Vorläufiges Vorlesungsverzeichnis – Änderungen und Ergänzungen sind noch möglich.
Klicken Sie auf den Veranstaltungstitel für weitere Informationen!
Neu (und teilweise noch nicht in den Kommentaren):
Bitte beachten Sie die in den Kommentaren zum Vorlesungsverzeichnis veröffentlichten Anmeldemodalitäten zu den einzelnen Seminaren: In der Regel erfolgt die Platzvergabe nach Voranmeldung per E-Mail bei der Vorbesprechung am Ende der Vorlesungszeit des Sommersemesters. Anschließend müssen Sie sich noch online zur Prüfung anmelden; der Anmeldezeitraum läuft vom 1. August 2025 bis voraussichtlich 8. Oktober 2025.
Seminar: Computational PDEs – Gradient Flows and Descent Methods
Dozent:in: Sören Bartels
Sprache: Vorträge/Teilnahme auf Deutsch oder auf Englisch möglich
Seminar: Mo, 14-16 Uhr, SR 226, Hermann-Herder-Str. 10
Vorbesprechung 15.07., 12:30, Raum 209, Hermann-Herder-Str. 10
Vortragsbesprechungen (Tutorium zum Seminar): Termine nach Vereinbarung
The seminar will be devoted to the development of reliable and efficient discretizations of time stepping methods for parabolic evolution problems. The considered model problems either result from minimization problems or dynamical systems and are typically constrained or nondifferentiable. Criteria that allow to adjust the step sizes and strategies that lead to an acceleration of the convergence to stationary configurations will be addressed in the seminar. Specific topics and literature will be assigned in the preliminary meeting.
Elective in Data
Mathematical Seminar
Seminar: Medical Data Science
Dozent:in: Harald Binder
Sprache: Vorträge/Teilnahme auf Deutsch oder auf Englisch möglich
Seminar: Mi, 10:15-11:30 Uhr, HS Medizinische Biometrie, 1. OG, Stefan-Meier-Str. 26
Voranmeldung: per E-Mail an Olga Sieber
Vorbesprechung 23.07., 10:15, HS Medizinische Biometrie, 1. OG, Stefan-Meier-Str. 26
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.
Gute Kenntnisse in Wahrscheinlichkeitstheorie und Mathematischer Statistik.
Elective in Data
Mathematical Seminar
Seminar: Random Walks
Dozent:in: Angelika Rohde
Assistenz: Johannes Brutsche
Sprache: Vorträge/Teilnahme auf Deutsch oder auf Englisch möglich
Seminar: Mo, 16-18 Uhr, SR 127, Ernst-Zermelo-Str. 1
Vorbesprechung 22.07., Raum 232, Ernst-Zermelo-Str. 1
Vortragsbesprechungen (Tutorium zum Seminar): Termine nach Vereinbarung
Voranmeldung: Wenn Sie sich für das Seminar interessieren, schreiben Sie bitte eine E-Mail an Johannes Brutsche, in der Sie Ihre Voraussetzungen in der Wahrscheinlichkeitsrechnung angeben und, ob Sie vorhaben, Wahrscheinlichkeitstheorie II zu besuchen.
Random walks are stochastic processes (in discrete time) formed by successive summation of independent, identically distributed random variables and are one of the most studied topics in probability theory. Many results that are part of this seminar also carry over to Brownian motion and related processes in continuous time. In particular, the theory for random walks contains many central and elegant proof ideas which can be extended to various other settings. We start the theory at the very beginning but quickly move on to proving local central limit theorems, study Green's function and recurrence properties, hitting times and the Gambler's ruin estimate. Further topics may include a dyadic coupling with Brownian motion, Dirichlet problems, random walks that are not indexed in \(\mathbb{N}\) but the lattice \(\mathbb{Z}^d\), and intersection probabilities for multidimensional random walks (which are processes \(X:\mathbb{N}\rightarrow\mathbb{R}^d\)). Here, we will see that in dimension \(d=1,2,3\) two paths hit each other with positive probability, while for \(d\geq 4\) they avoid each other almost surely.
Wahrscheinlichkeitsheorie I \
Einige Vorträge benötigen nur Stochastik I. Wenn Sie an dem Seminar interessiert sind und Wahrscheinlichkeitsheorie noch nicht gehört haben, schreiben Sie bitte dem Assistenten, damit wir ein geeigentes Thema auswählen können.
Elective in Data
Mathematical Seminar
Seminar: Data-Driven Medicine from Routine Data
Dozent:in: Nadine Binder
Hinweis: Nur verwendbar im Studiengang "Mathematics in Data and Technology"
Imagine being able to use routine data such as diagnoses, lab results, and medication plans to answer medical questions in innovative ways and improve patient care. In this seminar, we will learn to identify relevant data, understand suitable analysis methods, and what to consider when applying them in practice. Together, we will analyze scientific studies on routine data and discuss clinical questions, the methods used, and their feasibility for implementation.
What makes this seminar special: Medical and mathematics students collaborate to understand scientific studies from both perspectives. When possible, you will work in pairs (or individually if no pair can be formed) to analyze a study from your respective viewpoints and prepare related presentations. You may test available programming code or develop your own approaches to replicate the methods and apply them to your own questions. The pairs can be formed during the preliminary meeting.
notwendig: Basics in Applied Mathematics \
nützlich: Wahrscheinlichkeitstheorie I
Elective in Data
Mathematical Seminar