Mathematical Introduction to Deep Neural Networks
Vorlesung: Mi, 12-14 Uhr, SR 226, Hermann-Herder-Str. 10
Übung: 2-stündig, Termin wird noch festgelegt
Dozent:in: Diyora Salimova
Sprache: auf Englisch
Wahlmodul im Optionsbereich (2HfB21)
Wahlpflichtmodul Mathematik (BSc21)
Mathematische Ergänzung (MEd18)
Angewandte Mathematik (MSc14)
Mathematik (MSc14)
Vertiefungsmodul (MSc14)
Wahlmodul (MSc14)
Elective in Data (MScData24)
Proseminar: Gewöhnliche Differentialgleichungen
Seminar: Mi, 14-16 Uhr, SR 226, Hermann-Herder-Str. 10
Voranmeldung:
Vorbesprechung
Vortragsbesprechungen (Tutorium zum Seminar): Termine nach Vereinbarung
Dozent:in: Diyora Salimova
Proseminar (2HfB21, BSc21, MEH21, MEB21)
Seminar: Mo, 12-14 Uhr, online, -
Voranmeldung: per E-Mail an Diyora Salimova
Vorbesprechung 14.04., 15:00, über Zoom (bitte schreiben Sie der Dozentein, falls der Termin nicht passt)
Vortragsbesprechungen (Tutorium zum Seminar): Termine nach Vereinbarung
Dozent:in: Diyora Salimova
Assistenz: Ilkhom Mukhammadiev
Sprache: Vortrag/Teilnahme auf Deutsch oder Englisch möglich
In recent years, deep learning have been successfully employed for a multitude of computational problems including object and face recognition, natural language processing, fraud detection, computational advertisement, and numerical approximations of differential equations. Such simulations indicate that neural networks seem to admit the fundamental power to efficiently approximate high-dimensional functions appearing in these applications.
The seminar will review some classical and recent mathematical results on approximation properties of deep learning. We will focus on mathematical proof techniques to obtain approximation estimates on various classes of data including, in particular, certain types of PDE solutions.
Grundlagen der Funktionalanalysis, der Numerik partieller Differentialgleichungen und der Wahrscheinlichkeitstheorie.
Wahlmodul im Optionsbereich (2HfB21)
Mathematisches Seminar (BSc21)
Wahlpflichtmodul Mathematik (BSc21)
Mathematische Ergänzung (MEd18)
Mathematisches Seminar (MSc14)
Wahlmodul (MSc14)
Mathematical Seminar (MScData24)
Elective in Data (MScData24)
Numerical Approximation of Stochastic Differential Equations (Numerische Approximation stochastischer Differentialgleichungen)
Vorlesung: Di, Fr, 12-14 Uhr, SR 226, Hermann-Herder-Str. 10
Übung: 2-stündig, Termin wird noch festgelegt
Praktische Übung: 2-stündig, Termin wird noch festgelegt
Mündliche Prüfung 06.12.
Die Veranstaltung findet nur in der ersten Semesterhälfte, bis Ende November statt!
Dozent:in: Diyora Salimova
Assistenz: Ilkhom Mukhammadiev
Sprache: auf Englisch
Ziel dieses Kurses ist es, die Studierenden in die Lage zu versetzen, Simulationen und deren mathematische Analyse für stochastische Modelle aus Anwendungen wie der Finanzmathematik und der Physik durchzuführen. Zu diesem Zweck vermittelt der Kurs ein solides Wissen über stochastische Differentialgleichungen (SDEs) und deren Lösungen. Darüber hinaus werden verschiedene numerische Methoden für SDEs, ihre zugrunde liegenden Ideen, Konvergenzeigenschaften und Implementierungsprobleme untersucht.
Notwendig: Stochastik, Maßtheorie, Numerik und MATLAB-Programmierung.
Wahlmodul im Optionsbereich (2HfB21)
Wahlpflichtmodul Mathematik (BSc21)
Mathematische Ergänzung (MEd18)
Angewandte Mathematik (MSc14)
Mathematik (MSc14)
Vertiefungsmodul (MSc14)
Wahlmodul (MSc14)
Elective in Data (MScData24)
Di, 12-14 Uhr, SR 226, Hermann-Herder-Str. 10
Dozent:in: Diyora Salimova
Assistenz: Philipp Tscherner
Oberseminar: Angewandte Mathematik
Di, 14-16 Uhr, SR 226, Hermann-Herder-Str. 10
Dozent:in: Sören Bartels, Patrick Dondl, Michael Růžička, Diyora Salimova
Einführung in Theorie und Numerik partieller Differentialgleichungen (Introduction to Theory and Numerics of Partial Differential Equations)
Vorlesung: Mo, Mi, 12-14 Uhr, SR 226, Hermann-Herder-Str. 10
Klausur 14.02., 14:00-16:00
Dozent:in: Diyora Salimova
Assistenz: Hedwig Keller
Allgemein: Kategorie III
Wahlpflichtmodul Mathematik (BSc21)
Mathematische Vertiefung (MEd18, MEH21)
Praktische Übung zu "Einführung in Theorie und Numerik partieller Differentialgleichungen"
Dozent:in: Diyora Salimova
Assistenz: Hedwig Keller
Mathematische Ergänzung (MEd18)
Oberseminar: Angewandte Mathematik
Di, 14-16 Uhr, SR 226, Hermann-Herder-Str. 10
Dozent:in: Patrick Dondl, Michael Růžička, Diyora Salimova
Vorlesung: Mo, 12-14 Uhr, SR 226, Hermann-Herder-Str. 10
Klausur 07.08., 12:00-14:00
Dozent:in: Diyora Salimova
Assistenz: Hedwig Keller
Allgemein: Veranstaltung der Kategorie II
Wahlpflichtmodul Mathematik (BSc21)
Mathematische Ergänzung (MEd18)
Praktische Übung zu „Numerik für Differentialgleichungen“
Dozent:in: Diyora Salimova
Assistenz: Hedwig Keller
Allgemein: Veranstaltung der Kategorie II
Wahlpflichtmodul Mathematik (BSc21)
Mi, 12-14 Uhr, SR 125, Ernst-Zermelo-Str. 1
Dozent:in: Diyora Salimova
Assistenz: Jakob Rotter
Oberseminar: Angewandte Mathematik
Di, 14-16 Uhr, SR 226, Hermann-Herder-Str. 10
Dozent:in: Sören Bartels, Michael Růžička, Diyora Salimova
Vorlesung: Mi, 14-16 Uhr, HS Rundbau, Albertstr. 21
Dozent:in: Diyora Salimova
Assistenz: Oliver Suchan
Allgemein: Pflichtveranstaltung im B.Sc., Pflichtveranstaltung im 2-Hf-B
Numerik I (MEB21)
Praktische Übung zu "Numerik"
Dozent:in: Diyora Salimova
Assistenz: Coffi Aristide Hounkpe, Jakob Rotter, Oliver Suchan
Allgemein: Pflichtveranstaltung im B.Sc.
Praktische Übung (2HfB21, MEH21, MEB21)
Mathematische Ergänzung (MEd18)
Seminar: Approximation Properties of Neural Networks
Do, 14-16 Uhr, , online
Dozent:in: Diyora Salimova
Assistenz: Coffi Aristide Hounkpe
Mathematische Ergänzung (MEd18)
Wahlpflichtmodul Mathematik (BSc21)