinstieg für Internationale Studiengänge: Leistungsschein</li><li>699 - Brückenkurs zu Literatur und Kultur: Leistungsschein</li><li>p700-2022 - Kultur, Literatur und Wissenschaft: Leistungsschein</li></ul>
ECTS-Kreditpunkte:
4
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: ZB Servicebereich Lehre u. Studium (SLS)
In Stud.IP angemeldete Teilnehmer: 1
Supervised Theses
ongoing
completed
2021
Hund, P. (2021). Modellierung eines elektrischen Netzes zur Demonstration des Einflusses von virtueller Trägheit durch umrichterbasierte Energieanlagen.
Hund, P. (2021). Koordinierte Bereitstellung von virtueller Trägheit durch erneuerbare umrichterbasierte Energieanlagen in Verteilnetzen mithilfe von künstlicher Intelligenz.
Möller, P. (2021). Erfassung der Knotenspannung in Niederspannungsnetzen auf Basis von dezentralen Messeinrichtungen mithilfe von Machine learning.
Plant, R. (2021). Estimation of Power System Inertia in an Inverter-Dominated Distribution Grid Using Machine Learning.
2020
Dressel, M. (2020). Modellierung der Zustandsschätzung eines elektrischen Netzes mit Hilfe von Graph neuronalen Netzen.
Schmidt, M. (2020). Vorhersage von zuverlässig bereitstellbarer Regelleistung aus Erneuerbaren Energien mithilfe von neuronalen Netzen.