Ort und Zeit

Übung / flipped classroom: Di, 14-16 Uhr, HS II, Albertstr. 23b
Vorlesung: asynchron (Videos)
Klausur: Datum wird noch bekanntgegeben

Die Anforderungen an Studien- und Prüfungsleistungen werden in den aktuellen Ergänzungen der Modulhandbücher beschrieben, die ab Ende Oktober als Teil des Kommentierten Vorlesungsverzeichnisses veröffentlicht werden.

Lehre

Dozent:in: Moritz Diehl
Sprache: auf Englisch

Inhalt

Ziel des Kurses ist es, eine Einführung in numerische Methoden zu geben für die Lösung optimaler Kontrollprobleme in Wissenschaft und Technik. Der Schwerpunkt liegt sowohl auf zeitdiskreter als auch auf zeitkontinuierlicher optimaler Steuerung in kontinuierlichen Zustandsräumen. Der Kurs richtet sich an ein gemischtes Publikum von Studierenden der Mathematik, Ingenieurswissenschaften und Informatik.

Der Kurs deckt die folgenden Themen ab:

• Einführung in dynamische Systeme und Optimierung
• Newtonverfahren und numerische Optimierung
• Algorithmische Differenzierung
• Zeitdiskrete Optimale Steuerung
• Dynamische Programmierung
• Optimale Steuerung in kontinuierlicher Zeit
• Numerische Simulationsmethoden
• Hamilton-Jacobi-Bellmann-Gleichung
• Pontryagin und der indirekte Ansatz
• Direkte Optimale Steuerung
• Echtzeit-Optimierung für modellprädiktive Steuerung

Die Vorlesung wird von intensiven wöchentlichen Computerübungen begleitet, die sowohl in in MATLAB und Python (6~ECTS) absolviert werden können. Es wird außerdem ein optionales Projekt (3~ECTS) angeboten. Dieses besteht in der Formulierung und Implementierung eines selbstgewählten optimalen Kontrollproblems und einer numerischen Lösungsmethode, die in einem Projektbericht dokumentiert und abschließend präsentiert wrird.

Vorkenntnisse

Notwendig: Analysis I und II, Lineare Algebra I und II \
Nützlich: Numerik I, Gewöhnliche Differentialgleichungen, Numerische Optimierung

Verwendbarkeit

Wahlmodul im Optionsbereich (2HfB21)
Wahlpflichtmodul Mathematik (BSc21)
Mathematische Ergänzung (MEd18)
Angewandte Mathematik (MSc14)
Mathematik (MSc14)
Vertiefungsmodul (MSc14)
Wahlmodul (MSc14)
Elective in Data (MScData24)

Ort und Zeit

Übung / flipped classroom: Di, 14-16 Uhr, HS II, Albertstr. 23b
Klausur 16.09., 10:00-12:00, G.-Köhler-Allee 101, SR 01-009/13

Lehre

Dozent:in: Moritz Diehl
Sprache: auf Englisch

Inhalt

The aim of the course is to give an introduction into numerical methods for the solution of optimization problems in science and engineering. The focus is on continuous nonlinear optimization in finite dimensions, covering both convex and nonconvex problems. The course divided into four major parts:

1. Fundamental Concepts of Optimization: Definitions, Types of Optimization Problems, Convexity, Duality, Compu- ting Derivatives
2. Unconstrained Optimization and Newton-Type Algorithms: Exact Newton, Quasi-Newton, BFGS, Gauss-Newton, Globalization
3. Equality Constrained Optimization: Optimality Conditions, Newton-Lagrange and Constrained Gauss–Newton, Quasi-Newton, Globalization
4. Inequality Constrained Optimization Algorithms: Karush-Kuhn-Tucker Conditions, Active Set Methods, Interior Point Methods, Sequential Quadratic Programming

The course is organized as inverted classroom based on lecture recordings and a lecture manuscript, with weekly alternating Q&A sessions and exercise sessions. The lecture is accompanied by intensive computer exercises offered in Python (6 ECTS) and an optional project (3 ECTS). The project consists in the formulation and implementation of a self-chosen optimization problem or numerical solution method, resulting in documented computer code, a project report, and a public presentation. Please check the website for further information.

