Vorlesung: Mi, 10-12 Uhr, SR 226, Hermann-Herder-Str. 10
Übung: 2-stündig, Termin wird noch festgelegt
Dozent:in: Sören Bartels
Assistenz: Tatjana Schreiber
Sprache: auf Englisch
The lecture addresses algorithmic aspects in the practical realization of mathematical methods in big data analytics and machine learning. The first part will be devoted to the development of recommendation systems, clustering methods and sparse recovery techniques. The architecture and approximation properties as well as the training of neural networks are the subject of the second part. Convergence results for accelerated gradient descent methods for nonsmooth problems will be analyzed in the third part of the course. The lecture is accompanied by weekly tutorials which will involve both, practical and theoretical exercises.
Numerik I, II oder Basics in Applied Mathematics
Wahlmodul im Optionsbereich (2HfB21)
Wahlpflichtmodul Mathematik (BSc21)
Mathematische Ergänzung (MEd18)
Angewandte Mathematik (MSc14)
Mathematik (MSc14)
Vertiefungsmodul (MSc14)
Wahlmodul (MSc14)
Elective in Data (MScData24)
Seminar: Numerik partieller Differentialgleichungen
Seminar: Mo, 12-14 Uhr, SR 226, Hermann-Herder-Str. 10
Vorbesprechung 04.02., 12:00, Raum 209, Hermann-Herder-Str. 10, Bei Verhinderung bei der Vorbesprechung Anmeldung per E-Mail an Sören Bartels.
Dozent:in: Sören Bartels
Assistenz: Vera Jackisch, Tatjana Schreiber
Sprache: Vortrag/Teilnahme auf Deutsch oder Englisch möglich
Im Seminar sollen weiterführende Themen der Theorie und Numerik partieller Differentialgleichungen behandelt werden. Dazu gehören die iterative Lösung der entstehenden linearen Gleichungssysteme mit Mehrgitter- und Gebietszerlegungsmethoden, die adaptive Verfeinerung von Finite-Elemente-Gittern, die Herleitung einer Approximationstheorie mit expliziten Konstanten sowie die Lösung nichtlinearer Probleme.
Einführung in Theorie und Numerik partieller Differentialgleichungen
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)
Vorlesung: Mi, 14-16 Uhr, HS Weismann-Haus, Albertstr. 21a
Übung: 2-stündig 14-täglich, verschiedene Termine
Dozent:in: Sören Bartels
Assistenz: Tatjana Schreiber
Sprache: auf Deutsch
Die Numerik ist eine Teildisziplin der Mathematik, die sich mit der praktischen Lösung mathematischer Aufgaben beschäftigt. Dabei werden Probleme in der Regel nicht exakt sondern approximativ gelöst, wofür ein sinnvoller Kompromiss aus Genauigkeit und Rechenaufwand zu finden ist. Im ersten Teil des zweisemestrigen Kurses stehen Fragestellungen der Linearen Algebra wie das Lösen linearer Gleichungssysteme und die Bestimmung von Eigenwerten einer Matrix im Vordergrund. Der Besuch der begleitenden praktischen Übung wird empfohlen. Diese finden 14-täglich im Wechsel mit der Übung zur Vorlesung statt.
Notwendig: Lineare Algebra~I \ Nützlich: Lineare Algebra~II und Analysis~I (notwendig für Numerik~II)
Numerik (BSc21)
Numerik (2HfB21, MEH21)
Numerik I (MEB21)
Praktische Übung zu Numerik
Dozent:in: Sören Bartels
Assistenz: Tatjana Schreiber
Sprache: auf Deutsch
In den begleitenden praktischen Übungen zur Vorlesung Numerik I 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 {\em Numerik I} (die gleichzeitig gehört werden oder schon absolviert sein soll). \ Zusätzlich: Elementare Programmiervorkenntnisse zum Beispiel aus dem Kurs \emph{Einführung in die Programmierung für Studierende der Naturwissenschaften}.
Praktische Übung (2HfB21, MEH21, MEB21)
Wahlmodul im Optionsbereich (2HfB21)
Numerik (BSc21)
Mathematische Ergänzung (MEd18)
Machine-Learning Methods in the Approximation of PDEs
Dozent:in: Sören Bartels
Assistenz: Tatjana Schreiber
Sprache: Vorträge/Teilnahme auf Deutsch oder auf Englisch möglich
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.
Einführung in Theorie und Numerik partieller Differentialgleichungen
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)