Einführung in die Programmierung für Studierende der Naturwissenschaften
Dozent:in: Ludwig Striet
Sprache: auf Deutsch
Vorlesung: Mo, 16-18 Uhr, HS Weismann-Haus, Albertstr. 21a
Übung: 2-stündig, verschiedene Termine
Die Veranstaltung bietet eine Einführung in die Programmierung mit theoretischen und praktischen Einheiten. Schwerpunkte der Veranstaltung sind
Die praktischen Inhalte werden in der Programmiersprache C++ sowie in MATLAB/GNU Octave erarbeitet. Die erworbenen Kenntnisse werden anhand von Übungen erprobt und vertieft.
keine
Praktische Übung
Wahlmodul im Optionsbereich
Praktische Übung Numerik
Dozent:in: Sören Bartels
Assistenz: Vera Jackisch
Sprache: auf Deutsch
In den begleitenden praktischen Übungen zur Vorlesung Numerik II werden die in der Vorlesung entwickelten und analysierten Algorithmen praktisch umgesetzt und experimentell getestet. Die Implementierung erfolgt in den Programmiersprachen Matlab, C++ und Python. Elementare Programmierkenntnisse werden dabei vorausgesetzt.
Siehe bei der Vorlesung Numerik II.
Zusätzlich elementare Programmierkenntnisse.
Praktische Übung
Wahlmodul im Optionsbereich
Praktische Übung Stochastik
Dozent:in: Sebastian Stroppel
Sprache: auf Deutsch
Mo, 14-16 Uhr, PC-Pool Raum 201, Hermann-Herder-Str. 10
Die praktische Übung richtet sich an Studierende, die die Vorlesungen Stochastik I und II bereits gehört haben bzw. den zweiten Teil in diesem Semester hören. Es werden computerbasierte Methoden diskutiert, die das Verständnis des Stoffes der Vorlesung vertiefen und weitere Anwendungsbeispiele aufzeigen sollen. Dazu wird die Programmiersprache python verwendet. Nach einer Einführung in python werden u. a. Verfahren der deskriptiven Statistik und graphischen Auswertung von Daten betrachtet, die numerische Erzeugung von Zufallszahlen erläutert sowie parametrische und nichtparametrische Tests und lineare Regressionsverfahren diskutiert. Vorkenntnisse in python und/oder Programmierkenntnisse werden dabei nicht vorausgesetzt.
Analysis I+II, Lineare Algebra I+II, Stochastik I+II (Stochastik II kann parallel gehört werden)
Praktische Übung
Wahlmodul im Optionsbereich
Dozent:in: Carola Heinzel
Assistenz: Samuel Adeosun
Sprache: auf Englisch
Do, 14-16 Uhr, PC-Pool Raum -100, Hermann-Herder-Str. 10
This course introduces the foundational concepts and practical skills necessary for understanding and implementing machine learning models, with a particular focus on deep learning and neural networks. Students will progress from basic programming skills in Python , with a focus on the PyTorch library, to advanced topics such as training multi-layer perceptrons, optimization techniques, and transformer architectures. By the end of the course, participants will have the ability to implement and analyze neural networks, apply optimization strategies, and understand modern transformer-based models for tasks such as text generation and time series analysis.
Programmiergrundkenntnisse und Grundkenntnisse in Stochastik.
Praktische Übung
Wahlmodul im Optionsbereich
Dozent:in: Peter Pfaffelhuber
Assistenz: Sebastian Stroppel
Sprache: auf Englisch
Di, 12-14 Uhr, SR 404, Ernst-Zermelo-Str. 1
Lean4 is both, a programming language and an interactive theorem prover. By the latter, we mean software that is able to check mathematical proofs. It is interactive since the software tells you what remains to be proven after every line of code. The course is an introduction to this technique, with examples from various fields of mathematics. Lean4 is special since researchers all over the world are currently building a library of mathematical theories, which contains at the moment around 1.5 million lines of code. I aim to cover basics from calculus, algebra, topology and measure theory in Lean4.
Analysis I und II, Lineare Algebra I
Praktische Übung
Wahlmodul im Optionsbereich