Vorkenntnisse

notwendig: Analysis I–II, Lineare Algebra I–II

nützlich: Einführung in die Numerik

Verwendbarkeit

Wahlmodul im Optionsbereich (2HfB21)
Wahlpflichtmodul Mathematik (BSc21)
Mathematische Ergänzung (MEd18)
Angewandte Mathematik (MSc14)
Mathematik (MSc14)
Vertiefungsmodul (MSc14)
Wahlmodul (MSc14)
Elective in Data (MScData24)

Die Zahl der ECTS-Punkte entnehmen Sie bitte den Ergänzungen zu den Modulhandbüchern.

Ort und Zeit

Vorlesung: Di, Do, 8-10 Uhr, SR 404, Ernst-Zermelo-Str. 1
Übung: Do, 10-12 Uhr, HS II, Albertstr. 23b
Praktische Übung: 2-stündig, Termin wird noch festgelegt

Die Anforderungen an Studien- und Prüfungsleistungen werden in den aktuellen Ergänzungen der Modulhandbücher beschrieben, die ab Ende Oktober 2025 als Teil des Kommentierten Vorlesungsverzeichnisses veröffentlicht werden.

Lehre

Dozent:in: Sören Bartels, Moritz Diehl, Thorsten Schmidt
Assistenz: Alen Kushova, Simone Pavarana
Sprache: auf Englisch

Inhalt

Diese Vorlesung bietet eine Einführung in die grundlegenden Konzepte, Begriffe, Definitionen und Ergebnisse der Stochastik, der Numerik und der Optimierung, begleitet von Programmierprojekten in Python. Der Kurs vertieft die vorhandenen Grundlagen in den drei Gebieten und bietet die Basis für die weiterführenden Vorlesungen dieser Gebiete.

Vorkenntnisse

Keine, die über die Zulassung zum Studiengang hinausgehen.

Verwendbarkeit

Basics in Applied Mathematics (MScData24)

Die Zahl der ECTS-Punkte entnehmen Sie bitte den Ergänzungen zu den Modulhandbüchern.

Ort und Zeit

Übung / flipped classroom: Di, 14-16 Uhr, HS II, Albertstr. 23b
Vorlesung: asynchron (Videos)
Klausur 18.03., 14:00

Die Anforderungen an Studien- und Prüfungsleistungen werden in den aktuellen Ergänzungen der Modulhandbücher beschrieben, die ab Ende Oktober 2025 als Teil des Kommentierten Vorlesungsverzeichnisses veröffentlicht werden.

Lehre

Dozent:in: Moritz Diehl
Sprache: auf Englisch

Inhalt

Ziel des Kurses ist es, eine Einführung in numerische Methoden zu geben für die Lösung optimaler Kontrollprobleme in Wissenschaft und Technik. Der Schwerpunkt liegt sowohl auf zeitdiskreter als auch auf zeitkontinuierlicher optimaler Steuerung in kontinuierlichen Zustandsräumen. Der Kurs richtet sich an ein gemischtes Publikum von Studierenden der Mathematik, Ingenieurwissenschaften und Informatik.

Der Kurs deckt die folgenden Themen ab:

• Einführung in dynamische Systeme und Optimierung
• Newtonverfahren und numerische Optimierung
• Algorithmische Differenzierung
• Zeitdiskrete Optimale Steuerung
• Dynamische Programmierung
• Optimale Steuerung in kontinuierlicher Zeit
• Numerische Simulationsmethoden
• Hamilton-Jacobi-Bellmann-Gleichung
• Pontryagin und der indirekte Ansatz
• Direkte Optimale Steuerung
• Echtzeit-Optimierung für modellprädiktive Steuerung

Die Vorlesung wird von intensiven wöchentlichen Computerübungen begleitet, die sowohl in in MATLAB und Python (6~ECTS) absolviert werden können. Es wird außerdem ein optionales Projekt (3~ECTS) angeboten. Dieses besteht in der Formulierung und Implementierung eines selbstgewählten optimalen Kontrollproblems und einer numerischen Lösungsmethode, die in einem Projektbericht dokumentiert und abschließend präsentiert wrird.

