Ort und Zeit

Seminar: Fr, 10-12 Uhr, SR 125, Ernst-Zermelo-Str. 1
Voranmeldung: per E-Mail an Thorsten Schmidt
Vorbesprechung 18.10.
Vortragsbesprechungen (Tutorium zum Seminar): Termine nach Vereinbarung

Lehre

Dozent:in: Thorsten Schmidt
Assistenz: Moritz Ritter
Sprache: Vorträge/Teilnahme auf Deutsch oder auf Englisch möglich

Inhalt

Dieses Seminar wird sich auf theoretische Ergebnisse des maschinellen Lernens konzentrieren, einschließlich moderner universeller Approximationssätze, der Näherung von Filtermethoden durch Transformationen, der Anwendung von Methoden des maschinellen Lernens in Finanzmärkten und möglicherweise anderen verwandten Themen. Darüber hinaus werden wir Themen der stochastischen Analyse behandeln, wie die fraktionale Itô-Kalkulation, Unsicherheit, Filterung und optimalen Transport. Sie sind auch eingeladen, Themen vorzuschlagen.

Vorkenntnisse

Das Seminar richtet sich an Studierende, die mindestens Stochastik und Maschinelles Lernen oder Wahrscheinlichkeitstheorie II gehört haben.

Verwendbarkeit

Elective in Data
Mathematical Seminar

Seminar geplant als Blockseminar
Voranmeldung: per E-Mail an Sören Bartels
Vorbesprechung 08.07., 12:30, Raum 209, Hermann-Herder-Str. 10
Vortragsbesprechungen (Tutorium zum Seminar): Termine nach Vereinbarung

Lehre

Dozent:in: Sören Bartels
Assistenz: Tatjana Schreiber
Sprache: Vorträge/Teilnahme auf Deutsch oder auf Englisch möglich

Inhalt

In jüngster Zeit wurden Methoden des maschinellen Lernens zur Annäherung von Lösungen von partiellen Differentialgleichungen verwendet. Während sie in einigen Fällen zu zu Vorteilen gegenüber klassischen Ansätzen führen, ist ihre generelle Überlegenheit noch weitgehend offen. In diesem Seminar werden wir die wichtigsten Konzepte und jüngsten Entwicklungen besprechen.

Vorkenntnisse

Einführung in Theorie und Numerik partieller Differentialgleichungen

Verwendbarkeit

Elective in Data
Mathematical Seminar

Ort und Zeit

Seminar: Mi, 10-11: 30 Uhr, HS Medizinische Biometrie, 1. OG, Stefan-Meier-Str. 26
Voranmeldung: per E-Mail an Olga Sieber
Vorbesprechung 17.07., HS Medizinische Biometrie, 1. OG, Stefan-Meier-Str. 26

Lehre

Dozent:in: Harald Binder
Sprache: Vorträge/Teilnahme auf Deutsch oder auf Englisch möglich

Inhalt

Zur Beantwortung komplexer biomedizinischer Fragestellungen aus großen Datenmengen ist oft ein breites Spektrum an Analysewerkzeugen notwendig, z.B. Deep-Learning- oder allgemeiner Machine-Learning-Techniken, was häufig unter dem Begriff "`Medical Data Science"' zusammengefasst wird. Statistische Ansätze spielen eine wesentliche Rolle als Basis dafür. Eine Auswahl von Ansätzen soll in den Seminarvorträgen vorgestellt werden, die sich an kürzlich erschienenen Originalarbeiten orientieren. Die genaue thematische Ausrichtung wird noch festgelegt.

Vorkenntnisse

Gute Kenntnisse in Wahrscheinlichkeitstheorie und Mathematischer Statistik.

Verwendbarkeit

Elective in Data
Mathematical Seminar