Vorkenntnisse

Notwendig: Analysis I und II, Lineare Algebra I und II \
Nützlich: Numerik I, Gewöhnliche Differentialgleichungen, Numerische Optimierung

Verwendbarkeit

Wahlmodul im Optionsbereich (2HfB21)
Wahlpflichtmodul Mathematik (BSc21)
Mathematische Ergänzung (MEd18)
Angewandte Mathematik (MSc14)
Mathematik (MSc14)
Vertiefungsmodul (MSc14)
Wahlmodul (MSc14)
Elective in Data (MScData24)

Die Zahl der ECTS-Punkte entnehmen Sie bitte den Ergänzungen zu den Modulhandbüchern.

Ort und Zeit

Vorlesung: Mo, Mi, 8-10 Uhr, HS 00-026, Georges-Köhler-Allee 101
Übung: 2-stündig, verschiedene Termine

Veranstaltung der Technischen Fakultät. Für Inhalt, Vorkenntnisse und Anforderungen siehe das Modulhandbuch M.Sc. Informatik.

Lehre

Dozent:in: Moritz Diehl

Verwendbarkeit

Elective in Data (MScData24)

Die Zahl der ECTS-Punkte entnehmen Sie bitte den Ergänzungen zu den Modulhandbüchern.

Ort und Zeit

Blockvorlesung mit Übung 06.10. bis 10.10., 09:00-17:30, HS 1199, KG I

Veranstaltung der Technischen Fakultät. Für Inhalt, Vorkenntnisse und Anforderungen siehe die Webseite der Veranstaltung.
Die Anmeldung zu dieser Veranstaltung erfolgt über ein gesondertes Anmeldeformular!

Lehre

Dozent:in: Joschka Bödecker, Moritz Diehl, Sebastien Gros

Verwendbarkeit

Elective in Data (MScData24)

Die Zahl der ECTS-Punkte entnehmen Sie bitte den Ergänzungen zu den Modulhandbüchern.

Ort und Zeit

Klausur 20.08.
Nachklausur 20.03., 10:00

Lehre

Dozent:in: Moritz Diehl
Assistenz: Léo Simpson
Sprache: auf Englisch

Inhalt

The aim of the course is to give an introduction into numerical methods for the solution of optimization problems in science and engineering. The focus is on continuous nonlinear optimization in finite dimensions, covering both convex and nonconvex problems. The course divided into four major parts:

1. Fundamental Concepts of Optimization: Definitions, Types of Optimization Problems, Convexity, Duality, Compu- ting Derivatives
2. Unconstrained Optimization and Newton-Type Algorithms: Exact Newton, Quasi-Newton, BFGS, Gauss-Newton, Globalization
3. Equality Constrained Optimization: Optimality Conditions, Newton-Lagrange and Constrained Gauss–Newton, Quasi-Newton, Globalization
4. Inequality Constrained Optimization Algorithms: Karush-Kuhn-Tucker Conditions, Active Set Methods, Interior Point Methods, Sequential Quadratic Programming

The course is organized as inverted classroom based on lecture recordings and a lecture manuscript, with weekly alternating Q&A sessions and exercise sessions. The lecture is accompanied by intensive computer exercises offered in Python (6 ECTS) and an optional project (3 ECTS). The project consists in the formulation and implementation of a self-chosen optimization problem or numerical solution method, resulting in documented computer code, a project report, and a public presentation. Please check the website for further information.

Vorkenntnisse

notwendig: Analysis I–II, Lineare Algebra I–II

nützlich: Einführung in die Numerik

Verwendbarkeit

Wahlmodul im Optionsbereich (2HfB21)
Wahlpflichtmodul Mathematik (BSc21)
Mathematische Ergänzung (MEd18)
Angewandte Mathematik (MSc14)
Mathematik (MSc14)
Vertiefungsmodul (MSc14)
Wahlmodul (MSc14)
Elective in Data (MScData24)

Die Zahl der ECTS-Punkte entnehmen Sie bitte den Ergänzungen zu den Modulhandbüchern.

Ort und Zeit

Vorlesung: Di, Do, 8-10 Uhr, HS II, Albertstr. 23b
Übung: 2-stündig, Termin wird noch festgelegt und in der Vorlesung bekanntgegeben
Praktische Übung: 2-stündig, Termin wird noch festgelegt

Lehre

Dozent:in: Moritz Diehl, Patrick Dondl, Angelika Rohde
Assistenz: Ben Deitmar, Coffi Aristide Hounkpe
Sprache: auf Englisch

Inhalt

Diese Vorlesung bietet eine Einführung in die grundlegenden Konzepte, Begriffe, Definitionen und Ergebnisse der Stochastik, der Numerik und der Optimierung, begleitet von Programmierprojekten in Python. Der Kurs vertieft die vorhandenen Grundlagen in den drei Gebieten und bietet die Basis für die weiterführenden Vorlesungen dieser Gebiete.

Vorkenntnisse

Keine, die über die Zulassung zum Studiengang hinausgehen.

Verwendbarkeit

Basics in Applied Mathematics (MScData24)

Die Zahl der ECTS-Punkte entnehmen Sie bitte den Ergänzungen zu den Modulhandbüchern.

Ort und Zeit

Übung / flipped classroom: Di, 14-16 Uhr, HS II, Albertstr. 23b

Lehre

Dozent:in: Moritz Diehl
Assistenz: Florian Messerer
Sprache: auf Englisch

Inhalt

Ziel des Kurses ist es, eine Einführung in numerische Methoden zu geben für die Lösung optimaler Kontrollprobleme in Wissenschaft und Technik. Der Schwerpunkt liegt sowohl auf zeitdiskreter als auch auf zeitkontinuierlicher optimaler Steuerung in kontinuierlichen Zustandsräumen. Der Kurs richtet sich an ein gemischtes Publikum von Studierenden der Mathematik, Ingenieurwissenschaften und Informatik.

Der Kurs deckt die folgenden Themen ab:

• Einführung in dynamische Systeme und Optimierung
• Newtonverfahren und numerische Optimierung
• Algorithmische Differenzierung
• Zeitdiskrete Optimale Steuerung
• Dynamische Programmierung
• Optimale Steuerung in kontinuierlicher Zeit
• Numerische Simulationsmethoden
• Hamilton-Jacobi-Bellmann-Gleichung
• Pontryagin und der indirekte Ansatz
• Direkte Optimale Steuerung
• Echtzeit-Optimierung für modellprädiktive Steuerung

Die Vorlesung wird von intensiven wöchentlichen Computerübungen begleitet, die sowohl in in MATLAB und Python (6~ECTS) absolviert werden können. Es wird außerdem ein optionales Projekt (3~ECTS) angeboten. Dieses besteht in der Formulierung und Implementierung eines selbstgewählten optimalen Kontrollproblems und einer numerischen Lösungsmethode, die in einem Projektbericht dokumentiert und abschließend präsentiert wrird.

Vorkenntnisse

Notwendig: Analysis~I und II, Lineare Algebra~I und II Nützlich: Numerik I, Gewöhnliche Differentialgleichungen, Numerische Optimierung

Verwendbarkeit

Wahlmodul im Optionsbereich (2HfB21)
Wahlpflichtmodul Mathematik (BSc21)
Mathematische Ergänzung (MEd18)
Angewandte Mathematik (MSc14)
Mathematik (MSc14)
Vertiefungsmodul (MSc14)
Wahlmodul (MSc14)
Elective in Data (MScData24)

Die Zahl der ECTS-Punkte entnehmen Sie bitte den Ergänzungen zu den Modulhandbüchern.

Ort und Zeit

Vorlesung: Mo, 8:30-10 Uhr, HS 00-026, Georges-Köhler-Allee 101, Mi, 8:30-10 Uhr, HS 00-036, Georges-Köhler-Allee 101
Übung: 2-stündig, verschiedene Termine

Veranstaltung der Technischen Fakultät. Für Inhalt, Vorkenntnisse und Anforderungen siehe das Modulhandbuch M.Sc. Informatik.

Lehre

Dozent:in: Moritz Diehl
Sprache: auf Englisch

Verwendbarkeit

Elective in Data (MScData24)

Die Zahl der ECTS-Punkte entnehmen Sie bitte den Ergänzungen zu den Modulhandbüchern.

Ort und Zeit

Übung: Di, 14-16 Uhr, HS Weismann-Haus, Albertstr. 21a

Lehre

Dozent:in: Moritz Diehl
Assistenz: Armin Nurkanivic
Allgemein: Kategorie III

Verwendbarkeit

Wahlpflichtmodul Mathematik (BSc21)

Ort und Zeit

Übung: Di, 14-16 Uhr, HS II, Albertstr. 23b

Lehre

Dozent:in: Moritz Diehl
Assistenz: Armin Nurkanivic
Allgemein: Veranstaltung der Kategorie III

Verwendbarkeit

Wahlpflichtmodul Mathematik (BSc21)

Ort und Zeit

Übung: Fr, 14-16 Uhr, HS II, Albertstr. 23b
Klausur 08.03., 09:00-12:00

Lehre

Dozent:in: Moritz Diehl
Assistenz: Florian Messerer
Allgemein: Kategorie III

Verwendbarkeit

Wahlpflichtmodul Mathematik (BSc21)

Ort und Zeit

Übung: Do, 14-16 Uhr, SR 226, Hermann-Herder-Str. 10
Klausur 22.09., 13:00-00:00
Nachklausur 06.03., 13:00-16:00

Lehre

Dozent:in: Moritz Diehl
Assistenz: Florian Messerer
Allgemein: Veranstaltung der Kategorie III

Verwendbarkeit

Wahlpflichtmodul Mathematik (BSc21)

Ort und Zeit

Übung: Fr, 10-12 Uhr, HS II, Albertstr. 23b

Lehre

Dozent:in: Moritz Diehl
Assistenz: Florian Messerer
Allgemein: Kategorie III

Verwendbarkeit

Wahlpflichtmodul Mathematik (BSc21)
Mathematische Ergänzung (MEd18)

Lehre

Dozent:in: Moritz Diehl
Assistenz: Florian Messerer
Allgemein: Veranstaltung der Kategorie III

Verwendbarkeit

Wahlpflichtmodul Mathematik (BSc21)

Ort und Zeit

Übung: Fr, 10-12 Uhr, SR 226, Hermann-Herder-Str. 10

Lehre

Dozent:in: Moritz Diehl
Assistenz: Florian Messerer
Allgemein: Veranstaltung der Kategorie III

Ort und Zeit

Do, 10-12 Uhr, HS II, Albertstr. 23b, Projekt
Übung: Fr, 14-16 Uhr, HS II, Albertstr. 23b

Lehre

Dozent:in: Moritz Diehl
Allgemein: Kategorie III

Verwendbarkeit

Wahlpflichtmodul Mathematik (BSc21)
Mathematische Ergänzung (MEd18)

Lehre

Dozent:in: Moritz Diehl
Allgemein: Veranstaltung der Kategorie III

Verwendbarkeit

Wahlpflichtmodul Mathematik (BSc21)

Ort und Zeit

† Übungen (ggf. unregelmäßig): Fr, 14-16 Uhr, HS II, Albertstr. 23b

Lehre

Dozent:in: Moritz Diehl
Allgemein: Veranstaltung der Kategorie III

Ort und Zeit

Übung: Di, 14-16 Uhr, HS II, Albertstr. 23b

Lehre

Dozent:in: Moritz Diehl
Allgemein: Kategorie III

Verwendbarkeit

Wahlpflichtmodul Mathematik (BSc21)

Lehre

Dozent:in: Moritz Diehl
Allgemein: Veranstaltung der Kategorie III

Verwendbarkeit

Wahlpflichtmodul Mathematik (BSc21)

Ort und Zeit

† Übungen (ggf. unregelmäßig): Fr, 10-12 Uhr, HS II, Albertstr. 23b
Klausur 25.09., 09:00-12:00

Lehre

Dozent:in: Moritz Diehl
Allgemein: Veranstaltung der Kategorie III

Lehre

Dozent:in: Moritz Diehl
Allgemein: Kategorie III

Verwendbarkeit

Wahlpflichtmodul Mathematik (BSc21)